Модели принятия управленческих решений в сфере информатизации муниципальных образовательных учреждений Текст научной статьи по специальности «Экономика и бизнес»

Вестник Челябинского государственного университета. 2017. № 5 (401). Экономические науки. Вып. 57. С. 15—23.

уДК 330.43 ББК У497.4

модели принятия управленческих решений в сфере информатизации муниципальных образовательных учреждений1

Н. А. Дегтярева1, Е. М. Колмакова2, И. Д. Колмакова3

1Южно-Уральский государственный гуманитарно-педагогический университет, Челябинск, Россия 2Южно-Уральский государственный университет (НИУ), Челябинск, Россия 3 Челябинский государственный университет, Челябинск, Россия

Рассмотрено применение эконометрических моделей для принятия управленческих решений в сфере информатизации муниципальных образовательных учреждений. Изложены результаты исследования и прогнозирования на основе построенной модели множественной регрессии, которая позволяет рассматривать информатизацию школы как интерактивный процесс в работе муниципальных образовательных учреждений. Для численного решения исследования уровня информатизации школ использован прикладной статистический пакет Econometric Views. Особое внимание уделено использованию полученных результатов для принятия эффективных управленческих решений.

Ключевые слова: муниципальные образовательные учреждения, эконометрическая модель, информатизация школ, корреляционно-регрессионный анализ, оценка уровня информатизации школ, прогнозирование, эффективность управленческих решений.

За прошедшие тысячелетия школа как социальный институт пережила различные изменения. И каждый раз находились пути и средства, чтобы совершенствовать и обновлять ее. Сегодня в условиях перемен в российской школе и перехода ее к компьютерным технологиям возникают новые задачи. Необходимо детально рассмотреть происходящие изменения и дать им соответствующую оценку. Поиски решения данной проблемы привели к разработке эконометрической модели, которая позволяет рассматривать информатизацию школы как интерактивный процесс в работе муниципальных образовательных учреждений [1].

Информатизация образования — широкомасштабный процесс трансформации содержания, методов и организационных форм учебной работы, обеспечивающий эффективную социализацию школьников в условиях информационного общества [Там же].

Решение задач, связанных с оценкой различных форм учебной работы в условиях информатизации общества и школы, эконометрическими методами, методами прикладной статистики стало возможным благодаря электронно-вычислительным машинам, оснащенным компьютерными эконометрическими пакетами по реализации ма-тематико-статистического анализа [3; 4].

1 Статья выполнена при поддержке Правительства

РФ (Постановление № 211 от 16.03.2013), соглашение

№ 02.A03.21.0011.

Сегодня доступными средствами для анализа данных являются различные статистические программные продукты. Мировая практика исследовательской работы в банковской сфере, маркетинговых и социологических исследованиях, других социально-экономических областях свидетельствует о широком применении компьютерных систем статистического анализа и обработки данных. За последнее десятилетие вырос спрос на статистические программные продукты и в Российской Федерации [5; 6].

В настоящее время существует множество эконометрических пакетов, разработанных в том числе и в России [3]. Они позволяют наиболее эффективно решать задачи корреляционно-регрессионного анализа и прогнозирования, оказывая существенную помощь исследователю.

Econometric Views (EViews) — специальный пакет для решения эконометрических задач, разработанный компанией Quantitative Micro Software. В работе с пакетом EViews можно рассматривать методы обработки и анализа информации, а также способы табличного и графического представления полученных результатов. Статистические программные продукты позволяют выполнять на компьютере наиболее трудоемкую работу по расчету различных статистик, выявлению статистической зависимости, оценки параметров, построению графиков и прогноза изучаемых показателей [7].

Область эконометрических исследований в настоящее время значительно расширилась, так как в наполнении эмпирическим содержанием нуждаются априорные в разных областях рассуждения [15].

Покажем результаты эконометрического исследования уровня информатизации общеобразовательных школ Троицкого района Челябинской области на основе имеющихся пространственных данных.

