Автокорреляция | – имеет место, когда значения последовательных наблюдений, следующих друг за другом во времени, связаны между собой. |
Анализ ретроспективный | – метод изучения сложившихся в прошлом тенденций технического, социального, экономического развития объекта для формирования стратегии его развития. |
Верификация | – проверка истинности (адекватности) прогнозной модели. |
Вероятность | – степень возможности свершения данного события (изменяется от 0 до 1). |
Динамический ряд | – временная последовательность ретроспективных значений переменной объекта прогнозирования. |
Доверительный интервал | – интервал, в котором с определенной уверенностью можно ожидать появление фактического значения прогнозируемой переменной. |
Достаточность информации | – количество информации, позволяющее сделать выводы по проведенному исследованию или описать объект исследования и пути его развития. |
Достоверность информации | – подтвержденная на практике информация об объекте исследования, его внутреннем старении и существующих взаимосвязях. |
Индикатор экономический | – 1) статистический показатель, характер изменения которого во времени имеет устойчивое соответствие с изменением экономической конъюнктуры; 2) показатель, по которому устанавливается пороговое значение хода процесса или состояния объекта наблюдения; 3) показатель, характеризующий одну из сторон другого, комплексного показателя. |
Кабинетное исследование | – это деятельность по изучению документальных источников (результатов анкетирования, научных изданий, статистических отчетов, фото–, видео– материалов и др.), подготовленных для каких–либо иных целей на основе совокупности методов работы с документами. |
Конъюнктура | – совокупность условий, определяющих фактически складывающиеся соотношения между спросом и предложением на рынке товаров и услуг, динамику цен, курсов ценных бумаг и процентных ставок. Реальная хозяйственная ситуация, формируемая конкретным конъюнктурообразующими факторами. |
Корреляционное поле | – графическое изображение зависимости функции от фактора с целью предварительного определения тесноты и формы связи между функцией и каждым фактором. |
Критерий Стьюдента | – математический критерий, характеризующий существенность факторов, входящих в модель. |
Маркетинг | – деятельность предприятия, ориентированная на создание ценностей для удовлетворения потребностей рынка и получении на этой основе прибыли в условиях конкуренции. Маркетинг также может представлять собой философию рыночной деятельности, научную дисциплину, функцию управления. |
Маркетинговое исследование | – любая исследовательская деятельность направленная на удовлетворение информационно-аналитических потребностей маркетинга |
Метод прогнозирования | – способ исследования объекта прогнозирования, направленный на разработку прогнозов. |
Методика прогнозирования | – совокупность оригинальных правил использования приемов прогнозирования при разработке конкретного прогноза. |
Методы параметрические | – методы прогнозирования элементов полезного эффекта, затрат и других, основанные на установлении зависимости между параметрами объекта и организационно– технического уровня производства, с одной стороны, и полезным эффектом или элементами затрат – с другой |
Методы экономико–математические | – методы анализа и оптимизации, которые применяются для выбора наилучших, оптимальных вариантов, определяющих хозяйственные решения в сложившихся или планируемых экономических условиях. |
Методы экспертные | – методы прогнозирования, заключающиеся в выработке коллективного мнения группы специалистов в данной области. |
Методы экстраполяции | – 1) методы, основанные на прогнозировании, изделия, необходимого для реализации того или иного аспекта программы. –2) методы, основанные на прогнозировании поведения или развития объекта в будущем по тенденциям (трендам) его поведения в прошлом. |
Многомерна регрессия | – использует более чем одну независимую переменную для прогноза значений зависимой переменной |
Модель | – упрощенное представление объекта, используемое для прогнозирования возможных состояний объекта в будущем. |
Мультиколлинеарность | – это ситуация, при которой независимые переменные в многомерном уравнении регрессии сильно коррелируют между собой. |
Наблюдение | – это метод сбора первичной информации путем пассивной регистрации исследователем определенных процессов, действий, поступков людей, событий, которые могут быть выявлены органами чувств. |
Неопределенные условия | – возникают тогда, когда невозможно оценить вероятность потенциальных результатов. |
Нормативный прогноз | – прогноз, устанавливающий пути и сроки достижения определенных состояний объекта прогнозирования. |
Опрос | – это метод получения первичной информации основанный на выяснении тем или иным способом объективных и (или) субъективных (мнения, настроения и т.п.) фактов со слов опрашиваемого. |
