Комплект заданий для проектной деятельности
МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РФ
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ
УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ
«ОРЛОВСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ»
ФОНД ОЦЕНОЧНЫХ СРЕДСТВ
По дисциплине
Информационные технологии и системы поддержки
Управленческих решений в бизнес-процессах
направление подготовки: 38.04.02 – Менеджмент
направленность (профиль): Управление человеческими ресурсами
Разработчики: к.э.н., доцент Коломейченко А.С. _______ «__» _____ 2016 г.
д.э.н., профессор Шуметов В.Г. _______ «__» _____ 2016 г.
Орел – 2016
Перечень компетенций с указанием этапов их формирования в процессе освоения образовательной программы
Код контролируемой компетенции (или ее части) и ее формулировка | Контролируемые разделы дисциплины | Уровни освоения компетенции | Наименование оценочного средства | |||
Текущий контроль | Промежуточная аттестация | |||||
ПК-4. Способность использовать количественные и качественные методы для проведения прикладных исследований и управления бизнес-процессами, готовить аналитические материалы по результатам их применения | Информационные технологии интеллектуального анализа данных (data mining). Методы data mining в пакете статистических программ анализа данных SPSS | Пороговый | Вопросы для самопроверки | Вопросы к зачету | ||
Повышенный | Контрольная работа | |||||
Высокий | Выполнение СНИР | |||||
ПК-10. Способность проводить самостоятельные исследования в соответствии с разработанной программой
| Информационные технологии поддержки принятия управленческого решения в условиях риска и неопределенности. Экспертно-аналитическое моделирование в СППР Expert Decide | Пороговый | Вопросы для самопроверки | Вопросы к зачету | ||
Повышенный | Контрольная работа | |||||
Высокий | Выполнение СНИР |
Описание показателей и критериев оценивания уровня приобретенных компетенций на различных этапах их формирования
Код контролируемой компетенции | Критерии в соответствии с уровнем освоения основной профессиональной образовательной программы | Технологии формирования | ||||||
пороговый (базовый) (удовлетворительно) 55-69 баллов | повышенный (хорошо) 70-84 баллов | высокий (отлично) 85-100 баллов | ||||||
ПК-4 (Способность использовать количественные и качественные методы для проведения прикладных исследований и управления бизнес-процессами, готовить аналитические материалы по результатам их применения) | Знает основные информационные технологии управления бизнес-процессами. | Знает основные информационные технологии управления бизнес-процессами, организацию системы интеллектуальной поддержки принятия управленческих решений. | Знает основные информационные технологии управления бизнес-процессами, организацию системы интеллектуальной поддержки принятия управленческих решений, современное состояние и тенденции развития информационных технологий. | Лекции и практические занятия с использованием активных и интерактивных форма обучения. Самостоятельная работа | ||||
Умеет обрабатывать эмпирические и экспериментальные данные. | Умеет обрабатывать эмпирические и экспериментальные данные, проводить количественное прогнозирование и моделирование управления бизнес-процессами. | Умеет обрабатывать эмпирические и экспериментальные данные, проводить количественное прогнозирование и моделирование управления бизнес-процессами, применять современные технические и программные средства информационных технологий для выполнения конкретной работы. | Лекции и практические занятия с использованием активных и интерактивных форма обучения. Самостоятельная работа | |||||
Владеет информационными технологиями для прогнозирования и управления бизнес-процессами. | Владеет информационными технологиями для прогнозирования и управления бизнес-процессами, навыками количественного и качественного анализа для принятия управленческих решений на основе информационных технологий. | Владеет информационными технологиями для прогнозирования и управления бизнес-процессами, навыками количественного и качественного анализа для принятия управленческих решений на основе информационных технологий, методикой построения организационно-управленческих математических моделей и их решение с применением информационных технологий. | Лекции и практические занятия с использованием активных и интерактивных форма обучения. Самостоятельная работа | |||||
ПК-10
