Анализ данных и моделирование экономики
内容描述: В рамках данной дисциплины изучаются методы обработки статистических данных, характеризующих социально-экономические процессы на различных уровнях: международный, страны, отрасли, предприятия. Владения такими методами, как группировка, усреднение, формирование кластеров, корреляционно-регрессионный анализ, дисперсионный анализ, дискриминантный анализ, анализ временных рядов, прогнозирование позволяет извлекать из данных полезную информацию для обоснования принимаемых решений.
贷款数: 5
Пререквизиты:
- Статистика
*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)* | Письменный экзамен |
零件: Компонент по выбору
循环次数: Базовые дисциплины
Цель
- Подготовка специалистов, владеющих знаниями и навыками необходимыми для аналитической работы на различных уровнях и в различных отраслях экономики.
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.
*TeachingMethods(zh-CN)*
1) информационно-коммуникационные технологии обучения; 2) предметно-ориентированные технологии обучения
*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)* | 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(zh-CN)* | 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 | ||
| *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)* | |
| 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 |
*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 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. Первичная обработка статистических данных с помощью относительных величин.
- Корреляционный анализ данных. Сущность и назначение корреляционного анализа данных. Виды причинно-следственных связей. Особенности корреляционных связей. Оценка тесноты связи между количественными переменными. Оценка тесноты связи между ранговыми переменными. Оценка тесноты связи между качественными переменными.
- Регрессионный анализ данных. Понятие экономико-математической модели и уравнения регрессии. Виды уравнений регрессии. Парные модели. Линейные и нелинейные экономико-математические модели. Метод наименьших квадратов - как инструмент экономико-математического моделирования. Оценка качества уравнений регрессии.
- Сокращение размерности признакового пространства. Подбор факторов для экономико-математической модели. Способы сокращения количества факторов. Оптимизация многофакторной экономико-математической модели.
- Регрессионный анализ данных. Многофакторные линейные и нелинейные модели. Метод наименьших квадратов как инструмент построения многофакторных линейных и нелинейных уравнений регрессии. Оценка качества многофакторного уравнения регрессии.
- Прогнозирование социально-экономических процессов: эконометрические методы. Построение прогнозных функций. понятие и виды трендов. Структура временного ряда. Основная, сезонная и случайная компоненты временного ряда. Сглаживание временного ряда скользящими и экспоненциальными средними. Оценка качества прогнозной функции.
- Построение прогнозов не эконометрическими методами. Метод среднего темпа роста. Метод скользящих средних. Метод экспоненциальных средних. Метод Холта.
- Классификация многомерных наблюдений. Кластерный анализ данных. Критерии оценки близости и сходства элементов многомерной совокупности. Эвклидово расстояние.
- Обработка экспертных оценок. Методы получения экспертных данных. Методы обработки экспертных данных. Коэффициенты ранговой корреляции: парные и множественные.
- Имитационное моделирование
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.
