Проблема изучения взаимосвязей экономических показателей является одной из важнейших в экономическом анализе. Эта проблема является центральной в эконометрике и решается построением эконометрической модели и определением возможностей ее использования для описания, анализа и прогнозирования реальных экономических процессов. Экономическая политика заключается в регулировании этих процессов с помощью выявленных взаимосвязей параметров и переменных.
Среди конечных прикладных задач эконометрики выделяют две: прогноз экономических и социально-экономических показателей анализируемой экономической системы, имитацию различных возможных сценариев развития этой системы. По уровню иерархии анализируемой экономической системы выделяют [1]:
макроуровень (т. е. страны в целом);
мезоуровень (регионы, отрасли, корпорации);
микроуровень (домашние хозяйства, фирмы).
Эконометрика применяет такие методы, как регрессионный анализ, анализ временных рядов, системы одновременных уравнений, статистические методы классификации и снижения размерности, а также другие методы и инструментарий теории вероятностей и математической статистики.
Цель данной статьи – системный анализ прикладных возможностей современных математических методов прогнозирования в финансово-экономической сфере. Обобщив классические разделы регрессионного анализа, мы представляем принципиальную схему построения и исследования регрессионных моделей оценки рентабельности реализованной продукции.
Имеются следующие данные (табл.1) о зависимости рентабельности реализованной продукции - y (%) от удельного веса активной части ОПФ в общем объеме ОПФ –x1(%) и коэффициента обновления оборудования– x2(ед.).
Таблица 1 - Исходные данные [2]
годы |
y |
x1 |
x2 |
1 полугодие 2011 |
41,51 |
81,06 |
0,846 |
2 полугодие 2011 |
37,58 |
73,15 |
0,362 |
1 полугодие 2012 |
35,79 |
65,67 |
0,153 |
2 полугодие 2012 |
32,11 |
44,16 |
0,09 |
1 полугодие 2013 |
28,44 |
35,54 |
0,071 |
2 полугодие 2013 |
26,1 |
29,16 |
0,052 |
Построим регрессионную модель:
, (1)
где
y – рентабельность реализованной продукции (%) ;
x1 – удельный вес активной части ОПФ в общем объеме ОПФ (%);
x2 – коэффициент обновления оборудования (ед.).
Определим коэффициентыОценка параметров регрессии осуществляется по методу наименьших квадратов по формуле
, (2)
В результате проведенных расчетов получаем уравнение зависимости рентабельности реализованной продукции:
.
Параметры уравнения регрессии показывают, что
при увеличении фактора Х1- удельного веса активной части ОПФ в общем объеме ОПФ в среднем на 1 процент рентабельность реализованной продукции увеличится в среднем на 0,238 процентов;
при увеличении фактора Х2- коэффициента обновления оборудования в среднем на 1 ед. рентабельность реализованной продукции увеличится в среднем на 2,538 процентов.
Вычислим значения R2, R, Rср2для регрессии по формулам [3]:
(3)
(4)
(5)
Так как множественный R=0,99 больше 0,7, то связь между факторами х1, х2 и у – тесная.
Значение коэффициента детерминации R2=0,98 показывает долю вариации результативного признака под воздействием изучаемых факторов. Следовательно, 98% значений рентабельности реализованной продукции зависят от включенных в модель факторов, а 2% зависят от факторов, не включенных в модель.
Нормированный R-квадрат свидетельствует, что при добавлении еще одного фактора в модель, ее обхват составит 96,6%. Таким образом, выбрано оптимальное число факторных признаков.
Проведем тест, который проверяет совместную способность k независимых переменных объяснять зависимую переменную.
Этот тест является проверкой нулевой гипотезы: Нулевая гипотеза проверяется с помощью F – критерия [1]:
(6)
или
(7)
С помощью F - статистики проверяется, действительно ли объясненная сумма квадратов отклонений превышает ту сумму квадратов отклонений, которая может быть случайной. Критический предел для F – статистики находится как значение F – распределения с параметрами (уровень значимости), k (число степеней свободы числителя), n – k – 1 (число степеней свободы знаменателя).
Коэффициент детерминации R2= 0,98. Определим F – отношение:.
Зададимся критерием значимости = 0,05 и по статистической таблице найдем F0,05;2;3=9,55 .
Отсюда F =72,76>9.55, т.е. гипотеза H0 отвергается при = 0,05. Следовательно, уравнение множественной регрессии в целом статистически значимо.
Рассматривая в качестве прогнозной модели уравнение
.
оценим рентабельность реализованной продукции в первом полугодии 2014 года. Для вычисления прогнозных оценок У на основе построенной модели необходимо получить прогнозные оценки факторов X1, Х2.
Получим прогнозные оценки факторов на основе величины среднего абсолютного прироста САП.
Рассчитаем САП для X1:
(9)
Следовательно, в первом полугодии 2014 года удельный вес активной части ОПФ в общем объеме ОПФ может составить 0,0318 процентов.
Рассчитаем САП для X2:
Следовательно, в первом полугодии 2014 года коэффициент обновления оборудования может составить 18,78 ед.
Вычислим прогнозную оценку рентабельности реализованной продукции в первом полугодии 2014 года:
Значение = 24,44 является точечной оценкой рентабельности реализованной продукции в первом полугодии 2014 года при заданных значениях независимых переменных.
Для определения доверительных границ прогнозирования необходимо вычислить стандартную ошибку прогноза [4]. Дисперсия случайной ошибки =1,065.
Вычислим доверительные пределы:
Нижняя граница: 24,44 -3,18*1,494=19,68
Верхняя граница: 24,44 +3,18*1,494=29,19
Это означает, что с вероятностью 95% можно утверждать, что рентабельность реализованной продукции в первом полугодии 2014 года будет находиться в пределах [19,68; 29,19].
Отобразим на графике фактические данные, результаты расчетов и прогнозирования (рис. 1).
Рисунок 1 – Динамика рентабельности реализованной продукции
В заключение отметим, что для принятия решения необходимо иметь достоверную и полную информацию, на основе которой формируется стратегия производства и сбыта продукции. В связи с этим повышается роль прогнозов, нужное расширение системы и совершенствование методов прогнозирования, применяемых на практике. Особое внимание должно уделяться прогнозированию спроса на продукцию, расходов производства, цен и прибыли. Для этого проводятся исследование внутреннего и мирового рынков, осуществляется анализ эластичности спроса.
Литература:
Орлов, А.И. Эконометрика. – М.: Экзамен, 2002. – 576 с.
Присенко, Г.В., Равикович Э.И. Прогнозирование социально-экономических процессов: учебн. пособ. – К.: КНЭУ, 2005. – 378 с.
Стеценко, Т.О., Тищенко О.П. Управление региональной экономикой: учебн. пособ. ГВУЗ Киев. нац. экон. ун-т им. В. Гетьмана. – К.: КНЭУ, 2009. – 471 с.
Яковец, Ю.В. Прогнозирование циклов и кризисов. – M.: МФК, 2000. – 42 с.