Основной задачей проделанного анализа по заданиям 1-6 было спрогнозировать доходы организации на период с августа 2010 года по январь 2011. Чтобы оценить адекватность данного прогноза, необходимо выяснить, насколько адекватны были прогнозы составляющих выручки от реализации и затрат на производство, а именно прогнозы общих затрат на производство (задание 3), в т.ч. и прогноз изменения фондазаработной платы и стоимости основных производственных фондов (задание 2), прогноз изменения рыночных цен на продукцию (задание 5), изменения среднедушевого дохода населения (задание) и соответствующего изменения объема продаж продукции (задание 6).
Анализ в основном проводился на основе построения регрессионных моделей: как моделей парной, так и множественной регрессии, с применением разных методовдля их построения и расчета коэффициентов ( МНК, МНК с дисконтированием, метод Брауна, модель Хольта-Уинтерса).
Метод регрессии наиболее широко используется в среднесрочном прогнозировании обратимых процессов. Суть его фактически сводится к построению той или иной зависимости между двумя или несколькими переменными. Так во 2 задании мы строим зависимость фонда заработной платы истоимости основных производственных фондов от времени, в 3- зависимость объема общих затрат на производство продукции от объема используемых труда и капитала, в 4- зависимость среднедушевого дохода населения от его фактического значения, полученного по наблюдении t, и спрогнозированного на наблюдении t, в 5- зависимость изменения рыночной цены от возможной циклической тенденции в ее изменении, а в 6- зависимостьизменения общих продаж продукции от изменения рыночной цены на продукцию и среднедушевого дохода населения.
Во 2 задании прогноз строится на основе линейной регрессионной модели, т.к. по графику (см. приложения) заметно, что наблюдается постепенная возрастающая тенденция с незначительными перепадами в значениях как по фонду заработной платы, так и по основным производственным фондам, приэтом высокий коэффициент корреляции расчетного значения показателя и фактического подтверждает данный выбор: 0,87 для фонда заработной платы и 0,76 для основных производственных фондов. Для оценки качества построенной модели рассмотрим коэффициент соответствия (С=1 для фонда заработной платы и С=0,99 для основных производственных фондов) и ошибки аппроксимации ( по фонду заработной платы А1=4,2%,А2=3,5%; по основным производственным фондам А1=4,4%, А2=3,6%). Т.к. С достаточно высокий и А1, А2 менее 10%, то можно судить о достаточно качественных моделях, следовательно, прогнозы, построенные на основании этих моделей, также являются качественными.
В задании 3 и 6 прогноз строится на основании линейной регрессионной модели с несколькими факторами, а значит, возникает вероятность проявленияэффекта мультиколлинеарности, когда факторы сильно коррелируют друг с другом, т.о. оценки построенных моделей становятся неустойчивыми, а следовательно, тяжело осуществить адекватный прогноз. Поэтому прежде, чем строить модель, необходимо проверить наличие эффекта мультиколлинеарности между факторами. В 3 задании коэффициент корреляции между факторами очень высокий (0,99), поэтому необходимоизбавиться от мультиколлинеарности факторов для построения качественной модели. Чтобы получить устойчивые оценки модели, было осуществлено предварительное центрирование исходных данных, а затем построена линейная регрессионная модель (на основании графика исходных данных, имеющего тенденцию к постоянному возрастанию с перепадами значений- см.приложения), при этом достаточно качественная, т.к. коэффициентдетерминации равен 0,69, что говорит о тесной связи расчетных значений с фактическими, а А1=5,19%, А2=4,43%, а значит обе ошибки аппроксимации находятся в допустимых пределах. Также в 3 задании была построена еще одна модель- степенная функция Кобба-Дугласа. Однако, на наш взгляд, данная модель не совсем адекватна в виду полученных аномально маленьких степенных...
Анализ в основном проводился на основе построения регрессионных моделей: как моделей парной, так и множественной регрессии, с применением разных методовдля их построения и расчета коэффициентов ( МНК, МНК с дисконтированием, метод Брауна, модель Хольта-Уинтерса).
Метод регрессии наиболее широко используется в среднесрочном прогнозировании обратимых процессов. Суть его фактически сводится к построению той или иной зависимости между двумя или несколькими переменными. Так во 2 задании мы строим зависимость фонда заработной платы истоимости основных производственных фондов от времени, в 3- зависимость объема общих затрат на производство продукции от объема используемых труда и капитала, в 4- зависимость среднедушевого дохода населения от его фактического значения, полученного по наблюдении t, и спрогнозированного на наблюдении t, в 5- зависимость изменения рыночной цены от возможной циклической тенденции в ее изменении, а в 6- зависимостьизменения общих продаж продукции от изменения рыночной цены на продукцию и среднедушевого дохода населения.
Во 2 задании прогноз строится на основе линейной регрессионной модели, т.к. по графику (см. приложения) заметно, что наблюдается постепенная возрастающая тенденция с незначительными перепадами в значениях как по фонду заработной платы, так и по основным производственным фондам, приэтом высокий коэффициент корреляции расчетного значения показателя и фактического подтверждает данный выбор: 0,87 для фонда заработной платы и 0,76 для основных производственных фондов. Для оценки качества построенной модели рассмотрим коэффициент соответствия (С=1 для фонда заработной платы и С=0,99 для основных производственных фондов) и ошибки аппроксимации ( по фонду заработной платы А1=4,2%,А2=3,5%; по основным производственным фондам А1=4,4%, А2=3,6%). Т.к. С достаточно высокий и А1, А2 менее 10%, то можно судить о достаточно качественных моделях, следовательно, прогнозы, построенные на основании этих моделей, также являются качественными.
В задании 3 и 6 прогноз строится на основании линейной регрессионной модели с несколькими факторами, а значит, возникает вероятность проявленияэффекта мультиколлинеарности, когда факторы сильно коррелируют друг с другом, т.о. оценки построенных моделей становятся неустойчивыми, а следовательно, тяжело осуществить адекватный прогноз. Поэтому прежде, чем строить модель, необходимо проверить наличие эффекта мультиколлинеарности между факторами. В 3 задании коэффициент корреляции между факторами очень высокий (0,99), поэтому необходимоизбавиться от мультиколлинеарности факторов для построения качественной модели. Чтобы получить устойчивые оценки модели, было осуществлено предварительное центрирование исходных данных, а затем построена линейная регрессионная модель (на основании графика исходных данных, имеющего тенденцию к постоянному возрастанию с перепадами значений- см.приложения), при этом достаточно качественная, т.к. коэффициентдетерминации равен 0,69, что говорит о тесной связи расчетных значений с фактическими, а А1=5,19%, А2=4,43%, а значит обе ошибки аппроксимации находятся в допустимых пределах. Также в 3 задании была построена еще одна модель- степенная функция Кобба-Дугласа. Однако, на наш взгляд, данная модель не совсем адекватна в виду полученных аномально маленьких степенных...
Поделиться рефератом
Расскажи своим однокурсникам об этом материале и вообще о СкачатьРеферат