Высокие статистические технологии

Форум сайта семьи Орловых

Текущее время: Ср ноя 13, 2024 10:03 pm

Часовой пояс: UTC + 3 часа




Начать новую тему Ответить на тему  [ Сообщений: 4 ] 
Автор Сообщение
 Заголовок сообщения: Наша научная школа в области эконометрики
СообщениеДобавлено: Вс дек 14, 2014 2:33 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 11579
НАУЧНАЯ ШКОЛА КАФЕДРЫ «ЭКОНОМИКА И ОРГАНИЗАЦИЯ ПРОИЗВОДСТВА» В ОБЛАСТИ ЭКОНОМЕТРИКИ

А.И. Орлов
Зав. Лабораторией экономико-математических методов в контроллинге Научно-образовательного центра «Контроллинг и управленческие инновации», профессор кафедры «Экономика и организация производства», профессор, д.э.н., д.т.н., к.ф.-м.н.
МГТУ им. Н.Э.Баумана, г. Москва
prof-orlov@mail.ru

Рассмотрено формирование научной школы кафедры ИБМ-2 в области эконометрики, полученные в ходе ее развития научные результаты, возможности их использования при решении задач экономики, организации производства и контроллинга на предприятиях и в организациях, а также при преподавании.

SCIENTIFIC SCHOOL OF DEPARTMENT «ECONOMICS AND PRODUCTION ORGANIZATION» IN ECONOMETRICS

A.I. Orlov
Head of Laboratory of economic-mathematical methods in controlling, full professor of department «Economy and manufacture organisation», DSc(Econ), DSc(Tech), PhD(Math),
Bauman Moscow State Technical University, Moscow
prof-orlov@mail.ru

Are considered the formation of the scientific school of the department IBM-2 in the field of econometrics, obtained during the development of its scientific results, the possibility of their use in solving problems of the economy, the organization of production and controlling of industrial firms and organizations, as well as in teaching.

На странице кафедры ИБМ-2 «Экономика и организация производства» на сайте научно-учебного комплекса (факультета) «Инженерный бизнес и менеджмент» МГТУ им. Н.Э. Баумана сказано: «В 1995 году заведующим кафедрой ИБМ-2 стал доктор экономических наук, профессор Фалько Сергей Григорьевич, который и возглавляет кафедру по сей день. В этот период на кафедре, наряду с традиционными школами организации производства, формируются новые школы в области эконометрики, под руководством профессора Орлова А.И., и в сфере контроллинга, под руководством Фалько С.Г.» (http://ibm.bmstu.ru/ibm2/index2_4.html). На Международном форуме «Современное предприятие и будущее России (экономика, организация производства и контроллинг на предприятии)», посвященном 85-летию кафедры ИБМ-2, естественно рассмотреть формирование научной школы кафедры ИБМ-2 в области эконометрики, полученные в ходе ее развития научные результаты, возможности их использования при решении задач экономики, организации производства и контроллинга на предприятиях и в организациях, а также при преподавании.

Институциональное оформление научной школы по эконометрике

За развитие работ по эконометрике отвечает секция кафедры «Организационно-экономическое моделирование, эконометрика и статистика». Члены секции преподают и активно используют при решении практических задач дисциплины «Эконометрика», «Организационно-экономическое моделирование», «Прикладная статистика», «Статистика» (дневное обучение), «Статистика», «Методы принятия управленческих решений» (второе высшее образование на факультете ИБМ), «Количественные методы, статистика и информатика», «Эконометрика» (Бизнес-школа МГТУ им. Н.Э. Баумана).
Для описания работ членов секции в качестве базового будем использовать термин «эконометрика». Терминологические дискуссии не представляются плодотворными.
Научная работа ведется в рамках Института высоких статистических технологий и эконометрики (ИВСТЭ) и Лаборатории экономико-математических методов в контроллинге Научно-учебного центра «Контроллинг и управленческие инновации» МГТУ им. Н.Э. Баумана. Научная школа по эконометрике представлена в редколлегиях научных журналов «Заводская лаборатория. Диагностика материалов», «Контроллинг», «Социология: методология, методы, математическое моделирование», периодического сборника научных трудов «Управление большими системами» (все четыре издания входят в «список ВАК» - Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук), научного журнала «IDO science (Innovation, Development, Outsourcing)», редакционных советов журналов «BIOCOSMOLOGY – NEO-ARISTOTELISM», «Инженерный журнал: наука и инновации», «Инновации в менеджменте», в составе ряда диссертационных советов и Ученого совета Научно-учебного комплекса «Инженерный бизнес и менеджмент» МГТУ им. Н. Э. Баумана.
Партнерами научной школы по эконометрике в соответствии с заключенными договорами являются академические институты – Институт проблем управления, Центральный экономико-математический институт, а также Кубанский государственный аграрный университет, в «Научном журнале КубГАУ» в 2013-2014 гг. опубликовано около 50 наших работ.
Ведутся прикладные научно-исследовательские работы, в частности, с Группой авиакомпаний «Волга-Днепр» (разработка Автоматизированной системы прогнозирования и предотвращения авиационных происшествий АСППАП), с космическим научным центром ЦНИИМАШ.
Активно работает научный семинар Лаборатории экономико-математических методов в контроллинге. В 2007 -2014 гг. проведено около 120 заседаний, на которых заслушано и обсуждено несколько сотен докладов.
В рамках научной школы защищено 9 кандидатских диссертаций, в том числе 6 – по экономическим наукам, 2 – по техническим, 1 – по физико-математическим.

Двадцать пять лет работы
Института высоких статистических технологий и эконометрики (ИВСТЭ)

Термин «высокие статистические технологии» активно используется на Интернет-ресурсах научной школы кафедры ИБМ-2 по эконометрике – на сайтах с книгами и статьями в открытом доступе http://orlovs.pp.ru/ (сайт «Высокие статистические технологии», за 10 лет работы - более 1 млн. посетителей) и http://ibm.bmstu.ru/nil/biblio.html (сайт Лаборатории экономико-математических методов в контроллинге), в том числе в названиях учебников, а также на общем для этих сайтов форуме http://forum.orlovs.pp.ru/. При публикации научных статей представителей научной школы в журнале «Заводская лаборатория. Диагностика материалов» в качестве места работы часто указан ИВСТЭ МГТУ им. Н.Э. Баумана. Поэтому целесообразно рассмотреть историю ИВСТЭ.
Вначале ИВСТЭ действовал как Центр статистических методов и информатики в 1989 г., затем - как Всесоюзный центр статистических методов и информатики (1989-1992), затем - снова как Центр статистических методов и информатики (1992-1993). В 1993 г. он был преобразован в Лабораторию эконометрических исследований Московского государственного института электроники и математики (технического университета), а с 1997 г. действует под своим нынешним именем - Институт высоких статистических технологий и эконометрики МГТУ им. Н.Э.Баумана.
У Института высоких статистических технологий и эконометрики есть и предыстория. В 1978-1985 гг. активно действовала комиссия «Статистика объектов нечисловой природы и экспертные оценки» Научного Совета АН СССР по комплексной проблеме «Кибернетика». Зримым результатом ее работы является сборник научных статей [1], в котором были подведены итоги выполненных к тому времени исследований по созданию новой области прикладной статистики – статистики объектов нечисловой природы (статистики нечисловых данных, нечисловой статистики).
ИВСТЭ был создан как инструмент реализации инновационного проекта в области эконометрики. Опишем соответствующий инновационный процесс.
Рабочая группа по упорядочению системы стандартов по прикладной статистике и другим статистическим методам. С начала 1970-х годов стали разрабатываться государственные стандарты по статистическим методам управления качеством продукции. В связи с обнаружением в них грубых ошибок (с т очки зрения эконометрики) в 1985 г. была организована «Рабочая группа по упорядочению системы стандартов по прикладной статистике и другим статистическим методам». В ее работе приняли участие 66 специалистов, в том числе 15 докторов и 36 кандидатов наук. В соответствии с рекомендациями Рабочей группы 24 из 31 государственного стандарта по статистическим методам были отменены в 1986-87 гг.
В 1988-89 гг. наиболее активная часть Рабочей группы (10 докторов и 15 кандидатов наук) составила «Аванпроект комплекса методических документов и пакетов программ по статистическим методам стандартизации и управления качеством» (около 1600 стр.)
Центр статистических методов и информатики. К сожалению, Госстандарт не пожелал финансировать реализацию заказанного им «Аванпроекта». Тогда решено было действовать самостоятельно. Двадцать пять лет назад на собрании в Политехническом музее 20 февраля 1989 г. был организован (на общественных началах) Центр статистических методов и информатики (ЦСМИ; в настоящее время - Институт высоких статистических технологий и эконометрики).
Организационное оформление последовало в конце того же года. Всесоюзный центр статистических методов и информатики (ВЦСМИ) Центрального правления Всесоюзного экономического общества создан на базе ЦСМИ Постановлением Президиума Центрального Правления Всесоюзного экономического общества N 5-7 от 25 декабря 1989 г.
К середине 1990 г. в ЦСМИ - ВЦСМИ были разработаны 7 диалоговых систем по современным статистическим методам управления качеством, а именно, СПК, АТСТАТ-ПРП, СТАТКОН, АВРОРА-РС, ЭКСПЛАН, ПАСЭК, НАДИС. В работе участвовали 128 специалистов. В дальнейшем к ЦСМИ присоединялись новые группы научно-технических работников, уже к концу 1991 г. нас было более 300. Информация о программных продуктах и другой деятельности ЦСМИ постоянно помещалась в журналах «Заводская лаборатория» и «Надежность и контроль качества». Программные продукты, разработанные Центром статистических методов и информатики, использовались более чем в 100 организациях и предприятиях. Среди них - производственные объединения «Уралмаш», «АвтоВАЗ», «Пластик», ЦНИИ черной металлургии им. Бардина, НИИ стали, ВНИИ эластомерных материалов и изделий, НИИ прикладной химии, ЦНИИ химии и механики, НПО «Орион», НИЦентр по безопасности атомной энергетики, ВНИИ экономических проблем развития науки и техники, ВНИИ нефтепереработки, МИИТ, Казахский политехнический институт, Ульяновский политехнический институт, Донецкий государственный университет и др.
Всесоюзная статистическая ассоциация. Параллельно с выполнением работ по договорам с организациями и предприятиями ЦСМИ вел работу по объединению статистиков. В апреле 1990 г. в Большом Актовом Зале Московского Энергетического института прошла Учредительная конференция Всесоюзной организации по статистическим методам и их применениям. Через полгода на Учредительном съезде Всесоюзной статистической ассоциации (ВСА) в октябре 1990 г. в Московском экономико-статистическом институте эта организация вошла в состав ВСА в качестве секции статистических методов. В соответствии со своим Уставом эта организация (ВСА) продолжает существовать, хотя и номинально.
В соответствии с реальной структурой статистики ВСА делится на 4 секции: 1) практической статистики, 2) статистических методов и их применений, 3) статистики надежности, 4) социально-экономической статистики. Названия секций, зафиксированные в документах ВСА, не вполне соответствуют действительности. Первая секция состоит из работников Госкомстата, большинство членов второй и третьей занимаются практической деятельностью, в том числе в социально-экономической области и оборонно-промышленном комплексе, а четвертая состоит из преподавателей статистических дисциплин. В 1992 г. после развала СССР и фактического прекращения работы ВСА на основе секции статистических методов ВСА в 1992 г. была организована Российская ассоциация по статистическим методам (РАСМ), а затем – в 1996 г. - и Российская академия статистических методов, существующие и в настоящее время.
Бизнес-идея. Задачи ЦСМИ и ВСА (и РАСМ) были взаимосвязаны. Роль ЦСМИ - производить товары и услуги, а именно, разрабатывать новые статистические методы, а прежде всего - программные и методические продукты в области эконометрики. Общественные объединения специалистов в области эконометрики (ВСА и РАСМ) занимаются их распространением и внедрением. К сожалению, бурный всплеск активности (1989-1991 гг.) сменился к 1993 г. полным развалом, поскольку в условиях либерализации цен спрос предприятий организаций на высокотехнологичную наукоемкую продукцию ЦСМИ упал до 0.
Новая парадигма статистических методов. В мероприятиях секции статистических методов ВСА и РАСМ активно участвовали несколько сот исследователей. Основной тематикой работ многих из этих специалистов являются статистические методы в сертификации (управлении качеством).
В 1989-90 гг. была проведена большая работа по анализу положения дел в области теории и практики статистики в нашей стране. В ЦСМИ и РАСМ, объединивших большинство ведущих российских специалистов, коллективными усилиями разработан единый подход к проблемам применения статистических методов в сертификации и управлении качеством, т.е. новая парадигма статистических методов.
Был сформулирован «социальный заказ» - разработать серию учебников согласно новой парадигме. К настоящему времени выполнен. Перечень выпущенных учебников и их Интернет-версий приведен, например, на персональной странице автора на сайте МГТУ им. Н.Э. Баумана http://www.bmstu.ru/ps/~orlov/ .

Эконометрика при решении задач экономики,
организации производства и контроллинга
Эконометрика – это прежде всего статистические методы в экономике. Прикладная статистика – наука о том, как обрабатывать данные. Данные – любой вид зарегистрированной информации. Научная школа кафедры ИБИ-2 по эконометрике занимается сбором и анализом экономической и управленческой информации, в том числе экспертной, хранящейся в базах и банках данных, а потому относится к приоритетному направлению развития - информационно-коммуникационным технологиям. Уже говорилось о том, что в предыстории ИВСТЭ - работа в рамках Научного Совета АН СССР по комплексной проблеме «Кибернетика». Само выделение прикладной статистики как самостоятельной научной области состоялось под эгидой кибернетики и информатики.
Эконометрика - один из наиболее эффективных инструментов контроллинга. Вначале наша научная школа занималась вопросами применения организационно-экономического моделирования, эконометрики и статистики при решении задач контроллинга (http://orlovs.pp.ru/econ.php#e2). Затем развернулись работы в конкретных областях контроллинга – в контроллинге методов, контроллинге рисков, контроллинге научной деятельности, контроллинге качества.
При решении задач организации производства используются разнообразные эконометрические методы и модели. Проанализируем учебник [1], подготовленный кафедрой ИБМ-2. В нем более 20 раз используются эконометрические методы и модели. Так, методы восстановления зависимости (регрессионного анализа) используются при изучении динамики производственных затрат в период освоения производства [2, с.95-97]. В частности, для выявления закономерностей изменения трудоемкости изготовления единицы продукции, снижения себестоимости и других показателей с течением времени или с ростом объемов изготовления и др. При нормировании труда косвенные методы основаны на регрессионном анализе [2, с.308-309]. Интегральный критерий эффективности проекта, применяемый при планировании инновационных процессов, строится с помощью многомерного статистического анализа [2, с.101]. Постоянно возникает необходимость строить те или иные интегральные показатели (критерии), объединяющие значения частных (единичных или групповых) показателей. Упомянем суммарный показатель качества продукции или проекта [2, с.244], коэффициент качества инженерного труда [2, с.269].
В организации производства часто используются задачи оптимизации. Так, с целью рационального расположения на территории завода складских помещений, заготовительных цехов, участков, оборудования решают задачу минимизации суммарных грузопотоков. Для максимально возможного совмещения отдельных производственных процессов во времени, что может существенно сократить время от запуска в производство до выпуска готовой продукции, решают соответствующую оптимизационную задачу [2, с.121-122]. Методы сокращения производственного цикла, в том числе снижения затрат труда на основные технологические операции, сокращения затрат времени на транспортные, складские и контрольные операции, предполагают применение методов оптимизации, в том числе дискретной оптимизации [2, с.134-136].
Особенно заметна роль оптимизации в задачах планирования производственно-хозяйственной деятельности предприятия. Предполагается построение экономико-математической модели объекта планирования, включающей целевую функцию по принятому критерию оптимальности и систему ограничений [2, с.339]. Среди основных методов планирования указаны экономико-математические методы [2, с.342]. Подробно рассматривается математическая модель построения оптимального плана реализации продукции, сводящаяся к задаче линейного программирования [2, с.352-354]. При планировании рыночных цен на продукцию решается задача максимизации прибыли как функции цены [2, с.409]. Расчет оптимальных размеров партии деталей основан на минимизации суммарных затрат [2, с.428].
Отметим важную роль математической теория оптимального управления запасами как части логистики [2, с.223-236], в том числе для организации материально-технического снабжения и складирования [2, с.217], организации обеспечения основного производства технологической оснасткой [2, с.208]. Есть и устоявшиеся неточности - «экономичный объем заказа» [2, с.227] является оптимальным лишь при большом интервале планирования [3, разд.16.3].
В производственном менеджменте широко применяются разнообразные эконометрические методы. Например, хронометраж [2, с. 311-316] – это типовое статистическое исследование. Отметим использование медианы для вычисления нормы времени [2, с.312], что совпадает с рекомендациями эконометрики [4]. На основе теории выборочных исследований указывается количество наблюдений, позволяющее сделать обоснованные выводы о структуре затрат рабочего времени [2, с.315].
Большой раздел эконометрики – статистические методы управления качеством продукции. Согласно международному стандарту ИСО 9004 в системах качества должно быть предусмотрено использование статистических методов [2, с.253]. При рассмотрении видов контроля качества продукции выделяются «выборочный» и «статистический» контроль [2, с.268]. Описываются методы статистического приемочного контроля и статистического контроля процессов (другими словами, статистического регулирования технологических процессов) [2, с.271-274]. В качестве одного из четырех основных методов определения показателей качества продукции указан экспертный метод [2, с.275]. Экспертные методы предлагается использовать и при построении причинно-следственной диаграммы (диаграммы Исикавы) для ранжирования факторов по их значимости и выделении наиболее важных [2, с.276]. Из методов обработки статистических данных разобрана методика анализа качества продукции машиностроения с помощью диаграмм Парето [2, с.277].
В производственном менеджменте большую роль играют методы принятия решений [2, с.25-28], различные специализированные эконометрические модели, например, модель минимизации сроков выполнения заказов на основе использования сетевого графика со случайными сроками выполнения отдельных работ [2, с.110-112].
Таким образом, эконометрические методы постоянно используются менеджерами, в том числе контроллерами. При решении задач организации производства необходимо применять эконометрические методы в соответствии с новой парадигмой в этой области [5].

Литература
1. Анализ нечисловой информации в социологических исследованиях. - М.: Наука, 1985. - 222 с.
2. Организация и планирование машиностроительного производства (производственный менеджмент) / К.А. Грачева, М.К. Захарова, Л.А.Одинцова и др.: Под ред. Ю.В. Скворцова, Л.А.Некрасова. – М.: Высшая школа, 2003. - 470 с.
3. Орлов А.И. Организационно-экономическое моделирование: теория принятия решений. — М. : КноРус, 2011. — 568 с.
4. Орлов А.И. Эконометрика. Изд. 4-е, доп. и перераб. – Ростов-на-Дону: Феникс, 2009. - 572 с.
5. Орлов А.И. Новая парадигма математических методов экономики // Экономический анализ: теория и практика. – 2013. – № 36 (339). – С.25–30.

