СЕМИНАР-ТРЕНИНГ Использование компьютерных технологий для повышения обоснованности научных исследований зразок оформлення титульного аркуша магістерської роботи МІНІСТЕРСТВО ОСВІТИ І НАУКИ МОЛОДІ ТА СПОРТУ УКРАЇНИ ОДЕСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ Допущено до захисту Завідувач кафедри ____________ МАГІСТЕРСЬКА РОБОТА на здобуття освітньо-кваліфікаційного рівня магістра зі спеціальності за програмою з теми: КАК КРАСИВО ПОДАТЬ ДИПЛОМНУЮ РАБОТУ» студент V курсу _______________________ (факультет) ___________________ ____________ (П.І.Б.) (підпис) Науковий керівник: к.е.н., доцент Карпов В.А.________ _______________________________________ _____________________________________ (підпис) Одеса 2012

Литература

Специальная литература

Тема семинара: Использование компьютерных технологий для повышения обоснованности научных исследований 1. Пакет Анализа MS Office - анализ и прогнозирование экономических показателей

Использование компьютерных технологий для повышения обоснованности научных исследований Современная экономическая наука характеризуется широким использованием математики, статистики и эконометрии. Расширенное применение математических методов в последнее десятилетие обусловлено распространением ПЭВМ и их применением в экономической практике. Зачем это нужно ?

С точки зрения проведения дипломных исследований наиболее привлекательными являются следующие возможности Microsoft Excel: создание баз данных и группировка информации; построение диаграмм разных типов; статистический анализ (описательная статистика, регрессия, корреляция, Фурье-анализ и т.п.); на основе интерполяции и использования метода наименьших квадратов - расчеты трендовых моделей динамических рядов и прогнозирование по ним; решение оптимизационных задач различного класса с использованием программы «Поиск решений»; финансовый анализ.

Хочешь хорошо подать ДР используй Microsoft Excel! Перечисленные (далеко не все) возможности Microsoft Excel, позволяют повысить привлекательность подачи материала и его наглядность, а также значительно ускорить проведение расчетов в дипломной работе.

Статистический анализ в Microsoft Excel В состав Microsoft Excel входит набор средств анализа данных (так называемый «пакет анализа»), предназначенный для решения сложных статистических и инженерных задач. Если пакет не установлен его следует добавить

Построение таблиц в Microsoft Excel Где взять? 1. Построить в Microsoft Excel самому… 2. Импортировать из: Microsoft Word, из интернета или другого электронного источника. Первый шаг

Я взял материал с официального сайта Укрстата У фактичних цінах, млн. грн. Всього Темпи росту - 137,8114,1137,2148,4122,9134,5150,4123,6 Темпи росту споживчих цін - 106, ,2112,3110,3111,6116,6122,3 Инвестиции в основной капитал предприятий Украины в гг.

Из данной таблицы можно построить несколько аналитических графиков: Рис.1. Інвестиції в основний капітал в України у рр. Рис.2. Порівняльна динаміка темпів росту інвестицій і споживчих цін

Описательная статистика В Microsoft Excel можно не утруждая себя расчетами на калькуляторе сразу же получить всевозможные статистические показатели на основе загруженного в него материала (таблицы). Второй шаг

Инструмент описательная статистика Для этого загружаем пакет анализа (в главном меню «Сервис», затем «Анализ данных»: Входим в описательную статистику, выделяем исследуемый интервал:

Динамика характеризуется следующими показателями : П Р И Р О С Т Темп роста Темп прироста Цепнойбазисныйцепной БазисныйцепнойБазисный % 0.00% % 0.67% %101.33%0.66%1.33% %102.00%0.66%2.00% %102.00%0.00%2.00% %103.33%1.31%3.33% %106.00%2.58%6.00% %106.67%0.63% 6.67% %110.00%3.13%10.00% %114.67%4.24%14.67% %116.67%1.74%16.67% %110.00%-5.71%10.00% %106.67%-3.03%6.67% Выборочные характеристики: Минимум = 150, максимум = 175, размах = 25, число точек = 14, медиана = 157, среднее = 158,5714, дисперсия = 66,1099, вариация = 5,127531%, среднеквадратическое отклонение = 8,1308, среднее абсолютное отклонение = 6,571429, асимметрия = 0, , эксцесс = - 0, ПОЛУЧАЕМ:

