Особливості формування виробничих і цінових планів прогнозів підприємств російської промисловості

Цухло С.В.

Введення

Ринкові реформи в Росії завжди були предметом запеклих дискусій. Суперечки викликало все: і принципи, і терміни, і масштаби, і послідовність, і результативність. Останній аспект і став предметом цієї роботи. Ми спробуємо відповісти на питання, чи відбулося формування в російській промисловості ринкових виробників товарів і послуг.

Перетворення російської промисловості - одна з головних і найважчих завдань перехідного періоду. Її ефективне рішення ускладнюється існуванням величезного промислового потенціалу, який неможливо ліквідувати і почати з нуля створення нових компаній, як це відбувалося в секторах, які не мали нормального розвитку в умовах планової економіки. Вітчизняна промисловість мала величезні масштаби і значення в радянської економіки. І, напевно, зберегла його і в даний час. Тому стосовно промисловості найбільше підходить вислів "перехід від планової економіки до ринкової". І стосовно до неї в першу чергу необхідно ставити питання про еволюцію поведінки.

Для оцінки такої еволюції в роботі використовуються моделі формування очікувань, які давно і добре досліджені в економічній теорії. Але якщо їх результати для країн з усталеною ринковою економікою мають швидше академічний інтерес, то для перехідних економік дослідження таких моделей здатне відповісти на найактуальніше питання: чи відбулося зміна принципів проведення виробників.

Для аргументованої відповіді на це питання необхідно, на наш погляд, виконання низки умов. Ці умови сформульовані в першому розділі роботи. Найскладнішим є наявність достатньої (як за складом показників, так і з тимчасового охопленням) статистичної бази. Така база може бути сформована тільки в ході регулярних панельних опитувань керівників підприємств. У другому розділі роботи описані три типи моделей формування очікувань (екстраполяційні, адаптивні та навчання на помилках), а також показані можливі варіанти їх розвитку за рахунок використання спросових змінних. Четвертий і п'ятий розділи показують результати застосування цих моделей для опису формування цінових і виробничих планів російських промислових підприємств у 90-ті роки ХХ століття. Емпіричною основою перевірки моделей стали результати щомісячних кон'юнктурних опитувань ІЕПП, що проводяться за європейською гармонізованої методикою з 1992 р.

1. Постановка проблеми

Очікування майбутніх змін випуску і цін займають досить важливе місце в сучасній економічній теорії. Хоча пік інтересу до цієї проблематики та її інтенсивна розробка, напевно, вже минули, а основні теоретичні положення та висновки увійшли до підручників, нам видається, тим не менш, що аналіз формування очікувань у перехідних економіках може стати цікавим напрямком досліджень, оскільки здатний пролити світло на поведінку підприємств у складних і мінливих умовах.

Основне питання, що досліджується в даній роботі, стосується механізмів формування планів випуску і цін у російських промислових підприємств протягом перших років переходу від планової економіки до ринкової. Цей період, поза сумнівом, став важким випробуванням для всієї російської економіки і - особливо - для обробної промисловості. Безперечно й те, що колись соціалістичні підприємства поступово стають цілком ринковими виробниками товарів і послуг. Вони починають оперувати принципово новими для них, але нормальними ринковими категоріями. Попит, випуск, запаси, конкуренція, ринок праці і ринок збуту стали для них не якимись абстрактними теоретичними категоріями, а абсолютно реальними поняттями, від обліку і аналізу яких благополуччя підприємства. Останнє твердження є радше гіпотезою, а не загальновизнаним фактом. Причина в тому, що для обгрунтованої відповіді на питання, чи відбулася еволюція в поведінці російських промислових підприємств необхідно, на наш погляд, виконання низки умов. По-перше, потрібні дослідження, що охоплюють як можна більш тривалий період часу, - бажано з 1992 р. Разові (епізодичні) роботи здатні дати (можливо, глибокий) аналіз одного моменту часу, але вони не дозволяють, як правило, відстежити еволюцію поведінки виробників. По-друге, для такого роду досліджень потрібна, безсумнівно, прийнятна і порівняна в часі статистика. Ця складова є, ймовірно, самим хворим місцем більшості робіт, змушених задовольнятися обмеженими можливостями офіційних даних. По-третє, потрібні специфічні показники, що відображають характеристики поведінки підприємств. Отримати такі дані з офіційних статистичних джерел майже неможливо. І, по-четверте, емпіричні дані та теоретичні моделі повинні бути загальновизнаними, вже перевіреними і не викликати сумнівів у можливих опонентів.