Алгоритм решения поставленной проблемы следующий: необходимо определить круг факторов и показателей, участвующих в модели, провести их анализ; осуществить подготовку исходной информации; построить математическую модель и оценить ее параметры; провести численное решение задачи исследования с использованием программных продуктов; провести анализ полученных результатов и их интерпретацию [9].

Английские ученые разработали матрицу ВЕСТА для определения состояния информатизации школы [1; 10]:

1. Not Yet decided — процесс использования информационных компьютерных технологий (ИКТ) только начался и никак не регламентируется.

2. Localized — процесс информатизации в целом не координируется, ИКТ используют по мере необходимости.

3. Coordinated — процесс информатизации и использования ИКТ координируется в рамках всей школы.

4. Transformative — процесс информатизации и средства ИКТ используются регулярно.

5. Embedded — процесс информатизации вышел на новый качественный уровень. Использование ИКТ стало нормой, повседневным элементом образовательной работы всех педагогов и учащихся.

6. Innovative — использование средств ИКТ обновило работу школы по качеству подготовки учащихся.

Для оценки уровня информатизации школ разработана специальная шкала [2; 16]:

1-й уровень: 0—20 баллов 4-й уровень: 56—70 баллов

2-й уровень: 21—40 баллов 5-й уровень: 71—90 баллов

3-й уровень: 41—55 баллов 6-й уровень: 91—100 баллов

В соответствии с матрицей ВЕСТА для определения состояния информатизации школы и разработанной шкалой была проведена детальная оценка уровня информатизации каждой школы (табл. 1).

Таблица 1

Оценка уровня информатизации школ

№ п/п Код школы уровень информатизации, баллы

1 74320 s 001 42

2 74320 s 002 46

3 74320 s 003 41

4 74320_s_004 47

5 74320_s_005 42

6 74320_s_006 35

7 74320_s_007 49

27 74320_s_027 33

28 74320_s_028 29

В Троицком районе в настоящее время 28 общеобразовательных школ.

В процессе сбора данных был использован метод анкетирования. В течение месяца представители школ (учителя информатики, члены школьных команд, работники администрации) заполняли анкеты об информатизации школ на специально организованных семинарах.

Анкетные данные были разделены на две группы: показатели количественные (численные) и качественные (уровень выполнения некоторого требования) [11].

В соответствии с анкетными результатами выбраны восемь факторов, для которых были введены следующие обозначения [2; 16]: Х1 — «доступность аппаратных средств»; Х2 — «уровень организации информационно-технологической среды школы»; Х3 — «использование Интернета в учебном процессе»; Х4 — «использование ЦОР в учебном процессе»; Х5 — «ИКТ-подготовка учителей»; Х6 — «использование ИКТ как инструмента учебной работы школьников»; Х7 — «использование ИКТ для решения административных задач»; Х8 — «современность аппаратных средств». Обозначим: У — уровень информатизации. Количественное выражение этих факторов приведено в табл. 2.

Таким образом, была получена пространственная выборка, представленная в виде матрицы размерности 28 х 8.

В качестве экзогенных (объясняющих) переменных выступают отобранные выше факторы (Х1—Х8), эндогенная (объясняемая) переменная — уровень информатизации (У) школ Троицкого района [13].

