Методология моделирования прогнозирования макроэкономических пространственных взаимосвязей

Моделирование прогнозирования региональной динамики. Сравнительный анализ нейросетевых и регрессионных моделей прогноза без учета пространственного лага. Прогноз реального ВВП на душу населения и отношение уровня реального ВВП к предыдущему году.

Рубрика Экономика и экономическая теория
Вид дипломная работа
Язык русский
Дата добавления 30.01.2016
Размер файла 1,8 M

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

sPPE[13,(j+1)] <- 1-sum(gdp13.predict)/sum(gdp.actual)

sPPE[14,(j+1)] <- 1-sum(gdp14.predict)/sum(gdp.actual)

sPPE[15,(j+1)] <- 1-sum(gdp15.predict)/sum(gdp.actual)

sPPE[16,(j+1)] <- 1-sum(gdp16.predict)/sum(gdp.actual)

sPPE[17,(j+1)] <- 1-sum(gdp17.predict)/sum(gdp.actual)

sPPE[18,(j+1)] <- 1-sum(gdp18.predict)/sum(gdp.actual)

sPPE[19,(j+1)] <- 1-sum(gdp19.predict)/sum(gdp.actual)

sPPE[20,(j+1)] <- 1-sum(gdp20.predict)/sum(gdp.actual)

sPPE[21,(j+1)] <- 1-sum(gdp21.predict)/sum(gdp.actual)

sPPE[22,(j+1)] <- 1-sum(gdp22.predict)/sum(gdp.actual)

sPPE[23,(j+1)] <- 1-sum(gdp23.predict)/sum(gdp.actual)

sPPE[24,(j+1)] <- 1-sum(gdp24.predict)/sum(gdp.actual)

sPPE[25,(j+1)] <- 1-sum(gdp25.predict)/sum(gdp.actual)

sPPE[26,(j+1)] <- 1-sum(gdp26.predict)/sum(gdp.actual)

sPPE[27,(j+1)] <- 1-sum(gdp27.predict)/sum(gdp.actual)

sPPE[28,(j+1)] <- 1-sum(gdp28.predict)/sum(gdp.actual)

sPPE[29,(j+1)] <- 1-sum(gdp29.predict)/sum(gdp.actual)

sPPE[30,(j+1)] <- 1-sum(gdp30.predict)/sum(gdp.actual)

sPPE[31,(j+1)] <- 1-sum(gdp31.predict)/sum(gdp.actual)

sPPE[32,(j+1)] <- 1-sum(gdp32.predict)/sum(gdp.actual)

sPPE[33,(j+1)] <- 1-sum(gdp33.predict)/sum(gdp.actual)

sPPE[34,(j+1)] <- 1-sum(gdp34.predict)/sum(gdp.actual)

sPPE[35,(j+1)] <- 1-sum(gdp35.predict)/sum(gdp.actual)

sPPE[36,(j+1)] <- 1-sum(gdp36.predict)/sum(gdp.actual)

sPPE[37,(j+1)] <- 1-sum(gdp37.predict)/sum(gdp.actual)

sPPE[38,(j+1)] <- 1-sum(gdp38.predict)/sum(gdp.actual)

sPPE[39,(j+1)] <- 1-sum(gdp39.predict)/sum(gdp.actual)

sPPE[40,(j+1)] <- 1-sum(gdp40.predict)/sum(gdp.actual)

sPPE[41,(j+1)] <- 1-sum(gdp41.predict)/sum(gdp.actual)

sPPE[42,(j+1)] <- 1-sum(gdp42.predict)/sum(gdp.actual)

sPPE[43,(j+1)] <- 1-sum(gdp43.predict)/sum(gdp.actual)

sPPE[44,(j+1)] <- 1-sum(gdp44.predict)/sum(gdp.actual)

sPPE[45,(j+1)] <- 1-sum(gdp45.predict)/sum(gdp.actual)

sPPE[46,(j+1)] <- 1-sum(gdp46.predict)/sum(gdp.actual)

sPPE[47,(j+1)] <- 1-sum(gdp47.predict)/sum(gdp.actual)

sPPE[48,(j+1)] <- 1-sum(gdp48.predict)/sum(gdp.actual)

sPPE[49,(j+1)] <- 1-sum(gdp49.predict)/sum(gdp.actual)

sPPE[50,(j+1)] <- 1-sum(gdp50.predict)/sum(gdp.actual)

sPPE[51,(j+1)] <- 1-sum(gdp51.predict)/sum(gdp.actual)

