Программа дисциплины по кафедре "Экономическая кибернетика" прогнозирование национальной экономики - страница 2

^ 2. Пусть имеются данные, показывающие продажу учебников (в тыс. шт.) за последние три года по кварталам:
Год
1

2

3

Квартал

1

2

3

4

1

2

3

4

1

2

3

4

Продажа

16,9

9,4

26,2

25

18

9

29

23,6

18,5

11

29,2

26,2

Определите прогнозный объем продажи учебников на 1-й и 2-й кварталы четвертого года, используя средний абсолютный прирост и среднегодовой темп роста.

3. При проверке статистической гипотезы на 5 %-м уровне значимости нулевая гипотеза не отклоняется, если:

а) p-value > 0.05;

б) p-value < 0.05;

в) p-value < 0.025;

г) p-value > 0.025.

4. Рассматривается зависимость стоимости основных фондов (у, тыс. руб.) от объемов выпускаемой продукции (х, тыс. руб.). В результате получен отчет:



Какие выводы можно сделать на основе полученного отчета? Рассчитайте прогнозное значение стоимости основных фондов, если объём выпускаемой продукции составит 10 тыс. руб.

5. Дисперсионный анализ уравнения парной регрессии проверяет:

а) значимость коэффициента корреляции;

б) значимость уравнения регрессии;

в) значимость коэффициента регрессии;

г) значимость свободного члена уравнения регрессии.

6. В чем заключается предварительный анализ рядов динамики?

7. Какой показатель точности прогноза на основе временных рядов используются для оценки качества прогноза?

а) средняя ошибка;

б) средняя абсолютная ошибка;

в) средний квадрат ошибки;

г) средняя процентная ошибка.

Вариант 2

1. Фактографические методы прогнозирования.
^ 2. Пусть имеются данные, показывающие продажу учебников (в тыс. шт.) за последние три года по кварталам:
Год
1

2

3

Квартал

1

2

3

4

1

2

3

4

1

2

3

4

Продажа

16,9

9,4

26,2

25

18

9

29

23,6

18,5

11

29,2

26,2

Определите прогнозный объем продажи учебников на 1-й и 2-й кварталы четвертого года, используя метод простого экспоненциального сглаживания.

  1. При проверке статистических гипотез уровень значимости – это:

а) вероятность ошибки первого рода;

б) надежность оценки;

в) вероятность попадания в область принятия гипотезы;

г) вероятность попадания в критическую область.

  1. Имеются данные (n=21, y – потребление, тыс. руб., х – доходы, тыс. руб.). В результате получен следующий анализ:



Какие выводы можно сделать на основе полученного отчета? Рассчитайте прогнозное значение объемов потребления, если доходы по прогнозу составят 9,5 тыс. руб. в среднем на одного работающего.

  1. При анализе матрицы парных коэффициентов корреляции получили, что p-value для равна 0,15. Это означает, что:

а) переменная х2 слабо влияет на изменение у;

б) переменные х2 и у независимы;

в) переменную х2 следует включить в регрессию:

г) переменную х2 не следует включать в регрессию.

  1. С какой целью проводится сглаживание рядов динамики?

  2. Какие из перечисленных методов используются для прогнозирования рядов динамики?

а) сезонная декомпозиция;

б) экспоненциально взвешенные скользящие средние;

в) аналитическое выравнивание по тренду;

г) скользящие средние.

Вариант 3

  1. Метод опросов в форме интервью.

  2. Определите наличие тренда в ряде динамики по методу критерия серий:

Год

Внесено минеральных удобрений на 1 га, кг

Год

Внесено минеральных удобрений на 1 га, кг

1

140

6

197

2

262

7

246

3

289

8

276

4

191

9

187

5

202

10

253

  1. При проверке статистических гипотез уровень значимости – это:

а) вероятность ошибки первого рода;

б) надежность оценки;

в) вероятность попадания в область принятия гипотезы;

г) вероятность попадания в критическую область.

  1. Имеются данные (n=21, y – потребление, тыс. руб., х – доходы, тыс. руб.). В результате получен следующий анализ:



Проверьте равенства: == и прокомментируйте их смысл.

  1. Мультиколлинеарность нежелательна при проведении регрессионного анализа потому, что:

а) вызывает автокорреляцию в остатках;

б) искажает смысл коэффициентов регрессии;

в) нарушает предпосылки МНК;

г) нарушает гомоскедастичность остатков.

