Анализ данных и моделирование экономики
Beschreibung: Дисциплина направлена на изучение методов работы с массивами социально-экономических данных, приобретение навыков их обработки и компактного представления. В курсе рассматриваются методы извлечения из статистических данных полезной информации о причинно-следственных связях, временных тенденциях, схожести объектов или явлений, методы упрощения данных, моделирования и построения прогнозов.
Betrag der Credits: 5
Пререквизиты:
- Статистика
Arbeitsintensität der Disziplin:
| Unterrichtsarten | Uhr |
|---|---|
| Vorträge | 15 |
| Praktische Arbeiten | 30 |
| Laborarbeiten | |
| AASAL (Autonomes Arbeiten der Schüler unter Anleitung des Lehrers) | 30 |
| SE (Studentisches Eigenarbeiten) | 75 |
| Endkontrollformular | экзамен |
| Form der Endkontrolle |
Komponente: Компонент по выбору
Zyklus: Базовые дисциплины
Цель
- Приобретение знаний и развитие навыков обработки экономической информации с помощью математико-статистических методов и приемов, знаний и навыков извлечения из статистических данных полезной информации для управления явлениями и процессами.
Задача
- 1) теоретическая и практическая подготовка студентов в области моделирования и прогнозирования экономических процессов; 2) овладение студентами методами приведения данных в удобный вид для дальнейшей аналитической работы; 3) освоение и применение пакетов прикладных программ для анализа статистических данных.
Результат обучения: знание и понимание
- Знать и понимать: 1) математические методы приведения статистических данных экономической природы в удобный вид для анализа и принятия управленческого решения; 2) математические методы выявления зависимостей, тенденций, закономерностей; 3) математические методы моделирования и прогнозирования экономических показателей; 4) методы проведения факторного анализа; 5) подходы к формированию и назначение кластеров; 6) способы обработки экспертных данных; 7) проведение и назначение имитационного моделирования
Результат обучения: применение знаний и пониманий
- Уметь: 1) приводить статистические данные в удобный для анализа вид с помощью формирования рядов вариации, группировки, средних величин; 2) графически представлять данные; 3) рассчитывать числовые характеристики вариационных рядов и формулировать выводы по результатам; 4) выявлять наличие и степень зависимости социально-экономических величин и показателей; 5) выявлять тенденции и закономерности в социально-экономическом развитии; 6) анализировать временные ряды; 7) строить прогноз с помощью математического моделирования и оценивать его надежность и достоверность; 8) строить прогноз с помощью других неэконометрических методов; 9) формировать кластеры; 10) проводить имитационное моделирование; 11) обрабатывать данные, полученные экспертным путем.
Результат обучения: формирование суждений
- Уметь делать заключение о закономерностях, зависимостях, тенденциях, прогнозах, особенностях социально-экономического развития региона, страны, а также дальнейшего развития отдельного предприятия.
Результат обучения: коммуникативные способности
- Уметь формулировать, сообщать, обосновывать и доказывать выработанные заключения на любом уровне управления.
Результат обучения: навыки обучения или способности к учебе
- Навыки самостоятельного изучения прикладных статистических программ.
Lehrmethoden
1) информационно-коммуникационные технологии обучения; 2) предметно-ориентированные технологии обучения
Bewertung des Wissens der Studierenden
| Period | Art der Aufgabe | Gesamt |
|---|---|---|
| 1 Bewertung | Задачи на определение типа экономических данных | 0-100 |
| Задачи на расчет средних величин | ||
| Задачи на расчет показателей вариации | ||
| Задачи на построение парной линейной модели данных методом наименьших квадратов и оценка качества модели | ||
| Задачи на построение парных нелинейных моделей данных методом наименьших квадратов и оценка качества модели | ||
| 2 Bewertung | Задачи на выбор наилучшего варианта сглаживания временного ряда | 0-100 |
| Задачи на построение многофакторной модели и ее оптимизации | ||
| Задачи на построение прогнозов неэконометрическими методами и выбор наиболее надежного метода | ||
| Задачи на формирование кластеров | ||
| Задачи на сокращение размерности признакового пространства | ||
| Endkontrolle | экзамен | 0-100 |
Die Bewertungspolitik der Lernergebnisse nach Arbeitstyp
| Art der Aufgabe | 90-100 | 70-89 | 50-69 | 0-49 |
|---|---|---|---|---|
| Exzellent | Gut | Befriedigend | Ungenügend |
Bewertungsbogen
Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:
- 40% результата, полученного на экзамене;
- 60% результатов текущей успеваемости.