sPPE[52,(j+1)] <- 1-sum(gdp52.predict)/sum(gdp.actual)

sPPE[53,(j+1)] <- 1-sum(gdp53.predict)/sum(gdp.actual)

sPPE[54,(j+1)] <- 1-sum(gdp54.predict)/sum(gdp.actual)

sPPE[55,(j+1)] <- 1-sum(gdp55.predict)/sum(gdp.actual)

sPPE[56,(j+1)] <- 1-sum(gdp56.predict)/sum(gdp.actual)

sPPE[57,(j+1)] <- 1-sum(gdp57.predict)/sum(gdp.actual)

sPPE[58,(j+1)] <- 1-sum(gdp58.predict)/sum(gdp.actual)

sPPE[59,(j+1)] <- 1-sum(gdp59.predict)/sum(gdp.actual)

sPPE[60,(j+1)] <- 1-sum(gdp60.predict)/sum(gdp.actual)

sPPE[61,(j+1)] <- 1-sum(gdp61.predict)/sum(gdp.actual)

sPPE[62,(j+1)] <- 1-sum(gdp62.predict)/sum(gdp.actual)

sPPE[63,(j+1)] <- 1-sum(gdp63.predict)/sum(gdp.actual)

sPPE[64,(j+1)] <- 1-sum(gdp64.predict)/sum(gdp.actual)

sPPE[65,(j+1)] <- 1-sum(gdp65.predict)/sum(gdp.actual)

sPPE[66,(j+1)] <- 1-sum(gdp66.predict)/sum(gdp.actual)

sPPE[67,(j+1)] <- 1-sum(gdp67.predict)/sum(gdp.actual)

sPPE[68,(j+1)] <- 1-sum(gdp68.predict)/sum(gdp.actual)

sPPE[69,(j+1)] <- 1-sum(gdp69.predict)/sum(gdp.actual)

sPPE[70,(j+1)] <- 1-sum(gdp70.predict)/sum(gdp.actual)

sPPE[71,(j+1)] <- 1-sum(gdp71.predict)/sum(gdp.actual)

sPPE[72,(j+1)] <- 1-sum(gdp72.predict)/sum(gdp.actual)

sPPE[73,(j+1)] <- 1-sum(gdp73.predict)/sum(gdp.actual)

sPPE[74,(j+1)] <- 1-sum(gdp74.predict)/sum(gdp.actual)

sPPE[75,(j+1)] <- 1-sum(gdp75.predict)/sum(gdp.actual)

sPPE[76,(j+1)] <- 1-sum(gdp76.predict)/sum(gdp.actual)

sPPE[101,(j+1)] <- 1-sum(gdp101.predict)/sum(gdp.actual)

sPPE[102,(j+1)] <- 1-sum(gdp102.predict)/sum(gdp.actual)

sPPE[103,(j+1)] <- 1-sum(gdp103.predict)/sum(gdp.actual)

sPPE[104,(j+1)] <- 1-sum(gdp104.predict)/sum(gdp.actual)

sPPE[105,(j+1)] <- 1-sum(gdp105.predict)/sum(gdp.actual)

sPPE[106,(j+1)] <- 1-sum(gdp106.predict)/sum(gdp.actual)

sPPE[107,(j+1)] <- 1-sum(gdp107.predict)/sum(gdp.actual)

sPPE[108,(j+1)] <- 1-sum(gdp108.predict)/sum(gdp.actual)

sPPE[109,(j+1)] <- 1-sum(gdp109.predict)/sum(gdp.actual)

sPPE[110,(j+1)] <- 1-sum(gdp110.predict)/sum(gdp.actual)

sPPE[111,(j+1)] <- 1-sum(gdp111.predict)/sum(gdp.actual)

sPPE[112,(j+1)] <- 1-sum(gdp112.predict)/sum(gdp.actual)

sPPE[113,(j+1)] <- 1-sum(gdp113.predict)/sum(gdp.actual)

sPPE[114,(j+1)] <- 1-sum(gdp114.predict)/sum(gdp.actual)

sPPE[115,(j+1)] <- 1-sum(gdp115.predict)/sum(gdp.actual)

sPPE[116,(j+1)] <- 1-sum(gdp116.predict)/sum(gdp.actual)

sPPE[117,(j+1)] <- 1-sum(gdp117.predict)/sum(gdp.actual)

sPPE[118,(j+1)] <- 1-sum(gdp118.predict)/sum(gdp.actual)

sPPE[119,(j+1)] <- 1-sum(gdp119.predict)/sum(gdp.actual)