  1. Перечислите методы сглаживания ряда динамики.

  2. Как осуществляется прогноз нестационарного показателя на основе тренда?

а) вычислением скользящих средних;

б) вычислением центрированных скользящих средних;

в) подстановкой в уравнение тренда значений переменной время;

г) вычислением параметра сглаживания.


^ 9 УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

Основная литература:

  1. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Финансы и статистика, 2001.

  2. Бестужев-Лада И.В. Прогнозирование обоснованных социальных нововведений. - М.: Наука, 1993.

  3. Блинов О.Е. Статические имитационные модели прогнозирования /ГАУ. - М., 1991.

  4. Дуброва Т.А. Статистические методы прогнозирования в экономике: Учебное пособие. – М.: МЭСИ, 2002. – 52 с.

  5. Дудорин В.И. и др. Методы социально-экономического прогнозирования (специальные методы прогнозирования) /ГАУ.- М., 1992.

  6. Замков О.О. Эконометрические методы в макроэкономическом анализе. – М.: ГУ ВШЭ, 2001.

  7. Заречнев В.А. Прогнозирование на компьютере. Методы, алгоритмы, реализация. – Киров: Изд-во ВятГГУ, 2004.

  8. Клейнер Г. Производственные функции. М.: Финансы и статистика, 1986.

  9. Литвак Б.Г. Экспертные оценки и принятие решений. – М.: Патент, 1997.

  10. Лисичкин В.А. Теория и практика прогностики. – М.: Наука, 1972. 223с.

  11. Мартино Д.Х. Технологическое прогнозирование. - М.: Прогресс, 1977.

  12. Основы экономического и социального прогнозирования/ Под ред. В.Н. Мосина, Д.М. Крука. – М.: Высш. Шк., 1985.

  13. Морозова Т.Г., Рикулькин и др. Прогнозирование и поланирование в условиях рынка. Учеб. Пособие для вузов. – М.: ЮНИТИ-ДАНА, 1999. – 318с.

  14. Парсаданов Г.А. Прогнозирование национальной экономики. - М.: ЗАО "Финстатинформ", 1999.

  15. Рабочая книга по прогнозированию /Отв. ред. И.В.Бестужев-Лада. - М.: Мысль, 1982.

  16. Статистическое моделирование и прогнозирование / Под ред. А.Г.Гранберга. - М.: Финансы и статистика, 1990.

  17. Теория прогнозирования и принятия решений / Под ред. С.А.Саркисяна. - М.: Высшая школа, 1977.

  18. Тихомиров Н.П. И др. Принципы организации этапов прогнозирования и оценки научно-технического уровня при управлении созданием больших технических систем. .-М.: Изд-во РЭА им.Г.В.Плеханова, 1995.

  19. Тихонов Э.Е. Методы прогнозирования в условиях рынка. – Невинномысск: 2006

  20. Черныш Е.А. Прогнозиование и планирование в условиях рынка. . - М.: ПРИОР, 1999.

  21. Четыркин Е.М. Статистические методы прогнозирования. – М.:Статистика, 1977.

Дополнительная литература:

  1. Айвазян С.А. и др. Прикладная статистика: исследование зависимостей. - М.: Финансы и статистика, 1985.

  2. Айвазян, С.А. Основы эконометрики. Учебник для вузов: В 2 т. Т.2: /С.А.Айвазян. Прикладная статистика. Основы эконометрики. – М.: ЮНИТИ-ДАНА, 2001. – 432 с.

  3. Баркалов Н.Б. Производственные функции в моделях экономического роста.-М.: Изд-во МГУ, 1981

  4. Бородич, С.А. Эконометрика: Учебное пособие. /С.А.Бородич. - Мн.:Новое знание, 2001.- 408 с.

  5. Бэстенс Д.-Э., Ван Дер Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки. – М.:ТВП, 1997

  6. Винн Р., Холден К. Введение в прикладной эконометрический анализ. - М.: Финансы и статистика, 1981.

  7. Грицан В.Н. Эконометрика. – М.: Издательско-торговая корпорация “Дашков и К”, 2002.

  8. Джонстон Дж. Эконометрические методы. М.: Статистика, 1980.

  9. Доугерти Кристофер. Введение в эконометрику. Пер. с англ. – М.: ИНФРА-М.-XIV, 1997, - 402 с.

