Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«Российская академия народного хозяйства и государственной службы

при Президенте Российской Федерации»

Северо-Западный институт управления

Рекомендовано для использования в учебном процессе

Теоретические модели социального прогнозирования [Электронный

ресурс]: учебно-методический комплекс / ФГБОУ ВПО «Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации», Северо-Западный институт управления;

авт. В. Н. Наумов. — Электронные текстовые данные (1 файл: 750 Кб = 1,2 уч.-изд. л.). — СПб.: Изд-во СЗИУ РАНХиГС, 2014.

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

«РОССИЙСКАЯ АКАДЕМИЯ НАРОДНОГО ХОЗЯЙСТВА И ГОСУДАРСТВЕННОЙ

СЛУЖБЫ ПРИ ПРЕЗИДЕНТЕ РОССИЙСКОЙ ФЕДЕРАЦИИ»

СЕВЕРО-ЗАПАДНЫЙ ИНСТИТУТ УПРАВЛЕНИЯ

Кафедра бизнес-информатики, математических и статистических методов Учебно-методический комплекс по дисциплине

«ТЕОРЕТИЧЕСКИЕ МОДЕЛИ СОЦИАЛЬНОГО

ПРОГНОЗИРОВАНИЯ»

Направление 080500.62 «Бизнес-информатика»

Санкт-Петербург Рассмотрено и утверждено на заседании кафедры от 13 мая 2014 г., протокол № 6.

Одобрено на заседании учебно-методического совета СЗИУ РАНХиГС.

Рекомендовано к изданию редакционно-издательским советом СЗИУ РАНХиГС.

Учебно-методический комплекс подготовил:

д-р воен. наук, проф. В. Н. Наумов.

Рецензенты:

д-р физ.-мат. наук, доц. О. А. Аксенова, д-р тех. наук, проф. Е. Д. Скобов.

Программа дисциплины «Теоретические модели социального прогнозирования» и ее учебно-методическое обеспечение (список рекомендованной литературы, планы семинарских занятий, тестовые задания и др.) составлены в соответствии с требованиями к обязательному минимуму содержания и уровню подготовки бакалавра по циклу «Профессиональный» (Б3.В.ДВ.5 Вариативная часть) федерального государственного образовательного стандарта высшего профессионального образования по направлению 080500.62 «Бизнес-информатика».

© СЗИУ РАНХиГС,

ОГЛАВЛЕНИЕ

1. Цели и задачи дисциплины

2. Виды занятий и методика обучения

3. Формы контроля

4. Учебно-тематический план

5. Программа дисциплины

6. Список рекомендуемой литературы

7. Планы семинарских занятий

8. Словарь терминов

9. Вопросы к экзамену

10. Тестовые задания

11. Методические рекомендации по изучению дисциплины..................

1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ

Дисциплина предназначена для того, чтобы дать научное представление о методах, моделях и приемах, позволяющих получать количественные выражения закономерностям экономической теории на базе экономической статистики с использованием математико-статистического инструментария.

Компетенции, формируемые в результате освоения дисциплины:

• способность использовать основные методы естественнонаучных дисциплин в профессиональной деятельности для теоретического и экспериментального исследования (ПК-19);

• способность использовать соответствующий математический аппарат и инструментальные средства для обработки, анализа и систематизации информации по теме исследования (ПК-20).

В результате изучения данной дисциплины студент должен:

• иметь представление о прогнозирующих социально-экономических системах, организации прогнозирования в данных системах;

• знать: основные понятия и методы социально-экономического прогнозирования; основные критерии, используемые при решении задач прогнозирования;

• уметь: решать типовые математические задачи прогнозирования социально-экономических процессов; использовать основные математические методы, статистические критерии, используемые при решении задач прогнозирования, современные пакеты прикладных программ; решать задачи построения, верификации и использования математические модели прогнозирования;

• владеть: основными статистическими (эконометрическими) пакетами прикладных программ; методами математического прогнозирования.

2. ВИДЫ ЗАНЯТИЙ И МЕТОДИКА ОБУЧЕНИЯ

Теоретические занятия (лекции) организуются по потокам. Общий объем лекционного курса на очной форме обучения – 24 часа.

Семинарские занятия организуются по группам. Общий объем семинарских занятий на очной форме обучения – 38 часов.

Нормативный объем самостоятельной работы студентов, установленный учебным планом СЗИУ для очной формы обучения – 82 часа.

Оперативный контроль – устный опрос, тестирование.

Рубежный контроль – контрольные работы.

Итоговый контроль – экзамен.

4. УЧЕБНО-ТЕМАТИЧЕСКИЙ ПЛАН

Тема 1. Общая характеристика экономических систем Тема 2. Определение и характериОК стики временных рядов Тема 3. Простые методы прогнозиОК рования Тема 4. Методы сглаживания и проОК, РК** гнозирования временных рядов Тема 5. Прогнозирование на осноОК ве регрессионных моделей Тема 6. Циклические и сезонные составляющие временного ряда Тема 7. Модели авторегрессии и скользящего среднего Тема 8. Экспертные методы проОК гнозирования Тема 9. Модели волатильности.

Фрактальный анализ * ОК – Оперативный контроль ** РК – Рубежный контроль

5. ПРОГРАММА ДИСЦИПЛИНЫ

Тема 1. Общая характеристика прогнозирования социально-экономических Понятие «прогнозирование». Сущность и содержание социальноэкономического прогнозирования. Виды и назначение прогнозов. Принципы социально-экономического прогнозирования. Классификация методов прогнозирования. Прогнозирующие системы.

Основные термины Прогноз, план, программа, основание прогноза, прогнозный горизонт, методы прогнозирования, прогнозирующие системы.

Контрольные вопросы 1. В чем суть понятий «научное предвидение», «предсказание», «прогноз»?

2. Какова роль прогнозирования при управлении социально-экономической системой? Приведите примеры.

3. Что понимается под интервалом упреждения?

4. Приведите примеры классификация объектов прогнозирования.

5. Что включает понятие «прогнозирующей системы»?

6. Какие основные принципы прогнозирующей системы?

7. Как может быть представлена блок-схема прогнозирующей системы?

8. Определите назначение подсистем прогнозирующей системы.

9. Что представляет собой структурная схема системы экономического прогнозирования?

10. Каковы требования, необходимые для обеспечения точности прогноза?

11. Приведите примеры классификации моделей прогнозирования.

12. Дайте характеристику основных классов методов прогнозирования.

Тема 2. Определение и характеристики временных рядов Определение и типология временных рядов. Модели временных рядов.

Составляющие модели временных рядов. Основные характеристики временных рядов. Коррелограмма. Автокорреляционная функция. Стационарность временных рядов. Критерии стационарности. Использование статистических пакетов Statistica (SPSS, Eviews) при анализе стационарности временных рядов.

Основные термины Временной ряд, модель временного ряда, характеристики временных рядов, стационарность временного ряда, критерии стационарности.

Контрольные вопросы 1. Дайте определение временного ряда.

2. Приведите примеры классификации временных рядов.