(Способность проводить самостоятельные исследования в соответствии с разработанной программой) | Знает основные информационные технологии управления бизнес-процессами. | Знает основные информационные технологии управления бизнес-процессами, организацию системы интеллектуальной поддержки принятия управленческих решений. | Знает основные информационные технологии управления бизнес-процессами, организацию системы интеллектуальной поддержки принятия управленческих решений, современное состояние и тенденции развития информационных технологий. | Лекции и практические занятия с использованием активных и интерактивных форма обучения. Самостоятельная работа | ||||
Умеет проводить эмпирические и прикладные исследования. | Умеет проводить эмпирические и прикладные исследования, применять на практике навыки работы со специализированными пакетами программ для решения управленческих задач. | Умеет проводить эмпирические и прикладные исследования, применять на практике навыки работы со специализированными пакетами программ для решения управленческих задач, использовать для принятия решений технологий и систем поддержки принятия решений. | Лекции и практические занятия с использованием активных и интерактивных форма обучения. Самостоятельная работа | |||||
Владеет информационными технологиями для прогнозирования и управления бизнес-процессами. | Владеет информационными технологиями для прогнозирования и управления бизнес-процессами, навыками количественного и качественного анализа для принятия управленческих решений на основе информационных технологий. | Владеет информационными технологиями для прогнозирования и управления бизнес-процессами, навыками количественного и качественного анализа для принятия управленческих решений на основе информационных технологий, методикой построения организационно-управленческих математических моделей и их решение с применением информационных технологий. | Лекции и лабораторные занятия. Самостоятельная работа |
|
|
Типовые контрольные задания или иные материалы, необходимые для оценки знаний, умений, навыков и (или) опыта деятельности, характеризующих этапы формирования компетенций в процессе освоенияосновной профессиональной образовательной программы
Вопросы к зачету
Раздел 1 «Информационные технологии интеллектуального анализа данных (data mining)»
1. Предмет и задачи многомерного статистического анализа.
2. Методы многомерного статистического анализа.
3. Применение МСА в экономических исследованиях.
4. Линейная модель множественной регрессии.
5. Математический аппарат модели множественной линейной регрессии.
6. Особенности практического применения регрессионных моделей.
7. Кластерный анализ и его роль в социально-экономических исследованиях.
8. Расстояния между объектами и кластерами.
9. Методы кластерного анализа. Иерархическая кластеризация. Кластеризация итеративным методом К-средних.
10. Устойчивость кластерного решения. Анализ качества классификации.
11. Факторный анализ как метод выявления латентной структуры и скрытых закономерностей.
12. Основные понятия факторного анализа. Метод главных компонентов. Вращение главных факторов. Критерии вращения.
13. Области применения и методы дискриминантного анализа.
14. Постановка задачи на исследование методами дискриминантного анализа.
15. Геометрическая интерпретация дискриминантных функций.
16. Виды дисперсионного анализа.
17. Однофакторный дисперсионный анализ.
18. Двухфакторный дисперсионный анализ.
19. Многофакторный дисперсионный анализ.
Раздел 2 «Методы data mining в пакете статистических программ анализа данных SPSS»
1. Графические методы проверки выборочных данных на однородность в системе анализа данных SPSS. Тест Колмогорова-Смирнова на нормальность распределения данных.
2. Множественный корреляционный анализ в системе анализа данных SPSS. Принцип Бонферрони.
3. Пошаговый метод построения модели множественной линейной регрессии в системе анализа данных SPSS.
4. Нелинейные регрессионные модели в SPSS.
5. Визуальная группировка в случае двух информативных переменных. Выделение типологических синдромов.
6. Реализация иерархического и итеративного кластерного анализа в системе SPSS.
7. Реализация факторного анализа по методу главных компонент в системе SPSS. Подход Ж.-П. Пажеса к интерпретации факторного анализа. Карта Неба, карта Земли.
8. Пошаговый алгоритм дискриминантного анализа в системе SPSS.
9. Реализация однофакторного и многофакторного дисперсионного анализа в системе SPSS. Главная линейная модель.
Раздел 3 «Экспертно-аналитическое моделирование в СППР Expert Decide»
1. Понятие управленческого решения. Запрограммированные и незапрограммированные решения. «Высоко» и «слабо структурированные» проблемы. Процесс принятия решения.
