Особенности формирования производственных и ценовых планов (прогнозов) предприятий российской промышленности в 1993-2001 гг. (стр. 4 из 22)

Целесообразность добавления в модель взаимодействия признаков очевидна для тех случаев, когда гипотеза о независимости не дает удовлетворительных результатов. Если же независимая модель допустима, то для проверки целесообразности усложнения модели следует оценить относительное качество подгонки. Последнее предполагает по парное сравнение качества подгонки простой и сложной модели, когда сложная модель получена из простой за счет добавления одного параметра. Чем больше сокращение величины отношения правдоподобия, тем более вероятно, что сложная модель лучше.

Перечисленные особенности и возможности позволяют, на наш взгляд, исследовать прогнозы российских промышленных предприятий достаточно полно и всесторонне, а результаты использовать для анализа эволюции их поведения в первые годы экономических реформ.

4. Модели формирования производственных планов

4.1 Экстраполяционные модели формирования производственных планов

Начнем анализ моделей формирования ожиданий с экстраполяционных моделей формирования производственных планов. Рассмотрим классическую модель, в которой планы в момент t определяются t-1 фактическими изменениями того же показателя в моменты t и t-1:

Q*t = f( Q t, Qt-1 ),

где Q*t - планы изменения выпуска предприятия, определившиеся в момент (опрос) t; Qt - фактические изменения выпуска, зарегистрированные в момент (опрос) t; Qt-1 - фактические изменения выпуска, зарегистрированные в момент (опрос) t-1.

Такая модель достаточно хорошо описывает формирование планов выпуска в периода 1993-1994 гг. В 1995 г. прогнозы предприятий лишь в пяти месяцах из 12 могут быть описаны такой экстраполяционной моделью. С 1996 г. расхождения эмпирических и модельных данных постоянно увеличиваются: российские промышленные предприятия все дальше уходят от планирования своего выпуска по принципу “от достигнутого уровня”. Этот вывод очевиден при анализе значений отношения правдоподобия, оценивающего качество подгонки модельных данных. Горизонтальная линия на графике обозначает величину отношения, соответствующую 5% уровню значимости (см. рис. 1).

Рис.1

Значения отношения правдоподобия для экстраполяционных моделей, предполагающих формирование производственных планов под влиянием только платежеспособного или только бартерного спроса, выглядят предпочтительней. Экстраполяционная модель, в которой прогнозы производства определяются фактическими изменениями платежеспособного спроса, является более “прогрессивной” для предприятий в переходных экономиках. В этом случае предприятия планируют свой выпуск, экстраполируя предыдущие тенденции изменения спроса. Указанная модель проверялась для периода с июля 1995 г. по декабрь 2001 г. Самым высоким качество подгонки этой модели было до начала 1997 г. В 1997 г. расхождения стали недопустимо велики: модель оказалась приемлемой лишь в 3 случаях из 12. Затем качество подгонки возросло, но не было стабильным. Лишь в 2000 г. “спросовая” экстраполяционная модель стала лучше описывать формирование планов производства в российской промышленности. В 2001 г. качество подгонки такой модели опять снизилось. Экстраполяционная модель с фактическими изменениями бартерного спроса в качестве независимых переменных дополняет предыдущую модель. Ориентация на бартерный спрос при формировании производственных планов свидетельствует о нерыночных позициях производителей. Как показали расчеты, качество подгонки модели с бартерным спросом (без других независимых переменных) находится на одном уровне с моделью, включающей изменения только платежеспособного спроса.

Рассмотрим теперь коэффициенты моделей. В классической экстраполяционной модели (производственные планы определяются только изменениями производства) всегда положительными и статистически значимыми были только коэффициенты у Q t (фактические изменения выпуска, непосредственно предшествующие формированию планов). Коэффициенты Q*t-1 могли быть как положительными, так и отрицательными, и были статистически значимы лишь в одной трети случаев. При этом значение первых из рассмотренных коэффициентов были всегда выше. Таким образом, в рамках классической экстраполяционной модели можно говорить о том, что планы выпуска формируются в основном под воздействием фактических изменений производства, регистрируемых в момент определения планов.

Ситуация с коэффициентами в экстраполяционной модели, предполагающей формирование производственных планов на основе фактических изменений платежеспособного спроса (Q*t = f( Dt, Dt-1 )), аналогична предыдущей модели. Всегда положительны и статистически значимы были коэффициенты последних изменений спроса (Dt). Коэффициенты предшествующих изменений (Dt-1) были значимы лишь в 34% случаев и имели иногда отрицательные значения. Т.е. и здесь лишь самые последние изменения платежеспособного спроса учитываются предприятиями при формировании своих планов выпуска.

