
- •Указания по использованию компьютерной техники при решении заданий
- •1. Кодировка экономической информации
- •2. Корреляционно-регрессионный анализ
- •2.1. Этапы корреляционно-регрессионного анализа
- •2.1.1. Сбор данных
- •2.1.2. Корреляционный анализ
- •2.1.3. Расчет параметров и построение регрессионных моделей
- •2.1.4. Оценка статистической значимости модели
- •2.2. Методика построения моделей
- •2.2.1. Метод исключения
- •2.2.2. Шаговый метод
- •2.2.3. Инструментарий Microsoft Excel 2000 для решения множественной регрессионной задачи
- •3. Оптимизационный анализ
- •3.1. Особенности загрузки оптимизатора
- •3.2. Инструментальные средства Microsoft Excel 2000
- •4. Прогнозирование на основе трендов
- •4.1. Сущность и виды трендов
- •4.2. Инструментарий прогнозирования в Microsoft Excel 2000
- •4.2.1. Основные Excel-инструменты для работы с динамическими рядами
- •4.2.2. Технология построения трендов в Microsoft Excel 2000
- •4.2.3. Анализ полученных трендов и прогнозирование
- •Условия контрольных и практических заданий
- •Тестовые задания
- •Список рекомендуемой литературы
- •Учебное издание
- •Родченко Владимир Борисович
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ
ХАРЬКОВСКИЙ НАЦИОНАЛЬНЫЙ УНИВЕРСИТЕТ
имени В.Н. Каразина
ЭКОНОМИЧЕСКИЙ ФАКУЛЬТЕТ
В.Б. РОДЧЕНКО
МЕТОДИЧЕСКИЕ УКАЗАНИЯ
К ВЫПОЛНЕНИЮ КОНТРОЛЬНЫХ ЗАДАНИЙ
ПО КУРСУ
«ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В МЕНЕДЖМЕНТЕ»
Харьков - 2005
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ УКРАИНЫ
ХАРЬКОВСКИЙ НАЦИОНАЛЬНЫЙ УНИВЕРСИТЕТ
имени В.Н. Каразина
ЭКОНОМИЧЕСКИЙ ФАКУЛЬТЕТ
В.Б. РОДЧЕНКО
МЕТОДИЧЕСКИЕ УКАЗАНИЯ
К ВЫПОЛНЕНИЮ КОНТРОЛЬНЫХ ЗАДАНИЙ
ПО КУРСУ
«ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В МЕНЕДЖМЕНТЕ»
Для студентов экономического факультета
заочного обучения
Харьков - 2005
УДК
Р одченко В.Б. Методические рекомендации к выполнению контрольных заданий по курсу «Информационные технологии в менеджменте». – Харьков: Харьковский национальный университет имени В.Н. Каразина, 2005. – ____с.
Методические указания к выполнению контрольных заданий по курсу «Информационные технологии в менеджменте» предназначены для студентов экономического факультета заочного обучения.
Рецензенты:
Рекомендовано Ученым Советом экономического факультета Харьковского национального университета им. В.Н. Каразина. Протокол №___ от _____________
Харьковский национальный университет имени В.Н. Каразина, 2005
Указания по использованию компьютерной техники при решении заданий
1. Кодировка экономической информации
Кодировка информации — это процесс обозначения множества объектов или сообщений набором символов заданного алфавита на основе совокупности определенных правил. Наиболее часто используются такие методы кодирования:
1) порядковый;
2) серийно-порядковый;
3) последовательный;
4) параллельный.
В случае использования порядкового метода коды объектов получаются из чисел натурального ряда. Порядковый метод применяется для кодировки однопризнаковых, постоянных и малозначащих номенклатур, например: категории персонала, статьи затрат и т.п..
Серийно-порядковый метод используется для объектов с двумя признаками и предусматривает разделение первичного множества объектов на несколько подмножеств по одному признаку и назначению серии номеров каждому подмножеству. Этот метод может применяться для кодировки по алфавиту, например, фамилий студентов с присвоением последовательных номеров по одной серии фамилиям, которые начинаются на одинаковую букву.
Последовательный метод кодировки — это образования кода классификационной группировки или объекта классификации с использованием кодов последовательно расположенных подчиненных группировок, полученных с помощью иерархического метода классификации.
Параллельный метод кодировки — это образования кода классификационной группировки или объекта классификации с использованием кодов независимых группировок, полученных с помощью фасетного метода классификации.
Последовательный и параллельный методы используются для кодировки объектов, которые характеризуются несколькими признаками и классифицируются иерархическим или фасетным методом.
2. Корреляционно-регрессионный анализ
2.1. Этапы корреляционно-регрессионного анализа
Пользуясь методами корреляционно-регрессионного анализа, аналитики измеряют тесноту связей показателей с помощью коэффициента корреляции. При этом обнаруживаются связи, различные по силе (сильные, слабые, умеренные и др.) и различные по направлению (прямые, обратные). Если связи окажутся существенными, то целесообразно будет найти их математическое выражение в виде регрессионной модели и оценить статистическую значимость модели. В экономике значимое уравнение используется, как правило, для прогнозирования изучаемого явления или показателя.
2.1.1. Сбор данных
Сбор данных создает фундамент прогнозам. Поэтому имеется ряд требований и правил, которые следует соблюдать при сборе данных. Данные должны быть наблюдаемыми, т. е. полученными в результате замера, а не расчета. Наблюдения следует спланировать.
Сколько необходимо данных для получения хорошего уравнения? По мнению одних статистиков данных необходимо в 4-6 раз больше, чем число факторов, влияние которых хотят выразить математически, по мнению других - в 7-8 раз больше числа факторов. Есть также мнения, что число наблюдений должно быть не менее чем в 5 - 6, а лучше - не менее чем в 10 раз больше числа факторов, тогда закон больших чисел, действуя в полную силу, обеспечивает Эффективное погашение случайных отклонений от закономерного характера связи - признаков.
2.1.2. Корреляционный анализ
Его цель - определить характер связи (прямая, обратная) и силу связи (связь отсутствует, связь слабая, умеренная, заметная, сильная, весьма сильная, полная связь). Корреляционный анализ создает информацию о характере и степени выраженности связи (коэффициент корреляции), которая используется для отбора существенных факторов, а также для планирования эффективной последовательности расчета параметров регрессионных уравнений. При одном факторе вычисляют коэффициент корреляции, а при наличии нескольких факторов строят корреляционную матрицу, из которой выясняют два вида связей: (1) связи зависимой переменной с независимыми, (2) связи между самими независимыми.
Рассмотрение матрицы позволяет, во первых, выявить факторы, действительно влияющие на исследуемую зависимую переменную, и выстроить (ранжировать) их по убыванию связи; во-вторых, минимизировать число факторов в модели, исключив часть факторов, которые сильно или функционально связаны с другими факторами (речь идет о связях независимых переменных между собой).
Известно, что наиболее надежными на практике бывают одно- и двухфакторные модели.
Если будет обнаружено, что два фактора имеют сильную или полную связь между собой, то в регрессионное уравнение достаточно будет включить один из них.