Рабочая программа дисциплины «многомерные статметоды» Рекомендуется для направления подготовки 080100 Экономика
| Вид материала | Рабочая программа |
- Рабочая программа дисциплины «институциональная экономика» Рекомендуется для направления, 398.18kb.
- Рабочая программа дисциплины «аудит» Рекомендуется для направления подготовки 080100, 248.47kb.
- Рабочая программа дисциплины «эконометрика» Рекомендуется для направления подготовки, 196.63kb.
- Рабочая программа дисциплины «страхование» Рекомендуется для направления подготовки, 329.55kb.
- Рабочая программа дисциплины «история» Рекомендуется для направления подготовки 080100, 339.41kb.
- Рабочая программа дисциплины «инвестиции» Рекомендуется для направления подготовки, 331.21kb.
- Рабочая программа дисциплины «финансы» Рекомендуется для направления подготовки 080100, 246.51kb.
- Программа дисциплины Инвестиции для направления 080100. 62 Экономика подготовки бакалавра, 578.6kb.
- Программа дисциплины Многомерные модели для волатильности и их приложения в финансовых, 97.34kb.
- Рабочая программа дисциплины «статистика страхования» Рекомендуется для направления, 160.52kb.
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ И ФИНАНСОВ
РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
«МНОГОМЕРНЫЕ СТАТМЕТОДЫ»
Рекомендуется для направления подготовки
080100 Экономика
(профиль «Статистика»)
Квалификация выпускника - бакалавр
Санкт-Петербург
2011
- Цели и задачи дисциплины
Цель дисциплины «Многомерные статметоды» научить использовать методы многомерного статического анализа для исследования деятельности предприятий, отраслей экономики, для построения многомерных статистических моделей экономических объектов.
Основными задачами являются: изучение методов научных исследований по теории организации выборочных наблюдений, обработки и анализа полученной статистической информации; применение многомерных статистических методов для социально-экономического анализа, идентификации и распознавания образов; моделирование и прогнозирование социально-экономических процессов на федеральном и региональном уровне, а также на уровне предприятия; использование информационных технологий для статистического обоснования принятия решений в области управления и бизнеса.
- Место дисциплины в структуре ООП
Дисциплина «Многомерные статметоды» относится к профессиональному циклу (вариативная часть) ООП.
Знания, умения, компетенции студента, необходимые для изучения дисциплины «Многомерные статметоды», формируются в ходе изучения следующих дисциплин: «Социально-экономическая география», «Теория вероятностей и математическая статистика», «Информатика», «Микроэкономика», «Макроэкономика», «Статистика», «Экономическая теория», «Институциональная экономика».
Для изучения многомерных статистических методов студент должен
знать:
- основы построения, расчета и анализа современной системы показателей, характеризующих деятельность хозяйствующих субъектов на микро- и макроуровне;
- методы построения эконометрических моделей объектов, явлений и процессов;
- основные особенности российской экономики, ее институциональную структуру, направления экономической политики государства.
уметь:
- использовать источники экономической, социальной, управленческой информации;
- анализировать и интерпретировать данные отечественной и зарубежной статистики о социально-экономических процессах и явлениях, выявлять тенденции изменения социально- экономических показателей;
- осуществлять поиск информации по полученному заданию, сбор, анализ данных, необходимых для решения поставленных экономических задач;
- прогнозировать развитие экономических процессов и явлений на микро- и макроуровне.
владеть:
- современными методами сбора, обработки и анализа экономических и социальных данных;
- современной методикой построения современных эконометрических моделей;
- методами и приемами анализа экономических явлений и процессов с помощью стандартных теоретических и эконометрических моделей;
- современными методиками расчета и анализа социально-экономических показателей, характеризующих экономические процессы и явления на микро- и макроуровне;
- навыками самостоятельной работы, самоорганизации организации выполнения поручений.
Знания дисциплины «Многомерные статметоды» необходимы для изучения следующих дисциплин:
- «Эконометрическое моделирование»;
- «Статистика страхования».