3. Из каких компонентов состоит модель временного ряда? Примеры временных рядов, содержащих тренд и циклическую составляющую.

4. Примеры аддитивной и мультипликативной моделей временного ряда.

5. Дайте характеристику случайной составляющей ряда. Приведите примеры моделей случайной составляющей.

6. Назовите основные характеристики временного ряда.

7. Дайте определение стационарного временного ряда. Что понимается под стационарностью в узком и широком смысле?

8. Определите автокорреляционную и частную автокорреляционную функции.

9. Дайте характеристику коррелограммы. Как можно исследовать временной ряд с помощью коррелограммы? Приведите примеры коррелограмм для стационарных и нестационарных временных рядов.

10. С помощью каких средств можно исследовать периодическую компоненту ряда?

11. Назовите критерии, которые могут быть использованы для оценки стационарности временного ряда.

12. Как проверить гипотезу о стационарности средних для подвыборок, входящих в состав временного ряда?

13. Дайте характеристику критерия Льюинга-Бокса.

14. Дайте характеристику критериев серий и организацию их использования для оценки стационарности ряда?

15. Поясните организацию использования критерия Фостера-Стюарта для проверки гипотезы о стационарности ряда.

16. Приведите примеры экономических временных рядов, дайте интерпретацию их компонентам.

Тема 3. Простые методы прогнозирования Особенности простых методов прогнозирования. Методы интерполяции.

Метод двух точек. Метод групповых средних точек. Прогнозирование на основе показателей динамики. Базисные и цепные показатели. Экстраполяция на основе показателей динамики. Прогнозирование на основе кривых роста.

Основные термины Интерполяция, экстраполяция, показатели динамики, кривые роста, прогнозирование на основе показателей динамики.

Контрольные вопросы 1. В чем особенности простых методов прогнозирования?

2. В чем суть методов простой экстраполяции и интерполяции?

3. Какие недостатки методов простой экстраполяции?

4. Как осуществляется прогнозирование на основе метода двух крайних точек, метода средних групповых точек? Сравните данные методы.

Укажите их достоинства и недостатки.

5. Показатели динамики. Как находятся средние показателей динамики?

6. Как определяются цепные и базовые темпы роста и прироста?

7. В чем суть прогнозирования на основе метода среднего темпа роста и среднего абсолютного прироста?

8. Как определяется средний темп роста для одного ряда и суммы рядов?

9. Как осуществляется выбор базового уровня при получении прогноза на основе среднего темпа роста?

10. В каких целях используется анализ цепных и средних темпов приростов рядов?

11. Приведите примеры кривых роста.

12. Как определить порядок полинома для кривых роста, представленных полиномом?

13. Дайте характеристику кривых с насыщением. Приведите примеры кривых с насыщением.

14. Приведите примеры S-образных моделей.

15. Дайте характеристику информационных критериев. С какой целью применяются данные критерии?

Тема 4. Методы сглаживания и прогнозирования временных рядов Понятие «сглаживание». Методы сглаживания. Линейные фильтры. Метод скользящего среднего. Взвешенное сглаживание. Примеры моделей сглаживания. Адаптивные методы сглаживания. Сглаживание при наличии тренда. Экспоненциальное сглаживание. Метод Брауна-Майера. Особенности методов краткосрочного прогнозирования. Метод сглаживания ошибок Тригга.

Метод Тригга-Лича. Метод Чоу. Использование статистических пакетов Statistica (SPSS, Eviews) при сглаживании временных рядов. Сглаживание уровней ряда в Excel.

Основные термины Сглаживание и выравнивание, фильтры сглаживания, линейные и адаптивные фильтры, взвешенные методы сглаживания.

Контрольные вопросы 1. Что такое «сглаживание»? Его цели.

2. Что такое фильтр? Модель фильтра.

3. Метод скользящего среднего, его достоинства и недостатки.

4. Что будет с результатами сглаживания, если увеличить размер окна сглаживания?

5. Для чего используются взвешенные методы сглаживания?

6. В каких случаях используют методы адаптивного сглаживания?

7. Как оценить качество сглаживания?

8. Метод экспоненциального сглаживания. От чего зависит выбор параметра фильтра при экспоненциальном сглаживании?

9. Как использовать сглаживание при наличии и отсутствии тренда?

10. Как выбрать модель фильтра?

11. В каких случаях следует использовать аналитические, а в каких алгоритмические методы выравнивания?

12. Можно ли использовать аналитические и алгоритмические методы выравнивания?

Тема 5. Прогнозирование на основе регрессионных моделей Общая характеристика метода регрессионного анализа. Регрессионная модель. Классический метод наименьших квадратов. Ограничения и допущения метода. Линейная и нелинейная регрессия. Линеаризация нелинейных моделей. Множественный регрессионный анализ. Проблема мультиколлинеарности. Обобщенный метод наименьших квадратов. Многофакторные модели прогнозирования. Распределенные лаги. Авторегрессионные модели распределенных лагов. Схема Койка. Использование статистических пакетов Statistica (SPSS, Eviews) при построении регрессионных моделей. Построение линейных и нелинейных регрессионных моделей в Excel.

Основные термины Временной ряд, стационарность временного ряда, критерии стационарности, коррелограмма, автокорреляционная, частная автокорреляционная функция, модели авторегрессии, скользящего среднего.

Контрольные вопросы 1. Назовите особенности регрессионной модели прогнозирования.

2. Приведите примеры возможности использования регрессионных моделей в экономике.

3. Дайте общую характеристику метода наименьших квадратов.

4. Какие ограничения и допущения принимаются при использовании метода наименьших квадратов для оценки коэффициентов уравнения регрессии?

5. Как интерпретируются параметры простой линейной модели прогнозирования?

6. В чем отличие между линейной и нелинейной парными моделями регрессии? Как осуществляется линеаризация нелинейной модели?

7. Приведите примеры парных нелинейных моделей. Как они могут быть линеаризованы? Что делать, если модель не удается линеаризовать?

8. Как выполнить прогнозирование с использованием регрессионной модели. В чем отличие точечных и интервальных прогнозов?

9. Как производится оценка значимости коэффициентов уравнения регрессии?

10. Как используется критерий Фишера и дисперсионный анализ для оценки адекватности регрессионной модели?

11. На чем основана пошаговая регрессия? В чем отличие пошаговой модели с включением от пошаговой с исключением?

12. В чем состоит проблема мультиколлинеарности? Назовите признаки проявления мультиколлинеарности?

13. Приведите примера корреляционных матриц, в которой существует мультиколлинеарность.

14. Способы борьбы с мультиколлинеарностью и их содержание.

15. В чем заключается проблема автокорреляции остатков? Что может быть причиной автокорреляции остатков?

16. Как выявить автокорреляцию остатков?

17. Дайте характеристику свойства гетероскедастичности остатков. К чему приводит гетероскедастичность остатков?

18. Характеристика критериев и организацию их использования при проверке гетероскедастичности остатков.

19. Общая характеристика обобщенного метода наименьших квадратов.

Тема 6. Циклические и сезонные составляющие временного ряда Сезонные и циклические составляющие временного ряда. Выделение сезонной составляющей. Методы SENSUS I, II. Тренд-циклическая составляющая. Выделение сезонной составляющей. Использование ряда Фурье при выявлении сезонной составляющей. Спектральный анализ. Спектральное окно.

Использование фиктивных переменных при наличии сезонной составляющей.

Основные термины Модели временного ряда, сезонная составляющая временного ряда, гармоника, ряд Фурье, спектральный анализ, фиктивные переменные.

Контрольные вопросы 1. Какими параметрами можно характеризовать стационарный периодический временной ряд?

2. Как выгладит модель периодического временного ряда, содержащего две гармоники, если она представлена с помощью тригонометрического ряда Фурье?

3. Как подтверждается наличие колебательного процесса во временном ряде?

4. Как выявить гармоническую составляющую с помощью коррелограммы, периодограммы и спектрограммы?

5. Для чего используется спектральное окно? Назовите виды спектральных окон. Чем они отличаются друг от друга?

6. Сравните аддитивную и мультипликативную сезонные составляющие временного ряда.

7. Как производится выделение сезонной составляющей? Как выделяется сезонная составляющая в методе Census I?

8. Поясните, как получается тренд-циклическая компонента? Приведите пример ее использования при использовании фильтра взвешенного скользящего среднего.

9. Каким образом определяются наиболее значимые гармонические составляющие?

10. С какой целью проводится сглаживание уровней временного ряда?

11. Дайте общую характеристику метода Census II.

Тема 7. Модели авторегрессии и скользящего среднего Модели авторегрессии порядка p, скользящего среднего порядка q. Модель АР(1). Свойства модели. Модель АР(p). Модели скользящего среднего СС(1), СС(q). Модели АРСС (ARMA). Модель авторегрессии – проинтегрированного скользящего среднего АРПСС(p, q, k)-модель. Использование статистических пакетов Statistica (SPSS, Eviews) при построении моделей временных рядов, сглаживании и выравнивании временных рядов.

Основные термины Стационарный временной ряд, модели временного ряда, модель скользящего среднего, модель авторегрессии, обратимость моделей, модели авторегрессии – скользящего среднего (ARMA, APCC), Модель авторегрессии – проинтегрированного скользящего среднего Контрольные вопросы 1. Что представляют собой авторегрессионные модели? Какова их сущность и возможности применения при прогнозировании различных социально-экономических процессов?

2. Дайте характеристику АР(1) моделей. Назовите условия стационарности для таких моделей. Как проверить стационарность таких моделей?

3. Дайте характеристику АР(2) моделей. Сформулируйте условия стационарности таких моделей. Как оцениваются параметры модели АР(2)?

4. В чем суть моделей скользящего среднего? Какова сфера их применения?

5. Дайте характеристику моделей СС(k).

6. Каким образом определяется порядок моделей авторегрессии и моделей скользящего среднего?

7. Поясните свойство двойственности авторегрессионной модели и модели скользящего среднего.

8. В чем суть моделей авторегрессии и скользящего среднего (АРСС)?

Каковы их возможности при прогнозировании социально-экономических процессов?

9. Какие виды прогнозных моделей используются при получении прогнозов по стационарным и нестационарным временным рядам?

10. Что представляет собой процесс построения прогнозных моделей и поправки прогнозов?

11. Приведите примеры моделей АРСС. Как идентифицировать модель с помощью корреллограмм АКФ и ЧАКФ?

12. Дайте характеристику моделей АРПСС. Как идентифицировать вид 13. Приведите примеры моделей АРПСС. Как идентифицировать модель с помощью корреллограмм АКФ и ЧАКФ?

Тема 8. Экспертные методы прогнозирования Индивидуальные и коллективные экспертные методы. Этапы проведения коллективной экспертной оценки. Статистическая обработка результатов экспертизы. Оценка согласованности мнений экспертов. Примеры методов экспертного опроса. Метод Дельфи, метод сценариев, метод мозговой атаки.

Прогнозирование с помощью иерархической модели.

Основные термины Эксперт, экспертный опрос, согласованность мнений экспертов, статистическая обработка результатов экспертизы, методы экспертного опроса.

Контрольные вопросы 1. Какова роль экспертных методов прогнозирования? Для решения каких задач они применяются? Сравните аналитические и экспертные методы прогнозирования.

2. Дайте общую характеристику индивидуальных и коллективных методов прогнозирования.

3. Как проводится организация экспертного опроса?

4. В чем суть метода «мозговой атаки»?

5. Дайте характеристику метода Дельфи.

6. Дайте общую характеристику метода сценариев?

7. Из каких этапов состоит процедура экспертного опроса? Дайте характеристику каждого этапа.

8. Как определяется численность экспертной группы?

9. Как можно рассчитать коэффициент компетентности экспертов?

10. Как обработать результаты экспертного опроса, содержащие ранговые оценки?

11. Как обработать результаты экспертного опроса, содержащие непосредственные оценки на количественной шкале?

12. Как обработать результаты экспертного опроса, представленные в виде матриц попарных сравнений?

13. Какие непараметрические коэффициенты используются для определения наличия и степени связи между категориальными переменными?

14. Как оценивается согласованность мнений экспертов?

15. Что понимается под проблемой устойчивости групповых экспертных оценок?

16. Дайте краткую характеристику метода анализа иерархий и возможностей его использования при прогнозировании.

17. Как производится оценка согласованности результатов экспертизы в методе анализа иерархий?

Тема 9. Модели волатильности. Фрактальный анализ Проблемы единичного корня. Коинтеграция. Критерий Дики-Фуллера.

TS и DS-ряды. Понятие волатильности. Модели волатильности. ARCH/ GARCH-модели. Понятие фрактала. Постоянная Херста. Фрактальный анализ временных рядов. Фрактальный анализ финансовых рынков.

Основные термины Временные ряды, TS и DS-ряды, единичный корень, волатильность, фрактал, фрактальный анализ, Контрольные вопросы 1. В чем заключается проблема единичного корня? Дайте характеристику TS и DS-рядов.

2. Как использовать критерий Дики-Фуллера для выявления проблемы единичного корня?

3. С помощью каких критериев исследуется проблема единичного корня?

4. Дайте определение понятия волатильности. Сравните модели ARCH и 5. Приведите примеры моделей ARCH и GARCH.

6. Что такое фрактал?

7. Для чего применяется фрактальный анализ?

8. Что такое постоянная Херста и как ее использовать при анализе временных рядов?

6. СПИСОК РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ

Основная литература 1. Афанасьев, В.Н. Анализ временных рядов и прогнозирование: учебник / В.Н. Афанасьев, М.М. Юзбашев. – 2-е изд. – М.: Финансы и статистика, 2012. – 318 c.

2. Боровиков, В.П. Прогнозирование в системе Statistica в среде Windows:

основы теории и интенсивная практика на компьютере: учеб. пособие / В.П. Боровиков, Г.И. Ивченко. – М.: Финансы и статистика, 2000. – 378 c.

