Руководство по изучению дисциплины
Руководство по изучению дисциплины
1. Сведения об авторах
Дуброва Татьяна Абрамовна — доктор экономических наук, профессор кафедры математической статистики и эконометрики МЭСИ.
Читает курсы лекций и проводит компьютерные и аудиторные занятия по статистическим методам прогнозирования в экономике, по теории вероятностей и математической статистике, по многомерному статистическому анализу, по эконометрике.
Автор более 90 научных и учебно-методических работ, включая более 25 учебников, учебных пособий и учебно-методических разработок.
Область научных интересов — методы прикладной статистики и эконометрическо-го моделирования. Специализируется в применении статистических методов прогнозирования в экономике.
Архипова Марина Юрьевна — кандидат экономических наук, доцент кафедры математической статистики и эконометрики, в. н. с. Российского института экономики, политики и права в научно-технической сфере.
Читает курсы лекций и проводит компьютерные и аудиторные занятия по следующим курсам: статистические методы прогнозирования в экономике, теория вероятностей и математическая статистика, эконометрика.
За последние пять лет Архиповой М.Ю. написано около 20 научных и учебно-методических работ, включая учебные пособия и учебно-методические разработки.
Область научных интересов — методы прикладной статистики и эконометрическо-го моделирования, а также экономико-статистический анализ научно-технологического развития России.
2. Цели, задачи изучения, сфера профессионального применения
Цель преподавания курса — дать студентам научное представление о статистических методах прогнозирования, об их практическом применении на базе современных пакетов прикладных программ при решении социально-экономических задач.
Задачи курса
После изучения курса студенты будут знать современные статистические методы прогнозирования, приобретут навыки решения реальных задач, встречающихся в различных областях экономической практики на базе отечественных и зарубежных пакетов прикладных программ (Олимп, Мезозавр, Statistica, SPSS и др.).
3. Необходимый объем знаний для изучения курса
Для изучения курса «Статистические методы прогнозирования в экономике» студентам необходимо знание основ:
теории статистики, в которой сформулированы общие методы и принципы определения количественных характеристик массовых процессов и явлений;
экономической статистики, дающей представление о направлениях развития экономики, о темпах роста цен и занятости, о тенденциях развития и эффективности использования ресурсов в отдельных отраслях и секторах экономики;
— теории вероятностей и математической статистики, определяющих генеральную и выборочную совокупность, вариационные ряды и их характеристики; дающих возможность проводить статистическое оценивание параметров и проверку гипотез; использовать методы корреляционно-регрессионного анализа для оценки взаимосвязи между зависимой переменной и группой, влияющих на нее показателей.
В свою очередь данный курс является основой для ряда дисциплин, развивающих методы
теории вероятностей и математической статистики.
4. Основная информация о курсе и его структура
Курс включает в себя изучение следующих тем: Тема 1. Введение в анализ временных рядов.
Тема 2. Сглаживание временных рядов с помощью скользящих средних. Тема 3. Прогнозирование развития с помощью моделей кривых роста. Тема 4. Проверка адекватности и точности выбранных моделей прогнозирования. Тема 5. Статистический анализ и прогнозирование периодических колебаний. Тема 6. Использование адаптивных методов прогнозирования в экономических исследованиях.
Тема 7. Модели стационарных временных рядов и их идентификация. Методология Бок-са-Дженкинса.
Тема 8. Применение многофакторных моделей прогнозирования. Курс изучается в форме лекций и практических занятий.
Практические занятия проводятся как в аудитории, так и в компьютерных классах. Цель компьютерных занятий овладение методами анализа и обработки данных с использованием пакетов прикладных программ; решение конкретных задач, взятых из экономической практики. Рекомендуемые программные средства и пакеты прикладных программ: EXCEL, OLIMP, MESOSAUR, STATISTICA, SPSS.
После прохождения каждой темы студентами выполняется соответствующая лабораторная работа индивидуальное компьютерное исследование, завершающееся защитой отчета. Также предусмотрены тестирование и самостоятельная подготовка студентов. В конце семестра студенты сдают зачет (экзамен); для ряда специальностей предусмотрено написание курсовой работы.