Публикация
922. Орлов А.И. Научная школа кафедры «Экономика и организация производства» в области эконометрики // Четвёртые Чарновские Чтения. Сборник трудов. Материалы IV международной научной конференции по организации производства. Москва, 5-6 декабря 2014 г. – М.: НП «Объединение контроллеров», 2014. – С.347 - 357.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Наша научная школа в области эконометрики
СообщениеДобавлено: Пн окт 17, 2016 12:27 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 11579
УДК 519.2: 330.43 UDC 519.2: 330.43

01.00.00 Физико-математические науки
Physics and mathematical sciences

ОТЕЧЕСТВЕННАЯ НАУЧНАЯ ШКОЛА В ОБЛАСТИ ЭКОНОМЕТРИКИ RUSSIAN SCIENTIFIC SCHOOL IN THE ECONOMETRICS FIELD

Орлов Александр Иванович
д.э.н., д.т.н., к.ф.-м.н., профессор
РИНЦ SPIN-код: 4342-4994 Orlov Alexander Ivanovich
Dr.Sci.Econ., Dr.Sci.Tech., Cand.Phys-Math.Sci., professor
Московский государственный технический университет им. Н.Э. Баумана, Россия, 105005, Москва, 2-я Бауманская ул., 5, prof-orlov@mail.ru
Bauman Moscow State Technical University, Moscow, Russia

Рассмотрено формирование отечественной научной школы в области эконометрики, полученные в ходе ее развития научные результаты, возможности их использования при решении задач экономики, организации производства и контроллинга на предприятиях и в организациях, а также при преподавании. Под эконометрикой понимаем научную и учебную дисциплину, посвященную развитию и применению статистических методов изучения экономических явлений и процессов, короче, статистические методы в экономике. Поэтому можно сказать, что очень многие отечественные книги и статьи, в частности, публикации автора настоящей работы с начала 70-х годов, относятся к эконометрике. Однако в настоящей статье рассмотрим только работы, в названии которых есть слово «эконометрика». В нашей стране термин "эконометрика" стал популярен с середины 90-х годов. Однако многие публикации и учебные курсы подготовлены в устаревшей западной парадигме. Они не соответствуют новой парадигме математических методов экономики, новой парадигме прикладной статистики и математической статистики, математических методов исследования. Отечественная научная школа в области эконометрики действует в рамках научной школы в области теории вероятностей и математической статистики, основанной А.Н. Колмогоровым, развивается в соответствии с новой парадигмой математических методов. Представляется необходимым рассмотреть основные результаты отечественной научной школы в области эконометрики. Дана информация об институциональном оформлении отечественной научной школы по эконометрике, в частности, о деятельности Института высоких статистических технологий и эконометрики We have considered the formation of the Russian scientific school in the field of econometrics, obtained its obtained scientific results, the possibilities of their use in solving problems of the economy, the organization of production and controlling of industrial companies and organizations, as well as in teaching. As econometrics we consider a scientific and an academic discipline devoted to the development and application of statistical methods to study economic phenomena and processes, in short, statistical methods in economics. Therefore, we can say that a lot of domestic books and articles, in particular, the works by the author of this publication from the beginning of the 70s, are the parts of econometrics. However, in this article we consider only the works, in the titles of which we can see the word of "econometrics". In our country the term "econometrics" has become popular since the mid 90s. However, many publications and training courses are still developed in the western outdated paradigm. They do not conform to the new paradigm of mathematical methods of economics, the new paradigm of applied statistics and mathematical statistics, mathematical methods of research. Russian science school in the field of econometrics operates within the scientific school in the field of probability theory and mathematical statistics based by A.N. Kolmogorov. Russian science school is developed in accordance with the new paradigm of mathematical methods. It is necessary to examine the main results of Russian scientific schools in the field of econometrics. We present the information on the institutional design of national scientific schools in econometrics, in particular, on the activities of the Institute of High Technologies statistics and econometrics


Ключевые слова: МАТЕМАТИКА, ЭКОНОМИКА, УПРАВЛЕНИЕ, ЭКОНОМЕТРИКА, СТАТИСТИЧЕСКИЕ МЕТОДЫ, НОВАЯ ПАРАДИГМА МАТЕМАТИЧЕСКИХ МЕТОДОВ, ОТЕЧЕСТВЕННАЯ НАУЧНАЯ ШКОЛА Keywords: MATHEMATICS, ECONOMICS, MANAGEMENT, ECONOMETRICS, STATISTICAL METHODS, NEW PARADIGM OF MATHEMATICAL METHODS, RUSSIAN SCIENTIFIC SCHOOL
Doi: 10.21515/1990-4665-121-006
1. Введение
Под эконометрикой понимаем научную и учебную дисциплину, посвященную развитию и применению статистических методов изучения экономических явлений и процессов, короче, статистические методы в экономике. Поэтому можно сказать, что очень многие отечественные книги и статьи, в частности, публикации автора настоящей работы с начала 70-х годов, относятся к эконометрике. Однако в настоящей статье рассмотрим только работы, в названии которых есть слово «эконометрика».
В нашей стране термин "эконометрика" стал популярен с середины 90-х годов. Однако многие публикации и учебные курсы подготовлены в устаревшей западной парадигме. Они не соответствуют новой парадигме математических методов экономики [1], новой парадигме прикладной статистики [2, 3] и математической статистики [4, 5], математических методов исследования [6]. Отечественная научная школа в области эконометрики [7] действует в рамках научной школы в области теории вероятностей и математической статистики, основанной А.Н. Колмогоровым [8], развивается в соответствии с новой парадигмой математических методов, изложенной в [1 - 6]. Представляется необходимым рассмотреть основные результаты отечественной научной школы в области эконометрики. Этому и посвящена настоящая статья.
Иногда спрашивают: "Почему в арсенале менеджеров сегодня нет принципиально новых методов и инструментов?! [9] На самом деле они есть (см., например, [10]), просто надо до них сначала добраться, а потом освоить.
Сначала рассмотрим научные работы, выполненные в рамках отечественной научной школы в области эконометрики, затем обсудим вопросы преподавания эконометрики.
2. Научные работы нашего коллектива по эконометрике
На различные конференции неоднократно представлялись доклады об исследованиях нашего научного коллектива как целого. Эта традиция началась с работ Лаборатории эконометрических исследований МГИЭМ (ту) [11]. Пять докладов было представлено коллективом сотрудников Института высоких статистических технологий и эконометрики МГТУ им. Н.Э. Баумана [12 - 16].
Конкретные научные работы по эконометрике выполнялись нами обычно вместе с аспирантами и сотрудниками. Так, по диссертационной работе Д.Л. Волкова вышли две публикации [17 - 18]. Работа по заказу Минфина РФ, связанная с математическим моделированием процессов налогообложения качественными (когнитивными) методами, нашла отражение в докладах [19, 20]. Методу согласования кластеризованных ранжировок [21] посвящен доклад [22]. Диссертационной работе А.В. Спорняка соответствуют два доклада [23, 24].
Репрезентативной теории измерений как одной из основ эконометрики посвящен доклад [25]. Однако теория измерений не вызвала интереса у специалистов по измерениям конкретных физических величин. Они такой проблематикой не интересовались.
Цикл работ посвящен эконометрической поддержке контроллинга [26 - 31]. Основная статья в этом цикле – работа [27].
Таким образом, научные работы нашего коллектива по эконометрике широко обсуждались на различных международных и всероссийских конференциях, публиковались в ряде научных журналов. Наши базовые подходы к эконометрике и полученные результаты получили поддержку научного сообщества. Из недавних наших научных публикаций по эконометрике отметим статьи [32 - 34].

3. Эконометрика как учебная дисциплина
Согласно принятому нами определению, эконометрика – это статистические методы в экономике. Впервые в названии нашей публикации общего характера термин "эконометрика" появился в 1997 г. [35]. В этой статье впервые выражено представление отечественной научной школы о содержании эконометрики и ее структуре, которое затем было развернуто в виде лекционных курсов и соответствующего учебника [36]. (Первые два издания вышли в 2002 г. и 2003 г. соответственно, третье - в 2004 г.).
Любопытно, что ответственный секретарь международной газеты «Наука и технология в России» к.ф.-м.н. С.К. Козловская не увидела новизны в статье [35]. Автор может гордиться – изложение было настолько естественным, что принципиальная новизна не была видна неподготовленному читателю. Имеется в виду новизна по сравнению с той «убогой эконометрикой» устаревшего иностранного образца, которую как раз тогда стали с западной помощью внедрять С.А. Айвазян и др. Суть этой «троянской технологии», нацеленной на причинение вреда в ходе якобы образовательной деятельности раскрыта в докладе [37].
Обоснованию разработанного нами и принятого в МГТУ им. Н.Э.Баумана (а также, например, в РЭА им. Г.В. Плеханова и АНХ при Правительстве РФ) подхода к преподаванию эконометрики был посвящен ряд статей и докладов [38 - 42].
Первый (из достаточно длинной серии) наш «большой» учебник «Эконометрика» был подготовлен для обеспечения учебного процесса в МГТУ им. Н.Э. Баумана по одноименной дисциплине. Учебник был почти полностью составлен из научных статей А.И. Орлова, причем в каждой главе учебника указано, где опубликованы исходные тексты. Впрочем, ряд статей в журнале «Заводская лаборатория. Диагностика материалов» опубликован позже первого издания учебника, в который они вошли. Это связано с тем, что в тот период срок публикации в журнале составлял 2-3 года, а от момента сдачи учебника в издательство до его выхода прошло 9 месяцев. Итак, вполне можно считать «Эконометрику» научной монографией. Но учебник можно напечатать гораздо проще, чем монографию. И студентам понятнее – естественнее учиться по учебнику, чем по научному изданию.
Учебник выдержал три издания общим тиражом 11000 экземпляров [36, 43, 44]. Причем в первом издании слово «учебник» стояло только на обложке, на титульном листе книга квалифицировалась как «учебное пособие». Это было связано в основном с опасениями репрессий со стороны официальных структур, которые ввели описание «убогой эконометрики» по Айвазяну в государственные образовательные стандарты.
Отличия между тремя изданиями, по нашей оценке, незначительны и касаются в основном предисловия. Исправлено полтора десятка опечаток. Заменен текст одного параграфа. Поэтому в учебном процессе можно использовать любое из трех изданий. На сайте «Высокие статистические технологии» (http://orlovs.pp.ru/econ.php#ek1) помещена исходная рукопись. В издательстве ее отредактировали. Несколько сократился словесный текст, формулы остались. Третье исправленное издание размещено (http://ibm.bmstu.ru/nil/biblio.html#books-13-econ) в библиотеке сайта Лаборатории экономико-математических методов в контроллинге Научно-образовательного центра "Контроллинг и управленческие инновации" МГТУ им. Н.Э. Баумана.
Необходимо дальнейшее развитие методического обеспечения преподавания эконометрики. В настоящее время материалы семинарских занятий, контрольных и лабораторных работ, домашних заданий, рубежных контролей, экзаменационные вопросы, рекомендации по дипломному проектированию имеются только в виде рукописей. Целесообразна подготовка «Задачника» (или «Практикума») по эконометрике.
Полезна также подготовка «Краткого курса», в котором из полного учебника осталось бы только то, что реально преподается в настоящее время студентам.
Однако перманентное реформирование учебных планов мешает реализации намеченного. Курс эконометрики в 2006/2007 учебном году время назывался курсом «Прикладная статистика» (это, вообще говоря, правильно, поскольку означает всего лишь перенесение акцента с «экономики» на «статистические методы» в известном определении: «Эконометрика – это статистические методы в экономике»). А с 2007/2008 учебного года курс называется «Организационно-экономическое моделирование». С 2014/2015 учебного года снова «Эконометрика» (но уже для бакалавров). Конечно, такие переименования обосновывают появление новых книг с новыми названиями.
Как уже сказано, три издания учебника «Эконометрика» (2002, 2003, 2004) мало отличались друг от друга [36, 43, 44]. Возникла необходимость сделать следующий шаг – приблизить учебник к курсу, реально читаемому студентам научно-учебного комплекса "Инженерный бизнес и менеджмент" МГТУ им. Н.Э. Баумана. Начали с подготовки учебника по курсу осеннего семестра. Были переработаны многие разделы – по проверке однородности выборок, по методу наименьших квадратов. Заново была написана глава по инфляции. Но кто издаст? В 2007 г. велись по этому поводу переговоры с издательством «Горячая линия – Телеком», семь основных глав были к этому моменту подготовлены, но издание не было осуществлено. В ответ на предложение издательства «Феникс» добавили четыре приложения (три – методического характера), и издание было осуществлено [45]. На титульном листе сказано: "Допущено Учебно-методическим объединением вузов по университетскому политехническому образованию в качестве учебника для студентов высших учебных заведений, обучающихся по направлению 220700 «Организация и управление наукоемкими производствами», специальности 220701 «Менеджмент высоких технологий»". Именно этот "гриф УМО" придает изданию характер официального учебника. Отрицательной стороной присвоения грифа является тот очевидный факт, что учебник полезен студентам многих других специальностей, причем не только экономических, а также не только студентам, но и исследователям и работающим специалистам. Поэтому на титульных листах многих наших книг нет "грифов УМО" - из-за нежелания ограничивать область применения.
Вторую часть переработанного учебника – для весеннего семестра – еще предстоит подготовить. Но неясно, кто издаст. Одновременно действуют несколько отрицательных факторов: (1) общий переход от бумажных изданий к электронным; (2) период изменений в сфере высшего образования; (3) нелепый переход при официальной оценке эффективности работы профессорско-преподавательского состава от приоритета учебников к приоритету статей в журналах.

4. Институциональное оформление научной школы по эконометрике
На странице кафедры ИБМ-2 «Экономика и организация производства» на сайте научно-учебного комплекса (факультета) «Инженерный бизнес и менеджмент» МГТУ им. Н.Э. Баумана сказано: «В 1995 году заведующим кафедрой ИБМ-2 стал доктор экономических наук, профессор Фалько Сергей Григорьевич, который и возглавляет кафедру по сей день. В этот период на кафедре, наряду с традиционными школами организации производства, формируются новые школы в области эконометрики, под руководством профессора Орлова А.И., и в сфере контроллинга, под руководством Фалько С.Г.» (http://ibm.bmstu.ru/ibm2/index2_4.html). Волне закономерно, что на Международном форуме «Современное предприятие и будущее России (экономика, организация производства и контроллинг на предприятии)», посвященном 85-летию кафедры ИБМ-2, было рассмотрено формирование научной школы кафедры ИБМ-2 в области эконометрики, полученные в ходе ее развития научные результаты, возможности их использования при решении задач экономики, организации производства и контроллинга на предприятиях и в организациях, а также при преподавании [7].
За развитие работ по эконометрике отвечает секция кафедры «Организационно-экономическое моделирование, эконометрика и статистика». Члены секции преподают и активно используют при решении практических задач дисциплины «Эконометрика», «Организационно-экономическое моделирование», «Прикладная статистика», «Статистика» (дневное обучение), «Статистика», «Методы принятия управленческих решений» (второе высшее образование на факультете ИБМ), «Количественные методы, статистика и информатика», «Эконометрика» (Бизнес-школа МГТУ им. Н.Э. Баумана).
Для описания работ членов секции в качестве базового будем использовать термин «эконометрика». Терминологические дискуссии не представляются плодотворными.
Научная работа ведется в рамках Института высоких статистических технологий и эконометрики (ИВСТЭ) и Лаборатории экономико-математических методов в контроллинге Научно-учебного центра «Контроллинг и управленческие инновации» МГТУ им. Н.Э. Баумана. Научная школа по эконометрике представлена в редколлегиях научных журналов «Заводская лаборатория. Диагностика материалов», «Контроллинг», «Социология: методология, методы, математическое моделирование», периодического сборника научных трудов «Управление большими системами» (все четыре издания входят в «список ВАК» - Перечень российских рецензируемых научных журналов, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученых степеней доктора и кандидата наук), научного журнала «IDO science (Innovation, Development, Outsourcing)», редакционных советов журналов «Biocosmology – neo-Aristotelosm», «Инновации в менеджменте», в составе ряда диссертационных советов и Ученого совета Научно-учебного комплекса «Инженерный бизнес и менеджмент» МГТУ им. Н. Э. Баумана.
Партнерами научной школы по эконометрике в соответствии с заключенными договорами являются академические институты – Институт проблем управления, Центральный экономико-математический институт, а также Кубанский государственный аграрный университет, в «Научном журнале КубГАУ» в 2013-2016 гг. опубликовано около 100 наших работ. К рассмотренным ранее публикациям добавим работы [46 - 51], посвященные в основном вопросам развития и применения организационно-экономического моделирования, эконометрики и статистики при решении задач экономики и организации производства в соответствии с новой парадигмой математических методов исследования.
Ведутся прикладные научно-исследовательские работы, в частности, с Группой авиакомпаний «Волга-Днепр» (разработка Автоматизированной системы прогнозирования и предотвращения авиационных происшествий АСППАП), с космическим научным центром ЦНИИМАШ.
Активно работает научный семинар Лаборатории экономико-математических методов в контроллинге. В 2007 - 2016 гг. проведено около 140 заседаний, на которых заслушано и обсуждено несколько сотен докладов.
В рамках научной школы защищено 10 кандидатских диссертаций, в том числе 7 – по экономическим наукам, 2 – по техническим, 1 – по физико-математическим.

