Методические аспекты использования эконометрического моделирования в системе прикладной математической подготовки

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

В практическом контексте нами реализован модульный подход к преподаванию учебной дисциплины «Эконометрика: базовый уровень», позволяющий по-новому строить учебный процесс в условиях реализации бально-рейтинговой системы оценки результатов обучения студентов (знаний, умений и компетенций) на факультете дистанционного обучения Российского экономического университета им. Г.В. Плеханова.

Перечислим шесть дидактических модулей (Didactic modules), образующих инвариантное ядро учебной дисциплины «Эконометрика».

· Дидактический модуль 1. «Эконометрическое моделирование».

· Дидактический модуль 2. «Линейные и нелинейные модели парной регрессии».

· Дидактический модуль 3. «Модели множественной регрессии».

· Дидактический модуль 4. «Предпосылки метода наименьших квадратов».

· Дидактический модуль 5. «Системы эконометрических уравнений».

· Дидактический модуль 6. «Модели временных рядов».

Содержание учебно-познавательной деятельности студентов по приведенным дидактическим модулям представлено в работах [1, 18, 20, 28].

В настоящее время ведется активная работа по технологизации (применению современных педагогических технологий) и информатизации (применению современных информационных технологий) новой учебной дисциплины «Эконометрика: продвинутый уровень» для студентов магистратуры. Методологическую основу составляет теория педагогических технологий [21], технология целеполагания [7], технология реализации компетентностного подхода [2], технология отбора и развертывания содержания прикладной математической учебной дисциплины [12, 17]. Одним из направлений работы является перенос созданных технологических продуктов в электронную образовательную среду в условиях реализации передовой модели дистанционного обучения бакалавров экономики [8, 22], учета методологии системного подхода к исследованию экономических проблем и ситуаций, достижений современной экономической кибернетики [6] и теории принятия решений [3].

В завершение данной статьи мы обозначим прикладные (исследовательские и дидактические) возможности нового инструментального средства Wolfram Alpha [4, 13, 19], использование которого в учебном процессе стало условием повышения качества прикладной математической подготовки бакалавра, расширения представлений о математическом моделировании и современной классификации математических моделей [27]. Эти возможности имеют принципиальное значение в контексте повышения качества прикладной математической подготовки, оценку которого целесообразно проводить по всем компонентам соответствующей методической системы, позволяющей акцентировать внимание на развитие инновационных компонентов профессиональной деятельности экономиста, наиболее востребованных в современных социально-экономических реалиях:

· цели прикладной математической подготовки бакалавра экономики [14];

· содержание прикладной математической подготовки бакалавра экономики [15];

· методы обучения элементам прикладной математики (математическим методам и моделям) [10];

· формы прикладной математической подготовки бакалавра экономики [16];

· средства обучения элементам прикладной математики (математическим методам и моделям) [11];

· результат прикладной математической подготовки бакалавра экономики [26].

Отметим, что база знаний и набор вычислительных алгоритмов Wolfram Alpha поддерживает реализацию большинства этапов эконометрического исследования, являющихся компонентами содержания учебной дисциплины «Эконометрика: базовый уровень», среди которых:

· априорный этап;

· информационный этап;

· постановочный этап;

· этап верификации эконометрической модели.

· этап идентификации эконометрической модели;

· этап параметризации эконометрической модели.

Наиболее полная классификация математических моделей различных экономических проблем и ситуаций состоит из более чем десяти различных классификационных признаков. Их развитие связано с совершенствованием методов и моделей вычислительной математики [23]. В соответствии с ними различают:

· линейные и нелинейные модели;

· динамические и статические модели;

· оптимизационные и дескриптивные модели;

· непрерывные и дискретные модели;

· стохастические и детерминированные модели и др.

Однако благодаря стремительному развитию методологии экономико-математических исследований и информатизации процесса внутримодельных исследований, широкому внедрению методов вычислительной математики, экономической кибернетики, системного подхода к принятию решений и др. проблема классификации экономико-математических моделей еще более усложняется. Одновременно с возникновением и последующим совершенствованием новых типов экономико-математических моделей (моделей теории игр, моделей теории принятия решений, моделей смешанных типов) и новых, более тонких, их классификационных признаков, ставя проблему повышения качества прикладных математических исследований, мы можем наблюдать процесс интеграции моделей разнообразных типов в более адекватные усложняющейся социально-экономической действительности, интегрированные модельные конструкции, в рамках которых возможно получение интересных результатов в области риск-анализа [29], принятия решений в условиях риска и неполноты информации [9, 25].

