- •4. Основные группы прогнозов. Основные принципы прогнозирования.
- •9.Временные ряды и их структура
- •14.Автокорреляция во временных рядах. Автокорреляционная функция.
- •19.Аналитические методы выявления неслучайной составляющей временного ряда. Модели кривых роста.
- •Методы механического сглаживания временных рядов. Метод простой скользящей средней.
- •34.Тренд-сезонные экономические процессы. Итерационные методы фильтрации
- •39.Адаптивные модели прогнозирования. Модель Брауна. (первый способ построения)
- •49.Макроэкономические модели в прогнозировании.
- •1 Способ строения модели Брауна
- •44.Модели и методы авторегресии. Ар-модели
- •Построение модели временного ряда
- •30. Билет. Процедура прогнозирования с использованием кривых роста, этапы и наиболее часто используемые кривые роста. Построение точечных и интервальных прогнозов.
- •35.Тренд-сезонные экономические процессы. Метод Четверикова.
- •40.Билет.Адаптивные модели прогнозирования. Модель Брауна. (второй способ построения)
- •45.Билет.Модели и методы авторегресии. Арma-модели.
- •1.Сущность социально-экономического прогнозирования, его предмет, объекты и основные формы предвидения
- •Интуитивные методы прогнозирования.
- •11.Требования, предъявляемые к исходной информации при моделировании экономических процессов на основе временных рядов.
- •Тренд. Критерии проверки наличия тренда во временном ряду, основанные на построении серий.
- •26.Методы механического сглаживания временных рядов. Метод эксполяционного сглаживания.
- •17 Предварительный анализ временных рядов: выявление аномальных наблюдений.
- •41.Адаптивные модели прогнозирования. Модель Хольта-Уитнерса.
- •31.Статистические показатели динамики экономических процессов, простейшие приёмы прогнозирования (планирования) от достигнутого уровня.
- •46. Модели и методы авторегресии. Арima-модели.
- •3. Типология прогнозов. Система социально-экономического прогнозирования
- •8. Экономико-математические, факторные и структурные модели в прогнозировании.
- •13. Количественные характеристики развития экономических процессов.
- •18. Методы выявления аномальных наблюдений. Метод Ирвина.
- •23. Методы выявления тенденции во временном ряду. Метод проверки разности средних уровней. Реализация в в ms Excel.
- •28. Оценка адекватности моделей. Критерий проверки
- •33. Тренд-сезонные экономические процессы и их анализ. Методы фильтрации компонент
- •38. Построение аддитивной модели тренд-сезонного экономического процесса.
- •48. Технология разработки прогнозов на пэвм с использованием специальных программ статистической обработки данных (ms Excel).
13. Количественные характеристики развития экономических процессов.
Показатель — это качественно-количественное представление объекта: социально-экономического процесса, явления. Качественная сторона показателя отражает сущность и принадлежность объекта по месту и времени, а количественная — придает объекту количественную определенность.
Показатели, выступающие в качестве основного мерила состояния объекта, называются критериями. Критерий оптимальности — это показатель, выражающий предельную меру экономического эффекта принимаемого решения для сравнительной оценки возможных решений (альтернативных вариантов) и выбора наилучшего из них.
При формировании системы показателей необходимо соблюдать следующие требования:
показатели должны раскрывать сущность и содержание объекта (процесса, явления); комплексно отражать особенности объекта соответствующего уровня иерархии с позиции его вещественного и стоимостного состояния; соответствовать целям и задачам социально-экономического развития, социальной ориентации национальной экономики; ориентировать на более полное и эффективное использование ресурсов, повышение качества работы во всех звеньях и сферах общественного производства.
В зависимости от содержания и направления использования всю совокупность показателей, применяемых в планировании и прогнозировании, можно сгруппировать следующим образом:
натуральные и стоимостные;
количественные и качественные;
абсолютные и относительные;
утверждаемые и расчетные;
индикативные и справочные;
синтетические и индивидуальные.
18. Методы выявления аномальных наблюдений. Метод Ирвина.
Выявление аномальных наблюдений яв-ся обязательной процедурой, т.к. аномалия приводит к искажению результатов моделирования. Для проверки сущ-т различные критерии. Причины возникновения аномальных явлений могут быть 2-х типов:1)ошибки первого рода(технич-я погрешность в измерениях); 2)ошибки II рода (устранению не подлежат).
Метод Ирвина. Для всех или только для
подозреваемых в аномалии значениях
расчитывается
,
t=2..n. где
-ср-е квадрат-е отклонение.
,
.
сравнивается с табулированным(крит-м)
значением критерия (λα,n
где а=0,05, n-кол-во уровней
в временном ряду)
Если расчетное значение
>
,
то уровень аномальный, в противном
случае не аномальный. Аномальные
наблюдения необходимо исключить из
временного ряда и заменить их расчетными
значениями. В качестве нового значения
можно принять среднее из 2-х соседних
уровней или заменой на соответст-е
уровни кривой роста аппроксимирующей
данный временной ряд.
23. Методы выявления тенденции во временном ряду. Метод проверки разности средних уровней. Реализация в в ms Excel.
Для определения наличия тренда во временном ряду применяется несколько методов.
1.Метод проверки разностей средних уровней. Состоит из 4х этапов:
I: Вр. Ряд разбивается на две примерно равные по числу уровней части (n1+n2=n).
II: Для каждой из этих частей вычисляются средние значения и дисперсии.
III: Проверка равенства (однородности) дисперсий обеих частей ряда с помощью F-критерия Фишера.
Если расчетное значение F меньше табличного Fα, то гипотеза о равенстве дисперсий принимается и переходят к 4му этапу.
IV: Проверяется гипотеза об отсутствии тренда с использованием t-критерия Стьюдента. Для этого определяется рассчетное значение критерия Стьюдента по формуле:
, где
- среднеквадратичексое отклонение
разности средних:
Если расчетное значение t меньше табличного значение статистики Стьюдента tα, тренда нет. Если больше – тренд есть.
2.Метод Фостера-Стьюарта
Позволяет не только установить наличие тенденции, но и обнаружить тренд дисперсии.
1)каждый уровень ряда начиная со 2
сравнивается со всеми предыдущими, в
результате строятся 2 числовые послед-ти.
2)вычисляются хар-ки
,
.
Показатели S и d
ассимптотически нормальны и имеют
независимые распред-я.
S-прин-ся для обнаружения тенденций, d-прим-ся для обнаружения трендов дисперсии.
3)проверяется гипотеза о случайности
отклонений величины S от
µ(мат ожид) и величины d о
0. Для этого исп-т критерий Стьюдента,
т.е. строят 2 статистики:
-
отклонение S от µ.
,
,
.
µ-мат ожидание S,
-ср
квадр откл-е величины S,
-ср
квадр откл-е величины d.
4)рвсчетные значения ts и td сравниваются с табличными значениями t-критерия Стьюдента, при заданном уровне значимости а. если расчетное значение < табл то гипотеза об отсутствии соответствующего тренда принимается.
