- •Предмет статистической науки.
- •Основные методы статистической науки.
- •Место общей теории статистики в комплексе статистических дисциплин.
- •Отраслевые статистики их роль в статистической науке.
- •Основные категории статистической науки (статистическая совокупность, ее единицы, статистическая закономерность).
- •Основные категории статистической науки (статистические признаки и показатели).
- •Статистическое наблюдение, его роль в процессе статистического исследования.
- •Формы статистического наблюдения
- •Виды и способы статистического наблюдения.
- •Виды несплошного наблюдения
- •Способы статистического наблюдения
- •Организационные формы статистического наблюдения.
- •Виды несплошного наблюдения.
- •Статистические таблицы и их виды.
- •Понятие системы статистических показателей объекта.
- •Основные функции статистических показателей.
- •Абсолютные величины и их разновидности в зависимости от применяемых единиц измерения.
- •Относительные величины и их разновидности
- •Виды относительных величин
- •Средние величины, их сущность и виды.
- •Свойства средней арифметической и техника ее вычисления.
- •Расчет средней арифметической по данным интервального вариационного ряда.
- •Средняя гармоническая величина, ее смысл и обоснование применения.
- •Ряды распределения (вариационные ряды) статистических данных и их виды. Основы техники построения интервальных рядов.
- •Графические методы отображения вариационных рядов.
- •Техника построения гистограмм. 24.Техника построения полигонов.
- •25.Техника перехода от гистограммы к полигону и наоборот.
- •26. Общая характеристика показателей центра распределения вариационного ряда.
- •27. Мода вариационного ряда, ее определение для дискретного и интервального ряда.
- •28. Медиана вариационного ряда, ее определение для дискретного и интервального ряда.
- •Абсолютные показатели колеблемости (вариации) признака в ряду.
- •Относительные показатели колеблемости (вариации) признака в ряду, области их целесообразного применения.
- •Показатели формы распределения вариационного ряда, их интерпретация.
- •Статистическая проверка гипотезы о соответствии данных вариационного ряда некоторой теоретической функции распределения.
- •Критерий согласия Пирсона.
- •36. Простая случайная выборка.
- •40. Типическая выборка
- •41. Серийная выборка
- •42. Районированная
- •43. Механическая
- •44. Понятие корреляционной связи.
- •46. Метод параллельных рядов.
- •Метод групповых таблиц.
- •Метод корреляционных таблиц.
- •Метод корреляционных полей.
- •50. Парная корреляция. Линейный коэффициент корреляции.
- •51. Эмпирическое корреляционное отношение, его значение и свойства, техника расчета.
- •52. Коэффициент ранговой корреляции.
- •53. Коэффициент Спирмена, его свойства.
- •54. Коэффициент ранговой корреляции Кендела.
- •55. Понятие связанных рангов.
- •56. Коэффициент конкордации, его свойства и техника расчета.
- •59. Коэффициенты Пирсона и Чупрова, их свойства.
- •60. Понятие уравнение регрессии.
- •61. Парная регрессия.
- •62. Применение мнк для оценки параметров уравнения регрессии.
- •65. Множественная регрессия.
- •67. Ряды динамики: понятие, виды. Показатели ряда динамики.
- •68. Содержание и аспекты проблемы сопоставимости уровней ряда.
- •69. Тренд динамического ряда.
- •70. Простейшие показатели динамики количественных признаков, связь между ними.
- •71. Техника расчета средних значений для интервальных рядов.
- •72. Техника расчета средних значений для моментных рядов.
- •73. Выравнивание динамического ряда, его цель, метод скользящей средней.
- •74. Аналитическое выравнивание динамического ряда мнк.
- •75. Использование трендовых моделей динамических рядов в прогнозировании.
- •76.Анализ сезонной неравномерности динамического ряда и ее аналитическое выражение.
75. Использование трендовых моделей динамических рядов в прогнозировании.
