Размещено на http://www.allbest.ru/

РЕФЕРАТ

Работа содержит: 28 страниц, 5 таблиц, 6 рисунков.

Ключевые слова: тренд, прогнозирование, модель, оценка надежности.

Данная работа посвящена изучению возможности использования трендового метода для прогнозирования показателей работы предприятия с использованием пакета прикладных программ Microsoft Excel.

Целью данной курсовой работы является рассмотрение сущности процесса прогнозирования и планирования, их этапы, принципы, методы и приемы экономического анализа, способы прогнозирования и планирования и методик разработки прогнозов для определения сущности, областей применения и наиболее эффективных методов прогнозирования и планирования.

Автор работы подтверждает, что все заимствованные из литературных и других источников теоретические и методологические положения сопровождаются ссылками на их авторов.

СОДЕРЖАНИЕ

• ВВЕДЕНИЕ
• Глава 1. Теоретические основы прогнозирования в бизнесе
• 1.1 Классификация прогнозов, функции и методы прогнозирования
• 1.2 Бизнес-прогноз методом экстраполяции тренда
• 1.3. Использование моделей регрессии в прогнозировании социально-экономических явлений
• Глава 2. Организационно-экономическая характеристика предприятия
• 2.1. Общее описание предприятия
• 2.2. Структура управления предприятием
• 2.3. Анализ технико-экономических показателей
• Глава 3. Использование трендового метода для прогнозирования показателей работы предприятия
• 3.1. Формирование трендовой модели
• 3.2. Анализ динамики развития и прогнозирование
• 3.3 Оценка надежности прогноза
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Введение

В настоящее время ни одна сфера жизни общества не может обойтись без прогнозов как средства познания будущего. В данной курсовой работе особое внимание уделяется прогнозированию и планированию деятельности предприятий общественного питания, обоснованию основных направлений экономической политики, предвидению последствий принимаемых решений. Прогнозирование является одним из решающих научных факторов формирования стратегии и тактики развития ПОП.

Актуальность данной темы как в условиях развитой рыночной экономики, так и переходной экономики определяется тем, что уровень прогнозирования деятельности предприятия обуславливает эффективность планирования и управления экономикой и другими сферами.

Целью данной курсовой работы является рассмотрение сущности процесса прогнозирования и планирования, их этапы, принципы, методы и приемы экономического анализа, способы прогнозирования и планирования и методик разработки прогнозов для определения сущности, областей применения и наиболее эффективных методов прогнозирования и планирования. Для этого необходимо решить следующие задачи: определить сущность прогнозирования и планирования и области их применения в ходе изучения основ методологии прогнозирования; дать характеристику методов прогнозирования и планирования.

Разработкой данной темы занимались такие известные зарубежные экономисты, как В. Хойер, Р. Акофф, Г. Эмерсон, Ф. Тейлор и российские ученые - Ю. Осипов, Р. Валевич, Г. Давыдов и Р. Шпицнер.

Глава 1. Теоретические основы прогнозирования в бизнесе

1.1 Классификация прогнозов, функции и методы прогнозирования

Прогноз - научно-обоснованное предвидение характера будущего поведения какой-либо системы в целом или ее составных частей при определенных условиях. [1]

Прогноз как процесс связан обычно с анализом состояния и оценкой перспектив развития тех или иных явлений. Но прогноз нельзя рассматривать только с точки зрения видения будущего состояния явлений. В связи с этим можно выделить два этапа прогнозирования:

- поисковый этап - рассмотрение будущего состояния отрасли при неизменности влияния на нее;

- целевой этап - прогноз того, что нужно предпринять, чтобы выйти на тот уровень состояния отрасли, который считается приемлемым.

Прогнозы также имеют классификацию по различным признакам:

1. По уровню:

- макропрогнозы;

- микропрогнозы.

2. По временным горизонтам:

- краткосрочные (от 1 до 3 лет);

- среднесрочные (от 3 до 5 лет); - долгосрочные (более 5 лет).

3. По факторам повторяемости:

- иррегулярные;

- прогноз более или менее повторяющийся;

- предвидение лишь общего контура явлений.

