автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Разработка программно-математического обеспечения комплексного прогнозирования региональной системы высшего профессионального образования

0034В шиа

На правах рукописи

Яхина Асяя Сергеевна

Разработка программно-математического обеспечения комплексного прогнозирования региональной системы высшего

профессионального образования

Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

2 9 0!'Т2ССЭ

Иркутск - 2009

003481009

Работа выполнена на кафедре "Информационная безопасность" ГОУ ВПО "Иркутский государственный университет путей сообщения"

Научный руководитель: доктор технических наук, профессор

Краковский Юрий Мечеславович

Официальные оппоненты: доктор технических наук, профессор

Массель Людмила Васильевна

кандидат физико-математических наук Потороченко Николай Анатольевич

Ведущая организация: ГОУ ВПО "Иркутский государственный

университет"

Защита диссертации состоится 19 ноября 2009 г. в 10-00 часов на заседании диссертационного совета Д218.004.01 в Иркутском государственном университете путей сообщения (664074, Иркутск, ул. Чернышевского, д. 15, ауд. А-803).

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО "Иркутский государственный университет путей сообщения".

Автореферат разослан 17 октября 2009 г.

Ученый секретарь диссертационного совета

Н.Н. Пашков

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. Динамическое развитие экономики, сокращение сферы неквалифицированного и малоквалифицированного труда, структурные изменения в сфере занятости определяют высокие требования к профессиональной квалификации работников. В качестве основного фактора обновления содержания образования выступают тенденции развития экономики и социальной сферы, науки, техники и технологий. В связи с этим важным становится создание системы мониторинга и прогнозирования выпуска кадров различной квалификации в соответствии с существующей профессиональной квалификационной структурой, потребностями и перспективами развития регионов России.

Рассмотрение вопросов прогнозирования развития высшего профессионального образования в Российской Федерации, нахождение способов их решения с учетом социально-демографических факторов и изменений в экономике, определяющих спрос на специалистов, является актуальной задачей на современном этапе развития регионов. Так в связи с динамичными структурными сдвигами в экономике и изменениями макроэкономических показателей возникает необходимость в постоянной оперативной оценке и корректировке вариантов прогнозов выпуска специалистов и структуры их подготовки.

Новый этап реформирования системы образования, направленный на ее структурное и содержательное обновление, выдвигает перед мониторингом профессионального образования новые задачи, например, задачи совершенствования моделей прогнозирования, обработки данных, позволяющих повысить качество принятия управленческих решений.

В последние годы в Российской Федерации уделяется внимание поиску «точек роста» экономики, особенно для «удаленных» регионов. А для этого, как уже отмечалось, необходимо совершенствовать и внедрять методы математического моделирования региональной системы высшего профессионального образования, проводить анализ ее состояния и оценивать ее.готовность для осуществления крупных социально-экономических проектов.

В связи с вышесказанным, разработка программно-математического обеспечения комплексного прогнозирования региональной системы высшего профессионального образования является актуальной задачей, имеющей практическую и научную значимость.

Целью диссертационной работы является создание программно-математического обеспечения комплексного прогнозирования развития региональной системы высшего профессионального образования, позволяющего повышать

качество управленческих решений при осуществлении крупных социально-экономических проектов.

Поставленная цель достигнута решением следующих задач:

1. Анализ региональной системы высшего профессионального образования на примере Забайкальского края.

2. Сравнительный анализ программно-математических средств для прогнозирования развития рынков, включая систему высшего профессионального образования.

3. Разработка структуры и обоснование компонент комплексного прогнозирования развития региональной системы высшего профессионального образования.

4. Отбор и модернизация математических моделей для комплексного прогнозирования системы высшего профессионального образования.

5. Создание программного продукта, реализующего математические модели комплексного прогнозирования системы высшего профессионального образования.

6. Апробация созданного программно-математического обеспечения по данным высшего профессионального образования Забайкальского края.

Научную новизну диссертации представляют следующие положения, которые выносятся на защиту:

1. Комплексное прогнозирование развития региональной системы высшего профессионального образования, включающее два подхода: а) подход, основанный на прогнозировании количественных показателей высшего профессионального образования, который использует статистическую и экспертную информацию; б) подход, предназначенный для качественного прогнозирования высшего профессионального образования с помощью метода классификационных матриц.

2. Постановки задач и методы оценки параметров моделей прогнозирования по разнородной информации при ограничениях, задаваемых экспертными суждениями.

3. Алгоритм качественного прогнозирования системы высшего профессионального образования с помощью метода классификационных матриц, полученных на различных интервалах времени.

4. Модель статистического анализа по проверке однородности приема в вузы на первый курс школьников с использованием статистики Брандта-Снедекора.

5. Программное обеспечение «Прогнозирование развития рынков», содержащее средства комплексного прогнозирования, включая графические средства отображения полученных результатов, проверку адекватности моделей.

Практическая ценность работы заключается в количественной оценке качества принимаемых управленческих решений путем разработки средств прогно-

зирования и графического отображения полученных результатов, реализованных в виде программного продукта «Прогнозирование развития рынков». Созданный программный продукт апробирован при прогнозировании развития системы высшего профессионального образования Забайкальского края, а также используется при проведении статистических исследований в «Территориальном органе Федеральной службы государственной статистики по Забайкальскому краю». Акт и справка о внедрении приведены в приложении 3.

Апробация работы. Основные результаты докладывались на международных, всероссийских и региональных конференциях: межвузовская научно-практическая конференция «Математика и ее приложения в экономике, технике и образовании», Чита, 2006; международная научно-техническая конференция «Математические методы и информационные технологии в экономике, социологии и образовании», Пенза, 2006; всероссийская научно-практическая конференция «Модернизация системы профессионального образования на основе регулируемого эволюционирования», Москва-Челябинск, 2007; всероссийская научно-практическая конференция с международным участием «Информационные технологии и математическое моделирование», Анжеро-Судженск, 2008; всероссийская научно-практическая конференция «Кулагинские чтения», Чита, 2008; всероссийская научно-практическая конференция «Актуальные вопросы экономических наук», Новосибирск, 2009; региональная научно-практическая конференция, посвященная 50-летию Читинского института Байкальского государственного университета экономики и права, Чита, 2009.

По результатам исследований опубликовано 12 научных работ в виде статей и докладов, включая 2 публикации в изданиях, рекомендованных ВАК.

Структура и объем работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы из 142 наименований и четырех приложений, включая справку и акт внедрения. Общий объем работы составляет 140 страниц, включая 24 таблицы, 28 рисунков, приложения на 7 листах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, определена научная и практическая новизна, представлено краткое содержание диссертации по главам.

В первой главе обоснована необходимость прогнозирования развития региональной системы высшего профессионального образования (ВПО). Для этого: а) дана характеристика системы высшего профессионального образования в России; б) проведен анализ состояния системы ВПО Забайкальского края; в) проведен обзор и анализ методов прогнозирования; г) сформулирована цель исследования и определены основные его задачи.

Для сохранения высокого уровня Российской системы образования на сегодняшний день необходимы широкая поддержка со стороны государства проводимых исследований в области образования, глубокая и всесторонняя модернизация системы образования с выделением необходимых для этого ресурсов и созданием механизмов их эффективного использования. Переход к рыночным отношениям и изменение всей экономической системы России заставляют искать новые инновационные пути развития экономики, в том числе системы высшего профессионального образования. Для получения точной комплексной информации о состоянии российского образования активно внедряется система общенационального мониторинга образования. Внедрение этой системы необходимо для реализации конституционного права на образование граждан Российской Федерации, которое состоит в получении качественного образования. В ближайшие годы планируется завершить формирование эффективной системы национального мониторинга, включающего мощный региональный компонент, так как, только имея более полный региональный охват, можно получать достоверную информацию. Особое место в мониторинге занимают аналитические исследования, разработка всевозможных прогнозов развития и стратегий поведения.

В диссертации проанализированы различные подходы, направленные на оценку перспективных тенденций развития системы высшего профессионального образования. Традиционные подходы в большей степени ориентируются на моделирование процессов развития образовательной системы и прогнозирование на этой основе ее количественных показателей с учетом ожидаемых демографических тенденций и оценке потребностей в специалистах различных отраслей экономики.

При проведении анализа состояния ВПО Забайкальского края использовалась информация по набору, контингенту, выпуску, конкурсу на место. По результатам проведенного анализа было сформировано общее представление о ситуации в системе ВПО Забайкальского края.

В диссертации проанализированы основные методы качественного и количественного прогнозирования, а также программные продукты, использующиеся для прогнозирования. Статистические продукты для комплексной обработки данных: BMDP, SAS, Statgraphics. Статистические методы анализа и прогнозирования временных рядов реализованы в специализированном программном продукте анализа временных рядов МЕЗОЗАВР и в универсальных статистических пакетах SYSTAT и SPSS. Новейшие нейронно-сетевые методы представлены в продукте Neural Connection. С 1995 года мировым лидером продаж на рынке статистического программного обеспечения стала интегрированная система Statistica для Windows. В диссертации рассмотрены некоторые из программных продуктов, по которым уда-

лось получить информацию и демонстрационную версию в Internet, проведен анализ их возможностей. По результатам проведенного анализа сделан вывод о том, что создание и совершенствование математического и программного обеспечения прогнозирования развития региональной системы ВПО является актуальной задачей, имеющей практическую и научную значимость, что, в свою очередь, определило цель и задачи работы.

Во второй главе для формализации задачи представлен математический аппарат и разработанное на его основе программное обеспечение для прогнозирования развития рынков на примере системы ВПО. При этом предлагается комплексный подход к прогнозированию.

Под комплексным прогнозированием в данной работе подразумевается объединение двух подходов (рис.1):

1. Первый подход основан на прогнозировании количественных показателей ВПО. При этом для построения прогноза предлагается использование двух типов информации: однородной, когда используется только «предыстория» рассматриваемого показателя, и разнородной, когда помимо предыстории используется информация, полученная от квалифицированным в рассматриваемой области экспертов.

2. Второй подход основан на проведении качественного прогнозирования, под которым понимается анализ изменений взаиморасположения объектов ВПО в системе координат по каждому из количественных показателей.