  10. Дрейпер Н., Смит Г. Прикладной регрессионный анализ: В 2-х кн. М.: Финансы и статистика, 1986-1987.

  11. Заречнев В.А. Статистическое моделирование. Методы, алгоритмы, реализация. – Киров: Изд-во ВятГГУ, 2004.

  12. Катышев П.К., Магнус Я.Р., Пересецкий А.А. Сборник задач к начальному курсу эконометрики. – М.: Дело, 2002.

  13. Катышев, П.К. Сборник задач к начальному курсу эконометрики. /П.К.Катышев и др. - М.: Дело, 2002. – 208 с.

  14. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. 3-е изд. - М.: Дело, 1997, - 400 с.

  15. Мардас А.Н. Эконометрика. – СПб.: Питер, 2001.

  16. Колемаев В.А., Калинина В.Н. Теория вероятностей и математическая статистика. - М.: Инфра-М, 1997.

  17. Колемаев, В.А. Эконометрика: Учебник. /В.А.Колемаев. - М.: ИНФРА-М, 2004.- 160 с.

  18. Кононов Д.А и др. Формирование сценарных пространств и анализ динамики поведения социально-экономических систем. – М.: ИПУ, 1999.

  19. Кремер Н.Ш., Путко Б.А. Эконометрика: Учебник для вузов. – М.: ЮНИТИ-ДАНА, 2003. – 311 с.

  20. Кремер, Н.Ш. Эконометрика. Учебник для вузов. /Н.Ш.Кремер, Б.А. Путко. -М.: ЮНИТИ-ДАНА, 2002. – 311 с.

  21. Литвак Б.Г. Экспертная информация: Методы получения и анализа. - М.: Радио и связь, 1982.

  22. Носко В.П. (2000), Эконометрика для начинающих: основные понятия, элементарные методы, границы применимости, интерпретация результатов. М., ИЭПП, 252 с.

  23. Образцова О.Н., Назарова О.В., Канторович Г.Г. Экономическая статистика. Эконометрика. Методические материалы. – М.: ГУ – ВШЭ, 2000.

  24. Орлов А.И. Эконометрика: Учеб. пособ.. – М.: Из-во «Экзамен»,2002.

  25. Тихомиров, Н.П. Эконометрика: Учебник. /Н.П.Тихомиров, Е.Ю.Дорохина. - М.: «Экзамен», 2003.- 512 с.

  26. Экспертные оценки в социологических исследованиях/ Под ред. С.Б.Крымского. - Киев, Наукова думка, 1990.

^ 10 ПЕРЕЧЕНЬ ОБУЧАЮЩИХ И КОНТРОЛИРУЮЩИХ ПРОГРАММ

Для выполнения практических заданий по прогнозированию данных наиболее предпочтительным является использование ППП Statistica, Eviews и Statgraphics, в которых реализованы все основные статистические процедуры, излагаемые в данном курсе прогнозирования, графические и формальные. В меню пакетов дается подробное теоретическое описание реализуемых статистических  процедур, детально объясняется, каким образом их можно выполнить технически. Это представляет студенту  дополнительную возможность изучения эконометрических методов и их использования на практике в качестве аппарата прогнозирования.


^ 11 МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ


Для освоения данной дисциплины необходима лаборатория, оснащенная локальной вычислительной сетью с установленным компьютерным обеспечением. В качестве рабочих станций целесообразно иметь персональные компьютеры с процессором не ниже Pentium и оперативной памятью не менее 32 Mб.


^ 12 МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ОРГАНИЗАЦИИ ИЗУЧЕНИЯ ДИСЦИПЛИНЫ

На основании программы разрабатываются рабочие учебные программы дисциплины с учетом фактического количества часов, отведенных на ее изучение. Исходя из этого, в рабочей программе отдельные разделы программы могут быть либо усилены, либо сокращены, либо опущены.

Знания и навыки, полученные при изучении данного курса, широко применяются студен­тами в дипломном проектировании.

Программа составлена в соответствии с государственными образова­тельными стандартами высшего профессионального образования.


^ 13 СЛОВАРЬ ТЕРМИНОВ


Альтернатива – один вариант действий, исключающий возможность реализации другого варианта.

Аппроксимация – приближен­ное выражение математических объ­ектов через более простые объекты, например, сведение задачи выпук­лого программирования к кусочно-линейной задаче путем аппроксима­ции целевой функции и ограничений кусочно-линейными функциями.