4. По содержанию:

- прогнозы НТП;

- демографические;

- экономические;

- социальные;

- экологические;

- отраслевые;

- территориальные;

- внешнеэкономические. [5]

Прогнозирование выполняет следующие функции:

количественный и качественный анализ тенденций развития предприятия - здесь должны быть выявлены позитивней и негативные тенденции;

вероятностное, альтернативное предвидение развития предприятия, учитывающее сложившиеся тенденции и поставленные цели;

оценка возможностей и последствий активного действия на прогнозные процессы.

Принципами прогнозирования являются:

системность;

адекватность;

альтернативность;

Методы прогнозирования делятся на две группы:

- качественные методы устанавливают общие закономерности развития прогнозных процессов;

- количественные методы дают возможность выразить качественные характеристики в количественном выражении.

1.2 Бизнес-прогноз методом экстраполяции тренда

Экстраполяция -- это метод, при котором прогнозируемые показатели рассчитываются как продолжение динамического ряда на будущее по выявленной закономерности развития. По сути, экстраполяция является переносом закономерностей и тенденций прошлого на будущее на основе взаимосвязей показателей одного ряда. Метод позволяет найти уровень ряда за его пределами, в будущем. Экстраполяция эффективна для краткосрочных прогнозов, если данные динамического ряда выражены ярко и устойчиво. [4]

Если предполагается сохранение прошлых и настоящих тенденций развития на будущее, то говорят о формальной экстраполяции. Если же фактическое развитие увязывается с гипотезами о динамике процесса развития с учетом физической и логической сущности, то говорят о прогнозной экстраполяции. Прогнозная экстраполяция может быть в виде тренда, огибающих кривых, корреляционных и регрессионных зависимостей, может быть основана на факторном анализе и др. Экстраполяция сложного порядка может перерасти в моделирование.

Для такого вида экстраполяции, как тренд, характерно нахождение плавной линии, отражающей, закономерности развития во времени. Тренд обычно применяется как основная составляющая прогнозируемого временного ряда, на которую накладываются другие составляющие, например сезонные колебания. Экстраполяция на основе тренда включает:

1. сбор информации эмпирического ряда показателя за прошлые периоды;

2. выбор оптимального вида функции, описывающей указанный ряд с учетом его сглаживания и выравнивания;

3. расчет параметров выбранной экстраполяционной функции;

4. расчет прогноза на будущее по выбранной функции.

При оценке параметров зависимостей используются метод наименьших квадратов, метод скользящего среднего и метод экспоненциального сглаживания.

Модель тренда может различаться по виду: может быть линейной, степенной (экспоненциальной), логарифмической, параболической, логистической. [8]

1.3 Использование моделей регрессии в прогнозировании социально-экономических явлений

Прогноз всегда был важен для общества. Будучи многогранным, прогноз не привязан ни к одной стороне человеческой деятельности или различным природным явлениям. Все знают про прогноз погоды, но это далеко не единственная, хоть и наглядная, возможность получения прогноза и выгоды от него. В свою очередь, разработку прогноза принято называть прогнозированием, которое применимо для многих явлений и процессов. Существует несколько видов процессов: политические, экономические, социально-экономические и т.д. Прогнозирование наиболее часто применяется в социально-экономических процессах. [7]

Получение прогноза - достаточно трудоемкий и требовательный процесс, который занимает много времени. Обычно для прогнозирования используются следующие методы: экстраполяция известных данных, моделирование некоторых ситуаций или вариативная оценка, полученная на основе экспертных данных. Для их решения можно применять стандартные математические средства и средства компьютерных технологий, такие как: построение прогнозных рядов и использование стандартных функций в MS Excel. Но, как правило, данные методы занимают много времени для вычислений и требуют специальных знаний. Для ускорения процесса получения прогноза можно использовать различные автоматизированные системы, которые обычно содержат несколько определенных методов, необходимых для получения того или иного варианта прогнозного результата. В качестве средств создания подобных систем используют различные языки программирования, с помощью которых можно описать поведение объекта в будущем, основываясь на моделировании социально-экономических процессов с помощью уравнения регрессии. [4]

