Модели обратимых процессов

1. Выбор отрасли, по которой будет осуществляться прогнозирование;

• Образование:
• Начальное;
• Среднее;
• Высшее;
• Здравоохранение:
• Лечебно-профилактическая помощь населению;
• Заболеваемость населения;
• Культура, отдых и туризм:
• Театры;
• Цирки;
• Кинематограф;
• Выпуск книг;
• Туризм;
• Концерты;
• Добыча полезных ископаемых, обрабатывающие производства, производство и распределение электроэнергии, газа и воды
• Геологоразведочные работы;
• Добыча полезных ископаемых;
• Обрабатывающие производства;
• Производство и распределение электроэнергии, газа и воды;
• Сельское хозяйство;
• Лесное хозяйство;
• Рыболовство и рыбоводство;
• Строительство;
• Транспорт:
• Грузовые перевозки;
• Пассажирские перевозки;
• Связь;
• Информационные технологии;
• Торговля и услуги
• Оптовая торговля;
• Розничная торговля.
• Научные исследования и инновации;
• Финансы:
• Государственные финансы;
• Рынок ценных бумаг;
• Деятельность страховых организаций;
• Коммерческие организации (банковский сектор);
• Внешнеэкономическая деятельность.

1. Проведение фундаментального анализа отрасли:

После выбора отрасли студент должен осуществить экономический анализ динамики отрасли. В его основу следует положить исторический метод, который заключается в рассмотрении объекта анализа с момента его становления по настоящее время. При этом выявляются экономические причины становления и развития отрасли, факторы, оказывающие наибольшее влияние на динамику развития, способы государственной поддержки отрасли, структура отрасли и динамика основных технико-экономических показателей. Определяются основные тенденции развития отрасли и её показателей, сложившиеся к моменту написания курсовой работы. Результаты экономического анализа должны дать студенту общее понимание об особенностях этой отрасли. Студент обосновывает перечень основных показателей (хотя бы одного) развития отрасли и факторы (не менее трёх), которые, несомненно, оказывают влияние на них.

1. Сбор данных по отрасли:

Для построения прогнозных моделей студенту необходимо собрать достаточное количество статистической информации. Поскольку рассматриваются временные ряда, база прогноза должна составлять не менее 20 лет. В случае отсутствия этих данных в сборниках за текущий год, студентам следует обратиться к сборникам за предыдущие года.

1. Анализ данных и выявление ошибок:

Осуществляется анализ полученных данных на наличие в них различного рода ошибок. В случае обнаружения грубых ошибок в статистических данных, наблюдения, содержащие эту ошибку, исключаются, а исключённое значение интерполируется.

1. Выбор модели тренда:

При этом не только определяется вид модели, описывающей данные лучше всего, но и экономическое соответствие этой функции динамики рассматриваемого ряда. В результате этого студент предлагает ограниченный набор функций тренда. По этим функциям рассчитываются статистические характеристики, отражающие точность аппроксимации. В их числе обязательно рассчитываются:

• Дисперсия,
• Среднее квадратичное отклонение,
• Средняя относительная ошибка аппроксимации по двум формулам:

, .

Здесь A_first и A_second – это значение средней ошибки аппроксимации, - среднее значение по исходному ряду данных, y_t – фактическое значение на наблюдении t, - расчётное значение на наблюдении t, n – количество наблюдений.

• Коэффициент соответствия по формуле:

,

где , если ,

, если ,

, если ,

и , если .

• Коэффициент сбалансированности по формуле:

.

Из множества полученных моделей выбирается одна, описывающая исходный ряд данных наилучшим образом. По каждому показателю и фактору осуществляется среднесрочный точечный прогноза на период до 5 лет. После чего рассчитываются доверительные интервалы модели и вычисляются на этот же период верхняя и нижняя границы прогнозов.

1. Определение степени влияния фактора на показатель и формы этой зависимости:

Проводится корреляционный анализ. Рассчитываются коэффициенты парной корреляции между показателями и каждым из факторов. Кроме того, считаются коэффициенты парной корреляции факторов друг с другом. По результатам расчётов строится корреляционная матрица. Затем считаются коэффициенты согласия в динамике, на основании чего строится матрица согласований.

Делается общий вывод о мультиколлинеарности факторов.

1. Регрессионный анализ:

Проводится анализ для аддитивной модели.

При построении многофакторной модели используется 3 подхода по оцениванию коэффициентов модели:

• С помощью МНК строится система нормальных уравнений, решая которую средствами MS Excel, находятся коэффициенты;
• Коэффициенты модели находятся с помощью функции MS Excel «анализ данных»;
• Коэффициенты модели находятся с помощью функции MS Excel «Поиск решения»;

Студент сравнивает полученные модели и делает выводы об эффективности каждого метода оценивания.

Проводится расчёт статистических показателей, отражающих точность моделей.

Затем таким же образом проводится регрессионный анализ для степенной мультипликативной модели.

После этого студент выбирает ту модель, которая по его мнению наилучшим образом описывает зависимость результата от факторов.

В выбранную многофакторную модель подставляются минимальное, среднее и максимальное значения каждого из спрогнозированных факторов по годам, в результате чего получается несколько прогнозов показателей отрасли.

1. Выводы:

Студентом даётся экспертная оценка полученных результатов.