Прогнозирование сбыта на предприятии

Примечание – Источник: собственная разработка

 

Из таблицы 3.4 видно, что R2=0,765, что говорит о том, что связь между факторами и результирующим показателем высокая и выбранные факторы объясняют объемы реализациипогрузчика А-342С4 на 76,5%.

Уравнение регрессии будет иметь следующий вид:

Y = 23,45*X1+ (-15,43)*X2+ 0,624*X3 – 1933,232.

 

Затем проведем корреляционный анализ. Это позволит определить степень влияния каждого фактора на конечный результат (объем реализации погрузчика А-342С4), а также устранить мультиколлинеарность – состояние очень высокой степени корреляции между независимыми переменными. Наличие мультиколлинеарности может привести к нескольким проблемам, включая следующие:

1) частные коэффициенты регрессии нельзя точно определить;

2) величины и знаки частных коэффициентов регрессии могут быть неточными;

3) трудно оценить относительную важность независимых переменных при объяснении вариации зависимой переменной.

Кроме того, мультиколлинеарность приводит к завышению значения множественного коэффициента корреляции.

Результаты корреляционного анализа представим в таблице 3.5.

 

Таблица 3.5 – Анализ парных коэффициентов корреляции

	Объем реализации	Цена на А-342С4, без НДС	Цена на ZL40G (XCMG), без НДС	Техника,  реализованная под государственные программы
Объем реализации	1
Цена на А-342С4, без НДС	0,6196	1
Цена на ZL40G (XCMG), без НДС	0,614836	0,997659	1
Техника,  реализованная под государственные программы	0,833835	0,465772	0,463611	1

Примечание – Источник: собственная разработка

 

По данным таблицы 3.5 независимые переменные цена на А-342С4 и цена на ZL40G сильно коррелируют между собой. Однако в данном случае, это вовсе не означает, что факторы зависимы друг от друга, экономически целесообразно объяснить эту взаимосвязь тем, что оба этих показателя относятся к одной экономической категории – цена, и скорее зависят от иных факторов, не рассматриваемых в данной модели. Такими факторами могут быть политика ценообразования, общее экономическое обоснование цены для каждого производителя и т.д. Для исключения выявленной мультиколлинеарности следует удалить из модели один из факторов. Самая слабая связь с зависимой переменной наблюдается у фактора – цена на ZL40G (XCMG), его и следует исключить из модели, во-первых, из-за слабой связи, а во-вторых, как внешний фактор, на который предприятие не может воздействовать.

С оставшимися факторами построим новую экономико-математическую модель. Результаты представим в таблице 3.6.

Из таблицы 3.6 видно, что R2=0,764, что говорит о том, что связь между факторами и результирующим показателем высокая и оставшиеся факторы объясняют объемы реализации погрузчика А-342С4 на 76,4%. Неучтенные в модели факторы влияют на объемы реализации погрузчика А-342С4 на 23,6%.

 

Таблица 3.6 – Результаты выполнения функции

	а3	а1	b
Коэффициенты регрессионного уравнения	0,625	8,21	2094,478
Стандартные значения ошибок для коэффициентов а1,а2 … и для постоянной b	0,137	4,237	695,6598
Коэффициент детерминации и стандартная ошибка для оценки y	0,764	844,0431	#Н/Д
F-статистика и степени свободы	20,99072	13	#Н/Д
Регрессионная и остаточная суммы квадратов	29907938	9261313	#Н/Д

Примечание – Источник: собственная разработка

 

Уравнение регрессии будет иметь следующий вид:

 

Y = 8,21*Х1+ 0,625*Х3+2094,478

 

