Прогнозирование экономического развития предприятия | Статья в журнале «Молодой ученый»

Авторы: , ,

Рубрика: Экономика и управление

Опубликовано в Молодой учёный №6 (110) март-2 2016 г.

Дата публикации: 04.03.2016

Статья просмотрена: 961 раз

Библиографическое описание:

Согачева О. В., Булатова Е. Н., Руппель А. С. Прогнозирование экономического развития предприятия // Молодой ученый. — 2016. — №6. — С. 554-556. — URL https://moluch.ru/archive/110/26724/ (дата обращения: 14.12.2018).



Статья посвящена практическим аспектам прогнозирования развития предприятия. Построено уравнение множественной линейной регрессии, рассчитаны коэффициенты полученной модели, оценена ее адекватность и статистическая значимость, дана интерпретация параметров модели и осуществлен прогноз на три периода на основе множественной линейной регрессии со статистически значимыми факторами.

Прогнозирование — это оценка перспектив развития предприятия на основе анализа конъюнктуры рынка, изменения рыночных условий на предстоящий период [1; 2; 3].

Экономический прогноз — это научно обоснованное предвидение возможных направлений и результатов развития субъектов хозяйствования и их структурных подразделений. Основной задачей экономического прогнозирования является предвидение наиболее вероятных проблем экономического развития в ближайшей и отдалённой перспективе, поиск возможных направлений экономического роста, обоснование наиболее предпочтительной стратегии развития в будущем. Результаты прогноза используются для выбора альтернатив развития, разработки рекомендаций для реализации оптимального варианта [4; 5; 6; 7].

В экономической науке даются различные варианты классификации методов прогнозирования [4]. Для прогнозирования развития АО «КЭАЗ» построим прогноз значений показателей с помощью множественной линейной регрессии, используя программный продукт MS Excel.

По данным таблицы 1, изучим зависимость выручки от продажи товаров АО «КЭАЗ» от определенных факторов.

Таблица 1

Исходные данные для построения регрессионной модели

Год

Себестоимость продаж, тыс. руб. (X1)

Объем товарных запасов, тыс. руб. (Х2)

Фонд оплаты труда, тыс. руб. (Х3)

Среднесписочная численность рабочих, чел. (Х4)

Выручка от продажи товаров, тыс. руб. (У)

2005

223641

52345

132183

1799

395264

2006

258621

54869

151875

1820

411763

2007

282010

58462

153962

1815

404381

2008

370344

97413

171813

1796

601279

2009

399049

162010

194867

1790

730180

2010

517113

214367

156405

1309

774279

2011

478614

267857

176819

1222

607116

2012

697055

258064

158356

1018

859763

2013

977210

339114

193305

1069

1171317

2014

991739

321794

207565

1085

1298691

Осуществим прогноз на три периода по множественной линейной регрессии. При этом одну часть показателей зададим нормативно (Х1) с условием, что темп роста значений показателей должен быть равен среднему темпу роста показателя за период наблюдения. Значение другого показателя (Х2) определим с помощью временного тренда.

Таблица 2

Определение среднего темпа роста переменной Х1

Х1

Темп роста Х1

223641

-

258621

1,156411

282010

1,090437

370344

1,31323

399049

1,077509

517113

1,295863

478614

0,92555

697055

1,456403

977210

1,401912

991739

1,014868

Сумма

10,73218

Среднее

1,073218

Таким образом,

Х116 = 991739 * 1,073218 = 1064352,15;

Х117 = 1064352,15 * 1,073218 = 1142281,89;

Х118 = 1142281,89*1,073218 = 1225917,49.

Для фактора Х2 с помощью Microsoft Excel построим уравнение временного тренда. Среди линейного, логарифмического, полиномиального, степенного и экспоненциального типа линии тренда наибольшим коэффициентом детерминации характеризуется полиномиальное уравнение тренда вида (рисунок 1):

y = 435,44x2 + 31431x — 7006

Рис. 1. Аппроксимация зависимости показателя объем товарных запасов от времени с помощью полиномиальной функции

Следовательно, фактор Х2 будет равен:

Х216 = 435,44*142 + 31431*14–7006=518374,24;

Х217 =435,44*152 + 31431*15–7006=562433;

Х218 =435,44*162 + 31431*16–7006=607362,64.

