Особенности формирования производственных и ценовых планов (прогнозов) предприятий российской промышленности в 1993-2001 гг. (стр. 18 из 22)

P*t = f( Ф(Bt, Q*t-1) ).

показала хорошее качество подгонки, но отрицательные и очень редко статистически значимые коэффициенты. Последнее свидетельствует в пользу того, что бартерный спрос не учитывается должным образом при выработке цен предприятий. Редкая статистическая значимость коэффициентов указывает на возможность исключения линейного взаимодействия параметров модели. В результате исследования такой модели будет проверена гипотеза о независимости ценовых планов и точности производственных планов. Качество подгонки оказалось высоким: наблюдаемый уровень значимости в редких случаях опускался ниже 5%, а его среднее значение составило 0,41. Сопоставление двух моделей показало, что гипотеза о целесообразности использования более простой из них не может быть отвергнута. В тех же случаях, когда тест показал преимущество модели с включением линейного взаимодействия P*t и Ф(Bt, Q*t-1), коэффициенты модели были отрицательны и статистически значимы.

Последняя простая адаптивная модель с использованием перекрестной точности использует в качестве "эталона" для планов выпуска фактические изменения прочих неденежных видов (векселя, зачеты и пр.). Эта модель имела высокое, но нестабильное качество подгонки. Коэффициенты модели были как положительны, так и отрицательны. Статистически значимы они были только в последнем случае. И опять плохое "качество" коэффициентов подсказывает необходимость проверки средствами логлинейного анализа гипотезы о независимости исследуемых факторов. Модель без линейного взаимодействия в большинстве случаев имела хорошее качество подгонки, что говорит в пользу ее использования для описания влияния точности планов выпуска на ценовые намерения предприятий. Сопоставление качества подгонки двух моделей не отвергло эту гипотезу. Лишь в трех случаях из 24 (количество месяцев мониторинга динамики вексельных и зачетных сделок в российской промышленности) ценовые планы находились скорее под воздействием точностей реализации производственных планов относительно указанных видов спроса. Но влияние это было отрицательным.

В заключение рассмотрим модель, в которую включены точности планов производства относительно последующих фактических реализаций всех трех видов спроса:

P*t = f( Ф(Qt, D*t-1), Ф(Qt, B*t-1), Ф(Qt, N*t-1) ).

Такая объединенная модель имела очень высокое качество подгонки: наблюдаемый уровень значимости в большинстве случаев превосходил 0,9 (см. табл.18). Больше всего положительных коэффициентов было получено для точности относительно платежеспособного спроса. Лишь в 3 случаях из 24 эти коэффициенты имели отрицательный знак. Но значимы они были лишь в 30% случаев, чаще всего - в середине 2001 г. Коэффициенты бартерного спроса были отрицательны в половине случаев и лишь один раз - статистически значимы. Влияние точности относительно прочих неденежных видов спроса было как отрицательным, так и положительным и ни разу - статистически значимым. Таким образом, из трех видов спроса, одновременный мониторинг которых велся ИЭПП в течение двух последних лет, чаще всего при выработке ценовых планов учитывались отклонения выпуска от объемов продаж за деньги. Все другие способы реализации оказывали существенно меньшее влияние на ценовую политику предприятий. Впрочем, и платежеспособный спрос все-таки был не так уже и важен российским предприятиям при адаптивном планировании цен.

Таблица 18. Характеристики влияния точностей производственных планов относительно фактических изменений платежеспособного, бартерного и прочих неденежных видов спроса на ценовые планы предприятий

Дата	Характеристики качества подгонки модели			Коэффициенты модели для точностей планов относительно
				Платежеспособного спроса		бартерного спроса		прочих неденежных видов спроса
	G2	Df	Sig		SE		SE		SE
1/00	42.3375	49	0.7383	0.2147	0.1410	-0.0703	0.1952	0.0503	0.1828
2/00	46.4701	49	0.5763	-0.0062	0.1532	0.0325	0.1598	0.1089	0.1661
3/00	54.7342	49	0.2660	0.1492	0.1316	-0.1514	0.1486	0.1413	0.1721
4/00	42.7100	49	0.7246	0.2626	0.1363	0.0329	0.1975	-0.1082	0.2043
5/00	25.0416	49	0.9982	0.3111	0.1495	0.0003	0.1971	-0.1117	0.2085
6/00	28.3592	49	0.9920	0.1524	0.1399	0.1638	0.1661	-0.0995	0.1775
7/00	24.3940	49	0.9987	0.2266	0.1543	-0.1027	0.2345	0.1908	0.2280
8/00	17.4494	49	1.0000	0.2327	0.1622	0.1735	0.2239	-0.1085	0.2491
9/00	31.3253	49	0.9768	-0.1290	0.1531	-0.1148	0.1932	0.3832	0.2055
10/00	22.4140	49	0.9996	0.3368	0.1622	0.1647	0.1995	-0.1541	0.2220
11/00	41.9072	49	0.7537	0.0172	0.1502	0.1318	0.1856	-0.0539	0.2037
12/00	36.3674	49	0.9094	0.1730	0.1465	-0.1081	0.2354	0.0274	0.2450
1/01	27.1889	49	0.9951	0.0180	0.1431	-0.0343	0.2102	0.2672	0.2057
2/01	18.4441	49	1.0000	0.2649	0.1584	0.1967	0.2411	-0.2889	0.2564
3/01	42.2993	49	0.7396	0.3957	0.1548	-0.2422	0.2229	0.0382	0.2349
4/01	54.2629	49	0.2808	0.2881	0.1420	-0.0188	0.1794	-0.0820	0.1997
5/01	43.5130	49	0.6944	0.2920	0.1391	0.0927	0.1825	-0.0901	0.1960
6/01	19.9151	49	0.9999	-0.0010	0.1415	-0.0735	0.2103	0.2769	0.2159
7/01	31.2361	49	0.9774	0.4811	0.1713	0.0856	0.1862	-0.2895	0.2164
8/01	33.4393	49	0.9562	0.2295	0.1693	0.5311	0.2465	-0.4876	0.2537
9/01	30.4465	49	0.9827	0.1052	0.1886	0.1923	0.2521	-0.1908	0.2600
10/01	25.6977	49	0.9976	0.1133	0.1673	0.0657	0.2518	0.0912	0.2550
11/01	29.4926	49	0.9877	0.5121	0.1645	-0.0196	0.2504	-0.1181	0.2396
12/01	20.3601	49	0.9999	0.1856	0.1864	-0.2442	0.3039	0.2087	0.3205