Корреляционный анализ на практике существует достаточно большое количество явных и неявных взаимосвязей, например, между той же заработной платой служащего и его образованием, объемом выпускаемой продукции и затратами на производство, между объемом сбыта и уровнем дохода, между производительностью работников и их отношением к труду и т.д. Иначе говоря, на практике речь часто может идти о двумерных данных и зависимостях между ними. Третий шаг

Регрессия и корреляция Существует два базовых инструмента, с помощью которых анализируются двумерные данные (например, зарплата и образование): корреляционный анализ, позволяющий оценить степень взаимосвязи между двумя факторами (если такая взаимосвязь вообще существует), и регрессионный анализ, который показывает, как можно предсказать поведение одной из двух переменных или управлять ею с помощью другой.

Корреляция Microsoft Excel располагает двумя функциями КОРРЕЛ (или ПИРСОН), которые предназначены для расчета генерального и выборочного коэффициента корреляции между двумя переменными. В результате выдается таблица (корреляционная матрица), показывающая значение функции КОРРЕЛ (или ПИРСОН) для каждой возможной пары переменных измерений.

Пример корреляционного анализа: имеются данные о брака в производстве изделия А и количестве аттестованной продукции (таблица 3). Следует установить, существует ли взаимосвязь между ростом брака и количеством аттестованной продукции. Таблица 1.3 Данные выборки по браку изделий Рост брака (%)К-во изделий

Введем данные в лист Microsoft Excel:

Вызовем функцию Корреляция. На листе результатов получим: Столбец 1Столбец 2 Столбец 11 Столбец 21 Результаты говорят о наличии отрицательной корреляции между показателями (с коэффициентом –1, что позволяет сделать вывод о функциональной (линейной) связи между показателями).

Регрессия Регрессионный анализ представляет собой следующий этап статистического анализа и позволяет предсказать значения случайной величины на основании значений одной или нескольких независимых случайных величин. Достижение этой цели оказывается возможным за счет определения вида аналитической зависимости между величинами на основе МНК – метода наименьших квадратов. Форма связи результативного признака с факторами называется уравнением регрессии.

Пример регрессии Вернемся к примеру с браком (таблица 3). Нам следует определить функцию зависимости между ростом брака и количеством аттестованной продукции.

dfSSMSFЗначимость F Регрессия 110 6,08E+3 21,47E-49 Остаток 34,93E-321,64E-32 Итого 410 Коэффициент ы Стандартная ошибка t- ста тис тик а P- Зна чен ие Нижние 95% Верхни е 95 % Нижние 95,0 % Y-пересечение 61,34E-16 4,46E+1 62,48E Переменная X 1-0,28,11E-18-2,5E+161,47E-49-0,2 Функция взаимосвязи между ростом процента брака и количеством аттестованной продукции будет иметь следующий вид: y= 6 - 0,2x, где: у – процент брака; х – количество аттестованной продукции. Вывод: с ростом брака на 1% количество аттестованной продукции уменьшается на 20% (-0,2*100).

Прогнозирование динамики экономических процессов В Microsoft Excel предусмотрены возможности добавлять к графическим построениям следующие аналитические расчеты: построение скользящих средних с заданным периодом усреднения; построение линии тренда на основе метода наименьших квадратов (МНК); расчет параметров уравнения линии тренда с оценкой уровня достоверности аппроксимации; прогнозирование динамики на заданный период. Четвертый шаг

