Планирование и прогнозирование в условиях рынка

 
 
 
 
 
 

     Контрольная работа по дисциплине

     «ПЛАНИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ  В УСЛОВИЯХ РЫНКА»

     Вариант 3 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Содержание: 

Задача №1………………………………………………………………………….3

Задача №2………………………………………………………………………….7

Задача №3………………………………………………………………………...19

Задача №4………………………………………………………………………...21

Задача №5…………………………………………………………………...……25

Список литературы…………………………………………………………...….31 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Задача 1.

     Рассчитать  коэффициент локализации отрасли  торговли Псковской области за пять лет по данным статистического сборника «Регионы России». Построить тренд  показателя в виде линии. Сделать  прогноз показателя на следующие  три года методом скользящей средней (расчетный интервал – 2 года).

Решение:

     Коэффициент локализации – это отношение  доли занятых в i-той отросли в регионе к доле занятых в этой же отрасли по стране.

где - численность занятых в i-ой отрасли региона, чел.; - численность занятых во всех отраслях региона, чел.; - численность занятых в i-ой отрасли страны, чел.; - численность занятых во всех отраслях страны, чел.

Например, в 2003 году коэффициент локализации  составил:

Таблица 1.1

динамика коэффициента локализации отрасли торговли.

Показатель	2001	2002	2003	2004	2005
Численность занятого населения в торговле в  Псковской области, тыс.чел.	45,2	44,6	45,0	49,5	49,9
Численность занятого населения в Псковской  области, тыс.чел.	327,5	323,8	326,5	338,7	336,6
Численность занятого населения в торговле в  РФ, тыс.чел.	10516,6	10978,9	10 498,0	11 021,7	11 088,3
Численность занятого населения в РФ, тыс.чел.	64980,1	65573,6	65 979,2	66 207,0	66 791,4
Коэффициент локализации	85,28	82,27	86,62	87,79	89,30

 

     Расчет  прогноза коэффициента локализации  проводится методом скользящей средней  с учетом принципа «завтра будет  так, как было в среднем за последнее  время»: , смысл которого заключается в том, что модель видит только ближайшее прошлое (на Т отсчетов по времени в глубину) и, основываясь только на этих данных, строит прогноз.

      При условии, что расчетный интервал Т = 2 года, получим следующий прогноз:

     Скользящее  среднее для периода  2004-2005 годы:

     Тогда и скользящая средняя, рассчитанная для следующих периодов (2005 – 2006 гг.), будет 88,54.

     Прогноз на 2006 год:

     Прогноз на 2007 год:

     Прогноз на 2008 год:

Таблица 1.2.

Динамика  и прогноз коэффициента локализации  отрасли торговли.

Показатель	2001	2002	2003	2004	2005	2006	2007	2008
Кл, %	85,28	82,27	86,62	87,79	89,30	87,78	87,78	89,30

 

Рис.1.1. Динамика и функция тренда коэффициента локализации отрасли торговли в  Псковской области. 
 
 
 
 
 

Задача 2.

      По  данным статистического сборника «Регионы России» взять данные за 6 лет  по показателям: среднемесячная номинальная  заработная плата в Свердловской области, число предприятий в  Уральском федеральном округе.

      Рассчитать  коэффициенты ковариации и корреляции между этими показателями.

      Сделать вывод о направлении и тесноте  взаимосвязи между ними.

      Построить прогноз показателей на 3 года, используя  функции диаграмм программы Microsoft Office Excel.

      Для прогноза подобрать наиболее подходящие функции.

      Формулы этих функций использовать для расчета  значений показателей среднемесячной номинальной заработной платы в  Свердловской области и числа  предприятий и организаций в  Уральском федеральном округе на следующие 3 года (прогнозные).

Решение:

Таблица 2.1.