Для начала необходимо понять, что же такое социально-экономический процесс. Это явление представляет собой изменения в обществе, которые отражаются на его благосостоянии, политической и экономической стабильности, условиях безопасности и прочем. Главная особенность социально-экономических процессов - тесная привязка к деятельности предприятий, крупных национально-государственных систем и регионов, которая определяет масштабы, уровень, темпы и цели происходящего в русле этих, постоянно меняющихся, объектов. Как и многие другие процессы, социально-экономические можно прогнозировать; для этого существуют три основных класса моделей: модели временных рядов, системы эконометрических уравнений и регрессионные модели. Наиболее точным является последний класс, потому что в отличие от других средняя ошибка (доверительный интервал) прогноза рассчитывается с достаточно большой надежностью.

Рассмотрим наиболее значимые понятия данного класса: регрессия и уравнение регрессии. Важнейшим из них является понятие регрессии - это зависимость среднего значения какой-либо величины от некоторой другой величины или нескольких величин. В отличие от чисто функциональной зависимости y = f(x), когда каждому значению переменной x соответствует одно определенное значение y, при регрессивной зависимости одному значению x могут соответствовать несколько значений y (в зависимости от случая). Из этого определения следует понятие уравнения регрессии, которое представляет собой уравнение y = u(x), в котором x играет роль "независимой" переменной, а соответствующий график - линией регрессии величины Y по X. Точность, с которой уравнение регрессии Y по X отражает изменение Y в среднем при изменении x, измеряется мерой разброса величины Y вычисленной для каждого значения X=x.

Глава 2 Организационно-экономическая характеристика предприятия

2.1 Общее описание предприятия

База отдыха "Сябры" находится в 20 км от города Минска (в 9 км. от МКАД) в посёлке Семково, Заславское направление.

На территории базы размещены 8 коттеджных домиков с центральным отоплением. Домики 2-х этажные со всеми удобствами, телевизор, холодильник. Два коттеджа класса люкс и 6 класса полулюкс (12 номеров) с размещением до 4-х человек в номере. В домиках класса люкс имеется джакузи, камин, кондиционер, спутниковое телевидение, микроволновая печь, электрочайник.

Питание: предлагает свои услуги ресторан "Сябры" 1-ой наценочной категории на 66 посадочных мест с размещением в разных залах. 2 зала на 10 мест, 1 зал на 30 мест и на 16 посадочных мест. В летнее время работает большая открытая площадка. Ресторан построен в стиле охотничьего домика по индивидуальному проекту с оригинальным дизайном. В двух залах ресторана плазменные телевизоры, караоке, в главном зале камин. Кухня белорусская и кавказская, широкий выбор шашлыков приготовленных на углях. Открытый мангал, казан. Оригинальные блюда из дичи. Возможно проведение банкетов, фуршетов и др.торжеств. Большой выбор банкетных блюд по предварительным заказам.

Условия для отдыха: русская баня на 15 человек. В бане бассейн с гидромассажем и температурой воды до 22 градусов, бильярд, видеозал, комната отдыха, сеновал. Финская сауна на 5 человек. Озеро на котором размещены 15 малых беседок на 6 чел. и 1 большая на 25 чел. с мангалами (шампура, решетки, уголь входит в стоимость аренды беседки). К вашим услугам в летнее время рыбалка (карп, белый амур, щука, толстолобик), 2 теннисных корта с искусственным покрытием и мини футбольное поле.

2.2 Структура управления предприятием

Организационная структура - документ, устанавливающий количественный и качественный состав подразделений предприятия и схематически отражающий порядок их взаимодействия между собой. Структура предприятия устанавливается исходя из объёма и содержания задач, решаемых предприятием, направленности и интенсивности, сложившихся на предприятии информационных и документационных потоков, и с учётом его организационных и материальных возможностей.

Коммерческой работой занимается торговый отдел, в состав которого входит начальник торгового отдела и 15 специалистов по закупкам, каждый из которых ведет свою ассортиментную группу и заключает с поставщиками договора на поставку. Организационная структура: директор базы, зам. директора базы, товаровед, администратор, 2 старших кассира, 2 оператора ЭВМ, 2 грузчика.

