Методы построения прогностических моделей.

Введение Актуальность темы. Статистические (эконометрические) методы используются в зарубежных и отечественных экономических и технико-экономических исследованиях, работах по управлению (менеджменту). Применение прикладной статистики и других статистических методов дает заметный экономический эффект. Например, в США - не менее 20 миллиардов долларов ежегодно только в области статистического контроля качества. В 1988 г. затраты на статистический анализ данных в нашей стране оценивались в 2 миллиарда рублей ежегодно. Согласно расчетам сравнительной стоимости валют на основе потребительских паритетов, эту величину можно сопоставить с 2 миллиардами долларов США. Следовательно, объем отечественного "рынка статистических и эконометрических услуг" был на порядок меньше, чем в США, что совпадает с оценками и по другим показателям, например, по числу специалистов. В теоретических и практических задачах экономики и менеджмента постоянно используются различные величины, обычно рассматриваемые как числовые. Например, рыночная цена товара, прибыль предприятия, индекс инфляции, валовой внутренний продукт, чистая приведенная величина для потока платежей и т.д. Статистические и математические модели экономических явлений и процессов определяются спецификой той или иной области экономических исследований. Так, в экономике качества модели, на которых основаны статистические методы сертификации и управления качеством - модели статистического приемочного контроля, статистического контроля (статистического регулирования) технологических процессов (обычно с помощью контрольных карт Шухарта или кумулятивных контрольных карт), планирования экспериментов, оценки и контроля надежности и другие - используют как технические, так и экономические характеристики, а потому относятся к эконометрике, равно как и многие модели теории массового обслуживания (теории очередей). Цель работы – изучить методы построения прогностических моделей. Задачи:  изучить многомерный метод наименьших квадратов (МНК);  рассмотреть модели временной зависимости;  проанализировать дисперсии МНК оценок параметров модели. Проверка статистических гипотез относительно параметров модели. Структура работы. Контрольная работа состоит из введения, трех вопросов, заключения и списка литературы. 2. Дисперсии МНК оценок параметров модели. Проверка статистических гипотез относительно параметров модели.

Как уже отмечалось, разработана масса методов эвристического анализа систем эконометрических уравнений. Они предназначены для решения тех или иных проблем, возникающих при попытках найти численные решения систем уравнений.
Одна из проблем связана с наличием априорных ограничений на оцениваемые параметры. Например, доход домохозяйства может быть потрачен либо на потребление, либо на сбережение. Значит, сумма долей этих двух видов трат априори равна 1. А в системе эконометрических уравнений эти доли могут участвовать независимо. Возникает мысль оценить их методом наименьших квадратов, не обращая внимания на априорное ограничение, а потом подкорректировать. Такой подход называют косвенным методом наименьших квадратов.
Двухшаговый метод наименьших квадратов состоит в том, что оценивают параметры отдельного уравнения системы, а не рассматривают систему в целом. В то же время трехшаговый метод наименьших квадратов применяется для оценки параметров системы одновременных уравнений в целом. Сначала к каждому уравнению применяется двухшаговый метод с целью оценить коэффициенты и погрешности каждого уравнения, а затем построить оценку для ковариационной матрицы погрешностей, После этого для оценивания коэффициентов всей системы применяется обобщенный метод наименьших квадратов.
Менеджеру и экономисту не следует становиться специалистом по составлению и решению систем эконометрических уравнений, даже с помощью тех или иных программных систем, но он должен быть осведомлен о возможностях этого направления эконометрики, чтобы в случае производственной необходимости квалифицированно сформулировать задание для специалистов-эконометриков.
От оценивания тренда (основной тенденции) перейдем ко второй основной задаче эконометрики временных рядов - оцениванию периода (цикла) .

Введение 3
1. Многомерный метод наименьших квадратов (МНК) 5
2. Дисперсии МНК оценок параметров модели. Проверка статистических гипотез относительно параметров модели. 12
Заключение 20
Список литературы 21

1. Акулич И.Л. Математическое программирование в примерах и задачах./ И.Л.Акулич - М.: Высшая Школа, 2008. - 319с.
2. Деордица Ю.С. Компьютерные технологии в экономике и менеджменте: Учеб. пособие./ Ю.С. Деордица, В.Т. Савченко - М: ВУГ, 2004. – 372 с.
3. Исследование операций в экономике: Учеб. пособие / Под ред. Н.Ш. Кремера. -М.: ЮНИТИ, 2006. – 387 с.
4. Крушевський А.В. Справочник по экономико-математическим моделям и методам./ А.В. Крушевський - М.: Техника, 2006, - 208 с.
5. Ляшенко И.Н. Линейное и нелинейное программирование. / И.Н.Ляшенко - М.: Высшая школа, 2006. - 371с.
6. Шуенкин В.А. Основы математического программирования. / В.А.Шуенкин, И.А.Жуков - М.: Микро, 2006, - 306 с.