Факторы спроса на автомобили в России

Размещено на http://www.allbest.ru/

РОССИЙСКИЙ УНИВЕРСИТЕТ ДРУЖБЫ НАРОДОВ

Факультет ЭКОНОМИЧЕСКИЙ

Кафедра ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ

КУРСОВАЯ РАБОТА на тему

«ФАКТОРЫ СПРОСА НА АВТОМОБИЛИ В РОССИИ»

Москва 2015

Содержание

Введение

1. Современное состояние спроса на авторынке в России

2. Моделирование спроса на автомобили в России

Заключение

Список литературы

Введение

Актуальность данной работы обусловлена, с одной стороны, большим интересом к автомобильному рынку в России, с другой стороны, ее недостаточной разработанностью. Рассмотрение вопросов связанных с данной тематикой носит как теоретическую, так и практическую значимость.

Объектом данного исследования является автомобильный рынок в России.

Предметом исследования является анализ фактора спроса на автомобили в России.

Целью исследования является изучение спроса на автомобили в России.

Основные задачи данной работы:

- изучить современный автомобильный рынок в России;

- выявить факторы спроса на автомобили.

По структуре работа представлена двумя главами.

В первой главе проводится анализ современного автомобильного рынка.

Во второй главе проводится моделирование спроса на автомобили в России.

При написании курсовой работы были использованы различные источники информации: учебно-методическая литература и Интернет ресурсы.

1. Современное состояние спроса на авторынке России

Значение автомобилей для общества в современном мире поистине огромно.

Факторы спроса на автомобили в мире и, в том числе, в России, можно разделить на две основные категории - функциональный спрос, который обусловлен необходимостью в индивидуальном транспорте, и нефункциональный спрос, который включает в себя ряд специфических факторов (статусный спрос, ментальный спрос и т.д.).

Функциональный спрос на автомобили определяется соотношением цены и функционального качества товара, в данном случае - автомобиля, как средства передвижения (его экономичностью, безопасностью, проходимостью и т.д.).

Факторы, влияющие на функциональный спрос:

1. Географический. Население в 2015 году составляет 146 270 033 человек, что является девятым показателем в мире, территория России - 17098246 км², что является первым показателем в мире. Низкая плотность населения, слабое развитие в ряде регионов альтернативных видов транспорта (железные дороги, авиация, морской и речной транспорт) обусловливает спрос на автомобили. Протяженность дорог общего пользования - 903000 км., включая 711000 км. дорог с твердым покрытием. Плотность дорожной сети наиболее высока в европейской части России и уменьшается в северных и восточных регионах, особенно на территории Сибирского и Дальневосточного федеральных округов. Около 10% населения проживает в регионах, где отсутствует выход на сеть круглогодично эксплуатируемых автомобильных дорог, что определяет большой потенциал спроса на внедорожные автомобили.

2. Социотерриториальным и урбанистическим. Автомобилизация является ключевым фактором важнейшего направления развития структур расселения в наиболее развитых странах - субурбанизации, под которой подразумевается тенденция увеличения пригородной зоны крупных городов, формирующих континуум городских агломераций - компактных скоплений населённых пунктов, главным образом городских, местами срастающихся, объединённых в сложную многокомпонентную динамическую систему с интенсивными производственными, транспортными и культурными связями.

В 2009 году в период кризиса спрос на автомобили сократился на 28,5 %. Что касается цен, то они выросли на треть из-за политики государства и негативных факторов мировой экономики. Девальвация рубля привела к тому, что многие иностранные автопроизводители, которые производят учет своих затрат в долларах, в 2009 году увеличили на 5-15% рублевые цены своих авто. К дополнительному росту цен привел рост ввозных пошлина на импортные иномарки. Правда этот негатив не коснулся покупателей отечественный автомобильных брендов, которые доминировали на российском рынке в 2009 году.

После кризисного 2009 года спрос на автомобили имел положительную тенденцию. В период с 2010 по 2012 год продажи автомобилей увеличивались из года в год. Начиная с 2013 года по 2014 года продажи новых автомобилей сокращались. Но в 2015 году продажи очень сильно сократились по сравнению с предыдущими годами.

