ЗМІСТ
Розділ 1. Теоретичні відомості динамічного моделювання
.1 Моделювання та прогнозування
.2 Характеристика часових рядів, структура та підходи до статистичного вивчення
.3 Аналіз сезонних коливань соціально-економічних явищ
.4 Метод сезонної декомпозиції як основа статистичного вивчення часових рядів
Розділ 2. Статистична оцінка динамічного моделювання соціально-економічних явищ та процесів
.1 Статистичне дослідження сезонності реалізації м'ясо-молочної продукції в Кіровоградській області
.2 Статистичне дослідження сезонності урожайності в Кіровоградській області
Висновки
Список використаних джерел та літератури
Додатки
ВСТУП
Істотні зміни у суспільному та економічному житті України, що відбуваються у зв'язку з переходом на ринкові відносини, залучення країни в процеси інтеграції на європейському та світовому ринках викликали потребу докорінного реформування соціально-економічної статистики, комплексного перегляду всієї системи обліку та статистики в країні. Це пов'язано також з необхідністю підвищення можливостей отримання об'єктивної та достовірної інформації про стан і розвиток різних форм власності, сфер економіки і соціальних процесів для аналізу, оцінки, виявлення тенденцій і прийняття управлінських рішень на всіх рівнях.
Щоб ефективно управляти народним господарством або будь-якою його структурною ланкою необхідно чітко знати, який має бути вплив на економіку і які його наслідки.
У країнах з розвиненою ринковою моделлю економіки прогнозування і планування є найважливішим інструментом державного регулювання економіки. Застосовуючи такий інструмент ці країни, як відомо, отримали великий успіх в технічному прогресі, підвищенні рівня життя населення та інших соціально-економічних областях.
Теорія прогнозування і планування економіки базується на економічній теорії. Якщо остання вивчає глибинні процеси економічного розвитку, встановлює їх суть, рушійні сили для будь-яких суспільно-економічних формацій, то прогнозування і планування є робочим інструментом визначення величин економічних показників, дозволяють виявити найбільш ефективні методи регулювання соціально-економічних процесів у суспільстві і одночасно виступають в якості методологічної основи при розгляді питань прогнозування і планування галузевих економіки.
Дана наука має тісний зв'язок із статистикою, від якої вона запозичує методи аналізу і необхідні відомості для розрахунків. Прогнозування та планування використовують досягнення природничих, біологічних та інших наук, особливо математики.
Мета даної дипломної роботи: вивчити і проаналізувати динамічне моделювання соціально-економічних процесів та явищ.
Актуальність даної роботи полягає в тому, що в даний час через збільшення темпів змін в економіці різко зросла потреба в точних прогнозах. Ефективна діяльність суб'єктів ринку в сучасних умовах значною мірою залежить від прогнозування, тобто наскільки достовірно вони можуть передбачити дальню та ближню перспективу свого розвитку.
Завдання дипломної роботи: вивчення теоретичних аспектів динамічного моделювання його методів та зобразити його практичне застосування в соціально-економічних процесах та явищах.
Об'єктом дослідження є динаміка соціально-економічних явищ та процесів.
Предметом дослідження є теоретичні, методичні і практичні питання прогнозування і моделювання розвитку соціально-економічних процесів та явищ.
Практичне значення наукових результатів дослідження полягає в можливості розв'язання значної прикладної проблеми прогнозування соціально-економічних процесів та явищ, дослідити передумови і фактори економічного зростання. Врахування одержаних результатів прогнозу дає змогу посилити обґрунтування напрямків розвитку даних процесів на середньостроковий період та застосувати заходи для покращення.
Структура дипломної роботи. Обсяг становить 59 сторінок машинописного тексту, в тому числі 12 таблиць, 2 рисунків, список використаних джерел нараховує 21 найменування.
РОЗДІЛ 1. ТЕОРЕТИЧНІ ВІДОМОСТІ ДИНАМІЧНОГО МОДЕЛЮВАННЯ
статистичний моделювання прогнозування
1.1 Моделювання та прогнозування
Моделювання - один з ефективних засобів пізнання законів і закономірностей навколишнього світу. Суть моделювання полягає в заміні реального процесу певною конструкцією, яка відтворює основні, найістотніші риси процесу, абстрагуючись від вторинних, неістотних. Будь-яка конструкція фізична чи математична - це спрощений, схематичний образ реальності. Мистецтво моделювання саме й полягає в тому, щоб знати, що, де, коли та як можна і треба спрощувати.
Особливого значення набувають моделі при вивченні закономірностей масових процесів, які недоступні прямому спостереженню і не піддаються експериментуванню. Передусім це стосується соціально-економічних явищ і процесів, закономірності яких формуються під впливом безлічі взаємопов’язаних факторів і за складністю переважають закони фізики, хімії чи біології.
