Статистические методы прогнозирования социально-экономических процессов в экономике

Методы математико-статистического анали­за социально-экономических явлений:

1) корреляционный анализ;

2) регрессионный анализ.

Виды зависимости между явлениями:

1) функциональная;

2) статистическая.

Функциональная зависимость – зависимость, при которой значению одной переменной обязательно соответствует одно или несколько точно заданных значений другой переменной. То есть с изменением значения одной из переменных вторая изменяется строго определенным образом.

Статистическая зависимость – зависимость, при которой каждому фиксированному значению не­зависимой переменной X соответствуют разные рас­пределения значений переменной Y. С изменением значения переменной X вторая переменная Y в оп­ределенных пределах принимает любые значения с некоторыми вероятностями, так как на Y, кроме переменной X, влияют и случайные факторы.

Графический способ выражения статисти­ческой зависимости: с помощью поля корреля­ции, при построении которого на оси абсцисс от­кладывается значение факторного признака X, а по оси ординат – результирующего У.

Корреляционный анализ – метод статистическо­го анализа взаимозависимости нескольких признаков.

Задача корреляционного анализа:

1) оценка корреляционной матрицы генеральной совокупности по выборке;

2) определение частных и множественных коэффициентов корреляции и детерминации.

Регрессионный анализ – статистический метод исследования зависимости результативной величины Y от изменений факторного признака X (аргумент).

Задачи регрессионного анализа:

1) установление формы зависимости;

2) определение функции регрессии;

3) использование уравнения для оценки неизвест­ных значений зависимой переменной.

Экономико-математические методы прогно­зирования социально-экономических явлений:

1) трендовые модели прогнозирования;

2) адаптивные методы прогнозирования.

Методология статистического прогнозиро­вания – построение и испытание многих моделей для каждого временного ряда, сравнение их на основе статистических критериев и отбор наилучших из них для прогнозирования.

Разновидности колебаний при моделирова­нии сезонных явлений:

1) мультипликативные;

2) аддитивные.

Мультипликативная модель – размах сезонных колебаний изменяется во времени пропорциональ­но уровню тренда и отражается в статистической модели множителем.

Аддитивная сезонность – процесс, когда амп­литуда сезонных отклонений постоянна и не зависит от уровня тренда, а сами колебания представлены в модели слагаемым.

Разновидности адаптивных методов прогно­зирования:

1) методы авторегрессии;

2) методы скользящего среднего (Бокса-Дженкинса и адаптивной фильтрации);

3) методы экспоненциального сглаживания.

Цель адаптивных методов: построение самонастраивающихся моделей, которые способны учитывать информационную ценность различных членов временного ряда и давать достаточно точные оцен­ки будущих членов данного ряда.

Критерии, используемые для оценки ка­чества исследуемой модели прогноза:

1) относительная ошибка аппроксимации;

2) средняя квадратическая ошибка.

В статистике под структурой понимают совокупность единиц, обладающих определенной устойчивостью внутригрупповых связей при сохранении основных призна­ков, характеризующих эту совокупность как целое.

Динамика структуры вызывает изменение внутрен­него содержания исследуемых объектов и их эконо­мической интерпретации, приводит к изменению причинно-следственных связей.

Основные направления изучения структуры включают: характеристику структурных сдвигов от­дельных частей совокупности за два и более перио­дов; обобщающую характеристику структурных сдви­гов в целом по совокупности; оценку степени концентрации и централизации.

Частные показатели структурных сдвигов: абсолютный прирост удельного веса; темп роста удельного веса; средний абсолютный прирост удель­ного веса; средний удельный вес.

Обобщающие показатели структурных сдви­гов: линейный коэффициент «абсолютных» структур­ных сдвигов; квадратический коэффициент «абсо­лютных» структурных сдвигов; квадратический коэффициент относительных структурных сдвигов; линейный коэффициент «абсолютных» структурных сдвигов за периодов.

Обобщающим абсолютным показателем изменения структуры может служить сумма модулей абсолют­ных изменений долей, выраженная в процентных пунктах: .

где – доля – й группы в текущем периоде; – доля – й группы в базисном периоде.

Показатель степени интенсивности абсолютного структурного сдвига рассчитывается по формуле: .

Чтобы избежать взаимопогашения разных по знаку изменения долей, вместо модулей можно применить квадраты и получить квадратическую меру абсолют­ного структурного сдвига в форме квадратического изменения долей: .

Наиболее информативным является относительный показатель структурного сдвига – среднее линей­ное изменение (темп прироста) по модулю: .

На основе изменения рангов долей можно постро­ить два показателя:

· линейный коэффициент изменения рангов долей, который представляет собой отношение фактической суммы модулей изменения рангов к предельно возмож­ной сумме модулей при элементах структуры, рав­ной для четного и для нечетного

· квадратический коэффициент изменения рангов долей характеризует степень интенсивности изме­нения рангов элементов структуры: .

Особенность статистического метода: диф­ференцированный подход к изучаемым объектам.

Дифференцированный подход к изучаемым объектам – это процесс, когда совокупность еди­ниц или явлений разбивается всегда на более или менее однородные группы, для того чтобы установить структуру этой совокупности и для характеристики основных типов явлений.

Дата добавления: 2014-12-29