Сборник рефератов

Курсовая работа: Экономико-статистический анализ цен

В среднем, абсолютный размер снижения уровня объёма продаж за 2009 год составил 114334 тыс. руб. В среднем, 726 рублей содержится в 1% прироста.

На 8887,273 тыс.руб. в среднем происходило увеличение объёма продаж в единицу времени. Средняя относительная скорость изменения уровня объёма продаж составила 166,7 рублей.

Одной из задач, возникающих при анализе рядов динамики, является установление закономерности изменения уровней изучаемого общественного явления.

В некоторых случаях закономерность изменения явления, общая тенденция его развития ясно отображается уровнями динамического ряда.

Однако часто приходится встречаться с такими рядами динамики, когда уровни ряда подвергаются самым различным изменениям и общая тенденция развития явления использует особые приемы обработки рядов динамики.

Выявление основной тенденции может быть осуществлено методом скользящей средней.

Суть способа сглаживания ряда динамики при помощи скользящей средней заключается в том, что последовательно находятся средние значения из нескольких членов ряда, начиная с первого, второго и т. д.


Расчет скользящих средних:

 и т.д.

Чтобы получить сглаженные уровни ряда, необходимо провести центрирование расчетных средних, определяемых как простая средняя арифметическая из двух рядом лежащих средних:

 и т.д.

Таблица 8

Расчет скользящих средних

Месяц Объём продаж Скользящие 4-х членные средние Центрированные средние
1 146640    
2 41360    
3 109040 106220 92590
4 127840 78960 77265
5 37600 75570 64290
6 27800 53010 39850
7 18800 26690 31390
8 22560 36090 45775
9 75200 55460 63920
10 105280 72380 100110
11 86480 127840  
12 244400    

Изобразим графически фактические и сглаженные уровни ряда динамики:

Можно увидеть, что конкретной тенденции к увеличению или снижению объёма продаж - нет. Наибольший объём продаж был, достигнут в январе, марте, апреле, ноябре и декабре, что может быть связано с наибольшим спросом на принтеры в перечисленные месяцы, в свою очередь, наименьший объём продаж был в феврале, мае, июне, июле, августе. Не большой спрос в летние месяцы, можно связать с сезонными колебаниями. Так, например, в летний период большинство людей находятся в отпусках и не нуждаются в данной продукции, а, например, в зимний период (декабрь - наибольший объём продаж) принтеры могут быть прекрасным подарком к Новому году и, следовательно, из-за этого спрос на данную продукцию возрастает.

Таким образом, объём продаж принтеров и МФУ постоянно находился в "движении", увеличивался и сокращался за анализируемый период, а именно за 2009 год.

Аналитическое выравнивание.

Аналитическое выравнивание основано на допущении, что изменение в рядах динамики могут быть выражены определённым математическим законом.

На основе теоретического анализа выявляется характер явления во времени и на этой основе выбирается то или иное математическое выражение.

Проанализировав, показатели динамики я пришла к выводу, что развитие происходит с переменным ускорением. Таким образом, тенденция описывается параболой третьего порядка:

Месяц y, тыс.руб. t t^2 y*t yt^
январь 146640 -6 36 -879840 1,97395E+18
февраль 41360 -5 25 -206800 4,42821E+16
март 109040 -4 16 -436160 8,11567E+17
апрель 127840 -3 9 -383520 1,3079E+18
май 37600 -2 4 -75200 3,32688E+16
июнь 27800 -1 1 -27800 1,34449E+16
июль 18800 1 1 18800 4,15725E+15
август 22560 2 4 45120 7,1845E+15
сентябрь 75200 3 9 225600 2,66194E+17
октябрь 105280 4 16 421120 7,30471E+17
ноябрь 86480 5 25 432400 4,04857E+17
декабрь 244400 6 36 1466400 9,13898E+18
Итого 1043000 0 182 600120 1,47363E+19

,

следовательно, модель в целом признаётся значимой.