Комплексное прогнозирование

Ж

Количественное прогнозирование

Прогнозирование |

показателей

Модели сглаживания временных рядов и аппроксимация одним из типов функций:

Сглаживание Метод простой скользящей средней Метод взвешенной скользящей средней Экспоненциальное сглаживание Аппроксимация функцией Полиномиальная Экспонента

Модифицированная экспонента Логарифмическая парабола Кривая Гомперца Логистическая кривая

Качественное прогнозирование

Метод классификационных матриц

По однородной информации

По разнородной информации

Рис. 1. Структура и компоненты комплексного прогнозирования развития региональной системы ВПО.

Для прогнозирования показателей системы ВПО предлагается сглаживание и аппроксимация одним из типов функций (в представленных формулах т - число членов динамического ряда, ? = 1,т, N - число предшествующих моментов времени

в процедуре сглаживания, а - постоянная сглаживания, а,Ь,с,ап1 = \,п-1 - параметры моделей): 1. Сглаживание

• Метод простой скользящей средней

и,

N

• Метод взвешенной скользящей средней

5>.

2.

• Экспоненциальное сглаживание (Z,+l =a-Ylt¡ +(\-a)-7,l). Аппроксимация функцией

• Полиномиальная (<p{t) = о0 + а/ + a2t2 +...+ );

• Экспонента (<p(t) = ab')\

• Модифицированная экспонента (<p(í) = k + ab')\

• Логарифмическая парабола <p(t) = ab'c1';

• Кривая Гомперца (log^(f) = log/: + b' loga);

• Логистическая кривая (pit) = -

1 + Ь-е~\

Для выбранных моделей при прогнозировании по однородной информации подобраны методы оценки параметров. Для полиномиальных функций, экспоненты и логарифмической параболы - это метод наименьших квадратов (МНК). Для логистической функции при однородной информации обоснован метод Родса, а для кривой Гомперца и модифицированной экспоненты - метод трех сумм, метод трех точек и метод Ньютона-Гаусса.

Для проверки адекватности моделей прогнозирования помимо «классических» критериев Фишера и Дарбина-Уотсона, а также остаточной дисперсии, рассмотрены критерий «восходящих» и «нисходящих» серий и критерий серий, основанный на медиане выборки.

В связи с различием высказываний экспертов предложены различные постановки задачи прогнозирования по разнородной информации в виде задачи линейного и нелинейного программирования.

Полагаем, что известны предыстория прогнозируемого явления в виде последовательности результатов наблюдений у, и множество непротиворечивых экспертных суждений wL. С точностью до параметров определим модель у, = (в, <p{t)), в = Задача состоит в отыскании прогнозной модели, наи-

более согласованной с результатами наблюдений и экспертными суждениями.

Поскольку соответствие модели результатам наблюдений определяется тем, насколько вычисленные по модели значения временного ряда близки к наблюдаемым, то в качестве меры близости примем сумму (в представленных формулах m -число членов динамического ряда):

Лв) = (вМО))- (1)

Решение задачи в произвольном случае предлагается выполнять методом множителей Лагранжа. В случае если функция <ри) линейная или может быть сведена к линейной, в качестве меры близости рекомендуется функция:

(2)

i=i

В этом случае задача сводится к задаче линейного программирования. Для этого вводятся вспомогательные переменные:

г= /¡>(0МО)., = {(*.¥>('))-*. X <(<?>•?>(')) ,3)

' 1 0, у, S [в, <?('))' ' 1 0, у, 2 (в, (p(t))

Очевидно, что | v, - (в, <р(/))| = rt + s, и у, - (в, cp(tj) = r:-s,. (4)

В общем случае эксперты высказывают до шести суждений относительно поведения кривой. Для высказывания «Значение временного ряда будет в интервале от л1 до в'» на примере логистической кривой система будет выглядеть следующим образом ( / = Í,L, где L - число суждений):

£(>;+$,)=> min

Uß, <p(t)) + г, - ^ = Т„ (ОМ(')) > А, (в, <?(t')) < В, (5)

\r„s, >0,t = \,m, l = \,L

Для кривой Гомперца в случае этого же высказывания возникает необходимость решать задачу нелинейного программирования, система будет выглядеть следующим образом:

т i i

^ lnj?, -lnt-é'lne => min

/-i

j\nk + b""p)na>\nAl,\nk+bm*''lna< In В,' ^

Ir = Í7m, l = l¿

Для качественного прогнозирования развития региональной системы высшего профессионального образования рекомендуется модифицированный подход Бостонской консалтинговой группы, адаптированный для анализа положений образовательных объектов (вузов) на исследуемом региональном рынке. Представленный подход назван нами методом классификационных матриц.

В модели объекты классифицируются на пять групп по двум показателям (координатам). По оси абсцисс откладывается удельный вес каждого объекта в объеме выпуска (приема, контингента) (U), а по оси ординат - соотношение темпов роста каждого объекта и совокупного выпуска (приема, контингента) (Т). Т.к. при создании границ групп используются два способа (средние и медианные значения координат), это позволило ввести пятую группу - «Е». Таким образом, с учетом пятой группы, в классификационной матрице выделяются следующие группы: «А», «В», «С», «D» и «Е».

Удельный вес каждого объекта в темпе изменения суммарного объема (7],%) рассчитывается по одной из формул:

Tj = fy~ —--100, Zj =—-100, (7)

bc "¿mm b,0

где bi - темп роста показателя для i-ro объекта; b;o - темп роста базового объекта с номером i0, bI0 >0, Ьс - среднее значение коэффициента b (коэффициенты Ь, определяются методом наименьших квадратов).

Доля каждого объекта в совокупном суммарном объеме (£/,, %) определяется по одному из трех предложенных в работе вариантов.

Поэтапный анализ информации за несколько периодов времени позволяет сделать выводы о развитии региональной системы ВПО. Периоды выбираются индивидуально для каждой задачи, исходя из общей тенденции к росту или сокращению объемов выпуска (приема, контингента) образовательных объектов за определенный период времени.

Приведенные ранее и модернизированные методы комплексного прогнозирования реализованы в виде программного продукта «Прогнозирование развития рынков» (рис.2). При его разработке важным фактором являлась доступность. Поэтому работа с программным продуктом происходит в среде Windows, в качестве среды разработки выбран Delphi фирмы «Borland», база данных спроектирована с использованием Interbase Server. Interbase входит в состав семейства Borland, объединяющего пять серверных приложений, разработанных для совместного функционирования в качестве интегрированной системы. Она позволяет пользователям повысить производительность процесса принятия решений средствами систем, базирующихся на архитектуре клиент-сервер. SQL-сервер Interbase предназначен для

хранения и обработки больших объемов информации в условиях одновременной работы с базой данных множества клиентских приложений.

Показатель: Контигент студентсе Прогноз следует сделать на [~2008

о 6ГУЭ11 ' Прямая

О ЗАИ

О ЭАБИЖТ

О ЗИП

о ЧЛТГУ

о всгту

о <™

©г

I ip^lfwr

Парабола 2-й стелет

Экспонента

Прямая

Пряная

Прямая

Прямая

Сделайте выбор вила кривой

По однородной информации С Прякмя

. С Г1«р«6од* 2 Л (темня f Пемт«я «**<**

п Вммиим оолыяшм иыияя > <гя«жи**мч

'*"* Эиеосчмг«

С ЛогфАфиичккм п*р*бом С' МОСйф«пошит»

w röwitwn»!

С Лопктмчеекм фимя (истсяРеК*)

Итогом» классификация

По разнородной информации '* Прям« я

С 2 J (1«ям

>*Я®И«ит» С Лог«рмфммч*смя гчр«5ом

С Мояфаифомнмм мсютнт« С"* Кр*мя Гоетарц» С Л«ГИСТИЧ*(МЯ фМН

Рис.2. Выбор объектов и методов прогнозирования.

Пользователь предлагаемого программного продукта получает возможность редактировать таблицы базы данных, формировать выборку необходимых данных, знакомиться с характеристикой системы ВПО Забайкальского края, производить статистический анализ выбранных данных. Для лица, принимающего решения, имеющего соответствующие права, подключается опция «Прогнозирование», представляющая собой отдельное приложение. Обработка данных в опции «Прогнозирование» производится с помощью Microsoft Excel (не ниже ExceI-2000). Такой выбор был продиктован широкими возможностями продуктов компании Microsoft по подключению ряда математических пакетов. В представленной работе использовался математический пакет Maple для решения оптимизационных задач при прогнозировании по разнородной информации.

Программный продукт, представленный в диссертационной работе, исходя из выбранных объектов, моделей прогнозирования и экспертных суждений (рис. 2), формирует целевую функцию и ограничения оптимизационной задачи. Далее задача из созданного программного продукта передается в математический пакет Maple, полученные в результате параметры модели - обратно в созданный программный продукт, в котором уже исходя из полученных значений параметров, находятся прогнозные значения показателей. Для активизации некоторых команд пакета Maple необходимо подключать соответствующие пакеты. Для решения задач линейной оптимизации используется пакет «simplex», а для нелинейной оптимизации - пакет «Optimization» для решения задачи методом Лагранжа.

В третьей главе для полноты анализа предметной области проведено статистическое исследование исходных данных и прогнозирование развития системы высшего профессионального образования Забайкальского края по трем основным показателям: прием абитуриентов, контингент студентов, выпуск специалистов; получены результаты прогнозирования показателей вузов Забайкальского края, занимающихся подготовкой специалистов по специальности «Экономика предприятия (по отраслям)», в разрезе данного исследования проведено качественное прогнозирование объектов системы ВПО.

Для проверки связности между показателями «Численность выпускников школ» п, и «Прием в Вузы на очную форму обучения» х, предлагается использовать 1-статистику вида:

3' ~ 1

'„=--»• t (m-l);d ,d, =n,-*,;Sj =

si m I

2".

(8)

m{m -1)

Статистика (8) проверяет гипотезу о наличии или отсутствии отклонений между показателями п, и х, (проверка значимости среднего значения разности пар). Считается, что статистика (8) не очень критична к предпосылке о нормальности генеральной совокупности.

Исследование проведено за 2002-2007гг (ш=6). По результатам анализа сделан вывод, что для уровня значимости 0,05 показатели «Численность выпускников школ» и «Прием в вузы на очную форму обучения» статистически связаны.

