Анализ состояния отрасли сахарного производства в Кыргызской Республике

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Содержание

Введение

Глава 1. Теоретические основы эконометрики как науки

1.1 Предмет, методы и задачи эконометрики

1.2 Метод наименьших квадратов как инструмент экономического анализа

Глава 2. Анализ функционирования рынка сахара в Кыргызстане

2.1 Анализ развития сахарной отрасли в Кыргызстане

2.2 Оценка эластичности объемов импорта сахара от цены

Глава 3. Построение моделей влияния рыночных факторов на развитие рынка сахара в Кыргызстане

3.1 Построение регрессионной модели зависимости цены сахара от объемов его производства

3.2 Построение различных моделей тренда зависимости цены от объемов производства и импорта сахара

3.3 Оценка качества моделей зависимости цены реализации сахара от рыночных факторов

Заключение

Список литературы

Введение

В системе отечественного экономического образования эконометрика появилась лишь в 90-х годах, тогда как среди западных экономистов курс эконометрики давно считался одним из важнейших. Основных причин этому две. Во-первых, директивно-плановая экономика строится по принципу “высшей целесообразности” и не принимает во внимание, что экономические субъекты (индивидуумы или фирмы) руководствуются в первую очередь своими интересами. Отсюда - серьёзное внимание, которое уделялось в советской экономической науке оптимизационным методам, линейному программированию, и недооценка математического описания стихийных рыночных процессов. Во-вторых, эконометрические методы способны выявить негативные тенденции, объективная констатация которых была нежелательна для властей. Когда мы пытаемся изучить сложный экономический процесс, необходимо получить представление о характере взаимозависимости его отдельных сторон. Обычно с целью анализа выделяется так называемый результативный признак, значение которого, как предполагается, зависит от значений других признаков, называемых факторными (они могут быть количественными или качественными). Например, заработная плата работника, безусловно, зависит от уровня образования, возраста, пола, стажа работы и т.д. В других случаях признаки выступают как равноправные, взаимозависимые величины. Например, размер одежды и размер обуви связаны друг с другом, но нет особого смысла в том, чтобы считать один из этих признаков (какой?) факторным, а другой результативным.

Цель курсовой работы: выполнить анализ состояния отрасли сахарного производства в Кыргызской Республике.

В соответствии с поставленной целью в работе решены следующие задачи:

1. Исследованы теоретические основы эконометрики как науки.

2. Изучен основной метод эконометрического исследования - аппарат регрессионных уравнений.

3. В рамках выполнения эконометрического анализа применен метод наименьших квадратов.

4. Выполнен анализ функционирования отрасли сахарного производства в Кыргызской Республике.

5. Использованы регрессионные уравнения для прогноза на примере потребления сахара в Кыргызской Республике.

Объектом исследования в работе является отрасль сахарного производства. Предмет исследования - прогнозирование развития отрасли сахарного производства и потребления в Кыргызстане.

Работа состоит из трех глав, введения, заключения. Выполненный анализ основан на первичной информации, предоставленной Национальным Статистическим комитетом. Вся исходная информация представлена в виде диаграмм.

эконометрика сахар регрессия импорт

Глава 1. Применение эконометрики в анализе экономических моделей

1.1 Предмет, методы и задачи эконометрики

Эконометрика -- наука, изучающая количественные и качественные экономические взаимосвязи с помощью математических и статистических методов и моделей. Современное определение предмета эконометрики было выработано в уставе Эконометрического общества, которое главными целями назвало использование статистики и математики для развития экономической теории. Теоретическая эконометрика рассматривает статистические свойства оценок и испытаний, в то время как прикладная эконометрика занимается применением эконометрических методов для оценки экономических теорий. Эконометрика дает инструментарий для экономических измерений, а также методологию оценки параметров моделей микро- и макроэкономики. Кроме того, эконометрика активно используется для прогнозирования экономических процессов как в масштабах экономики в целом, так и на уровне отдельных предприятий. При этом эконометрика является частью экономической теории, наряду с макро- и микроэкономикой.

Термин «эконометрика» состоит из двух частей: «эконо» -- от «экономика» и «метрика» -- от «измерение». Эконометрика входит в обширное семейство дисциплин, посвященных измерениям и применению статистических методов в различных областях науки и практики. К этому семейству относятся, в частности, биометрия, технометрика, наукометрия, психометрия, хемометрия, квалиметрия. Особняком стоит социометрия -- этот термин закрепился за статистическими методами анализа взаимоотношений в малых группах, то есть за небольшой частью такой дисциплины, как статистический анализ в социологи

Первые попытки количественных исследований в экономике относятся к XVII в. Они были связаны с представителями нового направления в экономической теории -- политической арифметики. У. Петти, Ч. Давенант, Г. Кинг использовали конкретные экономические данные в своих исследованиях, в первую очередь, при расчете национального дохода. Это направление пробудило поиск экономических законов, по аналогии с физическими, астрономическими и другими естественно-научными законами. При этом существование неопределённости в экономике ещё не осознавалось.

