- •1. Статистическое наблюдение, его формы, виды и способы.
- •2. Виды статистических группировок. Построение группировки по количественному признаку
- •3. Абсолютные, средние и относительные статистические показатели.
- •4 Аналитические показатели временного ряда
- •5. Индивидуальные и сводные индексы, их взаимосвязи.
- •6. Методы проверки временных рядов на наличие тенденции.
- •7. Методы выбора формы трендовой модели
- •8. Построение моделей авторегрессионных преобразований.
- •1. Основан на использовании, так называемых, последовательных или конечных разностей.
- •2. Метод отклонений эмпирических значений признака от теоретических по уравнению тренда полученных.
- •3. Метод Фриша-Воу
- •9. Прогнозирование на основе средних аналитических показателей временных рядов.
- •10. Прогнозирование на основе экстраполяции тренда.
- •11. Прогнозирование с учетом дисконтирования информации
- •12. Прогнозирование на основе кривых роста Гомперца и Перля-Рида.
- •13. Автокорреляция, ее выявление в уровнях временного ряда
- •14. Прогнозирование связных временных рядов
- •15. Оценка точности и надежности прогнозов.
- •16. Основные понятия теории выборочного наблюдения
- •17. Алгоритмы формирования выборочной совокупности
- •18. Простая случайная и систематическая выборки
- •19. Расслоенная выборка
- •20. Кластерная (сериальная) выборка
- •21.Предмет, задачи и система показателей макроэкономической статистики
- •22. Статистическое исследование результатов экономической деятельности
- •23. Статистическое исследование трудового потенциала и трудовых ресурсов
- •24. Статистическое исследование цен и ценообразования
- •25.Статистическое исследование внешней экономической деятельности
- •26. Сводный счет «Производство», его назначение и система показателей.
- •27. Методология исчисления валового внутреннего продукта и национального дохода
- •28. Межотраслевой баланс производства и распределения продукции в снс
- •29. Система макроэкономических показателей, применяемая в международной статистической практике
- •30. Предмет, метод, функции и система показателей социальной статистики
- •1. Общество, его основные характеристики и дифференциация
- •2. Условия жизни
- •3. Уровень жизни (материальная сторона)
- •4. Способ жизни и качественные аспекты жизни
- •Расчет коэффициентов корреляции Кэндела и Спирмена . [-1;1]
- •31.Статистическое исследование социальной структуры и социальной мобильности населения
- •32.Статистическое исследование жизненного уровня населения
- •33.Статистическое исследование дифференциации населения по денежным доходам
- •34.Статистическое исследование сферы обслуживания и охраны здоровья населения
- •35.Предмет, задачи и система показателей демографической статистики
- •36.Статистическое исследование численности, размещения и состава населения
- •37.Статистическое исследование естественного движения населения
- •38.Статистическое исследование миграционного движения населения.
- •39.Статистическое исследование воспроизводства населения
- •40. Понятие, принципы и методы демографического прогнозирования
- •41.Случайные величины. Закон распределение вероятностей дискретной случайной величины
- •42. Функция распределения и плотность вероятности случайной величины, их свойства
- •43. Основные числовые характеристики случайной величины и их свойства
- •44.Биноминальный и нормальный законы распределения случайной величины
- •45.Парные и частные коэффициенты корреляции, их свойства
- •46. Множественные коэффициенты корреляции и детерминации, их свойства
- •47. Понятие генеральной совокупности и выборки из нее
- •48. Определение точечной оценки (статистики) и основные требования, предъявляемые к точечной оценке (несмещенность, состоятельность, эффективность)
- •49. Интервальные оценки параметров генеральной совокупности
- •50. Интервальная оценка генеральной средней нормально распределенной генеральной совокупности.
- •51. Интервальная оценка генеральной дисперсии нормально распределенной генеральной совокупности.
- •52. Статистические гипотезы и правила их проверки. Статистические критерии.
- •53. Сущность дисперсионного анализа. Основные задачи, решаемые с его помощью
- •54. Определение оценок параметров классической линейной модели множественной регрессии с помощью метода наименьших квадратов
- •55. Факторный и компонентный анализ как методы снижения размерности
- •56. Кластерный анализ как метод многомерной классификации
- •57. Проверка значимости уравнения множественной регрессии и его коэффициентов. Интервальное оценивание коэффициентов уравнения регрессии
- •58. Гомо- и гетероскедастичность остатков в регрессионных моделях.
- •59. Обобщенный метод наименьших квадратов (омнк). Свойства омнк-оценок
- •60. Дискриминантный анализ как метод многомерной классификаций с обучением
14. Прогнозирование связных временных рядов
Связными наз ряды динамики, которые хар-ют взаимосвязь 2 или более пок-ей, эк-ки зависимых во времени. Модели связных рядов динамики выражаются моделями регрессии. Характерной особенностью связных рядов динамики в большинстве случаев явл наличие автокорреляции (авторегрессии) в уровнях.
Исходное уравнение регрессии, на основе кот осущ прогноз по связным временным рядам определяется по функции вида: , где к – кол-во факторных признаков, исп-ых для прогнозирования. Это ур-ние описывает связь между прогнозируемой величиной и факторными признаками в моментном временном ряду. Все входящие в модель факторные признаки, как правило, автокоррелированы, а в большинстве случаев коррелированны их остатки. Значит, прогнозирование непосредственно по исх модели приведет к нарушению 1 из основных условий прогнозирования, а именно независимости факторных признаков. Т.о., если осущ прогнозирование по модели данного вида, то это приводит к сильному возрастанию дисперсии к-тов регрессии. И значит расчеты не м б пригодны для построения прогнозов. Наличие автокорреляции часто приводит к возникновению ложной связи между прогнозируемым пок-лем и отобранными факторными признаками. Исключение авторегрессии м осущ неск методами: (см вопрос 8)
1. метод последовательных и конечных разностей
2. метод отклонений эмпирических значений от выровненных по уравнению тренда
3. метод Фриша - Воу
Чтобы исключить автокорреляцию и реализовать прогноз методом последовательных разностей, модель связных рядов строят не по исх значениям признака, а по цепным абс приростам данных признаков. При этом теряются не только прогностические, но и познавательные св-ва таких моделей, тк в обоих случаях исключается основная тенденция развития.
Более сильными прогнозными св-вами обладают модели, в кот в кач-ве дополнительного фактора исп время (модели методом Фриша-Воу). Но в этом случае прогнозные св-ва модели будут базироваться на том, что все факторные признаки описываются только одной ф-ой тренда. Фактор времени заводится в линейной форме. На практике возможно допущение, что фактор времени опред не линейной функцией. Это допущение возможно в случае, если на основе перебора различных форм трендовых моделей исследователем доказано, что большинство (70%), если не все факторные признаки и результативный изменяются по 1 и тому же полиному, отличному от линейного.
В отд случаях для расширения прогностических св-в исходных данных и исключения автокорреляции идут на значительное увеличение исходных наблюдений. То исп-ется искусственный метод «заводо-лет». Модели, построенные по связным рядам динамики, обладают слабыми прогностическими св-вами и м б исп-ны для построения краткосрочных прогнозов. А в отд случаях – среднесрочных, при выполнении след условий:
1. все факторные признаки и моделируемый д иметь тенденцию, описываемую линейным трендом.
2. Наличие дост длинных рядов динамики с тем, чтобы получить ряды к-тов регрессии, на основе которых определять прогнозные оценки факторных признаков с последующим включением их в прогнозную модель.
содержание