Представим далее классификацию эконометрических моделей, положенную в основу учебной дисциплины «Эконометрика (базовый уровень)» для студентов академического бакалаврита и учебной дисциплины «Эконометрика (продвинутый уровень)» для студентов магистратуры.

Во-первых, эконометрические модели следует классифицировать по целевому назначению:

· теоретико-аналитические эконометрические модели, используемые в процессе исследовании наиболее общих свойств и закономерностей социально-экономических процессов;

· прикладные эконометрические модели, используемые в процессе решения конкретных прикладных задач социально-экономического содержания, среди которых видное место занимают модель экономического анализа, модель прогнозирования, модель управления.

Другими словами, модели образовательной области «Эконометрика» могут быть использованы в процессе исследования различных аспектов народного хозяйствования и его отдельных составляющих. Этот факт находит отражение в перспективных направлениях модернизации математической подготовки бакалавра [24].

Во-вторых, целесообразно классифицировать эконометрические модели в зависимости от исследуемых социально-экономических процессов и явлений, разнообразным содержательным проблемам и ситуациям, имеющих принципиальное значение в контексте развития финансовой грамотности [30]. Согласно этому направлению есть возможность выделения:

· эконометрических моделей народного хозяйства в целом и эконометрических моделей отдельных подсистем-отраслей, регионов;

· системы эконометрических моделей производства и потребления;

· системы эконометрических моделей формирования и распределения доходов;

· системы эконометрических моделей трудовых ресурсов;

· системы эконометрических моделей ценообразования;

· системы эконометрических моделей финансовых связей.

В-третьих, классификационное деление эконометрических моделей социально-экономических проблем и ситуаций на дескриптивные и нормативные: учебный профессиональный экономический

· дескриптивные эконометрических модели, назначением которых является объяснения наиболее значимых вопросов в области социально-экономических параметров, а также построение и практические использование вероятностного прогноза. Отметим, что производственные функции, а также функции покупательного спроса, построенные на основе обработки имеющихся статистических данных являются классическими примерами дескриптивных эконометрических моделей;

· эконометрические модели оптимального планирования [5], характеризующие цели социально-экономического развития, а также принципиальные возможности и эффективные средства по их достижению;

В-четвертых, эконометрические модели целесообразно дифференцировать по способу отражения причинно-следственных связей социально-экономических проблем и ситуаций: модели жестко детерминистские и модели, в которых учитываются стохастические факторы.

В-пятых, возможна классификация эконометрических моделей по способам отражения фактора «время». Речь идет о рассмотрении статических моделей, направленных на получение характеристик исследуемой зависимости между параметрами на определённый момент времени и динамических моделей, учитывающих динамику изменения социально-экономических процессов.

Список литературы

1. Вербик М. Путеводитель по современной эконометрике. - М.: Научная книга, 2008. - 616 с.

2. Власов Д.А. Компетентностный подход к проектированию педагогических объектов // Вестник Федерального государственного образовательного учреждения высшего профессионального образования Московский государственный агроинженерный университет им. В.П. Горячкина. -- 2008. -- №6-2. -- С. 124-127.

3. Власов Д.А. Методологические аспекты принятия решений // Молодой ученый. -- 2016. -- №4. -- С. 760-763.

4. Власов Д.А. Методологические аспекты реализации технологии Wolfram Alpha в современных экономических исследованиях // Инновационная наука. -- 2016. -- № 10-1. -- С. 19-21.

5. Власов Д.А. Модель Шарпа как инструментальная основа опмитизации активов // Инновационная наука. -- 2016. -- № 3-1. -- С. 43-45.

6. Власов Д.А. Особенности и математические основу современной экономической кибернетики // Техника. Технологии. Инженерия. -- 2016. -- № 2 (2). -- С. 4-7.

7. Власов Д.А. Особенности целеполагания при проектировании системы обучения прикладной математике // Философия образования. -- 2008. -- №4. -- С. 278-283.

