- •1. ОБЩИЕ ПОЛОЖЕНИЯ
- •2. ПРОГРАММА ДИСЦИПЛИНЫ
- •2.1. Объём дисциплины и виды учебной работы по срокам обучения (час)
- •2.2. Тематический план
- •2.3. Темы и краткое содержание
- •3. МЕТОДИЧЕСКИЕ УКАЗАНИЯ К ВЫПОЛНЕНИЮ КОНТРОЛЬНОЙ РАБОТЫ
- •Тема 4. Прогнозирование на основе многофакторных регрессионных моделей
- •Тема 6. Прогнозирование на основе моделей с лаговыми переменными
- •4. ЗАДАНИЯ КОНТРОЛЬНОЙ РАБОТЫ
- •6. СПИСОК РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ
- •6.1. Основная литература
12 |
8,21 |
90,2 |
87,0 |
85,9 |
85,4 |
8,03 |
13 |
8,53 |
92,6 |
90,2 |
87,0 |
85,9 |
8,21 |
14 |
8,55 |
95,0 |
92,6 |
90,2 |
87,0 |
8,53 |
15 |
8,28 |
93,3 |
95,0 |
92,6 |
90,2 |
8,55 |
16 |
8,12 |
95,5 |
93,3 |
95,0 |
92,6 |
8,28 |
17 |
8,24 |
98,3 |
95,5 |
93,3 |
95,0 |
8,12 |
18 |
8,36 |
99,8 |
98,3 |
95,5 |
93,3 |
8,24 |
19 |
8,4 |
100,4 |
99,8 |
98,3 |
95,5 |
8,36 |
20 |
8,17 |
99,3 |
100,4 |
99,8 |
98,3 |
8,4 |
Для модели 1:
19-й год: y = 3,3 + 0,048*100,4 + 0,044*99,8 - 0,0086*98,3 – 0,03*95,5 у = 8,800 долл.
Ошибка прогноза = (8,8 – 8,4) / 8,4 * 100 = 4,762%.
20-й год: y = 3,3 + 0,048*99,3 + 0,044*100,4 - 0,0086*99,8 – 0,03*98,3 у = 8,677 долл.
Ошибка прогноза = (8,677 – 8,17) / 8,17 * 100 = 6,202%.
Для модели 2:
19-й год: y = 1,62 + 0,017*100,4 + 0,62*8,36 у = 8,510 долл.
Ошибка прогноза = (8,51 – 8,4) / 8,4 * 100 = 1,310%. 20-й год: y = 1,62 + 0,017*99,3 + 0,62*8,4
у = 8,516 долл.
Ошибка прогноза = (8,516 – 8,17) / 8,17 * 100 = 4,236%.
Вывод: В данном случае более точной оказалась модель авторегрессии yt = 1,62 + 0,017хt + 0,62yt-1, так как позволяет получить меньшие значения ошибок прогноза.
4. ЗАДАНИЯ КОНТРОЛЬНОЙ РАБОТЫ
Задание 1. Теоретические вопросы контрольной работы
1.Моделирование и прогнозирование: основные понятия, сущность и принципы.
2.Роль моделирования и прогнозирования в управлении деятельностью предприятия и принятии управленческих решений.
43
3.История развития прогнозирования.
4.Формы научного предвидения.
5.Основные этапы разработки прогноза.
6.Классификация прогнозов.
7.Классификация методов моделирования и прогнозирования.
8.Классификация форм взаимосвязей. Методы выявления зависимостей.
9.Показатели количественного измерения тесноты связи.
10.Оценка точности прогноза.
11.Классификация методов экспертных оценок.
12.Методика проведения экспертных опросов.
13.Методы индивидуальных экспертных оценок: метод «интервью», «докладная записка», «морфологическй анализ».
14.Методы коллективных экспертных оценок: мозговой штурм, «Дельфи», «дерево целей».
