Методология статистического анализа и прогнозирования развития промышленности Российской Федерации

Краткое описание

Год:
2004
Автор научной работы:
Дуброва, Татьяна Абрамовна
Ученая cтепень:
доктор экономических наук
Место защиты диссертации:
Москва
Код cпециальности ВАК:
08.00.12
Специальность:
Бухгалтерский учет, статистика
Количество cтраниц:
320
Оглавление диссертации
доктор экономических наук Дуброва, Татьяна Абрамовна

Введение.
ГЛАВА 1. Комплексный статистический анализ структурных сдвигов в промышленном производстве Российской Федерации.
1.1. Проблемы развития промышленного производства и анализ его динамики в отраслевом разрезе.
1.2. Экономико-статистический анализ структурных изменений в промышленном производстве с использованием порядковой шкалы.
1.3. Исследование структурных сдвигов в промышленном производстве с использованием шкалы отношений.
ГЛАВА 2. Экономико-статистический анализ состояния и основных тенденций развития российской промышленности.
2.1. Исследование современных тенденций развития промышленности и ее отраслевая сегментация.
2.2. Производственный аппарат промышленности России: основные характеристики и перспективы использования.
2.3. Экономико-статистический анализ инвестиционных процессов в промышленности.
ГЛАВА 3. Методологические основы создания системы прогнозной информации о деятельности промышленного комплекса российской экономики.
3.1. Общая концепция построения и реализации системы прогнозной информации о развитии промышленности Российской Федерации.
3.2. Современные направления в развитии передовых информационных технологий хранения и аналитической обработки статистических данных.
3.3. Исследование основных классов систем интеллектуального анализа данных и место в них статистических систем обработки информации.
ГЛАВА 4. Совершенствование методологии статистического анализа динамики и прогнозирования производства важнейших видов промышленной продукции.
4.1. Аналитический обзор современных статистических методов прогнозирования.
4.2. Разработка методологических подходов к прогнозированию производства важнейших видов промышленной продукции (на примере продукции топливно-энергетических отраслей).
4.3. Разработка модели прогнозирования годовых уровней производства на основе комбинирования частных прогнозов.
ГЛАВА 5. Развитие и использование многомерных статистических методов для анализа деятельности промышленных предприятий.
5.1. Совершенствование методологии предварительной обработки исходных данных.
5.2. Многомерная классификация крупнейших предприятий электроэнергетики.
5.3. Разработка методологических принципов построения временной факторной модели деятельности крупнейших предприятий электроэнергетики.

Введение диссертации (часть автореферата)
На тему "Методология статистического анализа и прогнозирования развития промышленности Российской Федерации"
Актуальность темы исследования. К началу проведения экономических преобразований для промышленности Российской Федерации была характерна масштабность производства при низкой эффективности, слабой конкурентоспособности, отсутствии согласованности между производством и потребительским спросом.
Высокомонополизированный промышленный комплекс имел отсталую технологическую базу и был отягощен серьезными диспропорциями структурного характера. Кризис российского народного хозяйства, развернувшийся в ходе проведения экономических реформ, болезненно сказался на развитии промышленности. В 1998 г. по сравнению с 1990 г. произошло снижение промышленного производства более чем на 50%, что не имеет исторических аналогов в развитии крупных стран в период мирного времени.
Отличительной особенностью развития российского народного хозяйства в период 1999-2003 гг. являлся промышленный подъем. При этом в большой степени наблюдавшийся рост промышленного производства объяснялся действием неинвестиционных факторов, связанных с освобождением отраслевых рынков от импорта, благоприятной внешнеторговой конъюнктурой, использованием незагруженных мощностей и др. В результате сочетания этих факторов в посткризисный период произошло поступательное развитие как экспортно-ориентированных отраслей промышленности, так и отраслей внутренне-ориентированного сектора.
Однако действие миогих благоприятных факторов уже исчерпано, воздействия других носят ограниченный характер. Таким образом, дальнейший промышленный подъем неизбежно должен опираться на активизацию инвестиционных процессов, направленных, в первую очередь, на обновление, модернизацию изношенных и устаревших основных фондов, на техническую реконструкцию при проведении гибкого структурного маневрирования инвестициями.
Для устойчивого развития промышленного комплекса на современном этапе необходимо проведение в жизнь научно обоснованной промышленной политики, способствующей привлечению инвестиций, повышению конкурентоспособности на внешнем и внутреннем рынках, созданию современной технологической базы и проведению структурных преобразований.
Поступательное развитие промышленных отраслей могут обеспечить лишь высокоэффективные и конкурентоспособные компании. Управление их деятельностью должно быть достаточно гибким, чтобы обеспечить оперативное реагирование на общеэкономическую конъюнктуру и состояние мировых рынков (товарных и инвестиционных).
Сложившаяся экономическая ситуация выдвигает новые требования к характеру статистической информации, на основе которой осуществляется управление. При этом возрастает роль прогнозов и основанной на них сигнальной, предупреждающей информации, способствующей принятию научно обоснованных управленческих решений.
Создание эффективной системы управления на микро-, мезо- и макроуровне должно опираться на статистический анализ и прогнозирование динамики важнейших индикаторов промышленного производства, статистическое исследование тенденций и перспектив развития отдельных предприятий, отраслей и отраслевых групп, на статистическое оценивание происходящих структурных сдвигов.
Вышеизложенное свидетельствует об актуальности разработки методологии статистического анализа и прогнозирования важнейших показателей развития промышленного комплекса, сравнительного статистического анализа производственно-хозяйственной деятельности промышленных предприятий. Разработка такой методологии, безусловно, представляет значительный практический и теоретический интерес.
Цель и задачи исследования. Целью диссертационного исследования является разработка методологии комплексного статистического анализа и прогнозирования развития промышленного комплекса Российской Федерации в условиях реформирования экономики.
В соответствии с указанной целью в работе поставлены и решены следующие задачи теоретического и прикладного характера:
• сформулирована концепция создания системы прогнозной информации о развитии промышленности РФ, направленная на интеграцию разрозненных задач прогнозирования в комплексы;
• разработаны и апробированы методологические подходы к исследованию интенсивности и направленности структурных изменений, произошедших в промышленном производстве за период реформирования экономики;
• на основе комплексного экономико-статистического анализа состояния российской промышленности выявлены современные тенденции и проблемы в ее развитии;
• на базе исследования инвестиционных процессов в промышленности предложен подход к оцениванию инвестиционной привлекательности ее отраслей;
• разработаны методологические основы использования современных информационных технологий хранения и обработки статистических данных при построении системы прогнозов показателей деятельности промышленного комплекса РФ;
• обоснованы направления совершенствования методологии краткосрочного прогнозирования производства важнейших видов промышленной продукции в натуральном выражении на макро- и мезоуровнях;
• разработан подход к моделированию и прогнозированию тренд-сезонных процессов с устойчивым (робастным) оцениванием сезонной составляющей;
• предложен метод расчета годовых прогнозов производства важнейших видов промышленной продукции на основе процедуры объединения частных прогнозных оценок, полученных с помощью индексов сезонности;
• усовершенствована методология предварительной обработки исходных данных, позволяющая при использовании многомерных статистических методов бороться с «маскирующим эффектом» групп аномальных наблюдений;
• разработана методология сравнительного анализа производственно-хозяйственной деятельности предприятий, основанная на многомерных статистических методах и апробированная на примере крупных компаний электроэнергетики;
• осуществлен переход от статической модели факторного анализа к построению временной факторной модели, использованной при анализе производственно-хозяйственной деятельности промышленных предприятий в динамике.
