2) Использует сезонные факторы;

3) Может сделать поправку на циклическое влияние.

Так как уравнение тренда выглядит как: у = 920,8 + 19,2582 (t), прогнозы тренда будут

выглядеть следующим образом:

1-й квартал: 920,8 + 19,2882(45) = 1788,8;

2-й квартал: 920,8 + 19,2882(46) = 1808,1;

3-й квартал: 920,8 + 19,2882(47) = 1827,3;

4-й квартал: 920,8 + 19,2882(48) = 1846,6.

Затем каждый результат должен быть умножен на сезонный фактор:

1-й квартал: 1788,8 х 0,889 = 1590,2;

2-й квартал: 1808,1 х 0,991 = 1791,8;

3-й квартал: 1827,3 х 1,231 = 2245,8;

4-й квартал: 1846,6 х 0,891 = 1645,4.

Однако Фрэнк заметил, что сезонные факторы в табл. 5.6 за последние 11 лет демон-

стрируют определенные тренды. Факторы в 3-м квартале уменьшались, а факторы 1-го

и 4-го кварталов демонстрировали рост. Для того чтобы увидеть влияние этих измене-

ний, Фрэнк решает использовать среднее трех последних наблюдений по каждому квар-

талу (и свести их к четырем, как делалось раньше). Когда он применяет свои новые фак-

торы к числам тренда, он получает следующие результаты:

1-й квартал: 1788,8 х 0,894 = 1599,2;

2-й квартал: 1808,1 х 0,993 - 1795,3;

3-й квартал: 1827,3 х 1,213 = 2216,6;

4-й квартал; 1846,6 х 0,900 = 1662,0.

Он решает, что последние вычисления более верны. Последним этапом в этой проце-

дуре является оценка влияния циклических и случайных факторов. Фрэнк решает, что

циклическое влияние на продажи прохладительных напитков в следующем году будет

нейтральным. Несмотря на невозможность оценки случайных факторов, Фрэнк знает,

что во 2-м квартале 2005 г. компания планирует осуществить мощную рекламную кам-

панию в поддержку ≪Citronade*. Однако в данный момент он не обладает необходимой

информацией, касающейся влияния рекламы на продажу. Фрэнк делает себе заметку

о том. что по возможности это следует включить в отчет и попытаться проанализировать

некоторые количественные оценки позднее.

Заслуживает внимания еще один аспект. Мы предположили, что товар, чьи продажи

прогнозирует Фрэнк, существует на рынке как минимум 11 лет. Если бы это был новый

товар, никогда не производимый ранее, прогноз был бы намного более сложным. Если

бы конкурирующие компании в прошлом продавали такой же товар, была бы доступна

рыночная информация в форме точных статистических данных, опубликованных про-

изводителями прохладительных напитков. Тогда Фрэнк смог бы основывать свой про-

гноз на этих данных и предположить определенную модель выхода на рынок для нового

бренда. Однако, если бы это был абсолютно новый товар, который не производился бы

ранее ни одной отраслью, возникла бы необходимость в проведении рыночного исследо-

вания для создания базы для прогноза. Другой метод заключался бы в исследовании

структуры продаж других прохладительных напитков с момента их выпуска. Тогда про-

гноз продаж нового напитка основывался бы на этих данных.

РЕЗЮМЕ

Цель этой главы заключалась в представлении регрессионного анализа и про-

гнозирования с основным акцентом на том, как их методы применяются к ре-

шению проблем менеджмента. Мы рассматривали применение регрессионного

анализа на примере оценки спроса. Сделанную нами оценку можно предста-

вить в виде следующей последовательности действий:

о

S

1) спецификация регрессионной модели спроса;

2) сбор необходимых данных;

3) оценка уравнения регрессии.

4) анализ и оценка результатов регрессии (например, f-тест, F-тест, 1р\

и поправка или корректировка любой статистической проблемы (напри-

мер, мультиколлинеариость, автокорреляция, некорректная форма функ-

ции);

5) оценка результатов регрессии для использования в принятии решений

В общем курсе по эконометрике ударение ставится на этапах 1,3 и 4 (т. е, на

технических аспектах этого типа статистического анализа). В бизнесе наибо-

лее важными этапами являются 2-й и 5-й. Мощные компьютеры и сложные

пакеты программ сегодня доступны всем по разумным ценам, поэтому приме-

нение регрессионного анализа для оценки спроса или любого другого аспекта

исследования стало элементарным. Реальная проблема заключается в получе-

нии хороших данных и правильном использовании результатов регрессии в про-

цессе принятия решений. На этих двух этапах регрессионного анализа ни одна

книга или курс не сможет заменить реального опыта.

Прогнозирование является важной деятельностью в каждой организации.

В бизнесе прогнозирование является необходимостью.

В этой главе обобщаются и рассматриваются различные методы прогнози-

рования, включая следующие 6 категорий:

1. Экспертное мнение—это качественный метод прогнозирования, кото-

рый основывается на мнениях знающих людей. Метод Delphi представ-

ляет собой другой тип прогноза с использованием экспертного мнения

и в основном используется при прогнозировании технологических дости-

жений.

2. Опросы общественного мнения и рыночные исследования проводятся

среди населения, а не среди экспертов для того, чтобы построить буду-

щие тренды или оценить мнение потребителей.

3. Исследования планируемых расходов связаны с такими важными эко-

номическими данными, как настроение потребителей. Прогнозы осно-

вываются на ответах на анкетные вопросы или интервью.

4. Экономические показатели и индексы, состоящие из экономических

данных, направлены на прогнозирование краткосрочных движений в эко-

номике, включая изменения направления.

5. Проецирование —это количественный метод, в котором данные за про-

шлые периоды используются для прогнозирования будущих трендоз.

Как правило, причины трендов не устанавливаются.

6. Экоиометрические модели являются объясняющими, или причинными.

В них устанавливаются независимые переменные, оказывающие влия-

ние на прогнозируемые данные.

Также в этой главе рассматривается разложение проекций наименьших квад-

ратов на тренды, сезонные и циклические колебания и нерегулярные измен*

ния.

Также мы упомянули еще один простой метод прогнозирования: прогнози

рование методом сглаживания. Методы сглаживания делятся на две основны

категории: скользящее среднее и экспоненциальное сглаживание. Эти метод

полезны в том случае, если данные не содержат четких трендов и если колевд

ния между периодами являются случайными.

ВАЖНЫЕ ПОНЯТИЯ

ОЦЕНКА СПРОСА

Коэффициент смешанной корреляции (JJ2): показатель, указывающий на то,

какой процент изменения зависимой переменной обусловливается изменени-

ями независимой переменной- Этот показатель варьирует от 0 до 1. Нуль озна-

чает, что изменения независимой переменной не влияют на изменения зависи-

мой переменной. Единица означает, что изменение зависимой переменной на