Особенности формирования производственных и ценовых планов (прогнозов) предприятий российской промышленности в 1993-2001 гг.
Статья - Разное
Другие статьи по предмету Разное
предпочитали сохранять прежний пессимизм своих прогнозов. И, наоборот, при наличии худших по сравнению с прогнозом фактических изменений оптимизм очередных прогнозов не снижался. Такую интерпретацию подтверждают значения коэффициентов в "мягкой" адаптивной модели. Эти коэффициенты, наоборот, были все положительны. А значения коэффициентов для предыдущих прогнозов всегда и существенно превосходили значения коэффициентов для предыдущих фактических изменений выпуска - особенно с 1996 г. (см. рис.4).
Теперь рассмотрим адаптивные модели формирования производственных планов, где в качестве независимых переменных используются точности прогнозов основных видов спроса относительности последующих реализаций этих же видов спроса. Адаптивная модель с участием только точности платежеспособного спроса имела хорошее качество подгонки в течение всего периода наблюдения (1995-2001 гг.). Единственным продолжительным исключением стало начало 2000 г. Коэффициенты модели были отрицательны и очень редко статистически значимы. Т.о. гипотеза об адаптивном (только по платежеспособному спросу) формировании производственных планов в российской промышленности не подтверждается. Аналогичные результаты были получены и для других видов спроса: модели имели приемлемое качество подгонки, но отрицательные коэффициенты, которые очень редко были статистически значимы.
На следующем шаге исследования адаптивных моделей рассмотрим модель, где в качестве независимых переменных фигурируют точности всех трех видов спроса одновременно:
Q*t = f( Ф(Dt, D*t-1), Ф(Bt, B*t-1), Ф(Nt, N*t-1) ),
где Q*t - ожидаемые изменения производства, зарегистрированные в момент (опрос) t; Dt, Bt, Nt - фактические изменения платежеспособного, бартерного и прочих неденежных видов спроса соответственно, зарегистрированные в момент (опрос) t; D*t-1, B*t-1, N*t-1, -ожидаемые изменения платежеспособного, бартерного и прочих неденежных видов спроса соответственно, зарегистрированные в момент (опрос) t-1.
Такая модель имела высокое качество подгонки: наблюдаемый уровень значимости гарантированно превосходил 5% порог (см. табл.7). Коэффициенты модели были чаще положительны, чем отрицательны, особенно - для точностей бартерного и прочих неденежных видов спроса. Но статистическая значимость коэффициентов была крайне низкой: 2-3 раза для каждого из видов спроса за два года мониторинга. И в этом случае не удалось получить надежных статистических аргументов в пользу адаптивного (по всем видам спроса) формирования планов выпуска в российской промышленности.
Таблица 7. Характеристики влияния точностей прогнозов платежеспособного, бартерного и прочих неденежных видов спроса на производственные планы предприятий
ДатаХарактеристики качества подгонки моделиКоэффициенты модели для точностей прогнозовплатежеспособного спросабартерного спросапрочих неденежных видов спросаG2DfSigSESESE2/0043.827490.68230.20430.12810.16360.14460.12290.15103/0045.199490.62800.31840.11230.12610.1374-0.02960.14384/0046.058490.59310.02730.09700.03810.12340.15620.13065/0059.101490.15290.06780.11590.11370.1247-0.01210.14676/0036.586490.90490.14560.10500.19430.12770.04300.13557/0043.827490.68230.07780.11380.15950.14620.10690.16678/0030.335490.98330.22270.13730.30520.17800.06190.17869/0040.523490.8004-0.01130.11720.39440.14660.04660.147210/0038.565490.8580-0.00300.10930.21400.13580.27210.158111/0046.886490.55930.13740.11050.06250.14020.16200.146912/0038.135490.86920.06650.1182-0.05740.17750.32130.18591/0132.61490.96550.07230.12140.15080.15720.15180.17032/0135.897490.9185-0.07700.11050.01860.14290.42750.17083/0131.88490.97230.05400.10380.30120.1486-0.04680.15394/0174.599490.01070.11890.09870.02330.13340.23730.13285/0149.981490.43420.07700.1117-0.16490.15540.41340.15586/0146.475490.57610.00200.10730.25650.14710.14490.14687/0131.894490.97220.02300.11630.04560.14530.41730.16138/0154.263490.28080.06210.10390.06440.15900.25820.15589/0139.996490.8169-0.00310.11640.23030.14260.24460.156410/0152.137490.35290.40500.13620.29410.1614-0.10610.165511/0139.436490.8337-0.06910.11220.36630.14470.25850.152112/0134.742490.9383-0.01670.13890.18980.21840.17090.2397Примечание. В таблице приведены: G2 - величина отношения правдоподобия; df - число степеней свободы; Sig - наблюдаемый уровень значимости; коэффициенты , оценивающие линейную связь (ассоциацию) рангов каждого из факторов с производственными планами, и стандартные ошибки (SE).
Введем в предыдущую модель точность прогнозирования (точнее - планирования) еще одного показателя - объемов производства. Тогда у нас получится модель, которая предполагает, что очередные прогнозы выпуска формируются в зависимости от точности четырех показателей (трех видов спроса и выпуска):
Q*t = f( Ф(Qt, Q*t-1), Ф(Dt, D*t-1), Ф(Bt, B*t-1), Ф(Nt, N*t-1) ).
Рассматриваемая модель также имела высокое качество подгонки: наблюдаемый уровень значимости всегда был максимальным. Коэффициенты модели были всегда положительны для трех видов спроса и почти всегда для точности предыдущих планов производства. Однако статистически значимым оказалось влияние точности прогнозов бартерного и прочих неденежных видов спроса, точности других показателей не учитывались адаптивным образом при планировании выпуска на очередной период (см. табл.8).
Таблица 8. Характеристики влияния точностей прогнозов выпуска, платежеспособного, бартерного и прочих неденежных видов спроса на производственные планы предприятий
ДатаХарактеристики качества подгонки моделиКоэффициенты моделиФ(Qt, Q*t-1)Ф(Dt, D*t-1)Ф(Bt, B*t-1)Ф(Nt, N*t-1)G2DfSigSESESESE2/00194.582281.00000.10230.11200.23120.13040.24740.13470.41010.13853/00208.372281.00000.13970.10870.21260.11570.38330.12560.20500.11774/00284.332281.00000.01650.09320.03650.10000.23390.10720.34020.10935/00274.82281.00000.16750.09920.13750.10660.28480.11540.22610.12566/00240.682281.00000.13730.09910.19240.10330.34950.11910.30200.12277/00280.962281.0000-0.05690.10040.20880.11880.24270.12180.50100.13418/00216.762281.0000-0.08400.11460.21770.12710.42170.14270.38730.14659/00208.572281.00000.03300.10690.10190.10760.47090.12390.37210.127510/00226.262281.00000.08860.10130.04500.10620.28610.12340.51850.142411/00222.242281.00000.00580.09010.26530.10450.22160.11940.36690.130312/00251.932281.00000.06470.10880.24530.12220.27720.13240.44020.14551/01257.642281.00000.05150.10330.20620.11830.24520.12860.41780.13562/01270.782281.0000-0.03520.10330.13980.11230.32560.12630.41480.13243/01229.632281.00000.01010.09610.21880.11290.42920.13140.33830.12444/01242.772281.00000.07910