		2001	2002	2003	2004	2005	2006
Среднемесячная  номинальная заработная плата в  Свердловской области, тыс.руб.	X	3246,1	4473,1	5607,0	6928,4	8375,9	10772,3
Число предприятий и организаций в  Уральском федеральном округе	Y	267838	286663	310923	335035	356279	350158

 

  Среднеквадратическое  отклонение:

  Коэффициент ковариации:

  где n – количество лет наблюдаемого периода (в задаче 2 контрольной работы n = 6 лет); В_i – значение показателя В в i-ом периоде; - среднее значение показателя В за n лет; Г_i – значение показателя Г в i-ом периоде; - среднее значение показателя Г за n лет.

  Коэффициент корреляции:

     где σ_В – среднеквадратическое отклонение показателя В; σ_Г – среднеквадратическое отклонение показателя Г. 

      

  Коэффициент ковариации:

 

  Коэффициент корреляции:

       Судя по значению коэффициента  корреляции (>0,6), зависимость показателя  числа предприятий и организаций  в Уральском федеральном округе  от среднемесячной номинальной  начисленной заработной платы  работников организаций в Свердловской  области довольно сильная.

 

Таблица 2.2.

Вспомогательные расчеты. 

	Х	Y	(X-Xcp)	(Y-Ycp)	(X-Xcp)(Y-Ycp)	(X-Xcp)^2	(Y-Ycp)^2
1	3 246,10	267 838,00	-3 321,03	-51 478,00	170 960 153,93	11 029 262,40	2 649 984 484,00
2	4 473,10	286 663,00	-2 094,03	-32 653,00	68 376 470,43	4 384 975,60	1 066 218 409,00
3	5 607,00	310 923,00	-960,13	-8 393,00	8 058 399,07	921 856,02	70 442 449,00
4	6 928,40	335 035,00	361,27	15 719,00	5 678 750,73	130 513,60	247 086 961,00
5	8 375,90	365 279,00	1 808,77	45 963,00	83 136 342,30	3 271 636,85	2 112 597 369,00
6	10 772,30	350 158,00	4 205,17	30 842,00	129 695 750,33	17 683 426,69	951 228 964,00
Итого	39 402,80	1 915 896,00	0,00	0,00	465 905 866,80	37 421 671,17	7 097 558 636,00
Среднее	6 567,13	319 316,00

 
 
 

 

     

     При помощи табличного редактора построим графики и тренды для построения прогнозов значений показателей  на три года.

Рис.2.1. Динамика числа предприятий и  организаций в Уральском федеральном  округе.

Рис. 2.2. Построение полиномиального тренда. 

Рис. 2.3. Построение экспоненциального тренда. 

     При построении графиков оказалось, что  линейный и степенной тренды не очень  соответствуют действительности.

      Но  полиномиальный и экспоненциальный – лучше.

      Чтобы выяснить, который больше подходит для построения прогнозов, необходимо рассмотреть, какое из уравнений, выведенных табличным редактором лучше, рассчитаем квадраты отклонений теоретических  значений от фактических значений.

      Видим, что полиномиальный тренд дает минимальное  отклонение. Значит, его можно использовать для построения прогноза числа предприятий  и организаций на следующие годы. 
 
 
 

 

Таблица 2.3.

Проверка. 

t	1	2	3	4	5	6	Итого (за 6 лет)	Среднее (за 6 лет)	7	8	9
	2001	2002	2003	2004	2005	2006			2007	2008	2009
Число предприятий и организаций в  Уральском федеральном округе	267 838,00	286 663,00	310 923,00	335 035,00	365 279,00	350 158,00	1 915 896,00	319 316,00
	262 669,50	292 271,00	316 665,50	335 853,00	349 833,50	358 607,00	1 915 899,50		362 198,00	360 565,00	353 726,00
	26713392,25	31449664	32976306,25	669124	238563470,3	71385601	401 757 557,75	min
	272 401,06	289 592,71	307 869,34	327 299,44	347 955,81	369 915,82	1 915 034,19	319 172,36	393 261,77	418 081,12	444 466,85
	20 821 548,94	8 583 185,55	9 324 827,29	59 838 847,55	300 093 036,27	390 371 632,21	789 033 077,81