Статистика розничного товарооборота

Изучение динамики товарооборота. Эконометрические модели товарооборота. Дисперсионный анализ для линейной регрессии. Показательный тренд. Множественный регрессионный анализ товарооборота. Построение регрессии. Коэффициенты корреляции. Мультиколлинеарность

Рубрика Экономико-математическое моделирование
Вид реферат
Язык русский
Дата добавления 21.08.2008
Размер файла 788,4 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

2

Статистика розничного товарооборота

Санкт-Петербург

2007

Содержание

  • Содержание 2
  • Введение 3
  • Глава 1. Изучение динамики товарооборота 6
  • Глава 2. Эконометрические модели товарооборота. Показательный тренд 8
    • Построение регрессии 9
    • Дисперсионный анализ для линейной регрессии 12
    • Изучение качества линейной регрессии 13
    • Колеблемость признака 15
    • Прогноз 18
    • Вывод 18
  • Глава 3. Множественный регрессионный анализ товарооборота 18
    • Построение регрессии 18
    • Коэффициенты эластичности 21
    • Стандартизованные коэффициенты 21
    • Парные коэффициенты корреляции 22
    • Частные коэффициенты корреляции 22
    • Множественный коэффициент корреляции 22
    • Коэффициент детерминации 23
    • Мультиколлинеарность 23
    • Колеблемость признака 23
    • Доверительные интервалы для параметров регрессии 26
    • Вывод 27
  • Заключение 27
  • Литература 29
  • Введение
  • Товарооборот представляет собой процесс купли-продажи, обмена товара на деньги. В его основе лежит уступка права собственности на товар в обмен на его денежный эквивалент.
  • В товарообороте всегда имеются два полюса: покупатель и продавец; покупка есть в то же время продажа. Однако в статистике рынка, как правило, товарооборот рассматривается с позиции продавца и в анализе интерпретируется в качестве синонима продажи. Исключение составляет характеристика покупки товаров отдельными группами населения [3]. Товарооборот характеризует объем продажи и покупки товаров в стоимостных единицах, реже -- в натуральных. Бесплатная передача продукта или услуги (предоставление, помощь, перемещение) товарооборотом не является. В узком смысле под товарооборотом понимают только куплю-продажу продукта, при этом продажа услуг выделяется самостоятельно [8].
  • Оптовая и мелкооптовая продажа товаров, как правило, оплачивается по безналичному расчету, хотя, например, известен способ оптовой-продажи под названием “плати и забирай” (Carri-and-cash), который заключается в оперативном заключении сделки, оплате наличными деньгами и немедленном вывозе товара (при этом обычно делается скидка с оптовой цены). В розничной торговле и массовом питании (общественном питании) покупатель преимущественно расплачивается наличными деньгами; однако расширение продаж по каталогам и образцам, торговли в кредит и т. п., а также совершенствование банковского дела, внедрение кредитных пластиковых карточек могут впоследствии привести к увеличению доли безналичных расчетов и в рознице. Момент фактического отпуска товара и момент уплаты денег могут не совпадать, что создает некоторые трудности в учете товарооборота. Так, при продаже в кредит при отпуске товара уплачивается лишь часть денег, но в товарооборот включается вся стоимость проданного товара. При продаже по подписке, наоборот, вносится вся сумма, а товар доставляется в установленные соглашением сроки. В товарооборот включается стоимость только фактически доставленных клиенту товаров.
  • Таким образом, можно сформулировать определение предмета статистики товарооборота [5]. Предметом статистики товарооборота являются массовые процессы и явления перемещения товаров от производителя к потребителю и обмена товаров на деньги, поддающиеся количественной характеристике.