Метод наименьших квадратов (МНК) Основным расчетным методом построения функций тренда является так называемый метод наименьших квадратов (МНК). Сущность этого метода состоит в минимизации суммы квадратов отклонений фактических значений функции (фактического тренда конъюнктуры) от расчетных значений, вычисляемых по теоретической (предполагаемой, гипотетической) функции тренда. Т.е. должно выполняться следующее условие: ( y факт. - y рас.) 2 min, n где: Уфакт - фактические значения конъюнктурного показателя; Урасч. - расчетные (теоретические) значения того же показателя; n - количество уровней (наблюдений) Нарисовать на флип-чарте МНК

Метод наименьших квадратов (МНК) Удобство процедуры прогнозирования при помощи пакета Microsoft Excel состоит в том, что на одном графике совмещаются: фактическая кривая тренда, теоретическая (расчетная) формула уравнения тренда, ее график и значение надежности уровня аппроксимации расчетной кривой, а также прогноз.

Сомнения в использовании метода… Совет: использование приведенной процедуры прогнозирования возможно лишь в том случае, если имеет место гипотеза о интерполяции динамики временного ряда на прогнозируемое будущее. Если уверенности в этом нет, или динамика ряда подвержена резким изменениям, то следует использовать другие методики прогнозирования.

Совет: при прогнозировании на один-два значения в будущее, количество уровней в ряду (количество наблюдений) должно составлять не менее 10.

Приведем последовательность построения трендовых моделей прогнозирования в Microsoft Excel с помощью МНК: Выберите ряд данных, к которому нужно добавить линию тренда или скользящее среднее.ряд данных линию трендаскользящее среднее Выберите команду Добавить линию тренда в меню Диаграмма. На рис.13 приведено окно выбора линии тренда.

Выбор формы тренда Выбор формы тренда зависит от проделанного ранее статистического анализа динамики прогнозируемого показателя. При формальном подходе выбора формы тренда коэффициент достоверности аппроксимации R 2 должен превышать его критическое значение R 2 0,95. Совет: можно смоделировать все линии тренда, отражающие динамику процесса. Поверьте, это займет не много времени. Остановитесь на той линии, которая имеет больший R 2 и отвечает условию превышения его критического значения R 2 0,95.

Прогноз В окне «параметры» (см. рис.14) поставьте флажки напротив уравнения тренда и величины достоверности аппроксимации.

Пример прогноза Вывод: Начальная посещаемость бани - 1 человек в день, однако в дальнейшем количество посетителей за все десять дней росло в среднем на 26,6% в день, однако этот рост замедлялся на 3 % в день.

Рисунок 3. Формирование ВВП по годам в гг. ( гг. – прогноз) в текущих ценах, трлн. руб. Источник: ABARUS Market Research по данным ФСГС РФ.

Значение прогноза Для получения значения прогноза достаточно подставить номер прогнозируемого периода в уравнение тренда: y = -0,0303x 2 + 1,2667x + 1 (х=11,х=12) Получим: на 11 день – 11 чел. на 12 – 11 чел. Достоверность прогноза составляет 93%.

Фурье-анализ динамики (быстрое преобразование Фурье –БПФ) Для анализа циклических процессов в экономике можно использовать Фурье- анализ реализованный в Microsoft Excel

Гармоники Фурье В общем виде периодическую кривую динамики можно представить как гармоники Фурье. Так, периодическая функция с периодом Т на интервале - T t T разлагается в ряд Фурье [5, с. 32]: (4) где величина определяет номер гармоники ряда Фурье; а 0,а к, в к, - параметры кривой; к - число гармоник. С целью оптимизации Фурье-анализа Лораном Абдулазаром и Карповым В.А. была подготовлена утилита для анализа цикличности экономических процессов

Шутливый пример определения цикличности методом БПФ Посещаемость баньки Элемент День Количество посетителей

Графические результаты анализа

На рисунке 9 представлена гармоническая кривая динамики ВВП Украины в г.г. полученная на основе метода быстрого преобразования Фурье.

СПАСИБО ЗА ВНИМАНИЕ! Презентация подготовлена доцентом кафедры организации, планирования и регулирования экономики Одесского государственного экономического университета Карповым Владимиром Анатольевичем