15.Методы коллективных экспертных оценок: метод «635», метод написания сценария, «дерево целей».
16.Трендовые модели и прогнозирование на их основе.
17.Метод наименьших квадратов.
18.Оценка качества моделей.
19.Аддитивная модель: методика расчета и прогнозирование.
20.Мультипликативная модель: методика расчета и прогнозирование.
21.Доверительный интервал прогноза в трендовых моделях.
22.Модели с распределенным лагом: общая характеристика расчет мультипликаторов, оценка вклада отдельного лага, средний лаг.
23.Модели авторегрессии с распределенным лагом: общая характеристика, расчет мультипликаторов.
24.Оценка параметров моделей с распределенным лагом: модель полиномиальных лагов (метод Алмона).
25.Оценка параметров моделей с распределенным лагом: модель геометрических лагов (метод Койка).
26.Имитационное моделирование систем и прогнозирование.
27.Прогнозирование неустойчивости методами теории катастроф.
28.Прогнозирование в менеджменте.
29.Прогнозирование в маркетинге: моделирование функции покупательского спроса, прогнозирование спроса.
44
30.Прогнозирование в логистике: оптимальное управление товарными запасами.
Задание 2. Методические основы моделирования и прогнозирования: графическое и аналитическое изучение
взаимосвязей
По приведенным в таблицах данным (номера таблиц соответствуют значению α, представлены в табл. 3.2) построить диаграммы, показывающие зависимость каждого из показателей от времени (x – t, y – t) и друг от друга (х – у).
По каждой диаграмме определить вид зависимости и рассчитать коэффициенты корреляции и детерминации. Сделать выводы.
Таблица 4.1
Данные об объеме валового сбора овощей и внесении минеральных удобрений на 1 га удобренной площади по району за 1999-2008 гг.
Год |
Валовой сбор овощей, |
Внесено минеральных удобрений |
|
тыс. т. (Y) |
на 1 га удобренной площади, кг. (Х) |
1999 |
135,8 |
123 |
2000 |
166,4 |
90 |
2001 |
150,3 |
144 |
2002 |
136,7 |
123 |
2003 |
141,5 |
136 |
2004 |
155,5 |
104 |
2005 |
170,7 |
94 |
2006 |
169,4 |
158 |
2007 |
149,6 |
134 |
2008 |
143,9 |
127 |
Таблица 4.2
Данные о приплоде телят, полученном сельскохозяйственными товаропроизводителями, и падеже крупного рогатого скота в % к обороту
стада в Ставропольском крае за 1999 – 2008 гг.
Год |
Приплод телят, |
|
Падеж крупного рогатого скота в % к |
|
тыс. гол. (Y) |
|
обороту стада (Х) |
1999 |
113,9 |
|
3,9 |
2000 |
92,8 |
|
2,9 |
2001 |
89,2 |
|
1,9 |
2002 |
81,4 |
|
1,8 |
2003 |
73,4 |
|
1,5 |
2004 |
67,8 |
|
1,6 |
2005 |
63,3 |
|
2 |
|
|
45 |
2006 |
51,7 |
