Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Глоссарий. Автокорреляция – наличие сильной корреляционной зависимости между

Читайте также:
  1. ГЛОССАРИЙ
  2. Глоссарий
  3. Глоссарий
  4. Глоссарий
  5. Глоссарий
  6. Глоссарий
  7. Глоссарий

 

Автокорреляция наличие сильной корреляционной зависимости между последовательными значениями уровней временного ряда.
Анализ метод научного исследования объекта или их совокупности путем рассмотрения их отдельных сторон и частей.  
Верификация прогноза оценка достоверности статистических прогнозов.  
Дисконтирование информации взвешивание информации по степени значимости для построения точных и надежных прогнозов.  
Единица статистической совокупности каждый отдельно взятый элемент данного множества, обладающих определенными признаками.  
Инерционность предполагает сохранение присущих социально-экономическим явлениям и процессам тенденций и закономерностей прошлого и настоящего в будущем.

Классификация статистических моделей:

– В зависимости от уровня социально-экономического явления:

¨ Макроэкономические;

¨ Межотраслевые;

¨ Отраслевые;

¨ Территориальные;

¨ Социальные;

¨ Социометрические.

– По характеру развития объектов во времени:

¨ Дискретные;

¨ Интервальные;

¨ Циклические.

– По характеру используемой информации:

¨ Пространственные;

¨ Временные;

¨ Пространственно-временные.

– По степени информационного обеспечения:

¨ С полным информационным обеспечением;

¨ С неполным информационным обеспечением.

– По размерности:

¨ Сублокальные с числом факторных признаков до 3;

¨ Локальные – от 4 до 14;

¨ Субглобальные – от 15 до 35;

¨ Глобальные – свыше 100.

– По сложности:

¨ Сверхпростые;

¨ Простые;

¨ Сложные;

¨ Сверхсложные.

Классификация прогнозов:

– В зависимости от цели исследования:

¨ Поисковые;

¨ Нормативные.

– В зависимости от области применения:

¨ Естествоведческие;

¨ Научно-технические;

¨ Обществоведческие.

– По сложности:

¨ Сверхпростые;

¨ Простые;

¨ Сложные.

– По масштабности объекта:

¨ Глобальные;

¨ Макроэкономические;

¨ Структурные;

¨ Региональные;

¨ Прогнозы развития экономических комплексов;

¨ Отраслевые;

¨ Микроэкономические.

– По времени упреждения:

¨ Текущие;

¨ Краткосрочные;

¨ Среднесрочные;

¨ Долгосрочные;

¨ Дальнесрочные.

 

Количественные признаки это признаки, имеющие числовое выражение, и они могут быть измерены по каждой единице совокупности.
Интервальный ряд динамики ряд числовых значений определенного статистического показателя, характеризующего размеры изучаемого явления за определенные промежутки /периоды, интервалы/ времени.
Моделирование воспроизведение основных характеристик исследуемого объекта на другом объекте, специально созданном для этих целей.
Модель это отображение или аналог явления или процесса в основных существенных для него чертах.  
Моментный ряд ряд числовых значений определенного статистического показателя, характеризующего размеры изучаемого явления на определенные даты, моменты времени.
Объективизация прогноза процедура выбора метода прогнозирования.
Предсказание это предвидение таких событий, количественная характеристика которых невозможна или затруднена.
Период упреждения это отрезок времени от момента, для которого имеются последние фактические данные об изучаемом объекте до момента, к которому относится прогноз.
Признак общее свойство, характерная черта или иная особенность единиц совокупности, которые могут быть наблюдаемы или измерены.
Принцип инерционности предполагает сохранение, присущих социально-экономическим явлениям, тенденций и закономерностей прошлого и настоящего в будущем.
Прогноз это количественное вероятностное утверждение в будущем о состоянии объекта, с относительно высокой степенью достоверности, на основе анализа тенденций и закономерностей прошлого и настоящего.
Прогнозирование это научно-обоснованное, основанное на системе установленных причинно-следственных связей и закономерностей, выявление состояния и вероятных путей развития явлений и процессов.
Ранг порядковый номер значения признака, расположенного в порядке возрастания или убывания величин.
Ранжирование общее свойство, характерная черта или иная особенность единиц совокупности, которые могут быть наблюдаемы или измерены.
Результативный признак предполагает сохранение, присущих социально-экономическим явлениям, тенденций и закономерностей прошлого и настоящего в будущем.
Ряд динамики это количественное вероятностное утверждение в будущем о состоянии объекта, с относительно высокой степенью достоверности, на основе анализа тенденций и закономерностей прошлого и настоящего.
Связные временные ряды это научно-обоснованное, основанное на системе установленных причинно-следственных связей и закономерностей, выявление состояния и вероятных путей развития явлений и процессов.
Статистическая информация порядковый номер значения признака, расположенного в порядке возрастания или убывания величин.
Статистическая закономерность форма проявления причинной связи, выражающаяся в последовательности, регулярности, повторяемости событий с достаточно высокой степенью вероятности, если причины, порождающие события, не изменяются или изменяются незначительно. Статистические закономерности устанавливаются на основе анализа массовых данных.
Статистическая совокупность множество единиц, обладающих массовостью, однородностью, определенной целостностью, взаимозависимостью состояний отдельных единиц и наличием вариации.
Тенденция основное направление, закономерность развития явления.
Тенденция автокорреляции тенденция изменения связи между отдельными уровнями временного ряда.
Тенденция дисперсии это изменения отклонений эмпирических значений временного ряда от значений, полученных по уравнению тренда.
Тенденция среднего уровня аналитически выражается в виде математической функции, вокруг которой варьируют фактические значения изучаемого явления.
Тренд это некоторая математическая функция f (t), которая описывает тенденцию изменения явления.
Факторные признаки это признаки, оказывающие влияние на изменение результативного признака.
Экономико-статистический анализ это разработка экономических основ на широком применении традиционных статистических и математико-статистических методов с целью контроля адекватного отражения исследуемого явления.
Экстраполяция нахождение уровней за пределами изучаемого временного ряда, то есть продление временного ряда на основе выявленной закономерности изменения уровней в изучаемый отрезок времени.