5. Двадцать пять лет работы Института высоких статистических технологий и эконометрики (ИВСТЭ)
Термин «высокие статистические технологии» активно используется на Интернет-ресурсах научной школы кафедры ИБМ-2 по эконометрике – на сайтах с книгами и статьями в открытом доступе http://orlovs.pp.ru/ (сайт «Высокие статистические технологии», за 10 лет работы - более 1 млн. посетителей) и http://ibm.bmstu.ru/nil/biblio.html (сайт Лаборатории экономико-математических методов в контроллинге), в том числе в названиях учебников, а также на общем для этих сайтов форуме http://forum.orlovs.pp.ru/. При публикации научных статей представителей научной школы в журнале «Заводская лаборатория. Диагностика материалов» в качестве места работы часто указан ИВСТЭ МГТУ им. Н.Э. Баумана. Поэтому целесообразно рассмотреть историю ИВСТЭ.
Вначале ИВСТЭ действовал как Центр статистических методов и информатики в 1989 г., затем - как Всесоюзный центр статистических методов и информатики (1989 - 1992), затем - снова как Центр статистических методов и информатики (1992-1993). В 1993 г. он был преобразован в Лабораторию эконометрических исследований Московского государственного института электроники и математики (технического университета), а с 1997 г. действует под своим нынешним именем - Институт высоких статистических технологий и эконометрики МГТУ им. Н.Э.Баумана.
У Института высоких статистических технологий и эконометрики есть и предыстория. В 1978 - 1985 гг. активно действовала комиссия «Статистика объектов нечисловой природы и экспертные оценки» Научного Совета АН СССР по комплексной проблеме «Кибернетика». Зримым результатом ее работы является сборник научных статей [52], в котором были подведены итоги выполненных к тому времени исследований по созданию новой области прикладной статистики – статистики объектов нечисловой природы (статистики нечисловых данных, нечисловой статистики).
ИВСТЭ был создан как инструмент реализации инновационного проекта в области эконометрики. Опишем соответствующий инновационный процесс.
Рабочая группа по упорядочению системы стандартов по прикладной статистике и другим статистическим методам. С начала 1970-х годов стали разрабатываться государственные стандарты по статистическим методам управления качеством продукции. В связи с обнаружением в них грубых ошибок (с точки зрения прикладной математической статистики и эконометрики) в 1985 г. была организована «Рабочая группа по упорядочению системы стандартов по прикладной статистике и другим статистическим методам». В ее работе приняли участие 66 специалистов, в том числе 15 докторов и 36 кандидатов наук. В соответствии с рекомендациями Рабочей группы большинство ошибочных стандартов, а именно, 24 из 31 государственного стандарта по статистическим методам, были отменены в 1986-87 гг.
В 1988-89 гг. наиболее активная часть Рабочей группы (10 докторов и 15 кандидатов наук) составила «Аванпроект комплекса методических документов и пакетов программ по статистическим методам стандартизации и управления качеством» (около 1600 стр.)
Центр статистических методов и информатики. К сожалению, Госстандарт не пожелал финансировать реализацию заказанного им «Аванпроекта». Тогда решено было действовать самостоятельно. Двадцать семь лет назад на собрании в Политехническом музее (Москва) 20 февраля 1989 г. был организован (на общественных началах) Центр статистических методов и информатики (ЦСМИ; в настоящее время - Институт высоких статистических технологий и эконометрики).
Организационное оформление последовало в конце того же года. Всесоюзный центр статистических методов и информатики (ВЦСМИ) Центрального правления Всесоюзного экономического общества создан на базе ЦСМИ Постановлением Президиума Центрального Правления Всесоюзного экономического общества № 5-7 от 25 декабря 1989 г.
К середине 1990 г. в ЦСМИ - ВЦСМИ были разработаны 7 диалоговых систем по современным статистическим методам управления качеством, а именно, СПК, АТСТАТ-ПРП, СТАТКОН, АВРОРА-РС, ЭКСПЛАН, ПАСЭК, НАДИС. В работе участвовали 128 специалистов. В дальнейшем к ЦСМИ присоединялись новые группы научно-технических работников, уже к концу 1991 г. нас было более 300. Информация о программных продуктах и другой деятельности ЦСМИ постоянно помещалась в журналах «Заводская лаборатория» и «Надежность и контроль качества». Программные продукты, разработанные Центром статистических методов и информатики, использовались более чем в 100 организациях и предприятиях. Среди них - производственные объединения «Уралмаш», «АвтоВАЗ», «Пластик», ЦНИИ черной металлургии им. Бардина, НИИ стали, ВНИИ эластомерных материалов и изделий, НИИ прикладной химии, ЦНИИ химии и механики, НПО «Орион», НИЦентр по безопасности атомной энергетики, ВНИИ экономических проблем развития науки и техники, ВНИИ нефтепереработки, МИИТ, Казахский политехнический институт, Ульяновский политехнический институт, Донецкий государственный университет и др.
Всесоюзная статистическая ассоциация. Параллельно с выполнением работ по договорам с организациями и предприятиями ЦСМИ вел работу по объединению статистиков. В апреле 1990 г. в Большом Актовом Зале Московского Энергетического института прошла Учредительная конференция Всесоюзной организации по статистическим методам и их применениям. Через полгода на Учредительном съезде Всесоюзной статистической ассоциации (ВСА) в октябре 1990 г. в Московском экономико-статистическом институте эта организация вошла в состав ВСА в качестве секции статистических методов. В соответствии со своим Уставом эта организация (ВСА) продолжает существовать, хотя и номинально (поскольку распустить ее может только съезд ВСА, а такого съезда не было).
В соответствии с реальной структурой статистики ВСА делится на 4 секции: 1) практической статистики, 2) статистических методов и их применений, 3) статистики надежности, 4) социально-экономической статистики. Названия секций, зафиксированные в документах ВСА, не вполне соответствуют действительности. Первая секция состоит из работников Госкомстата (ныне - Росстат), большинство членов второй и третьей занимаются исследовательской и практической деятельностью, в том числе в социально-экономической области и оборонно-промышленном комплексе, а четвертая состоит из преподавателей статистических дисциплин экономических вузов. В 1992 г. после развала СССР и фактического прекращения работы ВСА на основе секции статистических методов ВСА в 1992 г. была организована Российская ассоциация по статистическим методам (РАСМ), а затем – в 1996 г. - и Российская академия статистических методов, существующие и в настоящее время.
Бизнес-идея. Задачи ЦСМИ и ВСА (и РАСМ) были взаимосвязаны. Роль ЦСМИ - производить товары и услуги, а именно, разрабатывать новые статистические методы, а прежде всего - программные и методические продукты в области эконометрики. Общественные объединения специалистов в области эконометрики (ВСА и РАСМ) занимаются их распространением и внедрением. К сожалению, бурный всплеск активности (1989 - 1991 гг.) сменился к 1993 г. полным развалом, поскольку в условиях либерализации цен спрос предприятий организаций на высокотехнологичную наукоемкую продукцию ЦСМИ упал до 0.
Новая парадигма статистических методов. В мероприятиях секции статистических методов ВСА и РАСМ активно участвовали несколько сот исследователей. Основной тематикой работ многих из этих специалистов являются статистические методы анализа данных, в том числе в сертификации (управлении качеством продукции).
В 1989-90 гг. была проведена большая работа по анализу положения дел в области теории и практики статистики в нашей стране. В ЦСМИ и РАСМ, объединивших большинство ведущих российских специалистов, коллективными усилиями разработан единый подход к проблемам применения статистических методов в сертификации и управлении качеством, т.е. новая парадигма статистических методов. О ней уже шла речь в начале настоящей статьи.
Был сформулирован «социальный заказ» - разработать серию учебников согласно новой парадигме. К настоящему времени выполнен. Перечень выпущенных учебников и их Интернет-версий приведен, например, на персональной странице автора настоящей статьи на сайте МГТУ им. Н.Э. Баумана http://www.bmstu.ru/ps/~orlov/ .

6. Эконометрика при решении задач экономики, организации производства и контроллинга
Напомним определения терминов. Эконометрика – это прежде всего статистические методы в экономике. Прикладная статистика – наука о том, как обрабатывать данные. Данные – любой вид зарегистрированной информации. Научная школа кафедры ИБИ-2 по эконометрике занимается сбором и анализом экономической и управленческой информации, в том числе экспертной, хранящейся в базах и банках данных, а потому относится к приоритетному направлению развития - информационно-коммуникационным технологиям. Уже говорилось о том, что в предыстории ИВСТЭ - работа в рамках Научного Совета АН СССР по комплексной проблеме «Кибернетика». Само выделение прикладной статистики как самостоятельной научной области состоялось под эгидой кибернетики и информатики.
Эконометрика - один из наиболее эффективных инструментов контроллинга. Вначале наша научная школа занималась вопросами разработки инструментов для применения организационно-экономического моделирования, эконометрики и статистики при решении задач контроллинга (http://orlovs.pp.ru/econ.php#e2). Затем развернулись работы в конкретных областях контроллинга – в контроллинге методов, контроллинге рисков, контроллинге научной деятельности, контроллинге качества.
При решении задач организации производства используются разнообразные эконометрические методы и модели. Проанализируем учебник [53] по организации и планированию машиностроительного производства (производственному менеджменту), подготовленный кафедрой ИБМ-2. В нем более 20 раз используются эконометрические методы и модели. Так, методы восстановления зависимости (регрессионного анализа) используются при изучении динамики производственных затрат в период освоения производства [53, с.95-97]. В частности, для выявления закономерностей изменения трудоемкости изготовления единицы продукции, снижения себестоимости и других показателей с течением времени или с ростом объемов изготовления и др. При нормировании труда косвенные методы основаны на регрессионном анализе [53, с.308-309]. Интегральный критерий эффективности проекта, применяемый при планировании инновационных процессов, строится с помощью многомерного статистического анализа [53, с.101]. Постоянно возникает необходимость строить те или иные интегральные показатели (критерии), объединяющие значения частных (единичных или групповых) показателей. Упомянем суммарный показатель качества продукции или проекта [53, с.244], коэффициент качества инженерного труда [53, с.269].
В организации производства часто используются задачи оптимизации. Так, с целью рационального расположения на территории завода складских помещений, заготовительных цехов, участков, оборудования решают задачу минимизации суммарных грузопотоков. Для максимально возможного совмещения отдельных производственных процессов во времени, что может существенно сократить время от запуска в производство до выпуска готовой продукции, решают соответствующую оптимизационную задачу [53, с.121-122]. Методы сокращения производственного цикла, в том числе снижения затрат труда на основные технологические операции, сокращения затрат времени на транспортные, складские и контрольные операции, предполагают применение методов оптимизации, в том числе дискретной оптимизации [53, с.134-136].
Особенно заметна роль оптимизации в задачах планирования производственно-хозяйственной деятельности предприятия. При этом предполагается построение экономико-математической модели объекта планирования, включающей целевую функцию по принятому критерию оптимальности и систему ограничений [53, с.339]. Среди основных методов планирования указаны экономико-математические методы [53, с.342]. Подробно рассматривается математическая модель построения оптимального плана реализации продукции, сводящаяся к задаче линейного программирования [53, с.352-354]. При планировании рыночных цен на продукцию решается задача максимизации прибыли как функции цены [53, с.409]. Расчет оптимальных размеров партии деталей основан на минимизации суммарных затрат [53, с.428].
Отметим важную роль математической теория оптимального управления запасами как части логистики [53, с.223-236], в том числе для организации материально-технического снабжения и складирования [53, с.217], организации обеспечения основного производства технологической оснасткой [53, с.208]. Есть и устоявшиеся неточности - «экономичный объем заказа» [53, с.227] является оптимальным лишь при большом интервале планирования (см. [54, разд.16.3] и [55]).
В производственном менеджменте широко применяются разнообразные эконометрические методы. Например, хронометраж [53, с. 311-316] – это типовое статистическое исследование. Отметим использование медианы для вычисления нормы времени [53, с.312], что совпадает с рекомендациями эконометрики [45]. На основе теории выборочных исследований указывается количество наблюдений, позволяющее сделать обоснованные выводы о структуре затрат рабочего времени [53, с.315].
Большой раздел эконометрики – статистические методы управления качеством продукции. Согласно международному стандарту ИСО 9004 в системах качества должно быть предусмотрено использование статистических методов [53, с.253]. При рассмотрении видов контроля качества продукции выделяются «выборочный» и «статистический» контроль [53, с.268]. Описываются методы статистического приемочного контроля и статистического контроля процессов (другими словами, статистического регулирования технологических процессов) [53, с.271-274]. В качестве одного из четырех основных методов определения показателей качества продукции указан экспертный метод [53, с.275]. Экспертные методы предлагается использовать и при построении причинно-следственной диаграммы (диаграммы Исикавы) для ранжирования факторов по их значимости и выделении наиболее важных [53, с.276]. Из методов обработки статистических данных разобрана методика анализа качества продукции машиностроения с помощью диаграмм Парето [53, с.277].
В производственном менеджменте большую роль играют методы принятия решений [53, с.25-28], различные специализированные эконометрические модели, например, модель минимизации сроков выполнения заказов на основе использования сетевого графика со случайными сроками выполнения отдельных работ [53, с.110-112].
Таким образом, эконометрические методы постоянно используются менеджерами, в том числе контроллерами. При решении задач организации производства необходимо применять эконометрические методы в соответствии с новой парадигмой в этой области [1].
Отечественная научная школа в области эконометрики, о которой рассказано в настоящей статье, разрабатывает современные инструменты для решения перечисленных (и других) задач производственного менеджмента, экономики и организации производства, инноватики, контроллинга и других экономических и управленческих областей.

Литература
1. Орлов А.И. Новая парадигма математических методов экономики // Экономический анализ: теория и практика. – 2013. – № 36 (339). – С.25–30.
2. Орлов А.И. Новая парадигма прикладной статистики // Статистика и прикладные исследования: сборник трудов Всерос. научн. конф. – Краснодар: Издательство КубГАУ, 2011. – С.206-217.
3. Орлов А.И. Новая парадигма прикладной статистики // Заводская лаборатория. Диагностика материалов. 2012. Т. 78. №1, часть I. С.87-93.
4. Орлов А.И. Новая парадигма математической статистики // Материалы республиканской научно-практической конференции «Статистика и её применения – 2012». Под редакцией профессора А.А. Абдушукурова. – Ташкент: НУУз, 2012. – С.21-36.
5. Орлов А.И. Основные черты новой парадигмы математической статистики // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2013. № 90. С. 45-71.
6. Орлов А.И. Новая парадигма математических методов исследования // Заводская лаборатория. Диагностика материалов. 2015. Т.81. №.7 С. 5-5.
7. Орлов А.И. Научная школа кафедры «Экономика и организация производства» в области эконометрики // Четвёртые Чарновские Чтения. Сборник трудов. Материалы IV международной научной конференции по организации производства. Москва, 5-6 декабря 2014 г. – М.: НП «Объединение контроллеров», 2014. – С.347 - 357.
8. Орлов А.И. Вероятностно-статистические методы в работах А.Н. Колмогорова // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2014. № 98. С. 96-104.
9. Фалько С.Г. Почему в арсенале менеджеров сегодня нет принципиально новых методов и инструментов?! // Инновации в менеджменте. 2015. № 1 (3). С. 2-3.
10. Орлов А.И., Луценко Е.В., Лойко В.И. Перспективные математические и инструментальные методы контроллинга. Под научной ред. проф. С.Г. Фалько. Монография (научное издание). – Краснодар, КубГАУ. 2015. – 600 с.
11. Об эконометрических исследованиях / Орлов А.И., Жихарев В.Н., Иванова И.Г., Иванова Н.Ю., Цупин В.А. // Тезисы докладов Третьей Всероссийской школы-коллоквиума по стохастическим методам (Туапсе, 17-24 сентября 1996 г.) – М.:ТВП, 1996. С.122-123.
12. Разработка новых эконометрических методов управления промышленным предприятием / Орлов А.И., Фалько С.Г., Русанова Г.В., Горчакова Л.С., Алешин Д.Н., Волков Д.Л. // Тезисы конференции «Организация производства на предприятиях в современных условиях», посвященной 70-летию кафедры «Экономика и организация производства» МГТУ им. Н.Э. Баумана. - М.: Изд-во МГТУ им. Н.Э.Баумана, 1999. С.111-112.
13. Разработка и изучение новых эконометрических методов управления промышленным предприятием / Орлов А.И., Фалько С.Г., Русанова Г.В., Горчакова Л.С., Алешин Д.Н., Волков Д.Л. // Проблемы технологии, управления и экономики / Под общей редакцией к. э. н. Панкова В.А. Ч.1. Краматорск: Донбасская государственная машиностроительная академия, 1999. С.56-57.
14. Развитие эконометрических исследований / Орлов А.И., Фалько С.Г., Русанова Г.В., Горчакова Л.С., Алешин Д.Н., Волков Д.Л., Вологжанина С.А. // Тезисы докладов научно-технической конференции, посвященной 170-летию МГТУ им. Н.Э. Баумана (21-23 ноября 2000 г.). Часть 2. – М.: Издательство МГТУ им. Н.Э.Баумана, 2000. С.95-95.
15. Орлов А.И., Фалько С.Г., Русанова Г.В., Горчакова Л.С., Орлова Л.А., Гуськова Е.А. О разработке новых эконометрических методов управления предприятием // Вторая международная конференция по проблемам управления (17-19 июня 2003 года). Тезисы докладов в двух томах. Том 2. – М.: Институт проблем управления, 2003. С.30.
16. Орлов А.И., Русанова Г.В., Горчакова Л.С., Орлова Л.А., Гуськова Е.А., Митрохин И.Н. Эконометрические инструменты управления предприятием // Управление организацией: диагностика, стратегия, эффективность. Материалы XII Международной научно-практической конференции 15-16 апреля 2004 г. - М.: Издательский дом «МЕЛАП», 2004. - С.65- 66.
17. Орлов А.И., Волков Д.Л. Эконометрические методы при управлении ресурсами и информационная поддержка бизнеса для фирмы-оператора связи // Приднiпровський науковий вiсник. Донбаський випуск. Матерiали мiжнародноi науково-технiчноi конференцii «Проблеми i практика управлiння в економiчных системах». Економiка. № 109 (176). Грудень 1998 р. С.19-21.
18. Орлов А.И., Волков Д.Л. Эконометрические методы в работе оператора связи // Математические методы в технике и технологиях – ММТТ-12: Сб. трудов Международной научной конференции. В 5-ти т. Т.4. Секции 9, 10 / Новгородский государственный университет. Великий Новгород, 1999. С.77-79.
19. Орлов А.И., Жихарев В.Н., Кольцов В.Г. Эконометрический метод оценки результатов влияния // Тезисы конференции «Организация производства на предприятиях в современных условиях», посвященной 70-летию кафедры «Экономика и организация производства» МГТУ им. Н.Э. Баумана. - М.: Изд-во МГТУ им. Н.Э.Баумана, 1999. С.113-114.
20. Орлов А.И., Жихарев В.Н., Кольцов В.Г. Новый эконометрический метод «ЖОК» оценки результатов взаимовлияний факторов в инженерном менеджменте // Проблемы технологии, управления и экономики / Под общей редакцией к. э. н. Панкова В.А. Ч.1. Краматорск: Донбасская государственная машиностроительная академия, 1999. С.87-89.
21. Орлов А.И. Анализ экспертных упорядочений // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2015. № 112. С. 21–51.
22. Горский В.Г., Гриценко А.А., Орлов А.И. Эконометрические методы в задачах экологического страхования и химической безопасности биосферы // Тезисы конференции «Организация производства на предприятиях в современных условиях», посвященной 70-летию кафедры «Экономика и организация производства» МГТУ им. Н.Э. Баумана. - М.: Изд-во МГТУ им. Н.Э.Баумана, 1999. С.115-115.
23. Орлов А.И., Спорняк А.В. Комплексное применение технологии «SAWORL», Internet, логистики и эконометрики // Труды V международной конференции «Продукция и технологии: продвижение на рынок» (13-15 декабря 2000 г.). - М.: Изд-во АНО «Центр Квалитет», 2000. С.129-130.
24. Орлов А.И., Спорняк А.В. Математические и эконометрические методы в логистике и финансовой деятельности // Математические методы в технике и технологиях - ММТТ-14. Сб. трудов Международной научной конференции в 6-и т. Т.6. Секции 10, 11, 12. / Смоленский филиал Московского энергетического института (технического ун-та). Смоленск, 2001. С.230.
25. Орлов А.И. Репрезентативная теория измерений – одна из основ эконометрики // Тезисы докладов 6-й всероссийской научно-технической конференции «Состояние и проблемы измерений» (23-25 ноября 1999 г. I часть. - М.: Изд-во МГТУ им. Н.Э.Баумана, 1999. С.24-25.
26. Орлов А.И. Высокая статистика. Высокие статистические технологии и эконометрика в контроллинге // Российское предпринимательство, 2001. № 5. С.91-93.
27. Орлов А.И. Эконометрическая поддержка контроллинга // Контроллинг. 2002. №1. С.42-53.
28. Орлова Л.А., Орлов А.И. Эконометрические информационные технологии на предприятии // Предприятия России в транзитивной экономике. Материалы международной научно-практической конференции (Ярославль, 29-30 октября 2002 г.). II часть. - Ярославль: Концерн «Подати», 2002.С. 28-30.
29. Орлов А.И., Орлова Л.А. Применение эконометрических методов при решении задач контроллинга // Контроллинг. 2003. № 4(8). С. 50-54.
30. Орлова Л.А., Орлов А.И. Эконометрика, ИСУП и контроллинг на предприятии // Хозяйствующий субъект: новое экономическое состояние и развитие. Материалы международной научно-практической конференции. Часть II. - Ярославль: Концерн «Подати», 2003. С. 14-17.
31. Загонова Н.С., Орлов А.И. Мы новый, лучший вариант построим. Эконометрическая поддержка контроллинга инноваций. Нечеткий выбор // Российское предпринимательство. 2004. №4. С. 54-57.
32. Орлов А.И. Эконометрические инструменты контроллинга // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2015. № 107. С. 1073–1101.
33. Орлов А.И. Эконометрика для контроллеров // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2015. № 107. С. 1049–1072.
34. Орлов А.И. Современные эконометрические методы - интеллектуальные инструменты инженера, управленца и экономиста // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2016. № 116. С. 484 – 514.
35. Орлов А.И. Современная эконометрика // Международная газета «Наука и технология в России», 1997. № 1 (18). С. 16-17.
36. Орлов А.И. Эконометрика. Учебник для вузов. Изд. 3-е, переработанное и дополненное. - М.: Изд-во «Экзамен», 2004. – 576 с.
37. Орлов А.И. Троянские технологии в инновационном менеджменте и борьба с ними // Управление инновациями – 2006. Материалы международной научно-практической конференции. – М.: Доброе слово, 2006. – С.156-160.
38. Орлов А.И., Балтян А.В. Эконометрика - современный инструмент инженера и менеджера // Всероссийская межвузовская научно-практическая конференция «Российский вуз: в центре внимания - личность» (Проблемы воспитания). Тезисы докладов. Том 2. – Ростов–на-Дону: Донской государственный технический университет, 1999. С. 228-230.
39. Орлов А.И., Фалько С.Г. Методология преподавания эконометрики на экономических факультетах технических вузов // Международная научно-методическая конференция «Методология преподавания статистики, эконометрики и экономико-математических дисциплин в экономических вузах». Тезисы докладов (2-6 февраля 1999 г., МЭСИ). - М.: Моск. гос. ун-т экономики, статистики и информатики, 1999. - С.108-109.
40. Орлов А.И. Эконометрика и ее преподавание на кафедре // 70 лет кафедры «Экономика и организация производства» (1929-1999). Сб. статей под ред. С.Г. Фалько. - М.: Изд-во МГТУ им. Н.Э. Баумана, 1999. - С.67-75.
41. Орлов А.И. Эконометрика как наука и учебный предмет // Математические методы в технике и технологиях - ММТТ-2000: Сб. трудов 13 Международной научной конференции. В 7-и томах. Том 5. Секции 6,9. / Санкт-Петербургский государственный технологический институт (технический университет). Санкт-Петербург, 2000. - С.138-140.
42. Орлов А.И., Фалько С.Г. О преподавании эконометрики в технических университетах // Стратегия развития университетского технического образования в России. Тезисы докладов всероссийской научно-практической конференции (23-24 ноября 2000 г.). - М.: Издательство МГТУ им. Н.Э.Баумана, 2000. С.71-73.
43. Орлов А.И. Эконометрика. Учебное пособие для вузов. - М.: Изд-во «Экзамен», 2002. – 576 с.
44. Орлов А.И. Эконометрика. Учебник для вузов. Изд. 2-е, переработанное и дополненное. - М.: Изд-во «Экзамен», 2003. – 576 с.
45. Орлов А.И. Эконометрика. Изд. 4-е, доп. и перераб. Учебник для вузов. – Ростов-на-Дону: Феникс, 2009. - 572 с.
46. Орлов А.И. Новая парадигма разработки и преподавания организационно-экономического моделирования, эконометрики и статистики в техническом университете // Статистика и прикладные исследования: сборник трудов Всерос. научн. конф. – Краснодар: Издательство КубГАУ, 2011. – С.131-144.
47. Орлов А.И. Организационно-экономическое моделирование, эконометрика и статистика в техническом университете // Вестник МГТУ им. Н.Э. Баумана. Сер. «Естественные науки». 2012. №1. С. 106-118.
48. Орлов А.И. Новая парадигма организационно-экономического моделирования, эконометрики и статистики // Вторые Чарновские Чтения. Сборник тезисов. Материалы II международной научной конференции по организации производства. Москва, 7 – 8 декабря 2012 г. – М.: НП «Объединение контроллеров», 2012. – С. 116-120.
49. Орлов А.И. Организационно-экономическое моделирование, эконометрика и статистика при решении задач экономики и организации производства // Инженерный журнал: наука и инновации, 2014, вып. 1. URL: http://engjournal.ru/catalog/indust/hidden/1198.html
50. Орлов А.И. Новая парадигма анализа статистических и экспертных данных в задачах экономики и управления / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2014. – №04(098). С. 105 – 125. – IDA [article ID]: 0981404008. – Режим доступа: http://ej.kubagro.ru/2014/04/pdf/08.pdf , 1,312 у.п.л., импакт-фактор РИНЦ=0,346
51. Орлов А.И. Новая парадигма анализа статистических и экспертных данных в задачах управления // Труды X Международной конференции «Идентификация систем и задачи управления» SICPRO '15. Москва, 26-29 января 2015 г. М.: Институт проблем управления им. В.А. Трапезникова, 2015. 1484 с. [Электронный ресурс]. - Электронные текстовые дан. (121 файл, 68,5 Мб). - М.: ИРУ РАН, 2015. - 1 электронно-оптический диск (CD-ROM). - Системные требования: Pentium 4. Acrobat PReader 6.0 и выше. - Загл. с экрана. - ISBN 978-5-91450-162-1. - С.34 - 42.
52. Анализ нечисловой информации в социологических исследованиях. - М.: Наука, 1985. - 222 с.
53. Организация и планирование машиностроительного производства (производственный менеджмент) / К.А. Грачева, М.К. Захарова, Л.А.Одинцова и др.: Под ред. Ю.В. Скворцова, Л.А.Некрасова. – М.: Высшая школа, 2003. - 470 с.
54. Орлов А.И. Организационно-экономическое моделирование: теория принятия решений. — М. : КноРус, 2011. — 568 с.
55. Орлов А.И. Оптимальный план управления запасами нельзя найти на основе формулы квадратного корня // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2015. № 106. С. 270–300.