Исходя из полученного уравнения, свободный член (сдвиг) b0, равный 2094,478 формально надлежит понимать следующим образом: при отсутствии воздействия факторов x1 и x3на объём реализации Амкодор-342С4 составит 2094,478 млн. руб. Однако такое условие невозможно, т.к. фактор цены нельзя приравнять нулю. Коэффициенты регрессии b1 и b3 следует рассматривать как степень влияния каждой из независимых переменных на объём реализации, если все другие независимые переменные остаются неизменными. Так, коэффициент b1, равный 8,21, указывает, что (при прочих равных условиях) при увеличении цены на А-342С4 на 1 млн. руб. объем реализации  возрастет на 8,21млн. руб. в квартал. Анализируя коэффициент b3, следует заметить, что увеличение закупок по государственным программам на 1 млн. руб. приводит к повышению общего объема реализации  на 0,625 млн. руб. Стоит заметить, что все названные коэффициенты регрессии отражают влияние на исследуемый параметр у только какой-то одной переменной х при непременном условии, что все другие переменные (факторы) не меняются.

В таблице 3.7 представим результаты повторного корреляционного анализа.

 

Таблица 3.7 – Результаты повторного корреляционного анализа

	Объем реализации	Цена наА-342С4, без НДС	Техника,  реализованная под государственные программы
Объем реализации	1
Цена на А-342С4, без НДС	0,6196	1
Техника,  реализованная под государственные программы	0,833835	0,465772	1

Примечание – Источник: собственная разработка

 

Из таблицы 3.7 мы видим, что наибольшее влияние на объемы реализациипогрузчика А-342С4 оказывают объемы техники, реализованные под государственные программы. Это вполне закономерно, т.к. на сегодняшний день существует ряд государственных программ (в основном сельскохозяйственных), реализация которых прямо или косвенно обеспечивает сбыт продукции, произведенной ОАО «Амкодор».

Подставив в полученную модель прогнозные значения независимых показателей, мы получим прогноз объема сбыта на первый квартал 2014 года. Он составит 8127,574 млн. руб. Затем рассчитаем показатели, позволяющие оценить построенную модель с математической точки зрения. Так, коэффициент аппроксимации будет равен 0,14 (удовлетворительная степень приближения), среднеквадратическое отклонение – 760,81, ошибка прогноза – 14,63 % (>10%, что говорит о неудовлетворительном подборе функции).

Однако точечный прогноз в практике экономического прогнозирования применяется крайне редко. Намного удобнее пользоваться интервальным прогнозом, который позволяет оценить возможный размах и вероятность наступления прогноза.  Переход от точечного прогноза к интервальному осуществляется путем определения доверительного интервала, который рассчитывается по «правилу трех сигм». Доверительный интервал позволяет оценить надежность прогноза при заданных пределах его точности. В упрощенном виде, полученный доверительный интервал прогноза рассматриваемой функции имеет вид:

 

,    (3.1)

 

где    Yпрогн – значение прогнозного показателя (в данном случае объема подаж);

          τ – коэффициент, связывающий ширину доверительного интервала и вероятность наступления прогноза;

         σ – стандартная ошибка прогноза.

 

Итак, рассчитаем доверительный интервал для полученного точечного прогноза, приняв τ = 2, для вероятности 95%

 

DI = [8127,574 – 2 · 760,8101; 8127,574 + 2 · 760,8101] = [6605,9538; 9649,1942]

 

Таким образом, был выполнен переход от точечного прогноза к интервальному, и это позволяет оценить возможную вариацию и вероятность наступления прогноза.

Таким образом, проанализировав все полученные результаты, мы можем сделать следующие выводы: с математической точки зрения все рассчитанные показатели, которые позволяют оценить построенную модель, по итогу оказались не совсем качественными, а именно мы получили очень большую ошибку прогноза – 14,63 %, коэффициент аппроксимации, характеризующий качество подбора функции, должен стремиться и быть как можно ближе к 0, тогда приближение значений расчетного ряда к исходному наиболее сильно, а полученный нами коэффициент аппроксимации свидетельствует об удовлетворительной степени приближения.