Важным этапом возникновения эконометрики явилось развитие статистической теории в трудах Ф. Гальтона, К. Пирсона, Ф. Эджворта. Эти ученые предопределили первые применения парной корреляции. Так, Дж.Э. Юл определял связь между уровнем бедности и формами помощи бедным. Г. Хукер же измерял связь между уровнем брачности и благосостоянием, в котором использовалось несколько индикаторов благосостояния, также он исследовал временные ряды экономических переменных.

С 1830-х годов наиболее развитые страны стали испытывать необъяснимые с точки зрения экономической науки того времени потрясения - упадок деловой активности, возникновение массовой безработицы. Быстрое промышленное развитие и урбанизация выявила огромный пласт нерешенных социальных проблем. Уже в конце XIX в. неоклассическая теория стала восприниматься как слишком удаленная от действительности. Теория могла стать убедительной в том случае, если она бы смогла объяснить изменения, происходящие в экономике. Для её практического применения требовались количественные выражения базовых экономических терминов.

Значительный вклад в становление эконометрики внесли исследования цикличности экономики. Первым цикличность экономики обнаружил К. Жугляр. Он выявил 7-11-летние циклы инвестиций. Сразу после него С. Китчин выявил 3-5-летнюю периодичность обновления оборотных средств, С. Кузнец, лауреат Нобелевской премии по экономике за 1971 год, обнаружил 15-20-летние циклы в строительстве, а Н. Кондратьев выявил свои знаменитые «длинные волны» продолжительностью 45-60 лет.

Важным этапом формирования эконометрики явилось построение экономических барометров. Построение экономических барометров основано на идее того, что существуют показатели, которые изменяются раньше других и поэтому могут служить сигналами изменений последних. Первым и самым известным стал Гарвардский барометр, который был создан в 1903 году под руководством У. Персонса и У. Митчелла. Он состоял из кривых, характеризующих фондовый, товарный и денежный рынки. Каждая из этих кривых представляла собой среднюю арифметическую из входящих в неё нескольких показателей. Эти ряды предварительно обрабатывались путем исключения тенденции, сезонности и приведения колебаний отдельных кривых к сравнимому масштабу колеблемости. Успех использования гарвардского барометра вызвал появление многих аналогичных барометров в других странах. Однако, приблизительно с 1925 г. он потерял свою чувствительность. Его крах объясняется появлением мощного регулирующего фактора в экономике США. В этих условиях основным методом макроэкономического анализа становится метод построения межотраслевого баланса В.В. Леонтьева. В это же время начали строиться экономические модели, использующие методы гармонического анализа. Эти методы были перенесены в экономику из астрономии, метеорологии и физики.

К 1930-м годам сложились все предпосылки для выделения эконометрики в отдельную науку. Стало ясно, что для более глубокого понимания экономических процессов стоит использовать в той или иной степени статистику и математику. Возникла необходимость появления новой науки со своим предметом и методом, объединяющей все исследования в этом направлении. 29 декабря 1930 г. по инициативе И. Фишера, Р. Фриша, Я. Тинбергена, Й. Шумпетера, О. Андерсона и других ученых было создано эконометрическое общество. В 1933 г. Р. Фриш основал журнал «Эконометрика», который и сейчас имеет большое значение для развития эконометрики. А уже в 1941 г. появляется первый учебник по новой научной дисциплине, написанный Я. Тинбергеном. В 1969 г. Фриш и Тинберген стали первыми исследователями, получившими Нобелевскую премию по экономике. Как говорится в официальном сообщении нобелевского комитета: «за создание и применение динамических моделей к анализу экономических процессов».

До 1970-х годов эконометрика понималась как эмпирическая оценка моделей, созданных в рамках экономической теории. По мнению эконометристов того времени, статистические данные должны были защитить теорию от догматизма. При этом подавляющее большинство экономических моделей, построенных в этот период, были кейнсианскими.

В 1980 г. вторую эконометрическую Нобелевскую премию по экономике получил американский экономист Лоуренс Клейн за создание экономических моделей и их применение к анализу колебаний экономики и экономической политики. Совместно с А. Голдбергом создал одну из самых известных моделей американской экономики, известной как «модель Клейна-Голдберга». В основу структуры этой модели были положены его собственные разработки. Она состояла из взаимосвязанных одновременных и направленных рядов уравнений, решение которых давало картину производства в стране. Говоря об этой модели, Р.Дж. Болл отмечал: «Как эмпирическое представление об основах кейнсианской системы эта модель стала, возможно, самой знаменитой среди моделей крупных национальных хозяйств до появления других моделей в 60-е гг.». Клейн также организовал широко известный проект «Линк» для интеграции статистических моделей разных стран в единую общую систему с целью улучшения понимания международных экономических связей и прогнозирования в области мировой торговли. В это время активно развивалась не только макро-, но микроэконометрика. Пионерами этого направления выступили Д. Хэкман и Д. Макфадден. Они разработали теорию и методы, которые широко используются в статистическом анализе поведения индивидуумов и домохозяйств как в экономике, так и в других общественных науках.