References
1. Orlov A.I. Novaja paradigma matematicheskih metodov jekonomiki // Jekonomicheskij analiz: teorija i praktika. – 2013. – № 36 (339). – S.25–30.
2. Orlov A.I. Novaja paradigma prikladnoj statistiki // Statistika i prikladnye issledovanija: sbornik trudov Vseros. nauchn. konf. – Krasnodar: Izdatel'stvo KubGAU, 2011. – S.206-217.
3. Orlov A.I. Novaja paradigma prikladnoj statistiki // Zavodskaja laboratorija. Diagnostika materialov. 2012. T. 78. №1, chast' I. S.87-93.
4. Orlov A.I. Novaja paradigma matematicheskoj statistiki // Materialy respublikanskoj nauchno-prakticheskoj konferencii «Statistika i ejo primenenija – 2012». Pod redakciej professora A.A. Abdushukurova. – Tashkent: NUUz, 2012. – S.21-36.
5. Orlov A.I. Osnovnye cherty novoj paradigmy matematicheskoj statistiki // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2013. № 90. S. 45-71.
6. Orlov A.I. Novaja paradigma matematicheskih metodov issledovanija // Zavodskaja laboratorija. Diagnostika materialov. 2015. T.81. №.7 S. 5-5.
7. Orlov A.I. Nauchnaja shkola kafedry «Jekonomika i organizacija proizvodstva» v oblasti jekonometriki // Chetvjortye Charnovskie Chtenija. Sbornik trudov. Materialy IV mezhdunarodnoj nauchnoj konferencii po organizacii proizvodstva. Moskva, 5-6 dekabrja 2014 g. – M.: NP «Ob#edinenie kontrollerov», 2014. – S.347 - 357.
8. Orlov A.I. Verojatnostno-statisticheskie metody v rabotah A.N. Kolmogorova // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2014. № 98. S. 96-104.
9. Fal'ko S.G. Pochemu v arsenale menedzherov segodnja net principial'no novyh metodov i instrumentov?! // Innovacii v menedzhmente. 2015. № 1 (3). S. 2-3.
10. Orlov A.I., Lucenko E.V., Lojko V.I. Perspektivnye matematicheskie i instrumental'nye metody kontrollinga. Pod nauchnoj red. prof. S.G. Fal'ko. Monografija (nauchnoe izdanie). – Krasnodar, KubGAU. 2015. – 600 s.
11. Ob jekonometricheskih issledovanijah / Orlov A.I., Zhiharev V.N., Ivanova I.G., Ivanova N.Ju., Cupin V.A. // Tezisy dokladov Tret'ej Vserossijskoj shkoly-kollokviuma po stohasticheskim metodam (Tuapse, 17-24 sentjabrja 1996 g.) – M.:TVP, 1996. S.122-123.
12. Razrabotka novyh jekonometricheskih metodov upravlenija promyshlennym predprijatiem / Orlov A.I., Fal'ko S.G., Rusanova G.V., Gorchakova L.S., Aleshin D.N., Volkov D.L. // Tezisy konferencii «Organizacija proizvodstva na predprijatijah v sovremennyh uslovijah», posvjashhennoj 70-letiju kafedry «Jekonomika i organizacija proizvodstva» MGTU im. N.Je. Baumana. - M.: Izd-vo MGTU im. N.Je.Baumana, 1999. S.111-112.
13. Razrabotka i izuchenie novyh jekonometricheskih metodov upravlenija promyshlennym predprijatiem / Orlov A.I., Fal'ko S.G., Rusanova G.V., Gorchakova L.S., Aleshin D.N., Volkov D.L. // Problemy tehnologii, upravlenija i jekonomiki / Pod obshhej redakciej k. je. n. Pankova V.A. Ch.1. Kramatorsk: Donbasskaja gosudarstvennaja mashinostroitel'naja akademija, 1999. S.56-57.
14. Razvitie jekonometricheskih issledovanij / Orlov A.I., Fal'ko S.G., Rusanova G.V., Gorchakova L.S., Aleshin D.N., Volkov D.L., Vologzhanina S.A. // Tezisy dokladov nauchno-tehnicheskoj konferencii, posvjashhennoj 170-letiju MGTU im. N.Je. Baumana (21-23 nojabrja 2000 g.). Chast' 2. – M.: Izdatel'stvo MGTU im. N.Je.Baumana, 2000. S.95-95.
15. Orlov A.I., Fal'ko S.G., Rusanova G.V., Gorchakova L.S., Orlova L.A., Gus'kova E.A. O razrabotke novyh jekonometricheskih metodov upravlenija predprijatiem // Vtoraja mezhdunarodnaja konferencija po problemam upravlenija (17-19 ijunja 2003 goda). Tezisy dokladov v dvuh tomah. Tom 2. – M.: Institut problem upravlenija, 2003. S.30.
16. Orlov A.I., Rusanova G.V., Gorchakova L.S., Orlova L.A., Gus'kova E.A., Mitrohin I.N. Jekonometricheskie instrumenty upravlenija predprijatiem // Upravlenie organizaciej: diagnostika, strategija, jeffektivnost'. Materialy XII Mezhdunarodnoj nauchno-prakticheskoj konferencii 15-16 aprelja 2004 g. - M.: Izdatel'skij dom «MELAP», 2004. - S.65- 66.
17. Orlov A.I., Volkov D.L. Jekonometricheskie metody pri upravlenii resursami i informacionnaja podderzhka biznesa dlja firmy-operatora svjazi // Pridniprovs'kij naukovij visnik. Donbas'kij vipusk. Materiali mizhnarodnoi naukovo-tehnichnoi konferencii «Problemi i praktika upravlinnja v ekonomichnyh sistemah». Ekonomika. № 109 (176). Gruden' 1998 r. S.19-21.
18. Orlov A.I., Volkov D.L. Jekonometricheskie metody v rabote operatora svjazi // Matematicheskie metody v tehnike i tehnologijah – MMTT-12: Sb. trudov Mezhdunarodnoj nauchnoj konferencii. V 5-ti t. T.4. Sekcii 9, 10 / Novgorodskij gosudarstvennyj universitet. Velikij Novgorod, 1999. S.77-79.
19. Orlov A.I., Zhiharev V.N., Kol'cov V.G. Jekonometricheskij metod ocenki rezul'tatov vlijanija // Tezisy konferencii «Organizacija proizvodstva na predprijatijah v sovremennyh uslovijah», posvjashhennoj 70-letiju kafedry «Jekonomika i organizacija proizvodstva» MGTU im. N.Je. Baumana. - M.: Izd-vo MGTU im. N.Je.Baumana, 1999. S.113-114.
20. Orlov A.I., Zhiharev V.N., Kol'cov V.G. Novyj jekonometricheskij metod «ZhOK» ocenki rezul'tatov vzaimovlijanij faktorov v inzhenernom menedzhmente // Problemy tehnologii, upravlenija i jekonomiki / Pod obshhej redakciej k. je. n. Pankova V.A. Ch.1. Kramatorsk: Donbasskaja gosudarstvennaja mashinostroitel'naja akademija, 1999. S.87-89.
21. Orlov A.I. Analiz jekspertnyh uporjadochenij // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2015. № 112. S. 21–51.
22. Gorskij V.G., Gricenko A.A., Orlov A.I. Jekonometricheskie metody v zadachah jekologicheskogo strahovanija i himicheskoj bezopasnosti biosfery // Tezisy konferencii «Organizacija proizvodstva na predprijatijah v sovremennyh uslovijah», posvjashhennoj 70-letiju kafedry «Jekonomika i organizacija proizvodstva» MGTU im. N.Je. Baumana. - M.: Izd-vo MGTU im. N.Je.Baumana, 1999. S.115-115.
23. Orlov A.I., Spornjak A.V. Kompleksnoe primenenie tehnologii «SAWORL», Internet, logistiki i jekonometriki // Trudy V mezhdunarodnoj konferencii «Produkcija i tehnologii: prodvizhenie na rynok» (13-15 dekabrja 2000 g.). - M.: Izd-vo ANO «Centr Kvalitet», 2000. S.129-130.
24. Orlov A.I., Spornjak A.V. Matematicheskie i jekonometricheskie metody v logistike i finansovoj dejatel'nosti // Matematicheskie metody v tehnike i tehnologijah - MMTT-14. Sb. trudov Mezhdunarodnoj nauchnoj konferencii v 6-i t. T.6. Sekcii 10, 11, 12. / Smolenskij filial Moskovskogo jenergeticheskogo instituta (tehnicheskogo un-ta). Smolensk, 2001. S.230.
25. Orlov A.I. Reprezentativnaja teorija izmerenij – odna iz osnov jekonometriki // Tezisy dokladov 6-j vserossijskoj nauchno-tehnicheskoj konferencii «Sostojanie i problemy izmerenij» (23-25 nojabrja 1999 g. I chast'. - M.: Izd-vo MGTU im. N.Je.Baumana, 1999. S.24-25.
26. Orlov A.I. Vysokaja statistika. Vysokie statisticheskie tehnologii i jekonometrika v kontrollinge // Rossijskoe predprinimatel'stvo, 2001. № 5. S.91-93.
27. Orlov A.I. Jekonometricheskaja podderzhka kontrollinga // Kontrolling. 2002. №1. S.42-53.
28. Orlova L.A., Orlov A.I. Jekonometricheskie informacionnye tehnologii na predprijatii // Predprijatija Rossii v tranzitivnoj jekonomike. Materialy mezhdunarodnoj nauchno-prakticheskoj konferencii (Jaroslavl', 29-30 oktjabrja 2002 g.). II chast'. - Jaroslavl': Koncern «Podati», 2002.S. 28-30.
29. Orlov A.I., Orlova L.A. Primenenie jekonometricheskih metodov pri reshenii zadach kontrollinga // Kontrolling. 2003. № 4(8). S. 50-54.
30. Orlova L.A., Orlov A.I. Jekonometrika, ISUP i kontrolling na predprijatii // Hozjajstvujushhij sub#ekt: novoe jekonomicheskoe sostojanie i razvitie. Materialy mezhdunarodnoj nauchno-prakticheskoj konferencii. Chast' II. - Jaroslavl': Koncern «Podati», 2003. S. 14-17.
31. Zagonova N.S., Orlov A.I. My novyj, luchshij variant postroim. Jekonometricheskaja podderzhka kontrollinga innovacij. Nechetkij vybor // Rossijskoe predprinimatel'stvo. 2004. №4. S. 54-57.
32. Orlov A.I. Jekonometricheskie instrumenty kontrollinga // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2015. № 107. S. 1073–1101.
33. Orlov A.I. Jekonometrika dlja kontrollerov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2015. № 107. S. 1049–1072.
34. Orlov A.I. Sovremennye jekonometricheskie metody - intellektual'nye instrumenty inzhenera, upravlenca i jekonomista // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2016. № 116. S. 484 – 514.
35. Orlov A.I. Sovremennaja jekonometrika // Mezhdunarodnaja gazeta «Nauka i tehnologija v Rossii», 1997. № 1 (18). S. 16-17.
36. Orlov A.I. Jekonometrika. Uchebnik dlja vuzov. Izd. 3-e, pererabotannoe i dopolnennoe. - M.: Izd-vo «Jekzamen», 2004. – 576 s.
37. Orlov A.I. Trojanskie tehnologii v innovacionnom menedzhmente i bor'ba s nimi // Upravlenie innovacijami – 2006. Materialy mezhdunarodnoj nauchno-prakticheskoj konferencii. – M.: Dobroe slovo, 2006. – S.156-160.
38. Orlov A.I., Baltjan A.V. Jekonometrika - sovremennyj instrument inzhenera i menedzhera // Vserossijskaja mezhvuzovskaja nauchno-prakticheskaja konferencija «Rossijskij vuz: v centre vnimanija - lichnost'» (Problemy vospitanija). Tezisy dokladov. Tom 2. – Rostov–na-Donu: Donskoj gosudarstvennyj tehnicheskij universitet, 1999. S. 228-230.
39. Orlov A.I., Fal'ko S.G. Metodologija prepodavanija jekonometriki na jekonomicheskih fakul'tetah tehnicheskih vuzov // Mezhdunarodnaja nauchno-metodicheskaja konferencija «Metodologija prepodavanija statistiki, jekonometriki i jekonomiko-matematicheskih disciplin v jekonomicheskih vuzah». Tezisy dokladov (2-6 fevralja 1999 g., MJeSI). - M.: Mosk. gos. un-t jekonomiki, statistiki i informatiki, 1999. - S.108-109.
40. Orlov A.I. Jekonometrika i ee prepodavanie na kafedre // 70 let kafedry «Jekonomika i organizacija proizvodstva» (1929-1999). Sb. statej pod red. S.G. Fal'ko. - M.: Izd-vo MGTU im. N.Je. Baumana, 1999. - S.67-75.
41. Orlov A.I. Jekonometrika kak nauka i uchebnyj predmet // Matematicheskie metody v tehnike i tehnologijah - MMTT-2000: Sb. trudov 13 Mezhdunarodnoj nauchnoj konferencii. V 7-i tomah. Tom 5. Sekcii 6,9. / Sankt-Peterburgskij gosudarstvennyj tehnologicheskij institut (tehnicheskij universitet). Sankt-Peterburg, 2000. - S.138-140.
42. Orlov A.I., Fal'ko S.G. O prepodavanii jekonometriki v tehnicheskih universitetah // Strategija razvitija universitetskogo tehnicheskogo obrazovanija v Rossii. Tezisy dokladov vserossijskoj nauchno-prakticheskoj konferencii (23-24 nojabrja 2000 g.). - M.: Izdatel'stvo MGTU im. N.Je.Baumana, 2000. S.71-73.
43. Orlov A.I. Jekonometrika. Uchebnoe posobie dlja vuzov. - M.: Izd-vo «Jekzamen», 2002. – 576 s.
44. Orlov A.I. Jekonometrika. Uchebnik dlja vuzov. Izd. 2-e, pererabotannoe i dopolnennoe. - M.: Izd-vo «Jekzamen», 2003. – 576 s.
45. Orlov A.I. Jekonometrika. Izd. 4-e, dop. i pererab. Uchebnik dlja vuzov. – Rostov-na-Donu: Feniks, 2009. - 572 s.
46. Orlov A.I. Novaja paradigma razrabotki i prepodavanija organizacionno-jekonomicheskogo modelirovanija, jekonometriki i statistiki v tehnicheskom universitete // Statistika i prikladnye issledovanija: sbornik trudov Vseros. nauchn. konf. – Krasnodar: Izdatel'stvo KubGAU, 2011. – S.131-144.
47. Orlov A.I. Organizacionno-jekonomicheskoe modelirovanie, jekonometrika i statistika v tehnicheskom universitete // Vestnik MGTU im. N.Je. Baumana. Ser. «Estestvennye nauki». 2012. №1. S. 106-118.
48. Orlov A.I. Novaja paradigma organizacionno-jekonomicheskogo modelirovanija, jekonometriki i statistiki // Vtorye Charnovskie Chtenija. Sbornik tezisov. Materialy II mezhdunarodnoj nauchnoj konferencii po organizacii proizvodstva. Moskva, 7 – 8 dekabrja 2012 g. – M.: NP «Ob#edinenie kontrollerov», 2012. – S. 116-120.
49. Orlov A.I. Organizacionno-jekonomicheskoe modelirovanie, jekonometrika i statistika pri reshenii zadach jekonomiki i organizacii proizvodstva // Inzhenernyj zhurnal: nauka i innovacii, 2014, vyp. 1. URL: http://engjournal.ru/catalog/indust/hidden/1198.html
50. Orlov A.I. Novaja paradigma analiza statisticheskih i jekspertnyh dannyh v zadachah jekonomiki i upravlenija / A.I. Orlov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. – Krasnodar: KubGAU, 2014. – №04(098). S. 105 – 125. – IDA [article ID]: 0981404008. – Rezhim dostupa: http://ej.kubagro.ru/2014/04/pdf/08.pdf , 1,312 u.p.l., impakt-faktor RINC=0,346
51. Orlov A.I. Novaja paradigma analiza statisticheskih i jekspertnyh dannyh v zadachah upravlenija // Trudy X Mezhdunarodnoj konferencii «Identifikacija sistem i zadachi upravlenija» SICPRO '15. Moskva, 26-29 janvarja 2015 g. M.: Institut problem upravlenija im. V.A. Trapeznikova, 2015. 1484 s. [Jelektronnyj resurs]. - Jelektronnye tekstovye dan. (121 fajl, 68,5 Mb). - M.: IRU RAN, 2015. - 1 jelektronno-opticheskij disk (CD-ROM). - Sistemnye trebovanija: Pentium 4. Acrobat PReader 6.0 i vyshe. - Zagl. s jekrana. - ISBN 978-5-91450-162-1. - S.34 - 42.
52. Analiz nechislovoj informacii v sociologicheskih issledovanijah. - M.: Nauka, 1985. - 222 s.
53. Organizacija i planirovanie mashinostroitel'nogo proizvodstva (proizvodstvennyj menedzhment) / K.A. Gracheva, M.K. Zaharova, L.A.Odincova i dr.: Pod red. Ju.V. Skvorcova, L.A.Nekrasova. – M.: Vysshaja shkola, 2003. - 470 s.
54. Orlov A.I. Organizacionno-jekonomicheskoe modelirovanie: teorija prinjatija reshenij. — M. : KnoRus, 2011. — 568 s.
55. Orlov A.I. Optimal'nyj plan upravlenija zapasami nel'zja najti na osnove formuly kvadratnogo kornja // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2015. № 106. S. 270–300.