- Требования к результатам освоения дисциплины
Процесс изучения дисциплины направлен на формирование следующих компетенций:
- способности анализировать социально-значимые проблемы и процессы, происходящие в обществе, и прогнозировать возможное их развитие в будущем (ОК-4);
- способности осознавать социальную значимость своей будущей профессии, обладать высокой мотивацией к выполнению профессиональной деятельности (ОК-11);
- способности понимать сущность и значение информации в развитии современного информационного общества, сознавать опасности и угрозы, возникающие в этом процессе, соблюдать основные требования информационной безопасности, в том числе защиты государственной тайны (ОК-12);
- владению основными методами, способами и средствами получения, хранения, переработки информации, иметь навыки работы с компьютером как средством управления информацией, способен работать с информацией в глобальных компьютерных сетях (ОК-13);
- способности собрать и проанализировать исходные данные, необходимые для расчета экономических и социально-экономических показателей, характеризующих деятельность хозяйствующих субъектов (ПК-1);
- способности на основе типовых методик и действующей нормативно-правовой базы рассчитать экономические и социально-экономические показатели, характеризующие деятельность хозяйствующих субъектов, (ПК-2);
- способности выполнять необходимые для составления экономических разделов планов расчеты, обосновывать их и представлять результаты работы в соответствии с принятыми в организации стандартами (ПК-3);
- способности осуществлять сбор, анализ и обработку данных, необходимых для решения поставленных экономических задач (ПК-4);
- способности выбрать инструментальные средства для обработки экономических данных в соответствии с поставленной задачей, проанализировать результаты расчетов и обосновать полученные выводы (ПК-5);
- способности применять основные приемы и способы статистической характеристики массовых социально-экономических, политических, экологических процессов (ПК-6);
- способности анализировать и интерпретировать финансовую, бухгалтерскую и иную информацию, содержащуюся в отчетности предприятий различных форм собственности, организаций, ведомств и использовать полученные сведения для принятия управленческих решений (ПК-7);
- способности анализировать и интерпретировать данные отечественной и зарубежной статистики о социально-экономических процессах и явлениях, выявлять тенденции изменения социально-экономических показателей (ПК-8);
- способности, используя отечественные и зарубежные источники информации, собрать необходимые данные проанализировать их и подготовить информационный обзор и/или аналитический отчет (ПК-9);
- способности использовать для решения аналитических и исследовательских задач современные технические средства и информационные технологии (ПК-10);
- способности использовать для решения коммуникативных задач современные технические средства и информационные технологии (ПК-12).
В результате изучения дисциплины «Многомерные статметоды» студент должен:
знать:
методы построения эконометрических моделей объектов, явлений и процессов;
уметь:
- использовать источники экономической, социальной, управленческой информации;
- анализировать и интерпретировать данные отечественной и зарубежной статистики о социально-экономических процессах и явлениях, выявлять тенденции изменения социально- экономических показателей
- осуществлять поиск информации по полученному заданию, сбор, анализ данных, необходимых для решения поставленных экономических задач;
- прогнозировать развитие экономических процессов и явлений на микро- и макроуровне;
владеть:
- современными методами сбора, обработки и анализа экономических и социальных данных;
- современной методикой построения современных эконометрических моделей;
- методами и приемами анализа экономических явлений и процессов с помощью стандартных теоретических и эконометрических моделей;
- современными методиками расчета и анализа социально-экономических показателей, характеризующих экономические процессы и явления на микро- и макроуровне;
- навыками самостоятельной работы, самоорганизации организации выполнения поручений.
4. Объем дисциплины и виды учебной работы
Общая трудоемкость дисциплины составляет 4 зачетные единицы.
| Вид учебной работы | Всего часов семестр 6 |
| Аудиторные занятия (всего) | 72 |
| В том числе: | - |
| Лекции | 40 |
| Практические занятия (ПЗ) | 16 |
| Лабораторные работы (ЛР) | 16 |
| Самостоятельная работа (всего) | 72 |
| В том числе: | - |
| Аналитическая расчетная работа №1 | 12 |
| Аналитическая расчетная работа №2 | 10 |
| Аналитическая расчетная работа №3 | 10 |
| Другие виды самостоятельной работы | 4 |
| Вид промежуточной аттестации - экзамен | 36 |
| Общая трудоемкость час зач. ед. | 144 |
| 4 |
5. Содержание дисциплины
5.1. Содержание разделов дисциплины
Тема 1. Введение в многомерный статистический анализ.
Содержание и основные этапы многомерного статистического анализа. Задачи и методы многомерного статистического анализа. Многомерное признаковое пространство. Современные проблемы многомерного статистического анализа.
Тема 2. Многомерная генеральная и выборочные совокупности.
Распределение и характеристики многомерной совокупности. Многомерное нормальное распределение. Статистические оценки многомерной генеральной совокупности. Проверка статистических гипотез о параметрах многомерной нормально распределенной генеральной совокупности. Моделирование значений случайных векторов
Тема 3. Корреляционный и регрессионный анализ многомерной генеральной совокупности.