3. Кремер, Н.Ш. Эконометрика: учебник / Н.Ш. Кремер, Б.А. Путко; под ред. Н.Ш. Кремера. – 3-е изд. – М.: ЮНИТИ, 2010. – 328 c.

4. Методы и модели прогнозирования социально-экономических процессов: учеб. пособие / Т.С. Клебанова [и др.]. – СПб.: Изд-во СЗИУ РАНХиГС, 2012. – 564 c.

5. Носко, В.П. Эконометрика: учебник: [в 2 кн.] / В.П. Носко. – М.: Изд.

дом «Дело» РАНХиГС, 2011. – Кн. 1. – 671 c.

6. Наумов, В.Н. Основы эконометрики: учеб. пособие / В.Н. Наумов. – СПб.: Изд-во СЗИУ РАНХиГС, 2013. – 278 c.

7. Социально-политическое прогнозирование: практическое пособие / ред. Е.Б. Чернышев. – Минск: Харвест, 2001. – 107 c.

8. Цыгичко, В.Н. Прогнозирование социально-экономических процессов / В.Н. Цыгичко. – 2-е изд. – М.: КомКнига, 2007. – 238 c.

9. Эконометрика: учебник / В.С. Мхитарян [и др.]; под ред. В.С. Мхитаряна. – М.: Проспект, 2009. – 380 c.

Дополнительная литература 1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022 c.

2. Балдин, К.В. Эконометрика: учеб. пособие / К.В. Балдин, О.Ф. Быстров, М.М. Соколов. – М.: ЮНИТИ-ДАНА, 2004. – 254c.

3. Буре, В.М. Основы эконометрики: учеб. пособие / В.М. Буре, Е.А. Евсеев. – СПб.: Изд-во С.-Петерб. ун-та, 2004. – 72 с.

4. Валландер С.С. Заметки по эконометрике / С.С. Валландер. – СПб.:

Европ. ун-т, 2001. – 46 с.

5. Саати, Т.Л. Принятие решений при зависимостях и обратных связях:

аналитические сети / Т.Л. Саати; пер. с англ. – 2-е изд. – М.: УРСС, 6. Эконометрика: учебник / И.И. Елисеева [и др.]; под ред. И.И. Елисеевой. – М.: Проспект, 2009. – 288 c.

7. ПЛАНЫ СЕМИНАРСКИХ ЗАНЯТИЙ

Тема 2. Определение и характеристики временных рядов Занятия 1, 2. Стационарные временные ряды Вопросы для обсуждения 1. Модели временных рядов.

2. Коррелограмма. Автокорреляционная и частная автокорреляционная 3. Стационарность временных рядов.

4. Критерий Льюинга-Бокса.

5. Критерии серий.

6. Критерий Фостера-Стюарта.

7. Использование статистических пакетов для анализа стационарности временных рядов.

Основная литература 1. Афанасьев, В.Н. Анализ временных рядов и прогнозирование: учебник / В.Н. Афанасьев, М.М. Юзбашев. – М.: Финансы и стат., 2012. – 318 c.

2. Методы и модели прогнозирования социально-экономических процессов: учеб. пособие / Т.С. Клебанова [и др.]. – СПб.: СЗИУ РАНХиГС, 2012. – 564 c.

3. Носко, В.П. Эконометрика: учебник: [в 2 кн.] / В.П. Носко. – М.: Изд.

дом «Дело» РАНХиГС, 2011. – Кн. 1. – 671 c.

Дополнительная литература 1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022 c.

2. Эконометрика: учебник / И.И. Елисеева [и др.]; под ред. И.И. Елисеевой. – М.: Проспект, 2009. – 288 c.

Тема 3. Простые методы прогнозирования Занятия 3, 4. Простые методы прогнозирования Вопросы для обсуждения 1. Матричный способ оценки параметров множественной регрессии.

2. Использование статистических пакетов для построения модели множественной регрессии.

3. Проблема мультиколлинеарности.

4. Обобщенный метод наименьших квадратов.

5. Критерий гетероскедастичности.

6. Критерий определения автокоррелированности остатков.

Основная литература 1. Методы и модели прогнозирования социально-экономических процессов: учеб. пособие / Т.С. Клебанова [и др.]. – СПб.: СЗИУ РАНХиГС, 2012. – 564 c.

Дополнительная литература 1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022 c.

Тема 4. Методы сглаживания и прогнозирования временных рядов Занятия 5, 6. Линейные и нелинейные фильтры. Адаптивное сглаживание Вопросы для обсуждения 1. Полиномиальные модели.

2. Гиперболические модели.

3. Степенные модели.

4. Нелинеаризуемые модели.

5. Использование статистических пакетов для построения нелинейных Основная литература 1. Афанасьев, В.Н. Анализ временных рядов и прогнозирование: учебник / В.Н. Афанасьев, М.М. Юзбашев. – М.: Финансы и стат., 2012. – 318 c.

2. Кремер, Н.Ш. Эконометрика: учебник / Н.Ш. Кремер, Б.А. Путко; под ред. Н.Ш. Кремера. – 3-е изд. – М.: ЮНИТИ, 2010. – 328 c.

3. Методы и модели прогнозирования социально-экономических процессов / Т.С. Клебанова [и др.]. – СПб.: СЗИУ РАНХиГС, 2012. – 564 c.

4. Носко, В.П. Эконометрика: учебник: [в 2 кн.] / В.П. Носко. – М.: Изд.

дом «Дело» РАНХиГС, 2011. – Кн. 1. – 671 c.

5. Наумов, В.Н. Основы эконометрики: учеб. пособие / В.Н. Наумов. – СПб.: Изд-во СЗИУ РАНХиГС, 2013. – 278 c.

6. Эконометрика: учебник / В.С. Мхитарян [и др.]; под ред. В.С. Мхитаряна. – М.: Проспект, 2009. – 380 c.

Дополнительная литература 1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022 c.

2. Балдин, К.В. Эконометрика: учеб. пособие / К.В. Балдин, О.Ф. Быстров, М.М. Соколов. – М.: ЮНИТИ-ДАНА, 2004. – 254c.

3. Буре, В.М. Основы эконометрики: учеб. пособие / В.М. Буре, Е.А. Евсеев. – СПб.: Изд-во С.-Петерб. ун-та, 2004. – 72 с.

4. Валландер С.С. Заметки по эконометрике / С.С. Валландер. – СПб.: Европ. ун-т, 2001. – 46 с.

5. Эконометрика: учебник / И.И. Елисеева [и др.]; под ред. И.И. Елисеевой. – М.: Проспект, 2009. – 288 c.

Тема 5. Прогнозирование на основе регрессионных моделей Занятия 7, 8. Прогнозирование на основе регрессионных моделей Вопросы для обсуждения 1. Модель парной регрессии.

2. Оценка коэффициентов парной регрессии. Метод наименьших квадратов.

3. Оценка качества модели.