}

MAPPE

sPPE

err.01 <- gdp - gdp.01

err.02 <- gdp - gdp.02

err.03 <- gdp - gdp.03

err.04 <- gdp - gdp.04

err.05 <- gdp - gdp.05

err.06 <- gdp - gdp.06

err.07 <- gdp - gdp.07

err.08 <- gdp - gdp.08

err.09 <- gdp - gdp.09

err.10 <- gdp - gdp.10

err.11 <- gdp - gdp.11

err.12 <- gdp - gdp.12

err.13 <- gdp - gdp.13

err.14 <- gdp - gdp.14

err.15 <- gdp - gdp.15

err.16 <- gdp - gdp.16

err.17 <- gdp - gdp.17

err.18 <- gdp - gdp.18

err.19 <- gdp - gdp.19

err.20 <- gdp - gdp.20

err.21 <- gdp - gdp.21

err.22 <- gdp - gdp.22

err.23 <- gdp - gdp.23

err.24 <- gdp - gdp.24

err.25 <- gdp - gdp.25

err.26 <- gdp - gdp.26

err.27 <- gdp - gdp.27

err.28 <- gdp - gdp.28

err.29 <- gdp - gdp.29

err.30 <- gdp - gdp.30

err.31 <- gdp - gdp.31

err.32 <- gdp - gdp.32

err.33 <- gdp - gdp.33

err.34 <- gdp - gdp.34

err.35 <- gdp - gdp.35

err.36 <- gdp - gdp.36

err.37 <- gdp - gdp.37

err.38 <- gdp - gdp.38

err.39 <- gdp - gdp.39

err.40 <- gdp - gdp.40

err.41 <- gdp - gdp.41

err.42 <- gdp - gdp.42

err.43 <- gdp - gdp.43

err.44 <- gdp - gdp.44

err.45 <- gdp - gdp.45

err.46 <- gdp - gdp.46

err.47 <- gdp - gdp.47

err.48 <- gdp - gdp.48

err.49 <- gdp - gdp.49

err.50 <- gdp - gdp.50

err.51 <- gdp - gdp.51

err.52 <- gdp - gdp.52

err.53 <- gdp - gdp.53

err.54 <- gdp - gdp.54

err.55 <- gdp - gdp.55

err.56 <- gdp - gdp.56

err.57 <- gdp - gdp.57

err.58 <- gdp - gdp.58

err.59 <- gdp - gdp.59

err.60 <- gdp - gdp.60

err.61 <- gdp - gdp.61

err.62 <- gdp - gdp.62

err.63 <- gdp - gdp.63

err.64 <- gdp - gdp.64

err.65 <- gdp - gdp.65

err.66 <- gdp - gdp.66

err.67 <- gdp - gdp.67

err.68 <- gdp - gdp.68

err.69 <- gdp - gdp.69

err.70 <- gdp - gdp.70

err.71 <- gdp - gdp.71

err.72 <- gdp - gdp.72

err.73 <- gdp - gdp.73

err.74 <- gdp - gdp.74

err.75 <- gdp - gdp.75

err.76 <- gdp - gdp.76

err.101 <- gdp - gdp.101

err.102 <- gdp - gdp.102

err.103 <- gdp - gdp.103

err.104 <- gdp - gdp.104

err.105 <- gdp - gdp.105

err.106 <- gdp - gdp.106

err.107 <- gdp - gdp.107

err.108 <- gdp - gdp.108

err.109 <- gdp - gdp.109

err.110 <- gdp - gdp.110

err.111 <- gdp - gdp.111

err.112 <- gdp - gdp.112

err.113 <- gdp - gdp.113

err.114 <- gdp - gdp.114

err.115 <- gdp - gdp.115

err.116 <- gdp - gdp.116

err.117 <- gdp - gdp.117

err.118 <- gdp - gdp.118

err.119 <- gdp - gdp.119

err.all <- data.frame(

err.01,

err.02,

err.03,

err.04,

err.05,

err.06,

err.07,

err.08,

err.09,

err.10,

err.11,

err.12,

err.13,

err.14,

err.15,

err.16,

err.17,

err.18,

err.19,

err.20,

err.21,

err.22,

err.23,

err.24,

err.25,

err.26,

err.27,

err.28,

err.29,

err.30,

err.31,

err.32,

err.33,

err.34,

err.35,

err.36,

err.37,

err.38,

err.39,

err.40,

err.41,

err.42,

err.43,

err.44,

err.45,

err.46,

err.47,

err.48,

err.49,

err.50,

err.51,

err.52,

err.53,

err.54,

err.55,

err.56,

err.57,

err.58,

err.59,

err.60,

err.61,

err.62,

err.63,

err.64,

err.65,

err.66,

err.67,

err.68,

err.69,

err.70,

err.71,

err.72,

err.73,

err.74,

err.75,

err.76,

err.101,

err.102,

err.103,

err.104,

err.105,

err.106,

err.107,

err.108,

err.109,

err.110,

err.111,

err.112,

err.113,

err.114,

err.115,

err.116,

err.117,

err.118,

err.119)

