- •1. Прогнозирование как общественная функция экономической науки.
- •2. Социальное прогнозирование – основной этап управления национальной экономикой.
- •3.Природа прогноза и планов Сходства и различия прогнозов и планов.
- •4. Особенности прогноза и плана.
- •5. Основные формы предвидения: форма предсказания и форма предуказания.
- •6. Методология социального прогнозирования.
- •7. Основные принципы социального прогнозирования.
- •8. Нормативный способ прогнозирования.
- •9. Поисковый способ прогнозирования.
- •10. Основные подходы к исследованию объекта прогнозирования.
- •11. Общие требования к прогнозу.
- •12. Типология прогнозов по масштабу и времени.
- •13. Основные методы прогнозирования – метод экстраполяции.
- •14. Основные методы прогнозирования – нормативный метод.
- •15. Основные методы прогнозирования – математическое моделирование.
- •16. Основные методы прогнозирования – метод аналогий, экспертные методы.
- •17. Использование корреляционно-регрессионного анализа к исследованию развития социальных и экономических систем.
- •18. Пирсеновский коэффициент корреляции в прогнозировании социальных процессов.
- •20. Коэфициент детерминации.
- •21. Становление теории систем. Основные понятия системного анализа.
- •22. Системный подход в социологии и биологии.
- •23. Классификация методологических подходов.
- •25. Методология «мягких» социальных систем п.Чекленда.
- •26. Методология критических социальных систем в. Ульриха.
- •28. Когнитивный подход к исследованию социальных и экономических процессов и явлений.
- •29. Когнитивные карты.
- •30. Эволюционные процессы в социальной сфере и их объяснение.
- •31. Когнитивный стиль по Маруяме.
- •32. Когнитивный стиль по Акоффу, Доусону.
- •33. Понятие знания, сущность фрейма, скрипта.
- •34. Теории и модели
- •35. Природа периодичности социальных процессов.
- •36. Типология моделей и схема их взаимосвязей.
- •37. Типология социальных изменений.
- •38. Развитие циклических представлений.
16. Основные методы прогнозирования – метод аналогий, экспертные методы.
М экспертных оценок. Это суждение эксперта относительно поставленной задачи. Условия для осуществления качественной экспертизы: 1) квалиф эксперт 2) независимость эксперта. Метод используется при неустойчивости ситуации объекта, если ситуация слишком сложна для оценки качественными методами. Метод аналогии: предполагает перенос знаний об одном предмете на другой. Виды: 1) истор аналогия (установление и использование аналогии объекта прогнозирования с одинаковыми по природе объектами). 2) матем аналогия (установление аналогии матем описаний процессов развития различных по природе объектов, с последующим использованием более изученного описания одного объекта для разработки прогноза другого объекта).
17. Использование корреляционно-регрессионного анализа к исследованию развития социальных и экономических систем.
Корреляционная (стохастическая) связь – это неполная вероятностная зависимость м/у показателями, кот проявляется только в массе наблюдений. Виды корреляции: 1) парная корреляция (возникает м/у двумя показателями, один из кот явл-ся факторным, др. результативным). 2) Множественная корреляция (возникает от взаимодействия нескольких факторов с результативными показателями). Необходимые условия применения корреляционного анализа: 1) наличие достаточно большого кол-ва наблюдений исследуемых показателей. 2) все факторы должны иметь количественное измерение. Корреляционный анализ позволяет: 1) определить изменение результативного показателя под воздействием одного или нескольких факторов в абсолютном измерении, т.е. определить на сколько едениц изменяется величина результативного показателя при изменении факторного на еденицу. 2) установить относительную степень зависимости м/у результативным показателем и факторным.
18. Пирсеновский коэффициент корреляции в прогнозировании социальных процессов.
Степень прямолинейной зависимости можно измерить с помощью пирсеновского коэф корреляции. r = сумма xy минус n умноженное на х среднее у среднее все это делить на корень кв из (сумма х в квадрате минус n умноженное на х среднее в квадрате) умноженное на (сумма у в квадрате минус n умноженное на у среднее в кв.). r = 1 (это идеальная линейная корреляция). r = -1 это идеальная обратная корреляция. значение коэф корреляции находится в пределах от -1 до +1, другого не бывает. Если корреляция равна от 0 до 1 это некоторая положительная корреляция (не все точки лежат на одной прямой). Если от 0 до -1, то это некоторая обратная корреляция.
19. Корреляционно-регрессионный анализ.
К. Пирсон и Дж. Юл разработали корреляционный анализ, который по их мнению должен ответить на вопрос о том, как выбрать с учетом специфики и природы анализируемых переменных подходящий измеритель статистической связи (коэффициент корреляции, корреляционное отношение, и т.д.), решить задачу как оценить его числовые значения по уже имеющимся выборочным данным.
Корреляционный анализ поможет: найти методы проверки того, что полученное числовое значение анализируемого измерителя связи действительно свидетельствует о наличии статистической связи; определить структуру связей между исследуемыми k признаками х1, х2,…, хк, сопоставив каждой паре признаков ответ («связь есть» или «связи нет»).
Парный коэффициент корреляции – основной показатель взаимозависимости двух случайных величин, служит мерой линейной статистической зависимости между двумя величинами., он соответствует своему прямому назначению, когда статистическая связь между соответствующими признаками в генеральной совокупности линейна. То же самое относится к частным и множественным коэффициентам корреляции.
Термин «регрессия» ввел английский психолог и антрополог Ф.Гальтон.
Для точного описания уравнения регрессии необходимо знать закон распределения результативного показателя у. В статистической практике обычно приходится ограничиваться поиском подходящих аппроксимаций для неизвестной истинной функции регрессии Д(х), так как исследователь не располагает точным знанием условного закона распределения вероятностей анализируемого результатирующего показателя у при заданных значениях аргумента х.
Регрессионный анализ – это метод статистического анализа зависимости случайной величины у от переменных хj-(j=1, 2, ...,k), рассматриваемых в регрессионном анализе как неслучайные величины, независимо от истинного закона распределения хj.