2. Классификация проблем и подходов к их решению. Характеристика «высоко» и «слабо структурированных» проблем.
3. Роль моделированияв управлении. Классификация моделей. Концептуальные и информационные модели.
4. Классификация экспертных методов по способу взаимодействия организаторов экспертизы с экспертами.
5. Классификация экспертных методов по способам обработки информации, получаемой от экспертов.
6. Методы парных сравнений. Девятибалльная шкала сравнений. Преимущества перед турнирной шкалой.
7. Основные понятия теории принятия решений. Трехкомпонентная модель памяти. Магическое число Миллера.
8. Логические предпосылки метода анализа иерархий.
9. Теоретические основы метода анализа иерархий. Достоинства и недостатки метода.
10. Аксиомы метода анализа иерархий. Алгоритмы метода анализа иерархий.
12. Метод аналитических сетей. Особенности метода.
12. Пользовательский интерфейс СППР Expert Decide.
13. Критерии согласованности матрицы парных сравнений и иерархии в целом.
14. Основные уровни иерархии в задаче принятия решения. Фокус (цель), иерархическая система уровней: частные цели, факторы (критерии), акторы, альтернативные решения. Базовая трехуровневая иерархия.
15. Матрицы (таблицы) парных сравнений. Приоритеты факторов (критериев). Интерпретация приоритетов. Относительные и абсолютные приоритеты. Синтез приоритетов альтернатив.
16. Критерии принятия решений.
17. Модели принятия решения по критерию «выгоды» – «издержки».
18. Модели принятия решения по критерию BOCR (выгоды, издержки, возможности, риски).
19. Модели аттестации кадров.
20. Прогнозные иерархические модели.
21. Формирование группового решения с учетом компетентности экспертов.
Критерии оценки:
- на «отлично» оценивается ответ, если студент имеет полные системные знания и умения по поставленному вопросу. Содержание вопроса учащийся излагает связно, в краткой форме, раскрывает последовательно суть изученного материала, демонстрируя прочность и прикладную направленность полученных знаний и умений, не допускает терминологических ошибок и фактических неточностей. Дан полный, точный ответ на дополнительный вопрос по курсу в целом. Выполнено правильно и полностью практическое задание.
- на «хорошо» оценивается ответ, в котором отсутствуют незначительные элементы содержания или присутствуют все необходимые элементы содержания, но допущены некоторые ошибки, иногда нарушалась последовательность изложения. Или не был дан ответ на дополнительный вопрос. Выполнено правильно и полностью практическое задание.
- на «удовлетворительно» оценивается неполный ответ, в котором отсутствуют значительные элементы содержания или присутствуют все вышеизложенные знания, но допущены существенные ошибки, нелогично, пространно изложено основное содержание вопроса. Не дан ответ на дополнительный вопрос. Или дан полный последовательный ответ на один вопрос, в то время как другой теоретический вопрос не был освещен полностью. Или не выполнено практическое задание.
- на «неудовлетворительно» оценивается неверный или неполный ответ на теоретические вопросы, нет ответов на дополнительные вопросы, не выполнено практическое задание.
Комплект заданий для проектной деятельности
Вариант № 1
Построить концептуальную базовую иерархическую модель принятия управленческого решения.
Вариант № 2
Построить концептуальную модель принятия решения по критерию «выгоды» – «издержки».
Вариант № 3
Построить концептуальную модель принятия решения по критерию BOCR (выгоды, издержки, возможности, риски).
Вариант № 4
Построить дерево критериев (факторов) концептуальной иерархической модели.
Вариант № 5
Построить концептуальную смешанную модель принятия решения с уровнями: цель, группы факторов, факторы, альтернативы.
Вариант № 6
Создать прогнозную концептуальную модель с уровнями: цель, первичные факторы, акторы, цели акторов, контрастные сценарии, обобщенный сценарий.
Вариант № 7
Выполнить парные сравнения факторов в двухуровневой модели «цель» – «факторы». Проранжировать факторы по степени влияния на цель.
