В логистике наиболее часто применяется корреляционно-регрессионный анализ, с помощью которого выявляются качественные и
количественные влияния различных факторов на показатели логистической деятельности.
Этот анализ позволяет измерять тесноту связи между величинами и
строить теоретические зависимости влияния одной величины на другую, т. е. уравнения регрессии.
Важно помнить, что для построения корреляционно-регрессионного анализа необходимо определить тесноту связи между величинами. Теснота связи при линейной зависимости измеряется коэффициентом корреляции. Коэффициент корреляции изменяется от 0 до 1. Чем ближе значение показателей тесноты связей к единице, тем сильнее влияние одной величины на другую, а стремление к нулю указы-вает на ослабление тесноты связи.
Коэффициент корреляции определяется по следующей формуле:
где 
и 
- средние значения исследуемых величин.
Другой составляющей корреляционно-регрессионного анализа явля-ется определение уравнения, связывающего исследуемые величины, т. е. установление вида уравнения регрессии. С этой целью в математической статистике используется метод «наименьших квадратов». Согласно этому методу, сумма квадратов отклонений фактических данных от теоретических значений соответствующих величин, полученных по уравнению регрессии, должна быть наименьшей.
Уравнение регрессии должно удовлетворять условию:
= min.
Корреляционно-регрессионный анализ процесса отгрузки продукции ОАО «КГОК»
Для построения корреляционно-регрессионного анализа процесса отгрузки в соответствии с задачей исследования у нас имеются данные по отгрузке продукции ОАО «КГОК» в период времени с 2009-2012гг. и представлены в таблице №1. В качестве отчетного периода каждого значения отгрузки взят промежуток времени равный месяцу.
|
|
Таблица №1. Отгрузка продукции ОАО «КГОК» с 2009 по 2012гг. (тонн.)
| Месяц(х) | Отгрузка (тон.)(у) |
В результате проведенного анализа данных с помощью программы CurveExpert 1.4 линейная зависимость принимает следующий вид:
Y = a + bx;
Где значение коэффициентов:
a = 2, 1431;
b = 1,5906
Стандартная ошибка равна 82,2523220.
Коэффициент корреляции равен 0,9002081, что говорит о высокой степени связи между данными, высокой степени их взаимовлияния, а, следовательно, адекватности полученной модели процессу отгрузки продукции в ОАО «КГОК».
Модель отгрузки приобретает вид:
Y = 2.1431 + 1.5906x
Далее, используя полученную модель, мы можем дать прогнозную оценку показателей отгрузки продукции ОАО «КГОК» в интересующий нас момент времени, а также учитывая существующую тенденцию определить момент времени, в который будут достигнуты желаемые объемы отгрузки.
Например, нас интересует прогноз о достигнутых объемах отгрузки продукции по результатам 1-й половины 2013 года:
|
|
Y = 2.1431 + 1.5906×42
Y = 2811.23 тон.
Если нас интересует момент времени когда будет достигнут интересующий объем отгрузки, то уравнение примет следующий вид при заданном объеме 3100тон:
= 60.1537
Выводы
Как мы убедились, методы математической статистики позволяют по одним величинам вычислять другие, недоступные или малодоступные.
Методы математической статистики позволяют предвидеть течение и развитие логистических процессов. При помощи методов математической статистики решаются такие вопросы, как построение кривых распределения вероятностей и оценка степени согласия фактических характеристик с теоретическими, позволяют определять эмпирические зависимости, оценивать тесноту связи между изучаемыми величинами.
Построенная в ходе исследования модель помогает спрогнозировать показатели деятельности ОАО «КГОК» касательно логистической функции отгрузки.
Результаты экспериментального прогноза, основанного на построенной математической модели, показывают о стабильном увеличении объемов отгрузки продукции предприятия. Данная тенденция связана прежде всего с освоением новых рынков сбыта продукции. Особенно это касается сбыта продукции на экспорт. Во многом это обусловлено стратегической целью компании ОАО «ЕвроХим», в состав которой входит ОАО «КГОК»,а именно войти в пятерку мировых лидеров по производству и продажам минеральных удобрений.