Объектом исследования является промышленность Российской Федерации, ее развитие в условиях реформирования экономики.
Предмет исследования — методология статистического анализа и прогнозирования совокупности показателей, характеризующих развитие промышленности Российской Федерации.
Методологической и теоретической основой исследования являются труды ведущих отечественных и зарубежных ученых по статистике, теории рыночной экономики, финансовому и экономическому анализу, эконометрике, современным информационным технологиям хранения и обработки данных.
В процессе разработки вопросов методологии статистического исследования большое значение сыграли труды известных отечественных ученых-статистиков: Ю.И. Аболенцева, О.Э. Башиной, И.К. Беляевского,
Г.Л. Громыко, М.Р. Ефимовой, Г.Т. Журавлева, С.Д. Ильенковой, М.В.Карманова, A.B. Короткова, В.И. Кузнецова, М.Г.Назарова, Л.И. Нестерова, С.Л.Орехова, Б.Т.Рябушкина, А.Е.Суринова, А.Н. Устинова, К.Г. Чобану и др.
В диссертации автор также опирался на научные труды известных специалистов в области прикладной статистики и эконометрического моделирования С.А. Айвазяна, A.M. Дуброва, И.И. Елисеевой, В.А. Колемаева, И.А. Корнилова, Ю.П. Лукашина, B.C. Мхитаряна, В.А. Половникова, Я.А. Фомина, A.A. Френкеля, Е.М. Четыркина и др.
Также использовались работы зарубежных ученых Т. Андерсона, М. Кенделла, К. Гремджера, А. Стюарта, Р. Брауна, Дж. Бокса, Г. Дженкипса, П. Уинтерса, Дж. Джонстона, Г. Хармана, К. Иберла, Ч. Хольта, К. Доугерти, П. Харрисона, Дж. Тьюки, Г. Тейла, С. Вейджа и др.
Статистическим инструментарием исследования послужили методы корреляционного и регрессионного анализа, аналитической группировки, многомерные методы снижения размерности и классификации, методы анализа и прогнозирования рядов динамики, а также табличные и графические методы визуализации результатов исследования.
Для решения поставленных задач диссертационного исследования применен широкий спектр аналитических пакетов прикладных программ: «SPSS», «Statistica», «Олимп», «Мезозавр», «X-12-ARIMA», электронные таблицы Excel, а также программы, разработанные автором.
Информационную базу исследования составили официальные статистические данные Госкомстата России, данные из научных публикаций по исследуемой тематике, материалы периодической печати, сети Internet и электронных СМИ.
Научная новизна работы состоит в том, что в ней дано решение научной проблемы, имеющей важное народнохозяйственное значение в условиях формирования рыночной экономики в России.
Основной научный результат, полученный в диссертации, состоит в разработке методологии комплексного статистического анализа состояния и основных тенденций развития промышленного комплекса Российской Федерации. Положенные в основу методологии приемы и подходы носят универсальный характер, предназначены для аналитической работы на макро-, мезо- и микроуровне.
К числу наиболее существенных результатов, полученных лично автором и обладающих научной новизной, относятся следующие:
• теоретически обоснована и разработана концепция создания системы прогнозной информации о развитии промышленного производства в Российской Федерации;
• разработаны концептуальные подходы и предложена система статистических показателей для исследования интенсивности структурных сдвигов в промышленном производстве с использованием порядковой шкалы и шкалы отношений;
• проведено комплексное статистическое исследование интенсивности и направленности структурных изменений в отраслевом распределении выпуска промышленной продукции в сопоставимых и фактически действовавших ценах;
• выявлены основные тенденции в развитии промышленного комплекса Российской Федерации и определены факторы, влиявшие на глубину падения производства и темпы преодоления спада по отраслям;
• предложен и апробирован подход к отраслевой сегментации промышленности на основе характеристик эффективности и динамичности производства;
• разработан алгоритм устойчивого (робастного) оценивания сезонной составляющей в аддитивной и мультипликативной форме при проведении декомпозиции временных рядов;
• предложена методология построения краткосрочных прогнозов производства промышленной продукции в натуральном выражении на макро- и мезоуровнях, апробированная на важнейших видах продукции топливно-энергетических отраслей;
• разработана и апробирована методика классификации отраслей промышленности по инвестиционной привлекательности, основанная на многомерных статистических методах;
• разработан алгоритм расчета годовых прогнозов производства отдельных видов промышленной продукции на основе синтеза частных прогнозных оценок, апробированный на примере важнейших видов продукции топливно-энергетических отраслей и пищевой промышленности;
• создана и апробирована методика отсева аномальных наблюдений, позволяющая формировать однородные группы объектов при наличии «маскирующего эффекта»;
• с помощью теории нечетких множеств построена« временная факторная модель, позволяющая исследовать динамику взаимосвязей исходных признаков с главными компонентами (обобщенными факторами), учитывающая различную информационную ценность уровней анализируемых показателей;
• на основе программной реализации временной факторной модели проанализирована производственно-хозяйственная деятельность крупных компаний электроэнергетики за период с 1999 по 2001 г.
Практическая значимость результатов исследования
Результаты проведенного исследования нашли практическое применение в аналитической работе Оренбургского областного комитета государственной статистики, Управления инвестиционных программ и перспективного развития Магнитогорского металлургического комбината, что подтверждается справками о внедрении.
Разработанные и усовершенствованные методики могут быть использованы в аналитической работе органов государственной статистики, Министерством экономического развития и торговли РФ, Министерством промышленности, науки и технологий РФ при формировании промышленной политики, управленческими органами различных уровней при разработке стратегии развития отдельных отраслей и регионов, руководством предприятий и их деловыми партнерами.
Теоретические и практические результаты исследования используются в научной работе и в учебном процессе при чтении лекций и проведении практических занятий в МЭСИ, Магнитогорском государственном техническом университете, Марийском государственном университете по курсам: «Статистические методы прогнозирования в экономике», «Эконометрика», «Экопометрическое моделирование», «Многомерные статистические методы» (имеются справки о внедрении).
Апробация работы «
Основные результаты исследования докладывались на 19 международных, всесоюзных, всероссийских и межвузовских научных и научно-методических конференциях, в том числе на:
III Международной научно-методической конференции «Методология преподавания статистики, эконометрики и математической экономики в вузах», Сочи, 4-6 февраля 2003;
- II Российско-Американской региональной конференции «Пути развития образования в 21 веке», Йошкар-Ола, 30-31 октября 2002;
- II Международной научно-методической конференции «Методология преподавания статистики, эконометрики и математической экономики в вузах», Москва, 5-6 февраля 2002;
VII Международной конференции «Применение многомерного статистического анализа в экономике и оценке качества», Москва, 26-30 августа 2001;
Международной научно-практической конференции «Методология преподавания статистики, эконометрики и экономико-математических дисциплин в экономических вузах», Москва, 2-6 февраля 1999;
VI научной конференции стран СНГ «Применение многомерного статистического анализа в экономике и оценке качества продукции», Москва, 1997;
Научно-практической конференции «Программно-алгоритмическое обеспечение прикладного многомерного статистического анализа», Москва, 1991;
Всесоюзном научно-практическом семинаре «Прикладные аспекты управления сложными системами», Кемерово, 1987.
