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

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

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 © 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 = 1,807 085 * SPEND — 442,1016.

R² (коэффициент детерминации) = 0,945 024.

В следующем месяце мы планируем затратить 60 000 рублей.

EARNED = 1,807 085 * 60.000 — 442,1016.

EARNED = 107 982,99.

Прогнозируемый приблизительный заработок в следующем месяце составляет 107 983 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 = 1,807 085 * 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/2015/03/50 776 (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.