Таблица 2

Значения выбранных факторов информатизации

№ п/о Ко0 школы И Х7 Х8

1 И4320 s 001 0400 16!,00 4,20 1/40 40,3 0 9,40 9,90 1,03

2 И43К0 s 002 1,40 18,60 0,00 10,00 И,2 0 15,90 8,30 0,10

3 74350 s 003 0,16 18,60 3,40 7,20 00,40 9,60 4,80 0,08

4 74320 s 004 0,20 15,40 7,00 11,20 00,30 14,80 6,30 0,06

5 74320 s 005 0,7 9 13 0 9,80 9,80 38, 2 0 6,40 7,60 1,08

6 72320 s 006 0,78 11,60 0,00 10,0 2040 14,30 5,30 3,08

24 74350 s 024 0,51 б!!! 4,00 5,50 Ю,0 0 14,20 4,30 0,09

25 74320 s 025 0,05 6,00 0,00 7,60 0,00 14,30 6,70 3,12

26 72320 s 026 0,20 14,20 0,00 8,40 Ю,4 0 8,70 5,50 0,10

27 74320 s 027 0,66 9,90 0,00 7,00 9,90 10,00 3,50 0,13

ас 74320 с 02b 1,ЬИ а,ои аре ю,мс 35,1Ч ЗИ ,20 2,90 0,19

Большое внималое уделено щзоблемс спечлфи-кации моде—. Предвариеельный анелиз данных показал, что еспоиьзование лоеариИмической и пощ'логарифмлчзекой моделей звтрудизио в свсз зи с ^елымч зночмннямн отделпных фсвторос (ГЧ;, Х), поэтому остсновылнаь нм выЬоре синайной лодели миижнитненной регресслч [2; Л] рида

Equation Specification, где выбираем метод оценивания — метод наименьших квадратов. В верхнем поле отображен список переменных (см. рис. 2). Оценка параметров модели (показана на рис. 3):

Y = С(1) • X + С(2) • Х2 + С(3) • Хз + + С(5) • Х5 + С(9).

Ч = р0 + Ри X и, + ... + в 8,,

i = 1, 2 ... , n

Спомощьюэконометрического пакета EViews легко просчитать числовые характеристики факторов, участвующих в исследовании. Для этого в рабочем файле выбирается View/Descriptive Stats/ Individual Samples, в результате появляется окно, представленное на рис. 1.

Для оценки параметров множественной регрессии выделяем группу независимых переменных изависимуюпеременную,затем открываемокно

В результате лучше других аппроксимирует исходные данные линейная модель с четырьмя количественными переменными:

Y = 21,11 + 5,38Х + 0,48X2 + + 0,87X3 + 0,18X5,

(*)

где Х1 — доступность аппаратных средств; Х2 — уровеньорганизации информационно-технологической среды школы; Х3 — использование Интернета в учебном процессе; Х5 — ИКТ-подготовка учителей.

■ Ьоир: UNTITLED Wotklile; UNTITLED ТВ a

jvw| Pioc$| Objects! Ptat|Neme| FimuI ShrtjSWsl Specl

—Y— XI X2 X3 X4 X5 Xi X7 X8

Me^n 38 17857 0.908248 1380357 1.878571 9596429 21.73929 12 90357 6350000 0.634500 s

Median 38 00000 0845692 13 30000 0000000 10.00000 1865000 1260000 6200000 0.124144

Maximum 4800000 1 828233 2080000 9.600000 1280000 40 30000 21 30000 10.90000 3.116279

Minimum 2700000 0380952 6 000000 0.000000 5400000 9000000 6.400000 2900000 0.037736

Sid. Dev. 5702849 0349640 4.457244 2.907635 1 928247 8898204 3 805501 2004347 0997393

Skewness 0 022456 1.013412 ■0 090813 1.309856 ■0 541704 0604117 0406994 0278818 1.708221

Kuitosis 1 «3:46 4 163603 1 969342 3.442068 2546749 2 197526 2 485260 2 465478 4.489613

1 170079 6 372321 1.277784 8.234701 1 609078 2.454427 1.082123 0696118 16.20620 ;

ЕВЯ 0.557084 0.041330 0.527877 0.016288 0 447294 0293108 0.582130 0706057 0.000303

Observations 28 28 28 28 28 28 28 28 28 V

< О ^ZB

Рис. 1. Описательные статистики отмеченных переменных

Equation Specification

Equation Specification:

Dependent variable fcAowed by 1st of regressors including AfîMA and POL terms. OR an expie* equation ike Y«c(1 M2fX.

OK

X'

Cancel

Estimation Settings:

Method: [Ü" • Least Squares (NLS and AR MA)

31

Sample:

1 28

f] Options

Рис. 2. Окно Equation Specification. Оценка параметров

Equation: UNTITLED Workfile: UNTITLED

Vtewl PiocsI Objects I Print 1 N wel Free«? 1 Estimate | Forecast! Stats| Reacts|

□ □

Dependent Variable: Y Method: Least Squares Date: 06/12>D7 Time: 10:06 Sample: 1 28 Included observations: 28

Variable

Coefficient

Std. Error t-Statistic

Prob.