Важным событием для развития эконометрики стало появление компьютеров. Благодаря им мощное развитие получил статистический анализ временных рядов. Г. Бокс и Г. Дженкинс создали ARIMA-модель в 1970 г., а К. Симс и некоторые другие ученые -- VAR-модели в начале 1980-х гг. Стимулировало эконометрические исследования и бурное развитие финансовых рынков и производных инструментов. Это привело лауреата Нобелевской премии по экономике за 1981 год Дж. Тобина к разработке моделей с использованием цензурированных данных.

Большое влияние на современную эконометрику оказал и Хаавельмо. Хаавельмо показал, как можно использовать методы математической статистики для того, чтобы получать обоснованные заключения о сложных экономических взаимосвязях исходя из случайной выборки эмпирических наблюдений. Эти методы можно, кроме того, использовать для оценивания соотношений, полученных на основе экономических теорий, и для проверки этих теорий. В 1989 г. ему присудили Нобелевскую премию по экономике «за прояснение вероятностных основ эконометрики и анализ одновременных экономических структур».

Задачей эконометрики, согласно определению данному Магнусом, является выявление количественной связи между экономическими показателями и явлениями для последующего прогнозирования.

Для этих целей используются следующие методы:

1) Регрессионный анализ

Регрессионный анализ -- статистический метод исследования зависимости между зависимой переменной и одной или несколькими независимыми переменными. При этом терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных, а не причинно-следственные отношения. Для адекватного описания сложных внутренне неоднородных экономических процессов, как правило, применяются системы эконометрических уравнений. В более простых случаях можно использовать и простые изолированные уравнения.

2) Анализ временных рядов

Анализ временных рядов -- совокупность математико-статистических методов анализа, предназначенных для выявления структуры временных рядов и для их прогноза. Выявление структуры временного ряда необходимо для того, чтобы построить математическую модель того явления, которое является источником анализируемого временного ряда. Прогноз будущих значений временного ряда используется при принятии решений. Прогнозирование также интересно тем, что оно рационализирует существование анализа временных рядов отдельно от экономической теории.

Как правило, при прогнозировании исходят из некоторой заданной параметрической модели. При этом используются стандартные методы параметрического оценивания (МНК, ММП, метод моментов). С другой стороны, достаточно разработаны методы непараметрического оценивания для нечетко заданных моделей

3) Панельный анализ

Панельные данные представляют собой прослеженные во времени пространственные микроэкономические выборки, т.е. они состоят из наблюдений одних и тех же экономических единиц, которые осуществляются в последовательные периоды времени. Панельные данные насчитывают три измерения: признаки -- объекты -- время. Их использование дает ряд существенных преимуществ при оценке параметров регрессионных зависимостей, так как они позволяют проводить как анализ временных рядов, так и анализ пространственных выборок. С помощью подобных данных изучают бедность, безработицу, преступность, а также оценивают результативность государственных программ в области социальной политики.

Основным методом, используемым в курсовой работе, является метод регрессионных уравнений, поэтому ниже приведен подробный обзор этого метода.

Определение: Регрессией в теории вероятностей и математической статистике называется зависимость среднего значения величины от значения другой величины (или нескольких величин).

Регрессия может быть парной, когда исследуется связь только двух переменных, и множественной, когда объясняемая переменная зависит от нескольких переменных.

Парная регрессия представляет собой регрессию между двумя переменными - и, т. е. модель вида:

,

где - зависимая переменная (результативный признак); - независимая, или объясняющая, переменная (признак-фактор). Знак «^» означает, что между переменными и нет строгой функциональной зависимости, поэтому практически в каждом отдельном случае величина складывается из двух слагаемых:

,

где - фактическое значение результативного признака; - теоретическое значение результативного признака, найденное исходя из уравнения регрессии; - случайная величина, характеризующая отклонения реального значения результативного признака от теоретического, найденного по уравнению регрессии.

Случайная величина называется также возмущением. Она включает влияние не учтенных в модели факторов, случайных ошибок и особенностей измерения. Ее присутствие в модели порождено тремя источниками: спецификацией модели, выборочным характером исходных данных, особенностями измерения переменных.

От правильно выбранной спецификации модели зависит величина случайных ошибок: они тем меньше, чем в большей мере теоретические значения результативного признака , подходят к фактическим данным

К ошибкам спецификации относятся неправильный выбор той или иной математической функции для и недоучет в уравнении регрессии какого-либо существенного фактора, т. е. использование парной регрессии вместо множественной.

Наряду с ошибками спецификации могут иметь место ошибки выборки, которые имеют место в силу неоднородности данных в исходной статистической совокупности, что, как правило, бывает при изучении экономических процессов. Если совокупность неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности единицы с аномальными значениями исследуемых признаков. И в этом случае результаты регрессии представляют собой выборочные характеристики.

Использование временной информации также представляет собой выборку из всего множества хронологических дат. Изменив временной интервал, можно получить другие результаты регрессии.

Наибольшую опасность в практическом использовании методов регрессии представляют ошибки измерения. Если ошибки спецификации можно уменьшить, изменяя форму модели (вид математической формулы), а ошибки выборки - увеличивая объем исходных данных, то ошибки измерения практически сводят на нет все усилия по количественной оценке связи между признаками.