Ошибка аппроксимации:

%

Так как ошибка аппроксимации превышает 7 % следовательно данную ошибку аппроксимации следует считать не подходящей в качестве критерия выбора параметризированного уравнения.

3.3 Корреляционно-регресионный анализ

Таблица 9

Исходные данные

Месяц Цена принтера, тыс.руб. Объём продаж, тыс.руб. Цена конкурентов, тыс. руб.
январь 4,42 146,64 5,13
февраль 4,42 41,36  5,13
март 4,42 109,04  5,13
апрель 4,42 127,84 5,13
май 4,42 37,6 5,12
июнь 4,42 27,8 5,12
июль 4,42 18,8 4,44
август 4,42 22,56 4,44
сентябрь 4,42 75,2 5,10
октябрь 4,42 105,28 5,13
ноябрь 4,42 86,48 5,13
декабрь 4,44 244,40 5,14

Факторным признаком будет являться цена, так как она влияет на объём продаж; другим факторным признаком будет цена конкурентов, так как она также влияет на объём продаж, результативным признаком будет являться объём продаж.

Для определения уравнения регрессии необходимо сделать вспомогательные расчёты. В результате проведения дополнительных расчётов и решения системы нормальных уравнений получились следующие коэффициенты регрессии:

ао= 35448,930;

а1= 7929,866;

а2= 94,305

Окончательное уравнение регрессии приняло следующий вид:

Y=35448,930+7929,866*x1-94,305*x2

При отсутствии влияния со стороны факторных признаков, учтённых в данной модели, значение результативного признака будет составлять – 35448,930 тыс.руб. При изменении собственных цен на 1 тыс.руб. произойдёт изменение объёма продаж в ту же сторону на 7929,866 тыс.руб., а при изменении цен конкурентов на 1 тыс.руб. следует ожидать изменение объёма продаж на 94,305 тыс.руб.

Далее, я определила следующие коэффициенты:

1.  Парные коэффициенты корреляции:

ryx1 = 0,752;

ryx2 = 0,487;

rx1x2 = 0,151


Коэффициент корреляции между факторными признаками, равный 0,151, позволяет судить о слабой связи (0,1-0,3).

2.  Частные коэффициенты корреляции: характеризуют степень влияния одного из факторов на функцию при условии, что остальные независимые переменные закреплены на постоянном уровне.

ryx1(x2) = 0,786;

ryx2(x1) = 0,574;

rx1x2(y) = -0,375

Тесная связь наблюдается между результативным признаком и собственными ценами на товар, существует умеренная обратная связь между результативным признаком и ценами конкурентов.

3.  Множественный коэффициент корреляции: показывает тесноту связи между результативными и обоими факторными признаками:

R=0,842

Таким образом, выявлена тесная связь между объёмом продаж и следующими факторными признаки: собственными ценами на товар и ценами конкурентов.

Множественный коэффициент детерминации определим как квадрат множественного коэффициента корреляции:

Ryx1x2 = (0,842)^2 = 0,709

На основе коэффициента детерминации делаю вывод, что на 70,9% вариации величины объёма продаж находится в зависимости от изменения цен, и на 29,1% от влияния прочих неучтенных в модели факторов.

На завершительном этапе анализа я проверила значимости параметров уравнения регрессии и модели в целом.

Для проверки значимости модели в целом использовались F-статистика Фишера. Для этого я определила остаточную дисперсию результативного признака:

Тогда

Fрасч =

Fтабл

 

Следовательно,

Fрасч > Fтабл .

Таким образом, модель в целом признается значимой.

C помощью пакета анализа данных, я сравнила Y (объём продаж, тыс.руб.) и X1 (цена принтера, тыс.руб.) и получила следующее:

Коэффициент корреляции, равный 0,752, позволяет судить о тесной связи между результативным и факторным признаком (0,752 > 0,700).

Коэффициент детерминации (; 56,6%) показывает, что на 56,6 % вариации объёма продаж зависит от вариации собственной цены на принтер, и на 43,4 % - от остальных неучтённых в модели факторов.