Структура работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка использованной литературы и приложений. Список литературы содержит 225 наименований. Основной текст работы составляет 292 стр., содержит 59 рисунков, 44 таблицы. В двух приложениях - 15 рисунков и 15 таблиц.

Список литературы

Заключение диссертации
по теме "Бухгалтерский учет, статистика", Дуброва, Татьяна Абрамовна
Заключение
В соответствии с поставленной целыо диссертационного исследования в работе решен комплекс задач теоретического и прикладного характера.
Рассматриваемые в диссертационном исследовании методологические вопросы статистического анализа развития российской промышленности позволили исследовать структурные сдвиги в промышленном производстве. Предложенная в диссертации система статистических показателей для исследования интенсивности и направленности структурных сдвигов опирается на цепные и базисные обобщающие характеристики, измеренные в различных шкалах (порядковой шкале и шкале отношений). При этом разработанный подход предусматривает исследование изменений структуры производства как в фактически действовавших ценах, так и в сопоставимых ценах.
Проведенный статистический анализ позволил выявить неравномерность развития промышленного производства в отраслевом разрезе, установить различную интенсивность происходивших структурных изменений в исследуемом периоде. При сравнении соседних периодов всплеск в значениях обобщающих показателей структурных сдвигов для промышленной продукции в фактических ценах относится к 1992г. В этом случае усиление интенсивности структурных изменений промышленного производства объясняется процессом либерализации цен, ознаменовавшим начало экономических реформ. Перемещение этого пика к 1994 г. при исследовании структуры производства в сопоставимых ценах (в ценах 1999г.) вызвано инерционностью промышленного производства. Выявленная особенность свидетельствует о том, что из-за инерционности развития такой сложной системы, как промышленный комплекс, последствия проводимых преобразований могут сказываться с достаточно большим временным лагом, что должно учитываться при прогнозировании развития российской промышленности.
Проведенный анализ также позволил установить, что интенсификация изменений в динамике промышленного производства (возросший подъем, усилившийся спад) сопровождалась интенсификацией изменений структуры производства. С помощью корреляционного анализа была проверена гипотеза о существовании статистически значимой взаимосвязи между интенсивностью структурных сдвигов и темпами изменения промышленного производства, а также проведено статистическое оценивание тесноты этой взаимосвязи. Было выявлено, что углубление спада промышленного производства сопровождалось усилением структурных сдвигов. Максимальные значения базисных показателей структурных сдвигов, свидетельствующие о наибольшем отличии текущей структуры промышленного производства от базисной структуры 1990 г., соответствуют 1998 г. - нижней точке промышленного спада. Максимальная скорость удаления структур наблюдалась в 1994 и 1992 гг. В то же время при проявлении роста промышленного производства в 1997г., в 1999-2001 гг. происходило ослабление различий структур.
В диссертации предлагается проводить сопоставление структуры производства текущего периода с заданной эталонной структурой, используя экспертные оценки в сочетании с формализованными методами.
Также были определены общие и характерные черты в изменении динамики отраслевого производства, выявлены факторы, существенно влиявшие на глубину падения производства. Темпы преодоления спада во многом определяла степень экспортной ориентации отрасли. Кроме того, спад производства оказался сильнее в отраслях, в большей мере производящих конечную продукцию, что усугубило гипертрофированное развитие добывающих отраслей. В результате структура промышленного производства изменилась в сторону «утяжеления», т.е. в сторону уменьшения весомости продукции высокой степени переработки.
В работе при исследовании состояния российской промышленности проведен анализ динамики экономических показателей, характеризующих объем промышленного производства, численность занятых, состояние производственного аппарата, финансовое состояние предприятий и др. Проведенный статистический анализ выявил высокую дифференциацию отраслей по важнейшим характеристикам их функционирования.
В диссертации разработан подход к отраслевой сегментации промышленности по характеристикам финансовой эффективности и динамичности производства, опирающийся на комплексное использование многомерных статистических методов. Исследование выявило два сегмента, использующих в своем развитии разные ресурсы. Подъем в экспортно-сырьевых отраслях, представленных нефтегазовым комплексом и металлургией (сегмент №1), опирался на благоприятную внешнеэкономическую конъюнктуру, низкие цены на ресурсы, последовавшее расширение платежеспособного спроса внутри страны.
Во втором, внутренне-ориентированном сегменте в отдельный кластер были выделены электроэнергетика и угольная промышленность, что связано с низким уровнем рентабельности в этих отраслях в условиях повышенной энергоемкости экономики России.
Поступательное развитие ряда отраслей второго сегмента было связано с начавшимся после кризиса процессом импортозамещения, загрузкой недоиспользованных производственных мощностей. В большей степени рост промышленного производства объяснялся действием неинвестиционных факторов, причем их благоприятное сочетание способствовало развитию отраслей из двух сегментов. Однако в настоящее время действие многих факторов уже исчерпано, действие других — носит ограниченный характер.
Дальнейший промышленный подъем неизбежно должен опираться на активизацию инвестиционных процессов. Экономический кризис 1991-1998 гг. сопровождался резким сокращением инвестиций, нанесшим удар по всему производственно-технологическому потенциалу промышленности.
В 1999-2003 гг. рост промышленного производства наблюдался на фоне активизации инвестиционной деятельности. Однако ее масштабы оставались незначительными. Проведенный статистический анализ отраслевого распределения инвестиций в основной капитал показал, что около 60% суммарного объема концентрируется в топливно-энергетических отраслях. Существенно упала доля, приходящаяся на машиностроение и металлообработку — отрасль, определяющую качество техники и динамику технологического перевооружения во всех отраслях, конкурентоспособность промышленной продукции. Так как экспортно-сырьевая ориентация российской экономики сказывается и в структуре инвестиций, то для осуществления реконструкции обрабатывающих отраслей необходимо проведение политики структурного маневрирования инвестициями.
Проведенный анализ свидетельствует о том, что уровень иностранных инвестиций также является низким и недостаточным, при этом в качестве лидеров по привлечению иностранных инвестиций последние годы выступали топливная, пищевая и металлургическая промышленность. В то же время наметившиеся в последние годы в развитии экономики положительные тенденции нашли отражение в росте капиталовложений.
Для мониторингового наблюдения за изменением инвестиционной привлекательности отраслей промышленности в диссертации разработана и апробирована методика многомерной классификации отраслей по инвестиционной привлекательности. Проведенное исследование свидетельствует о повышении инвестиционной привлекательности российской промышленности. Для стимулирования инвестиций требуется стабильность и прозрачность экономической политики, взаимодействие между бизнесом и государством в определении тенденций экономического развития, содействие государства в активизации структурной перестройки.
