Прогнозування попиту на продукцію підприємства за допомогою аналізу часових рядів.

Метод лінійного регресійного аналізу. Основний зміст.

Регресія - це залежність між двома або декількома корельованими перемінними. Її використовують для пророкування значення однієї перемінної на основі значення іншої. Взаємозв'язок звичайно встановлюють на основі даних, що спостерігаються.

Графік лінійної регресії виражається рівнянням Y = a + b, де Y - значення залежної перемінної, щодо якої вирішується рівняння; а - відрізок, що відтинається на координатній осі Y; b - кут нахилу прямій відносно координатної осі Х; Х - незалежна перемінна (в аналізі часових рядів Х позначає поточний час).

Лінійну регресію використовують для прогнозування як у моделях часових рядів, так і в причинно-наслідкових моделях. Коли залежна перемінна (на графіку звичайно відкладається по вертикальній осі) змінюється в залежності від часу (відкладається на графіку по горизонтальній осі), мають справу з аналізом часових рядів. Якщо одній перемінна змінюється при зміні іншої перемінної, це називається причинним зв'язком (наприклад, кількість проданих квартир залежить від числа рекламних оголошень у періодичних виданнях).

При аналізі часових рядів необхідно визначати сезонний індекс. Сезонний індекс - це коригувальний коефіцієнт, який необхідно увести в часовий ряд для обліку коливань попиту по сезонах року.

Звичайно термін сезонний асоціюється з періодом року, у той час як термін циклічний використовують для визначення не річних, а будь-яких інших повторюваних процесів [26].

Складання прогнозу за допомогою лінійної регресії.

Припустимо, що дані попереднього періоду були такими:

Квартал	Продажі, шт.
1- 2010 2- 2010 3- 2010 4- 2010 1- 2011 2- 2011 3- 2011 4- 2011

Побудуємо графік продажів і визначимо рівняння лінійного тренда, використовуючи електронні таблиці Exell. Графік і рівняння тренда представлені на рисунку 1.1.

Рис. 1.1. Графік продажі за попередні два роки в квартальній розбивці.

Визначимо сезонний індекс, порівнюючи поточні дані з трендовою лінією, що приведено в таблиці 1.5:

Таблиця 1.5

Визначення сезонного індексу

Квартал	Поточне значення попиту	Значення з рівняння тренда Y = 176,07+52,26Х	Відношення поточного значення до тренда (сезонний індекс поточного року)	Сезонний індекс (середнє значення сезонних індексів однакових кварталів у двох роках)
2010		228,33 280,59 332,85 385,10   437,37 489,63 541,89 594,19	1,31 0,71 0,66 1,38   1,19 0,86 0,74 1,18	1 - 1,25* 2 - 0,79 3 - 0,70 4 - 1,28

* Сезонний індекс визначається усередненням сезонних індексів однакових кварталів кожного року.

Тепер можна обчислити прогноз на 2012 рік з урахуванням тренда і сезонних факторів:

Прогноз = Тренд ´ Сезонний коефіцієнт

1-й квартал 2012 року: Y₉ = (176,07+52,26*9)* 1,25 = 808 шт.;

2-й квартал 2012 року: Y₁₀ = (176,07+52,26*10)*0,79 = 552 шт.;

3-й квартал 2012 року: Y₁₁ = (176,07+52,26*11)*0,70 = 525,65 шт.;

4-й квартал 2012 року: Y₁₂ = (176,07+52,26*12)*1,28 = 1028,10 шт..

Дата добавления: 2015-07-26