- •С.А Логвинов, е.Г. Павлова макроэкономическое планирование и прогнозирование
- •С.А Логвинов, е.Г. Павлова макроэкономическое планирование и прогнозирование
- •Оглавление Введение
- •Методические указания по работе с плановой и социально-экономической информацией
- •1. Основные понятия статистики
- •1.1. Массив статистических данных
- •1.2. Статистические признаки
- •2.1. Получение статистического числового материала
- •2.1.2. Сбор статистического материала
- •2.2. Построение рядов распределения
- •2.3. Ошибки в статистических данных
- •3. Вычисления со знаком суммирования
- •3.1. Вводные замечания
- •3.2. Правила вычисления
- •4.1. Стандартное отклонение и дисперсия
- •5. Относительные числа и общие индексы
- •5.1. Относительные числа
- •6. Регрессионный анализ
- •6.1. Основные положения
- •6.2. Регрессионная прямая
- •6.3. Корреляция
- •8.2. Вводные замечания к теории оценивания
- •9. Проверка гипотез
- •9.2. Виды ошибок при проверке гипотез
- •Глава 1 Макроэкономичекое планирование и прогнозирование в системе регулирования социального рыночного хозяйства
- •1.1. Социальное рыночное хозяйство и проблемы его регулирования в российской федерации
- •1.2. Макроэкономическое планирование и прогнозировнаие как элемент системы государственного регулирования экономических и социальных процессов
- •1.3. Макропланирование и прогнозирование как наука
- •Глава 2 Методология и организация макропланирования и прогнозирования в Российской Федерации
- •2.1. Система методологии макропланирования и прогнозирования
- •2.2. Методологические подходы в системе планирования
- •2.3. Система показателей, используемых в планировании
- •2.4. Методы планирования
- •2.5. Организация макроэкономического планирования и прогнозирования в российской федерации
- •Глава 3 опыт макроэкономического планирования в ведущих странах мира
- •3.1. Опыт макроэкономического планирования в ведущих странах западной европы
- •3.2. Особенности макроэкономического планирования в японии
- •3.3. Опыт макроэкономического планирования в сша
- •3. 4. Современная система макроэкономического планирования в европейском союзе (ес)
- •Глава 4 стратегическое макропланирование социального развития общества
- •4.1. Социальная политика государства - важнейший инструмент в системе регулирование социальных процессов в рыночном хозяйстве
- •4.2. Макропланирование и прогнозирование уровня жизни народа
- •4.3. Макропланирование и прогнозирование воспроизводства населения, рабочей силы и занятости
- •4.4. Стратегическое планирование развития отраслей социальной сферы
- •Глава 5 Макропланирование взаимодействия общества и природы
- •5.1. Экологическая политика государства в рыночной экономике
- •5.2. Организация мониторинга природной среды в российской федерации
- •5.3. Макропланирование природопользования
- •Глава 6 Макропланирование научно-технического прогресса
- •6.1. Научно-технический прогресс и его влияние на развитие общества
- •6.2. Научно-техническая политика государства
- •6.3. Основы методики планирования научно-технического прогресса
- •Глава 7 прогнозирование эффективности общественного производства
- •7.1. Интенсификация общественного производства - основа оптимального социально-экономического развития страны
- •7.2. Эффективность общественного производства: критерии, показатели
- •7.3. Основы прогнозирования и планирования эффективности общественного производства
- •Интенсификация общественного производства до 2010 года
- •Исходные данные (цифры условные)
- •Глава 8 основы прогнозирования оптимальной структуры, пропорций и темпов роста народного хозяйства
- •8.1. Структура народного хозяйства. Взаимосвязь пропорций и темпов роста
- •8.2. Прогнозирование темпов общественного производства
- •8.3. Основы методики прогнозирования важнейших народно-хозяйственных пропорций
- •А. Прогнозирование и планирование пропорций между производством и потреблением
- •Б. Прогнозирование и планирование пропорций между накоплением и потреблением
- •В. Перспективное планирование пропорций между первым и вторым подразделениями общественного производства
- •Г. Прогнозирование и планирование пропорций между добывающим и обрабатывающими отраслями
- •Д. Прогнозирование и планирование пропорций между промышленностью и сельским хозяйством
- •8.4. Балансы в системе макропланирования и прогнозирования
- •Расчет объема общественного продукта на предварительной стадии разработки прогноза социально-экономического развития
- •Расчет величины и темпов роста общественного продукта в планируемом периоде