Анализ динамики социально-экономических явлений, выявление и характеристика основной тенденции развития дают основание для прогнозирования - определения будущих размеров уровня экономического явления. Процесс прогнозирования предполагает, что закономерность развития, действующая в прошлом (внутри ряда динамики), сохранится и в прогнозируемом будущем, то есть прогноз основан на экстраполяции. Экстраполяция, проводимая в будущее, называется перспективой, и в прошлое - ретроспективой. Обычно, говоря об экстраполяции рядов динамики, подразумевают чаще всего перспективную экстраполяцию. Первоначальные прогнозы, как правило, сводятся к экстраполяции тенденции. При этом могут использоваться разные методы, в зависимости от исходной информации. Можно выделить следующие элементарные методы экстраполяции: на основе среднего абсолютного прироста, среднего темпа роста и экстраполяция на основе применения метода наименьших квадратов и представления развития явлений во времени в виде уравнения тренда, т.е. математической функции уровней ряда (y) от фактора времени (t). Прогнозирование по среднему абсолютному приросту может быть выполнено в том случае, если есть уверенность считать общую тенденцию линейной, то есть метод основан на предположении о равномерном изменении уровня (под равномерностью понимается стабильность абсолютных приростов). В этом случае, чтобы получить прогноз на “i” шагов вперед (i – период упреждения), достаточно воспользоваться следующей формулой: ; где yn – фактическое значение в последней n-ой точке ряда (конечныйуровень ряда); - прогнозная оценка значения (n+1) уровня ряда; Δ - значение среднего абсолютного прироста, рассчитанное для ряда динамики y1; y2; y3; …; yn. Прогнозирование по среднему темпу роста можно осуществлять в случае, когда есть основание считать, что общая тенденция ряда характеризуется показательной (экспоненциальной) кривой. Для нахождения прогнозного значения на “i” шагов вперед необходимо использовать следующую формулу: ; где - средний коэффициент роста, рассчитанный для ряда y1; y2; y3;…; yn.
К недостаткам рассмотренных методов следует отнести то, что они учитывают лишь конечный и начальный уровень ряда, исключая влияние промежуточных уровней. Тем не менее, методы среднего абсолютного прироста и среднего темпа роста имеют весьма широкую область применения, что объясняется простотой их вычисления. Они могут быть использованы как приближенные, простейшие способы прогнозирования, предшествующие более глубокому количественно-качественному анализу. Наиболее распространенным методом прогнозирования является аналитическое выражение тренда. При этом для выхода за границы исследуемого периода достаточно продолжить значения независимой переменной времени (t). При таком подходе к прогнозированию предполагается, что размер уровня, характеризирующего явление, формируется под воздействием множества факторов, причем не представляется возможным выделить отдельно их влияние. В связи с этим ход развития связывается не с какими-либо конкретными факторами, а с течением времени. На практике для описания тенденции развития явления широко используются модели кривых роста, представляющие собой различные функции времени y = f(t). Процедура разработки прогноза с использованием кривых роста включает в себя следующие этапы: 1) выбор одной или нескольких кривых, форма которых соответствует характеру изменения ряда динамики; 2) оценка параметров выбранных кривых; 3) проверка адекватности выбранных кривых прогнозируемому процессу и окончательный выбор кривой роста; 4) расчет точечного и интервального прогнозов. Остановимся на величине доверительного интервала прогноза, который определяется по формуле: ; где σ - средняя квадратическая ошибка тренда; t +1 - расчетное значение уровня; tα - доверительная величина, определяемая на основе t- критерия Стьюдента. При анализе рядов динамики иногда приходится прибегать к определению некоторых неизвестных уровней внутри данного ряда динамики, то есть к интерполяции. Как и экстраполяция, интерполяция может производится на основе среднего абсолютного прироста, среднего темпа роста, а также с помощью аналитического выравнивания. При интерполяции предполагается, что ни выявленная тенденция, ни ее характер не претерпели существенных изменений в том промежутке времени, уровень (уровни) которого нам неизвестны.