Реферат: Программа дисциплины «Методы анализа и обработки данных» для направления 081100. 68 «Государственное и муниципальное управление» подготовки магистра Магистерской программы «Управление пространственным развитием городов»

Правительство Российской Федерации


Федеральное государственное автономное образовательное учреждение высшего профессионального образования
«Национальный исследовательский университет
«Высшая школа экономики»


Высшая школа урбанистики


Программа дисциплины «Методы анализа и обработки данных»


для направления 081100.68 «Государственное и муниципальное управление»

подготовки магистра

Магистерской программы «Управление пространственным развитием городов»


Автор программы:

[Введите Фамилию И.О., ученую степень, звание автора (авторов), электронный адрес]


Одобрена на заседании кафедры [Введите название кафедры] «___»____________ 200 г

Зав. кафедрой [Введите И.О. Фамилия]


Рекомендована секцией УМС [Введите название секции УМС] «___»____________ 200 г

Председатель [Введите И.О. Фамилия]


Утверждена УС факультета [Введите название факультета] «___»_____________200 г.

Ученый секретарь [Введите И.О. Фамилия] ________________________ [подпись]


Москва, 2011

Настоящая программа не может быть использована другими подразделениями университета и другими вузами без разрешения кафедры-разработчика программы.
^ 1Область применения и нормативные ссылки
Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности.

Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 081100.68 «Государственное и муниципальное управление», обучающихся по магистерской программе «Управление пространственным развитием городов» изучающих дисциплину «Методы анализа и обработки данных».


Программа разработана в соответствии с:

Образовательным стандартом Федерального государственного автономного образовательного учреждения Высшего профессионального образования Национального исследовательского университета «Высшая школа экономики» по направлению подготовки 081100.68 «Государственное и муниципальное управление», уровень подготовки: Магистр.

Образовательной магистерской программой «Управление пространственным развитием городов» по направлению 081100.68 «Государственное и муниципальное управление», утвержденной Ученым Советом НИУ ВШЭ от 25 марта 2011 года.

Рабочим учебным планом подготовки магистра по направлению 081100.68 «Государственное и муниципальное управление» магистерской программы «Управление пространственным развитием городов», утвержденным в августе 2011 г.
^ 2Цели освоения дисциплины
Целями освоения дисциплины «Методы анализа и обработки данных» дать: систематизированное представление о методах анализа и обработки данных, их применении для исследования экономических процессов, эмпирического изучения связей и зависимостей между различными процессами, характеристик проблем и препятствий, а также сформировать умение самостоятельно выдвигать и исследовать гипотезы в отношении анализируемых процессов с применением современных компьютерных программ.


Задачи курса:

охарактеризовать основные методы статистического анализа экономических процессов;

изучить основные подходы и методы к построению эконометрических моделей для анализа связей и зависимостей

сформировать у студентов навыки использования статистического и эконометрического инструментария для решения практических задач с применением современных компьютерных программ обработки и анализа данных.



^ 3Компетенции обучающегося, формируемые в результате освоения дисциплины
В результате освоения дисциплины студент должен:

Знать

Основные методы обработки и анализа статистических данных;

Методы построения и исследования взаимосвязей между факторами;

Методы обработки и анализы динамических рядов данных

Уметь

использовать компьютер как средство управления информацией;

применять элементарные методы, способы и средства получения, хранения, первичной обработки информации на основе официальных и альтернативных источников;

проверить информацию различных источников на методологическую сопоставимость;

провести логический, арифметический и содержательный контроль данных;

содержательно интерпретировать полученные производные статистические показатели.

Иметь навыки (приобрести опыт)

самостоятельного поиска и первичной статистической обработки статистических данных, необходимых для анализа экономической и социальной информации;

построения и интерпретации, на основе опубликованной информации, систем элементарных производных показателей в соответствии с поставленной аналитической задачей;

работы в глобальных компьютерных сетях с использованием современных офисных и специальных статистических программных продуктов, технических средств и информационных технологий
^ 4Место дисциплины в структуре образовательной программы
Настоящая дисциплина относится к циклу адаптационных дисциплин направления под-готовки 081100.68 «Государственное и муниципальное управление» магистерской программы «Управление пространственным развитием городов».