  • Статистика розничного товарооборота изучает заключительный этап товарного обращения, т. е. продажу товаров населению. Изучает объём и динамику продажи отдельных товаров. Является важным источником изучения роста потребления и благосостояния населения. Тесно связана со статистикой товарооборота статистика товарных запасов, определяющая их объём и состав в товаро-проводящей сети. Её основные показатели: обеспеченность товарооборота товарными запасами в днях (отношение объёма запасов на определённое число к однодневному товарообороту), скорость товарооборота (отношение товарооборота за некоторый период к среднему товарному запасу за этот же период) и продолжительность одного оборота в днях (отношение среднего товарного запаса к однодневному товарообороту). Статистика товарных запасов является важным источником изучения степени удовлетворения спроса населения на отдельные товары и соответствия предлагаемых товаров спросу [6].
  • Исходной задачей статистики товарооборота являются сбор и обработка данных, характеризующих процессы купли-продажи товаров. Изучение процессов товарооборота представляет большой интерес, как для государства, так и для рыночных структур. Государство, выступающее в роли гаранта прав покупателей и продавцов, естественно, должно быть информировано о главных рыночных процессах товарооборота. Изучение процесса формирования товарооборота, роли отдельных звеньев и рыночных структур является важной задачей государственных служб, занимающихся фиском, поскольку объем реализации продуктов и услуг, доля добавленной стоимости в товарообороте и т. д. определяют значительную часть налоговых поступлений. Данные и выводы статистики товарооборота используются в статистике уровня жизни, так как розничный товарооборот характеризует товарную массу, перешедшую в сферу личного потребления, а его размер в расчете на душу населения отражает тенденцию уровня индивидуального потребления продуктов и услуг. Рыночные структуры собирают и анализируют данные о товарообороте для оценки результатов собственной деятельности, характеристики деловой активности и конъюнктуры. Данные о товарообороте необходимы рыночным структурам для разработки и прогнозирования стратегии своего маркетинга. Таким образом, можно, сделать вывод, что сбор и анализ информации о товарообороте представляют важную задачу государственной статистики и бизнес-статистики фирм, занимающихся сбытовой и торговой деятельностью (включая продажу услуг) [1].
  • Общая, концептуальная цель статистики товарооборота сводится к сбору, обработке и анализу надежной информации об объеме, уровне, структуре и динамике купли-продажи товаров в целом и на разных уровнях хозяйствования. Интересы маркетингового управления требуют характеристики ритмичности, последовательности этапов товарооборота, связей производственной сферы и торговых посредников, получения данных об экономическом распределении рынка (т. е. товарооборота) между участниками рыночного процесса [7]. Государство, в свою очередь, нуждается в информации о территориальном (региональном) распределении товарооборота, связях товарооборота с доходами потребителей, переходе товарной массы в сферу потребления и насыщения рынка [4]. Исходя из целей регулирования и прогнозирования спроса и предложения необходимо выявлять закономерности и тенденции товарооборота. Отсюда вытекают конкретные функциональные задачи статистики товарооборота, которые можно сформулировать следующим образом:
  • · сбор, сводка и обработка информации о товарообороте на уровне предприятий, фирм, каналов товародвижения (торгово-сбытовых систем), регионов и в целом по стране; общем объеме товарооборота и продаже отдельных продуктов и услуг;
  • · оценки и анализ отдельных этапов товародвижения, уровней и длины каналов товародвижения, форм сбытового и торгово-посреднического товарооборота, формирования и использования товарных ресурсов;
  • · анализ объема товарооборота, его товарной структуры и ассортимента;
  • · анализ динамики товарооборота;
  • · анализ товарооборота на душу населения и процесса удовлетворения покупательского спроса;
  • · региональный анализ товарооборота.