Спрос на автомобили в 2015 году резко сократился. Причинами резкого уменьшения спроса стали девальвация рубля, повышение цен всеми автопроизводителями, падение реальных доходов населения, значительное снижение объема кредитования. Сильнее всего кризис ударил по масс-маркету, а премиум по-прежнему чувствует себя более уверенно так как дорогие автомобили часто воспринимают как средство для инвестиций, поскольку у них высокая остаточная стоимость. Продажи новых автомобилей упали в пределах 40 процентов. Рост стоимости автокредитов внес свой небольшой вклад в спад на рынке новых автомобилей, но первостепенная роль в этом все же принадлежит девальвации рубля и инфляции. В 2015 году инфляция на автомобильном рынке достигла 25-30%. Причем подорожали не только импортные автомобили, но и те, что производятся и собираются в России, поскольку стопроцентной независимости от внешних факторов добиться крайне сложно.

В отличие от рынка новых автомобилей, спрос на вторичном авторынке продолжает расти. В условиях нестабильной экономической обстановки россияне отдают предпочтение более дешевым подержанным авто, тем более что большинство предложений в этом сегменте - машины с минимальным пробегом. Показательно, что больше всего спрос растет на недавние бестселлеры первичного авторынка - Lada Priora, Renault Logan и Ford Focus. Между тем резкое падение продаж новых автомобилей уже в ближайшее время может привести к дефициту предложений на «вторичке».

Доходы потребителей играют важную роль в формировании спроса на автомобили.

Гистограмма 1 Продажи и среднедушевые реальные доходы населения

На гистограмме 1 видно, что среднедушевые реальные доходы по стране имели тенденцию увеличения, начиная с 2010 года по 2014 год, в котором среднедушевые доходы достигли своего пика (27754 рубля). В целом мы видим, что с 2010 года по 2012 года была тенденция увеличения продаж и реальных доходов населения. Начиная с 2013 года, продажи стали сокращаться, но доходы до 2014 года увеличивались. В кризисный 2015 год доходы населения сократились на 2567 по сравнению с 2014 годом из-за ряда экономических причин, соответственно снизился и потребительский спрос, что оказало влияние на снижение продаж новых автомобилей масс-маркета.

В целом из-за не столь высокого дохода по России, население предпочитает поддержанные импортные автомобили или отечественные автомобили. Автомобили премиум-класса не пользуются популярностью у населения России.

Ценовой сегмент не столь разнообразен. Население отдает предпочтение автомобилям, стоимость которых не превышает одного миллиона рублей. Население ориентируется на цены, которые находятся в районе 350 - 600 тысяч рублей.

Гистограмма 2 Продажи и средние цены на автомобили масс-маркета

На гистограмме 2 мы видим, что продажи с 2010 года до 2012 года увеличивались, а цены увеличивались незначительно. Начиная с 2013 года, наблюдалась тенденция уменьшения продаж и увеличения цен. В 2015 году средняя стоимость на новые автомобили сильно увеличилась, что привело к значительному снижению продаж новых автомобилей массс-маркета.

Цены на автомобили, реальные доходы населения очень сильно влияют на спрос на автомобили. В 2015 году большинство автомобильных дилеров отметили значительные снижение продаж. Подобная ситуация была в 2009 году.

2. Моделирование спроса на автомобили в России

Для построения модели мы собрали статистические данные с 2010 по 2015 года по продажам автомобилей на современном автомобильном рынке, по доходам населения, по средней цене за автомобили, по численности населения.

Среднюю цену мы рассчитывали, исходя из того, что россияне могут позволить себе автомобили, цена которых не превышает одного миллиона рублей. Для нахождения средней цены мы рассматривали стоимость автомобилей пятнадцати популярных автомобильных брендов на российском рынке таких, как Lada, Kia, Renault, Toyota, Ford, Nissan, Chevrolet и т.д. В своей статистике мы учитывали только те автомобили, цена которых не выше одного миллиона рублей.

Для выявления взаимосвязи продаж (Sales) с факторами спроса были оценены модели. В качестве наблюдаемых независимых переменных рассматриваются такие факторы, как Price (цена), LadaPrice (средние цены на автомобили Lada), KiaSales, RenaultSales, HyundaiSales, FordSales.

