Повышение эффективности производства посредством интеграции статистических методов в функционально-стоимостный анализ. В. Б. Кузнецова
Чтение книги онлайн.
Читать онлайн книгу Повышение эффективности производства посредством интеграции статистических методов в функционально-стоимостный анализ - В. Б. Кузнецова страница 7
Анализ временных рядов и прогнозирование, стационарные и нестационарные процессы в развитии одномерных и многомерных временных рядов, их применение на практике подробно впервые представлены Дж. Боксом и Г. Дженкинсом, изучались М. Кендэлом. Параметризация и прогнозирование временных рядов представлены в теории стохастического прогнозирования. Их практическое применение с использованием ППП Statistica описано в работах В.П. Боровикова и Г.И. Ивченко. Эти методы позволят предупреждать принятие неэффективных решений и тем самым сохранять и повышать финансовую устойчивость, конкурентоспособность продукции (работ, услуг) и оптимизировать себестоимость, затраты, расходы, издержки.
С развитием компьютерной техники, совершенствованием информационных технологий, распространением пакетов прикладных программ (ППП) они стали важным инструментом в деятельности плановых, аналитических, маркетинговых отделов производственных предприятий и объединений, торговых, страховых компаний, банков, правительственных учреждений. В условиях экономической модернизации существенно меняются информационные запросы управляющих структур по объему, составу, достоверности и оперативности информации. В связи с этим для руководителей различных уровней возрастает роль прогнозов в принятии обоснованных управленческих решений.
Стремительное распространение пакетов прикладных программ позволило сделать доступными и наглядными современные методы и подходы статистического прогнозирования. При этом применение эконометрического программного обеспечения позволяет создать для пользователя уникальную среду, в которой статистическая обработка данных становится увлекательным исследованием, позволяющим получать многовариантные решения. Пользователь освобождается от всей черновой работы (проведение трудоемких расчетов, построение таблиц и графиков), на его долю остается исследовательская, творческая работа: постановка задачи, выбор методов прогнозирования, оценка качества полученных моделей, интерпретация результатов. Для этого необходимо иметь определенную подготовку в области прикладной статистики, знать методы и подходы статистического анализа и прогнозирования временных рядов [43]. В исследовании использовались экономико-математические модели, построенные с помощью Microsoft Excel и ППП Statistica:
1) метод аналитического выравнивания – прогнозирование по тренду позволяет определить основную тенденцию;
2) метод Census II – позволяет выделять сезонную и случайную компоненту, то есть провести декомпозицию ряда, разложение его на составные части;
3) метод Exponential smoothing & forecasting (экспоненциальное сглаживание и прогнозирование) – позволяет учитывать результат прогноза, сделанного на предыдущем шаге;
4) прогнозирование по модели Бокса-Дженкинса – ARIMA – процесс (ARIMA & autocorrelation functions) позволяет привести временной ряд к стационарному виду.
Одним