Тема 1. Введение в анализ временных рядов Предмет и содержание курса
Изучение данной темы раскрывает студентам предмет и содержание курса, роль прогнозов в принятии научно-обоснованных управленческих решений, показывает возрастающее значение прогнозов в условиях рынка как основы предупреждающей информации для руководителей различных уровней, а также необходимость использования информационных технологий на базе персональных ЭВМ в практических исследованиях.
Дается обзор современных ППП по статистическому прогнозированию, обсуждаются достоинства, преимущества отдельных статистических систем обработки данных.
Подчеркивается расширение круга потребителей современных ППП по экономическому прогнозированию (правительственные организации, плановые и аналитические отделы, отделы маркетинга и менеджмента производственных и торговых корпораций, банков, страховых компаний).
Изучение этой темы должно подготовить студентов к пониманию следующих тем данного курса.
Классификация прогнозов
Подробно обсуждается классификация экономических прогнозов в зависимости от:
Цели прогнозирования (выделение нормативных и поисковых прогнозов);
Времени упреждения (понятия оперативных, краткосрочных, среднесрочных и долгосрочных прогнозов);
Масштабности объектов прогнозирования (понятие глобальных прогнозов, прогнозов на макро-, мезои микроуровне).
Временные ряды и их предварительный анализ
При изучении данной темы следует сконцентрировать внимание на определении понятия временного ряда, его отличии от случайной выборки из независимых наблюдений, на требованиях, предъявляемых к исходным временным рядам при прогнозировании. Также необходимо усвоить этапы предварительного анализа временных рядов.
Временным рядом называется ряд наблюдений за значениями некоторого показателя (признака), упорядоченный в хронологической последовательности, т. е. в порядке возрастания временного параметра t. Отдельные наблюдения временного ряда называются уровнями этого ряда.
Процесс прогнозирования экономических временных рядов базируется на выявлении закономерностей, объясняющих динамику процесса в прошлом, и использовании этих закономерностей для описания развития в будущем.
Целесообразно вспомнить определения моментных, интервальных, производных временных рядов, введенные в курсе общей теории статистики.
При изучении данного раздела нужно сосредоточить внимание на требованиях, предъявляемых к исходным временным рядам при прогнозировании (таких, как сопоставимость уровней ряда, полнота, однородность, достоверность информации и др.).
Описательные характеристики динамики социально-экономических явлений
Для успешного изучения и анализа социально-экономических процессов и явлений во времени необходимо понять значение и условия применения показателей, характеризующих изменение рядов динамики: абсолютного прироста, темпа роста и темпа прироста, а также обобщающих показателей — среднего уровня, среднего абсолютного прироста, среднего темпа роста и среднего темпа прироста.
Также следует рассмотреть простейшие приемы прогнозирования, использующие обобщающие показатели динамики.
Компонентный состав временных рядов
Данный раздел знакомит студентов с компонентами временного ряда (трендовой составляющей, сезонной компонентой, циклической компонентой и случайной компонентой), их особенностями, понятиями аддитивной, мультипликативной и смешанной модели. В рамках данной темы студенты также овладевают навыками проверки гипотезы о существовании тенденции. Изучение данной темы базируется на знании раздела математической статистики, связанного с проверкой статистических гипотез.
Наряду с долговременной тенденцией (трендом) во временных рядах существуют более или менее регулярные колебания. Если эти колебания носят строго периодический характер или близки к нему, и при этом период колебания не превышает 1 года, то их называют сезонными колебаниями и им соответствует сезонная компонента. Основной причиной сезонных колебаний являются природно-климатические условия.
Если период колебаний более года, то такие колебания называются циклическими и им соответствует циклическая компонента.
Случайная компонента представляет собой составную часть временных рядов, остающуюся после выделения из него тренда и периодических составляющих. Причиной существования случайной компоненты является стохастический характер экономических процессов. Особое внимание следует обратить на свойства случайной компоненты.