Дополнительно в работе проверена гипотеза об однородности приема в вузы на первый курс школьников по годам (на очную форму обучения). В качестве критерия предложена статистика Брандта-Снедекора (9):

У х, р. -хР

.л £ (9)

Р(\-Р) '

имеющая %2 - распределение с (ш-1) степенями свободы при условии-.

mi 5, х, >1, и,>1. (10)

Здесь m - количество периодов времени; п, - число выпускников школ в t-ом году, / = \,т, х, - количество принятых в вузы на очную форму обучения в t-ом

— X --.V

году, / = 1,т, р, =— - доля приема на очную форму обучения, t = 1 ,m, Р =--об-

п, п

т

щая доля приема в вузы по всему рассматриваемому периоду, где п = ]Гп,,

(-1

т

* = 2*, • Если хг < xlP(mто принимается гипотеза об однородности приема по годам, где а - это уровень значимости.

Таблица 1

Год Выпускники школ=п Принято в Вузы=х Доля приема=р хр

2002 14001 5044 0,3603 1817,1513

2003 14585 | 5176 0,3549 1836,8856

2004 15053 5277 0,3506 1849,9122

2005 14424 5290 0,3667 1940,1068

2006 13679 4939 0,3611 1783,2971

2007 12987 I 4678 0,3602 1685,0454

Сумма 84729 30404 0,3588 10912,3984

Результаты прогнозирования по однородной информации основных показателей системы ВПО Забайкальского края по очной форме обучения представлены в таблице 2 (в скобках указаны истинные значения). «Качество» моделей проверяется по их точности прогнозирования на 2008 год по данным с 1999 года по 2007 год. При этом выбирается три лучших относительно фактического значения модели, но при условии, что точность прогноза не меньше 5%. «Хорошие» значения выделены жирным шрифтом.

Таблица 2

Ном Название метода По приему (4262) По KOHTHnreirry (19010) По выпуску (3072)

Точность 5% будет соблюдена, если прогнозируемое значение попадет в интервал 4049-4475 18060- 19960 2919-3225

1 Простая скользящая средняя 5205 19977 3127

2 Взвешенная скользящая средняя 5145 19818 3107

3 Экспоненциальное сглаживание 5071 19615 3051

4 Полиномиальная функция, п=2 5601 22173 3531

5 Полиномиальная функция, 11=3 4727 19147 3142

6 Экспонента 5680 22783 3762

7 Модифицированная экспонента 4984 19350 3061

8 Кривая Гомперца 4401 18992 3202

9 Логистическая кривая (метод Родса) 5104 31326 3572

При прогнозировании приема наиболее подходящей оказалась лишь кривая Гомперца. Контингент наилучшим образом аппроксимируют кривая Гомперца, по-

линомиальная функция (п=3), а также модифицированная экспонента. Для прогнозирования выпуска целесообразно использовать модифицированную экспоненту, экспоненциальное сглаживание и взвешенную скользящую среднюю.

Для построения прогноза по разнородной информации были приглашены 6 экспертов, в таблице 3 представлены их суждения по трем основным показателям системы высшего профессионально образования Забайкальского края. Суждения всех экспертов объединяются, в результате чего по каждому показателю формируются ограничения, которые представлены в последней строке таблицы 3.

Таблица 3

Эксперты Прием (4262) Контингент (19010) Выпуск (3072)

Эксперт 1 Значение показателя будет меньше, чем в 2007г. Значение показателя будет меньше, чем в 2007г. Значение показателя будет меньше, чем в 2007г.

Эксперт 2 Значение показателя будет в интервале от 3500 до 5500. Значение показателя будет больше 18500. Значение показателя будет больше 3000.

Эксперт 3 Значение показателя будет приблизительно на уровне 2000 года, может отличаться от значения 2000г не более, чем на 5%. Значение показателя будет в интервале от 18500 до 20000. Значение показателя будет в интервале от 2500 до 3800.

Эксперт 4 Значение показателя будет в интервале от 3500 до 5700. Значение показателя будет в интервале от 18500 до 21000. Значение показателя будет в интервале от 2800 до 3500.

Эксперт 5 Значение показателя будет в интервале от 4000 до 5600. Значение показателя будет меньше 21500. Значение показателя будет меньше 3500.

Эксперт 6 Значение показателя будет меньше, чем в 2007г. Значение показателя будет меньше, чем в 2007г. Значение показателя будет меньше, чем 2007г.

Итог по суждениям экспертов 4000-4751 18500-19698 3000-3144

Результаты экспериментов по разнородной информации представлены в таблице 4. По приему наилучшее прогнозное значение дает кривая Гомперца, затем -полиномиальная функция (п=2). По контингенту прогнозные функции расположились в такой последовательности: кривая Гомперца, модифицированная экспонента, полиномиальная функция (п=2). По выпуску: модифицированная экспонента, полиномиальная функция (п=2), кривая Гомперца. Следует заметить, что по выпус-

ку в результате экспертных суждений прогнозные значения по всем моделям попали в 5% интервал относительно истинного значения.

Таблица 4

н ом Название метода По приему (4262) По контингенту (19010) По выпуску (3072)

Точность 5% будет соблюдена, если прогнозируемое значение попадет в интервал 4049-4475 18060- 19960 2919-3225

1 Полиномиальная функция, п=2 4300 18500 3051

2 Полиномиальная функция, п=3 4727 19615 3142

3 Экспонента 4751 19698 3144

4 Модифицированная экспонента 4751 19350 3061

5 Кривая Гомперца 4299 18992 3000

6 Логистическая кривая 4751 19698 3144

Предложенный комплексный подход к прогнозированию показателей системы ВПО на основе только статистических данных, а также статистических данных и суждений квалифицированных в предметной области групп экспертов, способствует получению достоверных результатов прогноза развития региональной образовательной системы, что позволит органам управления осуществлять научно-обоснованные структурные изменения региональной системы ВПО, определять потенциал региона для решения социально-экономических задач.

Как уже отмечалось в главе 2, качественное прогнозирование связано с поэтапным анализом информации за несколько периодов времени. В исследовании использовалось 3 периода: 1999-2004, 2004-2008, 1999-2008, за которые было проведено качественное прогнозирование по всем вузам Забайкальского края по трем основным показателям: прием, контингент и выпуск и в разрезе специальности «Экономика предприятия» по контингенту студентов.

Сделан вывод, что применение комплексного прогнозирования позволяет органам управления осуществлять научно-обоснованные структурные изменения региональной системы ВПО, а также определять квалификационный потенциал региона для решения крупных социально-экономических проектов, как «точек роста» региональной экономики.

В заключении приведены основные результаты работы.

В приложения вынесены: 1) коэффициенты для подсчета параметров полиномиальных функций, 2) Применение метода классификационных матриц для стратегического анализа системы ВПО по показателям прием, контингент, выпуск

студентов, обучающихся с полным возмещением затрат; 3) акт внедрения и справка о внедрении разработанного программного продукта.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

1. Для прогнозирования развития региональной системы ВПО предложен комплексный подход. Под комплексным прогнозированием в данной работе понимается объединение двух подходов: а) подхода, основанного на прогнозировании количественных показателей системы высшего профессионального образования, В этом случае при прогнозировании предлагается использовать два типа информации: однородную, когда используется только предыстория рассматриваемого показателя, и разнородную, когда помимо предыстории используется информация, полученная от квалифицированных в рассматриваемой области экспертов; б) подхода, предназначенного для качественного прогнозирования системы ВПО с помощью метода классификационных матриц. Для проверки адекватности моделей прогнозирования помимо «классических» критериев Фишера и Дарбина-Уотсона, а также остаточной дисперсии, рассмотрен критерий «восходящих» и «нисходящих» серий и критерий серий, основанный на медиане выборки.

2. Для прогнозирования количественных показателей отобраны модели сглаживания и аппроксимации. При сглаживании используются: модель простой скользящей средней, модель взвешенной скользящей средней и модель экспоненциального сглаживания. При аппроксимации - полиномиальная функция, экспонента, модифицированная экспонента, кривая Гомперца и логистическая функция. Для выбранных моделей подобраны методы оценки параметров. Для логистической функции при однородной информации обоснован метод Родса, а для кривой Гомперца и модифицированной экспоненты - метод трех сумм, метод трех точек и метод Ньютона-Гаусса. Предложены различные постановки задачи прогнозирования по разнородной информации в виде задач линейного и нелинейного программировании. Различие в постановках связано с различием высказываний экспертов.

3. Предложен алгоритм качественного прогнозирования ВПО с помощью метода классификационных матриц. Алгоритм основан на модифицированной модели Бостонской консалтинговой группы. В алгоритме объекты классифицируются на пять групп по двум показателям (координатам). По оси абсцисс откладывается удельный вес каждого объекта в объеме выпуска (приема, контингента) (Ц), а по оси ординат - соотношение темпов роста каждого объекта и совокупного выпуска (приема, контингента) (Т). Изменения в алгоритме связаны с определением координаты Т. Поэтапный анализ матриц за несколько периодов времени, позволяет делать выводы о развитии региональной системы ВПО. Подобный подход, когда ана-

лизируются изменения в расположении объектов от матрицы к матрице, назван в работе качественным прогнозированием.

4. Предложена модель статистического анализа двух показателей исходных данных системы ВПО Забайкальского края «Численность выпускников школ» и «Прием в вузы на очную форму обучения». Анализ проведен по двум постановкам за 2002-2007 годы: а) проверка гипотезы о связности этих показателей по t-статистике вида; б) проверка однородности приема в вузы на первый курс школьников по годам по статистике Брандта-Снедекора. Статистический анализ позволил сделать вывод о статистической связности этих показателей, а также позволил принять гипотезу о том, что доля приема на очную форму обучения не зависимо от демографического спада однородна и в среднем равна 36%.

5. Для реализации предложенных моделей прогнозирования создан программный продукт «Прогнозирование развития рынков». Работа с программным продуктом происходит в среде Windows, в качестве среды разработки выбран Delphi фирмы «Borland», база данных спроектирована с использованием Interbase Server. Обработка данных в модуле «Прогнозирование» производится с помощью программного продукта Microsoft Excel (не ниже Excel-2000), выбор которого был продиктован возможностью подключения математического пакета Maple для решения оптимизационных задач при прогнозировании по разнородной информации.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

В изданиях, рекомендованных ВАК:

1. Яхина А.С. Прогнозирование показателей, характеризующих рынок образовательных услуг, на основе разнородной информации [Текст] / Ю.М. Краковский, А.С. Яхина // Качество. Инновации. Образование. - 2009. - №3. - с. 2-6.