Панель | – группа респондентов (потребителей, производителей, продавцов, и т.д.), отобранная с соблюдением требования репрезентативности, предоставляющая регулярно и за вознаграждение необходимую информацию, заполняя опросные листы. Термин «панель» – заимствован из практики американской юриспруденции, где он обозначает список присяжных. |
Панельные исследования (панель) | – это форма опроса, предполагающая повторяющийся сбор данных в одной и той же группе людей на одну и ту же тему через равные промежутки времени с целью контроля происходящих изменений в поведении потребителей под воздействием внешней среды. |
Период упреждения | – это период, на который разрабатывается прогноз. |
План | – это решение, директивное определение перечня и сроков действий, исходя из определенных целей и ресурсов. |
Поисковый прогноз | – это прогноз, устанавливающий возможные состояния объекта прогнозирования. |
Показатель | – величина, измеритель, позволяющий судить о состоянии объекта. |
Полевое исследование | – это деятельность, направленная на получение информации прямо от объекта исследования, в соответствии с поставленными целями его изучения. Основные методы сбора данных при полевом исследовании: опрос, наблюдение или эксперимент. |
Предвидение | – опережающее отображение действительности, основанное на познании законов развития объекта или процесса (включает прогноз и предсказание). |
Предсказание | – достоверное, основанное на логической последовательности суждений заключение о состояниях какого–либо объекта или процесса в будущем. |
Прием прогнозирования | – одна или несколько логических или математических операций, направленных на получение конкретного объекта в определенные сроки. |
Прогноз | – вероятностное суждение о состояниях объекта в будущем или об альтернативных путях достижения этого состояния. |
Прогнозная ретроспекция | – этап прогнозирования, на котором исследуется история объекта прогнозирования и прогнозного фона с целью получения их систематизированного описания. |
Прогнозный горизонт | – это максимальный период упреждения, при котором обеспечивается заданная точность и надежность прогноза. |
Прогнозный диагноз | – этап прогнозирования, на котором исследуется история объекта, прогнозного фона с целью выявления проблем, тенденций их развития и выбора метода прогнозирования. |
Прогностика (футурология) | – научная дисциплина о закономерностях разработки прогнозов. |
Проект | – решение относительно конкретного мероприятия, сооружения. |
Проспекция | – этап прогнозирования, на котором с использованием выбранных методов разрабатываются прогнозы объекта прогнозирования, прогнозного фона, производится их верификация. |
Респондент | – это обследуемое лицо, субъект, отвечающий на вопросы. |
Риск | – возможность ухудшения фактических результатов экономической деятельности в сравнении с запланированными, ожидаемыми. В узком смысле - поддающаяся измерению вероятность понести убытки или упустить выгоду |
Тренд | – аналитическое или графическое представление изменений переменной во времени, полученное в результате выделения регулярной составляющей динамического ряда. |
Фактор | – частный показатель объекта или процессов, протекающих в системе, оказывающих влияние на функцию. |
Функция | – результативный признак, прогнозная величина, рассчитанная по уравнению регрессии. |
Характеристика объекта прогнозирования | – качественное или количественное отражение какого-либо свойства объекта прогнозирования. |
Целевой прогноз | – гипотетическая картина последовательного развития во времени и пространстве событий, составляющих в совокупности эволюцию системы. |
Экзогенная переменная объекта прогнозирования | – значащая переменная объекта прогнозирования, отражающая свойства прогнозного фона (внешней среды). |
Эксперимент | – метод сбора первичной информации путем активного вмешательства исследователя в определенные процессы с целью установления взаимосвязи между событиями. |
Эндогенная переменная объекта прогнозирования | – значащая переменная объекта прогнозирования, отражающая его собственные свойства. |
Энтропия | – величина, характеризующая степень неопределенности объекта. |
Этап прогнозирования | – часть процесса разработки прогноза, характеризующаяся своими задачами, методами и результатами. |
ЛИТЕРАТУРА
1. Алексеева М.М. Планирование деятельности фирмы: Учебно-методическое пособие. - М.: Финансы и статистика, 1997. - 248 с.
2. Андронова И.В., Осиновская И.В. Методология формирования управленческих решений на основе экспертного оценивания. – Тюмень: ТюмГНГУ, 2004.-122 с.
3. Андронова И.В., Пленкина В.В., Нанивская В.Г. Экономическое прогнозирование и принятие решений в условиях рынка: Учебное пособие. - Тюмень: ТюмГНГУ, 2004.-132 с.
