Прогнозирование социально-экономических процессов
内容描述: Дисциплина направлена на изучение математических и статистических методов построения прогнозов социально-экономических явлений и процессов. Рассматриваются такие методы, как моделирование, сглаживание временных рядов, усреднение с использованием различных видов средних величин, методы Холта и Брауна. Большое внимание уделяется изучению методов подготовки статистических данных для построения прогноза и оценке его достоверности.
贷款数: 5
*СomplexityDiscipline(zh-CN)*:
| *TypesOfClasses(zh-CN)* | *hours(zh-CN)* |
|---|---|
| *Lectures(zh-CN)* | 15 |
| *PracticalWork(zh-CN)* | 30 |
| *LaboratoryWork(zh-CN)* | |
| *srop(zh-CN)* | 30 |
| *sro(zh-CN)* | 75 |
| *FormOfFinalControl(zh-CN)* | экзамен |
| *FinalAssessment(zh-CN)* |
零件: Компонент по выбору
循环次数: Базовые дисциплины
Цель
- Формирование у обучающихся комплекса знаний о современных методах прогнозирования, перспектив развития различных экономических и социальных явлений.
Задача
- 1) приобретение обучающимися навыков обработки социально-экономической статистической информации; 2) приобретение обучающимися навыков построения экономических моделей и их использования в социально-экономическом прогнозировании; 3) приобретение обучающимися навыков применения неэконометрических методов прогнозирования.
Результат обучения: знание и понимание
- Знать и понимать эконометрические методы построения прогноза; Знать и понимать неэконометрические методы построения прогноза.
Результат обучения: применение знаний и пониманий
- Уметь выявлять наличие и степень зависимости социально-экономических величин и показателей; Уметь выявлять тенденции и закономерности в социально-экономическом развитии; Уметь анализировать временные ряды; Уметь строить прогноз с помощью математического моделирования и оценивать его надежность и достоверность; Уметь строить прогноз с помощью методов сглаживания временных рядов
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
- Данные навыки развиваются посредством выполнения индивидуальных заданий, направленных на самостоятельный поиск информации, самостоятельный выбор метода обработки данных, самостоятельный выбор и обоснование метода построения прогноза.
*TeachingMethods(zh-CN)*
При проведении учебных занятий предусматривается использование следующих образовательных технологий: 1) технологии проблемно- и проектно- ориентированного обучения: обучение по методу проектов строится как процесс поиска решения какой-то проблемы (теоретической или практической) через постановку нескольких конкретных, логически связанных между собой по содержанию задач. При этом тематика проектов формулируется в рамках утвержденной учебной программы по дисциплине. Проект выполняется в течение определенного отрезка времени и с различным составом обучающихся (индивидуальное, парное, групповое обучение). 2) деловая игра: метод, направленный на создание атмосферы реальной практической ситуации, в которой обучающийся, выполняя определенную роль, решает конкретную поставленную задачу или проблему; 3) исследовательские методы в обучении: реализуются через осуществление исследовательской деятельности во время организации самостоятельной работы обучающихся, предусматривает выполнение заданий, содержащих элементы НИР (например, работа с базами статистических данных и выявление тенденций и закономерностей в экономике региона, страны; выбор и обоснование наилучшего варианта проведения расчетов и т.д.). 4) информационно-коммуникационные (в том числе дистанционные образовательные) технологии: применение современных информационно-коммуникационных технологий позволяет организовать оптимальное взаимодействие между студентом и преподавателем с целью достижения результата обучения. 5) коммуникативные технологии: дискуссия, мозговой штурм как форма творческой, коллективной работы для поиска решений поставленных проблем.