Перспективным направлением в развитии и организации прогнозных расчетов, характеризующих развитие промышленного комплекса РФ, является объединение отдельных типовых задач в комплексы, в интегрированные системы, повышающие информативность исследований. Примером такой системы прогнозной информации может служить система, разработанная в диссертационном исследовании. Она охватывает комплекс задач краткосрочного прогнозирования производства важнейших видов промышленной продукции в натуральном выражении на макро- и мезоуровнях.
Проведенное исследование показало, что в последнее время концепция функционирования систем поддержки принятия управленческих решений претерпела серьезные изменения. В современных условиях аналитикам и опирающимся на их исследования органам управления промышленным комплексом существенную помощь может оказать взаимосвязанное применение хранилищ данных, инструментов OLAP, а также процедур интеллектуального анализа данных (Data Mining). Важной составной частью средств интеллектуального анализа данных (Data Mining) являются современные статистические системы. При этом, на наш взгляд, перспективным направлением развития современных технологий при решении задач прогнозирования развития российского промышленного производства является комплексное применение различных систем интеллектуального анализа. Например, возможно построение прогнозных моделей, синтезирующих результаты, полученные с помощью нейронных сетей, многофакторных регрессионных моделей, моделей прогнозирования одномерных временных рядов.
В диссертации предложена методология построения краткосрочных прогнозов производства промышленной продукции в натуральном выражении, апробированная на важнейших видах продукции топливно-энергетических отраслей и пищевой промышленности. Для каждого рассматриваемого временного ряда месячной динамики был сформирован базовый набор моделей, включающий от двух до четырех моделей, близких по характеристикам точности. При этом использовался широкий спектр адаптивных моделей при элиминировании воздействия фактора затрат рабочего времени. Также применялись модели, в которых для описания тренда использовались кривые роста, для сезонной составляющей разработанный автором алгоритм ее устойчивого (робастного) оценивания, а для моделирования остаточной последовательности АИМА-модели. В предлагаемой методологии месячные прогнозные оценки использовались как «входная» информация для построения прогнозов с большим периодом упреждения. При выборе окончательного варианта прогнозов учитывались экспертные оценки характера тенденции для периода упреждения, а также точность моделей на ретроспективном участке. Поступившие в 2003 г. фактические данные подтвердили высокую точность полученных квартальных прогнозных оценок производства. Например, в первом квартале 2003 г. модуль относительной ошибки для производства электроэнергии, добычи нефти и газа составил менее 0,9%.
Для расчета годовых прогнозов производства важнейших видов промышленной продукции в диссертации предложен метод, опирающийся на процедуру объединения частных прогнозных оценок, полученных с помощью индексов сезонности. Метод имеет ряд преимуществ перед традиционными подходами получения таких прогнозных оценок. Экспериментальные расчеты подтвердили высокую эффективность разработанного подхода. При прогнозировании с помощью предложенного метода (при объединении 9 частных прогнозных оценок) в топливно-энергетических отраслях для таких видов продукции, как электроэнергия, нефть относительная ошибка по модулю на ретроспективном участке 1998-2002 гг. не превысила 0,5%, для естественного газа составила 0,8%; в пищевой промышленности: для производства цельномолочной продукции (в пересчете на молоко) составила 0,6%, мяса (включая субпродукты 1 категории) -менее 1,4%.
Разработанные методологические подходы носят достаточно универсальный характер, они могут использоваться для получения краткосрочных прогнозов производства в различных отраслях, на макро- и мезоуровнях.
На основе теории нечетких множеств разработана временная факторная модель, позволяющая исследовать динамику взаимосвязей исходных признаков с главными компонентами (обобщенными факторами). Построение такой модели способствует повышению качества проводимой экономической интерпретации результатов многомерного статистического анализа. Исследователь получает возможность выявить те признаки, которые существенно влияли на главную компоненту (обобщенный фактор) в течение всего периода наблюдения, а также те показатели, степень влияния которых изменялась. Для практической реализации модели в диссертации предложен и обоснован вид функции принадлежности, наделенной адаптивными свойствами, благодаря которым учитывается различная информационная ценность уровней исследуемых показателей.
Применение методики при изучении системы показателей, характеризующих производственно-хозяйственную деятельность крупнейших предприятий электроэнергетики в посткризисный период, позволило установить устойчивый характер взаимосвязей между исходными признаками и полученными обобщенными факторами. В условиях реформирования электроэнергетики построение временных факторных моделей представляется перспективным направлением статистических исследований.
При построении статической модели факторного анализа применялся разработанный в диссертации подход к выявлению нетипичных, аномальных наблюдений, позволяющий, в отличие от традиционных подходов, преодолевать «маскирующий эффект» групп аномальных объектов.
Проведенный в работе сравнительный анализ деятельности крупнейших предприятий электроэнергетики, опиравшийся на комплексное применение многомерных статистических методов, позволил провести классификацию исследуемых предприятий. В работе для выделенного кластера проблемных предприятий выработаны рекомендации по проведению антикризисных мер. Также определены наиболее благополучные, инвестиционно привлекательные компании. Исследование показало, что в настоящее время большой размер компании не гарантирует ей высокую эффективность производства, так как зачастую фактор масштабности производства является менее значимым по сравнению с фактором создания совершенной системы управления. Для успешного функционирования в условиях рынка требуется гибкость проводимой политики, оптимизация товарно-денежных потоков между поставщиками и потребителями, использование технических нововведений.
Таким образом, разработанные методологические подходы к статистическому исследованию развития российской промышленности позволяют проводить исследование как во временном разрезе (анализ динамики и построение прогнозов важнейших показателей производства), так и в пространственном разрезе (сравнительный анализ производственно-хозяйственной деятельности предприятий).
Предлагаемые подходы и алгоритмы могут использоваться широким кругом специалистов при проведении исследований на микро-, мезо-, и макроуровне, при анализе деятельности как промышленных компаний, так и предприятий других отраслей экономики.
276

Список литературы диссертационного исследования
доктор экономических наук Дуброва, Татьяна Абрамовна, 2004 год
1. Агапова Т., Юзбашев М. Показатели интенсивности изменения структуры валового внутреннего продукта // Вопросы статистики.- 1995.- № 4.-с. 25-27.
2. Адамов В.Е. Факторный индексный анализ. М.: Статистика, 1977. - 199 с.
3. Айвазян С.А. Статистическое исследование зависимостей. М.: Металлургия, 1968. - 227 с.
4. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, 1974. - 240 с.
5. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Классификация и снижение размерности. М.: Финансы и статистика, 1989. -607 с.
6. Айвазян С.А., Енюков И.О., Мешалкин Л.Д. Прикладная статистика: основы моделирования и первичная обработка данных. Справочное издание. -М.: Финансы и статистика, 1983.-471 с.
7. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: исследование зависимостей. Справочное издание. М.: Финансы и статистика, 1985.-487 с.
8. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. Учебник для ВУЗов. М.: ЮНИТИ, 1998.- 1022 с.
