Анализ ценообразования на продукцию ОАО "Нижнекамскшина" (стр. 13 из 15)

Для принятия грамотных управленческих решений в области ценообразования и увеличения рентабельности выпускаемой продукции необходимо оценить степень влияния различных факторов внешней среды на величину спроса на продукцию.

Учитывая, что предприятия часто испытывают необходимость в проектировании и освоении производства той продукции, которая не заменяет ранее освоенную, а дополняет или расширяет уже существующий параметрический ряд изделий, можно выделить ряд методов построения цен на новую продукцию в зависимости от уровня ее потребительских свойств с учетом нормативов затрат на единицу параметра. Такие методы получили название нормативно-параметрических. К их числу относят следующие методы: удельных показателей, регрессионного анализа, балловый.

Одним из наиболее качественных методов анализа является построение экономико-математической модели, позволяющей оценить количественное влияние каждого фактора на изучаемую величину.

Эконометрической моделью называют систему регрессионных уравнений и тождеств. Коэффициенты уравнений определяются с помощью методов математической статистики на основе конкретной экономической информации. Данные методы позволяют получить количественные оценки коэффициентов каких-либо функций, если имеется возможность выделить факторы, влияющие на эти функции, и высказать гипотезу об их форме.

Количественная оценка взаимосвязей между переменными позволяет использовать в дальнейшем эти взаимосвязи для прогнозирования изменений объемов продаж в связи с изменением факторов, оказывающих влияние на объемы продаж. То есть открывается возможность построения не только отдельного уравнения регрессии, но и взаимодействующей системы таких уравнений для оценки динамики целого набора переменных.

Регрессионное уравнение имеет вид: У=f (х1;х2;…х3), где У – результирующий признак изучаемого явления; Х – известные параметры изучаемого явления; n – число параметров.

Прогноз получается путем подстановки в регрессионное уравнение с численно оцененными параметрами значений независимых переменных х1; х2;…хn в периоды времени tn, t n+1, …, Т. Следует учитывать, что чем больше факторов х включается в уравнение, тем возможно точнее будет отражаться взаимосвязь между изучаемыми показателями. Но если принимать во внимание технологию разработки моделей, то использование многофакторных моделей не всегда обеспечивает желаемый эффект. В частности, от числа факторов зависит длина динамических рядов анализируемых показателей и объем информации, который необходимо собрать. В том же время следует учитывать, что экономические процессы в течение сравнительно непродолжительных отрезков времени могут кардинально измениться под влиянием экономических, демографических, политических и других причин, и поэтому увеличение продолжительности ретроспективного периода не всегда обеспечивает соответствующую точность прогноза.

При большом количестве влияющих факторов рекомендуется проводить двухстадийный отбор аргументов. На предварительной стадии исследования по всем отобранным факторам рассчитываются коэффициенты парной корреляции, показывающий степень тесноты связи изучаемой функции с аргументом. При значении коэффициента парной корреляции более 0,5 фактор включают для построения регрессионной модели [40, c. 26].

В целом алгоритм исследования уровня спроса на нефтехимическую

продукцию состоит из следующих этапов:

постановка цели моделирования. Если, например, ставится задача выявления количественной зависимости спроса от изменения цен с целью принятия мер по урегулированию спроса и предложения на товар, то соответственно этому производится отбор информации, характеризующей конъюнктуру рынка;

выявление закономерности спроса на товар. Здесь необходимо дать экономическое обоснование каждому отобранному фактору;

определение степени и характера воздействия отобранных факторов на спрос. После логического отбора факторов для использования их в исследовании необходимо рассчитать коэффициент парной корреляции, который позволяет определить, существует ли и насколько велика связь между факторами. Данный коэффициент показывает, насколько изменится величина спроса при изменении фактора на единицу. Положительное значение коэффициента означает связь, отрицательное – обратную связь;

исследование формы связи между уровнем спроса и отобранными факторами, оказывающими на него влияние. На основании этого рассчитывают параметры уравнения множественной регрессии, где результативным признаком будет являться уровень спроса. А факторными признаками – показатели, характеризующие конъюнктуру рынка;

проведение анализа полученных коэффициентов и выработку управленческих решений в области ценообразования и интенсификации сбыта продукции.