Глава 1. Изучение динамики товарооборота

Развитие товарооборота--динамичный процесс. Купля-продажа товаров осуществляется не только в пространстве, но, и во времени. Конечно, отдельные акты купли-продажи дискретны, но в целом процесс обмена товаров на деньги непрерывен, хотя в статистике (в целях его измерения) его ограничивают временными рамками, подсчитывая объем реализованных товаров за определенный промежуток времени. Товарооборот “сегодня” -- это новая характеристика по отношению к товарообороту “вчера”. На векторе изменения товарооборота и интенсивности этого процесса существенно отражаются любые колебания и диспропорции рынка [9].

Тенденции изменения товарооборота во времени относятся к важнейшим оценкам состояния и развития рынка товаров и услуг. Показатели динамики товарооборота входят в число главных характеристик деловой активности. Перспективы развития рынка, а, следовательно, и масштабы коммерческого риска в большой степени зависят от характера и интенсивности развития товарооборота. Показатели динамики товарооборота используются как один из критериев разработки маркетинговой стратегии. Динамика товарооборота является одной из главных составляющих уровня жизни. С одной стороны, динамика товарооборота отражает (с некоторыми оговорками) основные закономерности покупательского спроса и тенденции его удовлетворения, с другой стороны, изменения товарооборота определяют потенциальные возможности получения валового дохода, а затем и прибыли. Динамика товарооборота является проявлением действия рыночного механизма, следствием фактически сложившихся пропорций спроса и предложения.

Все это определяет значительный интерес к динамическим процессам товарооборота со стороны, как государственной статистики, так и бизнес-статистики [2]. Исследование динамики товарооборота в целом, составных элементов и этапов этого процесса, факторов, которые обусловливают те или иные темпы развития и т. п., представляет собой важную задачу статистики рынка и статистики товарооборота в частности. К задачам изучения динамики товарооборота относятся:

· оценка и анализ изменения и тенденций общего объема товарооборота в целом по географическому и экономическому пространству, а также дифференцирование -- в территориальном разрезе, по формам рыночной деятельности, по социально-экономическим группам потребителей;

· оценка и анализ изменения продажи отдельных продуктов и услуг;

· выделение отдельных элементов (факторов) динамики товарооборота (количественного, ценностного, демографического, структурного и т. д.), построение факторных индексных моделей динамики товарооборота;

· выявление и моделирование закономерностей динамического развития товарооборота и его прогнозирование.

В оценке и анализе развития товарооборота используются все методы статистического исследования динамических процессов: построение динамических рядов (в натуральных и стоимостных единицах), расчет его показателей (базисных и цепных темпов роста и прироста, среднегеометрических темпов, абсолютных приростов и абсолютного значения 1 % прироста), построение трендовых и регрессионных моделей динамики, группировка отдельных предприятий, фирм, регионов по темпам роста товарооборота. Используются индексные и эконометрические методы. В данной работе будут строиться эконометрические модели.

Глава 2. Эконометрические модели товарооборота. Показательный тренд

Для фирмы АВТОЦЕНТР КУПЧИНО

1. Санкт-Петербург, м. Балканская д.57 (812) 448-12-12

2. Телефоны: (812) 448-12-12

3. Факс: (812) 448-12-12

4. Лицензия агентства - ТД №0027418

5. ИНН 7718508851

6. КПП 771801001

7. Р/с 40702810838290106844, Стромынский ОСБ № 5281 СБ РФ

8. К/с 30101810400000000225

9. БИК 044525225

имеются наблюдения за 30 месяцев по продажам автомобилей KIA.

количество проданного товара

месяц

индекс цен

 

количество проданного товара

месяц

индекс цен

5

1

1,0000

148

16

0,7386

7

2

0,9800

181

17

0,7238

29

3

0,9604

195

18

0,7093

54

4

0,9412

194

19

0,6951

63

5

0,9224

200

20

0,6812

52

6

0,9039

229

21

0,6676

35

7

0,8858

279

22

0,6543

33

8

0,8681

332

23

0,6412

54

9

0,8508

371

24

0,6283

85

10

0,8337

394

25

0,6158

104

11

0,8171

419

26

0,6035

102

12

0,8007

468

27

0,5914

90

13

0,7847

543

28

0,5796

89

14

0,7690

631

29

0,5680

110

15

0,7536

740

30

0,5566

По визуальному изучению динамического ряда приходим к выводу, что следует моделировать показательным временным трендом .

Обозначим ln(f)=y, ln(a)=alpha, ln(b)=beta

Получим

Оценим линейную регрессию

Построение регрессии

Для регрессии вида найдем коэффициенты по формулам [10]

Вычислим

Тогда

Откуда

Тогда линейная регрессия будет иметь вид

Смысл коэффициента beta заключается в том, что при изменении значения X на 1 единицу Y меняется на 0, 1315 единиц. Параметры показательной регрессии

Нарисуем точки и регрессию:

Дисперсионный анализ для линейной регрессии

Среднее Y

Остаточная вариация (RSS) [14]

Общая вариация (TSS)

Объясняемая вариация (ESS)

Правило сложения дисперсий выполняется

Подсчитаем оценку дисперсии ошибки, т.е.

