Анализ и прогнозирование структуры ВВП

Министерство  образования и науки РФ

Федеральное государственное бюджетное образовательное  учреждение

высшего профессионального образования

«Юго-Западный государственный университет»

Кафедра Информационных систем и технологий

 
 
 
 

Курсовая  работа

По дисциплине  «Основы прогнозирования и планирования»  

Анализ  и прогнозирование  структуры ВВП

(название  темы) 
 

        Специальность  080801.65 – Прикладная информатика в экономике 

        Автор работы                                                                  Л.Н. Сазыкина

                          (подпись, дата)                             (инициалы, фамилия)

        Группа             ПЭ - 92 
 

        Руководитель работы                                                к.т.н.,  доцент  Т.И. Лапина

                                                            (подпись, дата)                        

        Работа защищена___________________________________

                                                                                      (дата) 

        Оценка _________________    

        Председатель комиссии                                                       Т.И. Лапина

                                                                                 (подпись, дата)      

       Члены комиссии         ____________________

                                                                                (подпись, дата)      

                                                     _______________________

                                                                                   (подпись, дата) 
 
 
 

        

Курск 2011 г.

СОДЕРЖАНИЕ 

Введение  …………………………………………………………………..  3

  1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ МЕТОДОВ

     АНАЛИЗА  ВВП………………………………………………..………….. 6

      1.1. Общая характеристика валового внутреннего продукта……………………………………………………………………….. 6

      1.2. Методы расчёта ВВП ……………………………………………….. 6

    1.3. Актуальность разработки системы прогнозирования ВВП.……………………………. …………………………….……….. 8

    2. МЕТОДОЛОГИЯ ПРОГНОЗИРОВАНИЯ .……………………………. 10

      2.1. Общая характеристика методов прогнозирования……………….. 10

      2.2. Статистические методы прогнозирования………………..……….. 11

      2.2.1. Простейшие методы прогнозирования……………………... 11

      2.2.2. Современные  статистические методы прогнозирования..... 13

      2.2.3. Планирование и прогнозирование ВВП  …………………... 15

      3. МЕТОДЫ  ПРОГНОЗИРОВАНИЯ МАКРОЭКОНОМИЧЕСКИХ  ПОКАЗАТЕЛЕЙ………………………………………………………….... 17

    4. ПРАКТИЧЕСКАЯ ЧАСТЬ …………………………………………….... 20

ЗАКЛЮЧЕНИЕ …………………………………………………………….... 10

СПИСОК  ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ …………………………….. 10

ПРИЛОЖЕНИЯ …………………………………………………………….... 10 
 
 
 
 

Введение

     В стране ежедневно производятся товары и оказываются различные виды услуг. Таким способом в любой стране образуется система, каждый элемент который связан с другими её компонентами. А это и есть потенциал страны. Показателем, измеряющим этот потенциал, является ВВП. Он помогает обозначить период экономики страны (спад или подъём), её состояние, эффективность, устойчивость , сравнить с экономическим ростом других стран. ВВП на душу населения указывает на каком уровне находятся социальные проблемы, которые в последнее время стоят особенно остро почти перед каждой страной. Нужно заметить, что не все страны производят подсчёт ВВП, а те что делают, прибегают к разным методам его измерения. Так как разные показатели ВВП могут сделать оценку экономики в целом. В связи с этим, измерение ВВП, увеличение темпов его прироста неотъемлемо для каждой страны.

Объект  исследования – статистические данные о ВВП за 1991- 2007гг.

     Предметом исследования являются анализ и прогнозирование  динамики изменения оплаты труда наёмных рабочих на основе эконометрического моделирования за определенный период. 

     Целью курсовой работы является прогнозирование статистики ВВП, на основе применения различных экономических методов прогнозирования и планирования.

