Xreferat.com » Рефераты по экономике » Особенности формирования производственных и ценовых планов (прогнозов) предприятий российской промышленности в 1993-2001 гг.

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

0.2171 0.1533 0.2525 0.2058 0.0065 0.2166 10/01 83.8707 156 1.0000 0.6032 0.1328 0.7405 0.1726 0.1876 0.2442 0.1821 0.2446 11/01 74.5230 156 1.0000 0.4712 0.1108 0.2037 0.1312 0.0907 0.1558 0.0084 0.1748 12/01 45.9997 156 1.0000 0.4330 0.1510 0.0921 0.1814 0.1710 0.2279 0.2274 0.2592

Примечание. В таблице приведены: G2 - величина отношения правдоподобия; df - число степеней свободы; Sig - наблюдаемый уровень значимости; коэффициенты Особенности формирования производственных и ценовых планов (прогнозов) предприятий российской промышленности в 1993-2001 гг., оценивающие линейную связь (ассоциацию) рангов каждого из факторов с планами выпуска, и стандартные ошибки (SE).

Подводя итог исследованию экстраполяционных моделей формирования производственных планов, можно сделать следующие выводы. Во-первых, экстраполяционные модели вполне применимы для описания механизма формирования планов производства. Во-вторых, предпочтительными являются "короткие" модели, когда в качестве независимых переменных используются фактические изменения показателей, непосредственно предшествующие формированию планов (прогнозов). Более отдаленные фактические изменения, скорее всего, не влияют на планы. В-третьих, проверка простейших моделей формирования планов выпуска дает основания для первой положительной "оценки" поведения российских промышленных предприятий. Примерно в середине 90-х годов они начинают уходить от планирования своего производства по принципу "от достигнутого уровня". В-четвертых, бартер оказывал влияние на планы предприятий до начала роста платежеспособного спроса (весна 1999 г.). В-пятых, векселя и зачеты были вновь "взяты на вооружение" при планировании выпуска осенью 2000 г., когда российская промышленность впервые после дефолта 1998 г. столкнулась со значительными сбытовыми проблемами. В-шестых, усложнение экстраполяционных моделей позволило получить более "сложные" выводы о поведении предприятий. Самое сильное влияние на планы выпуска платежеспособный спрос имел во времена самой высокой бартеризации, когда ситуация заставляла производителей предельно внимательно относиться к любым колебаниям продаж за деньги. С началом же роста продаж за деньги и постоянного увеличения их доли в обороте необходимость в жестком следовании за спросом снижается, и предприятия начинают просто пролонгировать свой предыдущий выпуск. В-седьмых, из трех видов спроса самым важным для предприятий является нормальный платежеспособный спрос. Ни бартер, ни векселя, ни зачеты не оказывали статистически значимого влияния на производственные планы российских промышленных предприятий.

4.2. Адаптивные модели формирования планов производства

Базовая адаптивная модель предполагает, что изменения выпуска определяются точностью реализации предыдущих прогнозов выпуска. Такая формулировка модели представляется нам более интересной для анализа переходных экономик по сравнению с упрощенной постановкой, не предполагающей взаимодействия независимых переменных. Поскольку мы предполагаем исследовать не только базовую адаптивную модель формирования планов выпуска, но и модели с включением различных видов спроса. В этом случае будут использоваться не только точности прогнозов каждого из трех наблюдаемых видов спроса, но и точности планов производства относительно последующих фактических изменений этих видов спроса. Тогда необходимо построить матрицу сопряженности прогнозов изменения выпуска в опросе t-1 Q*t-1 и фактических изменений, например, платежеспособного спроса в следующем опросе t Dt:

Q*t-1
+ = -
+ 2 1 1
Ф(Dt, Q*t-1):   D t = 3 2 1
- 3 3 2

Новая переменная Ф(Dt, Q*t-1) является трихотомической и может принимать следующие значения: (1) - фактические изменения спроса оказались лучше планов изменения выпуска; (2) - фактические изменения спроса совпали с планами выпуска; (3) - фактические изменения спроса оказались хуже планов изменения выпуска. При использовании в адаптивной модели такой "перекрестной" точности прогнозов производства относительно последующих фактических изменений спроса можно исследовать принципиально, на наш взгляд, важные зависимости спроса и выпуска и их влияние на процессы принятия решений. Остановимся более подробно на интерпретации новой переменной и ее возможном влиянии на формирование очередных прогнозов предприятий.