2. Яхина А.С. Прогнозирование динамики развития регионального рынка образовательных услуг [Текст] / Ю.М. Краковский, А.С. Яхина // Современные технологии. Системный анализ. Моделирование. ИрГУПС. - 2009. - №2 (22). - с. 180— 184.

В других изданиях:

3. Яхина А.С. Прогнозирование положения рынка образовательных услуг Забайкальского края по показателю «Конкурс на место» [Текст] / А.С. Яхина, Н.И. Черхарова, Н.В. Пузынина // Молодой ученый. - 2008. - №1. - с. 13 8-143.

4. Яхина А.С. Прогнозирование показателей, характеризующих рынок образовательных услуг // Сб. «Информационные технологии и проблемы математического моделирования сложных систем» [Текст] / Ю.М. Краковский, А.С. Яхина // Иркутск: Изд-во ИрГУПС, 2008. Вып. 6. - с.137-143.

5. Яхина A.C. Прогнозирование динамики развития рынка образовательных услуг на примере специальности «Экономика предприятия» [Текст] / Ю.М. Краковский, A.C. Яхина // Вестник развития науки и образования. - М.: Наука, 2009. -№1 - с.46-52.

Материалы научных конференций:

6. Яхина (Сайфутдинова) A.C. Стратегический анализ рынка //Материалы межвузовской научно-практической конференции «Математика и ее приложения в экономике, технике и образовании», Чита: издательство БГУЭП, 2006, с. 61-72.

7. Яхина (Сайфутдинова) A.C. Анализ образовательных услуг Читинской области по показателям: контингент, прием, выпуск // Материалы XVIII Международной научно-технической конференции «Математические методы и информационные технологии в экономике, социологии и образовании», Пенза, 2006, с. 8486.

8. Яхина (Сайфутдинова) A.C. Позиционировании вузов Читинской области и Агинского Бурятского автономного округа на основе модифицированного метода Бостонской консалтинговой группы //Материалы VI Всероссийской научно-практической конференции «Модернизация системы профессионального образования на основе регулируемого эволюционирования», Москва-Челябинск, 2007, ч.З, с. 127-133.

9. Яхина A.C. Проверка наличия тенденции развития высшего профессионального образования Забайкальского края // Материалы VII Всероссийской научно-практической конференции с международным участием «Информационные технологии и математическое моделирование», Анжеро-Судженск, 2008, ч.2, с. 69-73.

10. Яхина A.C. Проверка гипотезы о правильности выбора вида тренда [Текст] / Н.И. Черхарова, A.C. Яхина, Н.В. Пузьшина // Материалы VIII Всероссийской научно-практической конференции «Кулагинские чтения» - Чита, 2008 - ч. 2 -с. 114-118.

11. Яхина A.C. «Казуальные методы прогнозирования» //Материалы V Всероссийской научно-практической конференции «Актуальные вопросы экономических наук», Новосибирск, 2009, ч. 5, с. 243-247.

12. Яхина A.C. «Прогнозирование развития системы высшего профессионального образования с учетом демографического фактора» // Материалы региональной научно-практической конференции, посвященной 50-летию Читинского института Байкальского государственного университета экономики и права, Чита, Издательство БГУЭП, 2009, с. 145-147.

Подписано в печать 15.10.2009. Формат 60 х 90 1/16. Бумага офсетная. Печать трафаретная. Усл. печ. л. 1,05. Тираж 120 экз. Зак. 1235

Отпечатано: Федеральное государственное унитарное геологическое предприятие "Урангеологоразведка". Юридический адрес: 115148, г. Москва, ул. Большая Ордынка, дом 49, строение 3. ИНН 7706042118 Справки и информация: БФ "Сосновгеология" "Глазковская типография". Адрес: 664039, г. Иркутск, ул. Гоголя, 53; тел.: 38-78-40, тел./факс: 598-498

ВВЕДЕНИЕ.

1 .ОБОСНОВАНИЕ НЕОБХОДИМОСТИ ПРОГНОЗИРОВАНИЯ РАЗВИТИЯ РЕГИОНАЛЬНОЙ СИСТЕМЫ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ, ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЯ.

1.1 Характеристика системы высшего профессионального образования.

1.2 Анализ состояния высшего профессионального образования Забайкальского края.

1.3 Обзор и анализ методов прогнозирования.

1.4 Анализ и сравнение программных продуктов для прогнозирования.

1.5 Цель и задачи исследования.

2. МАТЕМАТИЧЕСКОЕ И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ДЛЯ КОМПЛЕКСНОГО ПРОГНОЗИРОВАНИЯ РЕГИОНАЛЬНОЙ СИСТЕМЫ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ.

2.1 Постановка задачи комплексного прогнозирования системы ВПО.

Понятие комплексного прогнозирования.

Постановка задачи прогнозирования количественных показателей.

2.2 Прогнозирование развития системы высшего профессионального образования в регионе на основе однородной информации.

2.2.1 Оценивание параметров используемых моделей.

2.2.2 Проверка адекватности построенных моделей для прогнозирования.

2.3 Прогнозирование развития системы высшего "профессионального образования в регионе на основе разнородной информации.

2.3.1 Проверка согласованности экспертных суждений.

2.3.2 Определение меры соответствия модели результатам прогнозирования.

2.3.3 Преобразование экспертных суждений в систему ограничений задачи.

2.3.4 Оценивание параметров модели.

2.4 Качественное прогнозирование развития системы высшего профессионального образования региона.

2.5 Программное обеспечение для прогнозирования развития региональной системы высшего профессионального образования.

2.5.1. Оболочка программного продукта.

2.5.2. Возможности количественного прогнозирования.

2 5.3 Программное обеспечение для качественного прогнозирования развития региональной системы высшего профессионального образования с помощью классификационных матриц.

2.6 Выводы по главе 2.

3. ПРИМЕНЕНИЕ ПРОГРАММНОГО ПРОДУКТА ПРИ ПРОГНОЗИРОВАНИИ СИСТЕМЫ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ЗАБАЙКАЛЬСКОГО КРАЯ.

3.1 Статистический анализ исходных данных.

3.2 Результаты прогнозирования развития системы высшего профессионального образования Забайкальского края на основе однородной информации.

Результаты прогнозирования приема, контингента и выпуска по всем вузам Забайкальского края (по очной форме обучения).

Результаты прогнозирования контингента студентов конкретного вуза специальности «Экономика предприятия» (очная форма обучения).

3.3 Результаты прогнозирования развития системы высшего профессионального образования Забайкальского края на основе разнородной информации.

3.4 Результаты качественного прогнозирования развития системы высшего профессионального образования Забайкальского края.

3.5 Выводы по главе 3.

Высшее образование в России переживает такой период, когда управление университетами происходит в условиях недостаточного бюджетного финансирования. Многие проблемы, с которыми сталкивается российская высшая школа, знакомы и другим странам [1,21, 24] — это и дефицит площадей в университетах, стремительное наращивание образовательных услуг конкурентами, ужесточение требований качества, дефицит материально-технических и финансовых ресурсов. Российские университеты адаптировались к этим условиям, научившись использовать меры по расширению источников финансирования: работа преподавателей по совместительству в нескольких местах, поиск и использование возможностей для проведения исследований по контракту, помощь международных фондов при участии в различных проектах, предоставление арендных услуг и другая предпринимательская деятельность.

Главное содержание современного этапа управления вузами, как утверждают многие аналитики [22, 51, 52, 57, 101, 109], состоит в переходе от антикризисного управления, когда целью было сохранение вуза, к стратегическому управлению.

Важным фактором^ на сегодняшний день является нарастание конкуренции между вузами за ограниченные ресурсы. Сокращение по ресурсам идет практически во всех направлениях:

• из-за демографического кризиса сокращается контингент выпускников школ;

• меньше стало квалифицированных преподавателей в последние годы из-за неконкурентоспособности зарплат в высших учебных заведениях по сравнению с другими секторами экономики;

• финансовые возможности семей сокращаются из-за отставания роста зарплат от темпов инфляции.

В такой сложной ситуации встают вопросы оценки конкурентоспособности вузов на рынке образовательных услуг. Данное направление представлено следующими работами: [31, 59 - 69, 90, 111]. Именно поэтому образовательная политика России на современном этапе исходит из необходимости повышения роли образования в развитии общества и государства. Образование стало одним из важнейших факторов и ресурсов экономического развития, формирования нового качества экономики.

Динамическое развитие экономики, сокращение сферы неквалифицированного и малоквалифицированного труда, структурные изменения в сфере занятости определяют высокие требования к профессиональной квалификации работников [55]. В качестве основного фактора обновления содержания образования выступают тенденции развития экономики и социальной сферы, науки, техники и технологий [86]. В связи с этим важным становится создание системы мониторинга и прогнозирования выпуска кадров различной квалификации (в соответствии с существующей профессиональной квалификационной структурой, потребностями и перспективами развития регионов России, в том числе с учетом международных тенденций). В этой сфере отсутствует научно-методическая разработка методологических подходов, которые бы завершались созданием реальной методики прогнозирования кадровой структуры России в целом, а также ее регионов.

Рассмотрение вопросов прогнозирования развития системы высшего профессионального образования в Российской Федерации, нахождение способов их решения с учетом социально-демографических факторов и изменений в экономике, определяющих спрос на специалистов, является актуальной задачей на современном этапе развития регионов. Так в связи с динамичными структурными сдвигами в экономике и изменениями макроэкономических показателей возникает необходимость в постоянной оперативной оценке и корректировке вариантов прогнозов выпуска специалистов, и структуры их подготовки. Одной из важных задач в настоящее время является изучение тенденций развитая системы образования с учетом ожидаемого снижения численности выпускников общеобразовательных школ. Наиболее неблагоприятным для развития системы образования ожидается период с 2010 до 2020 г. В связи с этим работы по прогнозированию динамики контингента системы высшего профессионального образования и ведению соответствующей базы данных имеют весьма важное фундаментальное и прикладное значение.

Необходима разработка системы показателей, критериев, индикаторов и методик мониторинга состояния и развития системы высшего профессионального образования, применяемой при прогнозировании приема абитуриентов и выпуска специалистов по группам направлений и специальностей. Расчеты, проведенные по данным методикам, могут быть использованы Министерством образования России при формировании контрольных цифр приема студентов в вузы.