Саме тому для оцінки еволюції поводження російських промислових підприємств у цій роботі вибрані моделі формування очікувань, а в якості емпіричних даних використовуються результати кон'юнктурних опитувань ІЕПП. На наш погляд, така комбінація (моделі + дані) має всі властивості, необхідними для аналізу поведінки підприємств.

По-перше, кон'юнктурні опитування ІЕПП почалися в 1992 р. і охоплюють таким чином практично весь перехідний період. У ході цих опитувань відстежується один і той же склад показників. Більш того, з плином часу список питань анкети значно розширився. Якщо в 1992 р. в щомісячну анкету входило 7-8 питань, то зараз близько 20. Тобто результати опитувань стають все більш інформативними. І лише два питання були виключені (оцінка поточного обсягу випуску і оцінка поточних витрат за шкалою "вище норми" - "нормальний" - "нижче норми"). Це створює унікальну основу для регулярного дослідження всього перехідного періоду, а не окремих епізодів. Однак самі кон'юнктурні опитування, проведені ІЕПП, не є унікальними. Вони повністю порівняти з аналогічними опитуваннями, організованими в інших європейських країнах. З кінця 80-х років такі опитування почалися в країнах колишнього соціалістичного табору, а з середини 90-х років - у більшості республік колишнього СРСР. Таким чином, вже протягом кількох років у багатьох країнах з перехідною економікою накопичуються результати уніфікованих опитувань. Остання обставина дозволяє провести аналогічні розрахунки по інших країнах. І найбільший інтерес представляють, напевно, результати по Україні, Білорусі та Казахстану. У результаті будуть отримані зіставні дослідження про поведінку підприємств у перехідних економіках.

По-друге, результати кон'юнктурних опитувань ІЕПП є вже загальновизнаним джерелом статистичних даних. Вони не тільки публікуються Організацією економічного розвитку та співробітництва (OECD, 1997), але і стали невід'ємним елементом інформаційного ландшафту в російських засобах масової інформації. Оперативність публікації результатів і склад показників дозволяють опитуваннями ІЕПП майже на рівних конкурувати з даними офіційної статистики. При цьому в перші роки проведення опитувань ситуація була зовсім інша. Потенційні споживачі економічної інформації дуже насторожено сприймали такі показники, як очікування підприємств, оцінки запасів готової продукції і вважали, що думки директорів мало що значать в аналізі реальних економічних процесів.

По-третє, до складу анкет кон'юнктурних опитувань ІЕПП входять питання, що описують основні та найбільш цікаві індикатори стану промислових підприємств. До їх числа, безумовно, належать фактичні зміни основних видів попиту, випуску, цін, запасів готової продукції, плановані зміни випуску, зайнятості і цін, прогнози попиту, оцінки запасів, конкуренції, достатності потужностей і зайнятості, оцінки реального фінансово-економічного стану підприємств. Найцікавішими для цілей аналізу в цій роботі є очікування підприємств. Ще одним плюсом опитувальної статистики є можливість аналізу на мікрорівні. Останнє означає, що організація збору та зберігання вихідних результатів побудована таким чином, що відповіді будь-якого підприємства з будь-якого опитування можуть бути вилучені із загальної маси відповідей і проаналізовано окремо. Така можливість принципово важлива при аналізі механізму формування очікувань (планів, прогнозів).

По-четверте, моделі формування очікувань, які передбачається використовувати в цій роботі, давно відомі і визнані в економічному аналізі. Разом з тим їх використання в дослідженнях перехідних економік, на наш погляд, більш цікаво, ніж при аналізі усталених ринкових економік. Це пояснюється можливістю використання в цих моделях спросових змінних і аналізом на мікрорівні за досить тривалий період часу. Поєднання зазначених обставин дозволяє відстежувати пристосування російських промислових підприємств до формується умов ринку.

2. Моделі формування планів (прогнозів)

У нашій роботі будуть використані три основних типи моделей: адаптивні, навчання на помилках і екстраполяційні у формулюваннях, орієнтованих на результати європейських гармонізованих кон'юнктурних опитувань (Konig et all, 1981).

Найбільш простий тип моделей формування очікувань - екстраполяційні - припускають, що прогноз (план) зміни змінної X в момент t (X * t) визначаються фактичним зміною цієї ж змінної в моменти t і t-1 (Xt і Xt-1):

X * t = f (Xt, Xt-1).

