В рядах динамики цен приобретения было подтверждено существование автокорреляции. Это предопределяет особенности дальнейшего применения регрессионного анализа.

При построении модели множественной регрессии для исключения автокорреляции можно применить следующие методы: метод последовательных разностей; метод отклонения от тенденции, метод включения в модель фактора "время" (метод Фриша-Воу).

При использовании метода последовательных разностей исходят из предположения, что все разности между уровнями динамических рядов, начиная с первой, будут содержать только случайную компоненту. Причем первые разности содержат случайную компоненту в линейной форме, вторые - описываемую параболой второго порядка, третьи -показательной функцией. Однако если в результате применения этого метода остаточная регрессия окажется сильно автокоррелированной, то этот метод не может быть применен.

Второй метод исключения автокорреляции основан на анализе тенденций. Тенденция рассматривается как компонента, способствующая появлению автокорреляции. При исключении тенденции определяется случайная компонента, которая не имеет зависимости между уровнями. Таким образом, для каждого ряда определяются тренды, затем определяются отклонения фактических значений от тренда, по которым строится уравнение регрессии.

Введение в уравнение множественной регрессии показателя "время" в качестве независимой переменной дает при использовании метода наименьших квадратов тот же результат, что и исследование с помощью отклонений от тенденций в том случае, если основные тенденции исследуемых рядов динамики принадлежат к одному и томуже типу кривых. Это свойство впервые заметили Фриш и Boy ? Причем теорема Фриша и Boy применима не только для линейных тенденций, но и для тенденций, выраженных многочленами.

Автор диссертации придерживается мнения немей, ких ученых Фёрстера Э. и Рёнца Б., которые считают, что если задачей исследования является получение по возможности хороших прогнозных значений, то при построении регрессии тренд исключать не следует , то есть модели строятся на основе исходных динамических рядов. Поэтому в условиях автокорреляции используется метод введения времени в качестве аргумента.

В связи с тем, что зависимая переменная, также как и часть независимых, включаемых нами в уравнение регрессии, имеют ярко выраженную тенденцию, отличную от прямой линии (развитие идет преимущественно по параболическому закону), мы вводим две переменные, обозначающие время (t и t2). Таким образом, многофакторная регрессионная модель имеет вид:

Y = (Зо + Р,Х, + ... + pk.2Xk.2 + pk.,t + pkt2, (3.1)

где Ро, ..., Pk - параметры модели (коэффициенты регрессии), Хь ..., Xk_2 , t, t2 - факторные признаки (t - время).

Введение двух переменных "время" позволило получить модели более высокого качества.

Так, например, модель множественной линейной регрессии по цене приобретения нефти методом введения фактора "время" имеет следующее выражение:

Yi = 0,37 Х2+ 1,443 Х5 + 0,628 Х6 + 6,673 t - 0,11 t2.

Значения результативного признака, рассчитанные по этому уравнению, приведены в табл. 67 приложения.Для оценки влияния факторных признаков на моделируемый были рассчитаны коэффициенты эластичности, которые показывают, что при увеличении темпа роста денежной массы на 1 % цена приобретения нефти в среднем повышается на 0,27%, при росте индекса объема промышленного производства на 1 % цена приобретения нефти в среднем дорожает на 0,31%, при повышении индекса мировой цены на 1% цена приобретения нефти в среднем увеличивается на 0,19%.

Совместное влияние исследуемых факторов на индекс цен приобретения нефти характеризуется коэффициентом множественной корреляции R = 0,997, что говорит о прямой и тесной связи вошедших в модель факторов и результативного показателя. Совокупный коэффициент детерминации R2 = 0,994 означает, что 99,4% вариации индекса цен приобретения нефти объясняется вариацией учтенных в модели факторов.

Наиболее сильное влияние на изменение цены приобретения нефти оказывает темп роста денежной массы - 50,0% в суммарном влиянии факторов. Этот вывод сделан на основе А-коэффициентов.

Уравнение регрессии и все коэффициенты значимы (табл. 3.4).