Подставим полученные прогнозные значения в построенную модель зависимости Y от Х1 и Х2 и рассчитаем прогнозные значения Y:

У16=159099,28+1,137*1064352,15+0,134*518374,24=1438729,8

У17=159099,28+1,137*1142281,89+0,134*562433=1533239,8

У18=159099,28+1,137*1225917,49+0,134*607362,64=1634354,1

Зависимость показателя выручка от продаж от времени с помощью линейной функции представлена на рисунке 2.

Рис. 2. Аппроксимация зависимости показателя выручка от продаж от времени с помощью линейной функции

Следовательно, точечная прогнозная оценка переменной Y в 16,17-м и 18-м периодах соответственно равна 1438729,8; 1533239,8 и 1634354,1 руб.

На основе полученных прогнозных значений выручки от продаж, можно сделать вывод, что данный показатель на последующие три года будет иметь положительную тенденцию, что свидетельствует о повышении уровня экономического развития предприятия АО «КЭАЗ».

Литература:

  1. Басовский Л. Е. Прогнозирование и планирование в условиях рынка [Текст]: учебное пособие / Л. Е. Басовский. — М.: ИНФРА-М, 2007. — 206 с.
  2. Бутакова М. М. Экономическое прогнозирование: методы и приемы практических расчетов [Текст]: учебное пособие / М. М. Бутакова. — М.: КНОРУС, 2008. — 168с.
  3. Вертакова Ю. В. Прогнозирование и планирование в условиях рынка [Текст]: учебное пособие / Ю. В. Вертакова, И. А. Козьева. Курск. гос. техн. ун-т. Курск, 2008. 197 с.
  4. Концептуальные основы управления: учебное пособие для самостоятельной работы по подготовке к итоговой государственной аттестации по специальности «Менеджмент организации» // Вертакова Ю. В., Харченко Е. В., Согачева О. В., Дидковская Т. М., Трубникова В. В., Железняков С. С., Цуканова Н. Е., Бычкова Л. В., Венделева М. А., Кудина О. В., Симоненко Е. С., Морозова О. А. // Курск, 2008. 700 с.
  5. Петрищева И. В. Интегральная оценка развития малых промышленных предприятий (на примере Курской области) // Вестник Новосибирского государственного университета. Серия: Социально-экономические науки. 2009. Т. 9. № 4. С. 140–144.
  6. Согачева О. В. Инструментарий стратегического менеджмента: организация аналитических и проектных работ в сфере стратегического управления предприятием / О. В. Согачева // Гуманитарные, социально-экономические и общественные науки: Всероссийский научный журнал. № 3. Краснодар, 2014. С. 318–323.
  7. Согачева О. В. Разработка перспективных направлений деятельности на основе анализа стратегических возможностей организации / О. В. Согачева, А. Г. Варфоломеев // Перспективы науки. Научно-практический журнал. № 12 (51). Тамбов, 2013. С. 95–99.
Основные термины (генерируются автоматически): множественная линейная регрессия, временный тренд, линейная функция, аппроксимация зависимости показателя, помощь.


Похожие статьи

Аппроксимация полиномов n степени методом наименьших...

Полиномиальная регрессия. Допустим, что имеется nзначений переменной yи соответствующих переменных x. Необходимо аппроксимировать

Составим систему линейных уравнений

Аппроксимация трехпараметрического множества неопределенности при помощи эллипсоида.

Аппроксимация полиномов n степени методом наименьших...

Полиномиальная регрессия. Допустим, что имеется nзначений переменной yи соответствующих переменных x. Необходимо аппроксимировать

Составим систему линейных уравнений

Аппроксимация трехпараметрического множества неопределенности при помощи эллипсоида.

Применение методов скользящей средней, экспоненциального...

Временной ряд — это последовательность упорядоченных по времени числовых показателей, характеризующих уровень состояния и изменения изучаемого явления, в

К данной диаграмме при помощи программных средств Excel была добавлена полиномиальная линия тренда.

Применение методов скользящей средней, экспоненциального...

Временной ряд — это последовательность упорядоченных по времени числовых показателей, характеризующих уровень состояния и изменения изучаемого явления, в

К данной диаграмме при помощи программных средств Excel была добавлена полиномиальная линия тренда.

Алгоритм интервального оценивания параметров нелинейных...

В случае линейной модели оба этапа решаются матричными операциями [1]. Мерами неопределённости и взаимосвязи оценок параметров служат элементы

1. Идентификаторы программы: m — число параметров функции-модели; n — число точек регрессии

Алгоритм интервального оценивания параметров нелинейных...