Адаптационный курс предназначен для студентов, ранее не изучавших статистический анализ и эконометрику и предполагает их обучение основному инструментарию. Курс состоит из двух основных блоков. В рамках первого блока «Введение в статистику» рассматриваются основные статистические показатели, способы их расчета и особенности применения. Во втором блоке «Введение в эконометрику» слушателю дается представление об основах эконометрического анализа – классической модели парной регрессии, методе наименьших квадратов, классической модели множественной регрессии и обобщенной модели множественной регрессии. Особенностью курса является его ориентация на решение прикладных задач. С этой целью в рамках каждого из блоков слушатели не только знакомятся с теоретическими подходами, но и учатся применять полученные знания с использованием современных компьютерных программ обработки и анализа данных.


Для освоения учебной дисциплины, студенты должны владеть следующими знаниями и компетенциями:

Уметь производить основные математические операции;

Знать основы математического анализа и дифференциального исчисления;

Знать основы линейной алгебры и геометрии


^ 5Тематический план учебной дисциплины
№

Название темы

Всего часов по дисциплине

Аудиторные часы

Самостоятельная работа










Лекции

Сем. и практ. занятия




11

Cредние величины, показатели вариации, концентрации и дифференциации признака




4

4

6

22

Случайная величина. Функция распределения.




2

2

4

43

Многомерный статистический анализ




2

2

6

54

Регрессионный анализ. Классическая модель парной регрессии и метод наименьших квадратов




4

2

4

65

Классическая модель множественной регрессии




4

2

4

76

Обобщенная модель множественной регрессии




4

4

8

87

Ряды динамики и их анализ




4

4

12

98

Индексы




2

2

8

19

Подготовка к экзамену










8




Итого:

108

26

22

60


^ 6Формы контроля знаний студентов
• Промежуточный контроль – письменная работа на 80минут

• Письменный зачет (150 мин.)



Тип контроля / неделя

Форма контроля

1 год

Параметры **

1

2

3

4

Текущий


Контрольная работа

*

1







письменная работа 80 минут

Итоговый

Зачет




1







Письменная работа, 150 мин.



^ 6.1Критерии оценки знаний, навыков
На промежуточной письменной работе студент должен продемонстрировать знание основных статистических показателей, способов их расчета и особенностей применения. Студент должен уметь применять полученные знания для решения практических задач.

На итоговой письменной работе студент должен продемонстрировать все полученные в рамках курса знания, в первую очередь представление об основах эконометрического анализа – классической модели парной регрессии, методе наименьших квадратов, классической модели множественной регрессии и обобщенной модели множественной регрессии.

Оценки по всем формам текущего контроля выставляются по 10-ти балльной шкале.

Контрольная работа проводится в компьютерном классе с использованием средств MS Office

На контрольной и зачетной работе каждое задание имеет определенную стоимость в баллах. Оценка по десятибалльной шкале выставляется в соответствии с набранным количеством баллов по следующей таблице соответствия:


Оценка по 10-ти балльной шкале

Набранное количество баллов (в % от максимально возможного)

10

90 – 100%

9

80 – 90%

8

70 – 80%

7

60 – 70%

5

50 – 60%

4

40 – 50%

3

30 – 40%

2

20 – 30%

1

До 20%



^ 7Содержание дисциплины

Тема 1. Средняя, ее сущность и определение как категории статистической науки. Средняя арифметическая (простая и взвешенная). Другие виды средних величин и практическое их применение в экономике. Мода и медиана, их смысл, способы вычислений и использование в экономическом анализе. Графическое определение моды и медианы. Квартили и децили, их смысл и способы расчета. Понятие о вариации и дифференциации признака в совокупности. Децильный коэффициент дифференциации. Фондовый коэффициент дифференциации. Коэффициент Лоренца. Показатели уровня концентрации: коэффициент Джини и коэффициент Герфиндаля. Применение показателей дифференциации и концентрации в экономических исследованиях. Показатели вариации. Дисперсия альтернативного признака.


