3.7 Добавление линии тренда к рядам данных на диаграмме

Если имеется некоторая совокупность данных, характеризующих динамику исследуемого показателя, то всегда можно попытаться найти на графике наилучший вариант линии, которая будет «ближайшей» к точкам наблюдений в рамках всей их совокупности. Эта линия поможет понять фактические данные, выявить тенденции развития и на этой основе построить оптимальный прогноз будущих значений ряда. Использование графического метода в сочетании с возможностями MSExcel позволяет не только оперативно построить линию, наилучшим образом аппроксимирующую исходные данные, но и дать ей математическое описание и качественную оценку.

Рисунок 3.3 – Оценка прогноза прибыли на основе линейной кривой роста

Примечание – Источник: собственная разработка.

Рисунок 3.4 – Оценка прогноза прибыли на основе логарифмической кривой роста

Примечание – Источник: собственная разработка.

Рисунок 3.5 – Оценка прогноза прибыли на основе полиномиальной кривойроста

Примечание – Источник: собственная разработка.

Рисунок 3.6 – Оценка прогноза прибыли на основе степенной кривой роста

Примечание – Источник: собственная разработка.

Рисунок 3.7 – Оценка прогноза прибыли на основе экспоненциальной кривой роста

Примечание – Источник: собственная разработка.

Приведённые графики прибыли свидетельствуют, что наибольшая степень приближения линии тренда к базовым данным достигнута в случае с линейной кривой роста и с полиномиальной кривой роста 3-й степени, а наименьшая – в случае логарифмической кривой.

По приведённым графикам был составлен прогноз прибыли на 17-й месяц. Результаты представлены в таблице 3.8.

Таблица 3.8 – Прогноз товарооборота магазина на 17-й месяц

Тип модели тенда	Формула расчета прогноза	Прогноз ТО на 17-й месяц, тыс.р
Линейная	437,43*17 + 27920	35356,3
Логарифмическая	2429,4*LN (17) + 26981	33864
Полиноминальня	13,085*17^2 + 214,98*17 + 28587	36023,2
Степенная	27215*17^0,0774	33887,9
Экспоненциальная	28081*e^0,0138*17	35505,7

Примечание – Источник: собственная разработка.

Таким образом, у нас имеется широкая база для оценки возможных направлений изменения прибыли и выбора оптимального варианта прогноза, принимая во внимание обозначившиеся ко времени его составления ограничения и противоречия. При необходимости сформированная база прогнозных величин может быть дополнена изучением степени влияния на развитие исследуемого показателя тех или иных факторов, находящихся с ним в непосредственной взаимосвязи. В этом случае окончательный вариант прогноза будет формироваться с учетом размеров и направлений возможного изменения факторов, оказывающих существенное влияние на исследуемый показатель.

4. Применение регрессионного анализа в построении экономических прогнозов.

Регрессионный анализ является эффективным статистическим методом изучения взаимосвязей переменных, из которых одна рассматривается как объяснимая, а другие как объясняющие. В основе любой регрессионной модели лежит уравнение регрессии, которое показывает, каким будет в среднем изменение зависимой переменной, если независимые переменные примут конкретное значение.

Для отоброжения оценки регрессионной взаимосвязи переменных могут использоваться различные функции: линейная, экспоненциальная, логарифмическая, полиномиальная и др.