Экономические методы анализа временных рядов

Одним из инструментов, позволяющих анализировать и прогнозировать экономические показатели в динамике, являются экономико-статистические методы. Экономико-статистические модели широко применяются при анализе экономических систем, исследовании их реакции на изменение внешних и внутренних условий функционирования, а также при прогнозировании сценариев будущего развития. Одним из основных классов математических моделей, полезных для более полного понимания сущности и анализа (и/или прогноза) происходящих экономических процессов являются модели временных рядов.

---

Даже если нужно заказать отчет по практике производственной во Владивостоке , Work5 справится.

---

К этому классу относятся модели тренда и сезонности, а также более сложные модели адаптивного прогноза, авторегрессии, скользящего среднего и др. Их общей чертой является то, что они объясняют поведение временного ряда исходя только из его предыдущих значений. Теория анализа и прогнозирования экономических временных рядов к настоящему времени сформировалась в самостоятельное направление статистического исследования динамики дискретных эволюционных процессов. Существующие методы, как статистические, так и относящиеся к нелинейной динамике, весьма убедительно демонстрируют эффективность [6, с. 13]. Однако эта эффективность обеспечивается при выполнении одного непременного условия – рассматриваемые временные ряды должны быть достаточно длинными, т.е. количество уровней, составляющих тот или другой ряд, составляет несколько сотен или как минимум несколько десятков. Для проведения количественной оценки взаимосвязи между двух и более социально-экономических показателей применяют корреляционно-регрессионный анализ. Классификация корреляционных связей делается по направлению (прямая и обратная); по форме (линейная и нелинейная);по числу факторных признаков — парная (один факторный признак) и множественная (два и более)[9, с.1034]. Актуальность работы заключается в том, что использование эконометрических методов в статистическом анализе временных рядов дает возможность выполнять более глубокие исследования социально-экономического развития страны и выбирать оптимальные варианты прогнозирования. Целью работы является изучение методов анализа динамических характеристик временных рядов с дальнейшимпрактического применения некоторых инструментов их анализа. Для достижения данной цели необходимо решить следующие задачи: - рассмотреть сущность и виды временных рядов; - изучить показатели изменения временных рядов; - рассмотреть методы анализа временных рядов; - провести анализ статистических данных с построением эконометрических моделей. Объектом работы является временные ряды, предметом работы – методы анализа временных рядов. Методологическая основа курсовой работы включает анализ, синтез, обобщение, математическое моделирование. Практическая значимость работы заключается в изучении с использованием метода корреляционно-регрессионного анализавзаимосвязи показателей динамики валового внутреннего продукта (ВВП) и прироста населения. Информационной базой данной работы являются материалы: учебная и методическая литература, материалы периодической печати, интернет-источники, а также данные официальной государственной статистики. Структура курсового проекта включает две главы, 10 таблиц и 10 использованных источников. В первой главе «Теоретическая часть» рассмотрены понятие и виды временных рядов, показатели оценки показателей динамики временных рядов, основные методы анализа временных рядов: метод скользящей средней и метод аналитического сглаживания. Во второй главе «Практическая часть» на основе данных государственной статистики за 2011-2022 г. выполнена оценка взаимной зависимости ВВП на душу населения и общего коэффициента рождаемости с использованием нелинейных эконометрических моделей, установлена наиболее оптимальная модель, пригодная для прогнозирования.