По приведенному алгоритму видно, что приступать к расчету коэффициентов регрессионного уравнения предпочтительно лишь после отбора значимых факторов. Таким образом, для проведения анализа необходимо рассмотреть все внутренние и внешние факторы среды, оказывающие влияние на уровень спроса на химический процесс.

В качестве примера рассмотрим корреляционный анализ, проведенный с целью оптимизации ценовой политики на заводе по производству шин ОАО «Нижнекамский шинный завод». Объектом исследования будет являться процесс ценообразования на легковую радиальную шину с универсальным рисунком протектора 175/70R 13 Кама 518.

Корреляционный анализ есть метод установления связи и измерения ее тесноты между наблюдениями, которые можно считать случайными и выбранными из совокупности, распределенной по многомерному нормальному закону.

Корреляционной связью называется такая статистическая связь, при которой различным значениям одной переменной соответствуют разные средние значения другой. Возникать корреляционная связь может несколькими путями. Важнейший из них – причинная зависимость вариации результативного признака от изменения факторного. Основной особенностью корреляционного анализа следует признать то, что он устанавливает лишь факт наличия связи и степень ее тесноты, не вскрывая ее причин.

Для практических вычислений при малом числе наблюдений (n≤20÷30) линейный коэффициент корреляции удобнее исчислять по следующей формуле:

.(3.5)

Значение линейного коэффициента корреляции важно для исследования социально-экономических явлений и процессов, распределение которых близко к нормальному. Он принимает значения в интервале: -1≤ r ≤ 1.

Отрицательные значения указывают на обратную связь, положительные – на прямую. При r = 0 линейная связь отсутствует. Чем ближе коэффициент корреляции по абсолютной величине к единице, тем теснее связь между признаками. И, наконец, при r = ±1 – связь функциональная.

Квадрат линейного коэффициента корреляции r2 называется линейным коэффициентом детерминации. Из определения коэффициента детерминации очевидно, что его числовое значение всегда заключено в пределах от 0 до 1, то есть 0 ≤ r2 ≤ 1. Степень тесноты связи полностью соответствует теоретическому корреляционному отношению, которое является более универсальным показателем тесноты связи по сравнению с линейным коэффициентом корреляции.

Факт совпадений и несовпадений значений теоретического корреляционного отношения η и линейного коэффициента корреляции r используется для оценки формы связи.

Выше отмечалось, что посредством теоретического корреляционного отношения измеряется теснота связи любой формы, а с помощью линейного коэффициента корреляции – только прямолинейной. Следовательно, значения η и r совпадают только при наличии прямолинейной связи. Несовпадение этих величин свидетельствует, что связь между изучаемыми признаками не прямолинейная, а криволинейная. Установлено, что если разность квадратов η и r не превышает 0,1 , то гипотезу о прямолинейной форме связи можно считать подтвержденной. В моем случае наблюдается примерное совпадение линейного коэффициента детерминации и теоретического корреляционного отношения, что дает мне основание считать связь между капиталом банков и их работающими активами прямолинейной.

Показатели тесноты связи, исчисленные по данным сравнительно небольшой статистической совокупности, могут искажаться действием случайных причин. Это вызывает необходимость проверки их существенности, дающей возможность распространять выводы по результатам выборки на генеральную совокупность.

Для оценки значимости коэффициента корреляции r используют t-критерий Стьюдента, который применяется при t-распределении, отличном от нормального.

При линейной однофакторной связи t-критерий можно рассчитать по формуле:

,(3.6)

где (n - 2) – число степеней свободы при заданном уровне значимости α и объеме выборки n.

Полученное значение tрасч сравнивают с табличным значением t-критерия (для α = 0,05 и 0,01). Если рассчитанное значение tрасч превосходит табличное значение критерия tтабл, то практически невероятно, что найденное значение обусловлено только случайными колебаниями (то есть отклоняется гипотеза о его случайности).

Значения коэффициента корреляции изменяются в интервале [-1;+1]. Значение r = -1 свидетельствует о наличии жестко детерминированной обратно пропорциональной связи с прямо пропорциональной зависимостью факторов.