Предполагая, что ошибки измерения сведены к минимуму, основное внимание в эконометрических исследованиях уделяется ошибкам спецификации модели. В парной регрессии выбор вида математической функции может быть осуществлен тремя методами:

1) графическим;

2) аналитическим, т.е. исходя из теории изучаемой взаимосвязи;

3) экспериментальным.

При изучении зависимости между двумя признаками графический метод подбора вида уравнения регрессии достаточно нагляден. Основные типы кривых, используемые при количественной оценке связей, представлены на рис. 1.1:

Рис. 1.1. Основные типы кривых, используемые при количественной оценке связей между двумя переменными

Значительный интерес представляет аналитический метод выбора типа уравнения регрессии. Он основан на изучении материальной природы связи исследуемых признаков.

При обработке информации на компьютере выбор вида уравнения регрессии обычно осуществляется экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии , рассчитанной при разных моделях.

Если уравнение регрессии проходит через все точки корреляционного поля, что возможно только при функциональной связи, когда все точки лежат на линии регрессии , то фактические значения результативного признака совпадают с теоретическими , т.е. они полностью обусловлены влиянием фактора. В этом случае остаточная дисперсия.

В практических исследованиях, как правило, имеет место некоторое рассеяние точек относительно линии регрессии. Оно обусловлено влиянием прочих, не учитываемых в уравнении регрессии, факторов. Иными словами, имеют место отклонения фактических данных от теоретических. Величина этих отклонений и лежит в основе расчета остаточной дисперсии:

Чем меньше величина остаточной дисперсии, тем меньше влияние не учитываемых в уравнении регрессии факторов и тем лучше уравнение регрессии подходит к исходным данным.

Основой построения уравнения регрессии является метод наименьших квадратов, который подробно изложен в следующем параграфе.

1.2 Метод наименьших квадратов как инструмент экономического анализа

Для построения уравнений парной и множественной регрессий применяется метод наименьших квадратов (далее МНК). Рассмотрим простейшую модель парной регрессии - линейную регрессию. Линейная регрессия находит широкое применение в эконометрике ввиду четкой экономической интерпретации ее параметров.

Линейная регрессия сводится к нахождению уравнения вида:

(1.1)

Уравнение вида позволяет по заданным значениям фактора находить теоретические значения результативного признака, подставляя в него фактические значения фактора.

МНК позволяет получить такие оценки параметров и, при которых сумма квадратов отклонений фактических значений результативного признака от теоретических минимальна:

(1.2)

Т.е. из всего множества линий линия регрессии на графике выбирается так, чтобы сумма квадратов расстояний по вертикали между точками и этой линией была бы минимальной.

Как известно из курса математического анализа, чтобы найти минимум функции (1.2), надо вычислить частные производные по каждому из параметров и и приравнять их к нулю. Обозначим через , тогда:

.

(1.3)

Пример линии регрессии с минимальной дисперсией остатков приведена на рис. 1.2.

Рис. 1.2. Линия регрессии с минимальной дисперсией остатков.

После преобразований получим следующую систему линейных уравнений для оценки параметров и :

(1.4)

Решая систему уравнений (1.4), найдем искомые оценки параметров и . Можно воспользоваться следующими готовыми формулами, которые следуют непосредственно из решения системы (1.4):

,, (1.5)

где - ковариация признаков и , - дисперсия признака и

, , , .

Уравнение регрессии всегда дополняется показателем тесноты связи. При использовании линейной регрессии в качестве такого показателя выступает линейный коэффициент корреляции , который можно рассчитать по следующим формулам:

. (1.6)

Линейный коэффициент корреляции находится в пределах: . Чем ближе абсолютное значение к единице, тем сильнее линейная связь между факторами (при имеем строгую функциональную зависимость). Но следует иметь в виду, что близость абсолютной величины линейного коэффициента корреляции к нулю еще не означает отсутствия связи между признаками. При другой (нелинейной) спецификации модели связь между признаками может оказаться достаточно тесной.

Для оценки качества подбора линейной функции рассчитывается квадрат линейного коэффициента корреляции , называемый коэффициентом детерминации. Коэффициент детерминации характеризует долю дисперсии результативного признака , объясняемую регрессией, в общей дисперсии результативного признака:

, (1.7)

где , .

Соответственно величина характеризует долю дисперсии , вызванную влиянием остальных, не учтенных в модели, факторов.

После того как найдено уравнение линейной регрессии, проводится оценка значимости как уравнения в целом, так и отдельных его параметров.

Проверить значимость уравнения регрессии - значит установить, соответствует ли математическая модель, выражающая зависимость между переменными, экспериментальным данным и достаточно ли включенных в уравнение объясняющих переменных (одной или нескольких) для описания зависимой переменной.

Оценка значимости уравнения регрессии в целом производится на основе -критерия Фишера, которому предшествует дисперсионный анализ. В математической статистике дисперсионный анализ рассматривается как самостоятельный инструмент статистического анализа. В эконометрике он применяется как вспомогательное средство для изучения качества регрессионной модели.