Управление образованием как динамической системой требует прогнозной информации о перспективах ее развития для принятия необходимых управленческих решений. От качества прогнозных оценок, их эффективного использования в процессе управления системой образования зависит качество человеческого (интеллектуального) капитала и эффективность функционирования экономики в целом. Прогнозирование для целей управления системой образования, рассматриваемое как предсказание будущих изменений, является одним из подходов для наилучшего использования накопленных знаний о развитии образования в краткосрочной, среднесрочной и долгосрочной перспективе.

В развитых странах прогнозированию развития системы образования придается очень большое значение [99, 122]. Затраты на исследования и разработки в этом направлении составляют ежегодно около 2% всех ассигнований на науку в области образования. Выигрыш от исследований и разработок более чем в 50 раз превышает затраты, связанные с их проведением. Особо важная роль должна придаваться прогнозированию развития системы образования в условиях экономического кризиса.

Вообще, разработка прогнозов, сценариев, всевозможных стратегий является довольно популярной деятельностью в современной образовательной политике России. До сих пор распространена практика принятия важных стратегических решений на основании высказанных интересов или некоторых экспертных обсуждений. Для того чтобы выработать в нашем обществе реальную образовательную стратегию, необходимо, чтобы была база знаний, чтобы реализовывались идеи, подкрепленные глубоким анализом с применением математических методов, чтобы применялись интеллектуальноемкие разработки, чтобы исследовались современные мировые тенденции при прогнозировании развития системы образования.

Целью диссертационной работы, является создание программно-математического обеспечения комплексного прогнозирования региональной системы высшего профессионального образования, позволяющего повышать качество управленческих решений при осуществлении крупных социально-экономических проектов.

Для- реализации сформулированной цели в работе решаются следующие задачи:

1. Анализ региональной системы высшего профессионального образования (ВПО) на примере Забайкальского края.

2. Сравнительный анализ программно-математических средств для прогнозирования развития рынков, включая систему высшего профессионального образования.

3. Разработка структуры и обоснование компонент комплексного прогнозирования региональной системы высшего профессионального образования.

4. Отбор и модернизация математических моделей для комплексного прогнозирования системы высшего профессионального образования.

5. Создание программного продукта, реализующего математические модели комплексного прогнозирования системы высшего профессионального образования.

6. Апробация созданного программно-математического обеспечения по данным высшего профессионального образования Забайкальского края.

Научную новизну диссертации представляют следующие положения, которые выносятся на защиту:

1. Комплексное прогнозирование развития региональной системы высшего профессионального, образования, объединяющее два подхода: а) подход, основанный на прогнозировании количественных показателей^ высшего профессионального образования, который использует статистическую и экспертную информацию; б) подход, предназначенный для качественного прогнозирования высшего профессионального образования с помощью метода'классификационных матриц.

2. Постановки и методы оценки параметров моделей прогнозирования по разнородной информации при ограничениях, которые задаются экспертными суждениями.

3. Алгоритм качественного прогнозирования ВПО с помощью классификационных матриц, полученных на различных интервалах времени. Алгоритм основан на модифицированной модели Бостонской консалтинговой группы, когда объекты классифицируются на пять групп по двум координатам.

4. Модель статистического анализа по проверке однородности приема в вузы на первый курс школьников с использованием статистики Брандта-Снедекора.

5. Программное обеспечение «Прогнозирование развития рынков», содержащее средства комплексного прогнозирования, включая графические средства отображения полученных результатов, проверку адекватности моделей, проверку согласованности мнений экспертов.

Практическая ценность работы заключается в количественной оценке качества управленческих решений путем разработки средств прогнозирования и графического отображения полученных результатов, реализованных в виде программного продукта «Прогнозирование развития рынков». Созданный программный продукт апробирован при прогнозировании развития системы высшего профессионального образования Забайкальского края, а также используется при проведении статистических исследований в «Территориальном органе Федеральной службы государственной статистики по Забайкальскому краю». Акт и справка о внедрении приведены в приложении 3.

Апробация работы. Основные результаты докладывались на международных, всероссийских и региональных конференциях: межвузовская научно-практическая конференция «Математика и ее приложения в экономике, технике и образовании», Чита, 2006; международная научно-техническая конференция «Математические методы и информационные технологии в экономике, социологии и образовании», Пенза, 2006; всероссийская научно-практическая конференция «Модернизация системы профессионального образования на основе регулируемого эволюционирования», Москва-Челябинск, 2007; всероссийская научно-практическая конференция1 с международным участием «Информационные технологии и математическое моделирование», Анжеро-Судженск, 2008; всероссийская научно-практическая конференция «Кулагинские чтения», Чита, 2008; всероссийская научно-практическая конференция «Актуальные вопросы^ экономических наук», Новосибирск, 2009; региональная научно-практическая конференция, посвященная 50-летию Читинского института Байкальского государственного университета экономики и права, Чита, 2009.

По результатам исследований опубликовано 12 научных работ в виде статей и докладов, включая 2 публикации в изданиях, рекомендованных ВАК: «Прогнозирование показателей, характеризующих рынок образовательных услуг, на основе разнородной информации» // Качество. Инновации. Образование. — 2009. — №3. — С. 2—6; «Прогнозирование динамики развития регионального рынка образовательных услуг» // Современные технологии. Системный анализ. Моделирование. ИрГУПС. - 2009. - №2. - С. 180-184.

Структура и объем работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы из 142 наименований и трех приложений, включая акты внедрения. Общий объем работы составляет 140 страниц, включая 24 таблицы, 28 рисунков, приложения на 7 листах.

3.5 Выводы по главе 3

1. Проведен статистический анализ двух показателей исходных данных ВПО Забайкальского края «Численность выпускников школ» и «Прием в вузы на очную форму обучения». Анализ проведен по двум постановкам за 20022007 годы: а) проверка гипотезы о связности этих показателей по Ь-статистике вида (3.1); б) проверка однородности приема в вузы на первый курс школьников по годам по статистике Брандта-Снедекора (3.2). Статистический анализ позволил сделать вывод о статистической связности этих показателей, а также позволил принять гипотезу о том, что доля приема на очную форму обучения не зависимо от демографического спада однородна и в среднем равна 36%.

2. При прогнозировании по всем вузам наилучший результат при прогнозировании по однородной информации дали: для приема — кривая Гом-перца; для контингента — кривая Гомперца и полиномиальная функция (п=3), а также модифицированная экспонента; для выпуска - модифицированная экспонента, экспоненциальное сглаживание и взвешенная скользящая средняя. «Качество» моделей проверяется по их точности прогнозирования на 2008 год по данным с 1999 года по 2007 год. При этом выбирается три лучших модели с разными значениями, но при условии, что точность прогноза не меньше 5%. При прогнозировании контингента студентов по специальности «Экономика предприятия» (очная форма обучения) наиболее подходящие прогнозные функции расположились в такой последовательности: логистическая кривая, полиномиальная функция для п=2 и модифицированная экспонента.

3) Осуществлена проверка трех моделей (полинома 2-й степени, модифицированной экспоненты и кривой Гомперца) на возможность их использования как тренда по критериям, основанным на медиане выборки и восходящим и нисходящим сериям. Оба критерия показали, что для исследуемых данных лучшей моделью является кривая Гомперца.

4. При прогнозировании по разнородной информации с привлечением шести экспертов по приему наилучшее прогнозное значение дает кривая Гомперца, затем - полиномиальная функция (п=2). По контингенту прогнозные функции расположились в такой последовательности: кривая Гомперца, модифицированная экспонента, полиномиальная функция (п=2). По выпуску: модифицированная экспонента, полиномиальная функция (п=2), кривая Гомперца. Следует заметить, что по выпуску в результате экспертных суждений прогнозные значения по всем моделям попали в 5% интервал относительно истинного значения. Сделан вывод, что при прогнозировании показателей системы ВПО на основе статистических данных и суждений квалифицированных в предметной области экспертов точность прогноза повышается. Это связано с тем, что экспертные суждения влияют на параметры прогнозных-функций.

• 5. Проведено качественное прогнозирование развития региональной системы высшего профессионального образования с использованием метода классификационных матриц. Исследование системы ВПО проведено по) приему, контингенту и выпуску студентов ведущих вузов Забайкальского края в разрезе очной формы обучения, а также по контингенту специальности «Экономика предприятия». Исследование проведено по 3-м периодам времени: 1999-2004, 2004-2008, 1999-2008. Показана эффективность качественного прогнозирования. Сделан вывод, что применение комплексного прогнозирования позволяет органам управления осуществлять научно-обоснованные структурные изменения регионального системы ВПО, а также определять квалификационный потенциал региона для решения крупных социально-экономических проектов, как «точек роста» региональной экономики.

ЗАКЛЮЧЕНИЕ

Диссертация посвящена разработке математических и программных средств прогнозирования для исследования региональной системы высшего профессионального образования. Актуальность этих исследований связана с необходимостью определения научно-образовательного потенциала региона для обоснованной разработки социально-экономических проектов, как «точек роста» региональной экономики. В результате проведенных исследований получены следующие результаты: I

1. Проведен анализ состояния высшего профессионального образования Забайкальского края. По каждому вузу использовалась информация по набору, контингенту, выпуску, конкурсу на место. В 2007/2008 учебном году подготовкой дипломированных специалистов занимались 18 высших учебных заведения: 3 государственных учебных заведения; 9 филиалов государственных учебных заведений; 6 филиалов негосударственных высших учебных заведений. Число студентов на 10.000 человек в 2007 году равно 326 человек (для сравнения в Иркутской области этот показатель составил 497 студентов). Из числа студентов в 2007/08 учебном году 22246-человек (59,1% от общего числа студентов) обучались с полным возмещением затрат на обучение - на 1736 больше, чем в 2006/2007 учебном году. Хотя по отдельным специальностям доля коммерческого набора достигает величины 79% (Юриспруденция), 83% (Бухгалтерский учет и аудит). Конкурс на вступительных экзаменах с 2001 года по 2007 год снизился с 2 человек на место до 1,67 человек на место. Стабильно высокий конкурс сохраняется в группах специальностей «Экономика», «Здравоохранение» и «Образование». Снижение конкурса на место наблюдалось в группе специальностей «Транспорт».