4. Решение задач парного регрессионного анализа с помощью статистических пакетов.

Основная литература 1. Кремер, Н.Ш. Эконометрика: учебник / Н.Ш. Кремер, Б.А. Путко; под ред. Н.Ш. Кремера. – 3-е изд. – М.: ЮНИТИ, 2010. – 328 c.

2. Методы и модели прогнозирования социально-экономических процессов: учеб. пособие / Т.С. Клебанова [и др.]. – СПб.: СЗИУ РАНХиГС, 2012. – 564 c.

3. Носко, В.П. Эконометрика: учебник: [в 2 кн.] / В.П. Носко. – М.: Изд.

дом «Дело» РАНХиГС, 2011. – Кн. 1. – 671 c.

4. Наумов, В.Н. Основы эконометрики: учеб. пособие / В.Н. Наумов. – СПб.: Изд-во СЗИУ РАНХиГС, 2013. – 278 c.

5. Эконометрика: учебник / В.С. Мхитарян [и др.]; под ред. В.С. Мхитаряна. – М.: Проспект, 2009. – 380 c.

Дополнительная литература 1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022 c.

2. Балдин, К.В. Эконометрика: учеб. пособие / К.В. Балдин, О.Ф. Быстров, М.М. Соколов. – М.: ЮНИТИ-ДАНА, 2004. – 254c.

3. Буре, В.М. Основы эконометрики: учеб. пособие / В.М. Буре, Е.А. Евсеев. – СПб.: Изд-во С.-Петерб. ун-та, 2004. – 72 с.

4. Валландер С.С. Заметки по эконометрике / С.С. Валландер. – СПб.: Европ. ун-т, 2001. – 46 с.

5. Эконометрика: учебник / И.И. Елисеева [и др.]; под ред. И.И. Елисеевой. – М.: Проспект, 2009. – 288 c.

Вопросы для обсуждения 1. Проверка стационарности временных рядов.

2. Линейные регрессионные модели.

3. Нелинейные регрессионные модели.

4. Модели сглаживания. Линейные фильтры.

5. Модели сглаживания. Адаптивные фильтры.

Основная литература 1. Афанасьев, В.Н. Анализ временных рядов и прогнозирование: учебник / В.Н. Афанасьев, М.М. Юзбашев. – 2-е изд. – М.: Финансы и статистика, 2012. – 318 c.

2. Методы и модели прогнозирования социально-экономических процессов: учеб. пособие / Т.С. Клебанова [и др.]. – СПб.: СЗИУ РАНХиГС, 2012. – 564 c.

3. Носко, В.П. Эконометрика: учебник: [в 2 кн.] / В.П. Носко. – М.: Изд.

дом «Дело» РАНХиГС, 2011. – Кн. 1. – 671 c.

4. Наумов, В.Н. Основы эконометрики: учеб. пособие / В.Н. Наумов. – СПб.: Изд-во СЗИУ РАНХиГС, 2013. – 278 c.

5. Эконометрика: учебник / В.С. Мхитарян [и др.]; под ред. В.С. Мхитаряна. – М.: Проспект, 2009. – 380 c.

Дополнительная литература 1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022 c.

2. Балдин, К.В. Эконометрика: учеб. пособие / К.В. Балдин, О.Ф. Быстров, М.М. Соколов. – М.: ЮНИТИ-ДАНА, 2004. – 254c.

3. Буре, В.М. Основы эконометрики: учеб. пособие / В.М. Буре, Е.А. Евсеев. – СПб.: Изд-во С.-Петерб. ун-та, 2004. – 72 с.

4. Эконометрика: учебник / И.И. Елисеева [и др.]; под ред. И.И. Елисеевой. – М.: Проспект, 2009. – 288 c.

Тема 6. Циклические и сезонные составляющие временного ряда Занятия 10, 11. Модели сезонной составляющей Вопросы для обсуждения 1. Адаптивные модели сезонной составляющей.

2. Мультипликативные модели сезонной составляющей.

3. Использование ряда Фурье при выделении сезонной составляющей.

4. Использование спектрального анализа при построении модели стационарного временного ряда.

5. Применение статистических пакетов при выделении сезонной составляющей.

Основная литература 1. Афанасьев, В.Н. Анализ временных рядов и прогнозирование: учебник / В.Н. Афанасьев, М.М. Юзбашев. – М.: Финансы и стат., 2012. – 318 c.

2. Боровиков, В.П. Прогнозирование в системе Statistica в среде Windows:

основы теории и интенсивная практика на компьютере: учеб. пособие / В.П. Боровиков, Г.И. Ивченко. – М.: Финансы и статистика, 2000. – 378 c.

3. Методы и модели прогнозирования социально-экономических процессов / Т.С. Клебанова [и др.]. – СПб.: СЗИУ РАНХиГС, 2012. – 564 c.

4. Эконометрика: учебник / В.С. Мхитарян [и др.]; под ред. В.С. Мхитаряна. – М.: Проспект, 2009. – 380 c.

Дополнительная литература 1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022 c.

Тема 7. Модели авторегрессии и скользящего среднего Занятия 12, 13. Модели авторегрессии, скользящего среднего Вопросы для обсуждения 1. Модели авторегрессии.

2. Модели скользящего среднего.

3. Модели авторегрессии-скользящего среднего.

4. Модели авторегрессии проинтегрированного скользящего среднего.

5. Использование статистических пакетов при построении моделей временных рядов с помощью технологии АРПСС (ARIMA).

Основная литература 1. Афанасьев, В.Н. Анализ временных рядов и прогнозирование: учебник / В.Н. Афанасьев, М.М. Юзбашев. – М.: Финансы и стат., 2012. – 318 c.

2. Боровиков, В.П. Прогнозирование в системе Statistica в среде Windows:

основы теории и интенсивная практика на компьютере: учеб. пособие / В.П. Боровиков, Г.И. Ивченко. – М.: Финансы и статистика, 2000. – 378 c.

3. Методы и модели прогнозирования социально-экономических процессов / Т.С. Клебанова [и др.]. – СПб.: СЗИУ РАНХиГС, 2012. – 564 c.

Дополнительная литература 1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022 c.

Вопросы для обсуждения 1. Сезонная составляющая временного ряда.

2. Использование временных рядов при выявлении сезонной составляющей.

3. Модели авторегрессии.

4. Модели авторегрессии-скользящего среднего.

5. Модели АРПСС.

Основная литература 1. Афанасьев, В.Н. Анализ временных рядов и прогнозирование: учебник / В.Н. Афанасьев, М.М. Юзбашев. – 2-е изд. – М.: Финансы и статистика, 2012. – 318 c.

2. Боровиков, В.П. Прогнозирование в системе Statistica в среде Windows:

основы теории и интенсивная практика на компьютере: учеб. пособие / В.П. Боровиков, Г.И. Ивченко. – М.: Финансы и статистика, 2000. – 378 c.

3. Методы и модели прогнозирования социально-экономических процессов / Т.С. Клебанова [и др.]. – СПб.: СЗИУ РАНХиГС, 2012. – 564 c.