K <- 0.1

include <- abs(unlist(lapply(na.omit(err.all)[1:5]/gdp[complete.cases(err.all)],mean)))<0.95

err.all2 <- na.omit(err.all[,include])

corrgram(err.all2, upper.panel=panel.conf, diag.panel=panel.density)

f.data <- data.frame( gdp,

year,

gdp.01,

gdp.03,

gdp.10,

gdp.11,

gdp.22,

gdp.23,

gdp.24,

gdp.26,

gdp.34,

gdp.35,

gdp.36,

gdp.37,

gdp.38,

gdp.39,

gdp.40,

gdp.41,

gdp.57,

gdp.60,

gdp.64,

gdp.68,

gdp.73,

gdp.101,

gdp.102,

gdp.103,

gdp.104,

gdp.105,

gdp.106,

gdp.107,

gdp.108,

gdp.109,

gdp.110,

gdp.111,

gdp.112,

gdp.113,

gdp.114,

gdp.115,

gdp.116,

gdp.117,

gdp.118,

gdp.119)

err.data <- data.frame(

err.01 = gdp - gdp.01,

err.03 = gdp - gdp.03,

err.10 = gdp - gdp.10,

err.01 = gdp - gdp.11,

err.22 = gdp - gdp.22,

err.01 = gdp - gdp.23,

err.24 = gdp - gdp.24,

err.26 = gdp - gdp.26,

err.34 = gdp - gdp.34,

err.35 = gdp - gdp.35,

err.01 = gdp - gdp.36,

err.01 = gdp - gdp.37,

err.38 = gdp - gdp.38,

err.39 = gdp - gdp.39,

err.01 = gdp - gdp.40,

err.01 = gdp - gdp.41,

err.01 = gdp - gdp.57,

err.60 = gdp - gdp.60,

err.61 = gdp - gdp.64,

err.01 = gdp - gdp.68,

err.01 = gdp - gdp.73,

err.101 = gdp - gdp.101,

err.102 = gdp - gdp.102,

err.103 = gdp - gdp.103,

err.104 = gdp - gdp.104,

err.105 = gdp - gdp.105,

err.106 = gdp - gdp.106,

err.107 = gdp - gdp.107,

err.108 = gdp - gdp.108,

err.109 = gdp - gdp.109,

err.110 = gdp - gdp.110,

err.111 = gdp - gdp.111,

err.112 = gdp - gdp.112,

err.113 = gdp - gdp.113,

err.114 = gdp - gdp.114,

err.115 = gdp - gdp.115,

err.116 = gdp - gdp.116,

err.117 = gdp - gdp.117,

err.116 = gdp - gdp.118,

err.119 = gdp - gdp.119)

corrgram(err.data, upper.panel=panel.conf, diag.panel=panel.density)

year.start <- 1994

year.cut <- 2010

years.train <- year.start:year.cut

years.test <- (year.cut+1):2013

w1 <- 1/gdp[year %in% years.train]

w2 <- (year[year %in% years.train]-year.start+1)^0.5

w3 <- (year[year %in% years.train]-year.start+1)

w4 <- (year[year %in% years.train]-year.start+1)^2

N.combs <- 14

combs <- vector('list',N.combs)

combs[[1]]$formula <- gdp~gdp.01+gdp.35

combs[[2]]$formula <- gdp~gdp.11+gdp.35

combs[[3]]$formula <- gdp~gdp.22+gdp.35

combs[[4]]$formula <- gdp~gdp.24+gdp.57

combs[[5]]$formula <- gdp~gdp.26+gdp.35

combs[[6]]$formula <- gdp~gdp.34+gdp.35

combs[[7]]$formula <- gdp~gdp.35+gdp.38

combs[[8]]$formula <- gdp~gdp.35+gdp.38+gdp.40

combs[[9]]$formula <- gdp~gdp.35+gdp.38+gdp.101

combs[[10]]$formula <- gdp~gdp.35+gdp.40+gdp.102

combs[[11]]$formula <- gdp~gdp.35+gdp.38+gdp.40+gdp.107

combs[[12]]$formula <- gdp~gdp.36+gdp.37

combs[[13]]$formula <- gdp~gdp.35+gdp.107

combs[[14]]$formula <- gdp~gdp.38+gdp.107

for(j in 1:N.combs) {

combs[[j]]$comb.w0 <- lm(combs[[j]]$formula, data=f.data[year %in% years.train,])