У такій формі оцінка екстраполяціонний моделі вимагає відповідей по кожному підприємству з двох сусідніх опитувань. Якщо використовувати загальну форму екстраполяціонний моделі (Nerlove, 1983), то виникає необхідність в отриманні регулярних відповідей від одного підприємства протягом набагато більшої кількості опитувань. У цьому випадку кількість фірм, відповіді яких можна використовувати для розрахунків, буде знижуватися з включенням кожного наступного опитування, оскільки домогтися від усіх респондентів абсолютно регулярної участі в опитуваннях неможливо. Стабільність участі підприємств у опитуваннях ІЕПП становить близько 80%. Ця цифра показує, що з усіх підприємств, які взяли участь в опитуванні t-1, в наступному опитуванні t бере участь 80%. Це досить високий, на нашу думку, показник.

В описаному вище варіанті екстраполяційних модель передбачає, що прогнози формуються під впливом попередніх змін того ж показника. Для дослідження перехідних економік можна використовувати і такі екстраполяційні моделі, в яких прогнози одного показника, формуються під впливом попередніх змін іншого. Наприклад, виглядає логічним розглянути вплив на прогнози зміни випуску попередніх змін платоспроможного або бартерного попиту. Такі моделі формування виробничих планів можна вважати більш прогресивними порівняно з екстраполяцією випуску. При цьому орієнтацію на платоспроможний попит слід розцінювати як більш ринкову позицію виробників, ніж орієнтацію на бартерні угоди. Для перевірки, який попит є для виробників кращим, можна дослідити комбіновану екстраполяційних модель, в якій в якості незалежних змінних одночасно використовуються зміни і платоспроможного, і бартерного попиту.

Адаптивні моделі формування очікувань у своїй первісній формулювання пов'язували передбачувані зміни показника з різницею між попередніми фактичними змінами і попередніми прогнозами (Nerlove, 1956, 1958):

X * t = f (Ф (Xt, X * t-1)).

Тут змінна Ф (Xt, X * t-1) описує відповідність (помилку) прогнозів показника в момент t-1 і фактичних змін показника в наступному опитуванні t. Вона визначається з матриці спряженості прогнозів показника в момент t-1 і фактичних змін у момент t:

Нова мінлива Ф (Xt, X * t-1) є трихотомической і може приймати такі значення: (+) - фактичні зміни виявилися краще прогнозів; (=) - фактичні зміни тицяли з прогнозами; (-) - фактичні зміни виявилися гірше прогнозів.

Спеціально для якісних результатів кон'юнктурних опитувань Konig et all (1981) запропонували спрощену формулювання адаптивної моделі, яка не накладає ніяких обмежень на взаємодію незалежних змінних, і виглядає наступним чином:

X * t = f (X t, X * t-1).

У цьому разі очікування у момент t визначаються реалізаціями того ж показника в момент t і очікуваннями в момент t-1, взаємодія яких може бути будь-яким.

Модель навчання на помилках для даних кон'юнктурних опитувань пов'язує точність реалізації попереднього прогнозу із змінами двох наступних прогнозів (Konig et all, 1981). Вона має вигляд:

D (X * t, X * t-1) = f (Ф (Xt, X * t-1)).

Тут D (X * t, X * t-1) позначає зміну показника (в даному випадку - прогнозів показника X) за два сусідніх опитування і визначається з матриці спряженості значень показника в моменти t-1 і t, де (+) означає зростання показника, (-) - зниження, (=) - немає змін:

Нова мінлива D (X * t, X * t-1) є трихотомической і може приймати такі значення: (+) - показник змінився на краще; (=) - показник не змінився; (-) - показник змінився в гірший бік. Знак або значення нової змінної визначаються на основі поєднання значень вихідних змінних. Якщо прогнози у двох сусідніх опитуваннях не змінилися (цьому відповідають діагональні елементи наведеної матриці), то нова змінна має значення (=). Над головною діагоналлю знаходяться елементи (відповіді підприємств), які свідчать про позитивний зміну (поліпшенні) прогнозів між двома опитуваннями. Якщо в момент t-1 підприємства прогнозували зниження показника X, то в момент t у них зареєстровані прогнози зростання чи незміненому цього показника. Таку зміну природно назвати позитивною зміною. Якщо ж у момент t-1 підприємства прогнозували зростання показника X, а в наступному опитуванні стали прогнозувати його зниження або незмінність, то такий перехід логічно вважати негативним зміною прогнозів.

