Использование информационных технологий в анализе, прогнозировании временных рядов и принятии управленческих решений, страница 28

б) проверка значимости – уровень значимости 0,05. Количество степеней свободы -18 (20-2). Для износа оборудования (x1) t_набл = 10,2; для фонда времени (x2) t_набл = 4,8; Т.к все наблюдаемые значения критерия Стъюдента превышают его критическое значение, следовательно все факторы (износ и фонд времени) значимы и поэтому в модели остаются все факторы.   

2.Для определения вида модели регрессионной зависимости воспользуемся пакетом «Анализ данных». Получим следующую зависимость:

Y=664,3400948-8,293956134X1 +0,01177614X2

3.Для осуществления оценки влияния отдельных факторов на величину изучаемого результативного показателя проведем расчет коэффициентов эластичности, β – коэффициента, ∆ - коэффициента.

Коэффициент эластичности показывает, на сколько % изменится зависимая переменная, при изменении фактора на 1%. В нашем случае при увеличении уровня изношенности оборудования на 1%, уровень использования ПМ снизится на 9,7%.Увеличение фонда времени работы оборудования на 1 приведет к увеличению уровня использования ПМ на 0,24%.

Т.о. более эластичным является изменение ПМ под влиянием износа оборудования.

 β – коэффициент показывает, на какую часть величина среднеквадратического отклонения изменится зависимая переменная Y с изменением соответствующей независимой переменной на величину своего среднеквадратического отклонения. Увеличение  уровня износа на 0,7% приведет к снижению уровня использования ПМ на 6 %. Увеличение уровня использования ПМ на 1,8% возможно при увеличении фонда времени работы оборудования на 155,9 ч.

Т.о. отклонения в износе приводят к большим изменениям нежели отклонения фонда времени.

∆ - коэффициент определяет долю влияния фактора в суммарном влиянии всех имеющихся факторов. Самая  большая доля влияния принадлежит уровню износа в суммарном влиянии факторов (79,9%).

В результате оценки влияния данных факторов можно сделать вывод о том, что наибольшее значение имеет уровень износа оборудования и, следовательно, в дальнейшем следует рассматривать именно его.

4. Для построения прогнозов Excel предоставляет возможность использовать 9функциональных зависимостей:

1. линейная;

2. логарифмическая;

3. экспоненциальная;

4. степенная;

5. полиномиальная 2-й степени;

6. полиномиальная 3-й степени;

7. полиномиальная 4-й степени;

8. полиномиальная 5-й степени;

9. полиномиальная 6-й степени;

Прогнозы, полученные для всех зависимостей представлены в табл. 2 и табл.3

Таблица 2

Прогнозы уровня использования ПМ

В данном случае следует отказаться от полиномиальной зависимости 5-й и 6-й степени т.к. прогнозы данных функций принимают отрицательные значения.

Таблица 3

Прогнозы уровня износа оборудования

В данном случае принимаются все типы зависимостей.

Выбираем  зависимость, наиболее точно отражающую изменения анализируемых факторов. Для этого рассчитываем отклонения построенных трендов от фактических значений. Выбираем зависимость, отклонение которой наименьшее по модулю табл. 4 и табл.5. Как для изучения динамики ПМ, так и для изучения динамики износа оборудования используется линейная зависимость.

Таблица 4

Отклонения значений выявленных зависимостей от фактических данных ПМ

             Таблица 5

Отклонения значений выявленных зависимостей от фактических данных износа

Имеем следующие прогнозные показатели на ближайший год (4 квартала)- постепенное снижение уровня использования производственной мощности (50,0; 48,7; 47,5;46,2 %) при постепенном увеличении уровня износа (75,5; 75,7; 75,8; 75,9%).

Для уточнения прогноза на ближайший период используется либо метод скользящего среднего, либо метод экспоненциального сглаживания. Поскольку наименьшее отклонение значений получается с помощью метода экспоненциального сглаживания табл.6 и табл.7 .

Таблица 6

Прогноз уровня использования ПМ на 1 квартал

Таблица 7

Прогноз уровня износа на 1 квартал

                Уточненный прогноз на ближайший квартал по ПМ составит 50,5%, а по износу – 75,5%.