1.1 Анализ динамики квартальных значений опд;
1.2 Анализ динамики годовых значений опд;
1.3 Анализ динамики основных показателей деятельности с учетом инфляции.
2. Сформулировать заключение /выводы по произведенному анализу.
ПРИЛОЖЕНИЕ А
Алгоритм прогнозирования в статистическом пакете «minitab»
Временной ряд – это последовательность значений экономического показателя, упорядоченных во времени. В данном случае исследуемые показатели – доходы, расходы и прибыль предприятия за последние 3 года представленные, желательно поквартально – являются временными рядами.
Для построения прогноза будущих значений экономических показателей в работе использовался наиболее распространённый метод анализа временных рядов – анализ тренда.
Необходимо будет сделать прогнозы каждого из основных показателей деятельности предприятия на 2 будущих квартала.
Для анализа линии тренда в статистическом пакете «MINITAB» необходимо выполнить следующую операцию: Stat > Time Series > Trend Analysis. На мониторе появится диалоговое окно, см. рисунок 1.1
Рисунок 1.1 – Диалоговое окно «Анализ линии тренда»
Диалоговое окно включает в себя следующие параметры:
Variable: вводится идентификатор (название) столбца в таблице с исследуемым временным рядом.
Model Type: определяется тип модели для аппроксимации тренда временного ряда. В используемой программе Minitab рассматриваются следующие четыре типа моделей:
- Linear – линейная;
- Quadratic – квадратическая;
- Exponential growth - экспоненциального роста;
- S-Curve (Pearl-Reed logistic) - логистическая S – кривая.
Generate forecasts: Отмечается при необходимости просчитать прогнозные значения, на графике эти точки отмечаются красным цветом.
Number of forecasts: Вводится число точек для прогноза.
Starting from origin: Вводится положительное число, определяющее с какой точки начинать считать прогнозные значения.
Title: Вводится вами заданный заголовок для выводимого графика.
Чтобы определить тип модели для аппроксимации имеющихся временных рядов в качестве критерия оптимальности выбора модели воспользуемся показателем MSD - среднеквадратическим отклонением. MSD близко по своей структуре к среднеквадратической ошибке, но не зависит от числа степеней свободы для разных моделей, поэтому может быть использовано для сравнения точности разных моделей.
Рассмотрим это на примере, данные по каждой из моделей представим в таблице 1.1.
Таблица 1.1 – Результаты точности моделей
-
Вид модели
MSD
доход
линейная
484.521
квадратическая
469.873
экспоненциального роста
468.606
логистическая S – кривая
843.753
В данном примере для проведения анализа нужно использовать модель экспоненциального роста. Она наиболее точно описывают имеющиеся данные, так как среднеквадратическое отклонение (MSD) у этой модели наименьшее. Уравнение тренда, описывающего данные временного ряда, имеет вид:
Yt = 649.068*(1.03380**t) (2.2.1.5)
В результате выполнения операции: Stat > Time Series > Trend Analysis и заполнения диалогового окна на экране появятся график, который показан на рисунке 1.2. На графике видно, что выбранная модель тренда достаточно точно описывает имеющийся временной ряд.
Рисунок 1.2 - Модель экспоненциального роста дохода
ПРИЛОЖЕНИЕ Б