2 |
2007 |
43,9 |
1,6 |
2008 |
41 |
1,3 |
Таблица 4.3
Данные о надое молока, полученном сельскохозяйственными товаропроизводителями, и расходе кормов на 1 голову крупного рогатого
|
скота в области за 1999 – 2008 гг. |
|
Год |
Надой молока, тыс. т. |
Расход кормов на одну голову КРС, |
|
(Y) |
ц. корм. ед. (Х) |
1999 |
572,9 |
22,4 |
2000 |
524,9 |
20,9 |
2001 |
526,7 |
20,4 |
2002 |
542,8 |
18,6 |
2003 |
544,6 |
20,1 |
2004 |
553,4 |
19,5 |
2005 |
568,9 |
19,2 |
2006 |
544,2 |
23,4 |
2007 |
557,1 |
20,4 |
2008 |
574,4 |
20,2 |
Таблица 4.4 Данные об урожайности зерновых культур и обеспеченности
сельхозтоваропроизводителей зерноуборочными комбайнами в регионе
|
Урожайность зерновых |
Приходится зерноуборочных |
Год |
культур в сельхозпред- |
комбайнов на 1000 га посевов |
|
приятиях, ц/га. (У) |
зерновых, шт. (Х) |
1 |
27,8 |
2,5 |
2 |
19,3 |
1,0 |
3 |
29,8 |
3,7 |
4 |
25,2 |
2,3 |
5 |
32,9 |
2,7 |
6 |
32,1 |
2,9 |
7 |
36,7 |
2,4 |
8 |
25,9 |
0,7 |
9 |
35,5 |
3,6 |
10 |
30,5 |
1,9 |
Таблица 4.5
Данные об индексе физического объема инвестиций и стоимости сельскохозяйственной продукции в регионе
46
|
Объем сельскохозяйст- |
Индекс физического объема ин- |
|
Год |
венной продукции, млн. |
вестиций, в % к предыдущему |
|
|
руб. (У) |
году (Х) |
|
1 |
1908,1 |
200 |
|
2 |
1333,5 |
141,9 |
|
3 |
1699 |
220 |
|
4 |
2033,2 |
280 |
|
5 |
2416,2 |
64,1 |
|
6 |
1262,1 |
145,7 |
|
7 |
2451,6 |
89,3 |
|
8 |
2878,3 |
49,6 |
|
9 |
1782,3 |
127,2 |
|
10 |
2902,2 |
116,3 |
|
|
|
Таблица 4.6 |
|
Данные об уровне рентабельности и урожайности зерновых культур в регионе
|
Урожайность зерновых куль- |
Уровень рентабельности деятель- |
Год |
тур в сельхозпредприятиях, |
ности сельхозпредприятий, % |
|
ц/га. (У) |
(Х) |
1 |
27,8 |
-5,4 |
2 |
19,3 |
-11,3 |
3 |
29,8 |
6,7 |
4 |
25,2 |
13,1 |
5 |
32,9 |
16,7 |
6 |
32,1 |
14,8 |
7 |
36,7 |
10,9 |
8 |
25,9 |
-10,4 |
9 |
35,5 |
15 |
10 |
30,5 |
15,3 |
Таблица 4.7
Данные об объеме продукции животноводства (Х) в регионе и фактическом потреблении мясных продуктов в расчете на 1 человека (Y)
|
Фактическое потребле- |
|
Объем продукции животноводства, |
Год |
ние мясных продуктов |
|
произведенной хозяйствами всех ка- |
на 1 человека в год, кг. |
|
тегорий всего в фактических ценах, |
|
|
|
||
|
(У) |
|
млн. руб. (Х) |
1 |
51 |
|
396,1 |
2 |
51,5 |
|
923,1 |
3 |
51,6 |
|
404,3 |
4 |
51,3 |
|
567,9 |
5 |
51,7 |
|
573,7 |
6 |
51,8 |
|
865,4 |
|
|
47 |
|
7 |
|
|
|
55,8 |
|
|
500,8 |
|
|
|
|
8 |
|
|
|
51,8 |
|
|
839,3 |
|
|
|
|
9 |
|
|
|
51,9 |
|
|