Мы построим следующие модели:

1. Модель, которая показывает взаимосвязь между продажами и ценой.

Sales=B1+B2sales(-1)+B3price+ ?

2. Модель, которая показывает взаимосвязь между продажами автомобилей Lada и средними ценами на автомобили Lada.

автомобиль спрос потребитель продажа

Sales=B1+B2LadaPrice+ ?

3. Модель, которая показывает взаимосвязь между продажами автомобилей Lada и продажами главных конкурентов Lada (Ford, Renault, Hyundai, Kia).

LadaSales=B1+B2FordSales+B3KiaSales+B4RenaultSales+B5HyundaiSales+ ?

Для начала сделаем выборочной коэффициент корреляции.

Рисунок 1 Выборочный коэффициент корреляции

Как видно из рисунка 1, r_y,price=-0.68 имеет коэффициент парной линейной корреляции между зависимой переменной и фактором Price. Данное значение корреляции говорит о не тесной линейной связи между рассматриваемыми переменными. Полученные результаты t-Statistics и probability говорят о статистической незначимости корреляции.

Рисунок 2 Выборочный коэффициент корреляции

Как видно из рисунка 2, наиболее высоко значение r_y,fordsales=0.94 имеет коэффициент парной линейной корреляции между зависимой переменной LadaSales и фактором FordSales. Данное значение корреляции говорит о тесной линейной связи между рассматриваемыми переменными. Следующими по тесноте связи с зависимой переменной являются факторы RenaultSales (r_{y, renaulsales}=0.36), KiaSales(r_{y, kiasales}=0.16), HyundaiSales (r _{y, hyundaisales}=0.14). Данные значения корреляции говорят о слабой линейной связи между рассматриваемыми переменными. Наименее тесную связь с зависимой переменной имеет фактор LadaPrice (r_{y, ladaprice}=-0,9). В то же время рассматриваемые факторы имеют между собой более тесную корреляционную связь. Полученные результаты t-Statistics и probability говорят о статистической незначимости корреляции.

Приступим к построению моделей.

1. Модель, показывающая взаимосвязь между продажами и ценой.

Sales=B1+ B2sales(-1)+B3price+ ?

Sales^=22628716+0.47sales(-1)-32.92price

Рисунок 3 Окно оценки линейного уравнения

Результат оценки представлен на рисунке 3. Как видно из рисунка, уравнение статистически значимо (F_stat=270.6, р-значение F-статистики=0.004). Коэффициенты регрессии тоже значимы (соответствующие t-статистики равны 6.2 и -23,1 при соответствующих р-значениях 0.25 и 0.002). Коэффициент детерминации R² = 0.996 показывает, что 99.6% общей вариации зависимой переменной (sales) воспроизводится вариацией независимых переменных.

Найдем краткосрочную склонность к продажам по цене.

Краткосрочная склонность к продажам по цене равна C3=-33, т.е. при прочих равных условиях увеличение цены автомобилей на 10 000 рублей приводит к среднему уменьшению объема продаж автомобилей в краткосрочном периоде на 33 штуки.

Найдем долгосрочную склонность к продажам по цене.

Долгосрочная склонность к продажам по цене равна C3=B3/ л

Найдем скорость корректировки л по данной модели. Л=1-B2=1-0.47=0.53

C3=-33/0.53=-62.3, т.е. при прочих равных условиях увеличение цены автомобилей на 10 000 рублей приводит к среднему уменьшению объема продаж автомобилей в долгосрочном периоде на 62 штуки. Долгосрочная склонность к продажам ниже, чем краткосрочная.

Для получения расчетных значений зависимой переменной мы сделаем прогноз. В результате мы получим график и доверительный интервал расчетного значения зависимой переменной, а также величины, которые характеризуют точность оценки.

Рисунок 4 Расчетные значения зависимой переменной

На рисунке 4 отображено, что коэффициент Тейла=0.0075 и показывает, что модель точная, так как чем ближе коэффициент к 0, тем точнее полученная модель. Средняя ошибка аппроксимации составляет 1.2%, что является допустимой величиной ошибки, так как она не более 10%.

