- •Содержание
- •Приложение а. Образец оформления титульного листа курсовой работы………………34 Приложение б. Образец оформления задания на курсовую работу………………………35
- •1. Требования к выполнению и оформлению курсовой работы
- •2. Содержание задания и требования к нему
- •Первая часть работы
- •3. Методические указания к выполнению курсовой работы
- •3.1 Содержательный анализ объекта исследования
- •3.2 Методика отбора факторов, влияющих на выходной показатель
- •3.3. Методы выравнивания динамических рядов
- •Показатели анализа ряда динамики
- •4. Примеры решения задач
- •1 Метод
- •2 Метод
- •Вторая часть
- •5.Методика построения множественного уравнения регрессии
- •Осуществление прогнозных расчетов
- •Оценка достоверности полученных прогнозов
- •Перечень рекомендуемой литературы
- •Приложение а Образец оформления титульного листа курсовой работы
- •Курсовая работа
- •Приложение б Образец оформления задания на курсовую работу задание на курсовую работу
- •Приложение в Образец оформления содержания курсовой работы
- •Глава 1. (Название главы)…………………………………….… ……………………………….Х
- •Глава 2. (Название главы) ……………………………………… ….……………….……………х
- •Глава 3.(Название главы)……………………… …..… ………………………………….……....Х
- •Приложение г Образец оформления рисунков
- •Приложение д Образец оформления таблиц
- •Приложение е Пример оформления формул
- •Приложение ж Образец оформления библиографического списка
- •Приложение н Динамика отдельных показателей развития
- •Продолжение приложения н
Осуществление прогнозных расчетов
Основная задача данной стадии исследования - спрогнозировать динамику выходного показателя всеми имеющимися в распоряжении способами, т.е. с помощью
а) темпов роста,
б) уравнения тренда,
г) множественного уравнения регрессии.
Важно подчеркнуть то обстоятельство, что статистическое прогнозирование основано на экстраполяции сложившихся тенденций развития исследуемого объекта и, следовательно, на предположении об определенной устойчивости выявленных закономерностей. Поэтому в каждом конкретном случае возможность экстраполяции, т.е. распространения на будущее закономерностей, свойственных объекту в прошлом и настоящем, должна быть логически проверена и обоснована.
После проведения обоснования устойчивости, неизменности в перспективе сложившихся к данному моменту тенденций осуществление самих прогнозных расчетов особых трудностей вызывать не должно.
При сохранении постоянного темпа роста
(5.5)
В случае существования в динамике темпов роста какой-либо выраженной тенденции и уверенности в том, что эта тенденция сохранится на определенное время, вначале прогнозируются по соответствующему уравнению регрессии значения темпов роста, а затем определяются прогнозные значения исследуемого показателя, Yt+k (k=1,…,T), где Т - продолжительность прогнозируемого периода.
Чтобы произвести прогноз показателя по уравнению тренда достаточно в это уравнение подставить соответствующие значения фактора времени (t).
Множественное уравнение регрессии вызывает наибольшие трудности при проведении прогнозных расчетов, так как наряду с изменением во времени показателя, рассматриваемого в качестве выходного, неизбежно меняются и входные характеристики (факторы).
Для выявления закономерностей "движения" факторов следует воспользоваться методами, рассмотренными выше - темпами роста, уравнением тренда, выбрав для каждого фактора соответствующий наиболее эффективный способ оценки характера его изменения. Затем на основе обнаруженных закономерностей, необходимо найти прогнозные значения интересующих переменных , подставив их в множественное уравнение регрессии, осуществлять по нему прогноз показателя Y.
Оценка достоверности полученных прогнозов
Для оценки качества полученных тремя способами прогнозов используется следующий приём. Весь исходный для расчетов период времени делится на две части. Одна из них, охватывающая более ранний период времени и включающая не менее 2/3 уровней динамического ряда, используется для расчета параметров модели. Другая, более поздняя, часть временного периода используется для контроля за прогнозом, т.е. принимается условно за прогнозируемый период. Рассчитанные "прогнозные" значения соответствующего показателя на каждый год условно прогнозируемого периода сопоставляются с фактическими. Разности между ними представляют ошибки прогноза.
Для определения размеров погрешностей или точности прогноза показателя Y за весь условный прогнозируемый период может использоваться так называемый коэффициент несоответствия Тейла
(5.6)
где Yi- фактическое значение показателя, - прогнозное значение показателя, Пр - продолжительность условного прогнозируемого периода (число лет).
Числителем этого коэффициента является средняя квадратическая ошибка прогноза, а знаменателем - квадратный корень из среднего квадрата фактических значений показателя за условный прогнозируемый период. Этот показатель изменяется от 0 до 1. Чем ближе его значение к нулю, тем лучше результаты прогнозирования.
Проверку статистической значимости модели можно осуществлять с помощью дисперсионного анализа, который позволяет установить, изменяется ли соответствующий показатель в значительной мере под влиянием отобранных факторов или это изменение носит случайный характер.
С этой целью дисперсия по Факторам сравнивается с остаточной дисперсией :
(5.7)
Yi- фактическое значение моделируемого показателя - средняя арифметическая фактических значений показателя (за моделируемый период времени), - расчетное значение показателя, т.е. полученное из уравнения регрессии, п- число наблюдений, m -количество параметров в уравнении регрессии.
Определяется расчетное значение критерия Фишера
(5.8)
которое затем сравнивается с F табличным, найденным для заданного уровня значимости q (обычно уберут равным 0,05 или 0,01) для степеней свободы числителя (т-2) и знаменателя (n-m-1) (см.табл. 25, Приложение И). Если расчетное F больше F табличного, то полученное уравнение регрессии статистически значимо.
Завершать этот раздел должны содержательные выводы, вытекающие из проведенного исследования и опирающиеся на полученные результаты.