Електронна бібліотека підручників
Головна arrow Економіка (різне) arrow Статистичне моделювання та прогнозування (Єріна А.М.)  
09.11.2016
Статистичне моделювання та прогнозування (Єріна А.М.)

   У навчальному посібнику розглядаються методологічні принципи статистичного моделювання та прогнозування соціально-економічних явищ і процесів, різні модифікації моделей динаміки, структури і взаємозв’язків, умови адаптації їх до специфіки об’єктів моделювання.
   Аналітичні можливості та межі застосування конкретних моделей ілюструються на прикладах, різних за соціально-економічним змістом та інформаційною базою. Розрахунки виконано за технологіями статистичного аналізу та обробки даних, реалізованими в системі Statistica V.5.
   Для студентів, аспірантів, викладачів, науковців і практиків — усіх, хто прагне опанувати методи поглибленого аналізу закономірностей формування масових соціально-економічних явищ і передбачення їх розвитку в умовах невизначеності.

ЗМІСТ

Передмова  3

Розділ 1. Методологічні основи статистичного моделювання та прогнозування  5
1.1. Логіка прикладного статистичного моделювання  5
1.2. Сутність і види статистичних прогнозів  8
1.3. Метод експертних оцінок  12
1.4. Комп’ютерні технології статистичного моделювання  15
Завдання для самоконтролю  18

Розділ 2. Описування об’єкта моделювання  20
2.1. Формування інформаційної бази моделі  20
2.2. Розвідувальний аналіз даних  23
2.3. Багатовимірне ранжування  26
Завдання для самоконтролю  33

Розділ 3. Моделі класифікації  36
3.1. Однорідність і типологія  36
3.2. Кластерні процедури класифікації  42
3.3. Класифікація на основі дискримінантної функції  48
Завдання для самоконтролю  52

Розділ 4. Моделювання та прогнозування динаміки  56
4.1. Основні засади моделювання динаміки  56
4.2. Типи трендових моделей  62
4.3. Короткострокове прогнозування на основі ковзних середніх  66
4.4. Оцінювання сезонної компоненти  71
4.5. Модель ARIMA  75
4.6. Моделювання повних циклів  79
Завдання для самоконтролю  83

Розділ 5. Основи моделювання взаємозв’язків  86
5.1. Типи моделей взаємозв’язку  86
5.2. Багатофакторні індексні моделі  89
5.3. Класична регресія  93
5.4. Забезпечення адекватності регресійної моделі  101
Завдання для самоконтролю  104

Розділ 6. Розширена регресія  108
6.1. Регресія на змішаних факторних множинах  108
6.2. Адаптація регресійної моделі до неоднорідної сукупності  112
6.3. Регресія на групуваннях  116
6.4. Модель стандартизованих групувань  119
Завдання для самоконтролю  123

Розділ 7. Багатофакторне прогнозування  126
7.1. Особливості моделювання взаємозв’язаних динамічних рядів  126
7.2. Динамічна модель для сукупності об’єктів  130
7.3. Нелінійна регресія  133
Завдання для самоконтролю  136

Розділ 8. Моделювання причинних комплексів  140
8.1. Структура взаємозв’язків і структурна форма моделі  140
8.2. Рекурентна модель  144
Завдання для самоконтролю  146

Розділ 9. Модель головних компонент  149
9.1. Концепція методу головних компонент  149
9.2. Ідентифікація та вимірювання головних компонент  154
Завдання для самоконтролю  159
Література  161

Додатки  162

Передмова

   Статистичний аналіз даних стає невід’ємним атрибутом системи управління на усіх її рівнях — від невеликої фірми до національної економіки в цілому. Статистичні моделі використовують для діагностики стану об’єктів управління, при вивченні причинно-наслідкового механізму формування варіації та динаміки соціально-економічних явищ і процесів, у моніторингу економічної кон’юнктури, при прогнозуванні та прийнятті оптимальних управлінських рішень.
   Оволодіння багатим арсеналом методів статистичної обробки даних з використанням комп’ютерних технологій є важливою складовою професійної підготовки економіста. Саме цій меті підпорядковано курс “Статистичне моделювання та прогнозування”. Відповідно до програми курсу в навчальному посібнику розглядаються:
   - методологічні принципи статистичного моделювання та прогнозування, перевірки гіпотез і верифікації прогнозів;
   - моделі багатовимірних оцінок (рейтингів, латентних факторів) і моделі класифікацій;
   - різноманітні моделі динаміки (трендові, сезонного ритму, повного циклу), комплексне їх використання при прогнозуванні;
   - модифікації множинної регресії; адаптація основних засад регресійного аналізу до специфіки об’єктів моделювання та інформаційної бази;
   - моделі багатофакторного прогнозування за даними взаємозв’язаних динамічних рядів;
   - моделювання причинних комплексів системами рівнянь.
   При викладенні навчального матеріалу наголошується на двох аспектах:
   1) на аналітичних можливостях і межах застосування кожного типу моделей;
   2) на використанні інтегрованої системи обробки даних Statistica, яка надає користувачеві унікальні можливості поглибленого аналізу статистичних закономірностей.
   Логічна структура аналізу ілюструється на конкретних прикладах соціально-економічного змісту (за умовними даними). Для кожного типу моделей розглядаються принципи формування інформаційної бази, вибору процедур аналізу, інтерпретації результатів. Методологія обробки даних у системі Statistica ґрунтується на електронних таблицях типу MS Excel.
   Акцентуючи увагу студентів на параметрах моделей, таблиці з результатами аналізу і графіки наводяться у стандартному вигляді англійською мовою. Специфікація включених у модель ознак і змістовна інтерпретація параметрів моделі розкривається в коментарях до таблиць і графіків.
   Для ймовірнісної оцінки параметрів моделей у таблицях результатів пропонуються фактичні рівні істотності p-level. З метою самостійної перевірки гіпотез щодо окремих властивостей процесу чи адекватності моделі в цілому в додатках наведено фрагменти таблиць найпоширеніших статистичних критеріїв.
   Посібник рекомендується для студентів, аспірантів, викладачів, науковців і практиків, діяльність яких пов’язана з обробкою та аналізом статистичної інформації.


Формат: DOC
Мова: Українська


 
< Попередня   Наступна >
Реклама