Публикация:
1021. Орлов А.И. Отечественная научная школа в области эконометрики / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2016. – №07(121). С. 235 – 261. – IDA [article ID]: 1211607006. – Режим доступа: http://ej.kubagro.ru/2016/07/pdf/06.pdf, 1,688 у.п.л.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Наша научная школа в области эконометрики
СообщениеДобавлено: Пн май 15, 2017 11:36 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 11579
УДК 519.2:005.521:633.1:004.8 UDC 519:2:005.521:633.1:004.8

01.00.00 Физико-математические науки
Physics and mathematical sciences

ЭКОНОМЕТРИКА КАК УЧЕБНАЯ ДИСЦИПЛИНА
ECONOMETRICS AS AN ACADEMIC DISCIPLINE

Орлов Александр Иванович
д.э.н., д.т.н., к.ф.-м.н., профессор
РИНЦ SPIN-код: 4342-4994
Orlov Alexander Ivanovich
Dr.Sci.Econ., Dr.Sci.Tech., Cand.Phys-Math.Sci., professor
Московский государственный технический университет им. Н.Э. Баумана, Россия, 105005, Москва, 2-я Бауманская ул., 5, prof-orlov@mail.ru
Bauman Moscow State Technical University, Moscow, Russia

Статистические методы широко используются в отечественных технико-экономических исследованиях. Однако для большинства менеджеров, экономистов и инженеров они являются экзотикой. Это объясняется тем, что в вузах современным статистическим методам не учат. Обсудим сложившуюся ситуацию, уделив основное внимание статистическим методам в экономических и технико-экономических исследованиях, т.е. эконометрике. В мировой науке эконометрика занимает достойное место. Имеются научные журналы по эконометрике, нобелевские премии по экономике присуждены ряду эконометриков. Положение в области научных и практических работ и особенно преподавания эконометрики в России является неблагополучным. Зачастую за эконометрику выдают отдельные частные построения, например, относящиеся к регрессионному анализу. Статья посвящена эконометрике как учебной дисциплине. Начинается курс с обсуждения структуры современной эконометрики, соотношения прикладной статистики и эконометрических методов. Рассмотрены выборочные исследования (анализ результатов опросов), элементы эконометрики чисел, методы статистической проверки гипотез однородности. Даны понятия о регрессионном анализе, эконометрических методах классификации, современной теории измерений. Важное место занимает статистика нечисловых данных (включая нечеткие множества и их связь со случайными), статистика интервальных данных. Обсуждается проблема устойчивости статистических процедур по отношению к допустимым отклонениям исходных данных и предпосылок модели. Дано представление об эконометрических методах экспертных исследований и управления качеством, анализе и прогнозе временных рядов, эконометрике прогнозирования и риска.
Statistical methods are widely used in domestic feasibility studies. However, for most managers, economists and engineers, they are exotic. This is due to the fact that modern statistical methods are not taught in the universities. We discuss the situation, focusing on the statistical methods for economic and feasibility studies, ie, econometrics. In the world of science, econometrics has a rightful place. There are scientific journals in econometrics, Nobel Prizes in Economics are given to series of researches in econometrics. The situation in the field of scientific and practical work and especially the teaching of econometrics in Russia is disadvantaged. Often, individual particular constructions replace econometrics in general, such as those related to regression analysis. The article is devoted to econometrics as an academic discipline. Our course begins with a discussion of the structure of modern econometrics, the connections between applied statistics and econometric methods. We consider sample researches (analysis of surveys results), the elements of econometrics numbers, and methods of testing of statistical hypothesis about homogeneity. We have given the concepts of regression analysis, econometric classification methods, modern measurement theory. The important places are occupied by the statistics of non-numerical data (including fuzzy sets and their links with random sets) and the statistics of interval data. The problem of the stability of statistical procedures with respect to the tolerances of input data and model prerequisites is discussed. The representations of the econometric methods of expert research and quality control, analysis and forecasting of time series, econometrics of forecasting and risks are given

Ключевые слова: СТАТИСТИЧЕСКИЕ МЕТОДЫ, ЭКОНОМЕТРИКА, УПРАВЛЕНИЕ, ЭКОНОМИКА, СТАТИСТИКА НЕЧИСЛОВЫХ И ИНТЕРВАЛЬНЫХ ДАННЫХ, ИНФЛЯЦИЯ

Doi: 10.21515/1990-4665-128-050

Keywords: STATISTICAL METHODS, ECONOMETRICS, MANAGEMENT, ECONOMICS, STATISTICS OF NON-NUMERIC AND INTERVAL DATA, INFLATION

1. Введение
Известно, что современные эконометрические методы - полезные интеллектуальные инструменты инженера, управленца и экономиста [1]. Эконометрика - самостоятельная научная, прикладная и учебная дисциплина. В настоящей статье рассмотрим примерное содержание эконометрики как учебного предмета в соответствии с подходом отечественной научной школы в области эконометрики [2]. Комментарии к разделам курса показывают их место в современной эконометрике и обосновывают необходимость включения соответствующего материала в учебную программу.

2. Вводный раздел: структура современной эконометрики
Структура современной статистики: математическая статистика, прикладная статистика, применения статистических методов в конкретных областях. Определение эконометрики как науки о применении статистических методов для анализа конкретных экономических данных, а эконометрических методов - как статистических методов анализа экономических данных. Разрыв между математической статистикой и Госкомстатом РФ. Всегда ли можно верить данным Госкомстата РФ? Пример с оцениванием вузовской науки по числу научных ставок в вузах. Особенности экономических данных и их учет при применении методов прикладной статистики. Понятие об эконометрических моделях (на примерах моделей управления качеством, анализа экспертных оценок и др.). Понятие о конкретных применениях эконометрики (на примере динамики цен и индекса инфляции).
Содержание этого вводного раздела достаточно полно раскрыто в статье [1]. Приведем содержание только одного из наиболее интересных для студентов раздела эконометрики, посвященного изучении динамики цен с помощью индексов инфляции.
Проблемы и методы анализа динамики цен. Инфляция как рост цен. Рост цен на отдельные товары и услуги и проблемы построения сводной характеристики. Различные варианты потребительских корзин. Определение и расчет индексов инфляции. Динамика инфляции в России. Теорема умножения (связь между значениями индексов инфляции для трех значений времени) и средний индекс (темп) инфляции как среднее геометрическое. Распространенные ошибки при агрегировании индексов инфляции. Принципиальная разница между малыми и большими значениями индексов инфляции. Связь годового индекса и помесячными и средним за год. Теорема сложения для индекса инфляции (правило объединения индексов инфляции для отдельных товарных групп).
Применения индекса инфляции в различных экономических расчетах. Приведение к сопоставимым ценам. Сравнения средней заработной платы, пенсий, стипендий в различные моменты времени. Реальные результаты индексирования заработной платы и пенсий. Расчет прожиточного минимума, его динамика. Учет индекса инфляции при расчете реального значения процента на вклад в банк, реального процента платы за кредит. Как процент платы за кредит может быть отрицательным? Оценка динамики курса доллара США в России с помощью потребительских паритетов, сравнение с Китаем. Применение индекса инфляции при оценке стоимости основных и оборотных фондов. Опыт прогнозирования индекса инфляции и стоимости потребительской корзины. Применение индекса инфляции при организации производства. Конверсия, индекс инфляции и сохранность технологических цепочек (на примере специальной техники). Динамика макроэкономических показателей России. Использование индекса инфляции при оценивание экономического положения предприятий, при финансовом анализе результатов их деятельности.

3. Прикладная статистика и эконометрические методы
Области современных статистических методов: статистика чисел (случайных величин), статистика векторов (многомерный статистический анализ), статистика функций (случайных процессов и временных рядов), статистика нечисловых данных. Современная прикладная статистика и эконометрика. Пять точек роста эконометрических методов: непараметрическая статистика, устойчивость статистических процедур, размножение выборок, статистика нечисловых данных, статистика интервальных данных.
Объем знаний, которым могут овладеть студенты в вузе, ограничен. Перед организаторами образования постоянно стоит проблема - что включать в учебную программу, а что не включать. Эта проблема решается проще, если известно будущее место работы студентов, т.е. подготовка идет для нужд конкретного предприятия. Представляется очевидным, что студент должен владеть современными методами своей специальности. Следовательно, постоянно должна вестись методическая работа по внедрению современных идей, концепций, подходов, методов, расчетных алгоритмов в учебный процесс (этот раздел методики преподавания называют онтодидактикой). Однако онтодидактические работы предполагают хорошее знакомство с современным уровнем знаний и практического применения, личную работу преподавателя на переднем крае науки и постоянное участие в прикладных исследованиях. Кроме того, приходится постоянно пересматривать само содержание преподавания, модернизировать методическое обеспечение - учебники, учебные пособия, задачники, методические разработки по отдельным темам, лабораторные работы, тематики курсовых и дипломных работ.
Это нелегко. Поэтому вполне естественно, что наблюдается тенденция к консервации. Она выгодна для преподавателя - однажды разработанный курс и его методическое обеспечение используется (с небольшими вариациями) десятилетиями. Она удобна для студентов - те пользуются учебниками, которые за несколько изданий доведены до возможного совершенства, обеспечены заблаговременно изданными задачниками, лабораторными работами и пр. Такая тенденция к консервации обычно наблюдается у курсов "Статистика" (она же "Общая теория статистики") и "Теория вероятностей и математическая статистика". Как следствие консервации, студенты получают знания на уровне 40-60-х годов ХХ в., т.е. с запозданием на 50-70 лет. Наивно думать, что им будет легко самостоятельно осознать и тем более овладеть тем, что возникло за последние полвека.
При ориентации на современные методы есть свои опасности. Можно неправильно оценить значимость тех или иных научных направлений, пропустить перспективные или, что еще хуже, посвятить много времени тем, чье время быстро пройдет. Однако предшествующие эконометрике курсы "Статистика" и "Теория вероятностей и математическая статистика", как правило, настолько далеки от современности, что за основу выбора можно взять развитие эконометрических идей в 70-90-х годах ХХ в.
И преподавателю, и студенту труднее при ориентации на курсы с современной тематикой, чем на консервативные. Однако труд студента оправдывается при выходе на самостоятельное поприще по окончании вуза. Автор настоящей статьи более 45 лет разрабатывал и применял эконометрические методы в различных отраслях народного хозяйства и областях науки и смеет надеяться, что опыт научно-прикладной деятельности позволил разработать и внедрить на кафедре "Экономика и организация производства" факультета "Инженерный бизнес и менеджмент" Московского государственного технического университета им. Н.Э. Баумана современный курс эконометрики (см. [2]).
Пользуясь тем, что студенты уже изучили курс "Теория вероятностей и математическая статистика", в разделе 3 даем представление о современной прикладной статистике согласно [3]. Первые три области современных статистических методов: - статистика чисел (случайных величин), статистика векторов (многомерный статистический анализ), статистика функций (случайных процессов и временных рядов) являются достаточно традиционными, хотя в предваряющих эконометрику курсах о них говорится явно недостаточно, а иногда не так и не то. Статистика нечисловых данных как самостоятельная область возникла в 1970-е годы и до сих пор продолжает активно развиваться, поэтому она выделена как одна из точек роста эконометрических методов.
В соответствии со сказанным выше о необходимости показа студентам современного фронта эконометрических исследований предлагается кратко охарактеризовать основные точки роста, т.е. направления, которые в настоящее время активно развиваются, полезны для практики, но недостаточно представлены в стандартных учебниках. Первой из таких точек указаны непараметрические методы. Хотя они имеют длинную историю, начинающуюся с коэффициентов ранговой корреляции Кендалла и Спирмена начала века и статистик Колмогорова, Смирнова, омега-квадрат тридцатых годов, в преподавании они оттеснены на задний план параметрической статистикой. Почему это произошло? Видимо, тем, что параметрическая статистика, изучающая выборки из семейств распределений, описываемых одним-двумя, максимум тремя числовыми параметрами, имеет дело со сравнительно простым с математической точки зрения объектом. Именно из-за его простоты удалось построить достаточно глубокую, но доступную студентам теорию. Вместе с тем хорошо известно, что распределения реальных данных почти никогда не удается адекватно описать с помощью какого-либо параметрического семейства. В частности, распределения погрешностей измерений, вопреки распространенному заблуждению, почти всегда отличны от нормальных [4]. Таким образом, анализ данных с помощью параметрических методов статистики напоминает поиск ключей под фонарем, где светлее, а не в кустах, где они потеряны.
В настоящее время непараметрическими методами можно решать тот же круг задач, что и параметрическими. При этом вместе неоправданных предположений о принадлежности функций распределения тому или иному параметрическому семейству делаются лишь общие предположения о непрерывности функций распределения. Из общих соображений можно ожидать, что такое расширение области применения может привести к снижению эффективности непараметрических эконометрических методов по сравнению с параметрическими. Однако во многих случаях непараметрические методы оказываются не хуже параметрических, особенно при больших объемах выборок. Иногда, тем не менее, параметрические методы представляются конкурентоспособными. Тогда необходимо изучить устойчивость эконометрических выводов по отношению к допустимым отклонениям исходных данных и предпосылок модели. Общая схема изучения устойчивости эконометрических и экономико-математических методов и моделей дана в [5]. Кроме термина "устойчивость", в данном контексте используются термины "робастность" (от robust - крепкий, грубый (англ.)), чувствительность. Можно выделить два этапа исследования - анализ устойчивости известных процедур, затем поиск новых наиболее устойчивых и вместе с тем достаточно точных. Иногда параметрические и непараметрические методы дают практически одни и те же алгоритмы, особенно при больших объемах выборок. Например, правила доверительного оценивания математического ожидания (при неизвестной дисперсии) в параметрическом случае нормального распределения и в непараметрическом случае произвольного распределения (правило строится на основе центральной предельной теоремы теории вероятностей и теорем о наследовании сходимости [6]) отличаются только тем, что в первом случае используются процентные точки распределения Стьюдента, а во втором - процентные точки стандартного распределения. Как известно, при росте объема выборки первые стремятся ко вторым. Однако иногда изучение устойчивости приводит к неожиданным выводам. Так, анализ проблемы обнаружения резко выделяющихся наблюдений (выбросов) привел к выводу о крайней неустойчивости классических методов: если зафиксировать процентную точку (т.е. правило принятия решений), то велик интервал изменения уровня значимости, если же, наоборот, исходить из заданного уровня значимости, то весьма велик интервал для границы, задающей правил отбраковки [4]. Следовательно, правила отбраковки не имеют научного обоснования, их следует рассматривать как эвристические.
Общеинженерным принципом является указание не только точечного значения измеряемой величины, но и погрешности этого измерения. В экономике и менеджменте, к сожалению, не всегда указывают величины возможных погрешностей измерения. Требование изучения устойчивости статистических процедур нацелено на внедрение указанного общеинженерного принципа в область экономики, инженерного бизнеса и менеджмента. Одним из подходов является статистика интервальных данных (СИД). В ней прослеживается, как погрешности исходных данных, влияют на погрешности выводов, а для этого и исходные данные, и выводы приходится описывать с помощью интервалов, а не чисел, как в классической статистике. СИД активно развивается с 1980-90-х гг., основные ее идеи доступны студентам, поэтому элементы СИД включены в программу по эконометрике.
Другой подход к изучению устойчивости статистических (эконометрических) выводов предполагает интенсивное использование современной вычислительной техники и основан на "размножении выборок". По выборке можно рассчитать одно число - точечную оценку характеристики или параметра, но этого мало - надо иметь доверительный интервал, т.е. нижнюю и верхнюю границы, между которыми с заданной вероятностью находится истинное значение. Параметрическая теория позволяет это сделать, но ее предпосылки неприемлемы. Поэтому вполне естественным является желание "размножить выборку" - вместо одной получить много похожих, по каждой из них рассчитать оценку, а по совокупности оценок построить распределение оценки, указать доверительный интервал. Метод размножения может быть очень простым: из одной выборки объема n можно получить n выборок объема (n-1), если исключать из исходной выборки последовательно по одному элементу (возвращая ранее исключенные обратно). Есть и много иных методов размножения выборок.

4. Выборочные исследования (анализ результатов опросов)
Польза и необходимость выборочных эконометрических исследований. Анкетное исследование (на примере маркетингового исследования потребителей растворимого кофе). Различные виды формулировок вопросов (открытый, закрытый, полузакрытый вопросы), их достоинства и недостатки. Техника интервью. Экономика опросов. Биномиальная и гипергеометрическая модели выборки, их близость в случае большого объема генеральной совокупности по сравнению с выборкой. Асимптотическое распределение выборочной доли (в случае ответов типа "да"-"нет"). Интервальное оценивание доли и метод проверки статистической гипотезы о равенстве долей (на основе теоремы Муавра-Лапласа и таблиц ВЦИОМ).
Изучение конкретных эконометрических методов естественно начать с методов выборочных опросов, практическая польза которых очевидна (разбираем маркетинговое исследование, выполненное по заказу конкретной фирмы), а математическая сложность невелика. Естественным образом возникает сюжет о проверке однородности (другими словами. обнаружении различий), который продолжается в следующей теме.

5. Элементы эконометрики чисел
Определения нормального и логарифмически нормального распределений и их плотностей. Центральная предельная теорема в аддитивном и мультипликативном случае. Методы оценивание параметров логарифмически нормального распределения. Логарифмически нормальное распределение доходов (заработной платы) и "данные" Госкомстата РФ. Непараметрическое оценивание характеристик распределений и доверительных границ для них. Непараметрические методы оценивания плотности.
Тема начинается с сопоставления нормального и логарифмически нормального распределений. Первое из них иногда допустимо использовать при решении технических задач. В эконометрике его использовать нельзя, поскольку плотность нормального распределения всюду положительна, т.е. вероятность отрицательных значений, а в эконометрике обычно рассматриваются неотрицательны величины. Основная причина популярности нормального распределения в эконометрике - центральная предельная теорема теории вероятностей, в которой речь идет о суммах большого числа независимых случайных величин. Если же вместо сумм имеем дело с произведениями, то вместо нормального распределения получаем логарифмически нормальное, сосредоточенное на положительной полуоси. Им можно приближать распределения различных экономических величин, например, доходов населения. В Росстате настолько верят в законность такого приближения, что вместо эмпирических величин публикуют лишь расчетные значения.
При рассмотрении распределения доходов выявляется целесообразность рассмотрения различных видов средних - математического ожидания, медианы, моды. Непараметрическую статистику начинаем с непараметрического точечного и доверительного оценивания таких характеристик распределения, как математическое ожидание, медиана, дисперсия, среднее квадратическое отклонение, коэффициент вариации. Термин "непараметрическое оценивание" означает, что предположения о принадлежности распределения выборки к какому-либо параметрическому семейству отсутствуют, но предполагается существование моментов нужного порядка. С практической точки зрения это всегда выполнено, поскольку реальные распределения всегда сосредоточены на каком-то отрезке (другими словами, финитны).
Завершается раздел рассмотрением непараметрических ядерных оценок плотности распределения, использование которых на базе современной вычислительной техники позволит существенно сузить область применения гистограмм - классического способа наглядного представления данных, обладающего неустранимым недостатками - отсутствием обоснования для выбора числа интервалов и потерей информации из-за группирования.