- •Исходные данные для расчета
- •Исходные данные
- •Исходные данные
- •Исходные данные
- •Глава 9 Национальные счета и баланс народного хозяйства в системе макроэкономического планирования и прогнозирования
- •9.1. Баланс народного хозяйства и его характеристика
- •9.2. Система национальных счетов. Необходимость перехода на концепцию снс в российской федерации
- •9.3. Принципы и показатели, лежащие в основе снс
- •9.4. Основные макроэкономические показатели снс и методы их расчета
- •Методы подсчета национального продукта
- •9.5. Общая характеристика структуры снс
- •9.6. Общие методологические подходы и взаимосвязи между показателями снс и бнх
- •Концептуальная схема интегрированной системы показателей производства и использования валового выпуска (макроуровень)
- •Исходные данные
- •Исходные данные
- •Исходные данные
- •Изменение макроэкономических показателей
- •Исходные данные
- •Рекомендуемая литература основная литература
- •Дополнительная литература
- •Станислав Александрович Логвинов Елена Геннадиевна Павлова
- •125468, Ленинградский проспект, 49
6. Регрессионный анализ
6.1. Основные положения
Предположим, что наблюдаемыми оказались п пар значений: (X1Y1), (X2Y2)...., (XnYn). Нанесем для большей наглядности эти числовые пары на плоскость Y. Через это беспорядочное множество разбросанных точек мы можем провести прямую, согласующуюся с ними наилучшим образом. Такую прямую называют регрессионной. Она показывает, какое значение Y можно ожидать для заранее заданного значения X. Здесь имеет место простая линейная регрессия, которая ограничивается двумя переменными X и Y. Если же в рассмотрение включается более чем два признака, то речь о множественной регрессии. Наконец, нужно разлить еще линейную и нелинейную регрессию. Ограничимся рассмотрением простой линейной регрессии.
6.2. Регрессионная прямая
Зависимость переменной Y от X может выражаться формально следующим образом:
V = а1 + Ь1Х.
В том случае, когда Y является зависимой, а X - независимой переменной, говорят о регрессии У по X. Если же X представляет собой зависимую переменную, а У независимую, то речь идет о регрессии X по Y:
X = а2 + b2V.
Величины b1 и Ь2 называются коэффициентами регрессии.
■
6.3. Корреляция
6.3.1. Основные положения
В регрессионном анализе рассматривается зависимость одной переменной от какой-либо другой; так, выше, переменная Y была функцией переменной X или наоборот: V = f(X) или X = q(V).
При корреляционном анализе мы изучаем только тесноту (величину, силу) связи между двумя случайными переменными, не принимая одну из них за зависимую, а другую за независимую. Например, требуется выяснить, в какой мере смертельный исход при автомобильной катастрофе связан с отсутствием ремней безопасности. Насколько сильна корреляция между этими событиями? При корреляционном анализе нужно следить за тем, чтобы подобная взаимосвязь была и не устанавливались так называемые вздорные корреляции.
6.3.2. Коэффициент корреляции Бравайса-Пирсона
Коэффициент корреляции Бравайса-Пирсона является мерой тесноты связи между случайными переменными. Исходным моментом при его построении служит ковариация:
COV(XiY) = SXY =
Эта ковариация показывает: можно ли считать, что случайные переменные X и Y меняются согласованно. В экстремальном случае, когда ковариация равна нулю, переменные не имеют друг с другом связи.
С учетом ковариации коэффициент корреляции Бравайса-Пирсона определяют как отношение:
Значение полученного по этой формуле коэффициента корреляции находится в пределах:
.
6.3.3. Мера обусловленности
Квадрат коэффициента корреляции Бравайса-Пирсона задает так называемую меру обусловленности:
,
которая может принимать значения в области:
0г21.
Разлагая на сомножители выражение для меры обусловленности, получаем:
Следовательно, мера обусловленности равна произведению коэффициентов регрессии. Последние, в конечном счете, задают лишь углы наклона регрессионных прямых. При нулевом угле наклона r2 > О, т.е. с возрастанием X увеличивается также и У, и наоборот.
В случае же r2 = 0 корреляция отсутствует.
Если, например, r = 0,9 и соответственно r2 =0,81, то это означает, что 81% значений Xi, Yi коррелируют в одном и том же направлении.
6.3.4. Разложение дисперсии и мера обусловленности
Дисперсию удается разложить на рассеяние, объясненное регрессией (обусловленное усреднением по регрессии), и на рассеяние, ею не объясненное. Мы можем записать, что:
Общая дисперсия == Необъясненная дисперсия + Объясненная дисперсия.
