Выдержка из работы:
Введение
Ряды динамики – статистические данные, отображающие развитие во времени изучаемого явления. Их также называют динамическими рядами, временными рядами.
В каждом ряду динамики имеется два основных элемента:
1) показатель времени t;
2) соответствующие им уровни развития изучаемого явления y;
В качестве показаний времени в рядах динамики выступают либо определенные даты (моменты), либо отдельные периоды (годы, кварталы, месяцы, сутки).
Уровни рядов динамики отображают количественную оценку (меру) развития во времени изучаемого явления. Они могут выражаться абсолютными, относительными или средними величинами.
Основным условием для получения правильных выводов при анализе рядов динамики является сопоставимость его элементов.
Ряды динамики формируются в результате сводки и группировки материалов статистического наблюдения. Повторяющиеся во времени (по отчетным периодам) значения одноименных показателей в ходе статистической сводки систематизируются в хронологической последовательности.
При этом каждый ряд динамики охватывает отдельные обособленные периоды, в которых могут происходить изменения, приводящие к несопоставимости отчетных данных с данными других периодов. Поэтому для анализа ряда динамики необходимо приведение всех составляющих его элементов к сопоставимому виду. Для этого в соответствии с задачами исследования устанавливаются причины, обусловившие несопоставимость анализируемой информации, и применяется соответствующая обработка, позволяющая производить сравнение уровней ряда динамики.
Цель данной практической работы состоит в изучении методологии анализа временных рядов и прогнозирования основных социально экономических показателей, представленных в виде временных рядов на основе анализа динамики объема буровых работ.
Для достижения поставленной цели в курсовой работе решаются следующие частные задачи:
1. освоение методов анализа динамики экономических явлений, представленных в виде временных рядов;
2. выявление наличия, характера и направления тенденции развития экономического явления;
3. подбор наиболее адекватной линии тренда;
4. прогноз значения исследуемого показателя на ближайшие периоды.
Заключение
К задачам статистического анализа временных рядов относятся: анализ экономических процессов и объектов, выявление тенденций развития социально-экономических явлений, предвидение дальнейшего развития экономических процессов, экономическое прогнозирование.
К основным способам экономико-математического моделирования относятся построение адаптивных моделей и компонентный анализ.
Модели, которые способны приспосабливать свои параметры и свою структуру к изменению внешних условий называются адаптивными моделями прогнозирования.
Общую схему построения таких моделей можно представить следующим образом. На первом шаге происходит оценивание параметров модели с использованием нескольких первых уровней ряда. Далее по построенной модели осуществляется прогноз на один шаг вперед. Отклонение полученного прогноза от фактических уровней ряда рассматривается как ошибка прогнозирования. Ошибки прогнозирования учитываются в соответствии со схемой корректировки модели. На последнем этапе вычисляется прогноз уровня ряда на следующий момент времени, используя модель со скорректированными параметрами и т.д. Видим, что адаптивная модель на каждом шаге учитывает новую информацию и к завершению периода отражает существующую в данный момент тенденцию развития явления.
Временной ряд состоит из нескольких составляющих (компонент) - тренд, сезонная компонента, циклическая компонента (стационарный случайный процесс) и случайная компонента. Выявление данных составляющих во временном ряду используется в компонентном анализе.
Устойчивое систематическое изменение процесса в течение продолжительного времени называется трендом. Оценка вида и параметров тренда осуществляется различными методами, в частности параметрическим и непараметрическим. Параметрический метод представляет собой подбор гладкой функции, которая описывает тенденцию развития исходного динамического ряда: полиномы различной степени, линейный тренд и т.д. В том случае, если нет возможности подобрать гладкую функцию необходимо использовать непараметрический метод, он заключается в механическом сглаживании временных рядов с помощью метода скользящей средней.
В динамических (временных) рядах социально-экономических явлений очень часто имеют место регулярные колебания. Колебания, которые завершаются в течение одного года и носят близкий к периодическому характер называются сезонными колебаниями. Оценивание сезонной компоненты можно осуществить двумя способами: методом сезонных индексов и с помощью тригонометрических функций.
Прогнозирование с помощью компонентного анализа включает в себя следующие шаги: оценивание и выявление тренда, оценивание и выявление сезонной компоненты, моделирование случайного стационарного процесса, построение прогнозной модели и осуществление прогноза.
В результате, полученная модель, после прогнозирования проверяется на адекватность, т.е. соответствие модели исследуемому объекту или процессу. Поскольку полного соответствия модели реальному объекту или процессу быть не может, адекватность – в какой-то мере – условное понятие, то модель временного ряда считается адекватной, если правильно отражает систематические компоненты временного ряда.
Список использованной литературы:
1. Бережная Е.В., Бережной В.И. Математические методы моделирования экономических систем: Учеб. пособие. – М.: Финансы и статистика, 2007;
2. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. – М.: Финансы и статистика, 2008;
3. Ефимова М. Р., Петрова Е.В., Румянцев В.П. Общая теория статистики: Учебник – М.: ИНФРА-М, 2008.
4. Елесеева И. И., Юзбашев М. М.: Общая Теория статистики: Учебник – 4-е изд., перераб. и доп. – М.: Финансы и статистика, 2009.
5. Льюис К.Д. Методы прогнозирования экономических показателей. - М.: Инфра-М, 2006;
6. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика начальный курс. - М.: «Дело» 2005;
7. Палий И.А. Прикладная статистика: Учебное пособие для вузов./ И.А. Палий. – М.: Высш. школа, 2007.
8. Практикум по высшей математике для студентов экономических специальностей / Под ред. Сагитова Р.В. – М.: Менеджер, 2008.
9. Электронный учебник по статистике. Москва, StatSoft. URL: www.mstu.edu.ru/education/materials/statistic_book/default.htm.
10. www.vbur.ru.