6. Методы статистической проверки гипотез однородности
Проблема проверки однородности двух выборок (независимых и связанных). Различные формулировки гипотезы однородности двух выборок. Критерий Крамера-Уэлча для проверки равенства математических ожиданий (на основе Центральной предельной теоремы и теоремы о наследовании сходимости).
Эмпирическая функция распределения и основанные на ней непараметрические одновыборочные статистические критерии А.Н.Колмогорова, Н.В.Смирнова, омега-квадрат (Крамера-Мизеса-Смирнова). Проверка гипотезы согласия с параметрическим семейством распределений и распространенная ошибка при использовании критериев Колмогорова и омега-квадрат.
Двухвыборочный критерий Вилкоксона (Манна-Уитни) и его асимптотическая нормальность. Достигаемый уровень значимости. Асимптотическое распределение критерия Вилкоксона при справедливости альтернативной гипотезы и его асимптотическая мощность. Какие выводы можно сделать на основе критерия Вилкоксона? Альтернатива сдвига. Двухвыборочные критерии Смирнова и типа омега-квадрат (Лемана-Розенблатта). Задача обнаружения различия в связанных выборках (письмо главного инженера Рошальского химического комбината). Критерий знаков. Проверка равенства 0 математического ожидания. Одновыборочный критерий Вилкоксона. Проверка симметрии функции распределения относительно 0 с помощью критерия типа омега-квадрат.
Эта тема - одна из примыкающих к классической тематике математической статистики. Однако различия видны с самого начала. Для проверки равенства математических ожиданий двух выборок используем критерий Крамера-Уэлча. Любопытно, что ни в одном "классическом" пособии по математической статистики нельзя найти доказательства асимптотической нормальности этого критерия. Для доказательства (которое в курсе опущено) приходится ссылаться на теорему о наследовании сходимости [6]. Необходимо обратить внимание на отличие критерия Крамера-Уэлча от критерия Стьюдента, который предпочитают рассматривать в курсах математической статистики. Критерий Стьюдента опирается на две предпосылки - нормальность распределения обеих выборок и равенства дисперсий у них. Ни одна из предпосылок обычно не выполняется, особенно для экономических данных.
Проверку согласия с параметрическим семейством с помощью критериев Колмогорова и омега-квадрат любят включать в учебники по "Общей теории статистики", причем обычно делают это с ошибками, о чем подробно написано в статье [7]. Поэтому уклониться от разбора этого вопроса нельзя. Много недоразумений связано и с двухвыборочным критерием Вилкоксона, самым популярным в переводной литературе (разбору неточных утверждений, связанных со свойствами этого критерия, посвящена статья [8]).
Необходимость решения вопроса об однородности в связанных выборках естественно начать с практической задачи, например, с письма главного инженера Рошальского химического комбината, в котором тот просит установить, есть ли различия в показаниях двух вискозиметров, используемых при производстве мастики. От решения этого вопроса зависит, включать ли в соответствующий нормативный документ указание на средство измерения вязкости или в этом нет необходимости.

7. Понятие о регрессионном анализе
Метод наименьших квадратов для линейной прогностической функции. Вид расчетной таблицы. Оценивание параметров. Критерий правильности расчетов. Точечный и интервальный прогноз. Изменение ширины доверительного интервала при увеличении горизонта прогнозирования. Метод наименьших квадратов в случае линейной функции двух переменных. Вид расчетной таблицы. Оценивание параметров. Критерий правильности расчетов. Более общие варианты метода наименьших квадратов. Модель, линейная по параметрам. Преобразования переменных. Оценивание многочлена. Оценка остаточной дисперсии как показатель качества модели. Оценивание размерности модели. Непараметрическая регрессия.
Регрессионный анализ - одна из наиболее разработанных частей эконометрики. Имеются толстые монографии, посвященные отдельным направлениям регрессионного анализа. На основе регрессионного анализа построена теория планирования эксперимента, дающая большой экономический эффект. Методы восстановления зависимостей на основе наименьших квадратов и наименьших модулей, модели линейной и нелинейной (по параметрам) регрессии, оценивание необходимой степени полинома, различные варианты непараметрической регрессии, дисперсионный анализ, многочисленные модели планирования эксперимента, в том числе экстремального - весь этот перечень тем заслуживает того, чтобы студенты их изучали. Для этого необходимо увеличение продолжительности преподавания эконометрики, переход от одного к системе курсов, как это сделано, например, в Высшей школе экономики - "Эконометрика-1", "Эконометрика-2", "Эконометрика-3" ...
Необходимо рассчитывать не только точечные оценки параметров, но и доверительные границы для прогностической функции. Подробно разбираются методы расчета для линейной регрессии с одной независимой переменной. В то же время вероятностной теории уделяется меньше внимания, хотя и дается общее понятие регрессии как условного математического ожидания, описывается ее непараметрическая оценка.

8. Эконометрические методы классификации
Классификация и прогнозирование. Триада: построение классификаций - анализ классификаций - использование классификаций. Лемма Неймана-Пирсона и непараметрический дискриминантный анализ на основе непараметрических оценок плотности в пространствах произвольной природы. Линейный дискриминантный анализ Р.Фишера. Многообразие параметрических и непараметрические методов классификации (распознавания образов). Группировки и кластер-анализ. Методы оценки качества алгоритмов классификации.
Хотя теория классификации несколько менее популярна среди научно-технических работников, количество посвященных ей работ измеряется десятками тысяч. Активно работавшая в 1980-е годы Комиссия ВСНТО по классификации охватывала около 1000 специалистов. Однако классификация как область эконометрики еще не достигла достаточной внутренней стройности. Слишком много отдельных подходов и методов, не связанных друг с другом. О том же свидетельствует и разнобой в терминологии. Построение классификаций называют также распознаванием образов без учителя, автоматической классификацией, кластерным анализом. Использование классификаций - дискриминантным анализом, диагностикой, распознаванием образов с учителем. Тем не менее представляется целесообразным познакомить студентов с основными идеями в области классификации, с алгоритмами кластер-анализа (прежде всего иерархическими агломеративными алгоритмами "ближнего соседа", средней связи, "дальнего соседа"), параметрическими (линейный дискриминантный анализ Р. Фишера) и непараметрическими (на основе непараметрических оценок плотностей, построенных по обучающим выборкам) алгоритмами использования классификаций. Используется также теория принятия статистических решений (при известной матрице потерь из-за ошибочной классификации). Анализ классификаций (разбиений) рассматривается позже, как одна из задач статистики объектов нечисловой природы. Важное место в теме занимают методы оценки качества алгоритмов классификации, в том числе метод пересчета на модель линейного дискриминантного анализа, позволяющий проверять обоснованность использования линейных прогностических индексов. Тема связана как с курсом "Теория вероятностей и математическая статистика" (лемма Неймана-Пирсона), так и с курсом "Статистика" (построение группировок).
Другие многомерные эконометрические методы (многомерное шкалирование, целенаправленное проецирование, метод главных компонент, факторный анализ, канонические корреляции, анализ структуры связей и др.) целесообразно рассмотреть при условии увеличения объема преподавания эконометрики.

9. Современная теория измерений
Шкалы наименований, порядка (ранговая), интервалов, отношений, абсолютная. Проблема адекватности эконометрического вывода. Средние величины, результат сравнения которых инвариантен относительно допустимых преобразований шкалы. Применения к расчету рейтингов.
Рассматриваются основы (репрезентативной) теории измерений: определения, примеры, группы допустимых преобразований для основных типов шкал (наименований, порядка, интервалов, отношений, абсолютной). В качестве основного для эконометрики выдвигается требование устойчивости статистических выводов относительно допустимых преобразований шкал. Сравниваются три вида средних (среднее арифметическое, мода, медиана) для зарплаты работников предприятия. Дается определение средних по Коши. Обсуждается "теорема о медиане" - описание средних, результат сравнения которых устойчив в порядковой шкале. Рассматриваются применения "теоремы о медиане" к рейтингам. Вводятся ассоциативные средние по Колмогорову и дается описание средних, результат сравнения которых устойчив в шкалах интервалов и отношений. Рассматриваются иные применения теории измерений к выбору адекватных методов анализа экономических данных.

10. Статистика нечисловых данных
Различные виды нечисловых данных, связи между ними. Люсианы. Нечеткие множества и их связь со случайными. Метрики (показатели различия), эмпирические и теоретические средние, медиана Кемени, асимптотическое поведение решений экстремальных статистических задач, законы больших чисел непараметрические оценки плотности в произвольных пространствах.
В 1970-х годах стала очевидной большая роль в эконометрике экономических и управленческих данных ранее слабо изучавшихся видов - нечисловых данных, или объектов нечисловой природы. В литературе имеется достаточно подробное описание различных пространств нечисловых данных, а также связей между ними [9]. К нечисловым данным относятся, как уже говорилось, результаты измерений по качественным шкалам (в шкалах наименований и порядка), бинарные отношения (ранжировки (упорядочения), разбиения (отношения эквивалентности), толерантности), последовательности из 0 и 1, множества, нечеткие множества и др. Основные связи между перечисленными видами нечисловых данных были установлены еще в 1970-е годы. Позже была развита, например, теория люсианов (конечных последовательностей испытаний Бернулли с, вообще говоря, различными вероятностями успеха, дающая вероятностную основу для анализа последовательностей из 0 и 1.
Рассматриваются основы теории нечеткости. Даются определения нечетких множеств и операций над ними. Разбираются примеры нечетких множеств, в частности, нечеткие ответы экспертов, и свойства операций над нечеткими множествами. Анализируется связь нечетких множеств со случайными, позволяющая свести теорию нечеткости к теории случайных множеств и тем самым к теории вероятностей.
Вводятся метрики (показатели различия) в пространствах произвольной природы - основа методов статистики нечисловых данных. Дан оптимизационный подход к определению эмпирических и теоретических средних в пространствах произвольной природы, проведено сравнение со свойствами среднего арифметического, математического ожидания, теоретической и выборочной медианы. Эмпирическое среднее предлагается рассматривать как агрегирование мнений экспертов. Обсуждается формулировка законов больших чисел в пространствах произвольной природы.
В качестве эконометрических данных рассматриваются бинарные отношения (ранжировки, разбиения, толерантности). Разбирается их связь с матрицами из 0 и 1 и введение расстояния Кемени между бинарными отношениями. Изучается медиана Кемени, ее асимптотика и свойства при малых объемах выборок и различных предположениях о распределении ранжировок. Вводятся изотропные распределения и устанавливается единственность среднего (медианы). Интерпретация законов больших чисел для нечисловых данных может быть дана в терминах теории экспертного опроса. Устанавливается связь метода средних рангов с коэффициентом ранговой корреляции Спирмена и линейная зависимость расстояния Кемени от коэффициента ранговой корреляции Кендалла. Разбирается метод "идеальной точки" с использованием средних рангов на примере сравнения математических моделей испарения жидкости.
Вводятся расстояния, теоретические и эмпирические средние в пространстве подмножеств конечного множества. Построение эмпирического среднего (итогового мнения комиссии экспертов) проводится по правилу большинства. Вводятся различные расстояния между нечеткими множествами и применяются для усреднение нечетких ответов экспертов.
Полученные результаты применяются для изучения асимптотического поведения решений экстремальных статистических задач. Предлагается использовать непараметрические оценки плотности в пространствах произвольной природы, в частности, для дискретных пространств. Обсуждается применение статистики объектов нечисловой природы при построения новой хронологии и значение полученных выводов для современных социально-экономических проблем.

11. Статистика интервальных данных
Погрешности измерения и интервальные данные. Нотна - максимально возможное отклонение, вызванное интервальностью статистических данных. Рациональный объем выборки. Их расчет для ряда задач оценивания, проверки гипотез, регрессионного, кластерного и дискриминантного анализов.
Необходимость учета в эконометрических методах погрешностей измерения, как уже обсуждалось выше, приводит к введению в теорию и практику статистического анализа интервальных данных. Определяются операции над интервальными числами и дается обоснование правил приближенных вычислений. Сравниваются по точности две формулы для выборочной дисперсии. Обсуждается основная модель интервальной статистики. Вводятся основополагающие понятия нотны - максимально возможного отклонения, вызванного интервальностью статистических данных, и асимптотической нотны (при малой абсолютной погрешности). Дается алгоритм расчета асимптотической нотны для квадратичных функций второго порядка. Изучение влияния интервальности дисконт-факторов на величину NPV (чистой приведенной стоимости, net present value) приводит к признанию интервальности самой величину NPV и необходимости использования экспертных оценок при оценке и сравнении инвестиционных проектов.
Разбираются основные результаты статистики интервальных данных, в том числе второе основополагающее понятие - рациональный объем выборки. Проводится расчет асимптотической нотны, рационального объема выборки и доверительных интервалов при оценивании математического ожидания и дисперсии, а также расчет основных показателей статистики интервальных данных для ряда задач оценивания, проверки гипотез, регрессионного, кластерного и дискриминантного анализов.

12. Проблема устойчивости статистических процедур по отношению к допустимым отклонениям исходных данных и предпосылок модели
Робастные методы статистики. Общая схема устойчивости. Метод складного ножа Кенуя. Бутстреп Эфрона и его критика.. Размножение выборок как эффективный способ интенсивного применения вычислительной техники в эконометрике.
Обсуждаются различные робастные методы и модели статистики и эконометрики, в том числе модель Тьюки-Хубера засорения экономических данных резко выделяющимися наблюдениями и модель Ю.Н. Благовещенского отклонений, имеющих быть на всей числовой оси. Согласно [5] дается формулировка общей схемы изучения устойчивости и разбираются примеры ее применения.
Рассматриваются методы размножения выборок (различные варианты бутстрепа): метод складного ножа Кенуя, бутстреп Эфрона [31] (и его критика). Размножение выборок выдвигается как эффективный способ интенсивного применения информационно-коммуникационных технологий в эконометрике. Даны различные варианты применения метода размножения выборок в эконометрических исследованиях.

13. Эконометрические методы экспертных исследований
Примеры и основные этапы применения методов экспертных оценок. Формирование экспертной комиссии. Метод "снежного кома". Различные виды экспертных процедур (с взаимодействием или без, одно- и многотуровые и др.). Метод средних рангов и метод медиан. Согласование кластеризованных ранжировок. Применение коэффициентов ранговой корреляции, теории люсианов, медианы Кемени и иных методов статистики нечисловых данных.
Обосновывается необходимость проведения экспертных исследований, особенно в ситуациях быстрого изменения, когда нет возможности опираться на длинные временные ряды статистических данных. Основными представлениями о теории и практике экспертного оценивания должен владеть каждый инженер, экономист, менеджер. Примерами процедур экспертных оценок являются методы оценки техники и артистичности фигуристов, успешности команд КВН, целесообразности финансирования научно-технических проектов, анализируемых в Республиканском исследовательском научно-консультативном центре экспертизы (РИНКЦЭ) на основе методических документов РИНКЦЭ. Они используются на соревнованиях, при выборе, распределении финансирования, при экологических экспертизах, в частности, согласно Закону РФ "Об экологических экспертизах". Другие методы экспертных исследований: метод Дельфи, мозговой штурм, метод средних рангов, метод медиан, метод сценариев.
Планирование и организация экспертного исследования как один из видов деятельности менеджера. Сравнение ролей лиц, принимающих решения (ЛПР), и специалистов (экспертов) в процедурах экспертиз и принятия решений. Зоны ответственности Рабочей Группы и Экспертной Комиссии. Основные этапы проведения экспертного исследования как основа деятельности менеджера, организующего экспертное исследование. Экономические вопросы проведения экспертного исследования - часть знаний менеджера.
Цели экспертного исследования можно поставить по-разному: сбор информации для ЛПР и/или подготовка проекта решения для ЛПР и др. Используется ряд методов формирования состава экспертной комиссии: методы списков (реестров),"снежного кома", самооценки, взаимооценки. Важна проблема априорных предпочтений экспертов. Достоинства и недостатки процедур, используемых при отборе экспертов, заслуживают подробного обсуждения, равно как и. различные варианты организации экспертного исследования, различающиеся по числу туров (один, несколько, не фиксировано), порядку вовлечения экспертов (одновременно, последовательно), способу учета мнений (с весами, без весов), организации общения экспертов (без общения, заочное, очное с ограничениями ("мозговой штурм") или без ограничений).
Методы анализа экспертных оценок основаны на статистике нечисловых данных, а также на применении непараметрической статистики (коэффициентов ранговой корреляции). Бинарные отношения на конечном множестве часто возникают как способы описания ответы экспертов. Бинарные отношения находятся во взаимно-однозначном соответствии с матрицами из 0 и 1. При анализе мнений экспертов важны такие свойства бинарных отношений, как рефлексивность, симметричность, транзитивность, и соответствующие им подпространства бинарных отношений - подпространства ранжировок (упорядочений), разбиений (отношений эквивалентности), толерантностей. Аксиоматическое введение расстояния Кемени между бинарными отношениями дает возможность применить методы статистики объектов нечисловой природы для анализа ответов экспертов. Применение теории люсианов, вычисление медианы Кемени и использование иных методов статистики нечисловых и интервальных данных - основа работы специалиста по анализу экспертных данных. Согласование кластеризованных ранжировок рассматриваем на примере сравнения 8 математических моделей испарения жидкости по экспериментальным данным (при создании банка математических моделей с целью оценки последствий аварий при экологическом страховании).
Обобщенный показатель (полезность) объекта экспертизы строится как функция частных показателей. Разработан ряд методов построения обобщенного показателя. В частности, есть два подхода к определению весовых коэффициентов линейной функции полезности. Один из них - линейная свертка с коэффициентами, которые оценивают эксперты. Критику такого подхода даем на основе анализа реальных предложений по процедуре выбора технологии уничтожения химического оружия. Недостатки экспертных методов непосредственного определения коэффициентов весомости имеют причиной то, что эксперту свойственно работать в порядковой шкале, а не в количественных шкалах. Рассматривается экспертно-статистический метод и его реализация с помощью метода наименьших квадратов.