Похідні змінні D (X * t, X * t-1) і Ф (Xt, X * t-1) зазвичай визначаються для одних і тих же показників (Konig et all, 1981). Разом з тим в деяких випадках може становити інтерес розрахунок Ф (Xt, X * t-1) для двох різних показників, відхилення яких один від одного також цікаво використовувати. Для перехідних економік такою парою є, безсумнівно, випуск і попит (платоспроможний або бартерний). Для цієї пари показників доцільно розглянути і відхилення фактичних змін в одному опитуванні.

3. Емпіричні дані та методи аналізу

Емпіричною основою для перевірки гіпотез стануть результати регулярних кон'юнктурних опитувань, проведених лабораторією кон'юнктурних опитувань Інституту економіки перехідного періоду з 1992 р. по європейської гармонізованої методикою.

Кон'юнктурні опитування (КО) представляють собою поштові анкетні опитування керівників підприємств за стандартною (не міняється в часі) анкеті. Вони принципово відрізняються від статистичної звітності за своїми методами та використання. Кон'юнктурні опитування керівників підприємств - швидкий спосіб збирання відомостей про оцінки керівниками стану справ на своїх підприємствах і очікуваних (планованих) змінах основних показників роботи підприємства. Головні результати КО - відомості про суб'єктивних оцінках і короткострокових очікуваннях, що формуються на підприємствах.

За рідкісним винятком КО у європейських країнах проводяться не офіційними (державними) статистичними органами, а дослідними інститутами, асоціаціями підприємств або соціологічними службами. Більш того, при виробленні рекомендацій щодо організації КО у колишніх соціалістичних країнах західноєвропейські експерти підкреслювали небажаність проведення опитувань на базі статистичних органів, оскільки ставлення підприємств до статкомітету стійко негативне (European Economy. - Supplement B. - July 1991. - Special Edition). Опитування ж базуються на добровільності та довірі, а не на примусі та відповідальності.

Анкета гармонізованого європейського кон'юнктурного опитування містить невелику кількість питань (не більше 15-20). При цьому питання мають якісний, а не кількісний характер Типове питання: "Як ви оцінюєте обсяг запасів готової продукції на своєму підприємстві". Відповіді пропонується дати за простою шкалою: "Вище норми", "Нормальні", "Нижче норми". Така проста конструкція питань і відповідей дозволяє респондентам заповнювати анкети швидко і без залучення інших співробітників або будь-якої документації. Принципово важливо, що респондентом на кожному підприємстві був управлінець максимально високого рівня, що має повне уявлення про стан справ на підприємстві і має безпосереднє відношення до керівництва підприємством. Якщо анкета буде містити велику кількість складних питань, які потребують залучення конкретних фахівців або кількісних відомостей з документації підприємства, то велика ймовірність відмови від участі в опитуваннях або передачі анкети співробітникам нижнього рівня. Це знижує цінність відомостей, одержуваних з підприємств. Кількісних питань в анкеті повинно бути дуже мало, а інформацію з цих питань добре відомі керівникам і не вимагати звернення до документів або розрахунків. Кількісні питання КО задаються з приводу таких добре відомих менеджерам показників, як завантаження потужностей або місяці забезпеченості замовленнями. Приклад щомісячної анкети КО Інституту економіки перехідного періоду наведено в додатку 1.

Опитування ІЕПП проводяться по панелі, в яку входять понад 1400 підприємств. На підприємствах панелі працює близько 21% зайнятих у промисловості. Структура посад респондентів панелі свідчить про високу якість опитувальної інформації (див. табл.1). Щомісяця збирається близько 1000 відповідей.

Таблиця 1. Динаміка посадовий структури панелі ІЕПП,%

Джерело: Кон'юнктурні опитування ІЕПП.

Важливим чинником отримання якісних результатів опитувань є встановлення зворотного зв'язку з респондентами. Під час кожного опитування керівники підприємств отримують бланк анкети, який необхідно заповнити, і результати попереднього опитування. Обов'язкове регулярне повернення узагальнених результатів всім організаціям, які взяли участь в опитуванні - це єдино можлива форма і дуже заохочення до участі в обстеженнях. Схема "індивідуальні відповіді - узагальнені підсумки" зводить нанівець ймовірність навмисного спотворення даних, що повертаються підприємствами в ІЕПП. Непрямим підтвердженням цього є результати щорічних "опитувань про опитування", що проводяться з 1996 р. (див. табл.2).