Корреляционный анализ количественных признаков. Ранговая корреляция. Корреляция категоризованных переменных. Регрессионный анализ. Экономический анализ на основе уравнений регрессии. Использование инструмента EXCEL, Пакета анализа, пакетов прикладных программ Statistica, SPSS.
Тема 4. Анализ временных рядов.
Элементы анализа и прогнозирования временных рядов. Основные понятия и определения. Анализ временных рядов с помощью инструмента EXCEL, пакетов прикладных программ Statistica, SPSS.
Тема 5. Дискриминантный анализ.
Классификация при наличии обучающих выборок: дискриминантный анализ. Основные определения. Параметрический дискриминантный анализ в случае нормальных классов. Непараметрический дискриминантный анализ. Оценка качества дискриминантной функции и информативности отдельных признаков. Проведение дискриминантного анализа с применением пакетов прикладных программ Statistica, SPSS.
Тема 6. Кластерный анализ.
Классификация без обучения: кластерный анализ. Параметрический случай классификации без обучения. Расщепление смесей вероятностных распределений. Непараметрический случай классификации без обучения: кластерный анализ. Основные типы задач кластер-анализа и основные типы кластер-процедур. Иерархические процедуры. Последовательные кластер-процедуры. Проведение кластерного анализа с применением пакетов прикладных программ Statistica, SPSS.
Тема 7. Метод главных компонент.
Снижение размерности исследуемых многомерных признаков методом главных компонент. Основные типы задач, решаемых методом главных компонент. Цель метода главных компонент. Методы нахождения главных компонент. Главные компоненты для стандартизованных переменных. Подтверждение значимости признаков путем расчёта коэффициента информативности. Интерпретация результатов компонентного анализа. Проведение метода главных компонент с применением пакетов прикладных программ Statistica, SPSS.
Тема 8. Факторный анализ.
Модель ортогональных факторов. Определение факторных нагрузок методом главных факторов. Вращение пространства общих факторов. Статистическая оценка надежности решений методом факторного анализа. Проведение факторного анализа с применением пакетов прикладных программ Statistica, SPSS.
Тема 9. Многомерное шкалирование.
Задачи многомерного шкалирования. Задача метрического шкалирования по Торгерсону. Отличие метрического шкалирования от неметрического. Построение матрицы различий объектов. Алгоритм решения задачи неметрического шкaлирования. Проведение многомерного шкалирования с применением пакетов прикладных программ Statistica, SPSS.
5.2 Разделы дисциплины и междисциплинарные связи с обеспечиваемыми (последующими) дисциплинами
| № п/п | Наименование обеспечиваемых (последующих) дисциплин | № разделов данной дисциплины, необходимых для изучения обеспечиваемых (последующих) дисциплин | ||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | ||
| 1 | Статистика страхования | + | + | + | + | | + | + | | + |
| 2 | Эконометрическое моделирование | + | + | + | + | | | | | |
5.3. Разделы дисциплин и виды занятий
| № п/п | Наименование раздела дисциплины | Лекц. | Практ. зан. | Лаб. зан. | СРС | Всего Час. |
| 1 | Введение в многомерный статистический анализ | 4 | - | - | 2 | 6 |
| 2 | Многомерная генеральная и выборочные совокупности | 4 | 2 | | 4 | 6 |
| 3 | Корреляционный и регрессионный анализ | 4 | 2 | | 6 | 6 |
| 4 | Анализ временных рядов | 4 | 2 | 2 | 6 | 14 |
| 5 | Дискриминантный анализ | 4 | 2 | 2 | 4 | 12 |
| 6 | Кластерный анализ | 6 | 2 | 4 | 2 | 10 |
| 7 | Метод главных компонент | 4 | 2 | 2 | 4 | 12 |
| 8 | Факторный анализ | 6 | 2 | 4 | 4 | 16 |
| 9 | Многомерное шкалирование | 4 | 2 | 2 | 4 | 12 |
| | Подготовка к экзамену | | | | 36 | 36 |
| | Всего | 40 | 16 | 16 | 72 | 144 |
6. Лабораторный практикум
| № п/п | № раздела дисциплины | Наименование лабораторных работ | Трудо-емкость (час.) |
| 1. | Тема 4 | Анализ временных рядов с помощью пакетов прикладных программ Statistica, SPSS | 2 |