2. Для прогнозирования региональной системы высшего профессионального образования предложен комплексный подход. Под комплексным прогнозированием в данной работе понимается объединение двух подходов: а) подхода, основанного на прогнозировании количественных показателей

ВПО. В этом случае при прогнозировании предлагается использовать два типа информации: однородную, когда используется только предыстория рассматриваемого показателя, и разнородную, когда помимо предыстории используется информация, полученная от квалифицированных в рассматриваемой области экспертов; б) подхода, предназначенного для качественного прогнозирования ВПО с помощью классификационных матриц. Для проверки адекватности моделей прогнозирования помимо «классических» критериев Фишера и Дарбина—Уотсона, а также остаточной дисперсии, рассмотрен критерий «восходящих» и «нисходящих» серий и критерий серий, основанный на медиане выборки.

3. Для прогнозирования количественных показателей отобраны модели сглаживания и аппроксимации. При сглаживании используются: модель простой скользящей средней, модель взвешенной скользящей средней и модель экспоненциального сглаживания. При аппроксимации: полиномиальная функция, экспонента, модифицированная экспонента, логарифмическая парабола, кривая Гомперца и логистическая функция. Для выбранных моделей подобраны методы оценки параметров. Для логистической функции при однородной информации обоснован метод Родса, а для кривой Гомперца и модифицированной экспоненты — метод трех сумм, метод трех и метод Ньютона-Гаусса. Предложены различные постановки задачи прогнозирования по разнородной информации в виде задачи линейного программировании. Различие в постановках связано с различием высказываний экспертов.

4. Предложен алгоритм качественного прогнозирования системы ВПО с помощью классификационных матриц. Алгоритм основан на модифицированной модели Бостонской консалтинговой группы. В алгоритме объекты классифицируются на пять групп по двум показателям (координатам). По оси абсцисс откладывается удельный вес каждого объекта в объеме выпуска (приема, контингента) (С7), а по оси ординат — соотношение темпов роста каждого объекта и совокупного выпуска (приема, контингента) (Т). Изменения в алгоритме связаны с определением координаты Т. Поэтапный анализ матриц за несколько периодов времени, позволяет делать выводы о развитии системы ВПО и стадии жизненного цикла объекта (начало, рост, зрелость, спад). Подобный подход, когда анализируются изменения в расположении объектов от матрицы к матрице, назван в работе качественным прогнозированием.

5. Для реализации предложенных моделей прогнозирования создан программный продукт «Прогнозирование развития рынков». Работа с программным продуктом происходит в среде Windows, база данных спроектирована с использованием Interbase Server, обработка производится с помощью Microsoft Excel (не ниже Excel—2000). В зависимости от выбранной модели аппроксимации тренда и вида экспертных суждений, формируется целевая функция и система ограничений. В этот момент к Excel подключается математический пакет Maple. Для решения задач линейной оптимизации используется пакет «simplex», а для нелинейной оптимизации — либо пакет «Stu-dent[MultivariateCalculus]» для решения задачи методом Лагранжа (в случае ограничений в виде равенств), либо пакет «Optimization» - в случае ограничений в форме равенств и неравенств.

6. Проведен статистический анализ двух показателей исходных данных системы ВПО Забайкальского края «Численность выпускников школ» и «Прием в вузы на очную форму обучения». Анализ проведен по двум, постановкам за 2002-2007 годы: а) проверка гипотезы о связности этих показателей по t-статистике вида; б) проверка однородности приема в вузы на первый курс школьников по годам по статистике Брандта-Снедекора. Статистический анализ позволил сделать вывод о статистической связности этих показателей, а также позволил принять гипотезу о том, что доля приема на очную форму обучения не зависимо от демографического спада однородна и в среднем равна 36%.

7. Используя созданное программное обеспечение, проведено комплексное прогнозирование системы ВПО Забайкальского края. При прогнозировании по всем вузам наилучший результат при прогнозировании по однородной информации дали: для приема — кривая Гомперца; для контингента - кривая Гомперца и полиномиальная функция (п=3), а также модифицированная экспонента; для выпуска - модифицированная экспонента, экспоненциальное сглаживание и взвешенная скользящая средняя. При прогнозировании по разнородной информации с привлечением шести экспертов по приему наилучшее прогнозное значение дает кривая Гомперца, затем — полиномиальная функция (п=2). По контингенту прогнозные функции расположились в такой последовательности: кривая Гомперца, модифицированная экспонента, полиномиальная функция (п=2). По выпуску: модифицированная экспонента, полиномиальная функция (п=2), кривая Гомперца. Сделан вывод, что при прогнозировании показателей системы ВПО на основе статистических данных и суждений квалифицированных в предметной области экспертов точность прогноза повышается. Это связано с тем, что экспертные суждения влияют на параметры прогнозных функций. Проведено качественное прогнозирование развития региональной системы высшего профессионального образования с использованием метода классификационных матриц. Исследование системы ВПО проведено по приему, контингенту и выпуску студентов ведущих вузов Забайкальского края в разрезе очной формы обучения, а также по контингенту специальности «Экономика предприятия». Исследование проведено по 3-м периодам времени: 1999-2004, 2004-2008, 1999-2008. Показана эффективность качественного прогнозирования. Сделан вывод, что применение комплексного прогнозирования позволяет органам управления осуществлять научно-обоснованные структурные изменения регионального системы ВПО, а также определять квалификационный потенциал региона для решения крупных социально-экономических проектов, как «точек роста» региональной экономики.

8. По результатам диссертационного исследования получены акт и справка о внедрении.

1. Абрамова Е.А. Экономические итоги развития российской экономики в 2006 г. и прогноз на 2008-2010 гг. Текст. / Е.А. Абрамова; Д.Р. Белоусов, К.В. Михайленко // Проблемы прогнозирования. 2008: — №1. - С.55-73.

2. Айвазян G.A. Прикладная статистика и основы, эконометрики Текст. 7 С.

3. A. Айвазян, B.C. Мхитарян. М.: Юнити, 1998. - М.: Юнити Дана. - 1998. -270с.

4. Антохонова И.В., Батуева А.Д. Методы обнаружения? тенденции и простейшие приемы анализа Текст.7 И.В. Антохонова, А.Д. Батуева. — 163с.

5. Афанасьева К.Е., Ширяев В.И. Прогнозирование региональных рынков сотовой связи Текст./ К.Е. Афанасьева, В.И: Ширяев 7/ Проблемы прогнозирования. 2007. - №5. - С.97-106.

6. Афонасьев В. Маркетинг образовательных услуг Текст.; / В. Афонасьев,

7. B.Черкасов // Маркетинг. 1999. - № 5. - С.68-76.

8. Баранов В.А. Общие вопросы методологии и научного- прогнозирования Текст. / В.А. Баранов.- X, 1992.-230с.

9. Батуева А.Д. Анализ и прогнозирование по одиночным временным рядам с использованием пакета статистической обработки Statistica Текст. / А.Д. Батуева, И.В. Антохонова. Улан-Удэ: Изд-во ВСГТУ, 1999. - 49с.

10. Белоусов Д.'Р. Построение долгосрочного' научно—технологического прогнозам для России методом «Форсайт» Текст. / Д.Р: Белоусов, О.Г. Солнцев, M.IO. Хромов // Проблемы прогнозирования. 2008. — № 1. - С. 18—33.

11. Бережная Е.В. Мётоды прогнозирования временных рядов в экономических исследованиях Текст. / Е.В. Бережная, Т.А. Порохня // Вестник СевКав

12. ГТУ. серия «Экономика». - №2. - 2004. -Электронный ресурс. — Режим доступа: http://science.ncstu.ru/articles/econom/ 13/09.pdf.

13. П.Бестужев-Лада И.В. Основные этапы разработки прогнозов. (К комплексной методике социального прогнозирования) Текст. / И.В. Бестужев-Лада // Социологическое исследование, 1982. -N1. — 215с.

14. Бестужев—Лада И.В. Рабочая книга по прогнозированию Текст. / И.В. Бестужев-Лада. -М.: Мысль, 1982. 430с.

15. Бешелев С.Д. Математико-статистические методы экспертных оценок Текст. / С.Д. Бешелев, Ф.Г. Гурвич. М.: Статистика, 1980. - 263с.

16. Бирман Э.Г. Сравнительный анализ методов прогнозирования Текст. / Э.Г. Бирман // НТИ Сер.2. 1986. - №1. - С. 11-16.

17. Божук С.Г. Маркетинговые исследования Текст. / С.Г. Божук, Л.Н. Ко-валик. СПб.: Питер, 2003. - 304с.

18. Боровиков В.П. Прогнозирование в системе Statistika в среде Windows Текст. / В.П. Боровиков, Г.И. Ивченко. — М.: Финансы и статистика, 2000. — 384с.1.<

19. Бурдо А.И. К вопросу систематизации методов и алгоритмов прогнозирования Текст. / А.И. Бурдо, Э.Е. Тихонов // Материалы межрегиональной конференции «Студенческая наука — экономике научно—технического прогресса». Ставрополь: СевКав ГТУ, 2001. - С.33-34.

20. Бушуева Л.И. Методы прогнозирования объема продаж Текст. / Л.И. Бушуева // Маркетинг в России и за рубежом. №1. - 2002. -[Электронный ресурс]. - Режим доступа: http://dis.ru/library/ market/archive/ 2002/l/47.html.

21. Васильков Ю.В. Компьютерные технологии вычислений в математическом моделировании Текст. / Ю.В. Васильков, Н.Н. Василькова. — М.: Финансы и статистика, 1999 256с.

22. Владимирова- Л.П. Прогнозирование и планирование в условиях рынка Текст. / Л.П. Владимирова. М.: «Дашков и К», 2000. - 308с.

23. Воробьева О.Д. Проблемы кадрового обеспечения и экспорт образовательных услуг в Российской Федерации Текст. / О.Д. Воробьева, В.М. Кулаков, Н.В. Мкртчян // Проблемы прогнозирования. 2004. — №4. - С. 109-124.

24. Высшая школа в 2000 году: Ежегодный доклад о развитии ВПО Текст. — М.: НИИВО, 2001. 239с.

25. Гамбаров Г.М. Статистическое моделирование и прогнозирование Текст. / Г.М. Гамбаров, Н.М. Журавель, Е.Г. Королев и др, М.: Финансы и статистика, 1990.-383с.

26. Геворкян E.H. Кадры высшей школы: актуальное состояние Текст. / E.H. Геворкян // Высшее образование в России. 2006. - №9. - С.23-32.