Таблица 3.4 Таблица для проверки значимости коэффициентов регрессии

Коэффициенты регрессии Значение t-критерия Вывод

табличное расчетное

bi b2 Ьз 1,70 1,70 1,70 4,54 11,38 8,17 значим значим значим

Полученная модель хорошо аппроксимирует фактические значения, так как относительная ошибка аппроксимации составляет 1,11%, и может быть использована для построения прогноза.

По остальным динамическим рядам индексов цен приобретения отдельных видов продукции топливной промышленности также былипостроены регрессионные модели, которые представлены в табл. 3.5. (значения результативных признаков, рассчитанные по уравнениям регрессии, приведены в табл. 68-71 приложения). Проверка по F-критерию показала, что все модели значимы. Рассмотрим подробнее каждую из них.

Таблица 3.5

Многофакторные модели регрессии, построенные методом введения фактора "время"

Результативный показатель Уравнения регрессии, используемые для прогноза

Индекс цен приобретения:

- бензина автомобильного Y2 = 144,82 + 1,272Х3 - 0,634 Х4 + 0,492 Х7 + 8,634 t -

-0,051 t2

- топлива дизельного Y3 = 0,667 Х4 + 0,642 Х6 + 16,143 Xg + 9,725 t - 0,158 t2

- мазута топочного Y4 = 74,117 - 0,403 X2 + 0,685 X3 + 0,262 X4 + 10,883 t -

-0,121 t2

- газа естественного Y5 = - 296,346 + 2,597 X3 + 0,483 X5 + 0,089 X7 -

- 20,205 t + 0,285 t2

Многофакторная регрессионная модель, характеризующая зависимость динамики цены приобретения автомобильного бензина от определяющих факторов, обладает хорошими прогнозными свойствами в силу значимости всех коэффициентов регрессии. Наибольшее влияние на результативный показатель оказывает сводный индекс цен производителей (Хз) - 50,3% в суммарном влиянии всех факторов. С увеличением сводного индекса цен производителей на 1% цена приобретения автомобильного бензина повышается на 0,67%, с ростом индекса цен производителей бензина на 1% результативный признак снижается на 0,37%, с увеличением индекса тарифов на перекачку нефтепродуктов по трубопроводу на 1% цена приобретения бензина возрастает на 0,24%.Динамика цены приобретения дизельного топлива зависит в наибольшей степени от индекса цен производителей этого ресурса. В целом факторы, включенные в множественную регрессионную модель, объясняют 99,1% вариации результативного показателя. Средняя ошибка аппроксимации составляет 1,7%. Таким образом, модель может быть использована для прогноза.

Динамика цены приобретения топочного мазута зависит от темпа роста денежной массы (Х2) и индексов цен производителей - Х3 и Хд. Все коэффициенты регрессии являются значимыми, поэтому регрессионная модель может дать приемлемый прогноз. Влияние факторов на результативный показатель приблизительно одинаково. Однако фактор Х2 оказывает обратное воздействие на цену приобретения, то есть с увеличением темпа роста денежной массы на 1% результативный показатель уменьшается на 0,24%. Несмотря на это, между всеми факторами и результативным признаком существует сильная прямая связь (множественный коэффициент корреляции составляет 0,998).

Многофакторная линейная регрессионная модель индекса цен приобретения газа естественного обладает хорошими прогнозными свойствами и может быть использована для краткосрочного прогнозирования. Включенные в модель факторы объясняют 97,8% вариации результативного признака. С увеличением сводного индекса цен производителей на 1% цена приобретения газа возрастает на 2,22%, с повышением индекса объема промышленного производства на 1% цена приобретения газа увеличивается на 0,11%.

Основные показатели качества полученных моделей регрессии представлены в табл. 3.6.

Данные табл. 3.6 подтверждают наличие тесной прямой связи между результативными и факторными признаками, а такжесвидетельствуют о хорошем качестве моделей (средняя ошибка аппроксимации не превышает 2%).

Таблица 3.6 Показатели, характеризующие качество полученных моделей регрессии

(метод введения фактора "время")

Результативный Стандартная Средняя ошибка Множественный коэффициент

показатель ошибка, % аппроксимации,% детерминации,!?. корреляции, R

Индекс цен

приобретения:

- нефти 5,2 1,11 0,994 0,997

- бензина

автомобильного 14,8 1,91 0,988 0,994

- топлива

дизельного 11,3 1,70 0,991 0,995

- мазута топочного 6,2 1,05 0,996 0,998

- газа естественного 4,17 0,75 0,978 0,989

Однако в данных моделях не были учтены факторы коллинеарно связанные между собой. Но эти факторы оказывают существенное влияние на уровень и динамику цен. Поэтому в работе был применен метод гребневой регрессии, который позволяет получить в условиях мультиколлинеарности устойчивые оценки параметров регрессии.

Гребневая регрессия представляет собой модифицированный метод наименьших квадратов. При расчете коэффициентов регрессии, используется дополнительный параметр регуляризации р. Полученные оценки называются гребневыми. Эти оценки в регрессионной модели впервые были введены А.Хоэрлом и в дальнейшем исследованы им совместно с Р.Кеннардом .

Гребневые оценки относятся к классу смещенных оценок, поэтому найти оптимальную оценку при условии минимума среднего квадрата отклонений невозможно. Если в качестве общего критерия принять среднеквадратическую ошибку коэффициента, то методы гребневой регрессии позволяют получить устойчивые оценки с более вернымизнаками, в то время как метод наименьших квадратов оказывается менее надежным.

Многофакторная регрессионная модель, полученная по методу гребневой регрессии, имеет вид:

Yt = f(p)(XbX2,...,Xk) , (3.2)

где р - параметр регуляризации.

Например, была построена модель гребневой регрессии индекса цен приобретения нефти. Она имеет следующее выражение:

Yi = - 3,541 - 2,689 Xi + 0,389 Х2 + 0,463 Х3 + 0,653 Х5 + 0,687 Х6 + + 0,038 Х7.

Значения результативного признака (у^ приведены в табл. 72 приложения.

Модель гребневой регрессии индекса цен приобретения нефти дает вполне удовлетворительные результаты и может обладать хорошими прогнозными свойствами. С увеличением фактора Х3 на 1% цена приобретения нефти повышается на 0,40%, с ростом факторов Х2 и Хб цена приобретения нефти увеличивается соответственно на 0,28% и 0,21%. Более сильное влияние на динамику индексов цен приобретения нефти оказывают темп роста денежной массы (Х2) - 52,4% и сводный индекс цен производства (Х3) - 38,3%.

Множественный коэффициент корреляции составляет 0,997, это говорит о тесной прямой связи включенных в модель факторов с результативным показателем. Множественный коэффициент детерминации R2 показывает, что 99,4% вариации динамики цен приобретения нефти на внутреннем рынке России зависит от включенных в модель факторов.Модели гребневой регрессии, построенные по остальным динамическим рядам индексов цен приобретения топливных ресурсов, приведены в табл. 3.7.

Таблица 3.7 Многофакторные модели, построенные методом гребневой регрессии

Результативный показатель Уравнения регрессии, используемые для прогноза

Индекс цен приобретения: дипломное проектирование - бензина автомобильного

- топлива дизельного - мазута топочного - газа естественного Y2 = 7,285 - 0,345 X, + 0,476 Х2 + 1,133 Х3 - 0,358 Х5 + + 0,066 Х6 + 0,457 Х7

Y3 = - 272,759 + 1,361 Х3 + 0,641 Х4 + 0,468 Хб --0,136Х7+ 14,597 Х8

Y4 = - 48,147 + 0,665 Xi- 0,053 Х2 + 1,033 Х3 + + 0,526 Х4 - 0,273 Х5 - 0,23 Хб

Y5 = 0,009 - 0,365 Х2 + 1,176 Х3 - 0,047 Х4 + 1,05 Х5 + + 0,091 Х7

Значения результативных признаков, рассчитанные по уравнениям регрессии, представлены в приложении (табл. 73-76). Проверка по F -критерию подтвердила значимость полученных моделей.