combs[[j]]$comb.w1 <- lm(combs[[j]]$formula, data=f.data[year %in% years.train,],weights=w1)

combs[[j]]$comb.w2 <- lm(combs[[j]]$formula, data=f.data[year %in% years.train,],weights=w2)

combs[[j]]$comb.w3 <- lm(combs[[j]]$formula, data=f.data[year %in% years.train,],weights=w3)

combs[[j]]$comb.w4 <- lm(combs[[j]]$formula, data=f.data[year %in% years.train,],weights=w4)

combs[[j]]$pred.w0 <- predict(combs[[j]]$comb.w0, newdata=f.data[year %in% years.test,])

combs[[j]]$pred.w1 <- predict(combs[[j]]$comb.w1, newdata=f.data[year %in% years.test,])

combs[[j]]$pred.w2 <- predict(combs[[j]]$comb.w2, newdata=f.data[year %in% years.test,])

combs[[j]]$pred.w3 <- predict(combs[[j]]$comb.w3, newdata=f.data[year %in% years.test,])

combs[[j]]$pred.w4 <- predict(combs[[j]]$comb.w4, newdata=f.data[year %in% years.test,])

combs[[j]]$err.w0 <- gdp[year %in% years.test] - combs[[j]]$pred.w0

combs[[j]]$err.w1 <- gdp[year %in% years.test] - combs[[j]]$pred.w1

combs[[j]]$err.w2 <- gdp[year %in% years.test] - combs[[j]]$pred.w2

combs[[j]]$err.w3 <- gdp[year %in% years.test] - combs[[j]]$pred.w3

combs[[j]]$err.w4 <- gdp[year %in% years.test] - combs[[j]]$pred.w4

combs[[15]]$MAPPEs <- c(mean(abs(combs[[j]]$err.w0/gdp[year %in% years.test])),

mean(abs(combs[[j]]$err.w1/gdp[year %in% years.test])),

mean(abs(combs[[j]]$err.w2/gdp[year %in% years.test])),

mean(abs(combs[[j]]$err.w3/gdp[year %in% years.test])),

mean(abs(combs[[j]]$err.w4/gdp[year %in% years.test])))

combs[[j]]$MAPPE.best <- min(combs[[j]]$MAPPEs)

combs[[j]]$w.best <- which.min(combs[[j]]$MAPPEs)-1

}

MAPPEs.best <- NA

w.best <- NA

for(j in 1:N.combs) {

MAPPEs.best[j] <- combs[[j]]$MAPPE.best

w.best[j] <- combs[[j]]$w.best

}

MAPPEs.best

w.best

Размещено на Allbest.ru

...

Подобные документы

  • Дефлятор ВВП в процентах к предыдущему году. Соотношение величин номинального и реального валового внутреннего продукта и дефлятора ВВП в России за период с 1999–2010 гг. Расчет темпа роста реального ВВП. Темп прироста национального дохода страны.

    контрольная работа [595,4 K], добавлен 28.03.2012

  • Необходимость применения достоверного прогноза на базе методов и моделей научного прогнозирования для эффективного регулирования экономики. Описание основных методов и моделей экономического прогнозирования, представляющих экономико-политический интерес.

    реферат [13,0 K], добавлен 11.04.2010

  • Прогноз как форма научного предвидения и основные подходы к исследованию объекта прогнозирования. Наука о принципах, методах и средствах научного прогнозирования – прогностика. Методология прогнозирования развития социально-экономической системы страны.

    реферат [54,0 K], добавлен 26.02.2009

  • Уровень жизни населения как объект прогнозирования, современные подходы и критерии его оценки, используемые методы и модели. Анализ динамики экономических показателей населения РФ и этапы их прогнозирования, экономическое обоснование и значение.

    контрольная работа [63,3 K], добавлен 15.04.2015

  • Методы экстраполяции и моделирования как формализованные методы прогнозирования. Прогноз динамики изменения объема выпускаемой продукции предприятия за счет получения краткосрочного кредита под оборотные активы, финансовой устойчивости предприятия.