Вариант № 8
Выполнить парные сравнения альтернатив в двухуровневой модели «фактор оценки» – «альтернативы». Проранжировать альтернативы по степени важности.
Вариант № 9
Выполнить парные сравнения факторов и альтернатив в трехуровневой модели «цель» – «фактор оценки» – «альтернативы». Сравнить глобальный и частные векторы приоритетов альтернатив.
Вариант № 10
Сформировать групповое решение в системе Expert Decide.
Вариант № 11
Сформировать групповое решение с учетом компетентности экспертов.
Вариант № 12
Продемонстрировать ограничения в использовании системы Expert Decide.
Вариант № 13
Рассчитать приоритеты групп факторов, абсолютные и относительные приоритеты критериев (частных факторов) концептуальной древовидной иерархической модели.
Вариант № 14
Продемонстрировать особенности использования системы Expert Decide в случае выявления малозначимых критериев (факторов) оценки альтернатив (пересчет вектора приоритетов критериев и альтернатив).
Вариант № 15
Продемонстрировать особенности использования системы Expert Decide в случае выявления малозначимых альтернатив (пересчет приоритетов альтернатив).
Вариант № 16
Построить базовую модель профессиональных качеств менеджеров в системе Expert Decide (нормативные профилограммы).
Вариант № 17
Дать оценку профессиональных качеств менеджеров в системе Expert Decide (профилограмма аттестуемого).
Вариант № 18
Выполнить графическое (качественное) и аналитическое (количественное) сравнение профилограммы профессиональных качеств аттестуемого с нормативными профилограммами.
Вариант № 19
По результатам сравнения профилограммы профессиональных качеств аттестуемого с нормативными профилограммами разработать кадровые предложения.
Кейс-задачи
Вариант № 1
Графическими методами системы SPSS проверить на однородность следующую региональную выборку:
Регион | Среднедушевые денежные доходы населения в месяц в 2014 г., руб. |
Белгородская область | 25372 |
Брянская область | 22039 |
Владимирская область | 20569 |
Воронежская область | 25505 |
Ивановская область | 20409 |
Калужская область | 24984 |
Костромская область | 19320 |
Курская область | 23188 |
Липецкая область | 25263 |
Московская область | 34948 |
Орловская область | 19981 |
Рязанская область | 21988 |
Смоленская область | 21788 |
Тамбовская область | 22377 |
Тверская область | 20602 |
Тульская область | 23040 |
Ярославская область | 23876 |
г. Москва | 54504 |
Вариант № 2
В системе SPSS проверить на нормальность распределения с помощью теста Колмогорова-Смирнова следующие региональные данные:
Регион | Отношение средней заработанной платы преподавателей образовательных учреждений высшего образования к средней заработной плате по субъекту Российской Федерации в 2014 г., % |
Белгородская область | 140,2 |
Брянская область | 151,3 |
Владимирская область | 183,1 |
Воронежская область | 144,3 |
Ивановская область | 144,6 |
Калужская область | 145,4 |
Костромская область | 149,0 |
Курская область | 134,0 |
Липецкая область | 129,4 |
Московская область | 139,5 |
Орловская область | 148,3 |
Рязанская область | 144,2 |
Смоленская область | 138,5 |
Тамбовская область | 137,0 |
Тверская область | 148,2 |
Тульская область | 138,0 |
Ярославская область | 149,4 |
г. Москва | 127,0 |
Вариант №3
В системе SPSS выполнить корреляционный анализ следующих региональных показателей (предварительно проверить исходные данные на нормальность распределения):