*AssessmentKnowledge(zh-CN)*
Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.
| *Period2(zh-CN)* | *TypeOfTask(zh-CN)* | *Total(zh-CN)* |
|---|---|---|
| 1 *Rating(zh-CN)* | Решение задач на практическом занятии | 0-100 |
| Решение задач на практическом занятии | ||
| Решение задач на практике | ||
| Решение задач на практике | ||
| Решение задач на практике | ||
| Выполнение 1 задания СРС 1 | ||
| 2 *Rating(zh-CN)* | Участие в деловой игре | 0-100 |
| Участие в деловой игре | ||
| Решение задач на практике | ||
| Решение задач на практике | ||
| Выполнение задания СРС 2 | ||
| *TotalControl(zh-CN)* | экзамен | 0-100 |
*PolicyAssignmentTask(zh-CN)*
| *TypeOfTask(zh-CN)* | 90-100 | 70-89 | 50-69 | 0-49 |
|---|---|---|---|---|
| Excellent | *Grade4(zh-CN)* | *Grade3(zh-CN)* | *Grade2(zh-CN)* |
*EvaluationForm(zh-CN)*
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. Типы экономических данных (количественные, номинальные, ранговые, абсолютные, относительные, средние). Роль информации, данных и прогноза в принятии управленческих решений. Роль математических методов в обработке статистических данных. Базовые понятия математической статистики.
- Средние величины. Первичная обработка статистических данных с помощью средних величин. Аналитические и структурные средние: порядок расчета, применение, достоинства и недостатки. Простые и взвешенные средние величины. Назначение средних величин.
- Показатели вариации. Первичная обработка статистических данных с помощью показателей вариации: дисперсия, среднее отклонение, коэффициент вариации. Виды дисперсии. Дисперсионный анализ статистических данных. Назначение и практическое применение показателей вариации.
- Методы прогнозирования социально-экономических процессов. 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. Виды парных регрессионных моделей. Выбор вида модели. Метод наименьших квадратов и центральных точек построения модели. Оценка качества прогнозной модели. Понятие тенденции временного ряда и способы ее выявления. Структура временного ряда (основная, сезонная и случайные компоненты). Сглаживание временных рядов. Виды трендов и методы их построения. Построение прогнозной функции с учетом сезонной компоненты. Построение парных моделей в MExcel.
- Сглаживание временного ряда. Назначение, способы и способы сглаживания. Средние величины для сглаживания ряда динамики: скользящие и экспоненциальные средние. Простые и взвешенные скользящие средние и особенности их применения. Треугольник Паскаля. Сглаживание рядов динамики в MExcel.
- Построение линейных и нелинейных многофакторных функций прогнозирования. Формирование факторной системы для множественной функции прогнозирования. Метод наименьших квадратов для построения многофакторных прогнозных функций. Построение многофакторных моделей в MExcel.
- Неэконометрические методы построения прогноза. Метод среднего индекса роста. Прогноз с помощью скользящих и экспоненциальных средних. Выбор наилучшего способа построения прогноза.
- Методы Холта и Брауна для построения прогноза социально-экономического показателя. Сущность метода. Особенности и возможности применения. Практические примеры.
- Анализ методов построения прогнозов. Выявление достоинств и недостатков, а также возможностей применения следующих методов построения прогноза: прогноз с помощью уравнений регрессии, прогноз с помощью прогнозных функций, прогноз с помощью скользящих и экспоненциальных средних, прогноз методом Брауна и Холта, прогноз с помощью среднего темпа роста показателя.
Основная литература
- 1 Светуньков И.В. Методы социально-экономического прогнозирования в двух томах. Учебник и практикум для академического бакалавриата. – М.: Юрайт, 2018. 2 Садовникова Н.А. Анализ временных рядов и прогнозирование. Учебник. – М.: Синергия, 2016. 3 Невская Н.А. Макроэкономическое планирование и прогнозирование. Учебник и практикум для академического бакалавриата. – М.: Юрайт, 2016. 4 Клинов В.Г. Прогнозирование долгосрочных тенденций в развитии мирового хозяйства. Учебное пособие. – М.: Магистр, 2017. 5 Антохонова И.В. Методы прогнозирования социально-экономических процессов: учебное пособие. – М.: Юрайт, 2018. 6 Льюис К.Д. Методы прогнозирования экономических показателей. - М.: Финансы и статистика, 2014.
Дополнительная литература
- 1 Федосеев В.В. Экономико-математические модели и прогнозирование рынка труда. Учебное пособие. – М.: Вузовский учебник, 2016.
- 2 Эконометрика: учебник / под ред. И.И. Елисеевой. – М.: Проспект, 2014.
- 3 Венецкий И.Г. Основные математико-статистические понятия и формулы в экономическом анализе. - М.: Статистика, 2014.