За своєю природою соціально-економічні явища і процеси - стохастичні, ймовірнісні; невизначеність - їх внутрішня властивість. Вивчення цих процесів, передбачення перспектив їх подальшого розвитку, прийняття оптимальних управлінських рішень мають спиратися на такі моделі, які й в умовах невизначеності забезпечують сталість і надійність висновків. Такими є статистичні моделі. Вони належать до класу математичних, виражаються у формі рівнянь, функцій, алгоритмів; при їх розв’язуванні поєднуються логіко-алгебраїчні та ймовірнісні методи.
Формально статистична модель являє собою абстрактну схему відношень між величинами, що характеризують властивості реального процесу. Вибір же цих властивостей і розробка схем відношень між ними здійснюється неформальним шляхом. На основі апріорного аналізу природи процесу формулюються гіпотези щодо окремих його властивостей і закономірностей. Гіпотези перевіряються на фактичних даних.
Зв’язок між математичною схемою моделі і реальним процесом забезпечується поєднанням у моделі інформації двох типів:
) aпpioрi логічно обґрунтованих гіпотез щодо природи та характеру властивостей процесу, співвідношень і взаємозв’язків між ними;
) емпіричних даних, які характеризують ці властивості.
Модель встановлює відповідність між сукупністю фактів і гіпотезами, імітує механізм формування закономірностей. На моделях проводяться експерименти, результати яких поширюються на реальність. Основна вимога, що ставиться до моделі - подібність, адекватність її реальному процесу.
Аби зрозуміти загальну логіку статистичного моделювання, умовно розкладемо його на етапи:
) Характеристика мети та об’єкта моделювання.
) Розвідувальний аналіз даних.
) Математична формалізація моделі.
) Оцінювання параметрів моделі.
) Перевірка адекватності моделі.
) Аналіз та інтерпретація результатів.
На першому етапі визначаються мета та об’єкт моделювання. Мета - це кінцеве призначення моделі. Скажімо, діагностика процесу, аналіз механізму його формування, тенденцій розвитку тощо. Залежно від мети дослідження один і той самий процес можна описати різними моделями.
Об’єктом моделювання виступає статистична сукупність, в якій реалізується закономірність. Формально будь-яку сукупність можна представити у вигляді впорядкованого набору даних з параметрами n, m, T, де n - кількість елементів сукупності (j = 1, 2, …, n), m - кількість зареєстрованих у j-го елемента ознак (i = 1, 2, …, m), T - календарний термін періоду з певними квантами часу (рік, квартал, місяць, доба тощо). Отже, інформаційна одиниця об’єкта моделювання - значення i-ї ознаки у j-го елемента сукупності y t-му періоді - xijtij. Якщо сукупність вивчається в статиці, то інформація зображається матрицею n x m, якщо в динаміці, то матрицею t x m.
Характеристика об’єкта моделювання включає такі моменти:
• вибір одиничного елемента сукупності - носія характерних для закономірності рис;
• визначення просторових і часових меж об’єкта моделювання;
• формування ознакової множини моделі.
Вибір первинного елемента сукупності залежить від рівня об’єкта моделювання. Скажімо, продуктивність праці можна вивчати на рівні галузі, окремих підприємств, цехів і навіть окремих робітників. Очевидно, що у кожному випадку елемент сукупності буде іншим. Межі об’єкта моделювання задаються обсягом сукупності n для статичних моделей і тривалістю періоду T - для динамічних.
При формуванні ознакової множини Х вирішальну роль видіграють експертні оцінки значущості та інформативності окремих ознак, враховується можливість їх точного вимірювання, діапазон варіації, трудомісткість збирання інформації.
У статистичному моделюванні сукупність завжди розглядається як вибірка - класична чи гіпотетична. Класична вибірка - це частина реальної генеральної сукупності, відібрана для обстеження за принципами вибіркового методу. Гіпотетична генеральна сукупність оперує не кількістю елементів, а кількістю можливих наслідків функціонування об’єкта моделювання в одних і тих самих умовах. Отже, фактичні дані, навіть якщо вони є результатом суцільного обстеження сукупності, розглядаються як випадкові реалізації стохастичного, непередбачуваного процесу. Це дає підстави для ймовірнісного оцінювання результатів моделювання.
Завдання ймовірнісного оцінювання - встановити, наскільки виявлена закономірність позбавлена випадкових впливів, наскільки вона характерна для того комплексу умов, у яких функціонує об’єкт моделювання. Якісна своєрідність і неповторність статистичних сукупностей потребує інтерпретації цих оцінок щодо конкретних умов простору і часу. В окремих випадках імовірнісне оцінювання результатів суцільного спостереження недоречне, скажімо, при визначенні рейтингів окремих елементів сукупності. Проте мета конкретного дослідження не може відкинути правомірність використання таких оцінок.
Розвідувальний аналіз даних передбачає:
• статистичне описування об’єкта - визначення середніх, стандартних відхилень, інших характеристик розподілу;
• уніфікацію типів ознак, приведення їх до одного виду;
• тестування сукупності на однорідність, ідентифікацію аномальних спостережень;
• відтворення пропущених даних;
• оцінювання взаємозв’язків між ознаками.