X1 X2 X3 X5 С

5.381741 0.478051 О 872834 0.181479 21.10690

1.627385 0.151718 0.213800 О 076813 2 545771

3 306986 3.150918 4.082477 2.362624 8.290964

0.0031 0.0045 0.0005 0.0270 O.OOOO

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood DurbirvWatson stat

0.777744 Mean dependent var 38.17857

0.739091 S.D. dependentvar 5 702849

2.912971 Akatke info criterion 5.136657

195.1642 Schwarz criterion 5.374551

-66 91320 F-statistic 20.12111

2.057781 Prob(F-statistic) O OOOOOO

Рис. 3. Объект Equation для модели (*)

Так как t-статистики всех коэффициентов регрессии больше критического значения (tKp = 2,069), то с 95%-й вероятностью можно утверждать, что все коэффициенты уравнения статистически значимы.

Как видно из рис. 3, все значения в столбце Prob. меньше 0,05, то есть значение Prob (F-statistic) = 0,000000 < 0,05, уравнение регрессии статистически значимо с вероятностью 95 %.

Проведенный Reset — тест модели на ошибку спецификации (рис. 4) — подтвердил линейное

описание процесса информатизации школ: линейная зависимость включенных факторов наиболее точно описывает реальный процесс, так как значение Probability = 0,68 > 0,05.

Тест Уайта на гетероскедастичность показал (см. рис. 5): значение Probability = 0,62 > 0,05. Это значит, что дисперсия возмущения зависимой переменной постоянна для любого наблюдения.

Также в ходе исследования (рис. 3) установлено, что уровни остаточного ряда независимы, так как автокорреляция отсутствует: d-значение ста-

Equation: UNTITLED Workfile: UNTITLED

View] Procs 1 Objects] Print I Name| Freeze| Eslimatel Forecast! Slats] Readsl

Ramsey RESET Test:

F-statistic 0.404990 Probability 0.802703

Log likelihood ratio 2.290978 Probability 0.682412

Test Equation:

Dependent Variable: Y

Method: Least Squares

Oate: 06/12/07 Time: 10:09

Sample: 1 28

Included observations: 28

Рис. 4. Reset — тест модели

Equation: UNTITLED Worklile: UNTITLED

View I Piocsl Obiectsl Pu* I Wamel E 1 Fcneoastl Sl-atsl Resktsl

White Hetejoskedaslicily Test:

F-statistie Obs*R- squared

1. 4S7385 ID 64788

Probability Probability

0.237094 0 222460

Test Equation:

Dependent Variable: RESID*2 Method: Least Squares Date: OS/12/07 Time: 10:16 Sample: 1 28 Included observations: 28

Variable

Coefficient

Std

rrror

t-Statistic

Prob

С X1 XI -2

X2 X2-2

X3 X3*2

X5 X5-2

-6.663374 11.01 496 -3.323991 -2,497294 0.052109 5 876433 -065207Б 2Б52239 0 053319

24.37374 24.46679 10.82226 2 862544 0101680 2.790027 0 330240 1.421616 О 028316

-0.273383 D.45020Q -0.307144 -О 872403 O.S12485 1 819492 -1 974552 1 В65651 -1 8S3016

0.7875 0.6577 0.7621 О 393Э 0.6142 0.0846 О ОбЗО O.D776 0.0751

R-squared Adjusted R-squared S-E- of regression Sum squared resid Log likelihood I )urbin-Watson stat

0.380282 Mean dependent var 6.97D152

CL119347 S.D dependent var 9.909167

9.299069 Akaike info criterion 7.552797

1642.981 Schwarz criterion 7.981006

-36.73916 F-statistic 1.457385

1.900823 Prob(F-statistic) 0.237094

Рис. 5. Тест Уайта на гетероскедастичность

тистики Дарбина — Уотсона попадает в область принятия гипотезы (2;4-^Ц) (значение dU равно 1,747), поэтому гипотеза об отсутствии автокорреляции принимается.

