Разработка в среде Eviews регрессионной модели реализации продукции компании по производству резинометаллических изделий

Размещено на http://www.allbest.ru

РАЗРАБОТКА В СРЕДЕ EVIEWS РЕГРЕССИОННОЙ МОДЕЛИ РЕАЛИЗАЦИИ ПРОДУКЦИИ КОМПАНИИ ПО ПРОИЗВОДСТВУ РЕЗИНОМЕТАЛЛИЧЕСКИХ ИЗДЕЛИЙ

Эм Алексей Александрович,

Баженов Руслан Иванович

Аннотация

В статье рассматривается решение задачи регрессионного анализа с помощью среды Eviews. В данном случае используем отчет о затраченных финансовых средствах на производство продукции и заработанные деньги на их реализации фирмы по производству резинометаллических изделий из полиуретана. Анализ позволит предсказать результат ключевого показателя бизнеса (зависимой переменной) благодаря взаимодействию со связанными факторами бизнеса или объясняющими переменными.

Ключевые слова: регрессионный анализ, эконометрика

Для большого предприятия или же для своего бизнеса очень важно следить за всеми финансовыми операциями. Практически любое экономическое явление в реальной действительности связано со многими другими. Оптимальным вариантом, который облегчает расчеты, является применение регрессионного анализа, который достаточно широко используется в расчетах и экономических исследованиях.

Проблемы и методы построения различных регрессионных моделей изучаются многими российскими и зарубежными учеными. Так, вопрос использования программы при анализе векторных моделей авторегрессии и коррекции регрессионных остатков в Eviews описал В.А.Банников [1]. Эконометрический анализ рынка подержанных автомобилей в Eviews показал А.Л.Богданов [2]. Модель предсказания курса доллара и эффективные методы прогнозирования в Excel и Eviews представил В.Г.Брюков [3]. В.М. Матюшок и др. рассмотрели основы эконометрического моделирования с использованием EVIEWS [4]. Литовченко И.С. провел анализ количества малых предприятий в 1999 - 2010 годах в Eviews [5]. Возможности для применения интеллектуального анализа исследовали Р.И.Баженов и др. [6-20]. Зарубежные ученые применяют регрессионный анализ [21,22]. регрессионный модель eviews статистика корреляция

Объектом исследования является рассмотрение основных возможностей работы среды Eviews на примере расчета значений описательных статистик, полей корреляции результативного и факторного признаков, эмпирической линии регрессии. Для примера были взяты данные для фирмы по производству резинометаллических изделий из полиуретана: затраты на производство (руб./мес.); заработанные деньги на реализации продукции (руб./мес.) (Табл.1).

Таблица 1 - Данные

Перенесем данные в Microsoft Excel и переименуем обозначения переменных: Месяц - N; Затраты на производство - spend; Реализация - earned (Рис. 1).

Рисунок 1 - Данные в MS Exсel

Сохраняем таблицу.

Запускаем Eviews (Рис. 2).

Рисунок 2 - Eviews

Создаем новый рабочий файл - File>New>Workfile (Рис.3).

Рисунок 3 - Создание нового рабочего файла

Выбираем подходящий тип структуры нашего рабочего файла: unstructured or irregular-неструктурированная/без даты (Рис. 4).

Рисунок 4 - Установка параметров рабочего файла

В поле Observation вводим количество месяцев, в данном случае 24 и нажимаем ОК (Рис. 5).

Рисунок 5 - Введение рассматриваемого промежутка времени

Импортируем таблицы из Microsoft Excel в рабочий документ: Procs>Import>ReadText-Lotus-Excel (Рис. 6).

Рисунок 6 - Импорт файла в Eviews

В появившемся окне в поле Upper - left data cell, вводим адрес ячейки в которой записаны данные первой переменной, в нашем случае B2, а в поле Names for series or Number if named in file, вводим количество переменных, в нашем случае 2 (Рис. 7).

Рисунок 7 - Запись количества переменных и адреса начальной ячейки

В появившемся окне появились переменные (spend и earned), константа (с) и остатки (resid) (Рис. 8).

Рисунок 8 - Импортированные данные

Вычислим значения описательных статистик: Выделяем переменные (spend и earned) >правой кнопкой мыши открываем контекстное меню>Open>AsGroup (Рис. 9, 10).

Рисунок 9 - Открытие переменных как группы

Рисунок 10 - Значения переменных

Построим поле корреляции: View>Graph >в поле General выбираем Basic graph> в поле Specific выбираем Scatter (Рис. 11, 12).

Рисунок 11 - Открытие графических настроек

Рисунок 12 - Настройка графика

Полученный график является полем корреляции результативного и факторного признаков (Рис. 13).

Рисунок 13 - Поле корреляции

Для того чтобы увидеть значения описательных статистик нужно выбрать вкладку Stats (Рисунок 14).

Рисунок 14 - Значения описательных статистик

Построим эмпирическую линию регрессии: View>Graph >в поле General выбираем Basic graph> в поле Specific выбираем Scatter> в поле Fit lines выбираем Regression Line (Рис.15, Рис. 16).

Рисунок 15 - Открытие графических настроек

Рисунок 16 - Построение эмпирической линии регрессии

Полученный график является эмпирической линией регрессии (Рисунок.17).

Рисунок 17 - Эмпирическая линия регрессии

Найдем уравнение регрессии: Proc>MakeEquation (Рисунок 18, Рисунок 19).

Рисунок 18 - Нахождение уравнения регрессии

Рисунок 19 - Данные уравнения регрессии

Из работы следует, что уравнение регрессии представляется как

EARNED = 1,807085 * SPEND - 442,1016.