9. Андерсон Т.В. Введение в многомерный статистический анализ. М.: Физматгиз, 1963. - 500 с.
10. Андерсон Т.В. Статистический анализ временных рядов. М.: Мир, 1976.-752 с.
11. Афифи А., Эйзенс С. Статистический анализ: подход с использованием ЭВМ. М.: Мир, 1982. - 488 с.
12. Баканов М.И., Шеремет Л.Д. Теория экономического анализа.- М.: Финансы и статистика, 1998. 415 с.
13. Барон J1. Рискованный нейтралитет // Профиль, 9 сентября 2002.
14. Башина О.Э., Спирин A.A., Бабурин В.Т. и др. Общая теория статистики: Статистическая методология в изучении коммерческой деятельности / Под ред. Башиной О.Э., Спирина A.A. М.: Финансы и статистика, 2003. - 440 с.
15. Беляевский И.К. Маркетинговое исследование: информация, анализ, прогноз. М.: Финансы и статистика, 2001. - 320 с.
16. Белоусов А.Р. Опыт построения финансовых балансов основных отраслей промышленности и транспорта // Проблемы прогнозирования. -2002.-№2.- с. 74-81.
17. Белоусов А.Р. Уроки посткризисного роста (1999-2001гг.) //Вопросы статистики.- 2002. -№ 6. с. 15-27.
18. Белоусов А.Р. Эффективный экономический рост в 2001-2010 гг. Условия и ограничения //Проблемы прогнозирования. 2001. - № 1.- с. 27-45.
19. Белоусов А.Р. Тенденции и факторы оживления промышленного производства. М.: Центр макроэкономического анализа и краткосрочного прогнозирования ИНП РАН, 1999.
20. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов. -М.: Мир, 1974.-464 с.
21. Бендат Дж., Пирсол А. Применения корреляционного и спектрального анализа. М.: Мир, 1983. - 312 с.
22. Бессонов В. О проблемах измерения в условиях кризисного развития Российской экономики //Вопросы статистики.- 1996.- № 7.- с. 18-32.
23. Бессонов В.А. Трансформационный спад и структурные изменения в российском промышленном производстве //Институт экономики переходного периода. Научные труды № 30Р. М.: ИЭПП, 2001. - 111 с.
24. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974. - Вып.1, 2.
25. Болч Б., Хуань К. Многомерные статистические методы для экономики. М.: Статистика, 1979. - 317 с.
26. Большев JI.H., Смирнов Н.В. Таблицы математической статистики. -М.: Наука, 1965.-464 с.
27. Борисова И.Н., Воронина С.А. и др. Экономические результаты реформирования электроэнергетики // Проблемы прогнозирования. 1999. -№6.- с. 95-113.
28. Боровиков В.П., Боровиков И.П. STATISTICA. Статистический анализ и обработка данных в среде WINDOWS. М.: Информационно-издательский дом ФИЛИНЪ, 1997.- 608 с.
29. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA® в среде Windows. Основы теории и интенсивная практика на компьютере. М.: Финансы и статистика, 1999.- 384 с.
30. Бриллинджер Д. Временные ряды. Обработка данных и теория. -М.: Мир, 1980.-536 с.
31. Буров К. Обнаружение знаний в хранилищах данных //Открытые системы. 1999. - № 5-6.
32. Введение в экономико-математические модели налогообложения / Под ред. Д.Г. Черника. М.: Финансы и статистика, 2000. - 256 с.
33. Водянов А. Как запустить инвестиции // Эксперт. 2001. - № 34.с. 50.
34. Гладышевский А.И. Производственный аппарат России: основные характеристики и перспективы использования //Проблемы прогнозирования.-2001.-№ 1.-с. 74-85.
35. ГохбергЛ.М. Финансирование науки в странах с переходной экономикой: сопоставительный анализ. М., ЦИСН, 1998. - 99 с.
36. ГохбергЛ.М., Кузнецова И.А. Промышленность России и инновационная деятельность: отраслевые и региональные аспекты. М.: ЦИСН, 1997. - 157 с.
37. Гранберг А. Г. Основы региональной экономики. М.: ГУ ВШЭ, 2000. - 495 с.
38. Гранберг А.Г. Стратегия территориального социально-экономического развития России: от идеи к реализации //Вопросы экономики.-2001.-№9.-с. 15-27.
39. Гренджер К., Хатанака М. Спектральный анализ временных рядов в экономике. М.: Статистика, 1972. - 309 с.
40. Грибанов Ю.И., Мальков B.JI. Спектральный анализ случайных процессов. М.: Энергия, 1974. - 240 с.
41. Громыко Г.Л. Теория статистики. Практикум. М.: Инфра-М, 2001.- 160 с.
42. Группировки и корреляция в экономико-статистических исследованиях / Под ред. Рябушкина Т.В.- М.: Наука, 1982. 373 с.
43. Гуриев С., Попов В. Трехглавая гидра безденежья //Эксперт.-2001.- № 9.
44. Демиденко Е.З. Линейная и нелинейная регрессии. М.: Финансы и статистика, 1981. - 300 с.
45. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения. Вып.1. -М.: Мир, 1971.-314 с.
46. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения. Вып.2. -М.: Мир, 1972, 284 с.
47. Джонстон Дж. Эконометрические методы. М.: Статистика, 1980.444 с.
48. Доугерти К. Введение в эконометрику. М.: Инфра-М, 2001. -402 с.
49. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1973. - 392 с.
50. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы: Для экономистов и менеджеров.- М.: Финансы и статистика, 2000.- 368с.
51. Дубров A.M. Компонентный анализ и эффективность в экономике.
52. М.: Финансы и статистика, 2003.- 351 с.
53. Дуброва Т.А. Прогнозирование развития промышленности России: методы и модели. М.: Экономический факультет МГУ, ТЕИС, 2003. - 191 с.
54. Дуброва Т.А. Статистические методы прогнозирования. М.: ЮНИТИ-ДАНА, 2003. - 206с.
55. Дуброва Т.А. Прогнозирование натуральных показателей производства пищевой промышленности // Сотрудничество стран-членов СЭВ в области статистики. Вып. 4.- М.: СЭВ, Постоянный комитет по сотрудничеству в области статистики, 1987. - с. 35-39.
56. Дуброва Т.А., Осипова Н.П. Многомерный статистический анализ финансовой устойчивости предприятий // Вопросы статистики. -2003. № 8. -с. 3-10.
57. Дуброва Т.А. Методологические вопросы прогнозирования производства важнейших видов промышленной продукции //Вопросы статистики. 2004.- № 1.-е. 53-57.
58. Дюк В.А. Data Mining обнаружение знаний в базах данных. - СПБ: БСК, 2001.
59. Дюран Б., Оделл П. Кластерный анализ. М.: Статистика, 1977.128 с.
60. Езекиэл. М., Фокс К. Методы анализа корреляцией и регрессией.-М.: Статистика, 1966. 354 с.
61. Елисеева И.И., Рукавишников В.О. Логика прикладного статистического анализа.- М.: Финансы и статистика, 1982. 192 с.
62. Елисеева И.И., Юзбашев М.М. Общая теория статистики.- М.: Финансы и статистика, 1995.- 367 с.
63. Елисеева И.И., Князевский B.C., Ниворожкина Л.И. Теория статистики с основами теории вероятностей /Под ред. Елисеевой И.И.- М.: ЮНИТИ, 2001.-446 с.
64. Ерина A.M. Математико-статистические методы изучения экономической эффективности производства.- М.: Финансы и статистика, 1983. 191 с.
65. Ершов Э.Б. Об одном методе объединения частных прогнозов // Статистический анализ экономических временных рядов и прогнозирование: Уч. зап. по статистике, т. XXII. М.: Наука, 1973.
66. Ефимова М.Р., Петрова Е. В., Румянцев В.Н. Общая теория статистики. М.: Инфра-М, 1996.- 412с.
67. Ефимова М.Р. Рябцев В.М. Общая теория статистики. М.: -Финансы и статистика, 1991. - 304 с.
68. Ефимова М.Р., Бычкова С.Г. Социальная статистика. /Под ред. М.Р. Ефимовой М.: Финансы и статистика, 2003.-560 с.
69. Жамбю М. Иерархический кластер-анализ и соответствия. М.: Финансы и статистика, 1988.- 279 с.
70. Жуковская В.М., Мучник И.Б. Факторный анализ в социально-экономических исследованиях. М.: Статистика, 1976. - 152 с.
71. Иберла К. Факторный анализ. М.: Статистика, 1980. - 398 с.
72. Ильенкова С.Д. Инновационный менеджмент. М.: ЮНИТИ, 2000.325 с.
73. Инвестиционная среда в Российской Федерации. ОЭСР, 2001. -244 с.
74. Иностранные инвестиции в экономику России в 2001 году (по материалам Госкомстата России) // Вопросы статистики. 2002. - № 7. -с. 60-63.
75. Капицын В.М., Герасименко O.A., Андронова Л.Н. Анализ экономической ситуации в промышленности России в 1999-2000 гг. // Проблемы прогнозирования. -2001. № 5. - с.92-99.
76. Карманов М. В., Романчук М. Н. Статистика занятости населения. -М.: МЭСИ, 1989.
77. Кейн Э. Экономическая статистика и эконометрия. В 2 т. М.: Статистика, 1977.
78. Кендэл М. Временные ряды. М.: Финансы и статистика, 1981.199 с.
79. Кендалл М., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. -736 с.
80. Кендалл М. Дж., Стьюарт А. Статистические выводы и связи. М.: Наука, 1973.-899 с.
81. Кильдишев Г.С., Аболенцев Ю.М. Многомерные группировки.- М.: Статистика, 1978. 160 с.
82. Кильдишев Г.С., Френкель A.A. Анализ временных рядов и прогнозирование. М.: Статистика, 1973. -103 с.
83. Кирьян П. Технический миллиард // Эксперт. 2002. -№ 24.
84. Киселев М., Соломатин Е. Средства добычи знаний в бизнесе и финансах // Открытые системы. 1997. - № 4. - с. 41-44.
85. Кобринский Н. Е. Информационные фильтры в экономике. М.: Статистика, 1978. 288 с.
86. Кобринский Н.Е., Кузьмин В.И. Точность экономико-математических моделей. М.: Финансы и статистика, 1981. - 254 с.
87. Ковалева JT.H. Многофакторное прогнозирование на основе рядов динамики.- М.: Статистика, 1980.- 103 с.
88. Контуры инновационного развития мировой экономики. Прогноз на 2000 2015 гг. /Под ред. Дынкина А. А. - М.: Наука, 2000.- 143 с.
89. Корнилов И.А. Многомерные статистические исследования в экономике с использованием ПЭВМ. М.: МЭСИ,1994.- 99 с.
90. Коровкин С.Д., Левенец И.А. и др. Решение проблемы комплексного оперативного анализа информации хранилищ данных //СУБД. -1997. -№5-6.
91. Королев Ю.Г. Метод наименьших квадратов в социально-экономических исследованиях. М.: Статистика, 1980.- 112 с.
92. Коротков A.B. Статистическое обеспечение маркетинга продукта. -М.:МЭСИ, 2000.- 150 с.
93. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-432 с.
94. Крамер Г. Математические методы статистики. М.: Мир, 1975.648 с.
95. Крастинь О.П. Изучение статистических зависимостей по многолетним данным. М.: Финансы и статистика, 1981.- 136 с.
96. Кремер Н.Ш., Путко Б.А. Эконометрика / Под. ред. проф. Н.Ш. Кремера.- М.: ЮНИТИ-ДАНА, 2002. 311 с.
97. Кузнецов В.И. Методологические проблемы статистических исследований занятости. М.: Диалог-МГУ, 1999.
98. Кузнецов В.И. Роль статистики в управлении процессами занятости //Вопросы статистики, 1999. № 6.- с. 26-30.
99. Кузнецов С.Е., Халилеев A.A. Обзор специализированных статистических пакетов по анализу временных рядов. М.: Статдиалог, 1991.
100. Кузьмин В.И., Половников В.А. Анализ временных рядов, прогноз и управление.- М.: Финансы и статистика, 1985.
101. Курс социально- экономической статистики: учебник для вузов. /Под ред. проф. Назарова М.Г. М.: Фиистатинформ, ЮНИТИ-ДАНА, 2000.- 771 с.
102. Курс экономического анализа /Под ред. Баканова М.И., Шеремета А.Д. М.: Финансы и статистика, 1984. - 412 с.
103. Литвинцева Г.П. Цены и рентабельность производства в отраслях российской экономики //Вопросы статистики. 2002. - №6. - с. 7-14.
104. Лоули Д., Максвелл А. Факторный анализ как статистический метод. М.: Мир, 1967.- 144 с.
105. Ю5.Лугачев М.И. Ляпунцов Ю.П. Методы социального прогнозирования. М.: Экономический факультет МГУ, ТЕИС, 1999.- 159 с.
106. Юб.Лукашин Ю.П. Линейная регрессия с переменными параметрами.-М.: Финансы и статистика, 1992.- 256 с.
107. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика, 2003.- 416 с.
108. Льюис К.Д. Методы прогнозирования экономических показателей. -М.: Финансы и статистика, 1986.- 130 с.
109. Магнус Я.Р., Катышев П.К., Пересецкий A.A. Эконометрика. Начальный курс. М.: Дело, 2000.- с.400.
110. Маленво Э. Статистические методы эконометрии. Пер. с франц.- М.: Статистика.- Вып. 1.- 1975.- 423 с. Вып. 2.- 1976. -325 с.
111. Мандель И.Д. Кластерный анализ.- М.: Финансы и статистика, 1988.176 с.
112. Математический аппарат экономического моделирования / Под ред. Гольштейна Е.Г.- М.: Наука, 1983.- 367 с.
113. Методологические положения по статистике. Вып.З / Госкомстат России.- М.: 2000 г.- 294 с.
114. Методологические положения по статистике. Вып.2 / Госкомстат России.- М.: 1998 г.- 244 с.
115. Методологические положения по статистике. Вып.1 / Госкомстат России.- М.: 1996 г.- 674 с.