| 2. | Тема 5 | Дискриминантный анализ с применением пакетов прикладных программ Statistica, SPSS | 2 |
| 3. | Тема 6 | Кластерный анализ с применением пакетов прикладных программ Statistica, SPSS | 4 |
| 4. | Тема 7 | Метод главных компонент с применением пакетов прикладных программ Statistica, SPSS | 2 |
| 5. | Тема 8 | Факторный анализ с применением пакетов прикладных программ Statistica, SPSS | 4 |
| 6. | Тема 9 | Многомерное шкалирование с применением пакетов прикладных программ Statistica, SPSS | 2 |
7. Практические занятия (семинары)
| № п/п | № раздела дисциплины | Тематика практических занятий (семинаров) | Трудо-емкость (час.) |
| 1 | Тема 2 | Многомерная генеральная и выборочные совокупности. Распределение и характеристики многомерной совокупности. Многомерное нормальное распределение. | 2 |
| 2 | Тема 3 | Корреляционный и регрессионный анализ многомерной генеральной совокупности. Экономический анализ на основе уравнений регрессии. | 2 |
| 3 | Тема 4 | Элементы анализа и прогнозирования временных рядов. Анализ временных рядов с помощью инструмента EXCEL. | 2 |
| 4 | Тема 5 | Классификация при наличии обучающих выборок: дискриминантный анализ. Оценка качества дискриминантной функции и информативности отдельных признаков. | 2 |
| 5 | Тема 6 | Классификация без обучения: кластерный анализ. Основные типы задач кластер-анализа и основные типы кластер-процедур. Иерархические процедуры. Последовательные кластер-процедуры. | 2 |
| 6 | Тема 7 | Снижение размерности исследуемых многомерных признаков методом главных компонент. Подтверждение значимости признаков путем расчёта коэффициента информативности. | 2 |
| 7 | Тема 8 | Модель ортогональных факторов. Определение факторных нагрузок методом главных факторов. Статистическая оценка надежности решений методом факторного анализа. | 2 |
| 8 | Тема 9 | Задача метрического шкалирования по Торгерсону. Построение матрицы различий объектов. | 2 |
8. Примерная тематика курсовых работ
Курсовые работы не предусмотрены учебным планом.
9. Учебно-методическое и информационное обеспечение дисциплины
а) основная литература:
- Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы: учебник. — М.: Финансы и статистика, 2006. — 352 с.
- Ниворожкина Л. И., Арженовский С. В. Многомерные статистические методы в экономике: учебник. — М.: Издательско-торговая корпорация «Дашков и К°»; Ростов-на-Дону: Наука-Спектр, 2009. — 224 с.
б) дополнительная литература:
- Сажин Ю.В., Басова В.А., Катынь А.В. Многомерные статистические методы анализа экономических процессов: учеб. пособие. — Саранск: Изд-во Мордовского ун-та, 2008. — 88 с.
- Кремер Н.Ш. Теория вероятностей и математическая статистика: учебник для вузов. — М.: ЮНИТИ-ДАНА, 2008.— 573 с.
в) программное обеспечение:
освоение курса «Многомерные статметоды» базируется на возможности применения таких компьютерных программ для статистического анализа социально-экономических процессов, как MS Excel, STATISTICA_8 for Windows и SPSS Statistics 17.0 и др.
г) базы данных, информационно-справочные и поисковые системы:
при освоении курса следует использовать базы данных на сайте Федеральной службы государственной статистики (www.gks.ru), ООН (www.undp.ru), международной энергетической компании ВР (www.bp.com) и др.
10. Материально-техническое обеспечение дисциплины
Чтение лекций осуществляется в аудитории, оснащенной мультимедийным оборудованием; практические занятия проводятся компьютерных классах, в которых установлены лицензионные программы STATISTICA_8 for Windows и SPSS Statistics 17.0.
11. Методические рекомендации по организации изучения дисциплины
Курс «Многомерные статметоды» построен таким образом, чтобы научить студентов практическому применению многомерных статистических методов для исследования социально-экономических процессов на основе использования статистических данных и современного программного обеспечения. Данная дисциплина призвана обеспечить будущих специалистов необходимыми знаниями для эффективного количественного анализа и моделирования многомерных социально-экономических процессов.