4. Андронова И.В., Пленкина В.В., Осиновская И.В. Социально-экономическое прогнозирование (в схемах и таблицах). – Тюмень: ТюмГНГУ, 2005. – 155 с.
5. Багиев Г.Л., Тарасевич В.М., Анн Х. Маркетинг / Под общ. ред. Г.Л. Багиева. – СПб.: Питер, 2004
6. Беляевский И.К. Маркетинговое исследование: информация, анализ, прогноз. – М.: Финансы и статистика, 2002.
7. Божук С.Г., Ковалик Л.Н. Маркетинговые исследования – СПб.: Питер, 2004.
8. Виханский О.С. Стратегическое управление: Учебник. - 2-е изд., перераб. и доп. - М.: Гардарика, 1998. - 296 с.
9. Глущенко В.В., Глущенко И.И. Разработка управленческого решения. Прогнозирование-планирование. Теория проектирования экспериментов. - Железнодорожный, Моск.обл.: ТОО НПЦ «Крылья», 1997. – 400 с.
10. Голубков Е.П. Маркетинговые исследования: теория, практика и методология. – М.: Финпресс, 1998.
11. Джонстон Дж. Экономические методы: Пер. с англ, и пред. А.А.Рывкина. - М.: Статистика, 1990. - 444 с.
12. Дихтль Е., Хершген Х. Практический маркетинг. – М.: Высшая школа, ИНФРА-М, 1996.
13. Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. - М.: Экономика, 1978.
14. Информатика в статистике: Словарь-справочник. — М.: Финансы и статистика, 1994.-208с.
15. Карасев А.И., Крамер Н.Ш., Савельева Т.Н. Математические методы и модели в планировании. - М.: Экономика, 1987. - 239 с.
16. Колтер Ф. Маркетинг-Менеджмент. – СПб.: Питер, 2001
17. Коммерческая деятельность производственных предприятий (фирм): Учебник / Под. ред. О.А. Новикова, В.В. Щербакова. – СПб.: Изд-во СПб ГУЭФ, 1999.
18. Кэмпбэлл Д.Т. Модели экспериментов в социальной психологии и прикладных исследованиях. – М.: Наука, 1980.
19. Льюис К.Д. Методы прогнозирования экономических показателей. - М.: Финансы и статистика, 1986. - 3 18 с.
20. Маркетинг. Ноздрёва Р.Б., Крылова Г.Д., Соколова М.И. и др. – М.: Юристъ, 2000
21. Методы сбора информации в социологических исследованиях. Кн.1 и 2. – М.: Наука, 1990.
22. Парамонова Т.Н. Организация мерчандайзинга в розничном торговом предприятии: Учебное пособие. – М.: ОЦПКРТ, 2002.
23. Половцева Ф.П. Коммерческая деятельность: Учебник. – М.: ИНФРА-М, 2003.
24. Рабочая книга по прогнозированию / Редкол.: И.В.Бестужев-Лада (отв. ред.).-М.: Мысль, 1982.-430с.
25. Рабочая книга социолога. – М.: Наука, 1983.
26. Резго Г.Я., Храмцова Е.Р. Современные технологии биржевого рынка. Серия: Высшее образование. М.: Феникс, 2004.
27. Рябушкин Б.Г. Применение статистических методов в экономическом анализе и прогнозировании. - М.: Финансы и статистика, 1990. - 345 с
28. Социологический словарь. – Минск: Университетское, 1991.
29. Соловьев Б.А. Маркетинг: Учебник – М.: ИНФРА-М, 2005
30. Статистика рынка товаров и услуг: Учебник/ Беляевский И.К., Кулагина Г.Д., Короткое А.В. и др.; Под ред. И.К. Беляевского. - М.: Финансы и статистика, 1995.-432 с.
31. Тейл Г. Экономические прогнозы и принятие решений. - М.: Статистика, 1977.-282 с.
32. Токарев Б.Е. Методы сбора и использования маркетинговой информации. – М.: Юрист, 2001.
33. Хан Д. Планирование и контроль: концепция контроллинга: Пер. с нем./ Под ред. и предисл. А.А.Турчака, Л.Г.Головача, М.Л.Лукашевича. - М.: Финансы и статистика, 1997. - 800 с.