14. Эконометрические методы управления качеством
Статистический приемочный контроль по альтернативному признаку. Планы контроля. Оперативная характеристика. Приемочный и браковочный уровни дефектности. Предел среднего выходного уровня дефектности. Применение Центральной предельной теоремы теории вероятностей. Статистический приемочный контроль по количественному признаку. Применение статистики люсианов. Всегда ли нужен выходной контроль? Контрольные карты Шухарта и кумулятивных сумм.
В договорах купли-продажи, создания научно-технической продукции и иных договорах между предприятиями практически всегда имеется раздел "Правила приемки и методы контроля". Эти разделы, как и правила сертификации, часто основаны на статистическом приемочном контроле. Под ним понимают выборочный контроль, основанный на эконометрической теории. Его необходимость связана с применением разрушающих методов контроля и с экономической эффективностью, основанной на сокращении затрат на контроль (в машиностроении они составляют в среднем 10% от стоимости продукции).
Планы контроля по альтернативному признаку разнообразны. Наиболее простым является одноступенчатый контроль. Основной инструмент анализа и синтеза планов контроля - это оперативная характеристика, т.е.функция, определяющая вероятность приемки партии в зависимости от входного уровня дефектности. С помощью оперативной характеристики определяются приемочный и браковочный уровни дефектности. соответствующие заданным рискам поставщика и потребителя. Расчеты наиболее просты для плана (n,0).
Если применяется контроль с разбраковкой, то находят средний выходной уровень дефектности и его предел (ПСВУД), т.е. максимально возможное значение. Нетрудно рассчитать ПСВУД для плана (n,0). Выбор плана контроля на основе ПСВУД целесообразен в ситуации, когда потребитель должен быть защищен от проникновения в поставляемую ему партию продукции доли брака, превышающей заданную.
Если поставщик и потребитель по-разному оценивают качества продукции в партии, поступившей от поставщика к потребителю, то возникает арбитражная ситуация. Арбитражная характеристика задает вероятность возникновения арбитражной ситуации. Для уменьшения числа споров применяют принцип распределения приоритетов. Расчет планов контроля поставщика и потребителя на основе принципа распределения приоритетов отличается тем, что приемлемый уровень качества выступает для поставщика в качестве браковочного, а для потребителя - в качестве приемочного.
При достаточно большом объеме выборки (несколько десятков единиц продукции) расчет приемочного и браковочного уровней дефектности для одноступенчатого плана с помощью теоремы Муавра-Лапласа теории вероятностей. Выбор одноступенчатого плана контроля по заданным приемочным и браковочным уровням дефектности также может быть проведен на основе асимптотических соотношений, вытекающих из теоремы Муавра-Лапласа.
Ограниченность возможности использования экономических показателей при статистическом контроле основана на том, что последствия отказов изделий типа гибели людей нельзя по этическим соображениям описывать в экономических терминах. Поэтому математические модели типа модели Хальда, учитывающие все виды затрат - затраты на контроль, убытки от излишнего забракования и потери от пропуска брака, - остаются теоретическими.
Основной парадокс теории статистического контроля состоит в том, что чем лучше качество и меньше дефектность, тем больший объем контроля требуется. Поэтому естественно поставить вопрос: всегда ли нужен выходной контроль? Сравнение экономической эффективности сплошного контроля и увеличения объема партии; сплошного контроля и замены дефектных единиц продукции в системе гарантийного обслуживания приводит к выводу о целесообразности во многих случаях отказаться от выходного контроля.
Обычно выделяют следующие виды статистических методов управления качеством (обеспечения, повышения качества): статистический анализ точности и стабильности технологических процессов (методами прикладной статистики), статистический приемочный контроль по альтернативному и количественному признаку., статистическое регулирование технологических процессов (контрольные карты Шухарта и кумулятивных сумм), планирование экспериментов (в том числе экстремальное, с целью добиться максимального выхода полезного продукта), надежность и испытания. При контроле по нескольким альтернативным признакам полезно применение статистики люсианов - одного из разделов статистики объектов нечисловой природы. Используют наглядные диаграммы Парето и диаграммы причин и результатов (известные также как диаграммы Исикавы или "рыбий скелет").
Проблемы управления качеством рассматриваются не только на уровне предприятия, но и на отраслевом, государственном и межгосударственном уровнях. Можно указать на проблемы сертификации производства (отдельной партии продукции, конкретного технологического процесса, всего производства в целом) согласно международным стандартам серии ИСО 9000. На всех одиннадцати этапах жизненного цикла продукции (по международному стандарту ИСО 9004-87). необходимо использование эконометрических методов. В настоящее время переходим от систем контроля качества, основанных на допусках (системы Тейлора), к основанным на функциях потерь (системы Тагути).
Организационные вопросы управления качеством делятся на вопросы, решаемые государством (стандартизация, аттестация, сертификация), и вопросы, решаемые общественностью (кружки качества, защита прав потребителей). Развиваются комплексные системы управления качеством продукции, используется серия международных стандартов ИСО серии 9000 и лозунг тотального (всеобщего) управление качеством, система "Шесть сигм". Статистические методы управления качеством могут использоваться также при решении экологических задач мониторинга, контроля, управления, других экологических проблем на предприятиях и в регионах, при аудите (контроле массива документов), мониторинге социально-экономического положения и в других областях.

15. Анализ и прогноз временных рядов
Методы выделения трендов. Спектральный анализ. Оценивание периода. Модели авторегрессии. Системы эконометрических уравнений.
Применяют методы восстановления временных зависимостей на основе наименьших квадратов и наименьших модулей. Среди них важное место занимают модели линейной (по параметрам) регрессии. Большое значение приобретает задача оценивание необходимой степени полинома. Полезны модели авторегрессии, в том числе простейшая эмпирическая модель экспоненциального сглаживания. Оценка длины периода может быть сделана на основе методов статистики объектов нечисловой природы путем минимизации в функциональном пространстве. Выделение циклов во временных рядах имеет давнюю историю.. Рассматриваются системы эконометрических моделей и примеры их практического применения.

16. Эконометрика прогнозирования и риска
Статистические и экспертные прогнозы. Неопределенности и риски, их моделирование в эконометрике. Диверсификация и страхование. Принятие решений в условиях неопределенности. Применение экспертных оценок при оценке и сравнении инвестиционных проектов.
Среди пяти основных функцией менеджмента первая - прогнозирование и планирование. Необходимость для менеджера владеть различными методиками прогнозирования не вызывает сомнения. Из различных видов прогнозов выделим статистические и экспертные, качественные и количественные. К частным видам прогнозирования относятся прогнозы невозможности, самоосуществляющиеся прогнозы. Прогнозирование является основой планирования.
Вопрос о целях предприятия непрост. Неопределенность выражения "максимизация прибыли" без указания интервала времени показывает это. Полезно прогнозирование экономической (и не только!) ситуации методом сценариев. Выделены этапы процесса планирования работы отрасли и предприятия, практически на всех нужны те или иные прогнозы.. Часто используется иерархия: миссия и ценности - стратегические цели - задачи - конкретные задания, что соответствует этапам планирования, основанного на прогнозировании: разработка стратегии, бизнес планирование и оперативное планирование.
Неопределенности и риски сопровождают менеджера постоянно. Различные виды рисков в работе предприятия перечислить трудно, но необходимо. Разработаны методы декомпозиции риска, в частности, используются деревья причин и результатов (диаграммы типа "рыбий скелет" - см. выше).
Разработаны различные методы описания неопределенностей, прежде всего вероятностно-статистические (наиболее распространенные), основанные на теории нечетких множеств и на статистике интервальных данных. Вероятностно-статистические методы описания риска широко используются, тесно связаны с теорией надежности, с вероятностным анализом безопасности( в атомной энергетике). Выделяют риск события (когда риск состоит в осуществлении нежелательного события) и риск ущерба (количественный). Есть ряд вариантов количественной оценки риска: по среднему ущербу (математическому ожиданию), по медиане ущерба, по квантилю, близкому к 1, по линейной комбинации среднего ущерба и среднего квадратического отклонения, по функции потерь и даже по дисперсии. Плата за риск может быть выявлена при наблюдении за поведением людей, которые обычно стремятся уменьшить риск, например, путем страхования. Плату за риск можно оценить, вычитая среднюю цену акций и цены гарантированных государством облигаций (в США). Один из приемов уменьшения риска - диверсификация деятельности, в том числе диверсификация при управлении пакетом ценных бумаг в условиях риска. Дается понятие о вероятностных моделях страхования, в том числе экологического.
Имеются различные подходы к принятию решений в условиях неопределенности: подход пессимиста, основанный на максимизации выигрыша в наихудшей ситуации (это - подход теории антагонистических игр), подход оптимиста (максимизация выигрыша в наилучших условиях), подход на основе среднего выигрыша (возможно, дополненный оценкой доверительного интервала), подход, основанный на минимизации упущенной выгоды, и др. При несовпадении рекомендаций, даваемых различными подходами, необходимо применение оценок экспертов. В частности, имеются различные подходы к оценке эффективности и выбору инвестиционных проектов. С чисто финансовой точки зрения сравнение инвестиционных проектов сводится к сравнению потоков платежей. Очевидна необходимость изучения устойчивости (чувствительности) выводов по отношению к отклонениям коэффициентов дисконтирования и величин платежей. Столь же очевидна необходимость использования метода экспертных оценок в случае получения противоречивых рекомендаций после проведения анализа чувствительности, например, когда интервалы для используемых характеристик потоков платежей перекрываются.

17. Заключение
Подведем итоги. В настоящей статье продемонстрирована необходимость обучения будущих менеджеров, экономистов, инженеров эконометрическим методам. Рассмотрено место курса эконометрики в системе высшего технического образования: опираясь на курсы "Теория вероятностей и математическая статистика" и "Статистика", он призван довести знания студентов до уровня современности. Указаны связи курса эконометрики со многими иными учебными предметами - менеджментом, маркетингом, экологией, стандартизацией, метрологией и управлением качеством, инвестиционной, инновационной, контрольной и контроллинговой деятельностью, оценкой финансового состояния предприятия, прогнозированием и технико-экономическим планированием, экономико-математическим моделированием производственных систем и др.
Разработано содержание основного курса эконометрики, который реализован в нескольких конкретных вариантах (многочисленные учебники представлены в [2]). Есть перспективы для его развертывания при увеличении количества часов. о чем подробнее сказано выше. Особенно важным представляется развертывание наиболее современных разделов эконометрики - статистики нечисловых и интервальных данных.
Наряду с очевидными преимуществами ориентация курса эконометрики на последние научные достижения имеет свои отрицательные стороны, в частности, слабым является методическое обеспечение.

Литература
1. Орлов А.И. Современные эконометрические методы - интеллектуальные инструменты инженера, управленца и экономиста // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2016. № 116. С. 484 – 514.
2. Орлов А.И. Отечественная научная школа в области эконометрики / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2016. – №07(121). С. 235 – 261. – IDA [article ID]: 1211607006. – Режим доступа: http://ej.kubagro.ru/2016/07/pdf/06.pdf
3. Орлов А.И. Прикладная статистика - состояние и перспективы // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2016. № 119. С. 44–74.
4. Орлов А.И. Распределения реальных статистических данных не являются нормальными // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2016. № 117. С. 71–90.
5. Орлов А.И. Новый подход к изучению устойчивости выводов в математических моделях // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2014. № 100. С. 146-176.
6. Орлов А.И. Теоретические инструменты статистических методов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2014. № 101. С. 253–274.
7. Орлов А.И. Непараметрические критерии согласия Колмогорова, Смирнова, омега-квадрат и ошибки при их применении // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2014. № 97. С. 32-45.
8. Орлов А.И. Двухвыборочный критерий Вилкоксона – анализ двух мифов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2014. № 104. С. 91 – 111.
9. Орлов А.И. О развитии статистики объектов нечисловой природы // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2013. № 93. С. 41-50.

References
1. Orlov A.I. Sovremennye jekonometricheskie metody - intellektual'nye instrumenty inzhenera, upravlenca i jekonomista // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2016. № 116. S. 484 – 514.
2. Orlov A.I. Otechestvennaja nauchnaja shkola v oblasti jekonometriki / A.I. Orlov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta (Nauchnyj zhurnal KubGAU) [Jelektronnyj resurs]. – Krasnodar: KubGAU, 2016. – №07(121). S. 235 – 261. – IDA [article ID]: 1211607006. – Rezhim dostupa: http://ej.kubagro.ru/2016/07/pdf/06.pdf
3. Orlov A.I. Prikladnaja statistika - sostojanie i perspektivy // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2016. № 119. S. 44–74.
4. Orlov A.I. Raspredelenija real'nyh statisticheskih dannyh ne javljajutsja normal'nymi // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2016. № 117. S. 71–90.
5. Orlov A.I. Novyj podhod k izucheniju ustojchivosti vyvodov v matematicheskih modeljah // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2014. № 100. S. 146-176.
6. Orlov A.I. Teoreticheskie instrumenty statisticheskih metodov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2014. № 101. S. 253–274.
7. Orlov A.I. Neparametricheskie kriterii soglasija Kolmogorova, Smirnova, omega-kvadrat i oshibki pri ih primenenii // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2014. № 97. S. 32-45.
8. Orlov A.I. Dvuhvyborochnyj kriterij Vilkoksona – analiz dvuh mifov // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2014. № 104. S. 91 – 111.
9. Orlov A.I. O razvitii statistiki ob#ektov nechislovoj prirody // Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudarstvennogo agrarnogo universiteta. 2013. № 93. S. 41-50.

Публикация:
1057. Орлов А.И. Эконометрика как учебная дисциплина / А.И. Орлов // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. – Краснодар: КубГАУ, 2017. – №04(128). С. 679 – 709. – IDA [article ID]: 1281704050. – Режим доступа: http://ej.kubagro.ru/2017/04/pdf/50.pdf, 1,938 у.п.л.


Вернуться наверх
 Профиль  
 
 Заголовок сообщения: Re: Наша научная школа в области эконометрики
СообщениеДобавлено: Вт ноя 12, 2019 11:08 pm 
Не в сети

Зарегистрирован: Вт сен 28, 2004 11:58 am
Сообщений: 11579
Орлов
Александр Иванович
профессор, доктор экон. наук, доктор техн. наук, канд. физ.-мат. наук, зав. лаб. экон.-мат. методов в контроллинге НОЦ «Контроллинг и управленческие инновации» МГТУ им. Н.Э. Баумана

ОТЕЧЕСТВЕННАЯ НАУЧНАЯ ШКОЛА В ОБЛАСТИ ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКОГО МОДЕЛИРОВАНИЯ, ЭКОНОМЕТРИКИ И СТАТИСТИКИ

В преподавании на факультете "Инженерный бизнес и менеджмент" МГТУ им. Н.Э. Баумана выстроена триада дисциплин: "Прикладная статистика (вариант - статистика)" - "Эконометрика" - "Организационно-экономическое моделирование". Проведено сравнение старой и новой парадигм математических методов исследования. Рассказано о комплекте учебной литературы (около 20 монографий), разработанном нами на основе новой парадигмы. Отечественная научная школа в области организационно-экономического моделирования, эконометрики и статистики отличается от зарубежных аналогов опорой на отечественную вероятностно-статистическую научную школу и на высокие статистические технологии.

Ключевые слова: отечественная научная школа, организационно-экономическое моделирование, эконометрика, статистика, контроллинг, наука, преподавание, высокие статистические технологии
________________________________________

Orlov Alexander Ivanovich, professor, doctor of econ. sciences, doctor of techn. sciences, cand. of physical and mathematical sciences, head of Laboratory of economic and mathematical methods in controlling of research and education center "Controlling and managerial innovations", BMSTU

RUSSIAN SCIENTIFIC SCHOOL IN THE FIELD OF ORGANIZATIONAL AND ECONOMIC MODELING, ECONOMETRICS AND STATISTICS

In teaching at the faculty of "Engineering Business and Management" BMSTU built a triad of disciplines: "Applied statistics (option - statistics)" - "Econometrics" - "Organizational and economic modeling". A comparison is made of the old and the new paradigms of mathematical research methods. It is told about a set of textbooks (about 20 monographs), developed by us on the basis of a new paradigm. The Russian scientific school in the field of organizational and economic modeling, econometrics and statistics differs from foreign analogues by reliance on the Russian probabilistic-statistical scientific school and on high statistical technologies.

Keywords: Russian scientific school, organizational and economic modeling, econometrics, statistics, controlling, science, teaching, high statistical technologies.

Введение
В 1929 г. в МВТУ-МГТУ создана кафедра «Экономика и организация производства». За 90 лет она прошла долгий и славный путь. В XXI веке, как сказано на официальном сайте кафедры, " ... на кафедре, наряду с традиционными школами организации производства, формируются новые школы в области эконометрики, под руководством профессора Орлова А.И., и в сфере контроллинга, под руководством профессора Фалько С.Г." (http://ibm2.ru/department/1.htm). Про научную школу в сфере контроллинга читателям журнала "Контроллинг" хорошо известно. В то же время о научной школе в области эконометрики распространена информация лишь об отдельных ее составляющих, поскольку обобщающих работ на эту тему не было. Цель этой статьи - дать целостное представление об отечественной научной школе в области эконометрики, как говорят, "с птичьего полета".

Основные термины
Под эконометрикой понимаем научную дисциплину, посвященную разработке, изучению и применению статистических методов в экономике и управлении. Термин составлен из двух слов: "эконо-" от "экономика" и "метрика" от "измерение". Экономику надо понимать по Аристотелю: наука о том, как управлять хозяйством.
Статистические методы основаны на теории вероятностей и математической статистике. Центральная часть статистических методов - прикладная статистика.
Организационно-экономическое моделирование (ОЭМ) – научная, практическая и учебная дисциплина, посвященная разработке, изучению и применению математических и статистических методов и моделей в экономике и управлении народным хозяйством, прежде всего промышленными предприятиями и их объединениями. Термин «экономико-математические методы и модели» (ЭММиМ) имеет близкое содержание. Отличаются эти термины акцентами. ОЭМ нацелено на решение задач организации (управления, менеджмента) и экономики с помощью моделирования. В ЭММиМ сильна математическая составляющая, не связанная непосредственно с проблемами реального мира. Содержание термина "теория принятия решений" близко к содержанию термина "организационно-экономическое моделирование".
В преподавании на факультете "Инженерный бизнес и менеджмент" МГТУ им. Н.Э. Баумана выстроена триада тесно связанных между собой дисциплин: "Прикладная статистика (вариант - статистика)" - "Эконометрика" - "Организационно-экономическое моделирование". Этой триадой занимается секция кафедры ИБМ-2 «Организационно-экономическое моделирование, эконометрика и статистика» (http://ibm2.ru/department/3.html)

Высокие статистические технологии - из науки в преподавание
Высокие статистические технологии - наиболее наукоемкая инновационная часть современных методов анализа данных. За последние 40 лет научные исследования и прикладные проекты в области анализа данных привели к разработке ряда новых разделов теории и существенному развитию ранее сформированных областей статистических методов. Так, создана статистика нечисловых данных и статистика интервальных данных. Существенное развитие получила непараметрическая статистика.
Однако преподавание статистических методов в вузах зачастую заметно отстает от фронта научных исследований. Входящий в курс математики раздел «Теория вероятностей и математическая статистика» обычно заканчивается методами, разработанными в первой половине ХХ в. Специальные курсы часто используют подходы столь же далеких времен. Поэтому при создании Всесоюзной статистической ассоциации (учредительный съезд состоялся в октябре 1990 г.), а затем Российской ассоциации статистических методов и Российской академии статистических методов одной из наиболее актуальных задач было признано внедрение современных научных достижений в практику преподавания.
Эконометрика, т.е. статистический анализ конкретных статистических данных, преподается в российских вузах с 1997 г. На факультете «Инженерный бизнес и менеджмент» МГТУ им. Н.Э. Баумана высокие статистические технологии внедрены в практику преподавания курсов "Эконометрика", "Статистика", "Прикладная статистика", "Методы принятия управленческих решений", "Организационно-экономическое моделирование" и др. Это внедрение опирается на вновь разработанные учебные программы и учебники. Тем самым в рассматриваемых областях удалось преодолеть разрыв между наукой и преподаванием.
Высокие статистические технологии, прежде всего ориентированные на экспертные и маркетинговые исследования, весьма эффективны, в частности, в инновационном менеджменте при осуществлении организационно-экономической и маркетинговой поддержки конкретных инновационных проектов в области наукоемких технологий, а также при прогнозировании спроса на научно-техническую продукцию высокотехнологичных отраслей промышленности.
Статистические исследования (с целью информационно-аналитической поддержки процесса принятия управленческих решений) проводятся с давних времен. Например, для принятия решений в военной области необходима информация о числе военнообязанных. О переписи военнообязанных рассказано в Ветхом Завете в Четвертой книге Моисеевой "Числа". Поэтому вполне естественно, что в программы высшего образования включают статистические дисциплины.
Если в высшей школе США число преподавателей и кафедр в области статистики вполне сопоставимо с числом преподавателей и кафедр в области математики, то в нашей стране - совсем другая ситуация. Официально признаны лишь две составляющие статистики: математическая статистика и ведомственная наука Росстата. Первая составляющая относится к математике, к научной специальности 01.01.05 "теория вероятностей и математическая статистика". Вторая составляющая относится к экономическим наукам, к научной специальности 08.00.12 "Бухгалтерский учет, статистика". Все остальные составляющие статистики, например, статистические методы в технике, медицине, химии, истории, социологии, психологии и т.п., проигнорированы. Впрочем, некоторые из этих "забытых" составляющих укрепились и получили собственные имена. Например, эконометрика - статистические методы в экономике и управлении (менеджменте).
В начале 1980-х годов мы выделили научную дисциплину "Прикладная статистика". Наш базовый учебник по этой дисциплине начинается словами: "Прикладная статистика - это наука о том, как обрабатывать данные" [11]. Методы прикладной статистики могут применяться в любой области науки, в любой отрасли научного хозяйства.
В 1980-х годах была создана попытка объединить статистиков различных научных направлений и ведомственной принадлежности. В 1990 г. был проведен Учредительный съезд Всесоюзной статистической ассоциации. Ассоциация состояла из четырех секций - специалистов по статистическим методам, специалистов по прикладным статистическим исследованиям (в нее входили в основном работников оборонных отраслей промышленности), преподавателей статистики в экономических вузах, работников официальной статистики. Автор настоящей статьи был избран вице-президентом (по секции статистических методов).
При подготовке к созданию Всесоюзной статистической ассоциации был проведен анализ ситуации в области статистики. В частности, было установлено [15], что в учебниках по "Общей теории статистики" обычно излагаются (с теми или иными математическими ошибками) основы прикладной статистики, к которым добавляется небольшая по объему информация о деятельности органов официальной статистики.
Наши работы, посвященные развитию статистических методов в нашей стране, суммированы в главе 2 (с.13 - 61) монографии [19]. Отметим, что подготовка адекватной истории отечественной статистики - дело будущего. Имеющиеся сочинения - удручающе односторонние. Так, в "учебном пособии" [20] даже не упомянут великий статистик ХХ в. член-корреспондент АН СССР Николай Васильевич Смирнов. Но и из имеющейся информации было ясно, что перестройка статистики назрела. Одним из наших предложений [4, 6] было создание Всесоюзной статистической ассоциации. Другим - организация Всесоюзного центра статистических методов и информатики, миссия которого - разработка и внедрение программных продуктов по статистическим методам.
Всесоюзная статистическая ассоциация - аналог Королевского статистического общества (1834) и Американской статистической ассоциации (1839). Однако вследствие развала СССР Всесоюзная статистическая ассоциация прекратила работу, как и другие союзные организации. С юридической точки зрения это незаконно, поскольку в ее Уставе была норма - ликвидация ассоциации возможна лишь по решению съезда. Такого съезда не было. Был лишь один съезд - Учредительный (1990). Поэтому юридически Всесоюзная статистическая ассоциация существует. На постсоветском пространстве наиболее активным является сообщество узбекских статистиков. В Ташкенте регулярно проводятся многочисленные международные конференции "Статистика и ее применения".
За 1990-е годы число участников статистических конференций и семинаров сократилось на порядок, поэтому мы сочли необходимым перейти к составлению учебников и монографий.