Регион | Среднедушевые денежные доходы населения в месяц в 2014 г., руб. | Среднемесячная номинальная начисленная заработная плата работников организаций в 2014 г., руб. |
Белгородская область | 25372 | 23895 |
Брянская область | 22039 | 20911 |
Владимирская область | 20569 | 22581 |
Воронежская область | 25505 | 24001 |
Ивановская область | 20409 | 20592 |
Калужская область | 24984 | 28248 |
Костромская область | 19320 | 20867 |
Курская область | 23188 | 23099 |
Липецкая область | 25263 | 23133 |
Московская область | 34948 | 38598 |
Орловская область | 19981 | 20885 |
Рязанская область | 21988 | 24280 |
Смоленская область | 21788 | 22279 |
Тамбовская область | 22377 | 20757 |
Тверская область | 20602 | 23866 |
Тульская область | 23040 | 25873 |
Ярославская область | 23876 | 25434 |
г. Москва | 54504 | 61208 |
Вариант № 4
В системе SPSS выполнить множественный корреляционный анализ следующих региональных показателей (предварительно проверить исходные данные на нормальность распределения):
Регион | Отношение средней заработанной платы некоторых категорий работников к средней заработной плате по субъекту Российской Федерации в 2014 г., % | |||
педагогических работников дошкольных образовательных учреждений | педагогических работников образовательных учреждений общего образования | преподавателей и мастеров производственного обучения образовательных учреждений начального и среднего профобразования | преподавателей образовательных учреждений высшего образования | |
Белгородская область | 100,5 | 99,0 | 93,4 | 140,2 |
Брянская область | 100,1 | 100,1 | 94,8 | 151,3 |
Владимирская область | 101,5 | 99,2 | 94,6 | 183,1 |
Воронежская область | 100,1 | 102,5 | 87,8 | 144,3 |
Ивановская область | 103,8 | 97,4 | 92,2 | 144,6 |
Калужская область | 97,2 | 100,5 | 92,8 | 145,4 |
Костромская область | 100,6 | 102,4 | 88,4 | 149,0 |
Курская область | 105,9 | 101,1 | 88,3 | 134,0 |
Липецкая область | 99,0 | 102,9 | 88,4 | 129,4 |
Московская область | 98,4 | 111,3 | 106,2 | 139,5 |
Орловская область | 99,0 | 101,9 | 94,7 | 148,3 |
Рязанская область | 100,1 | 101,0 | 91,4 | 144,2 |
Смоленская область | 97,6 | 103,0 | 89,1 | 138,5 |
Тамбовская область | 100,1 | 101,7 | 89,3 | 137,0 |
Тверская область | 102,7 | 101,4 | 84,5 | 148,2 |
Тульская область | 103,0 | 106,1 | 91,7 | 138,0 |
Ярославская область | 106,9 | 107,5 | 94,2 | 149,4 |
г. Москва | 70,2 | 97,8 | 98,5 | 127,0 |
Вариант № 5
В системе SPSS выполнить линейный регрессионный анализ следующих региональных показателей (предварительно выбрать независимую и результативную переменные и проверить исходные данные на нормальность распределения):
Регион | Валовой региональный продукт на душу населения в 2013 г., руб. | Среднедушевые денежные доходы населения в месяц в 2013 г., руб. |
Белгородская область | 369139,1 | 23735 |
Брянская область | 178926,9 | 20152 |
Владимирская область | 216916,6 | 18796 |
Воронежская область | 260409,5 | 22056 |
Ивановская область | 150791,8 | 18123 |
Калужская область | 291955,0 | 23182 |
Костромская область | 217606,0 | 17575 |
Курская область | 243267,5 | 20809 |
Липецкая область | 271125,4 | 22222 |
Московская область | 359799,4 | 32739 |
Орловская область | 212867,4 | 18262 |
Рязанская область | 243913,8 | 19828 |
Смоленская область | 232202,8 | 19982 |
Тамбовская область | 219948,4 | 19834 |
Тверская область | 219160,7 | 19106 |
Тульская область | 227287,4 | 20903 |
Ярославская область | 283656,6 | 21127 |
г. Москва | 965842,7 | 54869 |
Вариант № 6
