(достоверности) построенного уравнения. Если, наоборот, тогда делается вывод о том, что построенное уравнение не значимо (не достоверно).
Таблица 2.4
Расчет ошибки аппроксимации и индекса детерминации
| Ошибка аппроксимации | s = | 0,378974516 |
| Дисперсия фактических значений | sy2 = | 205718860,6 |
| Дисперсия расчетных значений | sy(x)2 = | 182212291,9 |
| Индекс детерминации: | R2 = | 0,885734499 |
| Критерий Фишера: | F = | 65,88815653 |
ВЫВОД: т.к. ошибка аппроксимации (0,38%) не превышает 10% среднего значения результативного признака, а расчетное значение критерия Фишера 65,8 больше табличного (Fтабл = 3,8), то построенное уравнение регрессии является достаточно значимым, т.е. в достаточной степени описывает реальную статистическую зависимость между переменными.
Построение финансовой модели компании на базе регрессии конечно не лишено недостатков. Финансовый кризис показал несостоятельность многих моделей. Тем не менее есть ситуация между кризисами, когда эти модели хорошо работают и просчитывать стратегические показатели можно не прибегая к испытаниям в реальности. Кроме того кризисные явления в дальнейшем включаются в статистическую совокупность и модель совершенствуется с каждым периодом.
Хотя данная модель кажется весьма простой, но она может быть серьезно улучшена при реальном проектировании индикаторов эффективности за счет использования широкой статистической базы, ныне являющейся коммерческой тайной и недоступной стороннему исследователю. Так можно использовать в привязке к внешним индикаторам показатели внутренней статистики прибыли.
Как показывает практика гидрометеорологии, которая основывается на данных прошлых наблюдений, точность математических моделей и основанных на них прогнозов растет. Конечно нет возможности предсказать суточный параметр за месяц, но общая динамика вполне предсказуема. Так в начале этого года многие обсерватории заявили о начале воздействия на климат феномена Ла-Ниньо – погодной аномалии – антипода Эль-Ниньо.[1] Было высказано мнение о существенном повышении температуры в течение лета этого года на значительной части России и Европы. Таким образом, эконометрика дает вполне адекватные инструменты в руки интерпретатора индикаторов эффективности компании.
Построение индикаторов эффективности на базе статистических рядов производственных, финансовых, кадровых, маркетинговых и иных показателей способствует верификации выбранных стратегических ориентиров, развивает потенциал интерпретации реальных данных и накапливает знания о их поведении в разных ситуациях. Компания становится лучше вооружена.
Используем полученную зависимость для прогноза объема продаж предприятия.
На основании проведенного анализа можно приступить к построению прогнозных значений результативных показателей компании в 2015 году опираясь на прогнозы APPM (средняя цена за 1 минуту разговора) и Churn rate (коэффициент оттока абонентов) (для прогноза принималась во внимание как информация как из официальных правительственных источников (Министерства экономического развития и торговли – МЭРТ, Министерства финансов), так и различных независимых экспертов и научно-исследовательских объединений) и прогноз реализации нефтепродуктов, составленный компанией Финам[2] а также прогноз рынка сотовой связи[3].
Таблица 2.5
Прогноз качественных показателей рынка связи РФ
| Наименование показателя | Переменная | 1 кв. 2015 г. | 2 кв. 2015 г. | 3 кв. 2015 г. | 4 кв. 2015 г. |
| Средняя цена за 1 минуту разговора, APPM | х1 | 1,25 | 1,26 | 1,27 | 1,29 |
| Коэффициент оттока абонентов, Churn rate | х3 | 13,7% | 14,4% | 15,1% | 15,8% |
[1] Эль-Ниньо — Ла-Нинья: механизмы формирования // http://www.oko-planet.su/pogoda/listpogoda/4661-yel-nino-la-ninya-mexanizmy-formirovaniya.html
[2] www.finam.ru
[3] www.sotovik.ru