Громыко Г.Л. Теория статистики. М.: ИНФРА-М; 2005. Гл. 4, 5


Тема 2. Случайная величина. Законы распределения вероятностей и основные числовые характеристики (среднее значение, дисперсия, коэффициент вариации, асимметрия, эксцесс). Функция распределения случайной величины и ее свойства. Основные функции распределения: нормальное, логнормальное, экспоненциальное, Пуассона. Гистограмма. Проверка гипотез о нормальности распределения.


Громыко Г.Л. Теория статистики. М.: ИНФРА-М; 2005. Гл. 5


Тема 3. Одномерный статистический анализ. Нормирование и взвешивание показателей. Выборочный метод – основной метод несплошного наблюдения, причины и условия его применения. Генеральная и выборочная совокупности. Повторный и бесповторный отборы. Виды выборки: собственно-случайная, механическая, серийная, типическая выборка и их применение в экономике. Средняя и предельная ошибка выборки (для показателей средней и для доли). Определение необходимой численности выборки. Понятие о малой выборке и определение ошибок при малой выборке.


Громыко Г.Л. Теория статистики. М.: ИНФРА-М; 2005. Гл. 6


Тема 4. Виды и формы связей. Понятие о корреляции. Результативный и факторный признаки. Методы изучения и измерения взаимосвязей. Аналитическая группировка как метод выявления связей между признаками. Показатели тесноты связи: коэффициент Фехнера, коэффициенты корреляции рангов Спирмэна и Кендэла; линейный коэффициент корреляции Пирсона; корреляционное отношение. Изучение и измерение тесноты связи между атрибутивными признаками на основе анализа таблиц сопряженности.


Громыко Г.Л. Теория статистики. М.: ИНФРА-М; 2005. Гл. 8


Тема 5. Функция регрессии и основные задачи статистического анализа парной связи (определения, примеры). Метод наименьших квадратов. Оценки регрессионных коэффициентов и их свойства. Анализ качества построенной регрессионной модели.



Доугерти К. Введение в эконометрику: пер. с англ. М.: МГУ, ИНФА-М, 2001. Гл. 2, 3

Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: учебное пособие. М.: Дело, 2000.

Айвазян С.А. Основы эконометрики: учебник. М.: Юнити, 2001.



Тема 6. Основные характеристики классической модели множественной регрессии (КММР). Основные задачи статистического анализа множественной связи (определения, примеры). Метод наименьших квадратов (МНК). Мультиколлинеарность и способы отбора наиболее информативных предикторов в КММР. Свойства МНК-оценок, анализ качества и интерпретация построенного уравнения регрессии. Связь коэффициентов регрессии с коэффициентами эластичности (определения, примеры). Прикладной эконометрический анализ, основанный на КММР (примеры).



Доугерти К. Введение в эконометрику: пер. с англ. М.: МГУ, ИНФА-М, 2001. Гл. 5

Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: учебное пособие. М.: Дело, 2000.

Айвазян С.А. Основы эконометрики: учебник. М.: Юнити, 2001.



Тема 7. Обобщенная КММР (ОКММР) и обобщенный МНК. Два частных случая ОКММР: гетероскедастичность регрессионных остатков, автокоррелированность регрессионных остатков. Прикладной эконометрический анализ, основанный на ОКММР (примеры).



Доугерти К. Введение в эконометрику: пер. с англ. М.: МГУ, ИНФА-М, 2001. Гл. 7

Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: учебное пособие. М.: Дело, 2000.

Айвазян С.А. Основы эконометрики: учебник. М.: Юнити, 2001.



Тема 8. Понятие о рядах динамики. Основные аналитические показатели, рассчитываемые для динамических рядов: абсолютные приросты, темпы роста, темпы прироста, абсолютное значение одного процента прироста. Исчисление среднего уровня ряда и средних темпов роста и прироста в динамических рядах. Основные приемы обработки динамического ряда с целью определения тренда: укрупнение интервалов, сглаживание способом скользящей средней, выравнивание по аналитическим формулам. Изучение и измерение сезонных колебаний в рядах динамики. Интерполяция и экстраполяция в рядах динамики.


