Метод регресивного аналізу. - Механізми прогнозування попиту на продукцію суб'єктів господарювання вугільної галузі в процесі реструктурізації

Даний метод дає можливість прогнозувати попит на основі статистичної моделі, яка характеризує залежність між об'єктом (обсягом збуту) та незалежними змінними, які впливають на нього (ціни, доходи населення, стан конкуренції тощо). Для побудови моделей потенційного попиту на рекреаційні послуги використовують два методи: парний і багатофакторний аналіз.

Однофакторний регресивний аналіз. Передбачає використання рівняння прямої лінії: у = а х + b

Для якого визначають значення показників а і b. A x - незалежна змінна.

Використання цього методу дозволяє встановити як впливає певний фактор (наприклад зміна цін, доходів тощо) на рівень попиту на продукцію вугільної промисловості і на його майбутню величину. Причому важливою умовою є стабільність всіх інших факторів.

Багатофакторний регресивний аналіз.

Перш ніж побудувати багато факторну регресивну модель для вивчення попиту на продукцію вугільної промисловості регіону необхідно визначити перелік факторів, що чинять вплив на формування цього попиту.

Вибір і аналіз всіх можливих факторів, що впливають на попит включає в себе:

    - Класифікацію факторів. Тобто конкретизація всіх існуючих факторів і надання їм кількісних характеристик. Серед таких факторів можуть бути об'єм і структура доходів сімей, склад і розміри сімей, коливання цін на продукцію вугільної промисловості, міграція населення зміна моди тощо. - Агрегування факторів. Об'єднання факторів є необхідною умовою, оскільки практично не можливо включити в модель всі існуючі чинники. Так наприклад, щоб не включати в модель всі існуючі ціни на всі можливі продукцію вугільної промисловості замість індивідуальних індексів цін використовуються агрегатні. Також для агрегування факторів їх ділять на дві групи: враховані та інші. До врахованих зазвичай включають такі, за допомогою яких можна керувати попитом - наприклад доходи населення, ціни. До інших - ті, що не піддаються індивідуальному виміру (мода, споживчі звички тощо) [2, с. 225].

Після того, як ми визначили перелік факторів, можна приступити до формування рівняння регресії, яке має вигляд:

Де yT - показник попиту, що моделюється на період t,

XI (і = 1,2,...,р) - фактори, що впливають на даний показник,

AJ - параметри моделі (j = 1,2,...,р) які необхідно оцінити,

Р - число факторних ознак включених в модель [1, 60с].

Для вибору факторів, що чинять найістотніший вплив на попит, використовується коефіцієнт кореляції. Даний коефіцієнт розраховується окремо для кожного фактора за формулою:

Якщо:

    - 0 ? r ? 0,5 - даний фактор чинить неістотний вплив і не приймається в модель, - 0,5 < r ? 0,7 - даний фактор чинить відчутний вплив, проте не достатньо і приймається за відсутності кращих, - 0,7 < r ? 1 - даний фактор чинить істотний вплив і приймається в модель регресії.

Наступним етапом є розрахунок отриманого рівняння в яке входять відібрані основні фактори. Розв'язавши це рівняння методом найменших квадратів ми отримаємо значення показників a0,a1, a2, ... , aN.

Таким чином, розв'язавши це рівняння для кожного періоду (t = 1,2,...,n) і підставивши в нього значення основних факторів ми отримаємо показник попиту на продукцію вугільної промисловості регіону для кожного з цих періодів. Тобто, ми отримаємо значення попиту з урахуванням впливу основних факторів.

Після описаної вище процедури можна приступати до оцінки перспективного попиту. Для цього необхідно для кожного з основних факторів за методом екстраполяції тренду визначити його перспективне значення. Після чого підставити ці отримані значення в багатофакторну регресивну модель. Таким чином, ми одержимо показник перспективного попиту на продукцію вугільної промисловості регіону з урахуванням прогнозованих показників факторів.

Похожие статьи




Метод регресивного аналізу. - Механізми прогнозування попиту на продукцію суб'єктів господарювання вугільної галузі в процесі реструктурізації

Предыдущая | Следующая