Контрольні запитання

1. Поняття про гіпотези та їх роль в розвитку науки.

2. Прийоми статистико-економічного методу досліджень

3. Поняття однорідності дисперсії; схема перевірки гіпотези про однорідність дисперсій. Перевірка значущості коефіцієнтів регресії.

4. Сутність критерію Стьюдента.

5. Статистична оцінка дисперсії адекватності.

6. Критерії Фішера. Схема перевірки гіпотези про адекватність моделі.

Тема 4. Методологічні основи статистичного моделювання та прогнозування

Логіка прикладного статистичного моделювання. Сутність і види статистичних прогнозів. Метод експертних оцінок. Комп’ютерні технології статистичного моделювання.

Описування об’єкта моделювання. Формування інформаційної бази моделі. Розвідувальний аналіз даних. Багатовимірне ранжування.

Моделі класифікації. Однорідність і типологія. Кластерні процедури класифікації. Класифікація на основі дискримінантної функції.

Контрольні запитання

1. Математичне моделювання як метод наукового пізнання економічних явищ і процесів.

2. Узагальнений метод найменших квадратів (метод Ейткена).

3. Автокореляція в економетричних моделях динаміки.

4. Класифікація моделей і методів розв'язування задач математичного програмування.

5. Методи кластерното аналізу.

6. Методи колективної експертної оцінки. Методи статистичної обробки матеріалів анкет. Визначення коефіцієнта компетентності експертів. Особливості застосування методу "Делфі" в соціально-економічному прогнозуванні.

Тема 5. Моделювання та прогнозування динаміки

Основні засади моделювання динаміки. коефіцієнти автокореляції r_p з часовим лагом. Автокореляційна функція. Циклічний коефіцієнт автокореляції першого порядку. Моделювання та прогнозування динамічних процесів. Процедури у системі Statistica: процедури модулів Multiple Regression, Time Series / Forecasting, Nonlinear Estimation; моделювання трендів і трендова екстраполяція за процедурами модулів Multiple Regression та Nonlinear Estimation; комплексний аналіз динамічних процесів, ідентифікація моделей, адаптивне прогнозування — за процедурами модуля Time Series / Forecasting.

Типи трендових моделей. Короткострокове прогнозування на основі ковзних середніх. Оцінювання сезонної компоненти: сезонно-декомпозиційна модель Холта-Вінтера, модель гармонійного аналізу Об’єднані (інтегровані) моделі авторегресії — ковзної середньої (ARIMA). Моделювання повних циклів.

Контрольні запитання

1. Прогнозування на основі часових рядів.

2. Екстраполяція одномірних рядів методом середнього рівня.

3. Особливості методів короткострокового прогнозування.

4. Аналітичне вирівнювання тренда (криві зростання) як метод середньострокового прогнозування.

5. Вплив типу динаміки ряду на вибір виду функції, що апроксимує тренд.

6. Прогнозування випадкової компоненти.

Тема 6.Основи моделювання взаємозв’язків

Типи моделей взаємозв’язку. Багатофакторні індексні моделі. Класична регресія. Забезпечення адекватності регресійної моделі.

Розширена регресія. Регресія на змішаних факторних множинах. Адаптація регресійної моделі до неоднорідної сукупності. Регресія на групуваннях. Модель стандартизованих групувань.

Багатофакторне прогнозування. Особливості моделювання взаємозв’язаних динамічних рядів. Динамічна модель для сукупності об’єктів. Нелінійна регресія.