1093,6 |
|
|
|
|
10 |
|
|
|
51,6 |
|
|
674,5 |
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 4.8 |
||
|
Данные об уровне рентабельности сельхозпредприятий (Х) и размерах |
||||||||||
|
|
|
|
среднемесячной заработной платы работников (Y) |
|||||||
|
Год |
|
|
Среднемесячная начисленная |
Уровень рентабельности дея- |
|
|||||
|
|
|
заработная плата работающих, |
тельности сельхозпредприя- |
|
||||||
|
|
|
|
|
руб. (У) |
|
тий, % (Х) |
|
|||
|
1 |
|
|
|
5460 |
|
11,3 |
|
|
||
|
2 |
|
|
|
2803 |
|
6,7 |
|
|
||
|
3 |
|
|
|
3164 |
|
13,1 |
|
|
||
|
4 |
|
|
|
3892 |
|
16,7 |
|
|
||
|
5 |
|
|
|
2831 |
|
14,8 |
|
|
||
|
6 |
|
|
|
4831 |
|
10,9 |
|
|
||
|
7 |
|
|
|
3932 |
|
10,4 |
|
|
||
|
8 |
|
|
|
5584 |
|
15 |
|
|
||
|
9 |
|
|
|
3749 |
|
15,3 |
|
|
||
|
10 |
|
|
|
5074 |
|
15,3 |
|
|
||
|
|
|
|
|
|
|
|
|
Таблица 4.9 |
||
|
|
Данные о стоимости основных фондов и продукции сельского |
|||||||||
|
|
|
|
|
хозяйства в регионе, млн. руб. |
||||||
|
|
|
|
Год |
|
|
Х |
|
Y |
|
|
|
|
1 |
|
201,6 |
|
1011,3 |
|
|
|||
|
|
2 |
|
242,6 |
|
1490,4 |
|
|
|||
|
|
3 |
|
255,4 |
|
1024,5 |
|
|
|||
|
|
4 |
|
323,7 |
|
559,9 |
|
|
|||
|
|
5 |
|
331,9 |
|
1195,1 |
|
|
|||
|
|
6 |
|
384,6 |
|
1050,1 |
|
|
|||
|
|
7 |
|
397,7 |
|
1482,8 |
|
|
|||
|
|
8 |
|
450,7 |
|
1151,7 |
|
|
|||
|
|
9 |
|
457,6 |
|
1020,6 |
|
|
|||
|
|
10 |
|
515,3 |
|
1648 |
|
|
Таблица 4.10
Некоторые данные о деятельности крупнейшей компании США
48
Год |
Оборот капитала, млрд. долл., |
Чистый доход, млрд. долл., |
|
Х1 |
Y |
||
|
|||
1 |
31,3 |
0,9 |
|
2 |
13,4 |
1,7 |
|
3 |
4,5 |
0,7 |
|
4 |
10,0 |
1,7 |
|
5 |
20,0 |
2,6 |
|
6 |
15,0 |
1,3 |
|
7 |
137,1 |
4,1 |
|
8 |
17,9 |
1,6 |
|
9 |
165,4 |
6,9 |
|
10 |
2,0 |
0,4 |
Задание 3. Прогнозирование по однофакторным регрессионным моделям
По приведенным в табл. 4.11 данным, построить однофакторную линейная модель типа =a+bx.
Таблица 4.11
Период |
Y |
|
|
|
X |
|||
1 |
10 |
|
|
0,5 |
|
|||
2 |
12 |
|
|
1,2 |
|
|||
3 |
11+ |
|
α |
|
|
|
||
|
|
80 |
|
|
2,8 |
|
||
4 |
13+ |
|
α |
2+ |
α |
|||
|
100 |
|
100 |
|
Оцените качество модели с помощью коэффициента детерминации, средней ошибки аппроксимации и F-критерия Фишера. Табличное значение F-критерия Фишера (Fтабл.) равно 10,13 при Р=0,95.
Выполнить прогноз на следующие три периода и рассчитать ошибку прогноза, если х изменялся следующим образом:
Период |
Изменение х в текущем периоде |
Фактическое значение |
по сравнению с предыдущим |
переменной у |
|
5 |
+5% |
18 |
6 |
+7,1% |
20 |
7 |
+1,7% |
22 |
Сделать выводы.