     Для достижения поставленной цели в курсовой работе были рассмотрены и решены следующие задачи:

  1. Изучить сущность и основные принципы  статистической зависимости показателей ВВП и их влияния на экономику в целом.
  2. Выявить особенности прогнозирования и планирования данной сферы экономической деятельности;
  3. Сущность прогнозирования и планирования, классификация прогнозов и объектов прогнозирования;
  4. Охарактеризовать основные методы  экономического прогнозирования;
  5. Рассчитать параметры динамики временных рядов данных;
  6. Проверить наличие тренда, гарантируя результат с вероятностью Р= 0,9 (tα = 1,89; Fкр = 5,34), отобразить фактические данные на графике;
  7. Выполнить сглаживание временных рядов методом скользящей средней;

   4. Выполнить сглаживание временного  ряда  кривой роста;

   5. Определите прогнозные значения  данного показателя на следующие 2 месяца с использованием модели Y= а0 + а1t;

      6. Оценить адекватность модели полученной ранее, описывающей временной ряд Y(t), на основе исследования:

    •   случайности остаточной компоненты по критерию пиков;

    • независимости  уровней ряда остатков по d-критерию (в качестве критических используйте уровни d1 = 0,697 и d2 = 1,641) или по первому коэффициенту корреляции, критический уровень которого r(1)= 0,36;

    •   нормальности распределения остаточной компоненты по RS-критерию с критическими уровнями 2,7—3,7.

  1. Провести качественный анализ взаимосвязей данных, определить вид связи графически по диаграмме рассеивания;
  2. Выполнить расчет линейного коэффициента корреляции между зависимыми признаками. Оценить его значимость по критерию t –Стьюдент;
  3. Провести регрессионный анализ данных. Определения аналитической зависимости признаков в виде уравнения регрессии. Найти параметры уравнения линейной регрессии, дать экономическую интерпретацию коэффициента регрессии;
  4. Осуществить проверку значимости параметров уравнения регрессии с помощью t-критерия Стьюдента (α = 0,05);
  5. Проверить адекватности  модели регрессии. Вычислить коэффициент детерминации, проверить значимость уравнения регрессии с помощью F-критерия Фишера (α = 0,05), найти среднюю относительную ошибку аппроксимации. Сделать вывод о качестве модели;
  6. Дать сравнительную оценку силы связи факторов с результатом с помощью коэффициентов эластичности;
  7. Выполнить прогнозирование среднего значения показателя Y при уровне значимости α = 0,1, если прогнозное значение фактора X составит 80% от его максимального значения;
  8. Оценить точность уравнения через среднюю относительную ошибку аппроксимации;
  9. Рассчитать ошибки и доверительный интервал прогноза для уровня значимости 5 или 10% (α = 0,05; α = 0,10);
  10.   Представить графически: фактические и модельные значения Y, точки прогноза;

     Основные  задачи прогнозирования ВВП, состоят в том, чтобы дать прогнозную оценку рыночной стоимости всех конечных товаров и услуг (то есть предназначенных для непосредственного употребления), произведённых за год во всех отраслях экономики на территории государства для потребления, экспорта и накопления, вне зависимости от национальной принадлежности использованных факторов производства. 
 
 
 
 
 
 
 
 

  1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ МЕТОДОВ АНАЛИЗА ВВП

   1.1.Общая характеристика валового внутреннего продукта

     Валовой внутренний продукт (ВВП) - это один из важнейших показателей системы национальных счетов, который характеризует конечный результат производственной деятельности экономических единиц - резидентов и измеряет стоимость товаров и услуг, произведенных этими единицами для конечного использования.

     Отличие ВВП от национального дохода:

     1) ВВП - это показатель произведенного продукта, который представляет собой стоимость произведенных конечных товаров и услуг.

     2) ВВП - это внутренний продукт, потому что он произведен резидентами. К резидентам относятся все экономические единицы независимо от их национальной принадлежности и гражданства, имеющий центр экономического интереса на экономической территории данной страны.

     3) ВВП - это валовой продукт, потому  что он исчисляется до вычета  потребления основного капитала. Потребление основного капитала  представляет собой уменьшение стоимости основного капитала в течение отчетного периода в результате его физического и морального износа и случайных повреждений, не носящих катастрофического характера.

     Взаимосвязь между показателями валового и чистого  внутреннего продукта и валового и чистого национального дохода изображена в приложении.1.

     1.2 Методы расчета ВВП

     ВВП может быть исчислен следующими тремя  методами:

  1. По доходам

      ВВП = Национальный доход + амортизация + косвенные  налоги — субсидии — чистый факторный доход из-за границы (ЧДиФ) (или + чистый факторный доход иностранцев, работающих на территории данной страны (ЧДФ)), где:

     Национальный  доход = заработная плата + арендная плата + процентные платежи + прибыль корпораций

     Данная  формула характеризует ВВП по доходам в Системе национальных счетов ООН, версия 2008 года.