Новая парадигма математических методов исследования
В ходе организации Всесоюзной статистической ассоциации было проанализировано состояние и перспективы развития рассматриваемой области научно-прикладных исследований и осознаны основы уже сложившейся к концу 1980-х гг. новой парадигмы математических методов исследования, в более узкой терминологии - новой парадигмы статистики. В течение следующих лет новая парадигма развивалась и к настоящему времени оформлена в виде серии монографий и учебников для вузов, состоящей более чем из 10 книг. Проведем сравнение старой и новой парадигм математических методов исследования.
Типовые исходные данные в новой парадигме – объекты нечисловой природы (элементы нелинейных пространств, которые нельзя складывать и умножать на число, например, множества, бинарные отношения), а в старой – числа, конечномерные векторы, функции. Ранее (в старой парадигме) для расчетов использовались разнообразные суммы, однако объекты нечисловой природы нельзя складывать, поэтому в новой парадигме применяется другой математический аппарат, основанный на расстояниях между объектами нечисловой природы и решении задач оптимизации.
Изменились постановки задач анализа данных и экономико-математического моделирования. Так, старая парадигма математической статистики исходит из идей начала ХХ в., когда К. Пирсон предложил четырехпараметрическое семейство распределений для описания распределений реальных данных. В это семейство как частные случаи входят, в частности, подсемейства нормальных, экспоненциальных, Вейбулла-Гнеденко, гамма-распределений. Сразу было ясно, что распределения реальных данных, как правило, не входят в семейство распределений Пирсона (об этом говорил, например, академик С.Н. Бернштейн в 1927 г. в докладе на Всероссийском съезде математиков; подробнее см. [13]). Однако математическая теория параметрических семейств распределений (методы оценивание параметров и проверки гипотез) оказалась достаточно интересной с теоретической точки зрения (в ее рамках был доказан ряд трудных теорем), и именно на ней до сих пор основано преподавание во многих вузах. Итак, в старой парадигме основной подход к описанию данных - распределения из параметрических семейств, а оцениваемые величины – их параметры, в новой парадигме рассматривают произвольные распределения, а оценивают - характеристики и плотности распределений, зависимости, правила диагностики и др. Центральная часть теории – уже не статистика числовых случайных величин, а статистика в пространствах произвольной природы, т.е. нечисловая статистика [7], называемая также статистикой нечисловых данных.
В старой парадигме источники постановок новых задач - традиции, сформировавшиеся к середине ХХ века, а в новой - современные потребности математического моделирования и анализа данных (XXI век), т.е. запросы практики. Конкретизируем это общее различие. В старой парадигме типовые результаты - предельные теоремы, в новой - рекомендации для конкретных значений параметров, в частности, объемов выборок. Изменилась роль информационных технологий – ранее они использовались в основном для расчета таблиц (в частности, информатика находилась вне математической статистики), теперь же они - инструменты получения выводов (имитационное моделирование, датчики псевдослучайных чисел, методы размножение выборок, в т.ч. бутстреп, и др.). Вид постановок задач приблизился к потребностям практики – при анализе данных от отдельных задач оценивания и проверки гипотез перешли к статистическим технологиям (технологическим процессам анализа данных). Выявилась важность проблемы «стыковки алгоритмов» - влияния выполнения предыдущих алгоритмов в технологической цепочке на условия применимости последующих алгоритмов. В старой парадигме эта проблема не рассматривалась, для новой – весьма важна.
Если в старой парадигме вопросы методологии моделирования практически не обсуждались, достаточными признавались схемы начала ХХ в., то в новой парадигме роль методологии (учения об организации деятельности) является основополагающей. Резко повысилась роль моделирования – от отдельных систем аксиом произошел переход к системам моделей. Сама возможность применения вероятностного подхода теперь – не «наличие повторяющегося комплекса условий» (реликт физического определения вероятности, использовавшегося до аксиоматизации теории вероятностей А.Н. Колмогоровым в 1930-х гг.), а наличие обоснованной вероятностно-статистической модели. Если раньше данные считались полностью известными, то для новой парадигмы характерен учет свойств данных, в частности, интервальных и нечетких [18]. Изменилось отношение к вопросам устойчивости выводов – в старой парадигме практически отсутствовал интерес к этой тематике, в новой разработана развитая теория устойчивости (робастности) выводов по отношению к допустимым отклонениям исходных данных и предпосылок моделей [5].
Результаты сравнения парадигм удобно представить в виде табл. 1.

Таблица 1. Сравнение основных характеристик старой и новой парадигм
№ Характеристика Старая парадигма Новая парадигма
1 Типовые исходные данные Числа, конечномерные вектора, функции Объекты нечисловой природы
2 Основной подход к моделированию данных Распределения из параметрических семейств Произвольные функции распределения
3 Основной математический аппарат Суммы и функции от сумм Расстояния и алгоритмы оптимизации
4 Источники постановок новых задач Традиции, сформировавшиеся к середине ХХ века Современные прикладные потребности анализа данных (XXI век)
5 Отношение к вопросам устойчивости выводов Практически отсутствует интерес к устойчивости выводов Развитая теория устойчивости (робастности) выводов
6 Оцениваемые величины Параметры распределений Характеристики, функции и плотности распределений, зависимости, правила диагностики и др.
7 Возможность применения Наличие повторяющегося комплекса условий Наличие обоснованной вероятностно-статистической модели
8 Центральная часть теории Статистика числовых случайных величин Нечисловая статистика
9 Роль информационных технологий Только для расчета таблиц (информатика находится вне статистики) Инструменты получения выводов (датчики псевдослучайных чисел, размножение выборок, в т.ч. бутстреп, и др.)
10 Точность данных Данные полностью известны Учет неопределенности данных, в частности, интервальности и нечеткости
11 Типовые результаты Предельные теоремы (при росте объемов выборок) Рекомендации для конкретных объемов выборок
12 Вид постановок задач Отдельные задачи оценивания параметров и проверки гипотез Высокие статистические технологии (технологические процессы анализа данных)
13 Стыковка алгоритмов Не рассматривается Весьма важна при разработке процессов анализа данных
14 Роль моделирования Мала (отдельные системы аксиом) Системы моделей – основа анализа данных
15 Анализ экспертных оценок Отдельные алгоритмы Прикладное «зеркало» общей теории
16 Роль методологии Практически отсутствует Основополагающая

Учебная литература, соответствующая новой парадигме
Как уже отмечалось, на рубеже тысячелетий нами было принято решение сосредоточить усилия на подготовке учебной литературы, соответствующей новой парадигме.
Первым был выпущенный в 2002 г. учебник по эконометрике [16], переизданный в 2003 г. и в 2004 г. Четвертое издание «Эконометрики» [17] существенно переработано. Оно соответствует первому семестру курса, в отличие от первых трех изданий, содержащих материалы для годового курса. В четвертое издание включены новые разделы, полностью обновлена глава про индекс инфляции, добавлено методическое обеспечение.
В нашем фундаментальном курсе 2006 г. по прикладной статистике [11] в рамках новой парадигмы рассмотрены как нечисловая статистика, так и классические разделы прикладной статистики, посвященные методам обработки элементов линейных пространств - чисел, векторов и функций (временных рядов).
В том же 2006-м году в рамках новой парадигмы был выпущен курс теории принятия решений [14]. Его сокращенный (в 1,5 раза) вариант вышел годом раньше [12]. А в 2018 г. появился учебник "Методы принятия управленческих решений" [3].
Магистранты научно-учебного комплекса «Инженерный бизнес и менеджмент» МГТУ им. Н.Э. Баумана изучают дисциплину «Организационно-экономическое моделирование». Одноименный учебник выпущен в трех частях (томах). Первая из них [7] посвящена сердцевине новой парадигмы – нечисловой статистике. Ее прикладное «зеркало» - вторая часть [8] - современный учебник по экспертным оценкам. В третьей части [9] наряду с основными постановками задач анализа данных (чисел, векторов, временных рядов) и конкретными статистическими методами анализа данных классических видов (чисел, векторов, временных рядов) рассмотрены вероятностно-статистические модели в технических и экономических исследованиях, медицине, социологии, истории, демографии, а также метод когнитивных карт (статистические модели динамики).
В названиях еще двух наших учебников есть термин «организационно-экономическое моделирование». Это вводная книга по менеджменту [2] и современный учебник по теории принятия решений [10], в которых содержание соответствует новой парадигме, в частности, подходам трехтомника по организационно-экономическому моделированию. В нем значительно большее внимание по сравнению с более ранними нашими книгами теории принятия решений уделено теории и практике экспертных оценок, в то время как общие проблемы менеджмента выделены для обсуждения в отдельное издание [2].
К рассмотренному выше корпусу учебников примыкают справочник по минимально необходимым для восприятия рассматриваемых курсов понятиям теории вероятностей и прикладной математической статистики [1].
На основе сказанного выше можно констатировать, что к настоящему моменту рекомендация Учредительного съезда Всесоюзной статистической ассоциации (1990) по созданию комплекта учебной литературы на основе новой парадигмы математических методов исследования выполнена. Предстоит большая работа по внедрению новой парадигмы организационно-экономического моделирования, эконометрики и статистики в научные исследования (теоретические и прикладные) и преподавание.

Предварительные итоги
Отечественная научная школа в области организационно-экономического моделирования, эконометрики и статистики создана на кафедре "Экономика и организация производства" МГТУ им. Н.Э. Баумана. От зарубежных аналогов она отличается опорой на отечественную вероятностно-статистическую научную школу, созданную А.Н. Колмогоровым, Б.В. Гнеденко, В.В. Налимовым и их сподвижниками, и на высокие статистические технологии XXI в., отраженные в перечисленных выше монографиях и учебных курсах.
Отечественная научная школа оказалась востребованной не только преподавателями, но и научными работниками. Так, в Российском индексе научного цитирования на состоянию на 21.07.2019 указано 806 цитирований "Прикладной статистики", 686 - "Эконометрики", 622 - "Теории принятия решений", а в поисковой системе "Академия Google" (Google Scholar) (https://scholar.google.ru/citations?hl= ... qLP2cAAAAJ) - соответственно 948, 761, 969 цитирований. Востребованность этих работ в науке свидетельствует о том, что их можно воспринимать не только как учебники, но и как научные монографии, включающие недавние научные результаты.
Отметим большую роль информационно-коммуникационных технологий в распространении научных результатов отечественной научной школы в области организационно-экономического моделирования, эконометрики и статистики. В Российском индексе научного цитирования указано, что значительная часть авторов получила информацию с сайта "Высокие статистические технологии" (http://orlovs.pp.ru/). А именно, к этому каналу распространения информации относятся 400 цитирований "Прикладной статистики" (49,6% всех цитирований) и 328 цитирований "Теории принятия решений" (52,7% всех цитирований).
Ожидаем, что подходы и результаты отечественной научной школы в области организационно-экономического моделирования, эконометрики и статистики окажутся востребованными и в дальнейшем.

Литература

1. Орлов А.И. Вероятность и прикладная статистика: основные факты: справочник. – М.: КноРус, 2010. – 192 с.
2. Орлов А.И. Менеджмент: организационно-экономическое моделирование. — Ростов-на-Дону: Феникс, 2009. — 475 с.
3. Орлов А.И. Методы принятия управленческих решений. - М.: КНОРУС, 2018. - 286 с.
4. Орлов А.И. Необходимость перестройки в статистике // Статистика и перестройка. Ученые записки по статистике, т.55. - М.: Наука, 1991. - С. 153-159.
5. Орлов А.И. Новый подход к изучению устойчивости выводов в математических моделях // Научный журнал КубГАУ. 2014. № 100. С. 146-176.
6. Орлов А.И. О перестройке статистической науки и её применений // Вестник статистики. 1990. № 1. С. 65–71.
7. Орлов А.И. Организационно-экономическое моделирование. Ч.1. Нечисловая статистика. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2009. - 541 с.
8. Орлов А.И. Организационно-экономическое моделирование. Ч.2. Экспертные оценки. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2011. – 486 с.
9. Орлов А.И. Организационно-экономическое моделирование. Ч.3. Статистические методы анализа данных. — М.: Изд-во МГТУ им. Н.Э. Баумана, 2012. — 624 с.
10. Орлов А.И. Организационно-экономическое моделирование: теория принятия решений. — М. : КноРус, 2011. — 568 с.
11. Орлов А.И. Прикладная статистика. - М.: Экзамен, 2006. - 671 с.
12. Орлов А.И. Принятие решений. Теория и методы разработки управленческих решений. – М.: ИКЦ «МарТ»; Ростов н/Д: Издательский центр «МарТ», 2005. – 496 с.
13. Орлов А.И. Распределения реальных статистических данных не являются нормальными // Научный журнал КубГАУ. 2016. № 117. С. 71–90.
14. Орлов А.И. Теория принятия решений. — М.: Экзамен, 2006. — 574 с.
15. Орлов А.И. Что дает прикладная статистика народному хозяйству? // Вестник статистики. 1986. № 8. С. 52–56.
16. Орлов А.И. Эконометрика. - М.: Экзамен, 2002 (1-е изд.), 2003 (2-е изд.), 2004 (3-е изд.). - 576 с.
17. Орлов А.И. Эконометрика. Изд. 4-е, доп. и перераб. – Ростов-на-Дону: Феникс, 2009. – 572 с.
18. Орлов А.И., Луценко Е.В. Системная нечеткая интервальная математика. Монография (научное издание). – Краснодар, КубГАУ. 2014. – 600 с.
19. Орлов А.И., Луценко Е.В., Лойко В.И. Организационно-экономическое, математическое и программное обеспечение контроллинга, инноваций и менеджмента: монография / под общ. ред. С. Г. Фалько. – Краснодар : КубГАУ, 2016. – 600 с.
20. Плошко Б.Г., Елисеева И.И. История статистики. - М.: Финансы и статистика, 1990. - 295 с.

References:

1. Orlov A.I. Veroyatnost' i prikladnaya statistika: osnovnye fakty: spravochnik. – M.: KnoRus, 2010. – 192 s.
2. Orlov A.I. Menedzhment: organizacionno-ekonomicheskoe modelirovanie. — Rostov-na-Donu: Feniks, 2009. — 475 s.
3. Orlov A.I. Metody prinyatiya upravlencheskih reshenij. - M.: KNORUS, 2018. - 286 s.
4. Orlov A.I. Neobhodimost' perestrojki v statistike // Statistika i perestrojka. Uchenye zapiski po statistike, t.55. - M.: Nauka, 1991. - S. 153-159.
5. Orlov A.I. Novyj podhod k izucheniyu ustojchivosti vyvodov v matematicheskih modelyah // Nauchnyj zhurnal KubGAU. 2014. № 100. S. 146-176.
6. Orlov A.I. O perestrojke statisticheskoj nauki i eyo primenenij // Vestnik statistiki. 1990. № 1. S. 65–71.
7. Orlov A.I. Organizacionno-ekonomicheskoe modelirovanie. CH.1. Nechislovaya statistika. - M.: Izd-vo MGTU im. N.E. Baumana, 2009. - 541 s.
8. Orlov A.I. Organizacionno-ekonomicheskoe modelirovanie. CH.2. Ekspertnye ocenki. – M.: Izd-vo MGTU im. N.E. Baumana, 2011. – 486 s.
9. Orlov A.I. Organizacionno-ekonomicheskoe modelirovanie. CH.3. Statisticheskie metody analiza dannyh. — M.: Izd-vo MGTU im. N.E. Baumana, 2012. — 624 s.
10. Orlov A.I. Organizacionno-ekonomicheskoe modelirovanie: teoriya prinyatiya reshenij. — M. : KnoRus, 2011. — 568 s.
11. Orlov A.I. Prikladnaya statistika. - M.: Ekzamen, 2006. - 671 s.
12. Orlov A.I. Prinyatie reshenij. Teoriya i metody razrabotki upravlencheskih reshenij. – M.: IKC «MarT»; Rostov n/D: Izdatel'skij centr «MarT», 2005. – 496 s.
13. Orlov A.I. Raspredeleniya real'nyh statisticheskih dannyh ne yavlyayutsya normal'nymi // Nauchnyj zhurnal KubGAU. 2016. № 117. S. 71–90.
14. Orlov A.I. Teoriya prinyatiya reshenij. — M.: Ekzamen, 2006. — 574 s.
15. Orlov A.I. CHto daet prikladnaya statistika narodnomu hozyajstvu? // Vestnik statistiki. 1986. № 8. S. 52–56.
16. Orlov A.I. Ekonometrika. - M.: Ekzamen, 2002 (1-e izd.), 2003 (2-e izd.), 2004 (3-e izd.). - 576 s.
17. Orlov A.I. Ekonometrika. Izd. 4-e, dop. i pererab. – Rostov-na-Donu: Feniks, 2009. – 572 s.
18. Orlov A.I., Lucenko E.V. Sistemnaya nechetkaya interval'naya matematika. Monografiya (nauchnoe izdanie). – Krasnodar, KubGAU. 2014. – 600 s.
19. Orlov A.I., Lucenko E.V., Lojko V.I. Organizacionno-ekonomicheskoe, matematicheskoe i programmnoe obespechenie kontrollinga, innovacij i menedzhmenta: monografiya / pod obshch. red. S. G. Fal'ko. – Krasnodar : KubGAU, 2016. – 600 s.
20. Ploshko B.G., Eliseeva I.I. Istoriya statistiki. - M.: Finansy i statistika, 1990. - 295 s.


Публикация:
Орлов А.И. Отечественная научная школа в области организационно-экономического моделирования, эконометрики и статистики // Контроллинг. 2019. №73. С. 28-35.


Вернуться наверх
 Профиль  
 
Показать сообщения за:  Сортировать по:  
Начать новую тему Ответить на тему  [ Сообщений: 4 ] 

Часовой пояс: UTC + 3 часа


Кто сейчас на форуме

Сейчас этот форум просматривают: нет зарегистрированных пользователей и гости: 2


Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете добавлять вложения

Найти:
Перейти:  
Powered by phpBB © 2000, 2002, 2005, 2007 phpBB Group
Русская поддержка phpBB