В системе SPSS построить линейную регрессионную модель инфляции в регионах ЦФО по данным за 2014 г. (предварительно выбрать независимые и результативную переменные и проверить исходные данные на нормальность распределения):
Регион | Индексы потребительских цен в 2014 г., % | Индексы потребительских цен на продовольствен. товары в 2014 г., % | Индексы потребительских цен на непродовольствен. товары в 2014 г., % | Индексы потребительских цен (тарифов) на услуги в 2014 г., % |
Белгородская область | 110,5 | 115,6 | 106,9 | 109,7 |
Брянская область | 113,3 | 117,7 | 110,1 | 110,1 |
Владимирская область | 113,3 | 118,0 | 109,0 | 111,3 |
Воронежская область | 112,0 | 116,6 | 108,2 | 109,4 |
Ивановская область | 112,2 | 118,2 | 108,7 | 107,4 |
Калужская область | 113,2 | 117,2 | 110,9 | 110,7 |
Костромская область | 111,0 | 114,3 | 108,2 | 110,1 |
Курская область | 110,9 | 117,1 | 106,3 | 109,3 |
Липецкая область | 111,9 | 116,0 | 108,7 | 111,0 |
Московская область | 112,2 | 114,5 | 108,7 | 113,8 |
Орловская область | 112,7 | 117,0 | 110,2 | 110,4 |
Рязанская область | 113,5 | 116,6 | 108,7 | 115,5 |
Смоленская область | 114,2 | 119,3 | 110,0 | 111,6 |
Тамбовская область | 112,2 | 117,6 | 108,8 | 108,6 |
Тверская область | 113,6 | 119,0 | 109,6 | 110,1 |
Тульская область | 112,4 | 116,2 | 108,9 | 110,9 |
Ярославская область | 113,5 | 116,7 | 110,9 | 112,5 |
г. Москва | 111,7 | 114,4 | 108,7 | 112,3 |
Вариант № 7
В системе SPSS построить ряд динамики показателя «Общий коэффициент рождаемости» по данным для Орловской области, установить диапазон анализа и горизонт прогноза:
Год | 2000 | 2001 | 2002 | 2003 | 2004 | 2005 | 2006 | 2007 |
Общий коэффициент рождаемости, промилле | 7,9 | 8,1 | 8,6 | 8,9 | 9,1 | 8,6 | 9,0 | 9,6 |
Год | 2008 | 2009 | 2010 | 2011 | 2012 | 2013 | 2014 | |
Общий коэффициент рождаемости, промилле | 10,2 | 10,4 | 11,0 | 10,5 | 11,2 | 11,0 | 11,0 |
Вариант № 8
В системе SPSS выбрать модель динамики показателя «Общий коэффициент рождаемости», адекватную данным по Орловской области:
Год | 2006 | 2007 | 2008 | 2009 | 2010 | 2011 | 2012 | 2013 | 2014 |
Общий коэффициент рождаемости, промилле | 9,0 | 9,6 | 10,2 | 10,4 | 11,0 | 10,5 | 11,2 | 11,0 | 11,0 |
Вариант № 9
В системе SPSS выполнить с надежностью 95% прогноз на ближайшую перспективу (2015 и 2016 гг.) показателя «Общий коэффициент рождаемости» по данным для Орловской области:
Год | 2006 | 2007 | 2008 | 2009 | 2010 | 2011 | 2012 | 2013 | 2014 |
Общий коэффициент рождаемости, промилле | 9,0 | 9,6 | 10,2 | 10,4 | 11,0 | 10,5 | 11,2 | 11,0 | 11,0 |
Вариант № 10
В системе SPSS выполнить факторный анализ показателей инфляции в регионах ЦФО по данным за 2014 г. (предварительно проверить исходные данные на нормальность распределения):
Регион | Индексы потребительских цен в 2014 г., % | Индексы потребительских цен на продовольственные товары в 2014 г., % | Индексы потребительских цен на непродовольственные товары в 2014 г., % | Индексы потребительских цен (тарифов) на услуги в 2014 г., % |
Белгородская область | 110,5 | 115,6 | 106,9 | 109,7 |
Брянская область | 113,3 | 117,7 | 110,1 | 110,1 |
Владимирская область | 113,3 | 118,0 | 109,0 | 111,3 |
Воронежская область | 112,0 | 116,6 | 108,2 | 109,4 |
Ивановская область | 112,2 | 118,2 | 108,7 | 107,4 |
Калужская область | 113,2 | 117,2 | 110,9 | 110,7 |
Костромская область | 111,0 | 114,3 | 108,2 | 110,1 |
Курская область | 110,9 | 117,1 | 106,3 | 109,3 |
Липецкая область | 111,9 | 116,0 | 108,7 | 111,0 |
Московская область | 112,2 | 114,5 | 108,7 | 113,8 |