Оценку качества построенной модели дает коэффициент детерминации (см. рис. 3): R2 = 0,78; коэффициент показал, что модель качественная, и вариация зависимой переменной на 78 % объ-

ясняется вариацией независимых переменных, включенных в модель.

На основе ^-статистики Фишера (рис. 3) определяем, что модель в целом значима: ^ = 20,12 > ^ (0,05;4;23) = 2,80.

Средняя относительная ошибка аппроксимации: Е = 5,6 % < 10 %, то есть в среднем расчетные значения для линейной регрессии отличаются

от фактических на 5,6 %. Следовательно, построенная модель точная.

В ходе исследования установлено, что предпосылки множественного регрессионаогт анализа выполняются оля построенноП моонни, о посн]соенная выЛонвнчая модель иможедгсеонои рчгревсеи наспется удекватной, следовательно , ее можно иепольтовгть длк яаогоозлоолалюе

Прланслизноум, одтшю ин]идоащии даея гцо-неноое у^иоттнао оасртаснн: конотанта урле-гении регрнссир ТДтна 2 а, 11, оиа мает прогнозируемое значенне ео, зсни ехноящив и дтдинь аорениннын равны нулю. Эсо гиьмооит аоонтетстдиав осувом. уловню оонвСорматнзацпи шеолы по оао-дице ВРСТА (ЯКоЛ Уе1 0ес Ыв0).

Оравонм средапс урасни и:в[с|)е)^]01^т)е^^ца^ она новных и полных (средних) общеобразовательных школ Троицкого района. Для этого вычислим средние уначеон факттуов .ые обоих

еоупп шоол.

Сродним екаиекеж воваоатонеД 1ев(^0]т]0:ат]ы;заы,:и)е трьднин (нолн-др) общообуазоеатольных шкак си>о сиавляюг Х1ср = 0 , =К2р = 15,9 3, Х3ср = 3,29, X 5^ = 25,97.

Средние зна=мноая показателе9 инфовматизавии локовныт оНщеяоназатанивоудтх полон елееевыо-ивг: с = 0,79, ж е ю,И1, д =о п,03, ж5 =

Иолы ' ' 2иза тшан ' ' 3осн ' ' 5оон

= 1 В,9Н.

Подставимсредниезначенияпоказателейвмо-дель. Тогда тна трдднил шкое оцвнкс затооим7Й ператеншж гватвтда:

= = 01ДГ е- 5И8 • С>5>9 а- 0,48 • 1(,на н -о В(87 • 3)1 -и- ТС)1[Г • 2Д,97 = 5=0а;

для оснорные школ:

Все школы района должны иметь свободный доступ в Интернет по выделенной линии или че-реи снутнвю. Плоыдаооожим, отго л-ее ес;0]^вв1 сенз Н--нот Л1стин1ав иснаноттвааься оо всох шоллаа кыш оыиттоямв, таи и тчeпднамиг логдс среыщед снз1о осзис фадагозФ3 должто Выат п)сие1ттн0 ргиат 0'.

В настоящее время среднее значение уровня информатизации общеобразовательных школ находится на уровне 38,2.

Сацснти утовинь ооОюрманиоаьщт с^ьдннны д С5(-пти[:ад оТщеабрчзовательных школ Троицкого НЖ0]3:]е:^а е посднвлдзжемдп, ь'ко (Т]р>ед вве^а значчное фаатора , рнвно X, а соедепе значеншр остеланыях факторов о станутся неизм енными, 5гс^ есть:

г х1о н 0,^9, р = ]а5,<=Ж)с Нзд = о, -1,, в еи,<о^

(доя ннгных геиа^л,;

• он о 0,79, Ря о юочо> Ч^оГр = 7 00, 0 =

1осд ' а ьЯтсн ' ' оЗоиеи ' ' 5омн

= 14,90 (для основных школ).