27. Гладышевский А.И. Методы и модели отраслевого экономического прогнозирования Текст. / А.И. Гладышевский. М.: Экономика, 2007. - 143с.

28. Глущенко В.В. Прогнозирование Текст. / В.В. Глущенко. М.: Вузовская книга, 2000. - 208с.

29. Головченко В.Б. Прогнозирование с использованием разнородной информации Текст. / В.Б. Головченко. Иркутск: Изд-во БГУЭП, 2005. - 71с.

30. Говорухин В. Компьютер в математическом исследовании Текст. / В. Говорухин, Б. Цибулин. М.: Мир, 2006. - 619с.I

31. Голубева Т.Г. Бенчмаркинг как инструмент достижения успеха Текст. / Т.Г. Голубева // Качество. Инновации. Образование. 2002. — № 4. — С. 21— 24.

32. Горелов С. Математические методы в прогнозировании Текст. / С. Горелов. М.: Прогресс, 1993. - С. 143.

33. Гохберг Л.М. Мониторинг экономики образования: цели, задачи, реализация Текст. / JI.M. Гохберг, Н.В. Ковалева // Вопросы статистики. 2004. -№9. - С.38-45.

34. Гранберг А.Г. Статистическое моделирование и прогнозирование Текст. / А.Г. Гранберг. М.: Финансы и статистика, 1990. - 382с.

35. Грисеев Ю.П. Долгосрочное прогнозирование экономических процессов Текст. / Ю.П. Грисеев. Киев: Наукова думка, 1987. — 131с.

36. Гуртов В.А. Моделирование потребностей экономики в кадрах с профессиональным образованием Текст. / В.А. Гуртов, Е.А. Питухин, JI.M. Серова // Проблемы прогнозирования. 2007. - №6. - С.91—111.

37. Гусев М.С. Прогноз внешней торговли в системе среднесрочного прогнозирования российской экономики Текст. / М.С. Гусев, A.A. Широв // Проблемы прогнозирования. 2009. — №1. - С.3-16.

38. Давидович Б .Я. Методы прогнозирования спроса Текст. / Б .Я. Давидович и др.-М., 1972.-193с.

39. Дубров A.M. Многомерные статистические методы для экономистов и менеджеров Текст. / A.M. Дубров, B.C. Мхитарян, Л.И. Трошин. М: "Финансы и статистика", 2003 г. - 352с.

40. Егоршин А.П. Перспективы развития образования России в XXI в. 2015г Текст. / А.П. Егоршин // Университетское управление. — 2000. — №4. — [Электронный ресурс]. Режим доступа: http://www.umj.ru/ index.php/archive.htm.

41. Егоршин А.П. Состояние и прогнозы развития высшего экономического образования России до 2015г Текст. / А.П. Егоршин, Н.О. Аблязова, И.В. Гуськова // Вопросы образования. 2007. - №2 . - С. 43-54.

42. Елисеева И.И. Эконометрика Текст. / И.И. Елисеева. М.: Финансы и статистика, 2002. - 344с.

43. Загайтов И.Б. Об оценке экономической эффективности прогнозов в сельском хозяйстве Текст. / И.Б. Загайтов, Л.П. Яновский // Проблемы прогнозирования. 2003. - №1. - С. 148-153.

44. Закон «Об образовании» от 10.07.1992 №3266-1 // Российская газета. -2008. 30 апреля, №94. - С.13.

45. Закс Л. Статистическое оценивание Текст. / Л. Закс. — М.: Статистика, 1976.-598с.

46. Замитан Г. Методы прогнозирования финансового состояния организации Текст. /Г. Замитан. — [Электронный ресурс]. — Режим доступа: http://www.iteam.rU/publications/finances/section30/article408/#3.

47. Зенкин А.И. О математических методах прогнозирования Текст. / А.И. Зенкин. -М., 1987.-90с.

48. Иванова В.М. Основы эконометрики Текст. / В.М. Иванова. М.,1995. -145с.

49. Каменецкий М.И. Строительный комплекс: состояние, проблемы, основные тенденции долгосрочного развития Текст. / М.И. Каменецкий, JT.B. Донцова // Проблемы прогнозирования. 2008. — №4. - С.44-55.

50. Кильдинов Г.С. Анализ временных рядов и прогнозирование Текст. / Г.С. Кильдинов, A.A. Френкель. М.: Статистика, 1973. - 432с.

51. Клячко Т.Л., May В.А. Тенденции развития высшего профессионального образования в Российской Федерации Текст. / Т.Л. Клячко Т.Д., В.А. May // Вопросы образования. 2007. - №3. - С.46-63.

52. Князев Е.А. Развитие стратегического подхода к управлению в российских университетах Текст. / Е.А. Князев. — Казань: Унипресс, 2001. С. 146149.

53. Князев Е.А. Стратегический менеджмент для университетов Текст. / Е.А. Князев // Высшее образование сегодня. — 2004. — № 1. — С. 2—7.

54. Колемаев В.А. Эконометрика Текст. / В.А. Колемаев. М.: Инфра-М, 2006.- 160с.

55. Колесов В. Рынок образовательных услуг и ценности образования Текст. / В. Колесов // Высшее образование в России. 2006. - №2. — С.3-8.

56. Концепция модернизации российского образования, включая высшее образование, на период до 2010 года Текст. / Приказ Минобразования РФ №393 от 11.02.02.

57. Короткий С. Нейронные сети: основные положения Текст. / С. Короткий. [Электронный ресурс]. - Режим доступа: http://megareferat.ru/nauka-tehnika/3125.html.

58. Корунов С.М. Стратегии вузовского развития Текст. / С.М. Корунов, А.К. Клюев // Университетское управление. 2003. — №3. — [Электронный ресурс]. - Режим доступа: http://www.umj.ru/index.php/ pub/inside/357.

59. Косолапов В.В. Информационное прогнозирование и обеспечение Текст. / В.В. Косолапов. К., 1978. - 198с.

60. Краковский Ю.М. Прогнозирование численности студентов с использоtванием экспертной информации Текст. / Ю.М. Краковский, В.К. Карнаухова // Современные технологии. Системный анализ. Моделирование. — Иркутск: ИрГУПС, 2004. №2. - С. 136-141.

61. Краковский Ю.М. Средства комбинаторного моделирования для позиционирования вузов / Ю.М. Краковский, A.C. Тюрнев // Качество. Инновации. Образование. 2008. - №6. - С. 24-28.

62. Краковский Ю.М. Экспертно-статистический подход при выборе новых специальностей для «транспортного проекта» / Ю.М. Краковский, O.A. Во-ложанина // Качество. Инновации. Образование. 2007. - №6. - С.20—22.

63. Краковский Ю.М. Прогнозирование и стоимостный анализ системы ВПО / Ю.М. Краковский // Вестник высшей школы, 2000, №9. — С. 38-40.

64. Краковский Ю.М. Статистический анализ однородности образовательных объектов / Ю.М. Краковский, O.A. Воложанина // Качество. Инновации. Образование, 2008. - №5. - С.30-32.

65. Краковский Ю.М. Процедура выбора новых специализаций для специальности «Социально-культурный сервис и туризм» / Ю.М. Краковский, В.К. Карнаухова // Университетское управление: практика и анализ. — 2003. — № 5-6.-С. 81-83.

66. Краковский Ю.М: Стратегический анализ рынка труда специалистов с высшим образованием / Ю.М. Краковский, В.К. Карнаухова // Университетское управление: практика и анализ. 2004. - № 3. - С. 26-31.

67. Краковский Ю.М. Выбор цены образовательной услуги на основе имитационно-аналитической процедуры / Ю.М. Краковский, В.К. Карнаухова // Университетское управление: практика и анализ 2004 —№ 4. — С. 33-37.

68. Краковский Ю.М. Трехэтапный метод оценки'стратегического прложения вузов, использующий модель Мак-Кинси / Ю.М. Краковский, В.К. Карнаухова, Я. JI. Шильке // Университетское управление — практика и анализ. -Екатеринбург, 2007. № 1. - С.35-39.

69. Ксенофонтов М.Ю. Сценарное прогнозирование как инструмент разработки стратегии развития- сельского хозяйства Текст. / М.Ю. Ксенофонтов, М.А. Поскачей, H.H. Сапова, Д.Е. Козин // Проблемы прогнозирования. -2008. №5. - С.3-20.

70. Лабунская H.JI. Система прогнозирования Текст. / H.JI. Лабунская. М., 1990. - 120с.

71. Лисичкин В.А. Теория и практика прогностики Текст. / В.А. Лисичкин. -М.: Наука, 1972.-223с.

72. Льюис К.Д. Методы прогнозирования экономических показателей Текст. / К.Д. Льюис, перевод с англ. Е.З. Демиденко. М.: Финансы и статистика, 1986.- 132с.

73. Мансуров A.K. Прогнозирование валютных кризисов с помощью методов фрактального анализа Текст. / А.К. Мансуров // Проблемы прогнозирования. 2008. — №1. — С.145—159.

74. Медведев С. Болонский процесс, Россия и глобализация Текст. / С. Медведев // Высшее образование в России. 2006. - №3. - С. 31-37.

75. Медведцева О.В. Прогнозирование в системе экономических отношений Текст. / О.В. Медведцева. К., 1992. - 156с.

76. Менеджмент качества в вузе Текст. / Под ред. Ю.П. Похолкова и А.И. Чучалина. М., Логос, 2005. - 208с.

77. Мир словарей Текст. [Электронный ресурс]. — Режим доступа: http:// mirslovarei.com.

78. Мосина В.Н., Крука Д.М. Основы эконометрического прогнозирования Текст. / В.Н. Мосина, Д.М. Крука. М., Высшая школа, 1985. - 200с.

79. Морган Э. Нужно ли университетам стратегическое планирование Текст. / Э. Морган // Университетское управление. 2005. - №. 4. - С. 18-26.

80. Морозова Т.Г. Прогнозирование и планирование в условиях рынка Текст. / Т.Г. Морозова, A.B. Пикулькин, В.Ф. Тихонов и др. М.: Юнити-Дана, 1999.-318с.1

81. Новиков Н.И. Сценарии-прогнозы и программа развития крупного металлургического предприятия в условиях конкуренции Текст. / Н.И. Новиков // Проблемы прогнозирования. 2007. - №1. - С.81-92.