Адаптивная модель предполагает, что точность предыдущих прогнозов положительно связана с формированием прогнозов на следующем шаге. Тогда в ситуации, когда фактические изменения спроса оказались лучше предыдущих планов изменения выпуска, предприятия должны, поверив этим фактическим изменениям и в стремлении "добрать" неудовлетворенный или упущенный спрос, планировать рост выпуска и таким образом адаптироваться к фактическим изменениям спроса на свою продукцию. Если же фактические изменения спроса оказались хуже планировавшихся изменений производства, то адаптация предприятий должна состоять в снижении выпуска. В том же случае, когда планы производства совпали с изменениями спроса, то предприятия не должны изменять объемы производства, т.е. планировать сохранение прежних объемов выпуска. Подобная модель, на наш взгляд, более интересна для анализа переходных экономик, характеризующихся резким свертыванием спроса и попытками предприятий сохранить прежние объемы производства. Такое сочетание приводит к избыточному выпуску, росту запасов готовой продукции и поиску альтернативных (неденежных) каналов сбыта. Использование традиционной адаптивной модели формирования планов производства (сформулированной западными исследователями для западных экономик) предполагает, скорее всего, что и фактические изменения и планы производства более или менее адекватны ситуации на рынке, и производителю надо лишь учесть эту динамику при формировании своих очередных планов. Такая постановка представляется далекой от действительности российской экономики 90-х годов ХХ века.

Наличие в составе показателей конъюнктурных опросов динамики сразу трех видов спроса еще больше, на наш взгляд, расширяет аналитические возможности адаптивной модели формирования планов производства. В этом случае можно рассмотреть влияние на планы предприятий сразу трех видов спроса в течение уникального периода, когда в России происходил переход от бартерной экономики к денежной.

Анализ адаптивных моделей формирования производственных планов начнем с базовой модели, в которой планы определяются точностью реализации предыдущих планов изменения производства:

Q*t = f( Ф(Qt, Q*t-1) ),

где Q*t - ожидаемые изменения производства, зарегистрированные в момент (опрос) t; Qt - фактические изменения производства, зарегистрированные в момент (опрос) t; Q*t-1 - ожидаемые изменения производства, зарегистрированные в момент (опрос) t-1; Ф(Qt, Q*t-1) - точность реализации ожидаемых изменений производства Q*t-1 относительно фактических изменений производства Qt.

Качество подгонки этой модели оказалось в подавляюще числе случаев хорошим: наблюдаемый уровень значимости очень редко опускался ниже пятипроцентного порога. Такие "провалы" были зарегистрированы в весной-летом 1995 и 1996 гг., а также в конце 1998 - начале 1999 г. А вот качество подгонки адаптивной модели в "мягкой" формулировке (Q*t = f( Qt, Q*t-1)) оказалось не таким стабильным. В период 1993-1994 гг. оно было высоким и очень устойчивым; в 1995 г. - высоким, но неустойчивым; в дальнейшем мягкая адаптивная модель полностью перестала быть применима к формированию производственных планов российских промышленных предприятий.

Коэффициенты "жесткой" модели (с использованием показателя точности прогнозов выпуска относительно фактических изменений выпуска) имели отрицательные знаки в течение всего периода наблюдения (1993-2001 гг.). Это означает, что при лучших фактических изменениях по сравнению с предыдущими прогнозами российские промышленные предприятия были не склонны верить этим фактам и на следующем шаге корректировать свои прогнозы в лучшую сторону. Они предпочитали сохранять прежний пессимизм своих прогнозов. И, наоборот, при наличии худших по сравнению с прогнозом фактических изменений оптимизм очередных прогнозов не снижался. Такую интерпретацию подтверждают значения коэффициентов в "мягкой" адаптивной модели. Эти коэффициенты, наоборот, были все положительны. А значения коэффициентов для предыдущих прогнозов всегда и существенно превосходили значения коэффициентов для предыдущих фактических изменений выпуска - особенно с 1996 г. (см. рис.4).