В экстраполяционной модели с бартерным спросом (Q*t = f( B t, B t-1 )) коэффициенты последних изменений (Bt) были статистически значимы и положительны только до марта 1999 г. Затем они становятся стабильно незначимыми и иногда - отрицательными. Предшествующие изменения бартерного спроса очень редко статистически значимо влияли на планы предприятий и в течение всего периода наблюдений встречались отрицательные знаки. Это свидетельствует о том, что бартер оказывал влияние на планы выпуска только до начала нормального (за счет платежеспособного спроса) роста производства. С того момента как предприятия поняли, что продажи за деньги начинают вытеснять бартер, они перестали принимать его во внимание. Это произошло, как показывают расчеты по данным конъюнктурных опросов, именно в марте 1999 г. Исключение из модели линейного взаимодействия Q*t и B t-1 оказалось оправданным в большинстве случаев. Статистическая значимость коэффициентов Bt сохранилась до марта 1999 г.

Исследование модели с прочими видами неденежного спроса в качестве факторов, определяющих формирование планов выпуска, приводит к похожим выводам. Правда, мониторинг неденежных видов спроса (векселей, зачетов и пр.) начался только в феврале 2000 г. и поэтому расчеты могут быть сделаны только для относительно благоприятного для российской промышленности периода. Качество подгонки этой модели было достаточно хорошим (см. табл.4). Но коэффициенты модели были чаще статистически незначимы и имели отрицательные знаки для обоих независимых переменных. По этой причине модель была сначала упрощена за счет исключения взаимодействия Q*t и Nt-1. Качество подгонки осталось допустимым в абсолютном большинстве случаев, а коэффициенты стали положительны и часто статистически значимы после сентября 2000 г. Поскольку прирост величины отношения правдоподобия был незначительным, то упрощенная модель является предпочтительной. Дальнейшее сокращение модели за счет исключения взаимодействия Q*t и Nt оказалось допустимым с точки зрения сохранения качества подгонки, но нецелесообразным после октября 2000 г с точки зрения прироста величины G2. Именно осенью 2000 г. российская промышленность впервые после дефолта 1998 г. столкнулась со значительными сбытовыми проблемами и, вновь прибегнув к вексельным и зачетным сделкам, решила, вероятно, учитывать при планировании выпуска их и в дальнейшем. На всякий случай. И эти случаи не замедлили в дальнейшем наступить.

Таблица 4. Характеристики влияния фактических изменений прочих неденежных видов спроса на планы выпуска предприятий

Дата	Характеристики качества подгонки модели			Коэффициенты модели
				Nt		Nt-1
	G2	Df	Sig		SE		SE
2/00	7.4064	14	0.9179	0.4460	0.1396	0.0734	0.1577
3/00	23.3534	14	0.0548	0.0609	0.1617	0.2459	0.1325
4/00	17.4907	14	0.2310	0.1278	0.1449	0.2819	0.1338
5/00	25.8103	14	0.0274	-0.1917	0.1437	0.1516	0.1476
6/00	16.2327	14	0.2994	0.1815	0.1476	-0.0839	0.1490
7/00	14.1415	14	0.4392	0.1608	0.1315	-0.0182	0.1334
8/00	5.8333	14	0.9705	-0.0261	0.1585	0.0998	0.1600
9/00	15.9081	14	0.3190	-0.1209	0.1369	0.1890	0.1527
10/00	15.2383	14	0.3621	0.4501	0.1633	-0.1089	0.1339
11/00	12.3757	14	0.5762	0.0088	0.1434	0.2180	0.1349
12/00	10.8186	14	0.7002	0.3879	0.1413	0.0430	0.1408
1/01	11.0362	14	0.6832	0.2119	0.1458	0.1157	0.1408
2/01	8.5911	14	0.8563	0.5537	0.1584	-0.0662	0.1487
3/01	10.2381	14	0.7446	-0.1019	0.1415	0.2570	0.1439
4/01	19.3053	14	0.1536	0.0817	0.1335	0.1191	0.1302
5/01	19.7029	14	0.1398	0.2370	0.1557	0.0731	0.1312
6/01	8.7091	14	0.8492	0.2420	0.1617	0.0585	0.1456
7/01	14.1627	14	0.4377	0.4357	0.1535	-0.1403	0.1429
8/01	17.9311	14	0.2099	0.0299	0.1426	0.0860	0.1369
9/01	17.5118	14	0.2299	0.3191	0.1772	0.0278	0.1529
10/01	17.8414	14	0.2141	0.2914	0.1448	0.0815	0.1662
11/01	17.9000	14	0.2114	0.0821	0.1402	-0.1445	0.1365
12/01	13.4425	14	0.4920	0.1296	0.1672	0.2286	0.1749

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 планами выпуска, и стандартные ошибки (SE).