Методические аспекты использования эконометрического моделирования в системе прикладной математической подготовки

№55-2,

педагогические науки

В рамках данной статьи будут рассмотрены методические аспекты использования эконометрических моделей в учебном процессе. Представлены методологические основы реализации прикладного усиления математической подготовки посредством анализа разнообразных социально-экономических проблем и ситуаций.

Похожие материалы

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

  • Дидактический модуль 1. «Эконометрическое моделирование».
  • Дидактический модуль 2. «Линейные и нелинейные модели парной регрессии».
  • Дидактический модуль 3. «Модели множественной регрессии».
  • Дидактический модуль 4. «Предпосылки метода наименьших квадратов».
  • Дидактический модуль 5. «Системы эконометрических уравнений».
  • Дидактический модуль 6. «Модели временных рядов».

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

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

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

  • цели прикладной математической подготовки бакалавра экономики [14];
  • содержание прикладной математической подготовки бакалавра экономики [15];
  • методы обучения элементам прикладной математики (математическим методам и моделям) [10];
  • формы прикладной математической подготовки бакалавра экономики [16];
  • средства обучения элементам прикладной математики (математическим методам и моделям) [11];
  • результат прикладной математической подготовки бакалавра экономики [26].

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

  • априорный этап;
  • информационный этап;
  • постановочный этап;
  • этап верификации эконометрической модели.
  • этап идентификации эконометрической модели;
  • этап параметризации эконометрической модели.

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

  • линейные и нелинейные модели;
  • динамические и статические модели;
  • оптимизационные и дескриптивные модели;
  • непрерывные и дискретные модели;
  • стохастические и детерминированные модели и др.

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

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

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

  • теоретико-аналитические эконометрические модели, используемые в процессе исследовании наиболее общих свойств и закономерностей социально-экономических процессов;
  • прикладные эконометрические модели, используемые в процессе решения конкретных прикладных задач социально-экономического содержания, среди которых видное место занимают модель экономического анализа, модель прогнозирования, модель управления.

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

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

  • эконометрических моделей народного хозяйства в целом и эконометрических моделей отдельных подсистем-отраслей, регионов;
  • системы эконометрических моделей производства и потребления;
  • системы эконометрических моделей формирования и распределения доходов;
  • системы эконометрических моделей трудовых ресурсов;
  • системы эконометрических моделей ценообразования;
  • системы эконометрических моделей финансовых связей.

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

  • дескриптивные эконометрических модели, назначением которых является объяснения наиболее значимых вопросов в области социально-экономических параметров, а также построение и практические использование вероятностного прогноза. Отметим, что производственные функции, а также функции покупательного спроса, построенные на основе обработки имеющихся статистических данных являются классическими примерами дескриптивных эконометрических моделей;
  • эконометрические модели оптимального планирования [5], характеризующие цели социально-экономического развития, а также принципиальные возможности и эффективные средства по их достижению;

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

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

Список литературы

  1. Вербик М. Путеводитель по современной эконометрике. – М.: Научная книга, 2008. – 616 с.
  2. Власов Д. А. Компетентностный подход к проектированию педагогических объектов // Вестник Федерального государственного образовательного учреждения высшего профессионального образования Московский государственный агроинженерный университет им. В.П. Горячкина. — 2008. — №6-2. — С. 124-127.
  3. Власов Д. А. Методологические аспекты принятия решений // Молодой ученый. — 2016. — №4. — С. 760-763.
  4. Власов Д. А. Методологические аспекты реализации технологии WolframAlpha в современных экономических исследованиях // Инновационная наука. — 2016. — № 10-1. — С. 19-21.
  5. Власов Д. А. Модель Шарпа как инструментальная основа опмитизации активов // Инновационная наука. — 2016. — № 3-1. — С. 43-45.
  6. Власов Д. А. Особенности и математические основу современной экономической кибернетики // Техника. Технологии. Инженерия. — 2016. — № 2 (2). — С. 4-7.
  7. Власов Д. А. Особенности целеполагания при проектировании системы обучения прикладной математике // Философия образования. — 2008. — №4. — С. 278-283.
  8. Власов Д. А. Проектирование интегрированного электронного курса «Прикладная математика» для студентов бакалавриата // В сборнике: Преподаватель в среде e-learning Сборник докладов и тезисов Форума. Московский государственный университет экономики, статистики и информатики. — 2014. — С. 34-37.
  9. Власов Д. А. Экономические риски: содержательный и методический аспекты // Инновационная наука. — 2016. — № 8-1. — С. 40-42.
  10. Власов Д. А., Монахов Н. В., Монахов В. М. Математические модели и методы внутримодельных исследований. М.: МГГУ им. М.А.Шолохова. – 345 с.
  11. Власов Д. А., Синчуков А. В. Интеграция информационных и педагогических технологий в системе математической подготовки бакалавра экономики // Современная математика и концепции инновационного математического образования. — 2016. — Т. 3. —№ 1. — С. 208-212.
  12. Власов Д. А., Синчуков А. В. Новое содержание прикладной математической подготовки бакалавра // Преподаватель XXI век. — 2013. — Т. 1. — №1. — С. 71-79.
  13. Власов Д. А., Синчуков А. В. Новые технологии WolframAlpha при изучении количественных методов студентами бакалаврита // Вестник Российского университета дружбы народов. Серия: Информатизация образования — 2013. — №4. — С. 43-53.
  14. Власов Д. А., Синчуков А. В. Прикладная математическая подготовка бакалавра менеджмента // Образование и воспитание. — 2016. — №4. — С. 57-60.
  15. Власов Д. А., Синчуков А. В. Принципы проектирования прикладной математической подготовки бакалавра экономики // Образование и воспитание. — 2016. — №3. — С. 37-40.
  16. Власов Д. А., Синчуков А. В. Проектирование содержания математической подготовки бакалавра политологии на основе концепции фундирования // Ярославский педагогический вестник. — 2014. — Т. 2. — № 3. — С. 86-89.
  17. Власов Д. А., Синчуков А. В. Стратегия развития методической системы математической подготовки бакалавров // Наука и школа. — 2012. — № 5. — С. 61-65.
  18. Елисеева И. И. Эконометрика. М.: Финансы и статистика, 2007. – 576 с.
  19. Качалова Г. А., Власов Д. А. Технологии WolframAlpha при изучении элементов прикладной математики студентами бакалавриата // Молодой ученый. — 2013. — № 6. — С. 683-691.
  20. Кремер Н. Ш., Путко Б. А. Эконометрика. – М.: Юнити-Дана, 2002. – 311 с.
  21. Монахов В. М., Ярыгин А. Н., Коростелев А. А. Педагогические объекты. Педагогическое проектирование. Know How технологии. – Тольятти: Волжский университет имени В.Н. Татищева, 2004. – 38 с.
  22. Муханов С. А. Применение информационных технологий при преподавании математики студентам гуманитарных специальностей // Педагогическая информатика. — 2006. — № 1. — С. 60-62.
  23. Пантина И. В., Синчуков А. В. Вычислительная математика. М.: Московский финансово-промышленный университет «Синергия», 2012. — 176 с.
  24. Синчуков А. В. Анализ перспективных направлений модернизации математической подготовки бакалавра // Инновационная наука. — 2016. — № 10-1. — С. 119-119.
  25. Синчуков А. В. Дидактическая роль коммерческих и финансовых рисков в совершенствовании уровня прикладной математической подготовки бакалавра // Инновационная наука. — 2016. — № 8-2. — С. 182-184.
  26. Синчуков А. В. Проблемы реализации прикладной направленности обучения математике с использованием информационных технологий // Инновационная наука. — 2016. — № 10-1. — С. 116-118.
  27. Синчуков А. В. Современная классификация математических моделей // Инновационная наука. — 2016. — № 3-1. — С. 214-215.
  28. Тихомиров Н. П., Дорохина Е. Ю. Эконометрика. – М.: Экзамен, 2003. – 512 с.
  29. Тихомиров Н. П., Тихомирова Т. М. Риск-анализ в экономике. М.: Экономика, 2010. — 317 с.
  30. Филиппова Н. В., Быканова О. А. Представительские лекции о финансовой грамотности как часть профориентационной работы // Сборники конференций НИЦ Социосфера. 2016. № 38. С. 146-151.