Проверив, значимость модели с помощью F-статистики Фишера, я получила следующее:

Fтабл

Следовательно, Fрасч >Fтабл , модель признаётся значимой.

Затем, с помощью пакета анализа данных, я сравнила Y (объём продаж, тыс.руб.) и X2 (цена конкурентов, тыс.руб.) и получила следующее:

Коэффициент корреляции, равный 0,487, позволяет судить об умеренной связи между результативным и факторным признаком (0,487 > 0,300).

Коэффициент детерминации (; 23,7%) показывает, что на 23,7 % вариации объёма продаж зависит от вариации цены конкурентов на принтер, и на 76,3 % - от остальных неучтённых в модели факторов.

Проверив, значимость модели с помощью F-статистики Фишера, я получила следующее:

Fтабл

 

Следовательно, Fрасч >Fтабл , модель признаётся значимой.


Выводы

Подводя итоги, можно выделить следующее:

На 90% и на 94979 тыс.руб. изменились издержки продаж продукции в результате изменения объёма продаж. На 17% и на 722745 тыс.руб. изменилась стоимость продукции в результате изменения цен.

На 16% и на 817724 тыс.руб. изменилась стоимость продукции в текущем периоде по сравнению с базисным. На 89% и на 46730 тыс.руб. изменились издержки продаж продукции в результате изменения объёма продаж.

На 102% и на 8093 тыс.руб. изменились издержки продаж продукции в результате изменения себестоимости продукции. На 38637 тыс.руб и на 91% уменьшились издержки продажи продукции в текущем периоде по сравнению с базисным.

Продажи принтеров и МФУ, в целом, имели тенденцию к снижению за анализируемый период, но в марте, апреле, сентябре, октябре и декабре 2009 года объём продаж увеличивался. Скорость изменения объёма продаж увеличилась в июне по сравнению с апрелем и маем, затем она сохраняла тенденцию увеличения, но в октябре и ноябре вновь снизилась, но зато в декабре вернула тенденцию увеличения. Анализируя, темп роста можно увидеть, что достаточно высокий темп роста наблюдался в апреле, сентябре и декабре. Можно говорить, о том, что именно в эти месяцы спрос на принтеры и МФУ был высоким.

В среднем, абсолютный размер снижения уровня объёма продаж за 2009 год составил 114334 тыс. руб. В среднем, 726 рублей содержится в 1% прироста.

На 8887,273 тыс.руб. в среднем происходило увеличение объёма продаж в единицу времени. Средняя относительная скорость изменения уровня объёма продаж составила 166,7 рублей.

Модель факторов, в которой результативным признаком является объём продаж, а собственные цены и цены конкурентов – факторными признаками: является значимой.


Список литературы

1.  Гусаров В.М. Статистика. – М.: Юнити, 2007.

2.  Елисеева И.И., Юзбашев М.М. Общая теория статистики: Уч. Для студентов вузов –М: Финансы и статистика,2004.

3.  Микроэкономическая статистика. Учебник / Под редакцией Ильенкова С.Д., М.: Финансы и статистика, 2004.

4.  Общая теория статистики. Часть II: учебно-метод. пособие по выполнению практических и лабораторных работ / Сост.: Н.И. Гришакина, Г.В. Фетисова, О.Д. Притула,Д.П. Воронова; НовГУ им. Ярослава Мудрого.- Великий Новгород, 2008.

5.  Рудакова Р.П., Букин Л.Л., Гаврилов В.И. Статистика. 2-е изд. – С-Пб.: Питер, 2007.

6.  Салин В.Н., Шпаковская Е.П. Социально-экономическая статистика. Учебник – М.:Юристъ, 2001.

7.  Статистика. Метод. указания по выполнению практических и лабораторных работ. Часть 4/ Сост.: Н.И. Гришакина, Г.В. Лебедева, О.Д. Притула, Г.В. Фетисова; НовГУ им. Ярослава Мудрого.- Великий Новгород, 2003.