116. Минашкин В.Г. Статистический анализ структурных изменений на рынке ценных бумаг. М.: Финансы и статистика, 2001.- 92 с.
117. Многомерный статистический анализ в социально-экономических исследованиях. Учёные записки по статистике, Т. XXVI. М.: Наука, 1974. -416 с.
118. Моделирование рисковых ситуаций в экономике и бизнесе / Под ред. Б.А. Лагоши.- М.: Финансы и статистика, 2000. с. 176.
119. Мюллер П. и др. Таблицы по математической статистике. Пер. с нем. М.: Финансы и статистика, 1982. - 271 с.
120. Наука и высокие технологии России на рубеже третьего тысячелетия.
121. Социально-экономические аспекты развития. Руководители авторского коллектива: Макаров В. JL, Варшавский А. Е. М.: Наука, 2001.- 636 с.
122. Наука и государственная научная политика. Теория и практика / Под редакцией Дынкина A.A. М.: Наука, 1998. - 236 с.
123. Окунь Я. Факторный анализ. М.: Статистика, 1974. - 200 с.
124. Орехов С.А. Статистические аспекты исследования диверсификации корпораций. М.: ИНИОН РАН, 2001.- 188 с.
125. Основные концептуальные положения развития нефтегазового комплекса России. Министерство топлива и энергетики РФ. Под руководством и ред. Калюжного В.И. // Нефтегазовая вертикаль. Спец. вып.- 2000.- №1 (39).
126. Плышевский Б.П. Соотношение динамики производительности и оплаты труда // Вопросы статистики. -2002.- № 6.- с. 3-6.
127. Плюта В. Сравнительный многомерный анализ в экономических исследованиях. М.: Статистика, 1980. - 151 с.
128. Половников В.А. Анализ и прогнозирование транспортной работы морского транспорта. М.: Транспорт, 1983. -224 с.
129. Постников СЛ., Попов С.А. Мировая экономика и экономическое положение России. Сборник статистических материалов. М.: Финансы и статистика, 2001.- с. 224.
130. Практикум по общей теории статистики /Ефимова М.Р., Петрова Е.
131. B., Румянцев В.Н. М.: Финансы и статистика, 2002. - 336 с.
132. Практикум по эконометрике / И.И.Елисеева, С.В.Курышева, Н.М.Гордеенко и др. Под ред. И.И.Елисеевой. М.: Финансы и статистика, 2001.-с. 192.
133. Промышленность России: Стат. сб./ Госкомстат России. М.: 2002.1. C.453.
134. Промышленность России: Стат. сб. / Госкомстат России. М.: 2000.462 с.
135. Промышленность России: Стат. сб. / Госкомстат России. М.: 1998.444 с.
136. Промышленность России: Стат. сб. / Госкомстат России. М.: 1996.- 425 с.
137. Рабочая книга по прогнозированию.- М.: Мысль, 1982. 430 с.
138. Райская H.H., Сергиенко Я.В., Френкель A.A. Анализ динамики инфляции, производства и финансовой эффективности в промышленности //Вопросы статистики. 2002. - № 8.- с. 16-25.
139. Ранверсе Ф., Харченко-Дорбек А. Оценка влияния финансовых факторов на экономический рост в России //Проблемы прогнозирования. -2002.-№3.- с. 30-45.
140. Pao С.Р. Линейные статистические методы и их применения. М.: Наука, 1968. - 548 с.
141. Регионы России. Социально-экономические показатели. 2002: Стат. Сб. / Госкомстат России. М., 2002 -863 с.
142. Розанова Н.М. Структура рынка и стимулы к инновациям //Проблемы прогнозирования. 2002. - №3. - с. 93-108.
143. Российский статистический ежегодник: Стат. сб. / Госкомстат России. М.,2002. - 690 с.
144. Российский статистический ежегодник: Стат. сб. / Госкомстат России. М., 2000.- 642 с.
145. Россия в цифрах.2003: Крат. стат. сб./ Госкомстат России. М., 2003. -398 с.
146. Рубченко М., Ивантер А. Закат реформ //Эксперт. -2003. -№1.-с. 22-25.
147. Рудаков В. Апокалипсис по расписанию //Профиль 9 сентября 2002.
148. Рябушкин Б.Т., Чурилова Э.Ю. Методы оценки теневого и неформального секторов экономики.- М.: Финансы и статистика, 2003.- с. 144.
149. Рябушкин Б.Т. Основы статистики финансов. М.: Финстатинформ, 1997.-81 с.
150. Рябушкин Б.Т. Применение статистических методов в экономическом анализе и прогнозировании. М.: Финансы и статистика, 1987.75 с.
151. Сальников В.А., Галимов Д.И. Посткризисный промышленный подъем: факторы, результаты и перспективы // Проблемы прогнозирования-2001.-№3.-с. 4-22.
152. Сидоров М. Энергетическая стратегия // Профиль. 27 мая 2002.
153. Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания. М.: Статистика, 1980. - 208 с.
154. Смулов A.M. Проблемы взаимодействия промышленных предприятий и банков. М.: Финансы и статистика, 2002. - 304 с.
155. Сотрудничество стран-членов СЭВ в области статистики. Вып.4. -М.: Секретариат СЭВ, 1988. - 177 с.
156. Сошникова Л.А., Тамашевич В.Н., Уебе Г., Шефер М. Многомерный статистический анализ в экономике. М.: ЮНИТИ-ДАНА, 1999.- 598 с.
157. Статистика коммерческой деятельности /Под ред. Беляевского И.К., Башипой О.Э. М.: Финстатинформ, 1996.
158. Статистика рынка товаров и услуг / Беляевский И.К., Кулагина Г.Д., Коротков A.B. и др. Под. ред. Беляевского И.К.- М.: Финансы и статистика, 1997.-429 с.
159. Статистические методы анализа экономической динамики. Учен. зап. по статистике, т. 46. М.: Наука, 1983.- 392 с.
160. Статистический словарь / Госкомстат- М., Финстатинформ, 1996.479 с.
161. Статистический словарь. Под ред. Королева М.А.- М.: Финансы и статистика, 1989. 621 с.
162. Статистическое моделирование и прогнозирование /Под ред. Гранберга А.Г. М.: Финансы и статистика, 1990.- 382 с.
163. Суринов А.Е. Доходы населения: опыт количественных измерений. -М.: Финансы и статистика, 2000. 432 с.
164. Суринов А.Е. Ненаблюдаемая экономика: попытка количественных измерений. М.: Финстатинформ, 2003. - 256 с.
165. Теория статистики: Учеб. для студентов экон. спец. вузов / Под ред. Шмойловой P.A.- М.: Финансы и статистика, 1998. 576 с.
166. Теория статистики / Под ред. Громыко Г.Л. М.: Инфра-М, 2000.414 с.
167. Топ-50лизинга //Эксперт.- 2002.-№48.
168. Тюрин Ю.Н., Макаров A.A. Статистический анализ данных на компьютере. Под ред. В.Э. Фигурнова. — М.: Инфра-М, 1998.