    контрольная работа [106,3 K], добавлен 24.02.2010

  • Рассмотрение прогноза показателей социально-экономического развития России. Обобщение методов планирования и прогнозирования в экономике. Изучение применения методов планирования и прогнозирования на макроуровне. Прогноз развития сектора экономики.

    курсовая работа [44,5 K], добавлен 26.08.2017

  • Классификация методов прогнозирования. Характеристика поискового и нормативного прогнозов. Сущность и цель методов экстраполяции и методов информационного моделирования. Сущность интуитивных методов прогнозирования и особенности экспертных оценок.

    реферат [20,4 K], добавлен 10.01.2012

  • Роль прогнозирования в США. Процесс разработки макроэкономических прогнозов в Соединенных Штатах. Антикризисная программа США. Основные методы прогнозирования, используемые на государственном уровне в США. Модель круговых потоков в закрытой экономике.

    реферат [42,7 K], добавлен 15.05.2010

  • Теоретические аспекты прогнозирования и планирования на предприятии. Классификация прогнозов и планов на предприятии, основных методов осуществления прогнозирования и планирования. Практическая реализация выбранного метода планирования и прогнозирования.

    курсовая работа [234,6 K], добавлен 07.10.2014

  • Сущность моделирования развития и функционирования национальной экономики. Системный подход как методологическая основа моделирования и прогнозирования национальной экономики. Методология построения межотраслевого баланса в системе национальных счетов.

    курсовая работа [74,2 K], добавлен 25.04.2016

  • Место прогнозирования в системе государственного регулирования экономики. Объекты и виды прогнозов. Методика экономического прогнозирования. Разработка концепции социально-экономического развития страны. Стратегическое и индикативное планирование.

    лекция [30,2 K], добавлен 03.12.2007

  • Расчет основных характеристик рядов динамики показателей денежного обращения в России. Выявление тенденций показателей денежного обращения на основе метода аналитического выравнивания и прогнозирования. Построение динамических регрессионных моделей.

    курсовая работа [322,9 K], добавлен 23.10.2014

  • Сущность прогнозирования на основе временных рядов. Общий вид линии тренда. Расчет количества туристов за год. Метод сезонной компоненты, расчет средних значений. Аналитические уравнения Фурье, динамический ряд. Прогноз количества туристов на будущий год.

    контрольная работа [194,3 K], добавлен 18.12.2011

  • Характеристика понятий экономического роста и динамики общественного производства. Анализ объектов прогнозирования экономического роста: макроэкономические цели, показатели и счета. Изучение методики и системы прогнозирования национальной экономики в РФ.

    курсовая работа [55,5 K], добавлен 04.04.2011

  • Обзор математических моделей финансовых пирамид. Анализ модели динамики финансовых пузырей Чернавского. Обзор модели долгосрочного социально-экономического прогнозирования. Оценка приоритета простых моделей. Вывод математической модели макроэкономики.

    курсовая работа [1,7 M], добавлен 27.11.2017

  • Теоретические основы прогнозирования структуры доходов населения: основные подходы к прогнозированию и обоснование выбранного метода ислледования. Ретроспективный анализ и сценарии развития доходов в Тюменской области: составление и верифакация прогноза.

    курсовая работа [787,3 K], добавлен 26.01.2011

  • Анализ необходимости установления паритетного экономического отношения между контрагентами. Пути решения проблем по обеспечению населения товарами народного потребления. Технологии прогнозирования регионального развития в Узбекистане, их улучшение.

    реферат [24,5 K], добавлен 03.07.2015

  • Проблема экономического роста и его темпов. Точный показатель благополучия страны, уровня благосостояния - величина реального валового внутреннего продукта на душу населения. Два типа экономического роста и факторы, влияющие на качество ресурсов.

    учебное пособие [38,6 K], добавлен 10.05.2009

  • Задачи статистики населения. Назначение демографического прогнозирования. Расчёт и анализ показателей динамики численности населения России за 2000-2005 года. Методы исследования, применяемые в статистике населения. Показатели численности населения.

    курсовая работа [1,1 M], добавлен 08.01.2010

  • Определение методических задач и основных принципов социально-экономического анализа. Изучение структуры и классификации прогнозных моделей национальной экономики. Организация государственного прогнозирования социально-экономического развития России.

    курсовая работа [68,0 K], добавлен 17.10.2014

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.