8. Власов Д.А. Проектирование интегрированного электронного курса «Прикладная математика» для студентов бакалавриата // В сборнике: Преподаватель в среде e-learning Сборник докладов и тезисов Форума. Московский государственный университет экономики, статистики и информатики. -- 2014. -- С. 34-37.

9. Власов Д.А. Экономические риски: содержательный и методический аспекты // Инновационная наука. -- 2016. -- № 8-1. -- С. 40-42.

10. Власов Д.А., Монахов Н.В., Монахов В.М. Математические модели и методы внутримодельных исследований. М.: МГГУ им. М.А. Шолохова. - 345 с.

11. Власов Д.А., Синчуков А.В. Интеграция информационных и педагогических технологий в системе математической подготовки бакалавра экономики // Современная математика и концепции инновационного математического образования. -- 2016. -- Т. 3. --№ 1. -- С. 208-212.

12. Власов Д.А., Синчуков А.В. Новое содержание прикладной математической подготовки бакалавра // Преподаватель XXI век. -- 2013. -- Т. 1. -- №1. -- С. 71-79.

13. Власов Д.А., Синчуков А.В. Новые технологии WolframAlpha при изучении количественных методов студентами бакалаврита // Вестник Российского университета дружбы народов. Серия: Информатизация образования -- 2013. -- №4. -- С. 43-53.

14. Власов Д.А., Синчуков А.В. Прикладная математическая подготовка бакалавра менеджмента // Образование и воспитание. -- 2016. -- №4. -- С. 57-60.

15. Власов Д.А., Синчуков А.В. Принципы проектирования прикладной математической подготовки бакалавра экономики // Образование и воспитание. -- 2016. -- №3. -- С. 37-40.

16. Власов Д.А., Синчуков А.В. Проектирование содержания математической подготовки бакалавра политологии на основе концепции фундирования // Ярославский педагогический вестник. -- 2014. -- Т. 2. -- № 3. -- С. 86-89.

17. Власов Д.А., Синчуков А.В. Стратегия развития методической системы математической подготовки бакалавров // Наука и школа. -- 2012. -- № 5. -- С. 61-65.

18. Елисеева И.И. Эконометрика. М.: Финансы и статистика, 2007. - 576 с.

19. Качалова Г.А., Власов Д.А. Технологии WolframAlpha при изучении элементов прикладной математики студентами бакалавриата // Молодой ученый. -- 2013. -- № 6. -- С. 683-691.

20. Кремер Н.Ш., Путко Б.А. Эконометрика. - М.: Юнити-Дана, 2002. - 311 с.

21. Монахов В.М., Ярыгин А.Н., Коростелев А.А. Педагогические объекты. Педагогическое проектирование. Know How технологии. - Тольятти: Волжский университет имени В.Н. Татищева, 2004. - 38 с.

22. Муханов С.А. Применение информационных технологий при преподавании математики студентам гуманитарных специальностей // Педагогическая информатика. -- 2006. -- № 1. -- С. 60-62.

23. Пантина И.В., Синчуков А.В. Вычислительная математика. М.: Московский финансово-промышленный университет «Синергия», 2012. -- 176 с.

24. Синчуков А.В. Анализ перспективных направлений модернизации математической подготовки бакалавра // Инновационная наука. -- 2016. -- № 10-1. -- С. 119-119.

25. Синчуков А. В. Дидактическая роль коммерческих и финансовых рисков в совершенствовании уровня прикладной математической подготовки бакалавра // Инновационная наука. -- 2016. -- № 8-2. -- С. 182-184.

26. Синчуков А. В. Проблемы реализации прикладной направленности обучения математике с использованием информационных технологий // Инновационная наука. -- 2016. -- № 10-1. -- С. 116-118.

27. Синчуков А.В. Современная классификация математических моделей // Инновационная наука. -- 2016. -- № 3-1. -- С. 214-215.

28. Тихомиров Н.П., Дорохина Е.Ю. Эконометрика. - М.: Экзамен, 2003. - 512 с.

29. Тихомиров Н.П., Тихомирова Т.М. Риск-анализ в экономике. М.: Экономика, 2010. -- 317 с.

30. Филиппова Н.В., Быканова О.А. Представительские лекции о финансовой грамотности как часть профориентационной работы // Сборники конференций НИЦ Социосфера. 2016. № 38. С. 146-151.

Размещено на Allbest.ru