169. Уотшем Т.ДЖ., Паррамоу К. Количественные методы в финансах /Пер. с англ. Под. ред. М.Р. Ефимовой. М.: Финансы, ЮНИТИ, 1999. - 527 с.
170. Факторный, дискриминантный и кластерный анализ. /Под ред. Енюкова И.С. М.: Финансы и статистика, 1989.-215 с.
171. Фестер Э., Ренц Б. Методы корреляционного и регрессионного анализа.- М.: Финансы и статистика, 1983.- 302 с.
172. Финансы России. 2002: Стат.сб./Госкомстат России.- М.,2002.- 301 с.
173. Фишер П. Прямые иностранные инвестиции для России: стратегия возрождения промышленности. М.: Финансы и статистика, 1999. - 510 с.
174. Фомин Я.А. Диагностика кризисного состояния предприятия.-М.:ЮНИТИ-ДАНА, 2003. 349 с.
175. Френкель A.A. Многофакторные корреляционные модели производительности труда. М.: Экономика, 1966. - 95 с.
176. Френкель A.A. Прогнозирование производительности труда: методы и модели. М.: Экономика, 1989.- 213 с.
177. Френкель A.A. Экономика России в 1992-1997гг.: тенденции, анализ, прогноз.- М.: Финстатинформ, 1997.- 208 с.
178. Френкель A.A., Райская H.H., Матвеева О.Н. Прогнозирование роста промышленного производства // Вопросы статистики. 2002. - №2. - с. 10-15.
179. Френкель A.A., Сергненко Я.В. Потерянный год. (Прогноз развития российской экономики на 2003 год) // Русский фокус, 23 декабря-19января 2003.
180. Хаджиев В.И., Молчанов И.Н. Статистическое программное обеспечение: тенденции и особенности развития // Вопросы статистики,- 2001. -№ 1. -с. 44-47.
181. Харман Г. Современный факторный анализ. М.: Статистика, 1972.486 с.
182. Хеннан Э. Анализ временных рядов. М.: Наука, 1964. - 215 с. Ш.Хеннан Э. Многомерные временные ряды. - М.: Мир, 1974. - 576 с.
183. Химмельблау Д. Анализ процессов статистическими методами. М.: Мир, 1973.-953 с.
184. Хьюбер П. Робастиость в статистике. М.: Мир, 1984. - 304 с.
185. Цухло С. Предприятиям бартер не нужен // Эксперт. 2001.-№ 9.
186. Цухло С. Смерть бартеру! // Эксперт.- 2000.- № 9.
187. Цухло С. Торможение денежного спроса и инвестиций // Эксперт.-2001.-№45.
188. Четыркин E.H. Статистические методы прогнозирования. М.: Статистика, 1977. - 199 с.
189. Шеремет А.Д., Сайфулин P.C. Финансы предприятий.- М.: ИНФРА-М, 1998.-343 с.
190. Эконометрика / Под ред. И.И.Елисеевой.- М.: Финансы и статистика, 2001.-344 с.
191. Экономика и статистика фирм / Под ред. С.Д. Ильенковой.- М.: Финансы и статистика, 2002.
192. Экономико- математические методы и прикладные модели: учеб. пособие для вузов/ Федосеев В.В., Гармаш А.Н., Дайитбеков Д.И. и др. Под ред. Федосеева В.В.- М. : ЮНИТИ, 1999.- 391 с.
193. Эксперт-200: ежегодный рейтинг крупнейших компаний России // Эксперт.- 2002.- 37 (343). с. 107-152.
194. Ясин Е. Экономический рост как цель и как средство (современная ситуация и перспективы российской экономики) // Вопросы экономики. -2001.-№9.- с. 4-14.
195. Akaike Н. A new look at the statistical identification model / IEEE: Trans. Auto. Control. 1974. -v. 19. - p. 716-723.
196. Bates J.M., Granger C. W. J. The Combination of Forecasts. Oper. Reser. Quart., 1969.- v. 20.- N 4.
197. Bloomfield P. Fowrier analysis in time series: an introduction. -John Wiley and Sons, New Jork, 1976.- p. 258.
198. Box G.E.P., Pierce D.A. Distribution of Residual Autocorrelations in Autoregressive-Integrated Moving Average Time Series Models // J. of the Am. Statistic. Ass. 1970. Vol. 65. -p. 1509-1526.
199. Brown R.G. Smoothing forecasting and prediction of discrete time series.-N.-Y., 1963.
200. Dickey D.A., Fuller W.A. Distribution of the estimators for autoregressive time series with a unit root // J. of the American statistical association. 1979. -v. 74.-p. 427-431.
201. Dickey D.A., Fuller W.A. Likelihood ratio statistics for autoregressive time series with a unit root // Econometrica. -1981.- v. 49. -№4.- p. 1057-1072.
202. Dickey D.A., Bell W.R., Miller R.B. Unit roots in time series models: Tests and applications // American statistician.-1986. v. 40. -p. 12-26.
203. Fishman G.S. Spectral Methods in econometrics. -Cambridge: Harvard Univ. Press., 1969.-p. 212.
204. Fox A.J. Outliers in time series //J. R. Statist.Soc.B, v. 34, 1972. -p. 350363.
205. Godd E.F., Godd S.B. Providing OLAP (On-line Analytical Processing) to User-Analysts: An IT Mandate. E.F Godd & Associates, 1993.
206. Green W.H. Econometric analysis. Macmillan Publishing Company, New York, 1993.
207. Grubbs F. Sample criteria for testing outlying observations // Annals ofmathematical statistics. 1950. - vol. 21. - p. 27-58.
208. Grubbs F.E. Procedures for detecting outlying observations in samples //Technometrics, 1969. -vol. 11. -p. 1-21.
209. Grubbs F.E., BeckC. Extension of sample sizes and percentage points for significance tests of outlying observation //Technometrics, 1972. -vol. 14. -p. 847-854.
210. Harrison P.J. Exponential smoothing and short-term sales forecasting //Management Science, 1967.- vol. 13. n. 11.
211. Harrison P.J. Short-term sales forecasting // Applied statistics, J. of the Royal Stat. Soc.1965, ser. С. vol. 14. - n. 2, 3.
212. Inmon W.H. Building The Data Warehouse (Second Edition). NY, NY: John Wiley, 1993.
213. Luing G.M., Box G.E.P. On a Measure of Lack of Fit in Time Series Models II Biometrica, 1978. -Vol. 65. p. 297-303.
214. Newbold P., Granger C. W. J. Experience with Forecasting Univariate Time Series and Combination of Forecasts //J. of Royal Statistical Society. A, 1974. -v. 137.-N2.
215. Nussbaumer H.J. Fast Fourier transform and convolusion algorithms. -Berlin, Springer, 1981. p. 248.
216. SPSS Trends™ 10.0 SPSS Inc., 1999.
217. Tietjen G., Moore H. Some Grubb's type statistics for the detection of several outliers. // Technometrics, 1972. vol. 14. - p. 583-597.
218. Wade R.C. A technique for initializing exponential smoothing forecasts // Management Science. 1967. -vol. 13. n. 7.
219. Ward D.H. Comparison of different systems of exponential weighted prediction.- The Statistician.!., 1963. vol. 13. - n. 3.