Громыко Г.Л. Теория статистики. М.: ИНФРА-М; 2005. Гл. 8


Тема 9. Понятие об индексах, их роль в экономическом анализе. Индивидуальные и общие индексы. Различные способы построения общих индексов. Агрегатная форма индексов. Средний арифметический и средний гармонический индексы, тождественные агрегатному. Индексы цепные и базисные, их взаимосвязь. Индексы с постоянными и переменными весами. Анализ динамики средних показателей. Индексы переменного и фиксированного состава. Индексы структурных сдвигов. Роль индексов в изучении взаимосвязанных экономических явлений. Способы построения взаимосвязанных индексов. Определение влияния изменения отдельных факторов на изменение результативного показателя в абсолютном и относительном выражении. Практическое применение индексного метода в экономике.


Громыко Г.Л. Теория статистики. М.: ИНФРА-М; 2005. Гл. 9


^ 8Образовательные технологии
В рамках курса предусмотрены лекции, разбор практических задач.
9Оценочные средства для текущего контроля и аттестации студента 9.1Вопросы для оценки качества освоения дисциплины
Абсолютные и относительные показатели.

Виды средних величин, формулы их расчета и свойства.

Показатели вариаций: определения, формулы, область применения.

Показатели уровня концентрации: определения, формулы, область применения.

Дисперсия: свойства и методы расчета.

Основные числовые характеристики законов распределения вероятностей.

Основные функции распределения: нормальное, логнормальное, экспоненциальное, Пуассона. Их свойства.

Проверка гипотез о нормальном распределении.

Определение корреляции и ее свойства.

Показатели тесноты связи: определения, формулы и область применения.

Классическая модель парной регрессии: постановка задачи, вывод коэффициентов.

Анализ качества парной регрессионной модели.

Теорема Гаусса-Маркова и свойства оценок регрессионных коэффициентов.

Мультиколлинеарность: причины, признаки, способы устранения.

Автокорреляция: причины, способы устранения, влияния на свойства оценок коэффициентов.

Гетероскедастичность: причины, способы устранения, влияния на свойства оценок коэффициентов.

Методы обнаружения гетероскедастичности.

Методы обнаружения автокорреляции.
^ 9.2Пример задания для промежуточного контроля
Контрольная работа будет состоять из задач. Примером задания является:


Имеются следующие данные о возрастной структуре производственного оборудования в промышленности РФ в 1990 и 2004 гг.:

Возраст оборудования, лет

Количество оборудования, % к итогу

1990

2004

До 5

29,4

8,6

6 – 10

28,3

5,1

11 – 15

16,5

12,3

16 – 20

10,8

22,5

Более 20

15,0

51,5

Всего

100

100



Вопросы:

Определить в каждом году и сравнить:

Средний возраст оборудования

Моду, медиану

Дисперсию, среднее квадратическое отклонение, коэффициент вариации

Построить гистограмму и кумуляту распределения оборудования по возрасту.



^ 10Порядок формирования оценок по дисциплине

При получении результирующей оценки учитываются: оценка за выполнение контрольной работы Ок и оценка за зачет Оз.

2. Оценки относительной важности:

Wк= 0.4, Wз= 0.6


Итоговая оценка округляется до целого числа в соответствии со стандартными правилами округления.

В диплом ставится оценка, которая является результирующей оценкой по учебной дисциплине.


^ 11Учебно-методическое и информационное обеспечение дисциплины 11.1Базовый учебник
Громыко Г.Л. Теория статистики. М.: ИНФРА-М; 2005

Доугерти К. Введение в эконометрику: пер. с англ. М.: МГУ, ИНФА-М, 2001.
^ 11.2Основная литература
Громыко Г.Л. Теория статистики. М.: ИНФРА-М; 2005

Доугерти К. Введение в эконометрику: пер. с англ. М.: МГУ, ИНФА-М, 2001.

Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: учебное пособие. М.: Дело, 2000.