Побудова моделі ґрунтується на основі певних правил та алгоритмів, які визначають порядок розрахунків і математичних дій, необхідних для обробки інформації. На етапі математичної формалізації моделі обґрунтовується алгебраїчна форма розрахунків, відношення між властивостями процесу описуються символами та знаками, порядок розрахунків - блок-схемами.
Оцінювання параметрів моделі - це етап комп’ютерної обробки даних. Прикладом такої обробки є програма Statistica, яка надає унікальні можливості експериментування, розвідки, графічного відображення і поглибленого аналізу даних, у якій сучасні методи статистичного моделювання та прогнозування реалізовані з використанням новітніх комп’ютерних технологій.
Перевірка адекватності моделі означає оцінювання ступеня відповідності параметрів моделі характеристикам об’єкта. На цьому етапі використовують різні процедури порівняння модельних висновків, перевірки статистичних гіпотез за допомогою статистичних критеріїв. Перевірка адекватності моделі має сенс лише щодо мети дослідження і не може бути абстрактною.
Заключний етап моделювання - аналіз та інтерпретація результатів - один із найскладніших і найвідповідальніших. Складність його полягає у тому, що для інтерпретації результатів не існує готових алгоритмів чи рецептів. Єдинa спільна для всіх моделей вимога - інтерпретація має узгоджуватися з первинними гіпотезами. Основні висновки формулюються в змістовних термінах: зміст параметрів моделі, правильність перевірюваних гіпотез, оцінювання ступеня їх вірогідності.
Отже, можна сформулювати два принципи статистичного моделювання:
• підпорядкованість меті дослідження на всіх етапах моделювання;
• забезпечення адекватності моделі.
Слід пам’ятати, що єдино правильної, «ідеальної» моделі не існує. Ту ж саму закономірність можна описати різними моделями. Вибір того чи іншого типу моделі залежить від мети дослідження, специфіки процесу (явища), масштабу об’єкта моделювання, наявної інформації, технічного та програмного забезпечення.
Одна з найскладніших проблем системи управління - передбачити майбутнє і віднайти ефективні рішення в умовах невизначеності. Інструментом мінімізації невизначеності слугує прогнозування, а прогнозом називають науково обґрунтований висновок про майбутні події, про перспективи розвитку процесів, про можливі наслідки управлінських рішень.
За специфікою об’єктів прогнозування прогнози поділяють на науково-технічні, економічні, соціальні, військово-політичні тощо. Економічні прогнози, в свою чергу, класифікують за масштабністю об’єкта на глобальні (світові), макроекономічні, структурні (міжгалузеві та міжрегіональні), регіональні, галузеві, мікроекономічні.
Прогнозування передбачає систему наукових доведень, використання методів і прийомів з різним ступенем формалізації, узгодженість окремих висновків і оцінок щодо майбутнього розвитку процесу. В світовій практиці прикладного прогнозування використовують різні методи: статистичні (прогнозна екстраполяція), функціонально-ієрархічні (прогнозні сценарії), методи структурної аналогії, імітаційного моделювання, експертні оцінки. Кожен метод має свої особливості, позитивні якості й вади, свої межі використання.
При прогнозуванні соціально-економічних процесів перевага віддається статистичним методам, прогнозним результатом яких є очікувані у майбутньому значення характеристик процесу.
Очевидно, що майбутнє неможливо спостерігати, а очікуваний результат виміряти, його можна лише передбачити за певних умов, скажімо, «…якщо тенденція не зміниться, то…» або «…якщо станеться подія А, то…» і т. ін. Якщо умови зміняться, то автоматично зміниться й результат прогнозування. Отже, статистичний прогноз, побудований за схемою «…якщо, то…», завжди є умовним.
Іншою особливістю статистичного прогнозу є визначеність його в часі. Часовий горизонт прогнозу називають періодом упередження. За тривалістю цього періоду вирізняють прогнози: короткострокові (до 1 року), середньострокові (до 5 років) і довгострокові (від 5 до 20 років і більше). Тривалість періоду упередження залежить від специфіки об’єкта прогнозування, інтенсивності динаміки, тривалості дії виявлених закономірностей та тенденцій.
Прогнозний результат на період упередження можна представити одним числом (точковий прогноз) або інтервалом значень, до якого з певною ймовірністю належить прогнозна величина (інтервальний прогноз).
Статистичні прогнози ґрунтуються на гіпотезах про стабільність значень величини, що прогнозується; закону її розподілу; взаємозв’язків з іншими величинами тощо. Основний інструмент прогнозування - екстраполяція.
Суть прогнозної екстраполяції полягає в поширенні закономірностей, зв’язків і відношень, виявлених в t-му періоді, за його межі. Залежно від гіпотез щодо механізму формування і подальшого розвитку процесу використовуються різні методи прогнозної екстраполяції. Їх можна об’єднати в дві групи:
• екстраполяція закономірностей розвитку тенденцій і коливань;