Помощь в написании студенческих работ
Антистрессовый сервис

Статистические группировки как метод изучения экономики промышленности

КурсоваяПомощь в написанииУзнать стоимостьмоей работы

Далеко не всегда значения временного ряда формируются только под воздействием каких-либо факторов. Нередко бывает, что развитие того или иного процесса обусловлено его внутренними закономерностями, а отклонения от детерминированного процесса вызваны ошибками измерений или случайными флуктуациями. Особый интерес представляют процессы, находящиеся в «переходном» режиме, т. е. процессы, являющиеся… Читать ещё >

Статистические группировки как метод изучения экономики промышленности (реферат, курсовая, диплом, контрольная)

Содержание

  • Содержание Содержание
  • Введение
  • Глава 1. Основные задачи анализа временных рядов
  • Глава 2. Анализ временных рядов
    • 2. 1. Стационарные временные ряды и их основные характеристики
    • 2. 2. Неслучайная составляющая временного ряда и методы его сглаживания
    • 2. 3. Модели стационарных временных рядов и их идентификация
      • 2. 3. 1. Модели авторегрессии порядка p (AR (p)-модели)
      • 2. 3. 2. Модели скользящего среднего порядка q (МА (q)-модели)
      • 2. 3. 3. Авторегрессионные модели со скользящими средними в остатках (ARMA (p, q)-модели)
  • Заключение
  • Литература

Введение

В последние годы в эконометрической литературе большое внимание уделяется исследованию рядов динамики временных показателей. Разнообразные содержательные задачи экономического анализа требуют использования статистических данных, характеризующих исследуемые экономические процессы и развернутых во времени в форме временных рядов. При этом нередко одни и те же временные ряды используются для решения разных содержательных проблем.

Далеко не всегда значения временного ряда формируются только под воздействием каких-либо факторов. Нередко бывает, что развитие того или иного процесса обусловлено его внутренними закономерностями, а отклонения от детерминированного процесса вызваны ошибками измерений или случайными флуктуациями. Особый интерес представляют процессы, находящиеся в «переходном» режиме, т. е. процессы, являющиеся по существу «стационарными», но на исследуемом промежутке времени проявляющие свойства нестационарного временного ряда, что объясняется далекими от стационарного режима начальными условиями. В ситуациях, когда временной ряд формируется под воздействием некоторого набора случайных и неслучайных факторов, анализ отдельных временных рядов, как ре-зультирующих, так и факторных, имеет огромное значение. Это необходимо для правильной идентификации моделей, которые строятся по информации об иссле-дуемых процессах (векторные авторегрессии, модели коррекции ошибок, динамические модели с распределенными запаздываниями и т. п.) [21].

При анализе временных рядов основное внимание уделяется исследованию, описанию и/или моделированию их структуры. Цель таких исследований, как правило, шире просто моделирования исследования соответствующих процессов. Построенная модель обычно используется для экстраполяции или прогнозирования временного ряда, и тогда качество прогноза может служить полезным критерием при выборе среди нескольких альтернативных моделей. Построение хороших моделей ряда необходимо и для других приложений, таких, как корректировка сезонных эффектов и сглаживание. Наконец, построенные модели могут использоваться для статистического моделирования длинных рядов наблюдений при исследовании больших систем, для которых временной ряд рассматривается как входная информация.

В связи с наличием ошибок измерения экономических показателей, наличием случайных флуктуаций, свойственных наблюдаемым системам, при исследовании временных рядов широко применяется вероятностно-статистический подход. В рамках такого подхода наблюдаемый временной ряд понимается как реализация некоторого случайного процесса. При этом неявно предполагается, что временной ряд имеет какую-то структуру, отличающую его от последовательности независимых случайных величин, так что наблюдения не являются набором совершенно независимых числовых значений. (Некоторые элементы структуры ряда иногда можно выявить уже на основании простого визуального анализа графика ряда. Это относится, например, к таким компонентам ряда, как тренд и циклы.) Обычно предполагается, что структуру ряда можно описать моделью, содержащей небольшое число параметров по сравнению с количеством наблюдений,  это практически важно при использовании модели для прогнозирования. Примерами таких моделей служат модели авторегрессии, скользящего среднего и их комбинации — модели AR (p), MA (q), ARMA (p, q), ARIMA (p, k, q).

Показать весь текст

Список литературы

  1. М. Р., Петрова Е. В., Румянцев В. Н. Общая теория статистики, М.: Инфра-Н, 2000 г.
  2. И. И. Юзбашев М.М. Общая теория статистики. Москва, «Финансы и статиска» 2005.
  3. А.О.Крыштановский. Методы анализа временных рядов // Мониторинг общественного мнения: экономические и социальные перемены. 2000. № 2 (46). С. 44−51. [Статья]
  4. Р. А. Теория статистики, М.: Финансы и статистика, 1996 г.
  5. Теория статистики. Учебник./Под ред. Шмойлова Р. А. 3-е изд., перераб.-М.: Финансы и статистика, 2002
  6. В.М. Теория статистики. — М.: Аудит, 2001. — 248 с.
  7. Г. С., Овсиенко В. Е., Рабинович П. М., Рябушкин Т. В. Общая теория статистики. — М.: Статистика, 2001. — 423 с.
  8. Практикум по статистике: Учебное пособие для вузов (Под ред. В.М. Симчеры). ВЗФЭИ. — М.: ЗАО «Финстатинформ», 2001. — 259 с.
  9. Прогнозирование и планирование в условиях рынка: Учеб. пособие для Вузов / Под. ред. Т. Г. Морозовой, А. В. Пикулькина. — М.: ЮНИТИ — ДАНА, 1999.
  10. Е.А. Прогнозирование и планирование в условиях рынка: Учеб. пособие. — М.: ПРИОР, 1999.
  11. С.А., Мхитарян В. С. (1998) Прикладная статистика и основы эконометрии. — М.: ЮНИТИ, 1998.
  12. Дж., Дженкинс Г. (1974) Анализ временных рядов. Прогноз и управление.  М.: Мир, 1974.  Вып. 1, 2.
  13. Л.Н., Смирнов Н. В. (1965) Таблицы математической статистики.  М.: Наука, 1965.
  14. Г., Ватс Д. (1971, 1972) Спектральный анализ и его применения.  М.: Мир, 1971, 1972.  Вып. 1,2.
  15. Дж. (1980) Эконометрические методы.  М.: Статистика, 1980.
  16. Э., Ледерман У. (1990) (ред.) Справочник по прикладной статистике.  М.: Финансы и статистика, 1990.  Том 2.
  17. М. (1989) Обработка знаний.  М.: Мир, 1989.
  18. Развитие российского финансового рынка и новые инструменты привлечения инвестиций. — М., 1998.
  19. Экономика переходного периода. Очерки экономической политики посткоммунистической России 1991 — 1997. — М., 1998.
  20. А. М. Трофимов. Ускорение темпов роста ВВП и роль государства в экономике (к дискуссии об уровне участия государства в экономике в журнале «Вопросы экономики» 2002−2003 гг.)
  21. С. Дробышевский, В. Носко, Р. Энтов. А. Юдин. Институт экономики переходного периода. Эконометрический анализ динамических рядов основных макроэкономических показателей
Заполнить форму текущей работой