Среднее X

Найдем оценки дисперсий коэффициентов регрессии

по формулам

Получим

Изучение качества линейной регрессии

Доверительные интервалы для оцененных параметров

уровень доверия

Количество степеней свободы 28

Критическое значение статистики Стьюдента

Доверительный интервал для beta

равен

Не можем на данном уровне значимости принять гипотезу beta=0 т.к. не попадает в доверительный интервал [11].

Доверительный интервал для alpha

равен

Мы не можем на данном уровне значимости принять гипотезу alpha=0 т.к. не попадает в доверительный интервал.

Критерий Фишера значимости всей регрессии

Коэффициент корреляции

где

показывает, что связь сильна

Коэффициент детерминации

показывает, что регрессия объясняет 89, 08 процентов вариации признака.

Убедимся в значимости модели с помощью статистики Фишера

которая больше критического значения

Следовательно, регрессия значима

Проверим значимость коэффициента корреляции

поэтому выборочный коэффициент корреляции значимо отличается от нуля.

Средняя ошибка аппроксимации

Колеблемость признака

Колеблемость - это отклонения уровней динамического ряда от тренда, т.е. остатки регрессии [13].

Найдем остатки регрессии (т.е. очищаем признак от тренда)

Нарисуем график остатков

Среднее линейное отклонение уровней ряда от тренда описывается показателем

т.е. среднее абсолютное отклонение от тренда равно

Амплитуда колебаний есть разность максимального и минимального отклонения и показывает максимальный разброс отклонений.

Индексы сезонности находятся по формулам

Степень тесноты связи между последовательностями наблюдаемого временного ряда, сдвинутого относительно друг друга на t единиц может быть определена с помощью коэффициента автокорреляции

Показатель t служит порядком коэффициента автокорреляции. Для разных t получаем r(t) -автокорреляционную функцию

а ее график - коррелограмма.

Статистика Дарбина-Уотсона

Попали в зону положительной автокорреляции.

Прогноз

Точечный прогноз для

Вывод

Модель оказалось достаточно хорошей. Критерий Стьюдента и Фишера показывают, что модель значима. По графику остатков можно видеть, что присутствует сезонность, т.е. периодичность 3-го и 4-го порядков. Значит модель обладает хорошими прогнозными свойствами и ее можно использовать в прогнозировании товарооборота фирмы, учитывая сезонность.

Глава 3. Множественный регрессионный анализ товарооборота

Теперь будем строить еще одну регрессию, но множественную. Учтем цепной индекс цен на товары в качестве одного из регрессоров.

Построение регрессии

Для регрессии вида найдем коэффициенты. Матрица X имеет вид.

1

1

1,0000

1

2

0,9800

1

3

0,9604

1

4

0,9412

1

5

0,9224

1

6

0,9039

1

7

0,8858

1

8

0,8681

1

9

0,8508

1

10

0,8337

1

11

0,8171

1

12

0,8007

1

13

0,7847

1

14

0,7690

1

15

0,7536

1

16

0,7386

1

17

0,7238

1

18

0,7093

1

19

0,6951

1

20

0,6812

1

21

0,6676

1

22

0,6543

1

23

0,6412

1

24

0,6283

1

25

0,6158

1

26

0,6035

1

27

0,5914

1

28

0,5796

1

29

0,5680

1

30

0,5566

Найдем обратную матрицу

Дополнительные миноры

Их определители

Союзная матрица

Союзная транспонированная матрица

Делим каждый элемент на определитель, получаем

Найдем

Уравнение регрессии имеет вид

Нарисуем график

Среднее значение регрессоров и Y

Коэффициенты эластичности

равны

Стандартизованные коэффициенты

Тогда

Парные коэффициенты корреляции

Частные коэффициенты корреляции

Множественный коэффициент корреляции

или

Ошибка множественного коэффициента корреляции

Коэффициент детерминации

Скорректированный

Проведем F-тест Фишера на значимость регрессии.

Регрессия значима.