С экономической точки зрения, построенная модель позволяет нам выявить две закономерности. Первая закономерность состоит в том, что при увеличении цены на 1 млн. руб. объем реализации увеличится на 8,21 млн. руб. Вцелом, на практике чаще всего при увеличении цены объем реализации снижается, т.е. имеется обратная зависимость между ценой и объемом сбыта, но в нашем случае мы получили прямую зависимость, т.к. мы прогнозируем объем сбыта в денежном выражении, и, следовательно, чем выше цена, тем больше денежные поступления, т.е. тем больше объем реализации в денежном выражении. Также необходимо отметить, что в промышленной сфере не всегда цена является ключевым фактором при выборе поставщика, поэтому не всегда повышение цены ведет к снижению объемов реализации.

Вторая закономерность была выявлена между объемом реализации А-342С4 и объемом техники, реализованной под государственные программы. В данном случае также имеется прямая зависимость, т.е. при увеличении закупок по государственным программам на 1 млн. руб. общий объем реализации увеличится  на 0,625 млн. руб. Это вполне закономерно, т.к. на сегодняшний день существует ряд государственных программ (в основном сельскохозяйственных), реализация которых прямо или косвенно обеспечивает сбыт продукции, произведенной ОАО «Амкодор».

Полученный прогноз на первый квартал 2014 года указывает на тенденцию роста объемов сбыта, по сравнению с четвертым кварталом 2013 года темп роста составит 111,36%. Такой показатель вполне реален, учитывая тот факт, что на первый квартал каждого года приходится большое количество техники, реализованной для осуществления государственных программ развития. Однако, исходя из полученных результатов, можно сделать вывод, что метод корреляционно-регрессионного анализа, а именно метод многофакторных регрессионных моделей не может быть использован на практике предприятием для прогнозирования объемов сбыта своей продукции, т.к. модель, построенная данным методом, и выявленные закономерности не вполне отражают объективную экономическую ситуацию.

В тоже время при прогнозировании объемов реализации продукции ОАО «Амкодор» могли возникнуть различного рода ошибки, которые также повлияли на конечный результат. Наиболее распространенными ошибками могли быть:

1) ошибки, связанные с неточным предвидением процесса развития системы более высокого порядка, чем объект прогнозирования. ОАО «Амкодор» является одним из крупнейших предприятий машиностроительной отрасли, поэтому эффективность результатов деятельности предприятия во многом зависит от общего состояния национальной экономики. Учитывая сильное влияние государства на сбыт продукции в Республике Беларусь, прогнозирование любых показателей деятельности предприятия должно быть во взаимосвязи с макроэкономическими показателями страны;

2) сложность приведения экономических показателей к сопоставимому виду. Для разработки системы прогноза сбыта продукции анализируется определенный временной промежуток. Для того, чтобы проанализировать тенденцию требуется минимум 10-12 наблюдений. Важное условие, которое нужно соблюдать при анализе - необходимость привести все показатели в сопоставимый вид, поскольку сравнивать можно только качественно однородные величины. Основными способами приведения показателей в сопоставимый вид являются нейтрализация воздействия стоимостного, объемного, качественного и структурного факторов путем приведения к единому базису, а также использование относительных величин, поправочных коэффициентов. При построении системы прогноза использовались сопоставимые цены, однако не представляется возможным изучить методы, используемые при приведении цен в сопоставимый вид. Поэтому существует вероятность возникновения погрешности в исходных данных;

3) сложность учета факторов, имеющих качественную характеристику изучаемого объекта. Основным недостатком корреляционно-регрессионного анализа является невозможность учесть все факторы, влияющие на зависимую переменную, при этом большую сложность вызывает учет качественных показателей, влияющих на исследуемый объект. Некоторые из них вообще невозможно представить в количественном выражении (например, законодательство);

4) сложность получения детализированных данных.

Учитывая тот факт, что исследование осуществлялось  с выборочными данными при установлении закономерной связи между признаками, в прогнозе могут иметь место ошибки выборки.

Для анализируемой модели следует также подчеркнуть тот факт, что выбранный период с 2010 по 2012 гг. характеризуется нестабильностью как рынка строительной техники в частности, так и экономической ситуации  в целом. Кроме этого следует отметить, что возможно в будущем, такой фактор как кризисные явления придется включить в модель, описывающую белорусский рынок. Изменив временной интервал, можно получить другие результаты регрессии.