Примечание. В таблице приведены: G2 - величина отношения правдоподобия; df - число степеней свободы; Sig - наблюдаемый уровень значимости; коэффициенты

, оценивающие линейную связь (ассоциацию) рангов каждого из факторов с ценовыми планами, и стандартные ошибки (SE).

Подводя итог использованию адаптивных моделей для описания формирования ценовых прогнозов можно сделать следующие выводы. Во-первых, адаптивные модели, как и в случае выпуска, плохо описывают формирование ценовых планов российских промышленных предприятий. Во-вторых, не было получено статистических аргументов в пользу того, что точности прогнозов основных видов спроса учитываются при ценовом планировании в российской промышленности. В-третьих, при использовании в модели точностей прогнозов всех видов спроса одновременно оказалось, что сильнее всего на ценовые планы влияет точность бартерного спроса и - меньше - платежеспособного. В-четвертых, не подтверждаются предположения о влиянии (по отдельности) на ценовые планы "перекрестных" точностей планов выпуска относительно всех видов спроса. Проверка модели с использованием всех перекрестных точностей показала, что лишь отклонения планов выпуска от платежеспособного спроса иногда корректно учитывалось предприятиями в ценовой политике. Но устойчивым это влияние не было.

5.3 Обучения-на-ошибках модели формирования ценовых планов

Исследование моделей обучения на ошибках формирования (пересмотра) ценовых планов начнем с базовой модели:

D(P*t, P*t-1) = f( Ф(Pt, P*t-1) ).

где D(P*t, P*t-1) - изменение направления ценовых планов, зарегистрированных между двумя моментами (опросами) t и t-1; Ф(Pt, P*t-1) - точность реализации первых из двух планов изменения цен P*t-1 относительно фактических изменений цен Pt.

Качество подгонки этой модели оказалось нестабильным: наблюдаемый уровень значимости изменялся в очень широких пределах, особенно - в 1995 и 1997-1998 гг. (см. рис.12). Однако после дефолта 1998 г. (т.е. с началом нормального промышленного роста) качество модели определенно улучшилось и стало более стабильным. Коэффициенты модели были всегда положительны и статистически значимы. Таким образом, базовая модель обучения на ошибках после дефолта становится все более "работоспособной": предприятия начинают учитывать отклонения ценовых планов от реализаций при пересмотре своих очередных планов.

Рис.12

Использование в качестве независимой переменной точности прогнозов спроса относительно фактических реализаций спроса также может быть, на наш взгляд, исследована в рамках этого класса моделей. При такой постановке мы предполагаем, что лучшие (чем прогнозировавшиеся) продажи продукции позволяют предприятиям пересмотреть свои ценовые прогнозы в сторону увеличения. При худших продажах предприятия, наоборот, вправе пересмотреть свои цены в сторону снижения. Тогда модель обучения на ошибках формирования цен имеет вид:

D(P*t, P*t-1) = f( Ф(Dt, D*t-1) ).

Ф(Dt, D*t-1) - точность реализации прогнозов изменения продаж D*t-1 относительно фактических изменений платежеспособного спроса Dt. Аналогичным образом формулируются модели и для других видов спроса.

Все простые модели, использующие в качестве независимой переменной точность прогнозов одного из видов спроса, имели хорошее качество подгонки (см. рис.13), но нестабильные (т.е. и положительные, и отрицательные) и статистически незначимые коэффициенты. Последнее обстоятельство указывает на необходимость проверки логлинейных моделей без включения линейного взаимодействия параметров. Результаты такой проверки показали, что гипотеза о независимости наших переменных не может быть отвергнута. А сопоставление качества подгонки моделей свидетельствует, что усложнение модель за счет линейного взаимодействия является нецелесообразным. Таким образом, точность прогнозов каждого из трех видов спроса, скорее всего, не учитывается российскими промышленными предприятиями при пересмотре ценовых прогнозов.