У складі кількісних (формалізованих) методів прогнозування попиту на продукцію фірми виокремлюється регресійний аналіз, що ґрунтується на побудові моделей, які відображають залежність показників попиту від визначального фактору або їх групи.
Сутність та етапи регресійного аналізу
Побудова двофакторної моделі, що описує закономірність поведінки визначальної змінної (показника попиту) під впливом лише одного впливового фактора, лежить в основі парного регресійного аналізу. Парна регресія є найпростішою формою регресійного аналізу, проте двофакторна модель значно спрощує реальний процес формування та зміни попиту.
Множинний (багатофакторний) регресійний аналіз є методом аналізу попиту як функції багатьох незалежних змінних, що справляють вплив на показник попиту більш-менш одночасно.
Після визначення мети дослідження стандартна схема проведення регресійного аналізу (рис. 4.3) передбачає збір необхідної статистичної інформації. Для побудови регресій можуть бути використані дані часових рядів і крос-секційні дані (дані для структурного аналізу). Аналіз часових рядів дозволяє визначити часові зміни одного фактору. Структурний аналіз розглядає зміну факторів або їх групи з певного набору у визначений момент часу.
Рис. 4.3. Етапи та процедури регресійного аналізу
При аналізі часових рядів використовуються дані за значний проміжок часу. Протягом цього періоду можуть змінюватись суттєві фактори, і виявлені взаємозв’язки можуть не бути надійними і достовірними. До того ж, саме при аналізі часових рядів можуть виникнути проблеми низької якості побудови регресій, пов’язані з недоліками вихідної інформації. Дані для структурного аналізу не мають таких недоліків, проте умовою його застосування є забезпечення репрезентативності населення. Отже, жоден із методів збору інформації не дає абсолютної гарантії якості регресійного аналізу, тому їх вибір обумовлюється головним чином доступністю інформації.
Залежно від цілей дослідження (аналіз, короткострокове, довгострокове прогнозування попиту) можуть бути обрані кореляційно-регресійний аналіз, трендовий метод.
Метод кореляційно-регресійного аналізу базується на побудові факторних регресійних моделей, які являють собою залежності, що описують закономірності розвитку показників попиту під впливом його визначальних чинників. Трендові моделі, побудова яких лежить в основі трендового методу, відображають характер залежності показника попиту від фактору часу.
Процедура визначення загального вигляду моделі попиту передбачає вибір факторів, що надходитимуть до її складу, способу визначення чинників і форми їх взаємозв’язку.
Відбір факторів, що включатимуться до моделі, здійснюється на основі знань економічної теорії, попередніх уявлень про специфіку попиту на продукцію, досвіду науковця та його інтуїції тощо.
Показниками попиту (залежними змінними моделей) можуть виступати: фактичні обсяги реалізації або виробництва, середня ціна реалізації певного виду продукції, ін. В якості незалежних (впливових) змінних до моделей попиту можуть включатись: рівень грошових доходів населення, рівні цін на даний товар і на товари-замінники, витрати на рекламу продукції тощо. Вибір як залежних, так і впливових факторів головним чином визначається характером наявної інформації, специфікою утворення та динаміки попиту на продукцію.
Для досягнення високого ступеня достовірності результатів регресійного аналізу існує необхідність встановлення визначеного співвідношення між числом впливових факторів моделі та кількістю спостережень: остання повинна бути в 3
—4 рази більшою, ніж кількість незалежних змінних.
Обрані для включення до моделі фактори попиту можуть бути представлені різними способами: як абсолютні або відносні значення чинників, як їх номінальні або реальні значення.
Різноманітність і складність процесів формування і динаміки попиту визначає розмаїття моделей, що використовуються для його прогнозування. Це ускладнює процес пошуку адекватної форми залежності.
Найпростішим класом регресійних моделей є лінійні: ,bxay x += ,btay t += ,...
2211nn xbxbxbay++++= ,...
22110nn xbxbxbtbay+++++= де a — вільний член залежності; )( n bb
— параметри двофакторної (множинної) регресії; )( tx yy — показник попиту для двофакторної кореляційно-регресійної (трендової) залежності; y — залежна змінна багатофакторної регресії.
Потрібно зауважити, що лінійна регресія не завжди є надійною моделлю для реальних явищ і процесів формування і динаміки попиту. Тому в дослідженнях використовують нелінійні регресійні моделі, і для уникнення складностей з визначенням параметрів та їх інтерпретації такі моделі приводяться до лінійного вигляду.
Таким чином, вибір вихідної моделі попиту на продукцію характеризується індивідуальністю у кожній конкретній ситуації, є ітеративним процесом, що передбачає:
— використання різних способів визначення змінних;
— здійснення лінійної та нелінійної обробки інформації;
— видалення або введення в регресійне рівняння різних незалежних змінних.
Критеріями правильності підбору вихідної моделі є: максимальна відповідність регресії вихідним даним, її узгодження з економічною теорією, відсутність автокореляції та мультиколінеарності, високі прогнозні властивості моделі тощо.
При побудові регресійних моделей попиту на основі даних динамічного ряду, як правило, виникають проблеми автокореляції та мультиколінеарності, що обумовлюють необґрунтовані висновки відносно адекватності регресійних залежностей. Тому на основі знань відносно характеру вихідних даних доцільним є усунення зазначених ефектів ще на етапі підбору вихідних моделей шляхом здійснення перетворень статистичної інформації. Це забезпечить високу якість оцінених регресій та дозволить усунути необхідність їх формальної перевірки. Існування залежності між величиною результативного показника регресійної моделі у базовому періоді та його значенням у попередньому періоді вказує на наявність автокореляції. Діагностування даної проблеми здійснення регресійного аналізу проводиться із використанням таких методів:
