Анализ и прогнозирование конъюнктуры мирового рынка безалкогольной продукции

 

 

Таблица 12 – История итераций

Итерация	Изменения центров кластеров
	1	2	3
1	99256,983	323372,433	112480,566
2	,000	,000	,000
a. Сходимость достигнута  по критерию малой величины  или отсутствия изменений в  положении центров кластеров. Максимальное абсолютное изменение координаты любого кластера составляет ,000. Текущая итерация 2. Минимальное расстояние между начальными центрами 1038658,910.

 

 

Таблица 13 показывает конечные центры кластеров, вокруг которых произошло формирование.

 

Таблица 13 – Конечные центры кластеров

	Кластер
	1	2	3
Территория, тыс. км	3576,8	9613,0	446,3
Численность населения, мл	33,4000	823,0000	84,6667
Численность занятого населения, млн.чел.	15,4000	150,0000	40,0000
Удельный вес экономически активного населения, %	45	55	50
Индекс ВВП (в национальной валюте; в постоянных ценах), 2000 = 100	213,4	194,0	123,3
Индекс потребительских цен, 2000 = 100	239,4000	125,5000	167,0000
Удельный вес населения, находящегося за чертой бедности, млн.чел.	9,2	8,0	5,0
Индексы физического объема оборота розничной торговли (в сопоставимых ценах; 2000 = 100)	247,4	113,0	203,3
Прямые инвестиции в страну, (милн. $ США)	138075,80	3050,00	1159,67
Экспорт, (миллионов долларов США)	87624	1427935	858898
Импорт, (миллионов долларов США)	51488	1682500	761046
Индекс потребительских цен на продукты питания и безалкогольные напитки, (2000 = 100)	302,60	160,50	182,33
Сопоставимый уровень цен на безалкогольные напитки 2008, (отношение паритета покупательной способности к валютному курсу доллара США)%	133	131	151
Экспорт безалкогольных.охлади-тельных напитков (2012 г.) млн.$	152	1021	214
Импорт безалкогольных напитков в 2012,млн.$	1667	1310	1785
Импорт безалкогольных охладительных напитков в 2012,млн.$	88	77	104

 

 

На основе проведенного анализа можно сделать вывод: в 3 кластер вошли страны с самыми высокими показателями экспорта и импорта, страны-лидеры экспорте и импорте безалкогольных напитков, а в 1 кластер вошла одна  страны, которые имеют показатели меньше лидеров, но является активными участником  в торговле,  2 кластер составили оставшиеся. Данная классификация четко выделила лидирующие страны, но в тоже время она не удобна тем, что один из кластеров составляет большинство объектов.

 

 

3.2.2. Теоретические аспекты проведение 
корреляционно-регрессионного анализа

 

При рассмотрении взаимосвязей выделяют одну из величин как независимую, а другие как зависимые. При рассмотрении зависимости двух случайных величин говорят о парной регрессии. Зависимость нескольких переменных называют множественной регрессией.

В регрессионных моделях зависимая (объясняемая) переменная Y может быть представлена в виде функции f(X1, X2, …, Xn), где X1, X2, …, Xn - независимые (объясняющие) переменные или факторы. В зависимости от вида функции f(X1, X2, …, Xn) модели делятся на линейные и нелинейные. В зависимости от количества включенных в модель факторов X модели делятся на однофакторные и многофакторные.

Основными этапами построения регрессионной модели являются:

• Построение системы показателей (факторов). Сбор и предварительный анализ исходных данных. Построение матрицы коэффициентов парной корреляции.
• Выбор вида модели и численная оценка ее параметров.
• Проверка качества модели.
• Оценка влияния отдельных факторов на основе модели.
• Прогнозирование на основе модели регрессии.

Выбор факторов, влияющих на исследуемый показатель, производится на основании качественного и количественного анализа исследуемых явлений.

Исключение части факторов осуществляется на основе анализа парных коэффициентов корреляции и оценкой их значимости. Коэффициент парной корреляции определяется по формуле:

 

где

– среднее значение факторного признака,

– среднее значение результативного признака.

Значение коэффициентов парной корреляции лежит в интервале от -1  до  +1. Его положительное значение свидетельствует о прямой связи, отрицательное - об обратной, то есть когда растет одна переменная, другая уменьшается. Связь считается достаточно сильной, если коэффициент корреляции по абсолютной величине превышает 0,7 и слабой, если меньше 0,4.

Для оценки значимости коэффициента корреляции применяется t - критерий Стьюдента. при этом фактическое значение этого критерия (tнабл)

 

 

сравнивается с критическим значением tкр которое берется из таблицы значений t с учетом заданного уровня значимости (α = 0.05) и числа степеней свободы (n - 2).

Если tнабл>tкр, то полученное значение коэффициента парной корреляции признается значимым.