Если временной ряд представлен в виде суммы соответствующих компонент, то модель носит название аддитивной, если в виде произведения — мультипликативной. Также может быть выделена модель смешанного типа, в которой компоненты соединяются как знаком сложения, так и умножения.
Часто характер сезонности (аддитивный или мультипликативный) может быть определен уже на стадии проведения графического анализа.
Проверка гипотезы о существовании тенденции
При анализе реальных данных не всегда четко прослеживается присутствие трен-довой составляющей. В этом случае, прежде чем перейти к определению тенденции и выделению тренда, нужно выяснить, существует ли вообще тенденция в исследуемом процессе. Основные подходы к решению этой задачи основаны на статистической проверке гипотез. Поэтому при изучении данной темы необходимо сосредоточить внимание на методах, позволяющих на этапе предварительного анализа проверить гипотезу об отсутствии (наличии) тенденции в данном временном ряду.
Знания, умения, навыки по теме 1. Изучив тему 1, студент должен знать:
Роль прогнозов в принятии научно-обоснованных управленческих решений.
Современное программное обеспечение по прогнозированию.
Основные методологические принципы классификации экономических прогнозов.
Понятие временного ряда, его отличие от случайной выборки из независимых наблюдений.
Виды временных рядов.
Требования, предъявляемые к временным рядам при прогнозировании.
Этапы предварительного анализа временных рядов.
Описательные характеристики динамики социально-экономических явлений.
Компоненты временного ряда и их основные характеристики.
Понятия аддитивных, мультипликативных, смешанных моделей временных рядов.
Методы проверки гипотезы о существовании тенденции.
Изучив тему 1, студент должен уметь:
^ Видеть возможности использования статистических методов прогнозирования в профессиональной деятельности.
^ Проводить классификацию конкретных задач прогнозирования социально-экономических процессов в зависимости от цели, времени упреждения, масштабности объекта прогнозирования.
^ Ориентироваться в современном программном обеспечении по прогнозированию.
^ Своевременно выявлять и устранять несопоставимость уровней временного ряда, неоднородность информации.
^ Использовать простейшие приемы прогнозирования, опирающиеся на средний абсолютный прирост, средний темп роста (темп прироста) при решении экономических задач.
^ Применять статистические пакеты для расчета описательных характеристик динамики
социально-экономических процессов. ^ Проводить первичный анализ компонентного состава временного ряда. ^ Использовать различные методы проверки гипотезы о существовании тенденции при
решении конкретных задач. ^ Определять характер сезонности (аддитивный или мультипликативный) на основе
графического анализа данных.
Ссылки на учебный материал
Дуброва Т.А. Статистические методы прогнозирования. — М.:.ЮНИТИ-ДАНА, 2003.
Дуброва Т.А. Статистические методы прогнозирования в экономике. МЭСИ (МВБШ).М.,1999.
Дуброва Т.А. Статистические методы прогнозирования. УПП., МЭСИ-М., 2004.
Статистическое моделирование и прогнозирование. Учебное пособие. (Под ред. А. Г. Гранберга). М., «Финансы и статистика», 1990.
Экономико-математические методы и прикладные модели. (Под ред. В.В. Федосеева). М., «Юнити», 1999.
Андерсон Т. Статистический анализ временных рядов. М., «Мир», 1976.
Кендэл М. Временные ряды. М., «Финансы и статистика», 1981.
Кильдишев Г. С., Френкель А. А. Анализ временных рядов и прогнозирование. М., «Статистика», 1973.
Лугачев М.И., Ляпунцов Ю.П. Методы социально-экономического прогнозирования. -М., Экономический факультет МГУ, ТЕИС,1999.
Четыркин Е. Н. Статистические методы прогнозирования. М., «Статистика», 1975.
Боровиков В.П. , Ивченко Г.И. Прогнозирование в системе Statistica в среде Windows. М., «Финансы и статистика», 1999.
Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Финансы и статистика, 2001.
Обсуждение Статистические методы прогнозирования в экономике
Комментарии, рецензии и отзывы