Прослушав курс «Многомерные статметоды», студенты должны уметь обобщать и анализировать результаты обработки статистических данных с применением на ЭВМ прикладных статических программ STATISTICA_8 for Windows и SPSS Statistics 17.0; владеть методами эконометрического моделирования и прогнозирования социально-экономических процессов на федеральном и региональном уровне, а также на уровне предприятия; разрабатывать варианты управленческих решений и обосновывать их выбор по статистическим критериям социально-экономической эффективности.
Реализация программы предполагает активную самостоятельную работу студентов, включая выполнение расчетно-аналитических работ, самостоятельных учебно-исследовательских работ, участие в научно-исследовательских проектах.
Текущая аттестация качества усвоенных знаний включает активное обсуждение содержания курса, решение индивидуальных задач, проведение обсуждения и защиты индивидуальных исследовательских работ с использованием компьютерных технологий, тестирование по пройденным темам; три расчетно-аналитических работы (дискриминантный, кластерный и факторный анализы);
Итоговая оценка по дисциплине «Многомерные статметоды» рассчитывается по накопительной системе с учетом самостоятельной работы в течение всего семестра и баллов, полученных на экзамене.
Максимально за самостоятельную работу можно заработать 100 баллов.
| Контрольные мероприятия | Возможное количество баллов | |
| Минимум | Максимум | |
| Аналитическая расчетная работа (6-ая неделя семестра) | 17 | 30 |
| Аналитическая расчетная работа (11-ая неделя семестра) | 17 | 30 |
| Аналитическая расчетная работа (16-ая неделя семестра) | 17 | 30 |
| Другие виды самостоятельной работы (тестирование по отдельным темам, активность на практических занятиях, участие в научной работе и др.) | 4 | 10 |
| Итого | 55 | 100 |
К экзамену студент допускается, если он набрал за самостоятельную работу 55 баллов и более и выполнил все задания предусмотренные учебным планом.
Максимальное количество баллов на экзамене – 100 баллов.
Итоговая оценка по дисциплине складывается как средневзвешенная из накопленных в семестре баллов за самостоятельную работу с весом 0,6 и баллов, набранных на экзамене, с весом 0,4.
- до 55 баллов - неудовлетворительно;
- 55-70 баллов - удовлетворительно;
- 71-85 баллов – хорошо;
- 86-100 баллов – отлично.
Варианты тестовых заданий для текущего контроля знаний и промежуточной аттестации по отдельным темам дисциплины «Многомерные статметоды»
Тема «Дискриминантный анализ»
Дана линейная дискриминантная функция и значение константы сравнения:
; c=75где
- рентабельность;
- выработка на одного рабочего.Произвести классификацию предприятий, данные по которым приведены в таблице:
| Предприятие | Рентабельность (%) | Выработка на одного рабочего (тыс.руб.) |
| 1 | 10 | 9,4 |
| 2 | 23 | 9,1 |
| 3 | 19 | 6,6 |
| 4 | 8 | 8,0 |
| 5 | 14 | 9,4 |
Варианты ответов
(букву, соответствующую верному варианту, обвести в кружок):
| а). | | | | б). | | | | в). | | |
| | Номера предприятий | | | Номера предприятий | | | Номера предприятий | |||
| Группа 1 | 1, 2, 3 | | Группа 1 | 1, 4 | | Группа 1 | 1, 4, 5 | |||
| Группа 2 | 4, 5 | | Группа 2 | 2, 3, 5 | | Группа 2 | 2, 3 | |||
Тема «Факторный анализ»
К многомерной выборке, каждое наблюдение которой характеризуется четырьмя стандартизованными признаками, был применен факторный анализ. В результате было выделено два общих фактора, матрица факторных нагрузок, для которых имеет вид:
| | Факторные нагрузки | |
| Фактор 1 | Фактор 2 | |
| Признак 1 | 0,9 | 0,01 |
| Признак 2 | 0,9 | 0,1 |
| Признак 3 | 0,9 | 0,1 |
| Признак 4 | 0,8 | 0,2 |
Задание 1. Определить общность и характерность для каждого признака.
Задание 2. Определить вклад каждого фактора в суммарную дисперсию (какую долю суммарной дисперсии (%) составляет дисперсия каждого фактора).
Задание 3. Определите количество факторов, которым следует ограничиться, если считать, что факторы должны объяснить не менее 70% суммарной дисперсии, ответ обоснуйте.
Разработчик:
СПбГУЭФ кафедра статистики и эконометирики, к.т.н., доцент О.Ю. Бороздина
Эксперт:
СПбЭМИ зам.директора, д.ф-м.н. С.А. Печерский