Так, гребневая регрессионная модель, показывающая зависимость изменения цены приобретения бензина автомобильного от определяющих факторов, может быть использована для краткосрочных прогнозов. Анализ параметров модели показывает, что с увеличением сводного индекса цен производителей (фактор Хз) на 1% результативный показатель в среднем возрастает на 0,60%, с ростом индекса тарифов на перекачку нефтепродуктов по трубопроводу (Х7) на 1% цена приобретения бензина увеличивается на 0,22%, повышение темпа роста денежной массы (Х2) на 1% вызывает увеличение результативного признака на 0,21%. Доля влияния каждого из перечисленных факторов всуммарном влиянии всех факторов на результативный показатель составляет соответственно: Х3 - 44,8%, Х2 - 30,0%, Х7- 24,9%.

Модель индекса цен приобретения дизельного топлива дает вполне удовлетворительные результаты и обладает неплохими прогнозными свойствами, средняя ошибка аппроксимации составляет 1,6%. Наибольшее влияние на изменение цены приобретения дизельного топлива оказывают сводный индекс цен производителей (Х3) и индекс цен производителей этого ресурса (Х4) - соответственно 45,7% и 44,3% в суммарном влиянии всех факторов. Увеличение фактора Хз на 1% приводит к росту цены приобретения на 0,86%, а фактора Х4 - на 0,49%.

Динамика цены приобретения топочного мазута в большой степени зависит как от сводного индекса цен производителей (Х3), так и от индекса цен производителей мазута (Х4). С увеличением фактора Х3 на 1% результативный показатель повышается на 0,78%, с ростом фактора Х4 на 1% цена приобретения мазута поднимается на 0,46%. Влияние остальных факторов невелико.

Модель гребневой регрессии индекса цен приобретения газа естественного обладает неплохими прогнозными свойствами. Факторы, включенные в модель, объясняют 95,0% вариации результативного признака. Средняя ошибка аппроксимации составляет 1,12%. Наибольшее влияние на изменение цены приобретения газа оказывают сводный индекс цен производителей и темп роста денежной массы.

Основные показатели качества моделей, полученных методом гребневой регрессии, приведены в табл. 3.8.

Из данных табл. 3.8 видно, что между результативными и факторными признаками имеется тесная прямая связь. Причем по всем показателям множественный коэффициент корреляции близок к единице. Средняя ошибка аппроксимации по всем моделям невелика, что говорит о высоком качестве полученных моделей.Таблица 3.8

Показатели, характеризующие качество полученных моделей регрессии

(метод гребневой регрессии)

Результативный Стандартная Средняя ошибка Множественный i <оэффициент

показатель ошибка, % аппроксимации,% детерминацииД корреляции, R

Индекс цен

приобретения:

- нефти 5,3 1,1 1 0,994 0,997

- бензина

автомобильного 15,8 1,76 0,988 0,994

- топлива

дизельного 10,9 1,61 0,991 0,995

- мазута топочного 7,0 1,19 0,995 0,997

- газа естественного 6,3 1,12 0,950 0,975

Поскольку применение гребневой регрессии позволяет лишь устранить эффект мультиколлинеарности, то нами были проверены отклонения от выравненных по уравнению уровней на наличие автокорреляции с помощью критерия Дарбина-Уотсона (приложение, табл. 77). Автокорреляция в отклонениях отсутствует.

Показатели стандартной ошибки и средней ошибки аппроксимации (табл. 3.6 и 3.8) свидетельствуют о более высоком качестве моделей регрессии, полученных на основе метода введения фактора "время", по следующим рядам: индекс цен приобретения нефти, топочного мазута и газа естественного. По рядам индексов цен приобретения бензина автомобильного и дизельного топлива лучшей оказалась модель, полученная методом гребневой регрессии. Следует отметить, что разница между показателями качества моделей, полученных различными методами, невелика.

Таким образом, все рассмотренные модели дают удовлетворительные результаты и могут быть использованы для прогнозирования. Наибольшее влияние на результативный признак, какправило, оказывает сводный индекс цен производителей, если он включен в модель.

3.3. Построение моделей прогноза цен приобретения

Завершающим этапом статистического анализа цен является их прогнозирование на основе ранее выявленных закономерностей и построенных моделей. Модели многофакторной регрессии могут применяться для получения прогнозов после того, как доказана их адекватность и проведена интерпретация моделей.

В этом случае процесс прогнозирования заключается в том, что в модель подставляют соответствующие значения факторов и получают значение результативного признака за пределами исходной совокупности. Эти значения факторов могут быть определены на основе экспертных оценок и ряда других методов. Получаемые при известных значениях факторных признаков прогнозы достаточно обоснованы и надежны.

Более сложным является прогнозирование на основе регрессионных моделей, когда значения факторных признаков неизвестны. В этих случаях первоначально производятся прогнозы факторных признаков, после этого - прогноз результативного признака. Такое прогнозирование не всегда дает желаемые результаты, так как ошибки прогнозирования факторных признаков отражаются на ошибке результативного. Использование регрессионной модели для одновременного прогнозирования факторного и результативного признаков возможно только в случае, если ошибки прогнозов факторных признаков являются незначительными. В этом случае можно построить краткосрочный прогноз. Именно такая ситуация наблюдается при построении прогнозов динамики индексов цен приобретения отдельных видов продукции топливной промышленности.Таким образом, модели прогнозов динамики индексов цен приобретения отдельных видов продукции в случае использования регрессионных уравнений можно построить несколькими способами:

- оценки параметров и факторов, включенных в уравнение,представляются в виде функций времени и определяются на основеаналитического выравнивания;

- вид модели прогноза определяется по аналогии с видом уравненийрегрессии, а оценки параметров и факторов определяются экспертнымпутем;

- оценки параметров и факторов рассчитываются на основе методаавторегрессионных преобразований.

В работе был произведен соответствующий анализ динамических рядов факторных признаков (по схеме 2.2), построены обобщающие трендовые модели на основе воссоединения компонентов и осуществлен прогноз этих признаков. Далее полученные прогнозные значения факторов были подставлены в регрессионные модели и рассчитан прогноз индексов цен приобретения отдельных видов продукции топливной промышленности.

Прогноз осуществлен для каждого ресурса по регрессионным моделям двух видов: полученным методом включения в модель фактора "время" и методом гребневой регрессии.

Сначала был проведен ретропрогноз на II полугодие 1998г. Сравнение с фактическими значениями позволило оценить точность прогноза по каждой из моделей (табл. 78-81 приложения). После этого по одной из двух моделей был получен прогноз на I квартал 1999г. (табл. 82-85 приложения).

Рассмотрим результаты ретропрогноза на примере ряда индексов цен приобретения бензина автомобильного (табл. 3.9).Таблица 3.9

Ретроспективный прогноз индексов цен приобретения бензина автомобильного по России на июнь-декабрь 1998г. на основе регрессионных моделей

В процентах к : декабрю 1994г. Ошибки прогноза

прогнозные границы прогноза фактичес- абсолютная, относи- средняя

значения нижняя верхняя кие значения процентных тельная, относитель-

У| У\ пунктов % ная, %

Множественная линейная регрессионная модель

июнь 781,77 748,18 815,36 759,39 -22,38 2,95 2,95

июль 779,11 745,52 812,70 759,31 -19,80 2,61 2,78

август 776,52 742,93 810,11 759,24 -17,28 2,28 2,61

сентябрь 765,70 732,11 799,29 759,10 -6,60 0,87 2,17

октябрь 768,28 734,69 801,87 764,26 -4,02 0,53 1,85

ноябрь 771,61 738,02 805,20 769,46 -2,15 0,28 1,58

декабрь 774,65 741,06 808,24 774,63 -0,02 0,00 1,36

Гребневая регрессионная модель

июнь 757,88 727,68 788,08 759,39 1,51 0,20 0,20

июль 759,46 729,26 789,66 759,31 -0,15 0,02 0,11

август 759,60 729,40 789,80 759,24 -0,36 0,05 0,09

сентябрь 750,53 720,33 780,73 759,10 8,57 1,13 0,35

октябрь 752,87 722,67 783,07 764,26 11,39 1,49 0,58

ноябрь 752,66 722,46 782,86 769,46 16,80 2,18 0,84

декабрь 755,44 725,24 785,64 774,63 19,19 2,48 1,08

Анализ данных табл. 3.9 показал, что прогноз, построенный по модели гребневой регрессии, дал высокую точность в первые три месяца, а затем ошибка прогноза начала расти от месяца к месяцу. Прогноз, полученный на основе модели множественной линейной регрессии, наоборот, в первые три месяца был не очень удачным, однако в последующем его точность возросла и прогнозное значение на декабрь 1998г. практически совпало с фактическим значением. Поэтому для получения прогноза на I квартал 1999г. нами использована множественная линейная регрессионная модель (табл. 3.10).

Аналогичная ситуация (с точностью прогноза по уравнениям регрессии двух видов) наблюдается по нефти и дизельному топливу (табл. 78-79 приложения). По топочному мазуту прогноз оказался неудачным пообеим моделям (табл. 80 приложения): средняя относительная ошибка за период ретропрогноза составила 4-5%.

Таблица 3.10

Прогнозные значения индексов цен приобретения бензина автомобильного по России на I квартал 1999г.

(на основе модели, полученной методом введения фактора "время")

в процентах к декабрю 1994г.

Прогнозные значения У| Границы прогноза

нижняя верхняя

январь февраль март 777,15 779,27 781,28 743,56 745,68 747,69 810,74 812,86 814,87

По газу естественному более точным оказался прогноз по модели множественной линейной регрессии (табл. 81 приложения). Однако к концу периода ретропрогноза его точность начала резко падать. Поэтому прогноз, полученный на I квартал 1999г. по этой модели, сомнителен. По нашему мнению, цена приобретения газа естественного в I квартале 1999г. не изменится или увеличится на 1-2%.

Таким образом, на основе проведенного исследования результатов ретропрогноза по двум видам моделей можно сделать следующий вывод: в первые месяцы обычно более высокую точность имеет прогноз, полученный по модели гребневой регрессии, в последующие месяцы - по множественной линейной модели.

Согласно полученному на I квартал 1999г. прогнозу, цена приобретения нефти и газа останется примерно на уровне декабря 1998г., цена приобретения бензина автомобильного может увеличиться за квартал на 0,5-1,0%, дизельного топлива - на 2-3%. Мазут топочный станет дешевле.Заключение

В диссертации разработана методология статистического аудиторская проверка готовой продукции исследования уровня и динамики цен на отдельные виды продукции топливной промышленности в условиях перехода к рынку и нестабильности экономической ситуации.

В диссертации доказано, что цена является достаточно многоплановым понятием, она выражает стоимость товара в рублях за единицу измерения товара. Ее экономическая сущность и предназначение отражаются в функциях цены. По нашему мнению, в современном мире цена выполняет четыре функции: учетную, стимулирующую, распределительную и регулирующую. Под категорией "цена производителей" в работе понимается фактическая цена произведенной и отгруженной в отчетном месяце на внутрироссийский рынок продукции (без НДС, акцизов и других налогов, не входящих в оптовую цену, франко-станция отправления). Цена приобретения - это фактическая цена приобретенных промышленными организациями для основного производства топливных ресурсов, которая включает транспортные, сбытовые расходы, налоги и акцизы и является ценой франко-вагон, склад назначения.

Анализ фактических данных подтвердил, что топливная отрасль производит значительные объемы продукции для народнохозяйственных нужд, играет большую роль в обеспечении государства валютными поступлениями. Она характеризуется высоким уровнем капиталоемкости, поэтому постоянно нуждается в значительных финансовых ресурсах. Кроме того, продолжается процесс трансформации отраслевой структуры цен, внутренние цены на топливные ресурсы приблизились к уровню мировых, отмечены существенные диспропорции в соотношении цен. В этих условиях важное значение имеет выявление характера тенденцийизменения цен на топливные ресурсы, а также комплексное использование методов статистического анализа и прогнозирования.

В работе исследованы отдельные теоретические и методологические аспекты статистической характеристики уровня и динамики цен. В диссертации усовершенствована система показателей статистики цен и предложены новые показатели стоимости необходимого социального набора и долговой стоимости единицы номинала целевого долгового обязательства, а также в отдельные блоки выделены показатели, характеризующие инфляцию, покупательную способность денежных доходов населения, биржевые котировки и территориальные сравнения.

Исследование возможных источников получения различной статистической информации о ценах показало, что основным источником информации остается государственная отчетность. Однако по мере развития рыночного сектора все большее значение приобретают специально организованные обследования, основанные на методах несплошного наблюдения, в частности, выборочные наблюдения. По нашему мнению, следует проводить периодические выборочные обследования цен оптовой торговли и цен приобретения промышленными организациями сырья и материалов.

Проведенный анализ абсолютной скорости и интенсивности изменения цен производства и приобретения на отдельные виды продукции топливной промышленности позволил сделать вывод, что в целом для всех видов продукции характерна тенденция роста. Однако в течение рассматриваемого периода процесс для разных видов продукции развивался неоднозначно. Так, с марта 1998г. началось снижение цены производства и приобретения нефти и дизельного топлива. С апреля-мая снижалась цена производства угля и топочного мазута. Однако, понашему мнению, снижение цен производства на топливо в целом незначительно сказалось на динамике цен его приобретения.

В работе рассмотрены две методики территориального анализа. Проведен качественный анализ показателей, характеризующих объемы и цены производства отдельных видов продукции по регионам страны, который позволил выявить межрегиональные различия. Так, анализ структурных сдвигов показал, что существенные структурные изменения наблюдались в объемах добычи угля энергетического каменного и объемах производства бензина автомобильного, а также топлива дизельного. Наиболее значительное изменение удельного веса отдельных регионов в общероссийском объеме производства отмечено по мазуту топочному, однако величина структурных сдвигов по этому виду продукции от года к году имеет тенденцию к снижению. Кроме того, выявилась следующая особенность: чем выше удельный вес в производстве отдельного вида продукции области-основного производителя, тем меньше величина структурных сдвигов по этому виду продукции.

На основе проведенного анализа территориальных различий в уровне цен производителей можно отметить, что в последние годы наметилась тенденция сближения региональных цен производства на нефть, газ естественный, топливо дизельное и одновременно с этим рост территориальной дифференциации цен на бензин автомобильный, уголь энергетический каменный. Цены производства всех рассмотренных видов продукции топливной промышленности имеют существенную вариацию по отдельным территориям России, а значит, изменение объемов производства окажет значительное влияние на уровень среднероссийской цены, поэтому, по нашему мнению, нецелесообразно строить прогнозы динамики цен по рядам среднероссийских цен. В диссертационном исследовании для прогнозирования тенденции изменения цениспользованы ряды базисных индексов цен, так как в относительных величинах элиминируется влияние структурных сдвигов.

В диссертации рассмотрены особенности моделирования и прогнозирования одномерных динамических рядов индексов цен производства и приобретения на отдельные виды продукции топливной промышленности. Доказано, что анализ одномерных динамических рядов должен строиться на основе выделения отдельных компонент рядов динамики, их оценки и последующего объединения результатов путем построения обобщающей модели. Общее направление развития рассматриваемых динамических рядов в работе выявлялось методом взвешенной скользящей средней. Применение именно этого вида средней связано с нелинейным характером изменения рассматриваемых динамических рядов. Однако наиболее совершенным методом измерения основной тенденции рядов динамики является метод аналитического выравнивания, который позволил определить обобщающие показатели динамических рядов индексов цен производства и приобретения отдельных видов топливной продукции, измерить их колеблемость, определить теоретические и рассчитать прогнозные уровни индексов цен.