Дополнительная литература 1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022 c.

2. Эконометрика: учебник / И.И. Елисеева [и др.]; под ред. И.И. Елисеевой. – М.: Проспект, 2009. – 288 c.

Тема 8. Экспертные методы прогнозирования Занятия 15, 16. Экспертные методы прогнозирования Вопросы для обсуждения 1. Метод Дельфи.

2. Метод сценариев.

3. Ранговые методы экспертного опроса.

4. Количественные методы экспертного опроса.

5. Проверка согласованности мнений экспертов.

Основная литература 1. Методы и модели прогнозирования социально-экономических процессов / Т.С. Клебанова [и др.]. – СПб.: СЗИУ РАНХиГС, 2012. – 564 c.

2. Социально-политическое прогнозирование: практическое пособие / ред.

Е.Б. Чернышев. – Минск: Харвест, 2001. – 107 c.

3. Цыгичко, В.Н. Прогнозирование социально-экономических процессов / В.Н. Цыгичко. – 2-е изд. – М.: КомКнига, 2007. – 238 c.

Дополнительная литература 1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022 c.

Занятие 17. Использование иерархических моделей в экспертных методах Вопросы для обсуждения 1. Построение иерархии критериев.

2. Матрицы попарных сравнений.

3. Вычисление локальных приоритетов.

4. Проверка согласованности матриц парных сравнений.

5. Сравнение альтернатив.

Основная литература 1. Методы и модели прогнозирования социально-экономических процессов / Т.С. Клебанова [и др.]. – СПб.: СЗИУ РАНХиГС, 2012. – 564 c.

2. Цыгичко, В.Н. Прогнозирование социально-экономических процессов / В.Н. Цыгичко. – 2-е изд. – М.: КомКнига, 2007. – 238 c.

Дополнительная литература 7. Саати, Т.Л. Принятие решений при зависимостях и обратных связях:

аналитические сети = Decision making with dependence and feedback:

analytic network process / Т.Л. Саати; пер. с англ. – 2-е изд. – М.: УРСС, Вопросы для обсуждения 1. Проблемы единичного корня.

2. Критерий Дики-Фуллера.

3. Модели волатильности.

4. ARCH/GARCH-модели.

5. Постоянная Херста.

6. Фрактальный анализ временных рядов.

Основная литература 1. Афанасьев, В.Н. Анализ временных рядов и прогнозирование: учебник / В.Н. Афанасьев, М.М. Юзбашев. – 2-е изд. – М.: Финансы и статистика, 2012. – 318 c.

2. Методы и модели прогнозирования социально-экономических процессов / Т.С. Клебанова [и др.]. – СПб.: СЗИУ РАНХиГС, 2012. – 564 c.

3. Наумов, В.Н. Основы эконометрики: учеб. пособие / В.Н. Наумов. – СПб.: Изд-во СЗИУ РАНХиГС, 2013. – 278 c.

Дополнительная литература 1. Айвазян, С.А. Прикладная статистика и основы эконометрики: учебник / С.А. Айвазян, В.С. Мхитарян. – М.: ЮНИТИ, 1998. – 1022 c.

Автокорреляционная функция – функция корреляции между ошибками i - го и i + k - го членов временного ряда.

Автокорреляция ошибок – корреляция между ошибками в последовательных i и i + 1 измерениях.

Авторегрессионная модель (AR) – модель, учитывающая зависимость объясняемой переменной в момент времени t от значений, которые она принимала в предыдущие t 1,... t k моменты времени.

Авторегрессионная модель проинтегрированной скользящей средней (ARIMA, модель Бокса-Дженкинса) – модель, сводящая модель нестационарного временного ряда к стационарной модели ARMA путем последовательной разности.

Авторегрессионная модель скользящей средней (ARMA) – объединение авторегрессионной модели и модели скользящей средней.

Временной ряд – ряд наблюдений, проведенных в последовательные моменты времени.

Гетероскедастичность – зависимость дисперсии ошибок от объясняющей переменной.

Доверительная вероятность – вероятность, с которой задается интервальная оценка параметра функции распределения.

Доверительный интервал – интервал, в котором должно находиться истинное значение оцениваемого параметра с заданной доверительной вероятностью.

Единичный корень– понятие, используемое в анализе временных рядов, характеризующее свойство некоторых нестационарных временных рядов. Название связано с тем, что т.н. характеристическое уравнение (или характеристический полином) авторегрессионной модели временного ряда имеет корни, равные по модулю единице. Наличие единичных корней в авторегрегрессионной модели временного ряда эквивалентно понятию интегрированности временного ряда.

Значимость уравнения регрессии – целесообразность использования полученного уравнения регрессии.

Идентификация временного ряда – процесс устранения автокорреляции за счет выявления скрытых регрессоров.

Интервальная оценка – оценка нижней и верхней границ доверительного интервала.

Интерполяция–способ нахождения промежуточных значений величины по имеющемуся дискретному набору известных значений.

Коррелограмма или график автокорреляции – график зависимости автокорреляции выборки от временной задержки (лага).

Корреляционная зависимость – зависимость математического ожидания случайной величины от параметра.

Коэффициент детерминации – коэффициент, характеризующий степень влияния объясняющей переменной на объясняемую.

Коэффициент корреляции – коэффициент, характеризующий степень корреляционной зависимости между переменными.

Линейная регрессионная модель – регрессионная модель, в которую факторы (объясняющие переменные) входят линейно.

Матрица ковариаций – матрица, элементами которой являются ковариации случайных величин.

Метод наименьших квадратов – метод, в основе которого лежит минимизация суммы квадратов остатков (невязок) регрессии.

Множественная линейная регрессия – модель с несколькими факторами (объясняющими переменными).

Модель скользящей средней (MA) – модель, учитывающая зависимость объясняемой переменной в момент времени t от значений ошибок регрессии в предыдущие t 1,... t p моменты времени.

Нормативный прогноз – определение путей и сроков достижения возможных состояний явления, принимаемых в качестве цели. Такой прогноз отвечает на вопрос, какими путями достичь желаемого.

Обобщенный метод наименьших квадратов – метод, обобщающий обычный метод наименьших квадратов на случай, когда матрица ковариаций ошибок регрессии не кратна единичной (имеет место автокорреляция и/или гетероскедастичность). Позволяет дать эффективную оценку параметров множественной линейной регрессии.

Оператор последовательной разности – оператор, применяемый к временным рядам, состоит в замене членов временного ряда y t их разностными отношениями y t y t 1.

Период основания прогноза (ретроспекция) – промежуток времени, на базе которого строится ретроспекция, за который используют информацию для разработки прогноза.

Период упреждения прогноза, проспекция (время упреждения; время прогнозирования) – промежуток времени, на который разрабатывается прогноз.

План – образ исследуемого объекта, система мер, направленных на достижение поставленной одной или нескольких целей.

Поисковый прогноз – определение возможных состояний явления в будущем. Основан на использовании принципа инерционности развития, при котором ориентация прогноза происходит от настоящего к будущему.