Мультиколлинеарность

1. Определитель матрицы

отличено от нуля

2. Парный коэффициент корреляции | | близок к 1

Поэтому мультиколлинеарность может иметь место.

Колеблемость признака

Колеблемость - это отклонения уровней динамического ряда от тренда, т.е. остатки регрессии [12].

Найдем остатки регрессии (т.е. очищаем признак от тренда)

Нарисуем график остатков

Среднее линейное отклонение уровней ряда от тренда описывается показателем

т.е. среднее абсолютное отклонение от тренда равно

Амплитуда колебаний есть разность максимального и минимального отклонения и показывает максимальный разброс отклонений.

Индексы сезонности находятся по формулам

Степень тесноты связи между последовательностями наблюдаемого временного ряда, сдвинутого относительно друг друга на t единиц может быть определена с помощью коэффициента автокорреляции

Показатель t служит порядком коэффициента автокорреляции. Для разных t получаем r(t) – автокорреляционную функцию

а ее график называется коррелограмма.

Статистика Дарбина-Уотсона

Попали в зону положительной автокорреляции.

Доверительные интервалы для параметров регрессии

Дисперсия ошибок определяется по формуле

Дисперсия

Количество степеней свободы 27. Критическое значение статистики Стьюдента . Уровень доверия 95%

Доверительный интервал для

равен Не можем на данном уровне значимости принять гипотезу т.к. не попадает в доверительный интервал.

Доверительный интервал для

равен Не можем на данном уровне значимости принять гипотезу т.к. не попадает в доверительный интервал.

Доверительный интервал для

равен. Не можем на данном уровне значимости принять гипотезу т.к. не попадает в доверительный интервал.

Вывод

Множественная линейная модель оказалась хуже показательного тренда, т.к. коэффициент детерминации меньше, Среднее линейное отклонение выше, автокорреляция и сезонность присутствует. Целесообразнее пользоваться первой моделью. Возможно наличие мультиколлинеарности, т.к. коэффициент корреляции между X1 и X2 близок к -1.

Заключение

Задачи статистики товарооборота конкретизируются и дифференцируются при статистическом изучении подотраслей (субрынков), в частности статистики сбыта и продажи средств производства, статистики оптового и розничного товарооборота продуктов народного потребления, статистики массового питания, статистики услуг. Однако общие принципы учета и анализа процессов купли-продажи товаров и их перемещения полностью укладываются в приведенную выше схему. В ходе реализации задач по оценке и анализу товарооборота в целом или каких-то его составляющих неизбежно, возникают дополнительные задачи по выявлению и интерпретации причинно-следственных связей, характеристике факторов, которые в отдельности или в комплексе обусловили характер развития товарооборота.

Существуют определенные различия задач государственной и бизнес-статистики товарооборота. Если в бизнес-статистике товарооборота отдельных фирм на первом плане оценки результатов собственной деятельности и места фирмы на рынке, то в государственной макростатистике товарооборота преобладают цели выявления общих закономерностей и тенденций, выявления роли отдельных субрынков, анализ межрегионального обмена и социальных различий душевого уровня товарооборота. Кроме того, как уже отмечалось, важнейшей целью государственной статистики являются формирование системы национальных счетов и анализ ее показателей, связанных с процессом товарооборота.

Как из работы можно видеть, прогнозирование товарооборота хорошо осуществляется средствами эконометрики. В работе были построены две модели пригодные для прогноза и объяснения уровня продаж.

Литература

1. Н. И. Щедрин «Статистика торговли» г. Москва «Финансы и статистика» 2003 год.

2. И. К. Беляевский, Н. Н. Ряузов, Д. Н. Ряузов « Статистика торговли» г. Москва «Финансы и статистика» 2002 год.

3. А. И. Харламов «Статистика советской торговли» г. Москва «Экономика» 2001 год.

4. Под редакцией профессора Р.А. Шмойловой «Теория статистики» г. Москва «Финансы и статистика» 2004 го

5. Статистика рынка товаров и услуг: Учебник/ Под ред. И.К. Беляевского. - М., 1997

6. Кулагина Г.Д. Статистика товарного обращения. - М., 1989.