Применительно к мере обусловленности это разложение дисперсии дает равенство:
Объясненная дисперсия/Общая дисперсия
или соответственно:
Необъясненная дисперсия/Общая дисперсия
6.3.5. Коэффициент ранговой корреляции Спирмена-Пирсона
6.3.5.1. Основные положения
Этот коэффициент корреляции вычисляется по ранговым номерам значений. Его применение особенно рекомендуется в тех случаях, когда значения признаков задаются только порядковыми номерами (например, при качественных признаках).
Величины X и Y по мере их возрастания снабжаются ранговыми номерами и . Затем вычисляются разности ранговых номеров (Di) и возводятся в квадрат. Окончательная формула для коэффициента ранговой корреляции Спирмена-Пирсона имеет вид:
Его область значений
.
7. Анализ временных рядов
7.1. Введение
Временные ряды возникают, когда налицо ряд наблюдаемых значений, каждому из которых можно поставить в соответствие определенный момент времени. Временной ряд помогает установить типичное в развитии.
7.2. Компоненты временного ряда
Временной ряд подвержен влияниям эволюционного и осциллятивного характера, а также разовым воздействиям.
Влияния эволюционного характера. Под ними подразумевается тренд в развитии - долгопроявляющееся основное изменение.
Влияния осциллятивного характера. Сюда попадают конъюнктурные и сезонные колебания.
Разовые воздействия. К ним относятся спорадически наступающие изменения, вызванные, например, войной или экологической катастрофой.
Следовательно, временной ряд составляется из различных компонентов. Другими словами, его первоначальные значения подвергаются самым разнообразным воздействиям.
Можно назвать четыре основные компоненты временного ряда:
трендовую (T);
циклическую или конъюнктурную (К);
сезонную (S);
разовое воздействие (Е).
7.3. Модель временного ряда
Разбивка временного ряда на различные компоненты позволяет представить его в следующем виде:
V = f(T, К, S, E).
В зависимости от того, как связаны эти компоненты между собой, говорят об аддитивной или мультипликативной модели временного ряда.
1. Аддитивная модель временного ряда:
V = Т + К + S + E.
Аддитивная модель временного ряда характеризуется иным образом тем, что характер, циклических и сезонных флуктуаций остается постоянным.
2. Мультипликативная модель временного ряда:
V=T*K*S*E.
В этой модели характер циклических и сезонных флуктуаций остается постоянным только по отношению к тренду.
7.4. Определение трендовой компоненты
Тренд - это долговременная составляющая временного ряда. Здесь речь должна идти об основной тенденции его пития. При этом остальные компоненты рассматриваются только как мешающие процедуре его определения. И коль скоро у нас имеется ряд наблюдаемых значений для различных моментов времени, наша задача состоит в том, чтобы найти подходящую трендовую кривую, сглаживающую остальные колебания.
7.4.1. Метод "на глазок”
Метод на глазок - это простейший способ отыскания линии тренда для заданного множества точек временного ряда. Он заключается в том, чтобы через предварительно заданные передавала бы характер тренда.
7.4.2. Метод скользящих усреднений
Суть метода в том, чтобы путем построения средних значений смягчить колебания и сохранить тренд. Временной ряд делят на участки, содержащие, например, по три соседние точки для каждого момента времени, и отыскивают средние значения в каждый из этих моментов.
7.4.3. Метод усреднений по левой и правой половине Разделяют временной ряд на две части, строят для каждой из них среднее арифметическое и проводят через полученные точки линию тренда.
7.4.4. Метод наименьших квадратов
Метод наименьших квадратов уже известен нам из регрессионного анализа. Линию тренда V подгоняют к наблюдаемым значениям таким образом, чтобы сумма квадратов отклонений была минимальной. Если считать тренд линейным, то в качестве модели для V полагают:
Vt =a + bt,
8. Теория оценивания
8.1. Выборка из генеральной совокупности
При извлечении элементов из некоторого основного множества (генеральной совокупности) с общим числом элементов мы говорим о выборке. С помощью последней обычно стремятся сделать какой-либо вывод о данной генеральной совокупности. Однако такой вывод возможен только в тех случаях, когда выборка представляет собой результат случайного выбора. Отсюда вытекают два существенных требования:
1) выборка должна выполняться так, чтобы каждый элемент генеральной совокупности имел определенную, принципиально заданную вероятность попасть в нее;
2) все эксперименты, посредством которых получают выборку, должны быть взаимно независимыми. При выборе элемента с его последующим возвращением второе требование всегда выполняется, так как здесь исходное состояние перед новым извлечением восстанавливается. При выборе без возвращения требуемая независимость имеет место лишь в случае "бесконечной" генеральной совокупности. На практике приходится принимать компромиссное решение, т.е. считать эксперименты независимыми, если генеральная совокупность по сравнению с выборкой очень велика.