В случае линейной модели оба этапа решаются матричными операциями [1]. Мерами неопределённости и взаимосвязи оценок параметров служат элементы

1. Идентификаторы программы: m — число параметров функции-модели; n — число точек регрессии

Разработка модуля прогнозирования продаж и оптимизации...

Линейная регрессия основана на гипотезе, что искомая зависимостьлинейная.

Для того, чтобы узнать какая из данных моделей осуществляет более точный прогноз на следующий месяц, необходимо рассчитать ошибку аппроксимации.

Разработка модуля прогнозирования продаж и оптимизации...

Линейная регрессия основана на гипотезе, что искомая зависимостьлинейная.

Для того, чтобы узнать какая из данных моделей осуществляет более точный прогноз на следующий месяц, необходимо рассчитать ошибку аппроксимации.

Генетический алгоритм для нахождения коэффициентов...

Пожарский Д. А., Золотов Н. Б., Семенов И. Е. Генетический алгоритм для нахождения коэффициентов аппроксимации функции в контактных

В ходе работы была рассмотрена контактная задача кручения полого линейно-упругого цилиндра в цилиндрических координатах.

Генетический алгоритм для нахождения коэффициентов...

Пожарский Д. А., Золотов Н. Б., Семенов И. Е. Генетический алгоритм для нахождения коэффициентов аппроксимации функции в контактных

В ходе работы была рассмотрена контактная задача кручения полого линейно-упругого цилиндра в цилиндрических координатах.

Выбор типа модели линейной регрессии для определения...

Построим уравнение множественной регрессии, характеризующее зависимость цены от всех факторов в линейной форме методом включения, оценим

Определим ошибку полученного уравнения в “точках съема информации”, т.е. вычислим среднюю ошибку аппроксимации.

Выбор типа модели линейной регрессии для определения...

Построим уравнение множественной регрессии, характеризующее зависимость цены от всех факторов в линейной форме методом включения, оценим

Определим ошибку полученного уравнения в “точках съема информации”, т.е. вычислим среднюю ошибку аппроксимации.

Методы планирования эксперимента в аппроксимации функций...

Методы математического описания контуров лекал швейных изделий, методы линейно-круговой аппроксимации. Методика определения функций принадлежности для аппроксимации периодических функций нечеткими множествами.

Методы планирования эксперимента в аппроксимации функций...

Методы математического описания контуров лекал швейных изделий, методы линейно-круговой аппроксимации. Методика определения функций принадлежности для аппроксимации периодических функций нечеткими множествами.

Анализ и предварительная обработка данных для решения задач...

Функция проводит несколько тестов способных определить: результирующее значение теста adf; p-value, полученные с помощью аппроксимации поверхности регрессии; количество

Регрессионные модели. Сюда входят линейная, множественная и нелинейная регрессии.

Анализ и предварительная обработка данных для решения задач...

Функция проводит несколько тестов способных определить: результирующее значение теста adf; p-value, полученные с помощью аппроксимации поверхности регрессии; количество

Регрессионные модели. Сюда входят линейная, множественная и нелинейная регрессии.

Анализ и прогнозирование успеваемости студентов на основе...

Методы, основанные на регрессионных моделях, например, позволяют выявить связь между уровнем знаний и умений студентов по общепрофессиональным и специальным дисциплинам в зависимости от обеспечивающих курсов с помощью многофакторной линейной...

Анализ и прогнозирование успеваемости студентов на основе...

Методы, основанные на регрессионных моделях, например, позволяют выявить связь между уровнем знаний и умений студентов по общепрофессиональным и специальным дисциплинам в зависимости от обеспечивающих курсов с помощью многофакторной линейной...

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Аппроксимация полиномов n степени методом наименьших...

Полиномиальная регрессия. Допустим, что имеется nзначений переменной yи соответствующих переменных x. Необходимо аппроксимировать

Составим систему линейных уравнений

Аппроксимация трехпараметрического множества неопределенности при помощи эллипсоида.

Аппроксимация полиномов n степени методом наименьших...

Полиномиальная регрессия. Допустим, что имеется nзначений переменной yи соответствующих переменных x. Необходимо аппроксимировать

Составим систему линейных уравнений

Аппроксимация трехпараметрического множества неопределенности при помощи эллипсоида.

Применение методов скользящей средней, экспоненциального...