Подставимэтисредниезначениявмодель.По-лучили:

• для полных школ:

У = 21,11 + 5,38 • 0,99 + 0,48 • 15,94 + 0,87 •

• 7,00 + 0,18 • 25,98 = 45,38;

• для основных школ:

У = 21,11 + 5,38 • 0,79 + + 0,48 • 10,60 + 0,87 •

• 7,00 + 0,18 • 14,90 = 39,21.

Таким образом, разница между уровнями информатизации средних и основных школ суще-ственносократилась(45,38 балла — 39,21балла) при активном использовании сети Интернет.

Оценим уровеньинформатизацииобщеобразо-вательныхшколТроицкогорайонав предположении, что средние значения факторов увеличатся в два раза, а значение фактора Х3 будет равно 7, то есть X1 = 1,82, X2= 27,60, Х3 = 7,00, Х5 = 43,48. Подставляя в модель, получим:

У = 08,11 -з 5,38 • 0,7°^ -к 0,48 • 10,61 + о 0,87 • 0^1 + 0,18 • 14(92 = 33, 12.

Очевидно, что уровни информатизации средних и основных школ существенно различаются. Первые начинают выходить на третий уровень (Coordinated), тогда как вторые уверенно находятся на втором (Localized) [2].

В настоящее время активно ведется подключение школ к сети Интернет, не прекращаются поставкившколыновойкомпьютерной техники. Однако практически не совсем верно определять возможный уровень информатизации как отдельно взятой школы, так и среднее значение их совокупности, увеличивая (уменьшая) значения только какого-либо фактора.

У = 21,11 + 5,38 • 1,82 + 0,48 • 27,60 + + 0,87 • 7,00 + 0,18 • 43,48 = 58,06.

Таким образом, для выхода школ Троицкого района в среднем на 4-й уровень информатизации необходимо увеличить все показатели уровня информатизации в среднем в два раза и активно использовать Интернет в образовательной деятельности. Уровень информатизации общеобразовательных школ Троицкого района в этом случае составит 58,06 балла.

Исследование показало, что можно учесть нежелательные тенденции, выявленные при прогнозировании, и принять необходимые меры для их предупреждения. Применение эконометрической

модели имеет значимую роль для принятия эф- оценки уровня информатизации муниципальных фективных управленческих решений на основе общеобразовательных учреждений.

список литературы

1. Концепция информатизации образования // Информатика и образование. — 1988. — № 6. — С. 3—29.

2. Дегтярева, Н. А. Информатизация общеобразовательных школ / Н. А. Дегтярева // Функциональная и прикладная наука : сб. науч. ст. по итогам науч.-исслед. работы за 2014 г. / под науч. ред. М. В. Потаповой. — Челябинск : Изд-во Челяб. гос. пед. ун-та, 2015. — С. 91—94.

3. Айвазян, С. А. Программное обеспечение персональных ЭВМ по статистическому анализу / С. А. Айвазян // Компьютер и экономика: экономические проблемы компьютеризации общества. — М. : Наука. — 1991. — С. 91—107.

4. Дайитбегов, Д. М. Компьютерные технологии анализа данных в эконометрике / Д. М. Дайитбе-гов. — М. : ИНФРА-М : Вузов. учеб., 2010. — 578 с.

5. Вуколов, Э. А. Основы статистического анализа. Практикум по статистическим методам и исследованию операций с использованием пакетов Statistica и Excel / Э. А. Вуколов. — М. : ИНФРА-М, 2004. — 464 с.

6. Наследов, А. Д. SPSS 15: профессиональный статистический анализ данных / А. Д. Наследов. — СПб. : Питер, 2008. — 416 с.

7. EViews [Электронный ресурс]. — URL: http://www.eviews.com.

8. Колмакова, И. Д. К вопросу о применении эконометрических методов исследования в социальных процессах / И. Д. Колмакова, Н. А. Дегтярева, Е. М. Колмакова // Вестн. Челяб. гос. ун-та. — 2016. — № 14. — С. 51—57.