Этапы анализа:

– Формулировка целей анализа;

– Критическая оценка данных;

– Сравнительная оценка и обеспечение сопоставимости данных;

– Формирование системы обобщенных показателей;

– Регистрация и обоснование существенных свойств, сходств и различий, связей и закономерностей изучаемых явлений и процессов;

– Формулировка заключительных выводов и практических предложений о резервах развития изучаемого явления.


Список рекомендуемой литературы

Основная литература

1. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование: учебник. – М.: ФиС, 2001.

2. Вайну Я.Я. Корреляция рядов динамики. – М.: Статистика, 1977.

3. Статистическое моделирование и прогнозирование: учебное пособие / под ред. Д. Гранберг. – М.: Финансы и статистика, 1990.

4. Дуброва Т.А. Статистические методы прогнозирования. – М.: ЮНИТИ, 2003.

5. Иващенко Т.А., Кильдишев Г.С., Шмойлова Р.А. Статистическое изучение основной тенденции и взаимосвязи в рядах динамики. – Томск, издательство Томского университета, 1985.

6. Королев Ю.Г., Рабинович П.М., Шмойлова Р.А. Статистическое моделирование и прогнозирование. Учебное пособие. – М.: МЭСИ, 1985.

7. Четыркин Е.М. Статистические методы прогнозирования. – М.: Статистика, 1977.

 

Дополнительная литература

1. Андерсен Т. Статистический анализ временных рядов. – М.: Мир, 1976.

2. Венсель В.В. Интегральная регрессия и корреляция: cтатистическое моделирование рядов динамики. – М.: Финансы и статистика, 1983.

3. Кильдишев Г.С., Френкель А.А. Анализ временных рядов и прогнозирование. – М.: Статистика, 1973.

4. Ковалева Л.Н. Многофакторное прогнозирование на основе рядов динамики. – М.: Статистика, 1980.

5. Лизер Р. Эконометрические методы краткосрочного прогнозирования. – М.: Статистика, 1979.

6. Льюис Х.Д. Методы прогнозирования экономических показателей. – М.: Статистика, 1986.

7. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. – М.: Статистика, 1979.

8. Манелля А.B., Юзбашев М.М. Статистический анализ тенденций колеблемости. – М., Финансы и статистика, 1983.

9. Френкель А.А. Математические методы анализа и прогнозирования производительности труда. – М.: Экономика, 1972.

10. Эконометрика / под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2001.

Заключение

В предложенном учебном пособии рассмотрена методология комплексной оценки и анализа реальных социально-экономических явлений и процессов, представленных одномерными и многомерными временными рядами, в разрезе выявления, характеристики и моделирования тенденции и методов ее прогнозирования с учетом особенностей и специфики применяемых методов и изучаемого объекта исследования.

Статистическая методология анализа временных рядов и прогнозирования находит широкое применение во многих областях знаний как на макро-, так и на микроуровнях экономического развития, оценке эффективности, финансового состояния и финансовой устойчивости, деловой активности сегментов различных рынков и организационно-правовых структур.

Наиболее эффективным и целесообразным является широкое использование прикладного программного обеспечения при решении задач исследования конкретных социально-экономических явлений и процессов, что существенно ускоряет проведение расчетов. В этой связи распространены следующие программные продукты, такие как стандартные пакеты прикладных программ STATISTIKA, ОЛИМП, SPSS, STATGRAPHICS и другие.

 


Дата добавления: 2015-08-03; просмотров: 143 | Нарушение авторских прав


Читайте в этой же книге: Моделирование случайного компонента | Критерий «восходящих» и «нисходящих» серий. | Модели периодических колебаний | Модели связных временных рядов | Сущность и классификация статистических прогнозов | Простейшие методы прогнозной экстраполяции | Прогнозирование на основе экстраполяции тренда | Прогнозирование с учетом дисконтирования информации | Прогнозирование на основе кривых роста | Прогнозирование рядов динамики, не имеющих тенденции |
<== предыдущая страница | следующая страница ==>
Оценка точности и надежности прогнозов| Цели, задачи изучения дисциплины и сферы профессионального применения

mybiblioteka.su - 2015-2024 год. (0.011 сек.)