Формула подсчета итоговой оценки:
| И= 0,6 | Р1+Р2 | +0,4Э |
| 2 |
где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.
Итоговая буквенная оценка и ее цифровой эквивалент в баллах:
Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:
| Оценка по буквенной системе | Цифровой эквивалент | Баллы (%-ное содержание) | Оценка по традиционной системе |
|---|---|---|---|
| A | 4.0 | 95-100 | Отлично |
| A- | 3.67 | 90-94 | |
| B+ | 3.33 | 85-89 | Хорошо |
| B | 3.0 | 80-84 | |
| B- | 2.67 | 75-79 | |
| C+ | 2.33 | 70-74 | |
| C | 2.0 | 65-69 | Удовлетворительно |
| C- | 1.67 | 60-64 | |
| D+ | 1.33 | 55-59 | |
| D | 1.0 | 50-54 | |
| FX | 0.5 | 25-49 | Неудовлетворительно |
| F | 0 | 0-24 |
Темы лекционных занятий
- Экономические данные и методы их обработки: роль информации, данных в принятии управленческих решений; типы экономических данных; роль математических методов в обработке статистических данных; базовые понятия математической статистики.
- Первичная обработка статистических данных с помощью средних величин: аналитические и структурные средние.
- Первичная обработка статистических данных с помощью показателей вариации: дисперсия, средние отклонения, коэффициент вариации; виды дисперсии; дисперсионный анализ статистических данных.
- Прогнозирование социально-экономических процессов: методы построения прогнозов; понятие зависимости прогнозируемой величины от факторов; строгая функциональная зависимость и ее особенности; корреляционная зависимость и ее особенности; понятие и назначение математической модели и ее виды; строгие функциональные и корреляционные модели; корреляционный анализ статистических данных.
- Построение парных линейных и нелинейных математических моделей для прогноза. Понятие тенденции временного ряда и способы ее выявления. Структура временного ряда. Виды трендов и методы их построения. Структура временного ряда и построение прогнозных моделей, содержащих сезонную компоненту, трендовую компоненту и случайную компоненту. Показатели качества прогнозной модели.
- Сглаживание временного ряда: назначение, способы. Средние величины для сглаживания ряда динамики: скользящие и экспоненциальные средние.
- Построение линейных и нелинейных многофакторных функций прогнозирования. Формирование факторной системы для множественной функции прогнозирования.
- Неэконометрические методы построения прогноза: метод среднего индекса роста, прогноз с помощью скользящих и экспоненциальных средних.
- Методы Холта и Брауна для построения прогноза социально-экономического показателя.
- Анализ методов построения прогнозов, выявление достоинств и недостатков.
Основная литература
- 1 Мхитарян В.С. Анализ данных. Учебник. - М.: Юрайт, 2018. 2 Светуньков И.В. Методы социально-экономического прогнозирования в двух томах. Учебник и практикум для академического бакалавриата. – М.: Юрайт, 2018. 3 Садовникова Н.А. Анализ временных рядов и прогнозирование. Учебник. – М.: Синергия, 2016. 4 Невская Н.А. Макроэкономическое планирование и прогнозирование. Учебник и практикум для академического бакалавриата. – М.: Юрайт, 2016. 5 Клинов В.Г. Прогнозирование долгосрочных тенденций в развитии мирового хозяйства. Учебное пособие. – М.: Магистр, 2017. 6 Эконометрика: учебник / под ред. И.И. Елисеевой. – М.: Проспект, 2014. 7 Антохонова И.В. Методы прогнозирования социально-экономических процессов: учебное пособие. – М.: Юрайт, 2018.
Дополнительная литература
- 1) Сигал А.В. Моделирование экономики. Учебное пособие.-М.: Инфра-М, 2021. 2) Орлова И.В. Экономико-математические методы и модели. Компьютерное моделирование. Учебное пособие. - М.: Вузовский учебник, 2018. 3) Козлов А.Ю., Мхитарян В.С. Статистический анализ данных в MS Excel. Учебное пособие.-М.: Инфра-М, 2019.
