Ekonomiskā prognozēšana ļauj paredzēt nākotni un pieņemt labākus lēmumus atbilstoši reālajai situācijai. Šajā mācību grāmatā autori aplūkoja svarīgākās prognozēšanas metodes, kā arī nestandarta situācijas. Ir aplūkotas šādas tēmas: • datu ievadīšana un kodēšana; • datu aprakstošā statistika; • grafiskās analīzes pamatelementi; • korelācijas analīze (Pīrsona, Spīrmena un Kendala koeficienti, parciālās un pusdaļējās korelācijas analīze); • autokorelācijas un parciālās autokorelācijas analīze; • eksponenciālās izlīdzināšanas modeļi ar 1, 2 un 3 parametriem; • daudzfaktoru lineārās regresijas modeļi un to optimizācija ar attiecīgajām metodēm; • fiktīvo mainīgo izmantošana (dummy variables); • nelineārās regresijas modeļi; • svērtā lineārā regresija; • maksimālās paticamības metodes un divkāršās mazāko kvadrātu metodes pielietojums; • binārā loģistiskā regresija; • probit-analīze; • autoregresijas modeļi; • Box-Jenkins metodoloģija (ARIMA, SARIMA); • spektrālā analīze; • datu transformācija (vienkāršākā un Box-Cox transformācija); • izlēcienu analīze un izejas datu attīrīšana; • statistisko hipotēžu pārbaude par izejas datu sadalījumu, izmantojot populārākos testus; • ticamības zonas robežu novērtēšana; • atlikumu analīze uz atbilstību baltajam troksnim; • homo- un heteroskedasticitāte; kā arī svarīgākie statistiskie rādītāji un testi: t-statistika, R square, Adjusted R square, Stationary R square, Fišera kritērijs, p-value, df, Tolerance, VIF, Eigenvalues, Condition Index, Durbin-Watson, informācijas kritērijs BIC, prognozēšanas kļūdas u.c.