Согласно основной идее дисперсионного анализа, общая сумма квадратов отклонений переменной от среднего значения раскладывается на две части - «объясненную» и «необъясненную»:

,

где - общая сумма квадратов отклонений; - сумма квадратов отклонений, объясненная регрессией (или факторная сумма квадратов отклонений); - остаточная сумма квадратов отклонений, характеризующая влияние неучтенных в модели факторов.

Определение дисперсии на одну степень свободы приводит дисперсии к сравнимому виду. Сопоставляя факторную и остаточную дисперсии в расчете на одну степень свободы, получим величину -критерия Фишера:

. (1.9)

Фактическое значение -критерия Фишера (1.9) сравнивается с табличным значением при уровне значимости и степенях свободы и . При этом, если фактическое значение -критерия больше табличного, то признается статистическая значимость уравнения в целом.

Для парной линейной регрессии , поэтому

. (1.10)

Величина -критерия связана с коэффициентом детерминации , и ее можно рассчитать по следующей формуле:

. (1.11)

В парной линейной регрессии оценивается значимость не только уравнения в целом, но и отдельных его параметров. С этой целью по каждому из параметров определяется его стандартная ошибка: и .

Стандартная ошибка коэффициента регрессии определяется по формуле:

, (1.12)

где - остаточная дисперсия на одну степень свободы.

Величина стандартной ошибки совместно с -распределением Стьюдента при степенях свободы применяется для проверки существенности коэффициента регрессии и для расчета его доверительного интервала.

Для оценки существенности коэффициента регрессии его величина сравнивается с его стандартной ошибкой, т.е. определяется фактическое значение -критерия Стьюдента: которое затем сравнивается с табличным значением при определенном уровне значимости и числе степеней свободы . Доверительный интервал для коэффициента регрессии определяется как . Поскольку знак коэффициента регрессии указывает на рост результативного признака при увеличении признака-фактора (), уменьшение результативного признака при увеличении признака-фактора () или его независимость от независимой переменной (),то границы доверительного интервала для коэффициента регрессии не должны содержать противоречивых результатов, например, . Такого рода запись указывает, что истинное значение коэффициента регрессии одновременно содержит положительные и отрицательные величины и даже ноль, чего не может быть.

Это применение МНК к модели парной регрессии. Ниже показано применение МНК к построению модели множественной регрессии.

Возможны разные виды уравнений множественной регрессии: линейные и нелинейные.

Ввиду четкой интерпретации параметров наиболее широко используется линейная функция. В линейной множественной регрессии параметры при называются коэффициентами «чистой» регрессии. Они характеризуют среднее изменение результата с изменением соответствующего фактора на единицу при неизмененном значении других факторов, закрепленных на среднем уровне.

Рассмотрим линейную модель множественной регрессии:

. (1.13)

Классический подход к оцениванию параметров линейной модели множественной регрессии основан на методе наименьших квадратов (МНК). МНК позволяет получить такие оценки параметров, при которых сумма квадратов отклонений фактических значений результативного признака от расчетных минимальна:

. (1.14)

Как известно из курса математического анализа, для того чтобы найти экстремум функции нескольких переменных, надо вычислить частные производные первого порядка по каждому из параметров и приравнять их к нулю. Итак, имеем функцию аргумента:

.

Находим частные производные первого порядка:

После элементарных преобразований приходим к системе линейных нормальных уравнений для нахождения параметров линейного уравнения множественной регрессии (1.13):

(1.15)

Для двухфакторной модели данная система будет иметь вид:

Решив это уравнение, получим коэффициенты регрессии.

Глава 2. Анализ функционирования рынка сахара в Кыргызстане

2.1 Анализ развития сахарной отрасли в Кыргызстане

Сахар является продуктом первой необходимости и широкого потребления. Анализ функционирования рынка сахара в нашей стране возможен при использовании данных Национального статистического комитета КР, однако при этом необходимо учитывать тот факт, что официальная статистика не всегда объективно учитывает объемные показатели производства и др.

Анализ производства сахара в КР, приведенный на диаграмме 2.1, отражает отрицательную тенденцию. Так, при максимальном объеме производства в 2004 году в размере 80 тысяч тонн, в 2009 году оно составило 5,6 тысяч тонн. То есть производство снизилось почти в 15 раз.

Диаграмма 2.1 Динамика производства сахара в Кыргызстане, тыс. тонн.

Сырьем для промышленного производства сахара является сахарная свекла, а также сахарный тростник. Свеклу Кыргызстан выращивает самостоятельно, что является положительным фактором в развитии экономики страны. Однако результаты анализа производства сахарной свеклы за период с 2003 по 2009 г.г. объясняют отрицательную тенденцию производства сахара в КР.

Диаграмма 2.2 Производство сахарной свеклы промышленной, тыс. т.

Производство сахарной свеклы в Кыргызстане в соотношении с 2003 годом резко снизилось. В 2003 году производство сахарной свеклы составило 812,2 тысяч тонн, что в 15 раз превышает объем производства в 2009 году.

Диаграмма 2.3 Объемы реализации сахара, тыс. т.

