- •1. Предмет и метод статистики. Структура статистической науки.
- •2. Закон больших чисел и статистическая закономерность. Статистическая методология.
- •3. Основные категории статистики. Статистические показатели.
- •4. Требования, предъявляемые к сопоставимости статистических данных.
- •5. Основные направления реформирования статистики. Организация статистики в рф.
- •6. Статистическое наблюдение – формы, виды, способы.
- •7. Программно-методологические и организационные вопросы наблюдения.
- •8. Классификация ошибок статистического наблюдения, методы контроля данных.
- •9. Сущность и методология группировки, виды группировок.
- •10. Статистические таблицы, правила построения.
- •11. Ряды распределения, их виды, графическое изображение
- •12. Абсолютные и относительные величины, необходимость комплексного применения
- •13. Средние величины, их сущность. Взаимосвязь метода средних и группировок
- •14. Виды степенных средних, методы их расчета. Свойства средней арифметической.
- •15. Структурные средние. Методы расчета и практика применения
- •16. Графическая форма изображения статистических данных. Виды графиков.
- •17. Вариация, значение ее статистического изучения в условиях рынка.
- •18. Основные показатели вариации, их сравнительный анализ
- •19. Дисперсия альтернативного признака. Свойства дисперсии.
- •20. Ряды динамики, их виды, значение статистического изучения
- •21.Основные показатели динамики. Взаимосвязь цепных и базисных характеристик.
- •22. Средние характр-ки рядов динамики
- •23. Методы определения тренда в рядах динамики, их сравнительная оценка
- •24. Метод аналитического выравнивания (прямая, парабола, гипербола)
- •25. Экстраполяция в рядах динамики. Основные методы
- •26. Оценка сезонности в рядах динамики
- •28. Индексы, их роль в анализе экономических явлений.
- •29. Агрегатная форма – основной вид индекса. Индексы Пааше и Ласпейреса.
- •30. Факторный индексный анализ (2-х и 3-х факторные индексные модели).
- •32. Индексный метод анализа динамики среднего уровня явлений.
- •33. Правило сложения дисперсий. Эмпирическое корреляционное отношение.
- •34. Взаимосвязь экономических явлений. Методы оценки взаимосвязи.
- •35. Корреляционный метод изучения связи.
- •36. Непараметрические методы оценки взимосвязи
- •37. Выборочное наблюдение. Способы отбора единиц из генеральной совокупности.
- •38. Сущность ошибок выборки. Методика расчета при различных методах отбора.
- •39. Предмет, метод и задачи экономической статистики
- •40. Основные категории экономической статистики. Их значение для характеристики экономических процессов
- •Классификация экономических субъектов (по вэд, по секторам экономики), их значение
- •44. Основные показатели снс
- •50. Межотраслевой баланс производства и распределения продукции, задачи построения, схема, основные направления анализа
- •51. Экономическо-математическая модель моб, коэффициенты полных и прямых затрат, значение и направления их использования.
- •52. Статистическая оценка населения
- •53. Статистическая оценка рынка труда
- •57 Статистическая оценка национального богатства
- •59 Статистическая оценка эффективности общественного производства.
- •60. Статистическая оценка уровня жизни населения
24. Метод аналитического выравнивания (прямая, парабола, гипербола)
Метод аналитического выравнивания заключается в построении аналитической функции, характеризующей зависимость уровней ряда от времени.
Этапы выравнивания: 1)периодизация р.д. – это выбор о обоснования однородного периода в развитии явления. Однородным считают период, когда внешние и внутренние факторы действуют более или менее одинаково. 2) выбор наиболее «сигма»-подходящей функции и расчет параметров уравнения тренда. Могут использоваться след. виды функций: а)линейная: - эффективна для рядов, уровни которых изменяются примерно в арифметической прогрессии, т.е. когда первые разности уровней более или менее постоянны.б)парабола 2го (или более высокого) порядка : если вторые разности более или менее постоянны; в)показательная при послед-м расположении t значения уровней меняются в геометрической прогрессии, т.е. цепные коэффициенты роста примерно одинаковы; г) гиперболическая при обнаружении замедленного снижения уровней ряда, которые по логике не могут снизиться до «0»; д)ряд Фурьё: расчет параметров проводят по методу наименьших квадратов (МНК). Суть МНК: сумма квадратов отклонений фактических уровней р.д. от уровней по уравнению тренда должна быть минимальной. В результате получаем уравнение тренда, которое является моделью изучаемого процесса и используется для прогнозирования
3) расчет ошибки аппроксимации (приближения) по величине ошибки выбирают наиболее подходящее уравнение. Не следует в качестве модели брать полиналы (многочлены) высоких степеней, т.к. в нем могут быть смоделированы не только необходимые, но и случайные факторы. 4) прогноз на основе уравнения тренда (точечный прогноз). Если в прогнозе учесть ошибку аппроксимации, то получим интервальный прогноз. В его основе лежит предположение о том, что если в прошлом процесс имел некоторую колеблемость, то вероятнее всего это сохраниться и в будущем.
25. Экстраполяция в рядах динамики. Основные методы
При анализе рядов динамики очень часто приходится прибегать к экстраполяции рядов. Под экстраполяцией понимают нахождение уровней за пределами изучаемого ряда, т. е. продление ряда на основе выявленной закономерности изменения уровней в изучаемый отрезок времени. Экстраполяция может проводиться на будущее (так называемая перспективная экстраполяция) и в прошлое (так называемая ретроспективная экстраполяция). Обычно, говоря об экстраполяции рядов динамики, чаще подразумевают перспективную экстраполяцию. Экстраполяцию ряда динамики можно осуществить различными способами. Но независимо от применяемого способа каждая такая экстраполяция обязательно основывается на предположении того, что закономерность (тенденция) изменения изучаемого явления, выявленная для определенного периода времени в прошлом, сохранится на ограниченном отрезке времени в будущем. Так как в действительности тенденция развития не остается неизменной, то данные, получаемые путем эктраполяции ряда, надо рассматривать как вероятностные оценки. Основные методы: 1)Если при анализе ряда динамики обнаруживается, что абсолютные приросты уровней примерно постоянны, то в этом случае можно рассчитать средний абсолютный прирост (как среднюю
арифметическую) и последовательно прибавлять его к последнему уровню ряда столько раз, на сколько периодов экстраполируется ряд. Например, за период 1965—1970 гг. среднегодовой абсолютный прирост производства стали в СССР составил 5 млн. т. Прибавляя последовательно этот прирост к уровню 1970 г. (115,9 млн. т), можно экстраполировать ряд на несколько лет. Так, для 1975 г. получим следующую оценку производства стали в стране: 115,9+5-5=140,9 млн. т (фактическое производство стали в 1975 г. составило 141 млн. т), 2)Если за исследуемый ряд лет (или другие периоды) годовые темпы роста остаются более-менее постоянными, то в этом случае можно рассчитать средний темп роста и последний уровень ряда умножить на средний темп роста, возведенный в степень, соответствующую периоду экстраполяции.
3) Экстраполяция возможна при выравнивании рядов по какой-либо аналитической формуле. Зная уравнение для исчисления теоретических уровней и подставляя в него значения t за пределами исследованного ряда, можно оценить будущие значения уровней; 4)Порой при прогнозировании можно основываться на экстраполяции авторегрессионной модели уровней ряда. При этом методе изучаемый ряд динамики анализируется с точки зрения автокорреляции.
Очевидно, что чем больше автокорреляция между уровнями ряда, тем больше оснований для расчета будущих показателей по прошлым.
При этом автокорреляция должна быть исчислена для разных разрывов между уровнями. Установив наличие автокорреляции между уровнями ряда (с определенным лагом), можно найти уравнение, выражающее эту автокорреляционную зависимость, и, пользуясь им, экстраполировать ряд.
Экономическое прогнозирование требует хорошего знания изучаемого показателя и. владения методами обработки р.д., которые бы в каждом отдельном случае помогли обнаружить тренд, периодичность в повышении или снижении уровней, случайные колебания, автокорреляцию и корреляцию между отдельными рядами.