49
|
|
|
Задание 4. Прогнозирование по многофакторным регресси- |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
онным моделям |
|
|
|
|
|
|
|
||||||||
|
|
|
По приведенным в табл. 4.12 данным построить уравнение |
|||||||||||||||||||||
многофакторной линейной регрессии, если а = |
|
α |
, b1 |
= |
α −10, b2 = |
|||||||||||||||||||
11,5 |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
8 |
|
|||
1 |
+0,79, b3 = 0,1− |
1 |
, b4 |
= |
1 |
+ 0,5, |
b5 = |
1 |
+0,4 |
. |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
α |
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
α |
|
|
α |
α |
|
|
|
|
|
|
Таблица 4.12 |
||||||||||||
|
|
|
|
|
|
|
|
|
Фактические значения х |
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
Значение α |
|
|
Х1 |
|
Х2 |
|
|
Х3 |
|
|
Х4 |
|
|
Х5 |
|
||||||
|
|
|
102-122 |
|
|
|
115 |
|
75,5 |
|
|
56,1 |
|
25,2 |
|
|
3343 |
|
||||||
|
|
|
124-144 |
|
|
|
123 |
|
78,5 |
|
|
61,8 |
|
21,8 |
|
|
3001 |
|
||||||
|
|
|
146-166 |
|
|
|
74 |
|
78,4 |
|
|
59,1 |
|
25,7 |
|
|
3101 |
|
||||||
|
|
|
168-184 |
|
|
|
111 |
|
77,7 |
|
|
63,3 |
|
17,8 |
|
|
3543 |
|
||||||
|
|
|
186-206 |
|
|
|
113 |
|
84,4 |
|
|
64,1 |
|
15,9 |
|
|
3237 |
|
||||||
|
|
|
208-228 |
|
|
|
110 |
|
75,9 |
|
|
57 |
|
22,4 |
|
|
3330 |
|
||||||
|
|
|
230-250 |
|
|
|
119 |
|
76 |
|
|
50,7 |
|
20,6 |
|
|
3808 |
|
||||||
|
|
|
252-268 |
|
|
|
146 |
|
67,5 |
|
|
57,1 |
|
25,2 |
|
|
2415 |
|
||||||
|
|
|
270-278 |
|
|
|
113 |
|
78,2 |
|
|
62 |
|
20,7 |
|
|
3295 |
|
||||||
|
|
|
280-300 |
|
|
|
0,8 |
|
78,1 |
|
|
61,8 |
|
17,5 |
|
|
3504 |
|
Рассчитать значения результативного показателя на следующие 2 периода.
На основе матрицы парных коэффициентов корреляции (табл.4.13) (рассчитать) выявить и устранить мультиколлинеарные факторы. После их устранения построить уравнение регрессии по новым данным регрессионного анализа, характеризующее зависимость результирующего показателя (y) от факторных (xi) в линейной форме.
|
|
|
|
|
|
Таблица 4.13 |
||
|
|
|
|
|
x5 |
|
|
|
|
x1 |
x2 |
x3 |
x4 |
y |
|||
x1 |
1 |
|
|
|
|
|
|
|
x2 |
0,8154 |
1 |
|
|
|
|
|
|
x3 |
100/α |
90/α |
1 |
|
|
|
|
|
x4 |
0,0673 |
0,7628 |
0,2211 |
1 |
1 |
|
|
|
x5 |
0,00041 |
0,0034 |
0,068 |
0,024 |
|
|
|
|
|
|
|
50 |
|
|
|
|
|
y |
0,59033 |
0,76313 |
0,4001 |
0,2973 |
-0,004 |
1 |
Рассчитать прогнозные значения результативного показателя по скорректированной многофакторной модели на следующие 2 периода, если:
|
Изменение хi в текущем периоде по срав- |
Фактическое |
|||||
Период |
|
нению с предыдущим, % |
|
значение |
|||
х1 |
х2 |
х3 |
х4 |
х5 |
переменной |
||
|
|||||||
|
у |
||||||
|
|
|
|
|
|
||
13 |
+5 |
0 |
0 |
0 |
+2,3 |
2020 |
|
14 |
0 |
+7,1 |
0 |
0 |
0 |
2760 |
Оценить точность прогноза, рассчитав ошибку прогноза для обоих случаев. Сделать выводы.