R² (коэффициент детерминации) = 0,945024

В следующем месяце мы планируем затратить 60000 рублей.

EARNED = 1,807085 * 60.000 - 442,1016

EARNED = 107982,99

Прогнозируемый приблизительный заработок в следующем месяце составляет 107983 рублей.

В процессе решения задачи были изучены основные функции для решения эконометрических задач с помощью программы Eviews. На рис. 17 видно, что полученные точки корреляционного поля расположены в форме эллипса, и его главная диагональ имеет положительный угол наклона (/), это означает, что корреляция положительная. Построена эмпирическая линия регрессии EARNED = 1,807085 * SPEND - 442,1016, она отображает зависимость между затраченными финансовыми средствами на производство продукции и заработанными деньгами на их реализации фирмы по производству резинометаллических изделий из полиуретана и спрогнозирован примерный доход в следующем месяце.

Библиографический список

1. Банников В.А. Векторные модели авторегрессии и коррекции регрессионных остатков (Eviews) // Прикладная эконометрика. 2006. №3. С. 96-129.

2. Богданов А.Л. Эконометрический анализ рынка подержанных автомобилей // Вестник Томского государственного университета. 2006. № 290. С. 104-107.

3. Брюков В.Г. Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и Eviews. М.:КНОРУС, 2011. 272 с.

4. Матюшок В.М. Основы эконометрического моделирования с использованием EVIEWS: учебное пособие / В. М. Матюшок, С. А. Балашова, И. В. Лазанюк. Москва, 2010.

5. Литовченко И.С. Анализ количества малых предприятий в 1999 - 2010 годах // Вестник Северо-Кавказского федерального университета. 2012. № 3 (32). С. 236-239.

6. Муллинов Д.О., Баженов Р.И. Разработка в среде Eviews регрессионной модели рынка гаражных помещений г. Биробиджана // Nauka-Rastudent.ru. 2015. № 1 (13). С. 43.

7. Пронина О.Ю., Баженов Р.И. Исследование методов регрессионного анализа программной среды Eviews // Nauka-Rastudent.ru. 2015. № 1 (13). С. 45.

8. Векслер В.А., Баженов Р.И. Определение взаимосвязи номенклатурных позиций средствами 1С:Предприятие 8.3 // Современные научные исследования и инновации. 2014. № 7 (39). С. 45-49.

9. Лагунова А.А., Баженов Р.И. Разработка в среде GRETL регрессионной модели рынка вторичного жилья г. Биробиджана // Nauka-Rastudent.ru. 2015. № 1 (13). С. 40.

10. Остроушко А.А., Баженов Р.И. Анализ ассортимента электротоваров с использованием ABC-анализа // Экономика и менеджмент инновационных технологий. 2014. № 10 (37). С. 73-81.

11. Бронштейн К.С., Наумов А.А., Баженов Р.И. Применение классического ABC-анализа для анализа ассортимента блюд кафе // Экономика и менеджмент инновационных технологий. 2014. № 11 (38). С. 100-110.

12. Резниченко Н.В., Наумов А.А., Баженов Р.И. Совершенствование ассортимента блюд кафе и системы закупок компонентов на основе ABC-XYZ-анализа // Экономика и менеджмент инновационных технологий. 2014. № 12 (39). С. 14-24.

13. Жилкин С.А., Баженов Р.И. Совершенствование ассортимента товаров медицинского назначения на основе ABC-анализа // Экономика и менеджмент инновационных технологий. 2014. № 12 (39). С. 103-110.

14. Якимов А.С., Баженов Р.И. Сегментация клиентов с помощью RFM-анализа // Экономика и менеджмент инновационных технологий. 2015. № 1 (40). С. 55-61.

15. Наумов А.А., Наумова А.А., Баженов Р.И. О некоторых моделях и модификациях классического ABC-анализа // Современные научные исследования и инновации. 2014. № 12-2 (44). С. 138-146.

16. Татаринова Е.Д., Наумов А.А., Баженов Р.И. Совершенствование ассортимента продажи товаров на основе ABC-XYZ-анализа // Экономика и менеджмент инновационных технологий. 2015. № 2 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2015/02/7393 (дата обращения: 19.02.2015).

17. Перминова Н.А., Баженов Р.И. Совершенствование ассортимента обуви магазина «Велес» на основе АВС-XYZ-анализа // Экономика и менеджмент инновационных технологий. 2015. № 3 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2015/03/7782 (дата обращения: 27.03.2015).

18. Черемисина И.А., Баженов Р.И., Совершенствование ассортимента товаров продовольственного магазина на основе классического ABC-анализа // Современные научные исследования и инновации. 2015. № 3 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2015/03/50776 (дата обращения: 28.03.2015).

19. Дубовик А.В., Баженов Р.И. RFM-анализ базы данных заказчиков фотографа // Nauka-Rastudent.ru. 2015. № 3 (15). С. 4.

20. Пивенко К.А., Баженов Р.И. Построение регрессионной модели в среде Gretl на примере рынка поддержанных автомобилей г. Биробиджана и г. Хабаровска // Экономика и менеджмент инновационных технологий. 2015. № 4 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2015/04/8362 (дата обращения: 09.04.2015).

21. Tsani S. On the relationship between resource funds, governance and institutions: Evidence from quantile regression analysis // Resources Policy. 2015.Т. 44. С. 94-111

22. Benos N., Zotou S. Education and Economic Growth: A Meta-Regression Analysis // World Development. 2014. Т.64. С. 669-689.

Размещено на Allbest.ru