Временной ряд — это последовательность упорядоченных по времени числовых показателей, характеризующих уровень состояния и изменения изучаемого явления, в

К данной диаграмме при помощи программных средств Excel была добавлена полиномиальная линия тренда.

Применение методов скользящей средней, экспоненциального...

Временной ряд — это последовательность упорядоченных по времени числовых показателей, характеризующих уровень состояния и изменения изучаемого явления, в

К данной диаграмме при помощи программных средств Excel была добавлена полиномиальная линия тренда.

Алгоритм интервального оценивания параметров нелинейных...

В случае линейной модели оба этапа решаются матричными операциями [1]. Мерами неопределённости и взаимосвязи оценок параметров служат элементы

1. Идентификаторы программы: m — число параметров функции-модели; n — число точек регрессии

Алгоритм интервального оценивания параметров нелинейных...

В случае линейной модели оба этапа решаются матричными операциями [1]. Мерами неопределённости и взаимосвязи оценок параметров служат элементы

1. Идентификаторы программы: m — число параметров функции-модели; n — число точек регрессии

Разработка модуля прогнозирования продаж и оптимизации...

Линейная регрессия основана на гипотезе, что искомая зависимостьлинейная.

Для того, чтобы узнать какая из данных моделей осуществляет более точный прогноз на следующий месяц, необходимо рассчитать ошибку аппроксимации.

Разработка модуля прогнозирования продаж и оптимизации...

Линейная регрессия основана на гипотезе, что искомая зависимостьлинейная.

Для того, чтобы узнать какая из данных моделей осуществляет более точный прогноз на следующий месяц, необходимо рассчитать ошибку аппроксимации.

Генетический алгоритм для нахождения коэффициентов...

Пожарский Д. А., Золотов Н. Б., Семенов И. Е. Генетический алгоритм для нахождения коэффициентов аппроксимации функции в контактных

В ходе работы была рассмотрена контактная задача кручения полого линейно-упругого цилиндра в цилиндрических координатах.

Генетический алгоритм для нахождения коэффициентов...

Пожарский Д. А., Золотов Н. Б., Семенов И. Е. Генетический алгоритм для нахождения коэффициентов аппроксимации функции в контактных

В ходе работы была рассмотрена контактная задача кручения полого линейно-упругого цилиндра в цилиндрических координатах.

Выбор типа модели линейной регрессии для определения...

Построим уравнение множественной регрессии, характеризующее зависимость цены от всех факторов в линейной форме методом включения, оценим

Определим ошибку полученного уравнения в “точках съема информации”, т.е. вычислим среднюю ошибку аппроксимации.

Выбор типа модели линейной регрессии для определения...

Построим уравнение множественной регрессии, характеризующее зависимость цены от всех факторов в линейной форме методом включения, оценим

Определим ошибку полученного уравнения в “точках съема информации”, т.е. вычислим среднюю ошибку аппроксимации.

Методы планирования эксперимента в аппроксимации функций...

Методы математического описания контуров лекал швейных изделий, методы линейно-круговой аппроксимации. Методика определения функций принадлежности для аппроксимации периодических функций нечеткими множествами.

Методы планирования эксперимента в аппроксимации функций...

Методы математического описания контуров лекал швейных изделий, методы линейно-круговой аппроксимации. Методика определения функций принадлежности для аппроксимации периодических функций нечеткими множествами.

Анализ и предварительная обработка данных для решения задач...

Функция проводит несколько тестов способных определить: результирующее значение теста adf; p-value, полученные с помощью аппроксимации поверхности регрессии; количество

Регрессионные модели. Сюда входят линейная, множественная и нелинейная регрессии.

Анализ и предварительная обработка данных для решения задач...

Функция проводит несколько тестов способных определить: результирующее значение теста adf; p-value, полученные с помощью аппроксимации поверхности регрессии; количество

Регрессионные модели. Сюда входят линейная, множественная и нелинейная регрессии.

Анализ и прогнозирование успеваемости студентов на основе...

Методы, основанные на регрессионных моделях, например, позволяют выявить связь между уровнем знаний и умений студентов по общепрофессиональным и специальным дисциплинам в зависимости от обеспечивающих курсов с помощью многофакторной линейной...

Анализ и прогнозирование успеваемости студентов на основе...

Методы, основанные на регрессионных моделях, например, позволяют выявить связь между уровнем знаний и умений студентов по общепрофессиональным и специальным дисциплинам в зависимости от обеспечивающих курсов с помощью многофакторной линейной...

Задать вопрос