Айвазян С.А. Основы эконометрики: учебник. М.: Юнити, 2001.


^ 11.3Дополнительная литература
Статистика: Учебное пособие/ под ред. Ефимовой М.Р. - М.: ИНФРА-М, 2003 – 336 с

Ефимова М.Р., Ганченко О.И., Петрова Е.В. Практикум по общей теории статистики: Учебное пособие. - М.: Финансы и статистика; 2002 - 336 с

Магнус Я.Р., Катышев П.К., Пересецкий, А.А. (2004). Эконометрика. Начальный курс. М.: Дело

Шведов А.С. (2005). Теория вероятностей и математическая статистика. М.: Издательский дом ГУ ВШЭ

Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. – М.: Финансы и статистика, 2003.

Берндт Э. Практика эконометрики: классика и современность, Юнити-Дана, 2005.

Cameron C., Trivedi P. Microeconometrics Using Stata. - Stata Press, 2009.

Экономика и статистика фиpм. Под pед. С. Д. Ильенковой - М.: Финансы и статистика, 2002 - 240 стp.

Экономическая статистика. - Учебник под ред. Иванова Ю.Н.- М.: Инфра-М; 2003 – 480 стр.

Образцова О.И. Методические указания к решению задач по курсу экономической статистики.- М., ВШЭ, 1998 - 130 с.

Gujarati D. (1999). Essentials of econometrics. (2nd ed.). McGraw-Hill

Hill R.C., Griffiths W.E.(2001). Undegraduate econometrics. (2nd ed.). New York: John Wiley & Sons

Johnston D., DiNardo J. (1997). Econometric methods. (4th ed.). McGraw-Hill

Maddala, G.S. (2001). Introduction to Econometrics (3th ed.). New York: John Wiley & Sons

Johnston A.R. and Bhattacharyya G.K., Statistics. Principles and Methods. 3rd edition, Wiley, 1996

Elements of Statistics, Study Guide. University of London, 2006.

A.C.Harvey Time Series Models. - 2nd edition, Harvester Wheatsheaf, 1993.

Джонстон Дж. (1980). Эконометрические методы. М.: Статистика

Плис А.И., Сливина Н.А. Практикум по прикладной статистике в среде SPSS. – М.: Финансы и статистика, 2004.

Бююль А., Цёфель П., SPSS: искусство обработки информации. СПб.: ООО «ДиаСофтЮП», 2005.

Коленников С.О. Прикладной эконометрический анализ в статистическом пакете Stata. - М.: Российская экономическая школа, 2001.


Все источники в основной и дополнительной литературе даются с полными библиографическими описаниями в соответствии с российским или западным стандартами оформления.

^ 11.4Программные средства
Для успешного освоения дисциплины, студент использует следующие программные средства:

MS Office.
11.5Дистанционная поддержка дисциплины
Сайт Росстата www.gks.ru

Сайт Центрального банка России www.cbr.ru

Сайт статистики валютных курсов www.oanda.ru

«Экономический журнал ВШЭ» (продолжающееся издание). Статистический раздел.

«Обзор экономики России» (продолжающееся издание Рабочего центра экономических реформ при правительстве РФ и Российско-европейского центра экономической политики). Статистическое приложение.

«Российская экономика: прогнозы и тенденции» (продолжающееся издание Центра анализа данных кафедры статистики ГУ-ВШЭ).

Российский мониторинг экономического положения и здоровья населения (РМЭЗ): http://www.cpc.unc.edu/rlms/

Статистические данные Федеральной службы государственной статистики (ФСГС): http://www.gks.ru.

Выборочное обследование бюджетов домашних хозяйств (ФСГС): http://www.micro-data.ru.

ESS - Европейское Социальное Исследование: http://www.ess-ru.ru/

World Values Survey - Исследование жизненных ценностей населения: http://www.worldvaluessurvey.org/

12Материально-техническое обеспечение дисциплины
Для проведения практических занятий, контрольной работы и зачета используется проектор и компьютерный класс с программным обеспечением, интернет, универсальная доска с набором цветных фломастеров, раздаточный материал.