Таблица 2.1

Качественный состав работников аппарата управления

Показатели	Ед. изм.	2011 г.	2012 г.	Отклонение уд веса, (+.-)
		к-во	уд вес, %	к-во	уд вес, %
1. Всего работников аппарата управления	чел	65	100	66	100
в том числе имеющих образование
высшее	чел	20	30,7	21	31,82	+1,12
среднее специальное	чел	45	69,3	45	68,18	-1,12
среднее	чел	-	-	-	-

Работники аппарата управления на 01.01.2013 г. составляют 66 человек, из них руководителей - 25, специалистов - 32 и других служащих - 8 человек. В 2012 года был принят на работу 1 специалист с высшим образованием, вследствие чего удельный вес работников с высшим образованием увеличился на 1,12% и составил 31,82%.

2.3 Анализ технико-экономических показателей

Приведем показатели экономической деятельности базы за 2011-2012 г.г.

Таблица 2.2

Показатели экономической деятельности базы

Показатель, млн. руб.	2010	2011 год	2012 год	Темп роста
Выручка от реализации	3900	4100	4526	110,3902
Себестоимость реализованной продукции	1750	1986	2110	106,2437
Прибыль от реализации продукции	610	715	843	117,9021
Чистая прибыль	410	530	696	131,3208
Розничный товарооборот
В действующих ценах	6350	6715	6971	103,8
В сопоставимых ценах	6350	6715	5088,3	75,77

Рассматривая деятельность базы отдыха, можно сказать, что его финансовое положение стабильно.



Глава 3. Использование трендового метода для прогнозирования показателей работы предприятия

3.1 Формирование трендовой модели

Исходными данными для анализа будут являться динамика по чистой прибыли на предприятии за 2010 - 2012 года. Эти данные располагаются в таблице 3.1.

Таблица 3.1

Исходные данные

Динамика чистой прибыли предприятия
Год	Номер уровня ряда	Чистая прибыль (Y)
2010	1	410
2011	2	530
2012	3	696

Для отображения временного ряда строиться диаграмма «Графическое отображение чистой прибыли по годам». С помощью этого, можно визуально увидеть какие колебания происходили за этот период с чистой прибылью на предприятии. Больших колебаний ряд не вызывает поэтому не понадобиться применять сглаживание временного ряда.

Рисунок 3.1 - Графическое отображение чистой прибыли по годам



На этом этапе выводится на диаграмму линии тренда. Линии тренда позволяют графически отображать тенденции данных.

Рисунок 3.2 -Линейный тренд

Рисунок 3.3 - Логарифмический тренд

Рисунок 3.4 - Полиномиальный тренд



Рисунок 3.5 - Степенной тренд

Рисунок 3.6 - Экспоненциальный тренд

прогнозирование регрессия трендовый модель

Из приведенных выше трендов для модели выбирается визуально более подходящий. Для этого достаточно посмотреть на диаграммы. При этих данных подходят следующий тренд: полиномиальный.

3.2 Анализ динамики развития и прогнозирование

В данной трендовой модели имеем следующее уравнение:

Y^=23х² - 92363х + 9Е + 07. (3.1)



Для нахождения точечного прогноза на три года вперед, т. е. x=2013, x=2014, x=2015, получим, подставляя в уравнение модели значения:

Y^=23•2013² - 923639•2013 + 9Е + 07= 908; (3.2)

Y^=23•2013² - 923639•2013 + 9Е + 07= 1166; (3.3)

Y^=23•2013² - 923639•2013 + 9Е + 07= 1470.(3.4)

Данные, которые получили, показывают, какой выпуск продукции будет в последующие три года.

Для изучения динамики развития предприятия необходимо сформировать таблицу на последующие 30 лет с прогнозными показателями развития.