34. Цыгичко В.Н. Руководителю - о принятии решений. - 2-е изд., испр. И доп. - М.: ИНФРА-М, 1996. - 272 с.
35. Черчилль Г.А. Маркетинговые исследования. – СПб.: Питер, 2000.
36. Четыркин Е.М. Статистические методы прогнозирования. - 2-е изд. перераб.- и доп.-М.:Статиспоэд,,1997.-200с.
37. Ядов В.Е. Социологическое исследование: Методология, программа, методы. – М.: Наука, 1987
ПРИЛОЖЕНИЕ 1
Таблица П.1.1
Квантили tγk распределения Стьюдента
0,900 | 0,950 | 0,975 | 0,990 | 0,995 | |
3,078 | 6,314 | 12,706 | 31,821 | 63,657 | |
1,886 | 2,920 | 4,303 | 6,965 | 9,925 | |
1,638 | 2,353 | 3,182 | 4,541 | 5,841 | |
1,533 | 2,132 | 2,776 | 3,747 | 4,604 | |
1,476 | 2,015 | 2,571 | 3,365 | 4,032 | |
1,440 | 1,943 | 2,447 | 3,143 | 3,707 | |
1,415 | 1,895 | 2,365 | 2,998 | 3,499 | |
1,397 | 1,860 | 2,306 | 2,896 | 3,355 | |
1,383 | 1,833 | 2,262 | 2,821 | 3,250 | |
1,372 | 1,812 | 2,228 | 2,764 | 3,169 | |
1,363 | 1,796 | 2,201 | 2,718 | 3,106 | |
1,356 | 1,782 | 2,179 | 2,681 | 3,055 | |
1,350 | 1,771 | 2,160 | 2,650 | 3,012 | |
1,345 | 1,761 | 2,145 | 2,624 | 2,977 | |
1,341 | 1,753 | 2,131 | 2,602 | 2,947 | |
1,337 | 1,746 | 2,120 | 2,583 | 2,921 | |
1,333 | 1,740 | 2,110 | 2,567 | 2,898 | |
1,330 | 1,734 | 2,101 | 2,552 | 2,878 | |
1,328 | 1,729 | 2,093 | 2,539 | 2,861 | |
1,325 | 1,725 | 2,086 | 2,528 | 2,845 | |
1,316 | 1,708 | 2,060 | 2,485 | 2,787 | |
1,310 | 1,697 | 2,042 | 2,457 | 2,750 | |
1,306 | 1,690 | 2,030 | 2,438 | 2,724 | |
1,303 | 1,684 | 2,021 | 2,423 | 2,704 | |
1,301 | 1,679 | 2,014 | 2,412 | 2,690 | |
1,299 | 1,676 | 2,009 | 2,403 | 2,678 | |
1,297 | 1,673 | 2,004 | 2,396 | 2,670 | |
1,296 | 1,671 | 2,000 | 2,390 | 2,660 | |
1,294 | 1,667 | 1,994 | 2,381 | 2,648 | |
1,292 | 1,664 | 1,990 | 2,374 | 2,639 | |
1,291 | 1,662 | 1,987 | 2,368 | 2,632 | |
1,290 | 1,660 | 1,984 | 2,364 | 2,626 | |
1,282 | 1,645 | 1,960 | 2,326 | 2,576 |
Таблица П.1.2
Значения средней μ и стандартных ошибок σ1 σ2 для п от 10 до 100*
n | μ | σ1 | σ2 |
3,858 | 1,288 | 1,964 | |
4,636 | 1, 521 | 2,153 | |
5,195 | 1,677 | 2 270 | |
5,632 | 1,791 | 2,373 | |
5,990 | 1,882 | 2,447 | |
6,294 | 1,956 | 2,509 | |
6,557 | 2,019 | 2,561 | |
6,790 | 2,072 | 2,606 | |
6,998 | 2,121 | 2,645 | |
7,187 | 2,163 | 2,681 | |
7,360 | 2,201 | 2,713 | |
7,519 | 2,236 | 2,742 | |
7,666 | 2,268 | 2,769 | |
7,803 | 2,297 | 2,793 | |
7,931 | 2,324 | 2,816 | |
8,051 | 2,349 | 2,837 | |
8,165 | 2,373 | 2,857 | |
8,273 | 2,395 | 2,876 | |
8,375 | 2,416 | 2,894 |
ПРИЛОЖЕНИЕ 2
Таблица П.2.1