Особенности формирования производственных и ценовых планов (прогнозов) предприятий российской промышленности в 1993-2001 гг.
Статья - Разное
Другие статьи по предмету Разное
циенты были и статистически значимы в течение всего периода наблюдения. Влияние точности относительно платежеспособного спроса стало положительным лишь в половине случаев и еще реже - статистически значимым. Больше положительных коэффициентов появилось у точности относительно бартерного спроса, но статистически значимых стало меньше. Точность относительно прочих неденежных видов спроса сохранила отрицательные коэффициенты, среди которых стало больше статистически значимых.
Таблица 9. Характеристики влияния точностей предыдущих планов выпуска относительно последующих фактических изменений выпуска, платежеспособного, бартерного и прочих неденежных видов спроса на производственные планы предприятий
ДатаХарактеристики качества подгонки моделиКоэффициенты моделиФ(Qt, Q*t-1)Ф(Dt, Q*t-1)Ф(Bt, Q*t-1)Ф(Nt, Q*t-1)G2DfSigSESESESE2/00158.861560.42120.53320.15490.20920.1500-0.13690.1407-0.20930.15613/00263.421560.00000.67580.10710.03730.11440.04060.1252-0.50110.14754/00212.751560.00170.79290.1135-0.05510.1185-0.17320.1446-0.33850.16115/00194.931560.01870.75910.12490.03670.1278-0.11090.1570-0.46890.16466/00158.091560.43820.43320.11140.11070.1249-0.14060.1482-0.14790.16187/00200.161560.00980.51380.1333-0.02770.15410.18910.1713-0.38670.18078/00198.441560.01220.28050.12850.23640.13590.11550.1608-0.36870.18429/00202.791560.00700.71630.1399-0.14840.12560.35040.1670-0.63790.175010/00198.201560.01260.72160.1236-0.18490.1214-0.12130.1348-0.14060.144511/00236.391560.00000.53560.1097-0.04250.1122-0.00960.1402-0.34040.149912/00103.991560.99950.31280.12140.00660.13930.03400.2022-0.16470.21211/01128.751560.94570.68210.1319-0.01140.1422-0.46690.1846-0.06610.18722/01146.051560.70460.55730.1182-0.21860.1296-0.41440.18460.17330.19643/01211.241560.00210.54910.13020.35380.1400-0.32960.1750-0.29990.18064/01168.621560.23170.81510.1221-0.06420.1201-0.27110.1443-0.23710.14415/01165.011560.29510.47450.12900.06820.1278-0.27490.1691-0.09080.17176/01192.951560.02370.21910.11660.03940.1225-0.01220.1641-0.02840.17217/01173.381560.16180.62760.1191-0.20420.1211-0.02770.1422-0.19380.17328/01189.441560.03520.79300.1333-0.07340.13590.12310.1678-0.64530.19649/01204.621560.00540.81070.1294-0.37380.1458-0.13930.1768-0.16710.196710/01181.221560.08150.49240.11720.36460.1429-0.31190.1891-0.28970.200111/01164.761560.29990.56820.1213-0.01130.12020.02910.1433-0.35540.153612/01107.781560.99880.39130.15090.05220.1704-0.27520.24150.18660.2618Примечание. 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).
Подводя итог исследованию адаптивных моделей для описания планов формирования производственных планов, можно следующие выводы. Во-первых, такой тип формирования планов, скорее всего, не характерен для российских промышленных предприятий. Во-вторых, использование в адаптивных моделях спросовых переменных значительно расширило аналитические возможности, но также не дало устойчивых и логичных результатов. В-третьих, отрицательные коэффициенты моделей показывают, что предприятия, вероятно, не склонны верить отклонениям фактических изменений показателей и корректировать с учетом этого свои очередные планы выпуска. Они предпочитают сохранять прежнее направление своих намерений. "Мягкие" постановки адаптивных моделей подтвердили этот тезис: влияние на очередные планы предыдущих намерений всегда и существенно превосходило влияние фактических изменений выпуска. В-четвертых, точности прогнозов всех видов спроса не оказывали значимого влияния на производственные планы предприятий. В-пятых, самой удачной оказалась адаптивная модель с включением точностей прогнозов всех факторов в состав независимых переменных. При этом значимое положительное влияние на производственные планы имели только неденежные виды спроса. Это объясняется тем, что в период оценки модели фактические изменения неденежных видов спроса имели желаемую для предприятий динамику, что и делало возможным ее учет при выработке следующих планов. А недостаточные объемы денежного спроса и выпуска не позволяли российским предприятиям адекватно учитывать их изменения при выработке очередных планов.
4.3. Обучения-на-ошибках модели формирования планов производства
Модели обучения на ошибках предполагают, что изменения прогноза между двумя соседними опросами зависят от точности реализации прогноза в первом из опросов. В отличие от адаптивных моделей модели обучения на ошибках представляются более интересными в силу того обстоятельства, что в них в качестве зависимой переменной используются изменения прогнозов между двумя соседними опросами. В этих моделях используются обе производные переменные, введенные ранее: точность прогноза и изменение прогноза за два соседних опроса. Повторим, что переменная, характеризующая точность прогноза, может принимать значения: 1 если фактические значения оказались лучше прогнозов, 2 если прогноз совпал с фактом, 3 если фактические значения оказались хуже прогнозов. Вторая переменная, описывающая изменение прогнозов за два соседних опроса, также трихотомическая: 1 если прогноз стал более оптимистичным, 2 если прогноз не изменился, 3 если прогноз стал более пессимистичным. Если справедливо предположение о том, что формирование прогнозов носит характер обучения на ошибках, то при лучших фактических изменениях по сравнению с предыдущими прогнозами очередные прогнозы должны быть пересмотрены в сторону улучшения. При обратной ситуации (прогноз оказался хуже факта) предприятия должны изменить прогнозы в сторону снижения (ухудшения). Тогда коэффициент логлинейной модели с использованием порядковых данных конъюнктурных опросов должны быть положительны.
Кроме базовой модели формирования производственных планов будут исследованы и комбинированные модели, в которых в качестве независимых переменных фигурируют точности прогнозов производства относительно последующих фактических изменений различных видов спросов. Другое возможное направление развития таких моделей - использование в качестве