Показатель Херста – мера, используемая в анализе временных рядов. Эта величина уменьшается, когда задержка между двумя одинаковыми парами значений во временном ряду увеличивается.

Предвидение - представление о будущем. Оно может быть как научным, так и ненаучным. Предвидение в социально-экономической жизни является, как правило, научным.

Предсказание – достоверное, основанное на логике суждение о состоянии какого-либо объекта (процесса или явления) в будущем.

Прогноз – научно-обоснованное суждение о возможном состоянии объекта в будущем или альтернативных путях и сроках достижения этих состояний.

Регрессор – объясняющая переменная (фактор) в уравнении регрессии Сезонная компонента – периодическая составляющая членов временного ряда, учитывающая периодичность экономических процессов Состоятельные оценки – асимптотически несмещенные оценки, дисперсия которых стремится к нулю при увеличении объема выборки Спецификация модели – отбор объясняющих переменных и установление характера зависимости объясняемой переменной от них.

Спектральный анализ – совокупность методов качественного и количественного определения состава объекта, основанная на изучении спектров.

Статистика Дарбина – Уотсона – статистика, по значениям которой можно судить о наличии или отсутствии автокорреляции между соседними наблюдениями.

Статистическая зависимость – любая зависимость функции распределения одной случайной величины от другой.

Стационарность временного ряда. Под стационарностью ряда в узком смысле (строгой стационарностью) ряд, совместное распределение наблюдений которого не зависит от сдвига во времени. Под стационарностью в широком смысле, слабой стационарностью, понимается ряд, у которого математическое ожидание, дисперсия и ковариация не зависят от времени. Из строгой стационарности следует слабая стационарность.

Тест Дики-Фуллера – тест на нестационарность временного ряда Точечная оценка – математическое ожидание оцениваемой случайной величины.

Тренд – монотонная по времени составляющая членов временного ряда, учитывающая влияние внешних факторов.

Фиктивные переменные – бинарные переменные, принимающие значения Фрактал – математическое множество, обладающее свойством самоподобия, то есть однородности в различных шкалах измерения (любая часть фрактала подобна всему множеству целиком).

Функция предложения – характеризует величину предложения избранного товара или услуги при заданном векторе цен на все производимые товары и услуги.

Экстраполяция –тип аппроксимации, при котором функция аппроксимируется вне заданного интервала, а не между заданными значениями.

9. ВОПРОСЫ К ЭКЗАМЕНУ

1. Понятие «прогнозирование». Сущность и содержание социальноэкономического прогнозирования.

2. Виды и назначение прогнозов. Принципы социально-экономического прогнозирования.

3. Классификация методов прогнозирования. Прогнозирующие системы.

Определение и типология временных рядов.

4. Модели временных рядов. Составляющие модели временных рядов.

Основные характеристики временных рядов.

5. Коррелограмма. Автокорреляционная функция.

6. Стационарность временных рядов. Критерии стационарности.

7. Особенности простых методов прогнозирования. Методы интерполяции.

8. Метод двух точек. Метод групповых средних точек.

9. Прогнозирование на основе показателей динамики. Базисные и цепные показатели.

10. Экстраполяция на основе показателей динамики.

11. Прогнозирование на основе кривых роста. Понятие «сглаживание». Методы сглаживания. Линейные фильтры. Метод скользящего среднего.

12. Взвешенное сглаживание. Примеры моделей сглаживания.

13. Адаптивные методы сглаживания. Экспоненциальное сглаживание.

14. Сглаживание при наличии тренда. Метод Брауна-Майера.

15. Общая характеристика метода регрессионного анализа. Регрессионная 16. Классический метод наименьших квадратов. Ограничения и допущения метода.

17. Линейная и нелинейная регрессия. Линеаризация нелинейных моделей.

18. Множественный регрессионный анализ.

19. Проблема мультиколлинеарности. Обобщенный метод наименьших квадратов.

20. Сезонные и циклические составляющие временного ряда.

21. Методы SENSUS I, II. Тренд-циклическая составляющая.

22. Выделение сезонной составляющей.

23. Использование ряда Фурье при выявлении сезонной составляющей.

24. Спектральный анализ. Спектральное окно.

25. Использование фиктивных переменных при наличии сезонной составляющей.

26. Модели авторегрессии порядка p, скользящего среднего порядка q.

27. Модель АР(1). Свойства модели.

28. Модель АР(p).

29. Модели скользящего среднего СС(1), СС(q).

30. Модели АРСС (ARMA).

31. Модель авторегрессии – проинтегрированного скользящего среднего АРПСС(p, q, k)-модель.

32. Индивидуальные и коллективные экспертные методы. Этапы проведения коллективной экспертной оценки.

33. Статистическая обработка результатов экспертизы.

34. Оценка согласованности мнений экспертов.

35. Примеры методов экспертного опроса. Метод Дельфи, метод сценариев, метод мозговой атаки.

36. Прогнозирование с помощью иерархической модели.

37. Проблемы единичного корня. Коинтеграция. Критерий Дики-Фуллера.

TS и DS-ряды.

38. Понятие волатильности. Модели волатильности. ARCH/GARCH-модели.

39. Понятие фрактала. Постоянная Херста.

40. Фрактальный анализ временных рядов. Фрактальный анализ финансовых рынков.

1. Чем отличается планирование от прогнозирования:

1) директивный характер;

2) вариантное содержание;

3) ресурсная обеспеченность;

4) больший срок.

2. Коэффициент парной корреляции характеризует тесноту связи между _ переменными.

1) линейной … несколькими;

2) нелинейной … несколькими;

3) линейной … двумя;

4) нелинейной … двумя.

3. Установите соответствие между наименованиями элементов уравнения y = 0 + 1 x + и их буквенными обозначениями:

Для линейного уравнения регрессии y = 0 + 1 x + метод наименьших квадратов используется при оценивании параметров:

5. Сколько параметров содержит парное линейное уравнение регрессии:

6. При выполнении предпосылок МНК оценки параметров регрессии обладают свойствами:

1) достоверность;

2) эффективность;

3) несмещенность;

5) несостоятельность.

7. Как влияет увеличение объема выборки на величину остаточной дисперсии случайной величины:

2) остаточная дисперсия увеличивается;

3) остаточная дисперсия уменьшается;

4) результат зависит от конкретного вида случайной величины.

8. При каком значении параметра x оценка случайной величины y, полученная в рамках парной линейной регрессионной модели, будет наиболее точной:

1) при x = ( x min + x max ) / 2, где x min, x max - минимальное и максимальное значения параметра x из обследованного интервала;

3) при x = x, где x - среднее значение параметра x из обследованного интервала;

4) точность одинакова при всех x.

9. Рассматривается парная линейная регрессионная модель. Как изменится ширина доверительного интервала для условного математического ожидания случайной величины y (x) при увеличении объема выборки в 4 раза?

1) увеличится в 4 раза;

2) уменьшится в 4 раза;

3) увеличится в 2 раза;

4) уменьшится в 2 раза.