Теперь рассмотрим адаптивные модели формирования производственных планов, где в качестве независимых переменных используются точности прогнозов основных видов спроса относительности последующих реализаций этих же видов спроса. Адаптивная модель с участием только точности платежеспособного спроса имела хорошее качество подгонки в течение всего периода наблюдения (1995-2001 гг.). Единственным продолжительным исключением стало начало 2000 г. Коэффициенты модели были отрицательны и очень редко статистически значимы. Т.о. гипотеза об адаптивном (только по платежеспособному спросу) формировании производственных планов в российской промышленности не подтверждается. Аналогичные результаты были получены и для других видов спроса: модели имели приемлемое качество подгонки, но отрицательные коэффициенты, которые очень редко были статистически значимы.

На следующем шаге исследования адаптивных моделей рассмотрим модель, где в качестве независимых переменных фигурируют точности всех трех видов спроса одновременно:

Q*t = f( Ф(Dt, D*t-1), Ф(Bt, B*t-1), Ф(Nt, N*t-1) ),

где Q*t - ожидаемые изменения производства, зарегистрированные в момент (опрос) t; Dt, Bt, Nt - фактические изменения платежеспособного, бартерного и прочих неденежных видов спроса соответственно, зарегистрированные в момент (опрос) t; D*t-1, B*t-1, N*t-1, -ожидаемые изменения платежеспособного, бартерного и прочих неденежных видов спроса соответственно, зарегистрированные в момент (опрос) t-1.

Такая модель имела высокое качество подгонки: наблюдаемый уровень значимости гарантированно превосходил 5% порог (см. табл.7). Коэффициенты модели были чаще положительны, чем отрицательны, особенно - для точностей бартерного и прочих неденежных видов спроса. Но статистическая значимость коэффициентов была крайне низкой: 2-3 раза для каждого из видов спроса за два года мониторинга. И в этом случае не удалось получить надежных статистических аргументов в пользу адаптивного (по всем видам спроса) формирования планов выпуска в российской промышленности.

Таблица 7. Характеристики влияния точностей прогнозов платежеспособного, бартерного и прочих неденежных видов спроса на производственные планы предприятий

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты:

Дата Характеристики качества подгонки модели Коэффициенты модели для точностей прогнозов
платежеспособного спроса бартерного спроса прочих неденежных видов спроса
G2 Df Sig

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

SE

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

SE

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

SE
2/00 43.827 49 0.6823 0.2043 0.1281 0.1636 0.1446 0.1229 0.1510
3/00 45.199 49 0.6280 0.3184 0.1123 0.1261 0.1374 -0.0296 0.1438
4/00 46.058 49 0.5931 0.0273 0.0970 0.0381 0.1234 0.1562 0.1306
5/00 59.101 49 0.1529 0.0678 0.1159 0.1137 0.1247 -0.0121 0.1467
6/00 36.586 49 0.9049 0.1456 0.1050 0.1943 0.1277 0.0430 0.1355
7/00 43.827 49 0.6823 0.0778 0.1138 0.1595 0.1462 0.1069 0.1667
8/00 30.335 49 0.9833 0.2227 0.1373 0.3052 0.1780 0.0619 0.1786
9/00 40.523 49 0.8004 -0.0113 0.1172 0.3944 0.1466 0.0466 0.1472
10/00 38.565 49 0.8580 -0.0030 0.1093 0.2140 0.1358 0.2721 0.1581
11/00 46.886 49 0.5593 0.1374 0.1105 0.0625 0.1402 0.1620 0.1469
12/00 38.135 49 0.8692 0.0665 0.1182 -0.0574 0.1775 0.3213 0.1859
1/01 32.61 49 0.9655 0.0723 0.1214 0.1508 0.1572 0.1518 0.1703
2/01 35.897 49 0.9185 -0.0770 0.1105 0.0186 0.1429 0.4275 0.1708
3/01 31.88 49 0.9723 0.0540 0.1038 0.3012 0.1486 -0.0468 0.1539
4/01 74.599 49 0.0107 0.1189 0.0987 0.0233 0.1334 0.2373 0.1328
5/01 49.981 49 0.4342 0.0770 0.1117 -0.1649 0.1554 0.4134 0.1558
6/01 46.475 49 0.5761 0.0020 0.1073 0.2565 0.1471 0.1449 0.1468
7/01 31.894 49 0.9722 0.0230 0.1163 0.0456 0.1453 0.4173 0.1613
8/01 54.263 49 0.2808 0.0621 0.1039 0.0644 0.1590 0.2582 0.1558
9/01 39.996 49 0.8169 -0.0031 0.1164 0.2303 0.1426 0.2446 0.1564
10/01 52.137 49 0.3529 0.4050 0.1362 0.2941