- •Ответы на билеты
- •2.Задачи и методы социально-экономического прогнозирования.
- •4. Анализ динамического ряда. Виды трендов.
- •5. Сглаживание динамического ряда. Сравнительный анализ.
- •6. Метод скользящей средней при нечетной базе сглаживания.
- •Сглаживание по нечётной базе
- •7. Метод скользящей средней при четной базе сглаживания.
- •8. Достоинства и недостатки метода скользящей средней.
- •Достоинства и недостатки метода
- •9. Метод экспоненциального сглаживания.
- •10. Прогнозирование на основе аналитического тренда. Критерии соответствия тренда исходным данным. Метод наименьших квадратов.
- •Метод наименьших квадратов
- •Система уравнений для линейного тренда
- •Система уравнений для экспоненциального тренда
- •11. Способы определения типа тренда. Тест на линейную функцию.
- •Определение тренда на основе сглаживания ряда
- •12. Определение параметров линейного тренда. Смысл параметров линейного тренда. Прогнозирование на основе линейного тренда.
- •13. Определение параметров экспоненциального тренда. Смысл параметров экспоненциального тренда. Прогнозирование на основе экспоненциального тренда.
- •14. Средства ms Excel для построения трендовой модели
- •15. Понятие сезонности. Природа, виды сезонных колебаний.
- •16. Процедура выявления аддитивной сезонной составляющей ряда данных.
- •17. Процедура выявления мультипликативной сезонной составляющей ряда данных.
- •18. Построение прогноза с учетом сезонных колебаний.
- •19. Экстраполяция и интерполяция. Критерии точности прогноза.
- •Критерии для оценки точности прогноза
- •20. Оценка точности трендовой модели
- •21. Регрессия. Отбор факторов для регрессии.
- •Отбор факторов для регрессии
- •22. Виды уравнений регрессии. Их интерпретация.
- •2 Типа взаимосвязей между х и у:
- •23. Производственная функция и ее смысл. Виды производственных функций.
- •24. Смысл и расчёт параметров производственной функции Кобба-Дугласа. Прогнозирование на основе производственной функции Кобба-Дугласа.
- •25. Авторегрессия
- •26. Средства ms Excel для построения модели регрессии
2.Задачи и методы социально-экономического прогнозирования.
Задача социально-экономического прогнозирования состоит, с одной стороны, в том, чтобы выяснить перспективы ближайшего или более отдаленного будущего в исследуемой области, а с другой стороны, способствовать оптимизации текущего и перспективного планирования и регулирования экономики, опираясь на составленный прогноз.
Под методами прогнозирования следует понимать совокупность приемов и способов мышления, позволяющих на основе ретроспективных данных внешних и внутренних связей объекта прогнозирования, а также их измерений в рамках рассматриваемого явления или процесса вывести суждения определенного и достоверного относительно будущего состояния и развития объекта.
В настоящее время насчитывается свыше 150 различных методов прогнозирования, из которых на практике используется 15-20.
В процессе экономического прогнозирования используются как общие научные методы и подходы к исследованию, так и специфические методы, свойственные социально-экономическому прогнозированию. В числе общих методов можно выделить следующие:
- исторический метод заключается в рассмотрении каждого явления во взаимосвязи его исторических форм;
- комплексный метод заключается в рассмотрении явлений в их взаимозависимости, используя для этого методы исследования не только данной, но и других наук, изучающих эти явления;
- системный метод предполагает исследование количественных и качественных закономерностей протекания вероятностных процессов в сложных экономических системах;
- структурный метод позволяет установить причины исследуемого явления, объяснить его структуру;
- системно-структурный метод предполагает, с одной стороны, рассмотрение системы в качестве динамически развивающегося целого, а с другой – расчленение системы на составляющие структурные элементы и рассмотрение их во взаимодействии.
Специфические методы экономического прогнозирования целиком и полностью связаны с экономической прогностикой. Среди инструментов экономической прогностики важную роль играют экономико-математические методы, методы экономико-математического моделирования, статистической экстраполяции и др.
Корреляция
Корреляция – связь между двумя переменными. Расчёты подобных двумерных критериев взаимосвязи основываются на формировании парных значений, которые образовываются из рассматриваемых зависимых выборок.
Для графического представления подобной связи можно использовать прямоугольную систему координат с осями, которые соответствуют обеим переменным. Каждая пара значений маркируется при помощи определенного символа. Такой график называется «диаграммой рассеяния» для двух зависимых переменных.
Статистик говорит о корреляции между двумя переменными и указывает силу связи при помощи некоторого критерия взаимосвязи, который получил названиекоэффициента корреляции. Этот коэффициент, всегда обозначаемый латинской буквой R, может принимать значения между -1 и +1, причём если значение находится ближе к 1, то это означает наличие сильной связи, а если ближе к 0, то слабой.
Если коэффициент корреляции отрицательный, это означает наличие противоположной связи: чем выше значение одной переменной, тем ниже значение другой. Сила связи характеризуется также и абсолютной величиной коэффициента корреляции. Для словесного описания величины коэффициента корреляции используются следуюшие градации:
Значение |
Интерпретация |
до 0,2 |
Очень слабая корреляция |
до 0,5 |
Слабая корреляция |
до 0,7 |
Средняя корреляция |
до 0,9 |
Высокая корреляция |
свыше 0,9 |
Очень высокая корреляция |
Метод вычисления коэффициента корреляции зависит от вида шкалы, к которой относятся переменные.
Переменные с интервальной и с номинальной шкалой: коэффициент корреляции Пирсона (корреляция моментов произведений).
По меньшей мере, одна из двух переменных имеет порядковую шкалу либо не является нормально распределённой: ранговая корреляция по Спирмену или т (тау) Кендала.
Одна из двух переменных является дихотомической: точечная двухрядная корреляция. Эта возможность в SPSS отсутствует. Вместо этого может быть применён расчёт ранговой корреляции.
Обе переменные являются дихотомическими: четырёхполевая корреляция. Данный вид корреляции рассчитываются в SPSS на основании определения мер расстояния и мер сходства.