Верификация прогноза – оценка обоснованности, достоверности и точности прогноза.

Временной ряд – это ряд, состоящий из данных, зафиксированных или наблюдаемых в течение последовательных промежутков времени.

Выборочное распределение – это ряд всех возможных значений выборочной статистики, который может быть получен из генеральной совокупности для выборки данного объёма.

Доверительный интервал – интервал, в котором с определенной уверенностью можно ожидать появления фактического значения прогнозируемой переменной.

Достаточность информации - количество информации, позволяющее сделать выводы по проведенному исследованию или описать объект исследования и пути его развития.

Достоверность информации – подтверждённая на практике информация об объекте исследования, его внутреннем строении и существующих взаимосвязях.

Достоверность прогноза – оценка вероятности осуществления прогноза для заданного доверительного интервала.

Задание на прогноз – документ, определяющий цели и задачи прогноза и регламентирующий порядок его разработки.

Интервальная оценка – это числовой интервал, в котором, вероятно, находится некоторый параметр генеральной совокупности.

Информационный массив – совокупность данных об объекте прогнозирования, приведенных в систему в соответствии с целью прогноза и методами прогнозирования.

Источник фактографической информации – источник информации об объекте прогнозирования, имеющий своим содержанием фактические данные, необходимые для достижения цели прогноза.

Источник экспертной информации - источник информации об объекте прогнозирования, имеющий своим содержанием экспертные оценки, необходимые для достижения цели прогноза.

Корректировка прогноза – уточнение прогноза на основании результатов его верификации и /или на основании дополнительных материалов и исследований.

Коррелограмма – это график коэффициентов автокорреляции для различных значений временного лага.

Коэффициент детерминации – измеряет процент изменчивости У, которая может быть объяснена информацией об изменчивости независимой переменной Х.

Коэффициент корреляции опре­деляет тесноту связи.

Коэффициент регрессии измеряет среднее изменение зависимой переменной при единичном изменении соответствующей независимой переменной, если остальные независимые переменные постоянны.

Критерий – 1) объективная или субъективная оценка, выбранного в виде мерила суждения; 2) признак, на основании которого производится качественная оценка, определение или классификация какого-либо процесса, явления.

Кросс-секционные данные – это наблюдения, произведенные в один тот же момент времени.

Математическим ожиданием случайной величины называется среднее значение, полученное в результате многих опытов или наблюдений.

Метод – 1) способ достижения какой-либо цели, решения конкретной задачи; 2) совокупность приёмов или операций практического или теоретического освоения (познания) действительности.

Метод наименьших квадратов. Этот метод используется для получения уравнения регрессии, минимизирующей сумму квадратов отклонений фактических значений результативного признака от теоретических.

Метод прогнозирования – способ исследования объекта прогнозирования, направленный на разработку прогнозов.

Методика прогнозирования – совокупность специальных правил и приемов разработки конкретных прогнозов.

Методология Бокса-Дженкинса опирается на ряд процедур идентификации, корректировки и проверки моделей ARIMA с целью анализа данных временных рядов. Прогноз вытекает непосредственно из подобранной модели.

Многомерная регрессия использует более чем одну независимую переменную для прогноза значений зависимой переменной.

Модель авторегрессии. Это модель, в которой значение прогноза находится как функция от предыдущих значений временных рядов.

Мультиколлинеарность – это ситуация, при которой независимые переменные в многомерном уравнении регрессии сильно коррелируют между собой.

Научное предвидение – опережающее отображение действительности, основанное на познании законов природы, общества и мышления.

Неопределенность прогноза – функция количества информации, которой располагает прогнозист по поводу объекта прогнозирования, а также функция уверенности в этой информации.

Нормативный прогноз – прогноз, содержанием которого является определение путей и сроков достижения возможных состояний объекта прогнозирования в будущем, принимаемых в качестве цели.

Объект прогнозирования – то, на что направлено исследование в соотвествии с заданием прогноза.

Ошибка прогноза. Представляет собой разность между действительно наблюдаемым значением и его прогнозом.

Период основания прогноза – промежуток времени, на информационной базе которого проводятся прогнозно-аналитические расчеты.

Период упреждения прогноза – промежуток времени, для которого разрабатывается прогноз.

План – документ, включающий в себя цели функционирования и развития объекта, принятые всеми участниками процесса планирования.

2731730477694461.html
2731926729826443.html
2732027749727094.html
2732083221846434.html
2732161502374362.html