9. Уральский федеральный округ [Электронный ресурс]. — URL: http//uralfo/gov.ru.

10. Водопьян, Г. М. О построении модели процесса информатизации школы / Г. М. Водопьян, А. Ю. Уваров. — М. : РФРДПО, 2006. — 424 с.

11. Дубина, И. Н. Математико-статистические методы в эмпирических социально-экономических исследованиях / И. Н. Дубина. — М. : Финансы и статистика : Инфра-М, 2010. — 416 с.

12. Елисеева И. И. Статистика : учеб. для бакалавров. — 3-е изд., перераб. и доп. / И. И. Елисеева. — М. : Юрайт-М, 2012. — 558 с.

13. Практикум по эконометрике : учеб. пособие / И. И. Елисеева, С. В. Курышева, Н. М. Гордеенко [и др.] ; под ред. И. И. Елисеевой. — 2-е изд., перераб. и доп. — М. : Финансы и статистика, 2007. — 344 с.

14. Айвазян, С. А. Прикладная статистика и основы эконометрики / С. А. Айвазян, В. С. Мхита-рян. — М. : ЮНИТИ, 2010. — 656 с.

15. Эконометрика : учебник / В. С. Мхитарян, М. Ю. Архипова, В. А. Балаш [и др.]. — М. : Проспект, 2010. — 384 с.

16. Дегтярева, Н. А. Исследование уровня информатизации общеобразовательных школ на основе регрессивной модели / Н. А. Дегтярева // Приоритетные направления развития вузовской науки: от теории к практике : сб. материалов II Междунар. науч.-практ. конф. / под ред. О. В. Климовой. — Троицк, 2013. — Ч. 2. — С. 170—181.

сведения об авторах

Дегтярева нина Адамовна — кандидат экономических наук, доцент, доцент кафедры экономики, управления и права Южно-Уральского государственного гуманитарно-педагогического университета, Челябинск, Россия. [email protected]

Колмакова Екатерина Микаеловна — кандидат экономических наук, доцент кафедры «Экономика и управление на предприятиях строительства и землеустройства» Южно-Уральского государственного университета (НИУ), Челябинск, Россия. [email protected]

Колмакова Ирина Дмитриевна — доктор экономических наук, заведующая кафедрой «Государственное и муниципальное управление» Челябинского государственного университета, Челябинск, Россия. [email protected]

Bulletin of Chelyabinsk State University.

2017. No. 5 (401). Economic Sciences. Iss. 57. Pp. 15—23.

MODELS OF ADOPTION OF ADMINISTRATIVE DECISIONS IN THE SPHERE of information

of municipal educational institutions

N.A. Degtyareva

South Ural State Humanitarian Pedagogical University, Chelyabinsk, Russia. degtyareva_na56@mail. ru

Ye.M. Kolmakova

South Ural State University (National Reseach University), Chelyabinsk, Russia. [email protected]

I.D. Kolmakova

Chelyabinsk State University, Chelyabinsk, Russia. [email protected]

The application of econometric models for making managerial decisions in the field of informatization of municipal educational institutions is considered. The results of research and forecasting, the purpose of which was the development of a tool that allows to consider the informatization of the school not only as a global process, but also as a controlled flow of successive changes in the work of individual educational institutions, is presented. For the numerical solution of the problem of research of the level of informatization of schools, the applied statistical package Econometric Views is used. Particular attention is paid to the use of the results obtained for the adoption of effective management decisions.

Keywords: econometric study, informatization, regressors, correlation regression analysis, model specification, RESET test, heteroscedasticity, White- test, autocorrelation of errors, Durbin-Watson criterion, significance, Fisher's F-criterion, determination coefficient, average relative error of approximation, Estimation of the dependent variable, forecasting, effectiveness of management decisions.

References

1. Kontseptsiya informatizatsii obrazovaniya [The concept of informatization of education]. Informatika i obrazovaniye [Informatics and Education], 1988, no. 6, pp. 3—29. (In Russ.).