8.  Статистика. Руководство по выполнению курсовых работ для специальностей 060500 –Бухгалтерский учет, анализ и аудит / Сост.: Л.И. Бернасовская, Н.И. Гришакина, Г.В. Лебедева, О.Д. Притула, Г.В. Фетисова; НовГУ им. Ярослава Мудрого.- Великий Новгород, 2003.

9.  Эконометрика. Учебно-метод. указания по выполнению практических работ для студ. экономических спец. Часть 4/ Сост.: Н.И. Гришакина, О.Д. Притула, Г.В. Фетисова; НовГУ им. Ярослава Мудрого.- Великий Новгород, 2006.

10.  Экономическая статистика. Учебник / Под редпкцией Иванова Ю.Н. 3-е изд., перераб. и доп. – М.: ИНФРА-М, 2008.


Приложение А

1.Индекс стоимости продукции:

2. Индекс цен:

3. Индекс физического объёма продукции:

4. Индекс себестоимости продукции:

5.Индекс издержек продаж:


квартал  (Y)  (X1)  (X2) X1*Y X2*Y X1*X2 Y^ Y-Y^

9555,102

3899,691

3561,973

1205,098

5229,944

7306,452

9625,985

5930,125

2173,566

6118,174

9338,460

1067,875

6980,656

X12

X22

Y2

1 146,64 4,42 5,13 648,149 752,263 22,67 -882,707 1029,347 19,5364 26,317 21503,290
2 41,36 4,42 5,13 182,811 212,177 22,67 -882,707 924,067 19,5364 26,317 1710,650
3 109,04 4,42 5,13 481,957 559,375 22,67 -882,707 991,747 19,5364 26,317 11889,722
4 127,84 4,42 5,13 565,053 655,819 22,67 -882,707 1010,547 19,5364 26,317 16343,066
5 37,6 4,42 5,12 166,192 192,512 22,63 -881,764 919,364 19,5364 26,214 1413,760
6 27,8 4,42 5,12 122,876 142,336 22,63 -881,764 909,564 19,5364 26,214 772,840
7 18,8 4,42 4,44 83,096 83,472 19,62 -817,636 836,436 19,5364 19,714 353,440
8 22,56 4,42 4,44 99,715 100,166 19,62 -817,636 840,196 19,5364 19,714 508,954
9 75,2 4,42 5,1 332,384 383,520 22,54 -879,878 955,078 19,5364 26,01 5655,040
10 105,28 4,42 5,13 465,338 540,086 22,67 -882,707 987,987 19,5364 26,317 11083,878
11 86,48 4,42 5,13 382,242 443,642 22,67 -882,707 969,187 19,5364 26,317 7478,790
12 244,4 4,44 5,14 1085,136 1256,216 22,82 -725,053 969,453 19,7136 26,42 59731,360
Итого 1043 53,06 60,14 4614,948 5321,586 265,92 -10299,973 11342,973 234,614 302,19 138444,789
Среднее 86,91667 4,421667 5,011667 384,579 443,465 22,16 -858,331 945,248 19,55117 25,182 11537,066

X22

Y2

(Y-Y^)2

X12

X22

Y2

(Y-Y^)2

X12

26,317 21503,290 1059555,102 19,5364 19,714 508,954 705930,125 19,5364
26,317 1710,650 853899,691 19,5364 26,01 5655,040 912173,566 19,5364
26,317 11889,722 983561,973 19,5364 26,317 11083,878 976118,174 19,5364
26,317 16343,066 1021205,098 19,5364 26,317 7478,790 939323,305 19,5364
26,214 1413,760 845229,944 19,5364 26,42 59731,360 939838,460 19,7136
26,214 772,840 827306,452 19,5364 302,19 138444,789 10763767,875 234,614
19,714 353,440 699625,985 19,5364 25,182 11537,066 896980,656 19,55117

Приложение С


Страницы: 1, 2, 3


© 2010 СБОРНИК РЕФЕРАТОВ