Data analysis and modeling of economy
Description: Within the framework of this discipline, methods of processing statistical data characterizing socio-economic processes at various levels are studied: international, countries, industries, enterprises. Proficiency in such methods as grouping, averaging, cluster formation, correlation and regression analysis, variance analysis, discriminant analysis, time series analysis, forecasting allows you to extract useful information from data to justify decisions.
Amount of credits: 5
Пререквизиты:
- Mathematics in Economics
Course Workload:
| Types of classes | hours |
|---|---|
| Lectures | 15 |
| Practical works | 30 |
| Laboratory works | |
| SAWTG (Student Autonomous Work under Teacher Guidance) | 30 |
| SAW (Student autonomous work) | 75 |
| Form of final control | Exam |
| Final assessment method |
Component: Component by selection
Cycle: Base disciplines
Goal
- Подготовка специалистов, владеющих знаниями и навыками необходимыми для аналитической работы на различных уровнях и в различных отраслях экономики.
Objective
- 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.
Learning outcome: knowledge and understanding
- 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
Learning outcome: applying knowledge and understanding
- 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.
Learning outcome: formation of judgments
- Уметь делать заключение о закономерностях, зависимостях, тенденциях, прогнозах, особенностях социально-экономического развития региона, страны, а также дальнейшего развития отдельного предприятия.
Learning outcome: communicative abilities
- Уметь формулировать, сообщать, обосновывать и доказывать выработанные заключения на любом уровне управления.
Learning outcome: learning skills or learning abilities
- Навыки самостоятельного изучения прикладных статистических программ.
Teaching methods
1) информационно-коммуникационные технологии обучения; 2) предметно-ориентированные технологии обучения
Assessment of the student's knowledge
Teacher oversees various tasks related to ongoing assessment and determines students' current performance twice during each academic period. Ratings 1 and 2 are formulated based on the outcomes of this ongoing assessment. The student's learning achievements are assessed using a 100-point scale, and the final grades P1 and P2 are calculated as the average of their ongoing performance evaluations. The teacher evaluates the student's work throughout the academic period in alignment with the assignment submission schedule for the discipline. The assessment system may incorporate a mix of written and oral, group and individual formats.
| Period | Type of task | Total |
|---|---|---|
| 1 rating | 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 rating | 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 | ||
| Total control | Exam | 0-100 |
The evaluating policy of learning outcomes by work type
| Type of task | 90-100 | 70-89 | 50-69 | 0-49 |
|---|---|---|---|---|
| Excellent | Good | Satisfactory | Unsatisfactory | |
| Работа на практических занятиях | Выполнил практическую работу в полном объеме, в ответе правильно выполняет вычисления. При ответе на вопросы правильно понимает сущность вопроса, умеет применять знания в новой ситуации, может установить связь между изучаемым изучаемым и ранее изученным материалом, а также с материалом, усвоенным при изучении других дисциплин. | Выполнил требования к оценке 5, но допущены 2-3 недочета. Ответ обучающего на вопросы удовлетворяет основным требованиям к оценке 5, но дан без применения знаний в новой ситуации, без использования связей с ранее изученным материалом и материалом, усвоенным при изучении других дисциплин. Допущены одна ошибка или не более двух недочетов, обучающийся может исправить их самостоятельно или с небольшой помощью преподавателя. | Выполнил работу не полностью, но не менее 50% объема практической работы, что позволяет получить правильные результаты и выводы. в ходе проведения работы были допущены ошибки. При ответе на вопросы обучающийся правильно понимает сущность вопроса, но в ответе имеются отдельные проблемы в усвоении вопросов курса, не препятствующие дальнейшему усвоению программного материала. Допущено не более одной грубой ошибки и двух недочетов. | Выполнил работу не полностью или объем выполненной части работ не позволяет сделать правильных выводов. При ответе на вопросы демонстрирует не владение основными знаниями и умениями в соответствии с требованиями программы. Допущены больше ошибок и недочетов, чем необходимо для оценки 3 или не может ответить нина один из поставленных вопросов. |
| Коллоквиум (сдача опорных схем) | Обучающийся демонстрирует системные теоретические знания, владеет терминологией, логично и последовательно объясняет сущность явлений и процессов, делает аргументированные выводы и обобщения, приводит примеры. | Обучающийся демонстрирует прочные теоретические знания, владеет терминологией, логично и последовательно объясняет сущность явлений и процессов, делает аргументированные выводы и обобщения, приводит примеры, но при этом делает несущественные ошибки, которые быстро исправляет самостоятельно или после незначительной коррекции преподавателем. | Обучающийся демонстрирует неглубокие теоретические знания, проявляет слабо сформированные навыки анализа явлений и процессов, недостаточное умение делать аргументированные выводы и приводить примеры, показывает недостаточное владение терминологией, делает ошибки, которые может исправить только при коррекции преподавателем. | Обучающийся демонстрирует незнание теоретических основ предмета, несформированные навыки анализа вялений и процессов, не умеет делать аргументированные выводы и приводить примеры, не владеет терминологией, делает ошибки, которые не может исправить даже при коррекции преподавателем, отказывается отвечать. |
| Задание в тестовой форме для рубежного контроля | 100-90 % правильных ответов | 89-70 % правильных ответов | 69-50 % правильных ответов | 49-0 % правильных ответов |
| Письменный экзамен (итоговый) | 100-90 % правильных ответов | 89-70 % правильных ответов | 69-50 % правильных ответов | 49-0 % правильных ответов |
Evaluation form
The student's final grade in the course is calculated on a 100 point grading scale, it includes:
- 40% of the examination result;
- 60% of current control result.
The final grade is calculated by the formula:
| FG = 0,6 | MT1+MT2 | +0,4E |
| 2 |
Where Midterm 1, Midterm 2are digital equivalents of the grades of Midterm 1 and 2;
E is a digital equivalent of the exam grade.
Final alphabetical grade and its equivalent in points:
The letter grading system for students' academic achievements, corresponding to the numerical equivalent on a four-point scale:
| Alphabetical grade | Numerical value | Points (%) | Traditional grade |
|---|---|---|---|
| A | 4.0 | 95-100 | Excellent |
| A- | 3.67 | 90-94 | |
| B+ | 3.33 | 85-89 | Good |
| B | 3.0 | 80-84 | |
| B- | 2.67 | 75-79 | |
| C+ | 2.33 | 70-74 | |
| C | 2.0 | 65-69 | Satisfactory |
| C- | 1.67 | 60-64 | |
| D+ | 1.33 | 55-59 | |
| D | 1.0 | 50-54 | |
| FX | 0.5 | 25-49 | Unsatisfactory |
| F | 0 | 0-24 |
Topics of lectures
- 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
- Корреляционный анализ данных
- Регрессионный анализ данных
- Сокращение размерности признакового пространства
- Регрессионный анализ данных
- Прогнозирование социально-экономических процессов: эконометрические методы
- Построение прогнозов не эконометрическими методами
- Классификация многомерных наблюдений
- Обработка экспертных оценок
- Имитационное моделирование
Key reading
- 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.
Further reading
- 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.