Низкие объемы производства сахара напрямую определили объемы его реализации: в 2009 году они составили 14,3 тысячи тонн. При этом в период наиболее высокого объема производства (2003 и 2004 г), объем реализации сахара достаточно не велик по сравнению с 2005 и 2006 годами. Рост объема реализации сахара в Кыргызстане в период с 2003 по 2005 составил 155,8% и к 2009 году снизился в 21 раз.

Как прямое следствие снижения объемов реализации анализируемого продукта, за период с 2003 по 2009 г.г. прослеживается стабильная тенденция роста средне реализационных цен на сахар.

Диаграмма 2.4 Динамика средних реализационных цен на сахар в Кыргызской Республики, сом/кг.

Как можно заметить из диаграммы, выявляется обратная связь средних реализационных цен на сахар в Кыргызстане с производством сахара и сахарной свеклы. При наивысшем объеме производства сахара цена является наименьшей и наоборот - 2003 год, объем производства - 75,5 тысяч тонн, цена - 22,9 сом за килограмм; 2009 год, объем производства - 5, 6тысяч тонн, средняя цена за килограмм 45,9 сом.

Взаимосвязь приведенных рыночных показателей производства сахара в Кыргызстане наглядно приведена на диаграмме 2.5. Результат показал неравномерное изменение рыночных показателей сахара за период 7 лет.

Анализ отклонений цены за период показал ее рост более чем на 100%, при этом цепной анализ отклонений показал рост средне реализационной цена только за последний год более чем на 65%.

Производство сахарной свеклы снизилось за исследуемых период в большей степени, чем производство сахара как продукта, что может говорить о том, что Кыргызстан, имея собственные возможности для выращивания сырья для производства сахара, покрывает внутренние потребности импортным сырьем.

Диаграмма 2.5 Изменение рыночных показателей сахара за исследуемый период, %.

Обобщая приведенные выше данные можно сказать, что производство сахара и сахарной свеклы и объемы реализации из года в год снижаются; тенденции роста не наблюдается. В то время как средняя реализационная цена на сахар увеличивается. Так рассчитанная базисным методом, она выросла на 100,4%, когда производство и реализация упали почти на 95%.

Потребление продукта на рынке можно рассчитать по формуле:

Потребление = производство + импорт - экспорт

Приведенные выше статистические данные позволяют выявить динамику потребления сахара в Кыргызстане за период с 2003 по 2009 г.г.

Результаты расчетов приведены в таблице 2.1. Анализ приведенных результатов показывает тот факт, что при снижении всех производственных показателей сахара и при повышении средне реализационных цен на него, потребление продукта в целом не снижается, а неуклонно растет.

Таблица 2.1

Динамика потребления сахара в Кыргызстане, тыс. сом

Показатель за период	2003 г.	2004 г.	2005 г.	2006 г.	2007 г.	2008 г.	2009 г.
экспорт сахара, тыс. сом.	1840,4	1222,6	5843,8	10387,2	15515,6	6354,3	2452,1
импорт сахара, тыс. сом	2909,0	7146,5	8936,4	52196,2	68643,8	111986,1	110117,2
производство, тыс. сом	1728,9	1919,2	1192,9	1788,3	1020,4	397,3	257,04
потребление сахара в КР, тыс. сом	2797,5	7843,1	4285,5	43597,2	54148,6	106029,1	107922,2

Рост потребления сахара населением КР, хоть и не имеет высоких темпов, говорит о постепенном повышении платежеспособности потребителей. Кроме того, это еще раз подтверждает тот факт, что повышение доходов и культуры потребления населения смещает акценты при выборе продукта с ценовых показателей на качественные.

Потребление сахара в нашем государстве не снизилось, население полностью покрывает свои потребности в продукте. Отсюда можно сделать вывод о том, что внутренние потребности покрываются внешними источниками.

2.2 Оценка эластичности объемов импорта сахара от цены

В этом параграфе будет проведено исследование эластичности импорта сахара от цены. Перед этим введем необходимые определения.

Эластичность применяется для измерения влияния одной величины на другую. Обычно степень влияния одной переменной на другую, зависимую от нее, измеряют производной соответствующей функции. Если ДР - изменение цены, ДQ - вызванное им изменение объема спроса, то значение производной покажет, на сколько единиц изменится спрос в расчете на единичное изменение цены в бесконечно малой окрестности исходного значения.

Однако непосредственное использование производной как характеристики реакции спроса на изменение цен не дает ответа на ряд вопросов, интересующих экономиста. Пусть повышение цены за 1 кг картофеля на 1 сом снижает годовой объем спроса на 10 кг, т. е. ДР = 1 сомкг, ДQ = -10 кг/год (знак "минус" соответствует уменьшению). Считая эти изменения малыми, можно приближенно оценить производную:

Допустим, аналогичным образом мы установили, что для обуви:

Какая из этих величин больше? Вопрос бессмыслен, и не только из-за того, что величины, измеренные в различных единицах, несопоставимы. Даже формальное совпадение единиц не разрешило бы трудности, так как 1 кг картофеля для потребителя не эквивалентен такому же количеству, скажем, чая.