Задание 5. Прогнозирование на основе трендовых моделей
Имеются некоторые данные об объеме продаж (д.е.) за 10 лет.
Период (t) |
Объем продаж (yt) |
Период (t) |
Объем продаж (yt) |
1 |
89,2 + α/100 |
6 |
195,3 + α/100 |
2 |
92,8 + α/100 |
7 |
207,7 + α/100 |
3 |
113,9 + α/100 |
8 |
271,4 + α/100 |
4 |
138,4 + α/100 |
9 |
298,3 + α/100 |
5 |
164,0 + α/100 |
10 |
315,3 + α/100 |
Выполнить прогноз с помощью среднего абсолютного прироста, среднего темпа роста и уравнения тренда на 11-12-ый периоды. Если
в 11-м периоде у будет равен (325,7 + 100α ) д.е., а в 12-м периоде – (333 + 100α ) д.е., рассчитать ошибку прогноза по каждой из моделей.
Оцените точность прогноза по каждому периоду.
Задание 6. Прогнозирование на основе моделей с лаговыми переменными
На основе приведенных в табл. 4.14 данных были получены две модели с лаговыми переменными:
1. yt = a +b0 xt +b1 xt−1 +b2 xt−2 +b3 xt−3 ,
51
где а = 8,11 – |
|
α |
, b0 = 3,11+ |
|
|
α |
|
, b1 = 1,89 + |
|
α |
|
, b2 = 11,37 – |
|
α |
, |
||||||||||
|
|
100 |
|
|
|
||||||||||||||||||||
|
|
|
|
100 |
|
|
|
|
100 |
|
100 |
||||||||||||||
b3 = 4,44 – |
|
|
α |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
100 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
2. yt = a + b0 xt + b1 yt −1 , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
где а = 5 – |
|
α |
, b0 = 0,93+ |
α |
|
, |
|
b1 = 0,24 + |
|
α |
|
|
|
|
|
||||||||||
|
|
|
|
|
100 |
|
|
|
|
|
|||||||||||||||
|
|
|
|
100 |
100 |
|
|
|
|
|
|
|
|
||||||||||||
Рассчитать прогнозные значения у и ошибку прогноза по каждой |
|||||||||||||||||||||||||
модели на 11-12-ый периоды, если: |
|
|
|
|
|
|
|
|
|
||||||||||||||||
Период |
|
Изменение х в текущем периоде |
|
|
Фактическое значение |
||||||||||||||||||||
|
|
|
|
по сравнению с предыдущим |
|
|
|
|
|
|
переменной у |
|
|
|
|||||||||||
11 |
|
|
|
|
|
|
|
|
+2,7% |
|
|
|
|
|
|
|
|
|
|
|
87,43 + α/80 |
|
|
|
|
12 |
|
|
|
|
|
|
|
|
+3,5% |
|
|
|
|
|
|
|
|
|
|
|
87,61 + α/80 |
|
|
|
Период |
Объем продаж, млн. долл., У |
||
|
|
|
|
1 |
61,32 + |
α |
|
80 |
|
||
|
|
|
|
2 |
62,41 + |
α |
|
80 |
|
||
|
|
|
|
3 |
66,40 + |
α |
|
80 |
|
||
|
|
|
|
4 |
67,03 + |
α |
|
80 |
|
||
|
|
|
|
5 |
69,15 + |
α |
|
80 |
|
||
|
|
|
|
6 |
69,95 + |
α |
|
80 |
|
||
|
|
|
|
7 |
73,05 + |
α |
|
80 |
|
||
|
|
|
|
8 |
81,46 + |
α |
|
80 |
|
||
|
|
|
|
9 |
85,72 + |
α |
|
80 |
|
||
|
|
|
|
10 |
86,81 + |
α |
|
80 |
|
||
|
|
|
Таблица 4.14
Численность работников, тыс. чел., Х
6,73 +120α
7,65 + 120α
7,82 + 120α
12,12 + 120α
12,52 + 120α
13,71 + 120α
15,54 + 120α
18,84 + 120α
21,37 + 120α
22,98 + 120α
52
5. ЗАДАНИЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ
Самостоятельная работа студентов подразумевает систематическое изучение в межсессионный период предоставленного перечня тем. С целью выявления уровня подготовленности к итоговому контролю студентам рекомендуется самостоятельно ответить на следующие вопросы:
1.История развития прогнозирования.