10. Гомоскедастичность остатков подразумевает:

1) рост дисперсии остатков с увеличением значения фактора;

2) одинаковую дисперсию остатков при каждом значении фактора;

3) уменьшение дисперсии остатка с уменьшением числа наблюдений;

4) максимальную дисперсию остатков при средних значениях фактора.

11. Укажите последовательность этапов проведения теста ГолдфелдаКвандта для парной линейной регрессии:

1) оценка регрессий для l-первых и l-последних наблюдений;

2) вычисление статистики Фишера;

3) упорядочение наблюдений по возрастанию значений объясняющей переменной;

4) оценка сумм квадратов отклонений для регрессий по l-первым и l-последним наблюдениях.

12. Критические значения критерия Стьюдента определяются по:

1) уровню значимости и степеням свободы;

2) трем и более степеням свободы;

3) двум степеням свободы;

4) уровню незначимости.

13. Автокорреляция ошибок, как правило, характерна для:

1) временных рядов;

2) пространственной выборки;

3) пространственной выборки и временных рядов;

4) не характерна ни для одного из типов данных.

14. Диаграмма рассеяния указывает на нелинейную зависимость. В этом случае следует осуществить:

1) подбор преобразования переменных, дающего наибольшее по абсолютной величине значение коэффициента парной корреляции;

2) включение в модель дополнительных факторных признаков;

3) расчет линейного коэффициента корреляции и использование линейной модели;

4) визуальный подбор функциональной зависимости нелинейного характера, соответствующего структуре точечного графика.

15. Примером нелинейной зависимости экономических показателей является:

1) классическая гиперболическая зависимость спроса от цены;

2) линейная зависимость выручки от величины оборотных средств;

3) линейная зависимость затрат на производство от объема выпуска 4) зависимость объема продаж от недели реализации, выраженная 16. Установите соответствие между названием модели и видом ее уравнения:

1) линейная;

3) показательная;

4) полулогарифмическая.

17. Установите соответствие между видом нелинейной модели и заменой переменных, сводящих ее к линейной регрессии:

18. Примерами фиктивных переменных могут служить:

1) образование;

3) возраст;

19. Коэффициент детерминации рассчитывается для:

1) оценки качества модели;

2) мультиколлинеарных факторов;

3) подбора уравнения регрессии;

4) оценки параметров уравнения регрессии.

20. Под мультиколлинеарностью понимают:

1) наличие ярко выраженной линейной корреляционной зависимости между факторами;

2) наличие в уравнении регрессии неоправданно большого числа 3) наличие в уравнении регрессии большого числа незначимых параметров;

4) наличие в уравнении стохастических регрессоров.

21. Обобщенный МНК применяют в случае:

1) наличия гомоскедастичности;

2) наличия гетероскедастичности;

3) при автокорреляции ошибок;

4) только при рассмотрении систем уравнений.

22. Укажите верные характеристики коэффициента эластичности:

1) по значению коэффициента эластичности можно судить о силе связи объясняющего фактора с результирующим;

2) коэффициент эластичности является постоянной величиной для всех видов моделей;

3) коэффициент эластичности показывает насколько изменится значение результирующего фактора при изменении объясняющего фактора на одну единицу;

4) коэффициент эластичности показывает на сколько процентов изменится значение результирующего фактора при изменении на один процент объясняющего фактора.

23. Тенденция временного ряда характеризует совокупность факторов:

1) оказывающих сезонное воздействие;

2) не оказывающих влияние на уровень ряда;

3) оказывающих единовременное влияние на случайную составляющую;

4) оказывающих долговременное влияние и формирующих общую динамику изучаемого показателя.

24. Под автокорреляцией уровней временного ряда подразумевается зависимость между последовательными уровнями ряда.

1) детерминированная;

2) корреляционно-функциональная;

3) корреляционная;

4) функциональная.

25. Компонентами временного ряда являются:

1) коэффициент автокорреляции;

4) циклическая (сезонная) компонента.

26. В стационарном временном ряде трендовая компонента:

1) имеет линейную зависимость от времени;

2) имеет нелинейную зависимость от времени;

3) отсутствует;

4) присутствует.

27. Параметры модели ARIMA (АРПСС) означают:

1) число коэффициентов;

2) дисперсию случайной составляющей;

3) порядок авторегрессии;

4) порядок скользящего среднего.

28. Модель АРСС (ARMA) используется при:

1) наличии единичных корней;

2) наличии линейного тренда;

3) стационарности ряда;

4) при сильных шумах.

29. При выявлении проблемы единичного корня используют критерий:

1) Льюинга-Бокса;

3) Гольдфельда;

4) Дики-Фуллера.

30. Фиктивные переменные используются при:

1) нелинейной зависимости;

2) качественной природе факторов;

3) малом значении коэффициента детерминации;

4) на начальных этапах построения модели.

31. Модель SENSUS I используется для:

1) построения модели регрессии;

2) определения автокорреляции;

3) выявления тренда;

4) выявления сезонной составляющей.

32. При использовании метода Дельфи используют принципы:

1) обратной связи;

2) использования нескольких сеансов экспертизы;

3) обсуждения результатов экспертизы;

4) проверки согласованности мнений экспертов с помощью коэффициента конкордации.

11. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ

ПО ИЗУЧЕНИЮ ДИСЦИПЛИНЫ

При подготовке к очередному лекционному занятию необходимо:

1. Разобрать материал, излагавшийся на предыдущем лекционном занятии, при этом выделить наиболее важную часть изложенного материала (основные определения и формулы).

2. Выделить основные соотношения формулы и определения.

3. Сформулировать (подготовить) вопросы, возникшие при разборе материала предыдущей лекции.

4. Сравнить лекционный материал с аналогичным материалом, изложенным в литературе, попытаться самостоятельно найти ответ на возникшие при подготовке вопросы.

5. Используя литературу, ознакомиться с материалом, изложение которого планируется на предстоящей лекции.

6. Определить наиболее трудную для вашего понимания часть материала и попытаться сформулировать основные вопросы по этой части.

При подготовке к семинарским занятиям необходимо:

1. Понять смысл основных формул и определений, содержащихся в лекционном материале.

2. Уточнить область применимости основных формул и определений.

3. Приложить максимум усилий для самостоятельного выполнения домашнего задания.

4. Сформулировать вопросы, возникшие при выполнении домашнего 5. Подобрать интересные на ваш взгляд примеры и задачи (ситуации) для рассмотрения их на предстоящем семинарском занятии.

6. Выполнить домашнее задание, используя методы, отличные от тех, которые были изложены преподавателем на лекциях (семинарах).

Сравнить полученные результаты.

При выполнении контрольных заданий следует:

1. Получить четкий ответ на все вопросы, содержащиеся в контрольном задании.

2. Максимально четко изложить способ выполнения контрольного задания.

3. Оформить задание в соответствии с предъявленными требованиями.

4. Выполнить проверку полученных результатов.

Применение балльно-рейтинговой системы оценки знаний студентов тельности по изучению дисциплины в