82. Новичков A.B. Модели краткосрочного прогнозирования денежных доходов населения Текст. / A.B. Новичков // Проблемы прогнозирования. — 2008. №2. — С.148-152.

83. Носков С.И. Управление системой обеспечения пожарной безопасности на региональном уровне Текст. / С.И. Носков, В.П. Удилов. — Иркутск: Ир-ГУПС, ВСИМВД России. 2003. - 151 с.

84. О федеральной целевой программе развития образования на 2006-2010 годы: Постановление Правительства Российской Федерации от 23.12.2005г. №803 // Собрание законодательства РФ. 2006. - №2. - Ст. 186.

85. Орлов А.И. Эконометрика Текст. / А.И. Орлов. М.: Экзамен, 2002. -441с.

86. Остапюк С.Ф. Модели построения комбинированного прогноза развития научно-технической сферы Текст. / С.Ф. Остапюк, М.А. Мотова // Проблемы прогнозирования. 2004. — №1. - С. 146-156.

87. Парейяда Ф.С. Университетское планирование и развитие Текст. / Ф.С. Парейяда, И.К. Бертран, Т.Н. Эрнандес // Высшее образование сегодня. — 2002.-№ 4. С. 34-42.

88. Поляков В.В. Мировой рынок: вопросы прогнозирования Текст. / В.В. Поляков. М.: КНОРУС, 2008. - 264с.

89. Постановление Правительства РФ от 15.06.2004 № 280 «Об утверждении Положения о Министерстве образования и науки Российской Федерации» Текст. / Постановление Правительства РФ от 15.06.2004 № 280.

90. Рябушкин Б.Т. Применение статистических методов в экономическом анализе и прогнозировании Текст. / Б.Т. Рябушкин. М.: Финансы и статистика, 1987. — 75 с.

91. Савельев А .Я. Методы прогнозирования развития системы профессионального образования с учетом демографического фактора Текст. / А .Я. Савельев // Проблемы прогнозирования. — 2004. №12. - С.42-51.

92. Садовничий В.А. Высшая школа России: проблемы и перспективы Текст. / В.А. Садовничий // Доклад президента Российского союза ректоров на IV съезде Российского союза ректоров 28 марта 1996 г.

93. Садовничий В.А. Проблемы образования и науки в России и стратегии Текст. / В.А. Садовничий // Проблемы теории и практики управления. -1998.-№2.

94. Сигел Э. Практическая бизнес—статистика Текст. / Э. Сигел. — М.: Вильяме, 2002.- 1056с.

95. Служба тематических толковых словарей Глоссарий.ги Текст. [Электронный ресурс]. - Режим доступа: http://www.glossary.ru/.

96. Служба тематических толковых словарей Википедия.ги Текст. [Электронный ресурс]. - Режим доступа: http://www.vikipedia.org/.

97. Соколов A.B. Долгосрочное прогнозирование тенденций развития образования методами Форсайт Текст. / A.B. Соколов //Вопросы образования. — 2004. №3. - С.66-76.

98. Соловьенко К.Н. Высшая школа: стратегия выживания или стратегия развития? Текст. / Е. Г. Пугачева, К. Н. Соловьенко // Университетское управление. 2002. - [Электронный ресурс]. - Режим доступа: http://www.umj.ru/ index.php/archive.htm.

99. Статистический отчет «Форма 3-НК» «Сведения о государственном и муниципальном высшем учебном заведении (сводная таблица)» Текст. — 2007.

100. Статистический отчет «Форма 3-НК» «Сведения о негосударственном образовательном учреждении высшего профессионального образования (сводная таблица)» Текст. 2007.

101. Статистический сборник «Образование в Читинской области (код по каталогу 4.29)» Текст. г.Чита, 2006. - 56с.

102. Статистический сборник «Образование в Читинской области (код по каталогу 4.29)» Текст. — г.Чита, 2008. — 60с.

103. Статистический сборник «Регионы России. Социально—экономические показатели» Текст. М.: РОССТАТ, 2008. - 999с.

104. Статистический ежегодник, раздел «Население» Текст. — г. Чита, 2008г. С.40.

105. Таверньи К. Стратегический менеджмент в европейском контексте Текст. / К. Таверньи // Стратегическое управление и институциональные исследования в высшем образовании. — Казань, Физтехпресс, 2003. — С. 19-28.

106. Тейл Г Прикладное экономическое прогнозирование Текст. / Г. Тейл. — М., Прогресс, 1970. 509с.

107. Тигунцев В.М. Использование логистической функции при прогнозировании системы ВПО Текст. / В.М. Тигунцев // Материалы XII НТК ИВАИИ. Иркутск: ИВАИИ, 2001. - выпуск 3. - С.44-45.

108. Тихомиров Н.П. Методы социально—экономического прогнозирования Текст. / Н.П. Тихомиров, В.А. Попов. М.: Изд-во ВЗПИ, 1992. - 228с.

109. Тихонов Э.Е. Методы прогнозирования в условиях рынка Текст. / Э.Е. Тихонов. Невинномысск, 2006. - 221с.

110. Тихонов Э.Е. Сравнительный анализ традиционных методов прогнозирования с методами прогнозирования на нейронных сетях Текст. / Э.Е. Тихонов // СевКав ГТ, 2003. С. 179-183.

111. Трисеев Ю.П. Долгосрочное прогнозирование экономических процессов (системные методы) Текст. / Ю.П. Трисеев. — Киев: Наукова Думка, 1987. — 132с.

112. Узяков М.Н. О качестве научного предвидения Текст. / М.Н. Узяков // Проблемы прогнозирования. 2008. — №1. - С.3-18.

113. Управление в высшей школе: опыт, тенденции, перспективы Текст. / Аналитический доклад, руководитель авторского коллектива В.М. Филиппов. М., Логос, 2005. - 540с.

114. Учебные материалы «Методы прогнозирования» Текст. — [Электронный ресурс]. Режим доступа: http://www.neuroproject.ru/ forecastingtutorial.php.

115. Филиппов В.М. Модернизация российского образования. Текст. / В.М. Филиппов / /Тематическое приложение №1 к журналу «Вестник образования .-2003.-96с.

116. Френкель A.A. Математические методы анализа динамики и прогнозирования производительности труда Текст. / A.A. Френкель. М.: Наука, 1972.-214с.

117. Характеристики программных продуктов компаний Ward Systems Group,Inc. и НейроПроект Текст. [Электронный ресурс]. - Режим доступа: http://www.neuroproject.ru/soft.php.

118. Цыгичко В.Н. Прогнозирование социально-экономических процессов Текст. / В.Н. Цыгичко. М.: КомКнига, 2007. - 240с.

119. Чернявский А.П. Методы прогнозирования развития социально-экономических систем- Текст. / А.П. Чернявский //Экономика региона и управление, 2007. №18. - [Электронный ресурс]. - Режим доступа: http ://j ournah vlsu.ru/index.php?id=1904.

120. Четыркин E.M. Статистические методы прогнозирования Текст. / Е.М. Четыркин. -М.: Статистика, 1975. 184с.

121. Чубукова И.А. Задача прогнозирования Текст. / И.А. Чубукова. — [Электронный ресурс]. — Режим доступа: http://www.intuit.ru/ department/database/ datamining/6.

122. Шехурин Д.Е. Научное прогнозирование средствами информации Текст. / Д.Е. Шехурин. С.-Петербург, 1990. - 123с.

123. Щербаков И.В. Влияние инвестиционных рейтингов на прогнозирование инвестиционной деятельности / И.В. Щербаков // Вестник Российского государственного торгово-экономического университета. — 2008. — № 2. — С.12-18.

124. Эткин Д.М. Возможный подход к прогнозированию объема продаж массовых автомобилей (на примере авторынка США) Текст. / Д.М. Эткин // Проблемы прогнозирования. — 2009. — №1. — С.132—143.

125. Яновский Л.П. Введение в эконометрику Текст. / Л.П. Яновский, А.Г. Буховец. М.: КНОРУС, 2007. - 255с.

126. Янч Э. Прогнозирование научно—технического прогресса Текст. — М.: Прогресс, 1974.-С.29.

127. Яхина А.С. Прогнозирование динамики развития регионального рынка образовательных услугТекст. / Ю.М. Краковский, А.С. Яхина // Современные технологии. Системный анализ. Моделирование — ИрГУПС, 2009 — №2. -С. 180-184.

128. Яхина А.С. Прогнозирование показателей, характеризующих рынок образовательных услуг, на основе разнородной информации Текст. / Ю.М. Краковский, А.С. Яхина // Качество. Инновации. Образование. — 2009. — №3. С. 2-5.

129. Яхина А.С. Прогнозирование положения рынка образовательных услуг Забайкальского края по показателю «Конкурс на место» Текст. / А.С. Яхина, Н.И. Черхарова, Н.В. Пузынина // Молодой ученый. 2008. - №1. - С.138-143.

130. Яхина А.С. Прогнозирование динамики развития рынка образовательных услуг на примере специальности «Экономика предприятия» Текст. / Ю.М. Краковский, А.С. Яхина // Вестник развития науки и образования. — М.: Наука, 2009. №1 - С.46-52.

131. Яхина А.С. Проверка гипотезы о правильности выбора вида тренда Текст. / Н.И. Черхарова, А.С. Яхина, Н.В. Пузынина // Материалы VIII Всероссийской научно-практической конференции «Кулагинские чтения» — Чита, 2008-ч. 2-С. 114-118.

132. A. Managerial Guide to Judgmental Forecasting Текст. / Edited by C.L. Jain.-1987.-P. 101.

133. Bunn D. Forecasting with more then one Model Текст. // Journal of Forecasting. 1989. -V.8, №3. - P. 161-166.

134. Bunn D., Wright G. Interaction of Judgmental and Statistical Methods: Issues and Analysis Текст. // Oper. Res. Lett. 1989. - V.8, № 4. - P. 179-184.

135. Georgoff David M., Robert G. Murdick Manager's Guide to Forecasting // Harvard Business Review Текст. 1986. - V. 64, Jan./ Feb. - P. 110-120.

136. Koetter Т., Benner A. FORTUNE: Improving Forecasts by Tuning the Forecasting Process Текст. // Computational Statistics. 1992. V.l. - P. 343-348.

137. West M., Harrison J. Bayesian Forecasting Текст. — New York: Springer, 1997. -P512.