      Операционная  разница измеряет излишек или  дефицит, полученный от производства до выплаты любых процентов, ренты или сходных платежей, выплачиваемых по финансовым или материальным непроизведённым активам, заимствованным или арендованным предприятием, а также до получения любых процентов или ренты, полученных по финансовым или материальным непроизведённым активам, принадлежащим предприятию (для некорпорированных предприятий, принадлежащих домашним хозяйствам, данный показатель называется «смешанным доходом»).

  1. По расходам

    , где

      ВВП = Конечное потребление + Валовое накопление капитала (инвестиции в фирму(покупка станков, оборудования, запасов, места производства)) + Государственные расходы + Экспорт — Импорт

      Конечное  потребление включает в себя расходы  на удовлетворение конечных потребностей индивидов или общества, произведённые следующими институциональными секторами: сектор домашних хозяйств, сектор органов государственной власти, сектор частных некоммерческих организаций, обслуживающих домашние хозяйства.

     Валовое накопление капитала измеряется общей  стоимостью валового накопления основного  капитала, изменениями в запасах  материальных оборотных средств и чистым приобретением ценностей единицей или сектором.

  1. По добавленной  стоимости (или производственный метод)

    ВВП = сумма  добавленных стоимостей.

     Добавленная стоимость фирмы = доход фирмы — промежуточная стоимость производства товара или услуги

     Общая добавленная стоимость = общий уровень  выпуска — общая ценность промежуточной продукции[2]

     Объём ВВП рассчитывается в настоящее  время в соответствии с рекомендациями неоклассической теории — как сумма добавленной стоимости, созданной на территории страны при предположении, что она создаётся как в сфере производства, так и в сфере услуг. При этом добавленная стоимость оценивается как разность между доходом предприятия и материальными затратами и не включает косвенных налогов, уплачиваемых с продукции (услуг). В итоге общий объём ВВП отличается от суммарной добавленной стоимости, зафиксированной в сферах производства и услуг, на величину чистых косвенных налогов (косвенных налогов за вычетом субсидий, предоставляемых государством бизнесу).

    1. Актуальность разработки системы прогнозирования ВВП

    Проведение  успешной экономической политики зависит  от достоверности прогноза основных макроэкономических показателей. Одним из таких показателей является валовой внутренний продукт.

    ВВП - показатель общего экономического состояния  страны, рыночная стоимость предназначенных  для конечного использования   товаров и услуг, произведенных на территории данной страны за определенный период времени и отражающий реальный вклад предприятий в создание конкретных продуктов, т.е. заработную плату, прибыль, амортизацию, процент за кредит и т.д.

    Предметом изучения ВВП являются экономические  единицы – резиденты, производящие товары и услуги для конечного пользования за определенный период. 

    Показатель  ВВП имеет очень важное значение для экономики в целом. Он:

    -       используется для характеристики результатов производства, уровня экономического развития, темпов экономического роста, анализа производительности труда в экономике;

    -       дает представление об общем материальном благосостоянии нации, так как чем выше уровень производства, тем выше благосостояние страны;

    -       свидетельствует об уровне развития экономики;

    -        используется при расчетах минимальной заработной платы, будущих налоговых поступлений и других важных показателей.  

     Очень часто этот показатель используется в сочетании с другими показателями, например, если анализируется отношение дефицита государственного бюджета к ВВП.

  1. МЕТОДОЛОГИЯ ПРОГНОЗИРОВАНИЯ

    2.1. Общая  характеристика методов прогнозирования  

     Для рассмотрения выделим следующие  методы статистического прогнозирования:

     Экстраполяция по скользящей средней - может применяться для целей краткосрочного прогнозирования.

     Необходимость применения скользящей средней вызывается следующими обстоятельствами. Бывают случаи, когда имеющиеся данные динамического ряда не позволяют обнаруживать какую-либо тенденцию развития (тренд) того или иного процесса (из-за случайных и периодических колебаний исходных данных). В таких случаях для лучшего выявления тенденции прибегают к методу скользящей средней.

     Метод скользящей средней состоит в  замене фактических уровней динамического ряда расчетными, имеющими значительно меньшую колеблемость, чем исходные данные. При этом средняя рассчитывается по группам данных за определенный интервал времени, причем каждая последующая группа образуется со сдвигом на один год (месяц). В результате подобной операции первоначальные колебания динамического ряда сглаживаются, поэтому и операция называется сглаживанием рядов динамики (основная тенденция развития выражается при этом уже в виде некоторой плавной линии).