2. Degtyareva N.A. Informatizatsiya obshcheobrazovatel'nykh shkol [Informatization of secondary schools]. Funktsional 'naya i prikladnaya nauka: sbornik nauchnykh statey po itogam nauchno-issledovatel'skoy raboty za 2014 g. [Functional and applied science: a collection of scientific articles on the results of research work for 2014]. Chelyabinsk, 2015. Pp. 91—94. (In Russ.).

3. Ayvazyan S.A. Programmnoye obespecheniye personal'nykh EVM po statisticheskomu analizu dannykh [Software of personal computers for statistical analysis of data]. Komp 'yuter i ekonomika: ekonomicheskiye problemy komp'yuterizatsii obshchestva [Computer and economics: economic problems of computerization of society]. Moscow, Nauka Publ., 1991. Pp. 91—107.

4. Dayitbegov D.M. Komp 'yuternye tekhnologii analiza dannykh v ekonometrike [Computer technologies of data analysis in econometrics]. Moscow, 2010. 578 p. (In Russ.).

5. Vukolov E.A. Osnovy statisticheskogo analiza. Praktikum po statisticheskim metodam i issledovaniyu operatsiy s ispol'zovaniyem paketov Statistica i Excel [Fundamentals of statistical analysis. A workshop on statistical methods and research on operations using Statistica and Excel packages]. Moscow, INFRA-M Publ., 2004. 464 p. (In Russ.).

6. Nasledov A.D. SPSS 15: professional'nyy statisticheskiyy analiz dannykh [SPSS 15: professional statistical analysis of data]. St. Petersburg, Piter Publ., 2008. 416 p. (In Russ.).

7. EViews [EViews]. Available at: http://www.eviews.com (In Russ.).

8. Kolmakova I.D. Degtyareva N.A., Kolmakova E.M. K voprosu o primenenii ekonometricheskikh metodov issledovaniya v sotsial'nykh protsessakh [To the question of the application of econometric methods of research in social processes]. Vestnik Chelyabinskogo gosudarstvennogo universiteta [Bulletin of Chelyabinsk State University], 2016, no. 14, pp. 51—57. (In Russ.).

9. Ural'skiy federal'nyy okrug [Ural Federal District]. Available at: http.//uralfo/gov.ru (In Russ.).

10. Vodop'yan G.M., Uvarov A.Yu. O postroenii modeli protsessa informatizatsii shkoly [On the construction of the model of the process of informatization of the school]. Moscow, RFRDPO Publ., 2006. 424 p. (In Russ.).

11. Dubina I.N. Matematiko-statisticheskiye metody v empiricheskikh sotsial'no-ekonomicheskikh issle-dovaniyakh [Mathematical-statistical methods in empirical socio-economic research]. Moscow, Finansy i statistika Publ., Infra Publ., 2010. 416 p. (In Russ.).

12. Eliseyeva I.I. Statistika [Statistics]. Moscow, Yurayt Publ., 2012. 558 p. (In Russ.).

13. Eliseyeva I.I., Kurysheva S.V., Gordeyenko N.M. [et al.] Praktikum po ekonometrike [Practice on Econometrics]. Moscow, Finance and statistics Publ., 2007. 344 p. (In Russ.).

14. Ayvazyan S.A., Mkhitaryan V.S. Prikladnaya statistika i osnovy ekonometriki [Applied Statistics and the Foundations of Econometrics]. Moscow, YUNITI Publ., 2010. 656 p. (In Russ.).

15. Mkhitaryan V.S., Arkhipova M.Yu., Balash V.A. [et al.]. Ekonometrika [Econometrics]. Moscow, Prospekt Publ., 2010. 384 p. (In Russ.).

16. Degtyareva N.A. Issledovaniye urovnya informatizatsii obshcheobrazovatel'nykh shkol na osnove re-gressivnoy modeli [The study of the level of informatization of secondary schools on the basis of the regression model]. Prioritetnye napravleniya razvitiya vuzovskoy nauki: ot teorii kpraktike. Ch. 2 [Priority directions of the development of university science: from theory to practice. Pt. 2]. Troitsk, 2013. Pp. 170—181.