Заключение
Логистика как наука и практическая деятельность стала неотъемлемой частью и инструментом современной экономики. По своей сущности логистика носит универсальный характер, ибо все субъекты интегрированного рынка занимаются логистикой и используют логистические методы управления производством и торговлей.
|
|
В общем виде логистика определяется как управление потоками в экономике.
Универсальность логистики выражается ещё и в том, что логистическая система есть субъект интегрированного рынка, который порождает или через который проходят экономические потоки. Из этого следует, что любое предприятие - будь то производственное, сферы обслуживания или торговое - представляет собой логистическую систему.
В таком случае логистика составляет инструментарий управления производственно-коммерческой деятельностью, в котором используются специальные концепции логистики и экономико-математические методы.
По результатам проведенного исследования мы убедились на практике, что применение математики в экономике является одним из важнейших направлений в развитии экономической теории и коммерческой деятельности, в том числе и логистики. Как в теории, так и в практике логистика достигла такого уровня, когда применение математических методов стало не только возможным, но и необходимым.
В своем исследовании мы ставили цель, используя методы и модели математической статистики на основе деятельности ОАО «КГОК», построить однофакторную модель отгрузки продукции и построение прогноза на будущие периоды.
На наш взгляд данная цель была достигнута в полной мере, потому как этому способствовало решение поставленных задач, а именно удалось:
Дать достаточно полную характеристику деятельности объекта исследования ОАО «КГОК», заключающуюся в описании направлений сбыта продукции, видов выпускаемой продукции, положении предприятии на рынке, а также анализе внешнего окружения предприятия в масштабе региона.
Произвести на основе методов математической статистики корреляционно-регрессионный анализ процесса отгрузки ОАО «КГОК» и, как следствие, построить однофакторную математическую модель указанного процесса.
На основе построенной математической модели произвести прогноз будущих состояний объекта.
Данное исследование носит характер апробации изученных ранее методов математического моделирования и прогнозирования и дает возможность дальнейшего развития навыков математического анализа Особенно это необходимо при реализации профессиональной деятельности.
Список использованной литературы
однофакторная модель отгрузка
1) Интерполяция. Методы и компьютерные технологии их реализации. / Половко А.М.
) Математические методы и модели в логистике. / Мастяева И.Н. -2004 г.
) Математическая статистика. / Калинина В.Н., Панкин В.Ф.- М.: Высш. шк., 2001. - 336 с.
) Математические методы и модели в экономике/ З. М. Мамаева - Н. Н.: Нижегородский госуниверситет, 2010. - 71 с.
) Многомерный статистический анализ в экономике. / Сошникова Л.А.. - М.: 1997.
) Модели и методы теории логистики. / Лукинский В. С. и др. - СПб: Питер, 2003. - 176 с.
) Общая теория статистики. / И.И. Елисеева, М.М. Юзбашев, М.: Финансы и статистика, 2002. - 480 с.
) Прикладная статистика. Основы моделирования и первичная обработка данных. Справочное издание. / Айвазян С.А., Енюков И.С., Мешалкин Л.Д. - М.: Финансы и статистика, 1983. - 472
) Прикладной регрессионный анализ. / Норман Р. Дрейпер, Гарри Смит - Изд. Вильямс, Диалектика/912 стр.
) Эконометрика (начальный курс)/ Магнус Я., Катышев П.К., Пересецкий А.А. - М.: Дело, 2001 (и последующие издания).
) Экономическое прогнозирование: методы и приёмы практических расчетов: учеб. пособие для вузов. / Бутакова М.М..- М.: Кнорус, 2008. - 167 с.
) Экономико-математические методы и модели в логистике: Потоки событий и системы обслуживания. / Бродецкий Г.Л. - 272 с.
) Официальный сайт МХК ОАО «ЕвроХим (www.eurochem.com)