     Метод скользящей средней называется так  потому, что при вычислении средние как бы скользят от одного периода к другому; с каждым новым шагом средняя как бы обновляется, впитывая в себя новую информацию о фактически реализуемом процессе.  

    2.2. Статистические методы прогнозирования

    Статистические методы прогнозирования — научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных; развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей. Научной базой статистических методов прогнозирования является прикладная статистика и теория принятия решений.

    2.2.1. Простейшие методы прогнозирования

    Простейшие  методы восстановления используемых для  прогнозирования зависимостей исходят  из заданного временного ряда, т. е. функции, определённой в конечном числе точек на оси времени. Временной ряд при этом часто рассматривается в рамках той или иной вероятностной модели, вводятся другие факторы (независимые переменные), помимо времени, например, объем денежной массы. Временной ряд может быть многомерным. Основные решаемые задачи — интерполяция и экстраполяция. Метод наименьших квадратов в простейшем случае (линейная функция от одного фактора) был разработан К. Гауссом в 1794—1795 гг. Могут оказаться полезными предварительные преобразования переменных, например, логарифмирование. Наиболее часто используется метод наименьших квадратов при нескольких факторах. Метод наименьших модулей, сплайны и другие методы экстраполяции применяются реже, хотя их статистические свойства зачастую лучше.

    Оценивание  точности прогноза (в частности, с  помощью доверительных интервалов) — необходимая часть процедуры прогнозирования. Обычно используют вероятностно-статистические модели восстановления зависимости, например, строят наилучший прогноз по методу максимального правдоподобия. Разработаны параметрические (обычно на основе модели нормальных ошибок) и непараметрические оценки точности прогноза и доверительные границы для него (на основе Центральной Предельной Теоремы теории вероятностей). Применяются также эвристические приемы, не основанные на вероятностно-статистической теории: метод скользящих средних, метод экспоненциального сглаживания.

    Многомерная регрессия, в том числе с использованием непараметрических оценок плотности распределения — основной на настоящий момент статистический аппарат прогнозирования. Нереалистическое предположение о нормальности погрешностей измерений и отклонений от линии (поверхности) регрессии использовать не обязательно; однако для отказа от предположения нормальности необходимо опереться на иной математический аппарат, основанный на многомерной Центральной Предельной Теореме теории вероятностей, технологии линеаризации и наследования сходимости [4]. Он позволяет проводить точечное и интервальное оценивание параметров, проверять значимость их отличия от 0 в непараметрической постановке, строить доверительные границы для прогноза.

    Весьма  важна проблема проверки адекватности модели, а также проблема отбора факторов. Априорный список факторов, оказывающих влияние на отклик, обычно весьма обширен, желательно его сократить, и крупное направление современных исследований посвящено методам отбора «информативного множества признаков». Однако эта проблема пока еще окончательно не решена. Проявляются необычные эффекты. Так, установлено, что обычно используемые оценки степени полинома имеют в асимптотике геометрическое распределение . Перспективны непараметрические методы оценивания плотности вероятности и их применения для восстановления регрессионной зависимости произвольного вида. Наиболее общие результаты в этой области получены с помощью подходов статистики нечисловых данных.

    2.2.2. Современные статистические методы  прогнозирования

    К современным статистическим методам  прогнозирования относятся также  модели авторегрессии, модель Бокса-Дженкинса, системы эконометрических уравнений, основанные как на параметрических, так и на непараметрических подходах.

    Для установления возможности применения асимптотических результатов при конечных (т. н. «малых») объемах выборок полезны компьютерные статистические технологии. Они позволяют также строить различные имитационные модели. Отметим полезность методов размножения данных (бутстреп-методов). Системы прогнозирования с интенсивным использованием компьютеров объединяют различные методы прогнозирования в рамках единого автоматизированного рабочего места прогнозиста.

    Прогнозирование на основе данных, имеющих нечисловую природу, в частности, прогнозирование  качественных признаков основано на результатах статистики нечисловых данных. Весьма перспективными для прогнозирования представляются регрессионный анализ на основе интервальных данных, включающий, в частности, определение и расчет нотны и рационального объема выборки, а также регрессионный анализ нечетких данных. Общая постановка регрессионного анализа в рамках статистики нечисловых данных и ее частные случаи — дисперсионный анализ и дискриминантный анализ (распознавание образов с учителем), давая единый подход к формально различным методам, полезна при программной реализации современных статистических методов прогнозирования.