Современные экономико-статистические методы имеют широкое распространение в современной практике анализа экономических и социальных процессов. Особо отметим актуальность использования и развития современныхэкономико-математических методов и подходов для выявления свойств, характеризующих потенциальную прогнозируемость временных рядов. Актуальным представляется также построение прогнозных моделей, адекватно отражающих развитие реальных экономических процессов и систем. Временной ряд представляет собой последовательность данных, описывающих объект в последовательные моменты времени. В отличие от анализа случайных выборок, анализ временных рядов основывается на предположении, что последовательные данные наблюдаются через равные промежутки. Анализ временных рядов — это анализ, основанный на исходном предположении, согласно которому случившееся в прошлом служит достаточно надежным указанием на то, что произойдет в будущем. Это также можно назвать проектированием тенденций. Анализ временных рядов преследует две цели.Во-первых, дать описание основных компонентов временных рядов. Достаточно часто нерегулярные и циклические (сезонные) компоненты временного ряда, скрывают те фундаментальные причины, которые породили именно такой данный ряд, поэтому очистка данных, позволяющая выделить тренд (тенденцию), может помочь в понимании исследуемого процесса. Вторая цель - предсказать его будущие значения. Для каждого компонента временного рядов существует свой подходящий конкретный метод прогнозирования. Объединив все эти отдельные предсказания компонентов, можно получить прогноз, который по качеству будет превосходить прогноз, полученный для каждой компоненты в отдельности. Основными методами выявления тенденции ряда динамики являются аналитические выравнивание и расчет скользящей средней. Оба метода имеют определённые ограничения, которые нужно учитывать при использовании. В практической части работы проведено исследование взаимосвязи между показателями уровня жизни и уровнем рождаемости. В качестве показателя, характеризующего уровень благосостояния были принят ВВП на душу населения, в качестве показателя, характеризующего уровень рождаемости – общий коэффициент рождаемости. В процессе исследования были применены методы корреляционно-регрессионного анализа. Данный метод позволяет получить количественную оценку тесноты и направление зависимости между изучаемыми явлениями. Корреляционно-регрессионный анализ обычно весьма эффективен при краткосрочных и среднесрочных аналитических исследованиях. Аналитической базой для исследования стали статистические данные Федеральной службы государственной статистики РФ за период 2011-2022 гг. По результатам проведенного исследования можно сделать вывод, что между анализируемыми показателями наблюдается существенная связь. Данная связь может быть описана рядом нелинейных моделей, наиболее оптимальной из которых является полином второй степени. Показатели близости и адекватности модели позволяют утверждать, что полученное уравнение регрессии достаточно близко описывает реальную зависимость между ВВП на душу населения и общий коэффициент рождаемости. На основании полученного уравнения регрессии может быть построен прогноз общего коэффициента рождаемости на ближайший период в зависимости от прогнозных значений динамики ВВП.

Федеральная служба государственной статистики [Электронный ресурс]. – URL: http://www.gks.ru/ (дата обращения: 11.03.2023) 2. Айвазян, С.А. Прикладная статистика и основы эконометрики. - М.: ЮНИТИ, 2016. – 543 с. 3.Большакова Л. В., Яковлева Н.А. Математико-статистические методы обработки экспериментальных данных при проведении научных исследований: методические рекомендации / Л. В. Большакова, Н. А. Яковлева — Санкт-Петербург: Изд-во СПб ун-та МВД России. — Ч. 2. — 2018. 120 с. 4.Галочкин В. Т. Эконометрика : учебник и практикум для бакалавриата и специалитета. — М.: Издательство Юрайт, 2019. — 288 с. 5. Методология и методы научных исследований в экономике и менеджменте: пособие для вузов / Под ред. Н. Б. Завьяловой, А.Н. Головиной – Москва-Екатеринбург: 2014. – 282 с. 6.Андрианова Е. Г., Головин С.А., Зыков С.В., Чукалина Е.Р.Обзор современных моделей и методов анализа временных рядов динамики процессов в социальных, экономических и социотехнических системах. // Российский технологический журнал. – 2020. – № 8(4). – С. 7-45. 7.Бабкина, А.А. Экономические модели и статистические методы. // COLLOQUIUM-JOURNAL. – 2021. – № 16-1 (103). – С. 49-50. 8.Газизов Д. И. Обзор методов статистического анализа временных рядов и проблемы, возникающие при анализе нестационарных временных рядов. // Научный журнал. – 2016. №3(4). С.9-14. 9.Тамбиев Д.А., Эркенова М. У. Обзор концептуальных подходов в анализе данных. Экономико-математические методы: теория и практика. // Управленческий учет. – 2021. – № 12. – С. 1032-1038. 10. Се Юаньлинь ВВП и общественное благосостояние. — Текст : непосредственный // Молодой ученый. — 2017. — № 21 (155). — С. 239-241. — URL: https://moluch.ru/archive/155/43895/ (дата обращения: 09.03.2023).