Таблица 3.2

Динамика чистой прибыли предприятия

Период	Чистая прибыль	Базисный	Цепной	Темп роста
2012	696
2013	908	212	212	130,46	130,46
2014	1166	470	258	167,53	128,41
2015	1470	774	304	211,21	126,07
2016	1820	1124	350	261,49	123,81
2017	2216	1520	396	318,39	121,76
2018	2658	1962	442	381,9	119,95
2019	3146	2450	488	452,01	118,36
2020	3680	2984	534	528,74	116,97
2021	4260	3564	580	612,07	115,76
2022	4886	4190	626	702,01	114,69
2023	5558	4862	672	798,56	113,75
2024	6276	5580	718	901,72	112,92
2025	7040	6344	764	1011,5	112,17
2026	7850	7154	810	1127,9	111,51
2027	8706	8010	856	1250,9	110,9
2028	9608	8912	902	1380,5	110,36
2029	10556	9860	948	1516,7	109,87
2030	11550	10854	994	1659,5	109,42
2031	12590	11894	1040	1808,9	109
2032	13676	12980	1086	1964,9	108,63
2033	14808	14112	1132	2127,6	108,28
2034	15986	15290	1178	2296,8	107,96
2035	17210	16514	1224	2472,7	107,66
2036	18480	17784	1270	2655,2	107,38
2037	19796	19100	1316	2844,3	107,12
2038	21158	20462	1362	3039,9	106,88
2039	22566	21870	1408	3242,2	106,65
2040	24020	23324	1454	3451,1	106,44
2041	25520	24824	1500	3666,7	106,24
2042	27066	26370	1546	3888,8	106,06

Видно, что в приростных показателях чистая прибыль значительно изменяется. Согласно базовым показателям темпа роста показатель продолжает увеличиваться, все больше наращивая обороты по сравнению с базовым периодом. Абсолютные приростные показатели, не позволяют сделать долгосрочного прогноза, чего не скажешь о темпах роста по отношению к базовому показателю.

3.3 Оценка надежности прогноза

Далее проводится оценка адекватности выбранных трендовых моделей. Для адекватности трендовая модель должна удовлетворять четырем свойством. Если хоть одно свойство не выполняется, то модель не адекватна.

Проведем оценку адекватности для полиномиальной трендовой модели, по каждому свойству.

1) Проверку случайности колебания уровней остаточной последовательности проведем на основе критерия пиков. Для этого определим остаточную последовательность, и найдем точки пиков. Здесь ставится 1, если удовлетворяются следующие неравенства:

Et-1<Et>Et+1 (3.5)

Et-1>Et<Et+1(3.6)

Первый и последний пункт не учитывается. А где неравенства не удовлетворяются ставиться 0. Данные по решению представлены в таблице 2.

Таблица 3.3

Проверка адекватности

Номер уровня ряда	Et=Yt-Y^t	Точки пиков
2010	0	-
2011	0	1
2012	0	-

где Yt - фактические значения уровня ряда;

Y^t- соответствующие расчетные значения по модели.

Количество пиков равно 1.

Находим математическое ожидание числа поворота р^ср и дисперсии у²_р по формулам:

;

у²_р = .(3.7)

где n - число наблюдений. В нашем случае их 3. Подставляем в формулы n, получаем: р^ср = 2/3; у²_р = 0,21. Критерием случайности с 5%-ным уровнем значимости, т. е. с доверительной вероятностью 95%, является выполнение неравенства:

.(3.8)



Подставляем найденные значения и получаем:

2/3>-0,23.(3.9)

Неравенство выполняется, это доказывает, что эта трендовая модель считается адекватная.

2) Проверка соответствия распределения случайной компоненты нормальному закону распределения может быть произведена несколькими способами. В данном случае выбран с помощью исследования показателей асимметрии и эксцесса. Так как существует вспомогательная таблица «Описательная статистика», в которой уже посчитаны эти показатели, остается найти их ошибки, и если одновременно выполняются следующие неравенства:

| ?₁ | < 1.5* у _?1(3.10)

| ?₂ | < 1.5* у _?2(3.11)

где ?₁ - выборочная характеристика асимметрии;

?₂ - выборочная характеристика асимметрии;

у _?1 и у _?2 - соответствующие среднеквадратические ошибки.

При этом среднеквадратические ошибки находятся по формулам:

у _?1 = ;(3.12)

у _?2 = .(3.13)

В данном случае получаем следующие значения:

?₁ = -0,53

?₂ =-0,32

у _?1 =0.47

у _?2 =0.76

Подставляя значения в неравенства получаем:

0,53<0.71

0.32<1.14

Оба неравенства выполняются, это позволяет сделать вывод, что свойство нормальности распределения выполняется.