Орловская область | 112,7 | 117,0 | 110,2 | 110,4 |
Рязанская область | 113,5 | 116,6 | 108,7 | 115,5 |
Смоленская область | 114,2 | 119,3 | 110,0 | 111,6 |
Тамбовская область | 112,2 | 117,6 | 108,8 | 108,6 |
Тверская область | 113,6 | 119,0 | 109,6 | 110,1 |
Тульская область | 112,4 | 116,2 | 108,9 | 110,9 |
Ярославская область | 113,5 | 116,7 | 110,9 | 112,5 |
г. Москва | 111,7 | 114,4 | 108,7 | 112,3 |
Вариант № 11
3. В системе SPSS выполнить кластерный анализ регионов ЦФО по главным факторам инфляции за 2014 г.:
REGR factor REGR factor score 1 score 2 for for analysis analysis Код 1 1 Регион Mean Mean Mean ______________________________ ________ ___________ ___________ Белгородская область 1 -1,67439 -,49526 Брянская область 2 ,91525 -,33189 Владимирская область 3 ,47882 -,16628 Воронежская область 4 -,60390 -,65329 Ивановская область 5 ,09927 -1,81062 Калужская область 6 1,23906 ,20732 Костромская область 7 -1,36017 ,29986 Курская область 8 -1,51930 -1,21229 Липецкая область 9 -,41480 ,24810 Московская область 10 -,74063 1,78698 Орловская область 11 ,74832 ,01182 Рязанская область 12 ,11695 1,83228 Смоленская область 13 1,52625 -,23682 Тамбовская область 14 ,03168 -1,14416 Тверская область 15 1,08583 -,81372 Тульская область 16 -,23778 ,18908 Ярославская область 17 1,19235 1,05951 г. Москва 18 -,88283 1,22939 |
Вариант № 12
В системе SPSS выполнить визуальную группировку регионов ЦФО по показателям инфляции за 2014 г., которые наиболее сильно связаны с главными факторами (исходные данные приведены в заданиях по вариантам № 10 и 11).
Вариант № 13
В системе SPSS выполнить кластерный анализ регионов ЦФО по показателям инфляции за 2014 г., которые наиболее сильно связаны с главными факторами (исходные данные приведены в заданиях по вариантам № 10 и 11).
Вариант № 14
В системе SPSS выполнить корреляционный анализ региональных показателей по данным варианта № 3 без «ремонта выборки». Полученные результаты сравнить с результатами корректного корреляционного анализа.
Вариант № 15
В системе SPSS выполнить линейный регрессионный анализ региональных показателей по данным варианта № 3 без «ремонта выборки». Полученные результаты сравнить с результатами корректного регрессионного анализа.
Вариант № 16
В системе SPSS выполнить множественный линейный регрессионный анализ региональных показателей по данным варианта №6 методом Stepwise. Проверить предикторы на мультиколлинеарность. Сравнить полученные модели.
Вариант № 17
В системе SPSS выполнить моделирование динамики показателя «Общий коэффициент рождаемости» параболическими моделями по данным для Орловской области (см. вариант № 9) и дать точечный и интервальный прогноз на 2015-2017 гг. Сравнить результаты прогноза по квадратичной и кубической моделям.
Вариант № 18
В системе SPSS выполнить аппроксимацию динамики показателя «Общий коэффициент рождаемости» по данным для Орловской области (см. экзаменационный билет №7) линейной моделью. Сравнить результаты при совмещении нулевого значения временной переменной с началом и с концом исследуемого диапазона.
Вариант № 19
В системе SPSS выполнить аппроксимацию динамики показателя «Общий коэффициент рождаемости» по данным для Орловской области (см. экзаменационный билет №9) гиперболической, логарифмической и степенной моделями. Выполнить содержательную интерпретацию параметров моделей.
Дата добавления: 2018-04-15; просмотров: 214; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!