Методичні підходи до прогнозування попиту. Теоретичний коефіцієнт еластичності

Отже, однофакторна модель виглядає так:

У=-7,936+0,0053Х1

Коефіцієнт детермінації складає 52,4%, тобто значення продаж визначається фактором х- середньомісячна з/п і на  47,6% - іншими факторами.

Коефіцієнт багатофакторної  кореляції R=0,724 і показує, що зв'язок між змінними Х та У значний.

F-критерій Фішера дорівнює 25,35, а табличне значення (при 0,05 рівню значущості і степенями свободи 1 і 23 дорівнює 4,28. Так як фактичне значення більше від критичного, то отримане рівняння регресії є статистично значущим. Це означає, що отримана модель може використовуватися для прогнозів, якщо параметри також виявляться статистично значущими.

Для обчислення значущості параметрів моделі дивимося на t-критерій Стьюдента (t- табличне (0,05;23) дорівнює 2,069). Так як t>tтабл, то параметри рівняння є статистично значущими. Отже, побудована модель регресії може використовуватися для аналізу і прогнозу попиту товару.

Прогнозування за коефіцієнтом еластичності.

Для лінійної моделі коефіцієнт еластичності розраховується за формулою:

Кел=а1*(хс/ус)

Для нашої моделі коефіцієнт еластичності:

Кел=0,0053*(2287,12/4,28)=2,83.

Висновки: коефіцієнт еластичності показує, що при збільшенні середньомісячної заробітної плати на 1 % продаж збільшиться на 2,83%.

 Подивимося зв'язок між змінними, за допомогою кореляційного поля, по продажам (млн. кейсів) і середньомісячній з/п (грн..):

Таким чином, на основі отриманої  моделі і коефіцієнта еластичності, бачимо, що є прямий взаємозв’язок  між середньомісячною заробітною платою (грн.) і продажем продукції (млн. кейсів).