3)Проверка равенства математического ожидания случайной компоненты нулю. Расчетное значение задается формулой:

(3.14)

где Е^ср - среднее арифметическое значение уровней остаточной последовательности Е_t;

S_E - стандартное отклонение для этой последовательности.

Если t приближен к нулю, а в нашем случае равно -0,06, означает выполнение данного свойства.

4)Проверка независимости значений уровней случайной компоненты. Осуществляется по ряду критериев, наиболее распространенным является d-критерий Дарбина-Уотсона. Расчетное значение этого критерия определяется по формуле:

.(3.15)

Получаем d=1,52. Заметим, что расчетное значение критерия Дарбина-Уотсона в интервале от 2 до 4 свидетельствует об отрицательной связи; в этом случае его надо преобразовать по формуле d'=4-d и в дальнейшем использовать значение d'.

Далее значение сравнивается с двумя критическими табличными значениями критерия, которые для линейной модели в данном случае можно принять равными d₁=1.20 и d₂=1.41. Так как расчетное значение попадает в интервал от d₂ до 2, делается вывод о независимости уровней остаточной последовательности.

Выводом по оценки адекватности модели является то, что остаточная последовательность удовлетворяет всем свойствам случайной компоненты временного ряда, построенная модель является адекватна.

Для характеристики точности модели используем показатель R². Для того чтобы не проводить анализ адекватности второй построенной трендовой модели, следует обратить внимание на коэффициент детерминации. Он определяет с какой степенью точности полученное уравнение аппроксимирует данные. Если R² >= 0,95, то высокая точность аппроксимации. Если 0,8<= R² < 0,95, то удовлетворительная аппроксимация. Если 0,6<= R² < 0,8, то слабая аппроксимация. Если R² < 0,6, то точность не достаточная и требует изменения.

В полиномиальной трендовой модели R² = 1,0, это говорит о высокой точности аппроксимации.

Выводы:

- В данной главе было показано использование трендового метода для прогнозирования показателей работы предприятия на примере чистой прибыли предприятия.

- Из построенных трендов для модели была выбрана полиномиальная модель, визуально наиболее подходящая для исследования.

- В ходе исследования на основании диаграммы было получено уравнение трендовой модели следующего вида: Y^=23х² - 92363х + 9Е + 07.

- В соответствии с данным уравнением был сделан прогноз получения чистой прибыли на 30 лет, который показал, что организация будет динамично развиваться;

- анализ адекватности показал, что выбранная модель адекватна, а коэффициент детерминации R² = 1,0, говорит о высокой точности аппроксимации.



Заключение

В данной работе была сделана разработка прогноза экономического развития предприятия «База отдыха «Сябры».

В теоретической части работы рассмотрены теоретические основы использования трендового метода для прогнозирования показателей работы предприятия.

Во второй главе работы была дана характеристика «База отдыха «Сябры», которая показала, что финансовое положение исследуемой организации стабильно.

В третьей главе было показано использование трендового метода для прогнозирования показателей работы предприятия на примере чистой прибыли предприятия.

- Из построенных трендов для модели была выбрана полиномиальная модель, визуально наиболее подходящая для исследования.

- В ходе исследования на основании диаграммы было получено уравнение трендовой модели следующего вида:

Y^=23х² - 92363х + 9Е + 07.

- В соответствии с данным уравнением был сделан прогноз получения чистой прибыли на 30 лет, который показал, что организация будет динамично развиваться;

- анализ адекватности показал, что выбранная модель адекватна, а коэффициент детерминации R² = 1,0, говорит о высокой точности аппроксимации.



СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Годин, А.М. Статистика: учебник / А.М. Годин. - Москва: Дашков и К°, 2012. - 451 с.

Елисеева, И.И. Статистика: [углубленный курс]: учебник для бакалавров / И.И. Елисеева и др.]. - Москва: Юрайт: ИД Юрайт, 2011. - 565 с.

Ниворожкина, Л.И. Статистика: учебник для бакалавров: учебник / - Москва: Дашков и Кє: Наука-Спектр, 2011. - 415 с.

Статистика: учебник / [И.И. Елисеева и др.]. - Москва: Проспект, 2011. - 443 с.