Для каждого ряда индексов цен была выбрана оптимальная математическая функция. Параболическая тенденция развития характерна для рядов индексов цен производства нефти, топлива дизельного, угля для коксования, индексов цен приобретения топочного мазута и угля для коксования. Ряды индексов цен производства газа естественного, индексов цен приобретения бензина автомобильного, дизельного топлива и газа естественного развиваются по логистической функции, ряд индексов цен производства топочного мазута - по полиному третьей степени, ряд индексов цен приобретения нефти - по логарифмической кривой. Для исследуемых рядов динамики индексов цен были построены обобщающие модели на основе воссоединения компонентов.При прогнозировании динамических рядов индексов цен, особенно в условиях экономической нестабильности, по нашему мнению, нецелесообразно ограничиваться использованием только трендовых моделей, необходимо применять также адаптивные методы. Поэтому в работе рассматриваются также модели, полученные методами Брауна, Хольта и Бокса-Дженкинса.

На основе разработанных методик осуществлен ретроспективный прогноз индексов цен производителей и приобретения отдельных видов продукции топливной промышленности на 1998г. Анализ результатов показал, что для рядов индексов цен производителей и приобретения газа естественного более высокую точность прогноза обеспечила трендовая модель, для ряда индексов цен производителей бензина автомобильного -обобщающая модель; модель Брауна дала более точный прогноз на 1998г. для динамических рядов индексов цен производителей и приобретения нефти, а метод Бокса-Дженкинса - индексов цен производителей дизельного топлива, угля для коксования и угля энергетического каменного, а также индексов цен приобретения бензина автомобильного и топочного мазута.

Проведенное исследование позволило сделать вывод, что как трендовые, так и адаптивные модели могут быть использованы при прогнозировании индексов цен и обычно обеспечивают достаточно высокую точность. Однако для относительно устойчивых динамических рядов моделирование динамики можно осуществлять с помощью аналитического выравнивания, менее устойчивые ряды обычно лучше описываются адаптивными моделями.

В диссертации построен прогноз изменения цен производителей и приобретения на отдельные виды топливной продукции на 1999г. Согласно полученному прогнозу, за год увеличатся цены производства следующих видов продукции: нефти - на 7-11%, бензина автомобильного - на 18-23%, дизельного топлива - на 10-15%, мазута топочного - на7-10%, газа естественного - на 4-7%, угля для коксования - на 2-4%, угля энергетического каменного - на 1-3%. Повысятся цены приобретения ресурсов: нефти - на 10-15%, бензина автомобильного - на 2-4%, дизельного топлива - на 6-9%, топочного мазута - на 3-6%. Цена приобретения газа естественного останется на том же уровне или увеличится на 1-2%. Уголь для коксования, приобретаемый предприятиями для основного производства, станет дешевле на 5-7%.

В работе исследованы факторы, оказывающие влияние на уровень и динамику цен продукции. Усовершенствована их классификация. Введен новый блок факторов, характеризующих регулирование цен. Факторы этого блока в своем большинстве не могут быть непосредственно количественно измерены, но их можно учесть при построении моделей путем введения "фиктивных переменных".

При построении многофакторных регрессионных моделей индексов цен приобретения топливных ресурсов основное внимание уделено рыночным и производственным факторам.

Моделирование и прогнозирование многомерных рядов динамики индексов цен приобретения имеет свои особенности. Прежде всего, исследуемые ряды базисных индексов цен характеризуются сильной автокорреляцией. В связи с этим была исключена автокорреляция, а потом определена теснота связи между факторными и результативным признаками путем коррелирования отклонений от выравненных уровней, что связано с нелинейностью тенденций большинства рассматриваемых рядов динамики. Кроме того, выявлено наличие временного лага между некоторыми факторными и результативными признаками. Это обстоятельство учтено при построении моделей.

На основе анализа матриц парных коэффициентов корреляции сделан вывод о наличии коллинеарно связанных факторов и выявлены те факторы, которые в дальнейшем могут быть включены в многофакторныерегрессионные модели и использованы для построения прогнозов индексов цен приобретения топливных ресурсов.

В диссертации доказано, что среди всех рассмотренных видов продукции топливной промышленности от сводного индекса цен производителей в наибольшей степени зависит динамика индексов цен приобретения топлива дизельного; в наименьшей степени - динамика индексов цен приобретения топочного мазута. Сильное влияние на динамику индексов цен приобретения отдельных видов продукции оказывают индексы цен производителей соответствующих видов продукции и индекс объема промышленного производства. Индекс

Бызалова, Елена Александровна