Перечисленные (и иные) трудности можно преодолеть, если в качестве основного показателя реакции спроса на изменение цены использовать не производную, а эластичность спроса по цене - предел отношения относительного приращения объема дQ = ДQ/Q к относительному приращению цены дР = ДР / Р при условии, что последнее стремится к нулю:

Эластичность - безразмерная величина; ее использование снимает сложности, связанные с единицами и масштабами рассматриваемых величин.

В нормальных случаях с увеличением цены объем спроса уменьшается. Поэтому можно считать, что всегда < 0, и при анализе спроса знак эластичности не представляет интереса.

Спрос называют неэластичным, если 0 < е < 1, и эластичным, если е > 1. Посмотрим, с какими реальными обстоятельствами связана эластичность спроса по цене.

В нижеследующей таблице приведен обзор различных уровней эластичности и поведения потребителей при этих уровнях:

Таблица 2.2.

Используя эти сведения, вычислим эластичность импорта сахара по его цене.

Таблица 2.3.

Необходимые исходные данные для расчета эластичности

Год	Цена, тыс. сом	Объем импорта, тонн
2005 г	797508	54,7
2006 г	1171113,4	60,3
2007 г	823243,5	48,1
2008 г	1177392,5	59,9
2009 г	1975799,7	81,5

Найдем эластичности по годам, используя общеизвестные формулы из курса социально-экономической статистики для относительных приростов:

= =

Вычислим эластичность для 2006 года:

_2006/2005*=

Видно, что спрос на импорт является неэластичным, падение цены на импортные товары на 1% привело к росту спроса на них менее чем на 1%.

Аналогично рассчитаем эластичности для следующих годов:

_2007/2006=*=*=0.68

_2008/2007=*=*=0.569

_2009/2008=*=*=0.53

Видно, что спрос на импорт сахара все эти годы был неэластичным, падение цены на импортные товары на 1% приводило к росту спроса на них менее чем на 1%.

Это можно объяснить тем, что сахар является товаром первой необходимости, поэтому в принципе является товаром неэластичным.

Глава 3. Построение моделей влияния рыночных факторов на развитие рынка сахара в Кыргызстане

3.1 Построение регрессионной модели зависимости цены сахара от объемов его производства

Развитие рынка зависит от значительного количества внешних и внутренних факторов прямого и косвенного воздействия. Этот факт является следствием действия рыночного механизма. Спрос на продукцию является многофакторным показателем, при этом к наиболее значимым факторам, влияющим на его объем, относятся:

· Цена продукта

· Качество продукта

· Уровень доходов потребителей

· Насыщенность рынка конкурентными товарами

· Наличие товаров - заменителей

· Другие

В задачи настоящей курсовой работы входит выявление степени влияния основных из перечисленных факторов на объемы потребления сахара в Кыргызстане. С постепенным повышением уровня благосостояния потребителей в нашей стране приоритеты потребителей постепенно смещаются с ценового показателя на качественные параметры продукта. Однако сахар является товаром широкого потребления, не имеющим значительного различия в технологии приготовления и вкусовых параметрах, которое бы определило отношение покупателей к тем или иным качественным параметрам сахара. В связи с этим в работе в качестве основного фактора, определяющего спрос на продукт, выбрана цена.

Зависимость потребления сахара от ценового показателя выявлена при помощи построения регрессионного уравнения.

Изучим зависимость потребления сахара от таких факторов, как производство сахара, экспорт и импорт.

Выведем уравнение регрессии.

Приведем таблицу данных необходимых для построения модели на период с 2005 года по 2009 год. Размерность данных в тоннах.

Таблица 3.1

Зависимость потребления сахара от факторов производства и внешнеэкономической деятельности

Для построения модели использована исходная информация, предоставленная Национальным статистическим комитетом Кыргызской Республики.

Построение регрессионной модели потребления сахара

Уравнение модели примет вид:

, где:

производство сахара

экспорт сахара

импорт сахара

потребление сахара

Теперь нужно составить систему уравнений для нахождения неизвестных параметров.

Систему уравнений составим и решим в EXCEL.

Обозначим через:

Уравнение перепишется в виде:

Учитывая, что количество переменных равно трем-импорт, экспорт, производство- система уравнений будет следующая:

Здесь n=3 и неизвестными являются:.

Подготовим таблицу EXCEL к предстоящим расчетам введя для переменных и их произведений соответствующие обозначения. При этом разделим все величины на тысячу для избежания больших величин:

Решение проведем, используя функцию «Поиск решения». Для переменных введем начальные приближения, равные: 1,1,1,1.

После этого введем уравнения.

После ввода всех уравнений получим систему:

Вызовем «Поиск решения», введя необходимые условия:

Нажав «Выполнить» получим решение системы.

a	-0,01117778
b1	-0,006419587
b2	0,010856999
b3	0,029301269

Следовательно, уравнение регрессии примет вид:

или в принятых обозначениях:

Это согласуется с теоретическим уравнением из маркетинга, описывающим потребление:

Потребление=Производство + Импорт - Экспорт

Это можно интерпретировать следующим образом:

Если будет произведена 1 тонна сахара, импортирована 1 тонна и экспортирована 1 тонна, то потребление на душу населения составит:

тонн сахара в год или 24 кг.

