4. Определите индексы сезонности методом постоянной средней.
5. Изобразите на графике сезонную волну изменения численности работников. Сделайте выводы.
6. Осуществите прогноз численности работников организации на 2003 г. по кварталам на основе рассчитанных индексов сезонности при условии, что среднегодовая численность работников в прогнозируемом году составит 160 человек.
Решение
Рассчитаем средне значение численности работников, чел.
584,0 | ||||
В среднем за 2000г. | Icp2000 = | -------------- = | 146,0 | |
4 кв. | ||||
549,0 | ||||
В среднем за 2001г. | Icp2001 = | -------------- = | 137,3 | |
4 кв. | ||||
524,0 | ||||
В среднем за 2002г. | Icp2002 = | -------------- = | 131,0 | |
4 кв. | ||||
600,0 | ||||
В среднем за 2003г. | Icp2003 = | -------------- = | 150,0 | |
4 кв. |
Рассчитаем индексы сезонности, например для 2000г.
150,0 | |||
I кв. | II2000 = | -------------- = | 1,027 |
146,0 | |||
138,0 | |||
II кв. | III2000 = | -------------- = | 0,945 |
146,0 | |||
144,0 | |||
III кв. | IIII2000 = | -------------- = | 0,986 |
146,0 | |||
152,0 | |||
IV кв. | IIV2000 = | -------------- = | 1,041 |
146,0 |
Рассчитаем средний индекс сезонности методом простой средней:
1,027 + 1,056 + 1,069 | |||
I кв. | IcpI = | ---------------------------- = | 1,051 |
3 | |||
0,945 + 0,903 + 0,855 | |||
II кв. | IcpII = | ---------------------------- = | 0,901 |
3 | |||
0,986 + 0,947 + 0,947 | |||
III кв. | IcpIII = | ---------------------------- = | 0,960 |
3 | |||
1,041 + 1,093 + 1,130 | |||
IV кв. | IcpIV = | ---------------------------- = | 1,088 |
3 |
Численность работников в 2003г (прогноз), чел.
I кв. | II2003 = | 150,0 | * 1,051 = | 157,6 | |
II кв. | III2003 = | 150,0 | * 0,901 = | 135,2 | |
III кв. | IIII2003 = | 150,0 | * 0,960 = | 144,0 | |
IV кв. | IIV2003 = | 150,0 | * 1,088 = | 163,2 | |
В итоге получим таблицу индексов сезонности
Квартал | Индексы сезонности | ||||
2000г. | 2001г. | 2002г. | В среднем за 3 года | 2003г. (прогноз) | |
I | 1,027 | 1,056 | 1,069 | 1,051 | 1,051 |
II | 0,945 | 0,903 | 0,855 | 0,901 | 0,901 |
III | 0,986 | 0,947 | 0,947 | 0,960 | 0,960 |
IV | 1,041 | 1,093 | 1,130 | 1,088 | 1,088 |
В итоге получим таблицу динамики численности в 2003г., чел.
Квартал | Динамика численности работников, чел. | ||||
2000г. | 2001г. | 2002г. | В среднем за 3 года | 2003г. (прогноз) | |
I | 150 | 145 | 140 | 145,1 | 157,6 |
II | 138 | 124 | 112 | 124,4 | 135,2 |
III | 144 | 130 | 124 | 132,6 | 144,0 |
IV | 152 | 150 | 148 | 150,2 | 163,2 |
Итого | 584 | 549 | 524 | 552,3 | 600,0 |
В среднем за квартал | 146,0 | 137,3 | 131,0 | 138,1 | 150,0 |
Изобразим графически результаты вычислений
3. аналитическая часть
Согласно данных статистической отчетности ЗАО « Восход », имеются следующие данные по среднесписочной численности работников за период.
Годы | 1999 | 2000 | 2001 | 2002 | 2003 | 2004 |
Численность работников, чел | 5021,0 | 5013,0 | 5024,0 | 5029,0 | 5065,0 | 5087,0 |
Анализ рядов динамики начинается с использованием показателей ряда динамики, таких как абсолютный прирост, темпы роста и прироста.
Среднегодовая численность
Абсолютный прирост
Темп роста
Темп прироста
Абсолютное значение 1% прироста
Среднегодовые значения:
Абсолютного прироста
Темпа роста
Темпа прироста
Годы | Численность, чел. | Годы |
У | Х | |
1999 | 5021 | 1 |
2000 | 5013 | 2 |
2001 | 5024 | 3 |
2002 | 5029 | 4 |
2003 | 5065 | 5 |
2004 | 5087 | 6 |
Рассчитаем коэффициент линейной корреляции между переменными:
Значение r = 0,991 показывает, что связь между Y и X весьма тесная.
Значение r > 0 показывает, что связь между Y и X прямая: ежегодно численность работников увеличивается, что говорит о динамичном развитии предприятия.
Примечание: значение "r" можно взять из РЕГРЕССИОННОЙ СТАТИСТИКИ строка "Множественный R"
Построим линейную модель регрессии: Y* = b0 + b1 *X
Параметры линейной регрессии найдем по методу наименьших квадратов.Примечание: значения "b0" "b1" можно взять из таблицы № 3.
Получим линейный ряд вида:
Y* = | 4990,7 | + | 14,029 | * X |
Значение "b1" = 14,029 показывает, что ежегодно наблюдается рост численности на 14,03 чел.
Осуществим прогноз по данной модели:
Прогноз на 2005г.: Х = 6 + 1 = 7,
Y* = | 4990,7 | + | 14,029 | * 7 = | 5088,9 |
Прогноз на 2006г.: Х = 6 + 2 = 8,
Y* = | 4990,7 | + | 14,029 | * 8 = | 5103,0 |
Рассчитаем параметры регрессии с помощью инструментария Excel (функции "Сервис" и "Анализ данных").
Регрессионная статистика | Таблица № 1 | ||||
Множественный R | 0,8949 | ||||
R-квадрат | 0,8008 | ||||
Нормированный R-квадрат | 0,7510 | ||||
Стандартная ошибка | 14,6357 | ||||
Наблюдения | 6 | ||||
Таблица № 2 | |||||
Дисперсионный анализ | df | SS | MS | F | |
Регрессия | 1 | 3444,01 | 3444,01 | 16,08 | 0,00 |
Остаток | 4 | 856,82 | 214,20 | ||
Итого | 5 | 4300,83 | |||
Таблица № 3 | |||||
Коэффициенты | Стандартная ошибка | ||||
Y-пересечение | 4990,73 | 13,63 | 366,29 | ||
Х1 | 14,03 | 3,50 | 4,01 |
ВЫВОД ОСТАТКА | Таблица № 4 | ||
Наблюдение | Предсказанное Y | Остатки | |
1 | 5004,76 | 16,24 | |
2 | 5018,79 | -5,79 | |
3 | 5032,82 | -8,82 | |
4 | 5046,85 | -17,85 | |
5 | 5060,88 | 4,12 | |
6 | 5074,90 | 12,10 | |
7 | 5088,93 | ||
8 | 5102,96 |
В среде Excel это выглядит следующим образом: