Статистический анализ цен на продукцию предприятия (стр. 5 из 6)
Из расчета следует, что стоимость продукции в отчетном периоде по сравнению с базисным увеличилась в 1,5 раза (рост составил 150,2%) или на 338200 руб. за счет изменения структуры продаж продукции в 2004-2005гг.
2.3. Агрегатный индекс цен Пааше:
показывает, во сколько раз возросла (уменьшилась) стоимость продукции из-за изменения цен. 
(2003-2004)= 
Таким образом, за 2003-2004гг. цены на продукцию возросли в 1,06 раза (рост цен составил 106,23%) или на 36700 руб., что связано с изменением уровня цен в рассматриваемом периоде.
Следовательно, за 2004-2005гг. цены на теплоизоляцию возросли в 1,03 раза (рост цен составил 102,6%) или на 27200 руб. за счет изменения уровня цен в рассматриваемом периоде.
2.4. Агрегатный индекс цен Ласпейреса:
показывает, во сколько раз возросла (уменьшилась) стоимость продукции из-за изменения цен.
Значит, за 2003-2004гг. цены выросли в 1,06 раза (рост цен составил 106,38%) или на 27000 руб. за счет изменения уровня цен.
Следовательно, за 2004-2005гг. цены возросли в 1,03 раза (рост цен составил 102,72%) или на 17500 руб. за счет изменения уровня цен.
Значения индексов цен Пааше и Ласпейреса не совпадают. Это объясняется тем, что индексы имеют различное экономическое содержание: индекс, исчисленный по формуле Пааше, дает ответ на вопрос, на сколько товары в текущем периоде стали дороже (дешевле), чем в базисном; а индекс цен Ласпейреса показывает, во сколько бы раз товары базисного периода подорожали (подешевели) из-за изменения цен на них в отчетный период.
2.5. «Идеальный» индекс цен Фишера:
3. Средние индексы.
3.1. Индекс переменного состава:
отражает соотношение средних уровней изучаемого явления, относящееся к разным периодам времени.
, показывает абсолютный прирост (уменьшение) среднего уровня признака в целом по совокупности.
Из расчета видно, что за 2003-2004гг. цена возросла на 6,7%, абсолютный прирост составил 49,7 за счет изменения цены и структуры продаж.
Цена возросла на 2,5%, абсолютный прирост составил 19,49 за счет изменения цены и структуры продаж.
3.2. Индекс структурных сдвигов:
характеризует влияние изменения структуры изучаемого явления на динамику среднего уровня этого явления. 
, показывает абсолютное изменение среднего уровня признака за счет структурных изменений.
Следовательно, цена возросла на 0,8%, абсолютный прирост составил 5,5 под влиянием структуры продаж продукции.
Из вычислений видно, что цена снизилась на 0,2%, абсолютное уменьшение составило 1,77 под влиянием структуры продаж продукции.
3.3. Индекс цен постоянного состава:
индекс, исчисленный с весами, зафиксированными на уровне одного какого-либо периода, и показывающий изменение только индексируемой величины. 
показывает абсолютное изменение среднего уровня признака за счет изменения значений изучаемого признака у отдельных единиц совокупности.
Значит, цена увеличилась на 0,6%, абсолютный прирост составил 44,2 под влиянием изменения цен на продукцию.
Значит, цена увеличилась на 0,3%, абсолютный прирост составил 21,25 под влиянием изменения цен на продукцию.
Между данными индексами существует следующая взаимосвязь:
2.3 Выявление основных факторов, влияющих на изменение цен, построение регрессионной модели этой зависимости
В данной работе, в процессе анализа цен на продукцию были выявлены основные факторы, влияющие на изменение цен:
1. Сезонность - в 1-2 квартале цена возрастает (строительный период), т.е. повышается спрос на продукцию.
2. Цена определяется объемом продаж: оптовые продажи предусматривают скидку, следует понижение цены, в то время розничная продажа обеспечивает максимальную выручку.
3. Себестоимость продукции (стоимость сырья, энергозатраты, транспортные составляющие).
4. Дефицит продукции дает возможность устанавливать более высокие цены.
5. Импортная продукция зависит от курса евро: при повышении курса- цена возрастает, при понижении - также снижается.
6. Конкуренция.
Регрессионный анализ цены и объема продукции
1. Постановка цели исследования.
Предположим, что объем продаж продукции «Rockwool» зависит от уровня цен на данную продукцию. Проверим это предположение с помощью корреляционно-регрессионного анализа (КРА). КРА проводим с помощью программы Statistica.
2. Сбор исходной статистической информации.
Информация с данными представлена в таблице 2.1. Введем обозначения: х - уровень цен, у – объем продаж.
3. Оценка тесноты связи между признаками.
3.1. Предположим, что изучаемые признаки связаны линейной зависимостью, рассчитаем линейный коэффициент корреляции по формуле: r=
= 0,84.Коэффициент линейной корреляции, равный 0,84, свидетельствует о наличии прямой тесной связи.
Оценим существенность коэффициента корреляции. Для этого найдем расчетное значение t - критерия Стьюдента:
tрасч =
21,255.3.2. По таблице критических точек распределения Стьюдента найдем tкрит при уровне значимости α=0,05 и при числе степеней свободы ν=n-κ=13-1-1=11, tкрит = 2,2. Так как tрасч> tкрит (21,255>2,2). Поэтому, линейный коэффициент считаем значимым, а связь между х и у – существенной.
4. Построение уравнения регрессии.
Построение регрессионного уравнения состоит в оценке его параметров, оценке их значимости и оценке значимости уравнения в целом.
4.1. Идентификация регрессии.
Построим линейную однофакторную регрессионную модель вида 
=а0+а1х. (Приложение 1). Для оценки неизвестных параметров а0, а1, используя метод наименьших квадратов, заключающийся в минимизации суммы квадратов отклонений теоретических значений зависимой переменной от наблюдаемых (эмпирических).