Bias proportion (отклонение среднего значения расчетного sales^ от среднего значения наблюдаемого sales)=0, variance proportion (отклонение среднеквадратического отклонения расчетного sales^ от среднеквадратического отклонения наблюдаемого sales)=0.000922, covariance proportion (несистематическая ошибка прогноза)=0.9991 дают в сумме 1. Чем ближе первые два значения (bias proportion, variance proportion) к 0 (и, соответственно covariance proportion ближе к 1), тем лучше сделан прогноз.

Теперь построим диаграмму рассеяния.

Рисунок 5 Диаграмма рассеяния

На рисунке 5 мы видим, что два наблюдения с наименьшими значениями переменной выбиваются из общей совокупности. Наблюдение с наименьшим значением цены и продаж относится к 2015 году. Второе по меньшинству значение относится к 2010 году. Это связанно с тем, что после кризисного 2009 года продажи не были столь велики, а после 2010 года продажи начали увеличиваться, но в кризисном 2015 году продажи резко сократились из-за ряда экономических причин.

2. Модель, которая показывает взаимосвязь между продажами автомобилей Lada и средними ценами на автомобили Lada.

LadaSales=B1+B2LadaPrice+ ?

LadaSales^=2811577-5.82LadaPrice

Рисунок 6 Окно оценки линейного уравнения

Результат оценки представлен на рисунке 6. Как видно из рисунка, уравнение статистически значимо (F_stat=19.03, р-значение F-статистики=0.01). Коэффициенты регрессии тоже значимы (соответствующие t-статистики равны 5.2 и -4,4 при соответствующих р-значениях 0.007 и 0.01). Коэффициент детерминации R² = 0.83 показывает, что 83% общей вариации зависимой переменной (ladasales) воспроизводится вариацией независимой переменной. Полученное значение коэффициента регрессии можно интерпретировать следующим образом: при прочих равных условиях увеличение цены автомобилей Lada на 10000 рублей приводит к среднему уменьшению объема продаж автомобилей Lada на 6 штук. Свободный коэффициент уравнения не имеет осмысленной экономической интерпретации.

Для получения расчетных значений зависимой переменной мы сделаем прогноз. В результате мы получим график и доверительный интервал расчетного значения зависимой переменной, а также величины, которые характеризуют точность оценки.

Рисунок 7 Расчетные значения зависимой переменной

На рисунке 7 отображено, что коэффициент Тейла=0.058 показывает, что модель точная, так как чем ближе коэффициент к 0, тем точнее полученная модель. Средняя ошибка аппроксимации составляет 9.6%, что является допустимой величиной ошибки, так как она не более 10%.

Bias proportion (отклонение среднего значения расчетного sales^ от среднего значения наблюдаемого sales)=0, variance proportion (отклонение среднеквадратического отклонения расчетного sales^ от среднеквадратического отклонения наблюдаемого sales)=0.05, covariance proportion (несистематическая ошибка прогноза)=0.95 дают в сумме 1. Чем ближе первые два значения (bias proportion, variance proportion) к 0 и covariance proportion ближе к 1, тем лучше сделан прогноз.

Теперь построим диаграмму рассеяния.

Рисунок 8 Диаграмма рассеяния

На рисунке 8 мы видим, что одно наблюдение с наименьшим значением переменной выбивается из общей совокупности. Наблюдение с наименьшим значением продаж относится к 2015 году. Продажи Lada резко сократились в 2015 году, а цены наоборот увеличились из-за ряда экономических причин. Пик продаж пришелся на 2011 год. После 2011 года наблюдалась тенденция уменьшения количества продаж. С 2013 года продажи падали, а цены увеличивались.

3. Модель, которая показывает взаимосвязь между продажами автомобилей Lada и продажами главных конкурентов Lada (Ford, Renault, Hyundai, Kia).

LadaSales=B1+B2FordSales+B3KiaSales+B4RenaultSales+B5HyundaiSales+ ?