    Основными процедурами обработки прогностических  экспертных оценок являются проверка согласованности, кластер-анализ и нахождение группового мнения. Проверка согласованности мнений экспертов, выраженных ранжировками, проводится с помощью коэффициентов ранговой корреляции Кендалла и Спирмена, коэффициента ранговой конкордации Кендалла и Бэбингтона Смита. Используются параметрические модели парных сравнений — Терстоуна, Бредли-Терри-Льюса — и непараметрические модели теории люсианов . Полезна процедура согласования ранжировок и классификаций путем построения согласующих бинарных отношений. При отсутствии согласованности разбиение мнений экспертов на группы сходных между собой проводят методом ближайшего соседа или другими методами кластерного анализа (автоматического построения классификаций, распознавания образов без учителя). Классификация люсианов осуществляется на основе вероятностно-статистической модели.

    Используют  различные методы построения итогового  мнения комиссии экспертов. Своей простотой выделяются методы средних арифметических и медиан рангов. Компьютерное моделирование  позволило установить ряд свойств медианы Кемени, часто рекомендуемой для использования в качестве итогового (обобщенного, среднего) мнения комиссии экспертов. Интерпретация закона больших чисел для нечисловых данных в терминах теории экспертного опроса такова: итоговое мнение устойчиво, то есть мало меняется при изменении состава экспертной комиссии, и при росте числа экспертов приближается к «истине». При этом в соответствии с принятым подходом предполагается, что ответы экспертов можно рассматривать как результаты измерений с ошибками, все они — независимые одинаково распределенные случайные элементы, вероятность принятия определенного значения убывает по мере удаления от некоторого центра — «истины», а общее число экспертов достаточно велико.

    Многочисленны примеры ситуаций, связанных с  социальными, технологическими, экономическими, политическими, экологическими и другими рисками. Именно в таких ситуациях обычно и необходимо прогнозирование. Известны различные виды критериев, используемых в теории принятия решений в условиях неопределенности (риска). Из-за противоречивости решений, получаемых по различным критериям, очевидна необходимость применения оценок экспертов.

    2.2.3. Прогнозирование рисков.

    В конкретных задачах прогнозирования  необходимо провести классификацию рисков, поставить задачу оценивания конкретного риска, провести структуризацию риска, в частности, построить деревья причин (в другой терминологии, деревья отказов) и деревья последствий (деревья событий). Центральной задачей является построение групповых и обобщенных показателей, например, показателей конкурентоспособности и качества. Риски необходимо учитывать при прогнозировании экономических последствий принимаемых решений, поведения потребителей и конкурентного окружения, внешнеэкономических условий и макроэкономического развития России, экологического состояния окружающей среды, безопасности технологий, экологической опасности промышленных и иных объектов.

     2.2.3. Планирование и прогнозирование  ВВП

       Рассмотрим методы планирования и прогнозирования объёма и темпов изменения ВВП (ВНП), т.к. эти показатели являются индикаторами экономики:

     Методы  экстраполяции - предполагают исследование возможных тенденций изменения рядов динамики с помощью различных временных функций - трендовые модели - это модель динамики производства, описанная статистической совокупностью (динамикой фактического ряда). При сохранении условий экономического развития в будущем временные функции могут быть экстраполированы и найдены прогнозные оценки.

     Экстраполяция - от латинского «extra» - «вне», «сверх», «дополнительно»; и «polio» - «приглаживаю», «изменяю» - метод заключается в распространении выводов полученных из наблюдения над одной частью явления на другую.

     Тренд - аналитическое или графическое  представление изменения переменной во времени.

     Метод дефляции - осуществляется через индексы  цен и структуру производства. Для прогнозирования используется методика МВФ, в основе которой лежит макромодель прогноза ВВП на основе оценки изменения объёмов и инфляции. На первом этапе рассчитывается реальный ВВП по сельскому хозяйству и несельскохозяйственным отраслям (такое деление связано с сезонностью сельского хозяйства, в РБ соотношение 80 % к 20 %). Для этого определяются темпы изменения объёма производства по кварталам, на их основе находятся годовые темпы изменения, а затем определяется реальный ВВП на прогнозируемый период.

Анализ и прогнозирование структуры ВВП 📙 Курсовая → 🆔 11660

Анализ и прогнозирование структуры ВВП 📙 Курсовая → 🆔 11660

Анализ и прогнозирование структуры ВВП