2.Формы научного предвидения.
3.Экономическое прогнозирование: основные понятия, сущность и принципы.
4.Основные этапы разработки прогноза.
5.Классификация прогнозов.
6.Классификация методов прогнозирования.
7.Классификация форм взаимосвязей. Методы выявления зависимостей.
8.Показатели количественного измерения тесноты связи.
9.Оценка точности прогноза.
10.Прогнозирование на основе однофакторных моделей: виды моделей, экономический смысл параметров моделей.
11.Метод наименьших квадратов.
12.Ошибка регрессии.
13.Коэффициент корреляции: понятие, оценка параметра, критерии оценки.
14.Коэффициент (индекс) детерминации: понятие, оценка параметра, критерии оценки.
15.Средняя ошибка аппроксимации.
16.F-критерий Фишера: оценка параметров, критерии оценки.
17.Прогнозирование на основе многофакторных регрессионных моделей: сущность и экономический смысл параметров уравнения регрессии.
18.Этапы построения многофакторной регрессионной модели.
19.Процедура отбора главных факторов.
20.Мультиколлинеарность и ее свойства. Отрицательное воздействие мультиколлинеарности.
21.Гетероскедастичность и гомоскедастичность остатков.
53
22.Прогнозирование на основе трендовых моделей: формы тренда, экономическое содержание параметров тренда.
23.Сглаживание динамического ряда.
24.Виды компонент временного ряда.
25.Прогнозирование с учетом сезонных (циклических) колебаний.
26.Аддитивная и мультипликативная модели: методика расчета.
27.Доверительный интервал прогноза в трендовых моделях.
28.Автокорреляция в трендовых моделях. Свойства коэффициента автокорреляции.
29.Критерий Дарбина-Уотсона.
30.Прогнозирование на основе моделей с распределенным лагом. Общая характеристика моделей с распределенным лагом.
31.Интерпретация параметров моделей с распределенным лагом.
32.Интерпретация параметров моделей авторегрессии с распределенным лагом.
33.Краткосрочный, промежуточный, долгосрочный мультипликаторы. Оценка вклада каждого лага. Средний лаг.
34.Модель полиномиальных лагов (метод Алмона)
35.Модель геометрических лагов (метод Койка).
Наименование тем и литература, необходимая для выполнения самостоятельной работы студентов, предусмотренные рабочей программой учебной дисциплины, представлены в таблице 5.1.
Таблица 5.1 Наименование тем и литература для выполнения
самостоятельной работы студентов
№ |
Наименование темы |
Литература, |
|
рекомендуемая для |
|||
п/п |
дисциплины |
||
самостоятельной работы |
|||
|
|
||
|
|
|
|
1 |
Методические основы моделиро- |
1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, |
|
вания и прогнозирования |
14, 15, 16, 17, 18, 19, 23, 26, |
||
|
|
28, 29 |
|
2 |
Методы экспертных оценок |
1, 2, 8, 24 |
|
|
Прогнозирование на основе одно- |
1, 3, 6, 7, 9, 12, 14, 16, 17, |
|
3 |
факторных регрессионных моде- |
||
|
лей |
20, 27, 29 |
|
|
|
||
|
54 |
|