Одним из условий регрессионной модели является предположение о функциональной независимости объясняющих переменных.связь между факторами называется мультиколлинеарностью, которая делает вычисление параметров модели либо невозможным, либо затрудняет содержательную интерпретацию параметров модели. Считают явление мультиколлинеарности в исходных данных установленным, если коэффициент парной корреляции между двумя переменными больше 0.8. Чтобы избавиться от мультиколлинеарности, в модель включают лишь один из функционально связанных между собой факторов, причем тот который в большей степени связан с зависимой переменной.

 

 

3.2.2.1 Проведение корреляционно-регрессионного  анализа рынка 
безалкогольных напитков

 

 

Таблица 14 – Построение модели

Страны	Население,млн.чел.	Индекс потребительских цен, 2000 = 100	Прямые инвестиции в страну, (миллионов долларов США)	Индекс потребительских цен на продукты питания и безалкогольные напитки   (2000 = 100)	Импорт безалкогольных напитков в 2012, млн.$	Импорт безалкогольных охладительных напитков в 2012, млн.$	Экспорт безалкогольных. охладительных напитков (2012 г..)млн.$12
Россия	143,0	325,1	493354.0	362.0	2611.0	134.0	264.0
США	309,1	127	2658.0	136.0	1320.0	112.0	2021.0
Япония	378	97	214.0	99.0	2100.0	132.0	101.0

 

 

 

 

 

Таблица 15 – Корреляции

		Территория, тыс. км	Индекс потребительских цен, 2000 = 100	Прямые инвестиции в страну, (милн. $ США)	Экспорт безалкогольных. охлади-тельных напитков (2012 г.) млн.$	Импорт безалкогольных охладительных напитков в 2012,млн.$
Территория, тыс. км	Корреляция Пирсона	1	,160	,680*	,344	,267
	Знч.(2-сторон)		,658	,030	,330	,456
	N	10	10	10	10	10
Индекс потребительских цен, 2000 = 100	Корреляция Пирсона	,160	1	,356	-,140	,316
	Знч.(2-сторон)	,658		,312	,700	,373
	N	10	10	10	10	10
Прямые инвестиции в страну, (милн. $ США)	Корреляция Пирсона	,680*	,356	1	-,077	,357
	Знч.(2-сторон)	,030	,312		,832	,312
	N	10	10	10	10	10
Экспорт безалкогольных. охлади-тельных напитков (2012 г.) млн.$	Корреляция Пирсона	,344	-,140	-,077	1	,265
	Знч.(2-сторон)	,330	,700	,832		,459
	N	10	10	10	10	10
Импорт безалкогольных охладительных напитков в 2012,млн.$	Корреляция Пирсона	,267	,316	,357	,265	1
	Знч.(2-сторон)	,456	,373	,312	,459
	N	10	10	10	10	10
*. Корреляция значима на уровне 0.05 (2-сторон.).

 

 

 

Возьмём в качестве зависимой переменной Экспорт безалкогольных. охлади-тельных напитков за 2012 г., млн.$. В качестве не зависимых переменных будут выбраны:

• Численность населения,млн.чел.;
• Прямые инвестиции в страну, млн. $ США;
• Индекс потреби-тельских цен на продукты питания и безалкогольные напитки(2000 = 100);
• Импорт безал-когольных ох-ладительных напитков в 2012, млн.$т.к. с этими переменными зависимая переменная имеет среднюю корреляционную связь. При слабой корреляционной связи зависимость между переменными не была бы установлена, а при сильной корреляционной связи возникает гетерокседастичность остатков и мультиколлинеарность.

Результаты регрессионного анализа представлены ниже (Таблица 15-19).

 

Таблица 16 – Описание модели

Зависимая переменная		Экспортбезалкогольных.охладительныхнапитков2012г.млн.$
Независимые переменные	1	Численностьнаселениямл
	2	Прямыеинвестициивстранумилн.$США
	3	Индекспотребительскихценнапродуктыпитанияибезалкогольныенапитки2
	4	Импортбезалкогольныхохладительныхнапитковв2012млн.$
Вес	Источник	Экспортбезалкогольных.охладительныхнапитков2012г.млн.$
	Значение степени	2,000
Модель: MOD_1

 

 

Таблица 17 – Сводка по модели

Множественный R	,574
R-квадрат	,330
Скорректированный R-квадрат	-,206
Стд. ошибка оценки	,810
Значение функции максимального правдоподобия	-57,737

 

 

Коэффициент детерминации равен 0,574, таким образом доля объяснённой дисперсии составила 57,4%.

 

Таблица 18 – Дисперсонный анализ

	Сумма квадратов	Ст.св.	Средний квадрат	F	Знач.
Регрессия	1,616	4	,404	,615	,671
Остаток	3,282	5	,656
Итого	4,898	9