3.2 Построение различных моделей тренда зависимости цены от объемов производства и импорта сахара

Для построения тренда зависимости цены сахара от объемов производства сахара и от объемов импорта, построим графики этих показателей и сравним их тренды. После этого сделаем выводы.

Для построения трендов данные возьмем из следующей таблицы:

Рассмотрим вначале тренд зависимости цены от импорта.

Построим линейные графики этих факторов и добавим к ним соответствующие тренды:

Рис. 3.1. Тренды зависимости цены и импорта сахара в Кыргызстан, млн. сом

Черным цветом обозначены тренды цены и импорта. Тренды идут почти параллельно. Это означает, что с ростом импорта цена растет примерно с одинаковой скоростью.

Построим аналогичную модель с ценой и производством.



Рис. 3.2. Тренды зависимости цены и производства сахара в Кыргызстане, млн. сом

Тренды идут по различным направлениям. Тренд цены восходящий, то есть имеется тенденция к росту цены с течением времени.

В то же время производство имеет тенденцию к убыванию. Вывод из данного тренда соответствует выводам выполненного анализа рынка сахара в главе 2. Понижение объемов производства сахара неизменно ведет к повышению цен на него. Кроме того, потребности населения в сахаре в этом случае удовлетворяются через импорт, а импортеры устанавливают цены не ниже мирового уровня цен на сахар.

А мировой уровень цен на сахар растет, следовательно и в Кыргызстане цены будут расти.

3.3 Оценка качества моделей зависимости цены реализации сахара от рыночных факторов

Оценка качества модели показывает, насколько теоретические вычисления по построенной модели отклоняются от экспериментальных данных. Наличие связи двух переменных называется корреляцией.

Если оценка качества применяется до исследования, то она решает задачу: есть ли связь между переменной X и переменной Y и оценивает силу этой связи.

Для практической части курсовой работы применен линейный коэффициент корреляции. Линейный коэффициент корреляции указывает, есть ли между величинами X и Y линейная зависимость и какой силы.

Вычисляется по формуле:

mx, my, mxy -- математическое ожидание x, y, xy:

Коэффициент корреляции находится на отрезке [-1,1] и интерпретация результатов зависит от его значения. Если он по модулю превосходит 0,75 - то между факторами есть довольно сильная связь, если он превосходит 0,5 - то связь есть, но она средняя.

Также вид связи зависит от знака коэффициента. Если он положителен, то связь прямая - рост одного фактора влечет рост другого. Отрицательный коэффициент - знак обратной связи, когда рост одного фактора влечет уменьшение другого фактора.

В EXCEL для вычисления коэффициента корреляции есть специальная функция КОРРЕЛ. С ее помощью исследуем связь между ценой и импортом, ценой и производством, ценой и экспортом.



Анализ динамики производства сахара в Кыргызстане, выполненный в главе 2, показал, что к 2009 году объемы производства после стабильного снижения находятся на критически низком уровне. Выводы из этого согласуются с информацией экспертных источников и говорят о том, что практически 90% потребления сахара в Кыргызстане покрывается ввозимым в нашу страну сахаром. Это не может не сказаться на средних реализационных ценах на внутреннем рынке сахара.

Вычислим корреляцию между ценой и импортом:

Коэффициент корреляции равен 0,91. Это говорит о сильной связи между ценой и импортом. Из расчета можно сделать вывод о том, что рост импорта влечет рост цены.

Аналогично можно выполнить анализ взаимной зависимости показателя цены на сахар и объемов его экспорта. Зависимость цены и экспорта:



Коэффициент равен -0,58. Связь обратная - падение экспорта вызывает рост цены на сахар, или наоборот: повышение цен на сахар на внутреннем рынке снижает объемы его вывоза на внешние рынки. Однако эта зависимость не слишком сильная. Цена/производство:

Коэффициент равен -0,81. Сильная обратная связь. Падение производства отечественного сахара вызывает рост цены на сахар, что вполне согласуется с результатами анализа, приведенными в главе 2.

Заключение

Данная курсовая работа имела целью дать понятие о науке эконометрике и показать ее актуальность для современной экономики.

В теоретической части было дано рассмотрение основного метода эконометрики - инструмента регрессионных уравнений, как в случае парной регрессии, так и в случае множественной регрессии. Кроме того, рассматривались методы оценки качества самого уравнения, то есть его прогнозирующей способности.

Практическая часть была посвящена построению модели множественной регрессии, показывающей зависимость потребления сахара от таких факторов, как количество членов семьи и общего дохода семьи.

Хотя данные носили перекрестный характер, а не характер временных рядов, но учитывая низкую эластичность сахара, полученное уравнение можно использовать для прогнозирования будущего потребления сахара.

Список литературы

1 Frich R,Editorial Econometica-1933

2 Шалабанов А.К., Роганов Д.А. “Эконометрика”, Казань, 2004

3 Молчанов,Герасимова «Компьютерный практикум по эконометрике»

Размещено на Allbest.ru