- •Экономико-математические методы и модели
- •Содержание
- •Лекция 1. Теоретические основы экономико-математического моделирования
- •1 Объекты изучения и методы исследования курса «Экономико-математические методы и модели»
- •2 Понятие экономико-математической модели и моделирования
- •3 Классификация экономико-математических моделей
- •4 Основные этапы экономико-математического моделирования
- •5 Программное обеспечение экономико-математического моделирования
- •Лекция 2. Система экономико-математических моделей оптимального планирования и управления
- •1 Понятие оптимизационных задач и оптимизационных моделей
- •2 Методика построения оптимизационной модели
- •3 Основные типы линейных экономико-математических моделей
- •1.3 Модели рационального распределения материальных ресурсов. В общем виде данная задача может быть сформулирована следующим образом:
- •Лекция 3. Экономико-статистическое моделирование и прогнозирование
- •1 Понятие экономико-статистической модели
- •2 Основные инструменты анализа экономических данных1
- •3 Применение корреляционного анализа для решения экономических задач1
- •4 Применение регрессионного анализа для решения экономических задач1
- •5 Трендовые модели прогнозирования экономических процессов
- •Лекция 4. Модели оптимального управления товарными запасами
- •1 Основные понятия экономико-математических моделей управления запасами
- •2 Модели управления однономенклатурными запасами1
- •3 Модели управления многономенклатурными запасами2
- •Лекция 5. Модели систем массового обслуживания
- •1 Понятие о системах массового обслуживания (смо)
- •2 Основные характеристики смо1
- •3 Классификация смо
- •4 Экономико-математическая постановка задач массового обслуживания
- •Лекция 6. Методы и модели сетевого планирования и управления
- •1 Особенности и назначение систем сетевого планирования и управления
- •2 Основные понятия, определения и графические обозначения спу
- •3 Правила построения сетевых графиков
- •4 Основные параметры сетевых моделей и методы их расчета
- •5 Постановка задач для решения методами спу
- •6 Виды и сущность оптимизации сетевых моделей
- •Лекция 7. Экономико-математические методы и модели теории игр
- •1 Предмет и задачи теории игр
- •2 Матричные игры с нулевой суммой
- •3 Решение матричных игр в чистых стратегиях
- •4 Решение матричных игр в смешанных стратегиях
- •5 Решение статистических игр по различным критериям
- •Лекция 8. Модели межотраслевого баланса
- •1 Общие понятия балансового метода
- •2 Принципиальная схема межотраслевого баланса
- •3 Экономико-математическая модель межотраслевого баланса
- •Литература
Лекция 3. Экономико-статистическое моделирование и прогнозирование
Учебные вопросы
1 Понятие экономико-статистической модели.
2 Основные инструменты анализа экономических данных.
3 Применение корреляционного анализа для решения экономических задач.
4 Применение регрессионного анализа для решения экономических задач.
5 Трендовые модели прогнозирования экономических процессов.
1 Понятие экономико-статистической модели
Наиболее широкое распространение при построении прогнозов развития в практике коммерческой деятельности получили экономико-статистические модели, которые описывают зависимость исследуемого экономического показателя от одного или нескольких факторов, оказывающих на него существенное влияние.
Закономерности в экономике могут выражаться в виде математических моделей связей и зависимостей экономических показателей. Такие зависимости и модели получают только путем обработки реальных статистических данных с учетом внутренних механизмов связи и случайных факторов. Наличие и качество информационного обеспечения, реальные возможности сбора и обработки первичной информации во многом определяют как сферу практического применения статистического моделирования в экономике, так и выбор различных видов прикладных моделей.
Строить экономико-статистические модели и оценивать их параметры, проверять гипотезы о свойствах экономических показателей и формах их связей помогает математическая статистика — теория обработки и анализа данных. Ее применение в экономике служит основой для экономического анализа и прогнозирования, что в конечном счете создает возможности для принятия обоснованных экономических решений.
Экономические данные обычно делят на два вида: перекрестные данные и временные ряды. Особенности их формирования впоследствии определяют выбор тех или иных методов обработки и анализа данных, построения моделей, отражающих связи и зависимости показателей.
Перекрестные данные — это данные по какому-либо экономическому показателю, полученные для разных однотипных объектов (фирм, регионов, отдельных видов товаров и др.). При этом либо все данные относятся к одному и тому же моменту времени, либо их временная принадлежность несущественна. Такие данные особенно ценны при изучении конкурентных преимуществ экономического объекта, сравнительной оценке его эффективности с целью определения реального положения на рынке, а также для выявления общей, характерной для всей совокупности отобранных объектов, зависимости какого-либо экономического показателя от действия заданных факторов в конкретный момент времени. Примером перекрестных данных может быть набор сведений (объем реализации, количество работников, уровень доходов и т.д.) о разных торговых предприятиях в один и тот же момент времени.
Временные ряды — это данные, характеризующие один и тот же объект, но в различные моменты времени, т.е. в качестве признака упорядочения данных в таких рядах берется время. Примером временных рядов могут быть ежеквартальные данные об объеме товарооборота, средней заработной плате, данные об инфляции, уровне доходов, затрат за последние несколько лет. Временной ряд, состоящий из n-уровней у1, y2, …, yn может быть записан в компактной форме: yt, t = 1, 2, ..., n, где t — порядковый номер наблюдения.
Основными требованиями, предъявляемыми к исходным данным, являются требования сопоставимости, достаточной представительности для выявления закономерности, однородности и устойчивости. Невыполнение одного из этих требований делает бессмысленным применение математического аппарата.
Сопоставимость данных достигается в результате одинакового подхода к наблюдениям на разных этапах формирования ряда динамики. Данные каждого ряда должны выражаться в одних и тех же единицах, иметь одинаковый шаг наблюдений, рассчитываться для одного и того же интервала времени, по одной и той же методике, охватывать одни и те же элементы, принадлежащие одной территории, относящейся к неизменной совокупности.
Представительность данных характеризуется их полнотой. Достаточное число наблюдений определяется в зависимости от цели проводимого исследования. Если целью является описательный статистический анализ, то в качестве изучаемого интервала времени можно выбрать любой, по своему усмотрению. Если же цель исследования — построение модели динамики, то число уровней исходного динамического ряда должно не меньше, чем в 3 раза превышать период упреждения прогноза и быть не менее 7. В случае использования квартальных или помесячных данных для исследования сезонности и прогнозирования сезонных процессов исходный временной ряд должен содержать квартальные либо помесячные данные не менее, чем за 4 года, даже если требуется прогноз на 1-2 квартала (месяца).
Однородность данных предполагает отсутствие нетипичных, аномальных наблюдений, а также изломов сложившихся тенденций. Аномальность приводит к смещению оценок и, следовательно, к искажению результатов анализа. Изломы тенденций свидетельствуют об изменении закономерностей протекания процесса.
Устойчивость данных отражает преобладание закономерности над случайностью в изменении уровней ряда. Свойство устойчивости легче всего проследить графически. На графиках устойчивых временных рядов даже визуально прослеживается закономерность, а на графиках неустойчивых рядов изменения последовательных уровней представляются хаотичными, и поэтому поиск закономерностей в формировании значений уровней таких рядов лишен смысла.