LadaSales^=425941.7+3.4FordSales-4.6RenaultSale+1.9HyundaiSales

Рисунок 9 Окно оценки линейного уравнения

Результат оценки представлен на рисунке 9. Как видно из рисунка, уравнение статистически значимо (F_stat=1183.5, р-значение F-статистики=0.02). Коэффициент детерминации R² = 0.99 показывает, что 99% общей вариации зависимой переменной (ladasales) воспроизводится вариацией независимых переменных. Полученное значение коэффициента регрессии KiaSales можно интерпретировать следующим образом: при прочих равных условиях увеличение продаж автомобильной марки Kia на 100 штук приводит к среднему уменьшению объема продаж автомобилей Lada на 5 штук. Свободный коэффициент уравнения не имеет осмысленной экономической интерпретации.

Для получения расчетных значений зависимой переменной мы сделаем прогноз. В результате мы получим график и доверительный интервал расчетного значения зависимой переменной, а также величины, которые характеризуют точность оценки.

Рисунок 10 Расчетные значения зависимой переменной

На рисунке 10 отображено, что коэффициент Тейла=0.002 показывает, что модель точная, так как чем ближе коэффициент к 0, тем точнее полученная модель. Средняя ошибка аппроксимации составляет 0.4%, что является допустимой величиной ошибки, так как она не более 10%.

Bias proportion (отклонение среднего значения расчетного ladasales^ от среднего значения наблюдаемого ladasales)=0, variance proportion (отклонение среднеквадратического отклонения расчетного sales^ от среднеквадратического отклонения наблюдаемого sales)=0.00005, covariance proportion (несистематическая ошибка прогноза)=0.99 дают в сумме 1. Чем ближе первые два значения (bias proportion, variance proportion) к 0 и covariance proportion ближе к 1, тем лучше сделан прогноз.

Теперь построим диаграмму рассеяния.

Рисунок 11 Диаграмма рассеяния

На рисунке 11 мы видим, что одно наблюдение с наименьшим значением переменной выбивается из общей совокупности. Наблюдение с наименьшим значением продаж относится к 2015 году. Продажи Lada и Kia резко сократились в 2015 году. Пик продаж пришелся на 2011 год. После 2011 года наблюдалась тенденция уменьшения количества продаж данных марок автомобилей. С 2013 года наблюдалась тенденция спада продаж.

Заключение

Автомобильный рынок России сейчас переживает не самые лучшие времена из-за ряда экономических проблем. После кризисного 2009 года спрос на новые автомобили имел тенденцию увеличения, но в 2015 году многие дилеры отметили значительные спады продаж. Это связано с тем, что реальные доходы населения России снизились, а цены на автомобили значительно выросли.

В нашей стране достаточно развита транспортная система (железные дороги, авиация, морской и речной транспорт), но население все же отдает предпочтение автомобилям. И в некоторых регионах России нет альтернативных вариантов автомобилям, особенно на территории Сибирского и Дальневосточного федеральных округов. Около 10% населения России проживает в регионах, где отсутствует выход на сеть круглогодично эксплуатируемых автомобильных дорог, что определяет большой потенциал спроса на внедорожные автомобили.

Таким образом, в России спросом пользуются поддержанные автомобили и автомобили отечественного производства. Также люди отдают предпочтение корейским автомобилям марок Kia и Hyundai, французским автомобилям марки Renault и американским автомобилям марки Ford, т.к. стоимость на автомобили этих марок не такая высокая по сравнению с другими зарубежными автомобильными марками, а качество хорошее.

Список литературы

1. Доугерти К. Ведение в эконометрику. М.: Инфра-М, 2007. 418 с.

2. Основы эконометрического моделирования с использованием Eviews: учебное пособие / В.М. Матюшок, С.А. Балашова, Лазанюк И.В. М.: РУДН, 2015. 228 с.

3. Чупров А. Докатились: россияне пересаживаются на подержанные Lada // За рулем. 2015. №8. С. 5-8.

4. Ассоциация российских автомобильных дилеров. URL: http://www.asroad.org (дата обращения: декабрь, 2015).

5. Газета.Ру. URL: http://www.gazeta.ru/auto/2014/12/25_a_6359277.shtml (дата обращения: декабрь, 2015).

6. Журнал «Авто-бизнес-ревю». URL: http://abreview.ru (дата обращения: декабрь, 2015).

Размещено на Allbest.ru