Статистика: теория и практика в Excel: учебное / В.С. Лялин, И.Г. Зверева, Н.Г. Никифорова. - Москва: Финансы и статистика: Инфра-М, 2010. - 446,

Тумасян, А.А. Статистика промышленности: учебное пособие / А.А. Тумасян, Л.И. Василевская. - Минск: Новое знание. - Москва: Инфра-М, 2012. - 429 с.

Экономическая статистика: учебник / [А.Р. Алексеев и др.]. - Москва: Инфра-М, 2011. - 666 с.

Статистика финансов: учебник / [М.Г. Назаров и др.]. - Москва: Омега-Л, 2008. - 460 с.

Статистика: учебно-практическое пособие / [М. Г. Назаров и др.]. - Москва: КноРус, 2008. - 479 с.

10. Статистика: учебное пособие для высших учебных заведений по экономическим специальностям / В.М. Гусаров, Е.И. Кузнецова. - Москва: ЮНИТИ-ДАНА, 2007. - 479 с.

11 Вводный курс эконометрики: Бородич С.А., Учебное пособие ? Мн.: БГУ, 2000. ? 354 с.

12 Анализ данных с помощью Microsoft Excel.: Берк, Кеннет, Кэйри, Патрик. Пер. с англ. -- М.: Издательский дом "Вильяме", 2005. -- 560 с.: ил. -- Парал. тит. англ.

13 Норман Дрейпер, Гарри Смит Прикладной регрессионный анализ. Множественная регрессия - Applied Regression Analysis. -- 3-е изд. -- М.: «Диалектика», 2007. -- С. 912.

14 Радченко Станислав Григорьевич, Устойчивые методы оценивания статистических моделей: Монография. -- К.: ПП «Санспарель», 2005. -- С. 504.

15 Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Издательский дом «Вильямс». 2007. 912 с.

16 Стрижов В.В. Методы индуктивного порождения регрессионных моделей. М.: ВЦ РАН. 2008. 55 с.

17 Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов; Учеб. пособие. -- М.: Финансы и статистика, 2003. -416 с:

18 http://www.basegroup.ru/glossary/definitions/linear_regression/

19. Елисеева И.И. Общая теория статистики: учебник для вузов / И.И. Елисеева, М.М. Юзбашев; под ред. И.И. Елисеевой. - М.: Финансы и статистика, 2009. - 656 с.

20. Ефимова М.Р. Практикум по общей теории статистики: учебное пособие для вузов / М.Р. Ефимова и др. - М.: Финансы и статистика, 2007. - 368 с.

21. Мелкумов Я.С. Социально-экономическая статистика: учебно-методическое пособие. - М.: ИМПЭ-ПАБЛИШ, 2007. - 200 с.

22. Общая теория статистики: Статистическая методология в изучении коммерческой деятельности: учебник для вузов / О.Э. Башина и др.; под ред. О.Э. Башиной, А.А. Спирина. - М.: Финансы и статистика, 2008. - 440 с.

23. Салин В.Н. Курс теории статистики для подготовки специалистов финансово-экономического профиля: учебник / В.Н. Салин, Э.Ю. Чурилова. - М.: Финансы и статистика, 2007. - 480 с.

24. Социально-экономическая статистика: практикум: учебное пособие / В.Н. Салин и др.; под ред. В.Н. Салина, Е.П. Шпаковской. - М.: Финансы и статистика, 2009. - 192 с.

25. Статистика: учебное пособие / А.В. Багат и др.; под ред. В.М. Симчеры. - М.: Финансы и статистика, 2007. - 368 с.

26. Статистика: учебник / И.И. Елисеева и др.; под ред. И.И. Елисеевой. - М.: Высшее образование, 2008. - 566 с.

27. Теория статистики: учебник для вузов / Р.А. Шмойлова и др.; под ред. Р.А. Шмойловой. - М.: Финансы и статистика, 2007. - 656 с.

28. Шмойлова Р.А. Практикум по теории статистики: учебное пособие для вузов / Р.А. Шмойлова и др.; под ред. Р.А. Шмойловой. - М.: Финансы и статистика, 2007. - 416 с.

Размещено на Allbest.ru

...