7. Беляевский И.К., Ряузов Н.Н., Ряузов Д.Н. Статистика торговли: Учебник. - М., 1989.

8. Беляевский И. К. Сборник задач по статистике торговли.- М., 1991.

9. Годин А.М. Статистика: Учебник. - М., 2002.

10. Курс социально-экономической статистики: Учебник/ Под ред. Проф. М.Г. Назарова. - М., 2000.

11. Елисеева И.И. Общая теория статистики: Учебник для ВУЗов. - М.: Финансы и статистика, 1999.

12. Ефимова М.Р. Общая теория статистики: Учебник.- М.: Финансы и статистика, 1999.

13. Ефимова М.Р. Практикум по общей теории статистики: Учебн. пособие.- М.: Финансы и статистика, 1999.

14. Козлов В.С., Эрлих Я.М., Долгушевский Ф.Г. Общая теория статистики: Учебник.- М.: Статистика, 1975.

15. Общая теория статистики: Статистическая методология в изучении коммерческой деятельности. Учебник для ВУЗов.- М.: Финансы и статистика, 1999.


Подобные документы

  • Применение метода аналитической группировки при оценке показателей розничного товарооборота. Определение эмпирического корреляционного отношения, издержек обращения и товарооборота с помощью уравнения линейной регрессии метода математической статистики.

    контрольная работа [316,4 K], добавлен 31.10.2009

  • Анализ метода наименьших квадратов для парной регрессии, как метода оценивания параметров линейной регрессии. Рассмотрение линейного уравнения парной регрессии. Исследование множественной линейной регрессии. Изучение ошибок коэффициентов регрессии.

    контрольная работа [108,5 K], добавлен 28.03.2018

  • Анализ изменения товарооборота. Расчёт цепного и среднего абсолютного прироста. Сглаживание исходного временного ряда по методу скользящей средней. Описание изменения товарооборота линейной и параболической моделью. Прогноз рассматриваемого показателя.

    контрольная работа [112,7 K], добавлен 22.12.2011

  • Выбор факторных признаков для двухфакторной модели с помощью корреляционного анализа. Расчет коэффициентов регрессии, корреляции и эластичности. Построение модели линейной регрессии производительности труда от факторов фондо- и энерговооруженности.

    задача [142,0 K], добавлен 20.03.2010

  • Описание классической линейной модели множественной регрессии. Анализ матрицы парных коэффициентов корреляции на наличие мультиколлинеарности. Оценка модели парной регрессии с наиболее значимым фактором. Графическое построение интервала прогноза.

    курсовая работа [243,1 K], добавлен 17.01.2016

  • Исследование линейных моделей парной (ЛМПР) и множественной регрессии (ЛММР) методом наименьших квадратов. Исследование зависимости производительности труда от уровня механизации. Анализ развития товарооборота по данным о розничном товарообороте региона.

    контрольная работа [23,8 K], добавлен 08.12.2008

  • Пример группировки по количественному признаку экспортной квоты в ВВП в развивающихся странах. Статистическое изучение связи между заданными явлениями. Расчет общих индексов: цен, физического объема товарооборота и товарооборота в фактических ценах.

    контрольная работа [80,7 K], добавлен 09.07.2013

  • Построение обобщенной линейной модели множественной регрессии, ее суть; теорема Айткена. Понятие гетероскедастичности, ее обнаружение и методы смягчения проблемы: тест ранговой корреляции Спирмена, метод Голдфелда-Квандта, тесты Глейзера, Парка, Уайта.

    контрольная работа [431,2 K], добавлен 28.07.2013

  • Оценка тесноты связи с помощью показателей корреляции и детерминации. Построение поля корреляции и расчёт параметров линейной регрессии. Результаты вычисления функций и нахождение коэффициента детерминации. Регрессионный анализ и прогнозирование.

    курсовая работа [1,1 M], добавлен 07.08.2011

  • Корреляционный и регрессионный анализ экономических показателей. Построение матрицы парных коэффициентов корреляции. Расчет и сравнение частных и парных коэффициентов корреляции. Построение регрессионной модели и её интерпретация, мультиколлинеарность.

    курсовая работа [314,1 K], добавлен 21.01.2011

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.