Таблиця 2. Чому Ви відповідаєте на анкети наших кон'юнктурних опитувань? (Відсоток до які відповіли)

Джерело: Кон'юнктурні опитування ІЕПП.

Пряме спілкування з керівниками підприємств дозволяє включати в анкету питання про такі показники, які не можуть бути виміряні традиційної статистикою, але, безсумнівно, відстежуються менеджерами: перешкоди зростанню виробництва, очікування, оцінка рівня конкуренції на ринках збуту та конкурентоспроможності, динаміка платоспроможного і бартерного попиту на продукцію підприємства.

Формування прямих і довірчих відносин з керівниками підприємств створює основу для отримання істинних даних про стан справ на підприємстві. Ця обставина в сучасних російських умовах є надзвичайно важливим, оскільки офіційна звітність підприємств малонадійні чинності навмисного чи ненавмисного перекручування, і її використання може призвести до некоректних висновків (Earle, JS and Estrin, S., 1998; Moers, L., 1999). Вперше цю тезу знайшов підтвердження в 2000 р. (Цухло, 2001). Виявилося, що чверть опитаних підприємств змогли прямо визнати, що їх офіційна звітність не відображає дійсний стан справ на підприємстві, і вони знають це напевно. Тоді ж було висловлено припущення, що при деталізації питання по окремим видам звітності фінансова звітність була б найменш надійною. У 2001 підприємствам панелі був заданий аналогічне питання з проханням оцінити кожен вид звітності окремо, і ця гіпотеза повністю підтвердилася (див. табл.3).

Таблиця 3. Розподіл відповідей керівників підприємств на запитання: "Чи можна використовувати офіційну (тобто спрямовується в державні органи) звітність підприємств при аналізі реального стану справ у промисловості",%

Джерело: Вересневий (2001р.) опитування ІЕПП

При обговоренні результатів щомісячних кон'юнктурних опитувань (КО) з різними "споживачами" досить часто виникало питання про надійність (якості) прогнозів підприємств. Питання про очікувані зміни основних показників діяльності підприємств входять у всі анкети і викликає особливий інтерес, особливо на початку кожного календарного року, коли експерти різних організацій та відомств намагаються вгадати, як буде розвивати вітчизняна промисловість протягом чергового року. Ставлення до прогнозів підприємств і відповідно до результатів опитувань буває дуже різним. На одному полюсі знаходиться захоплене сприйняття будь-яких висновків, які робляться за результатами аналізу. На іншому - повне неприйняття цього виду даних, в який іноді вплітається здивування з приводу того, що результати опитувань виявляються правильними, і мовчання в тих випадках, коли вони дозволяють просто пояснити явища, незрозумілі на основі традиційної статистики. Але істина, як завжди, знаходиться десь посередині. Розглянемо зараз гідності кон'юнктурних опитувань як джерела даних для аналізу планів і прогнозів підприємств у перехідних економіках. Аналіз недоліків КО залишимо критикам, брак яких в Росії ніколи не відчувалося.

По-перше, до складу всіх анкети КО у явному вигляді входять питання про очікування, плани або прогнози. Це дає можливість отримувати і вивчати прогнози в режимі моніторингу і наближає результати КВ до звичних статистичними даними. Якщо виникає потреба у відстеженні нових показників, то проста і гнучка організація КО у ІЕПП дозволяє це зробити гранично оперативно. Напевно, це найбільша гідність опитувань, особливо в Росії.

По-друге, підприємства прогнозують стан показників своєї власної діяльності, і тому такі прогнози можна вважати вже планами підприємств. Реалізація (або підготовка до реалізації) цих планів вже могла початися на момент проведення опитування. Безсумнівно, це збільшує ступінь реалізованості подібних планів.

По-третє, горизонт планування (прогнозування), про який йде мова в анкетах КО, становить 2-3 місяці і є цілком доступним для прогнозування навіть в умовах нестабільної перехідної економіки.

По-четверте, панельний характер опитувань дозволяє зіставляти прогнози і все (за часом) наступні реалізації цих прогнозів по кожному з підприємств. Так можна проводити набагато більш точний аналіз точності прогнозів. Відсутність такої можливості часто викликає жаль у аналітиків, що оперують макроданим (Flood and Lowe 1995).

Результати кон'юнктурних опитувань в агрегованому вигляді доступні більшості дослідників, так само як і статистичні ряди. У цьому разі вони зазвичай подаються у вигляді балансів. Балансом називається різниця між часткою відповідей "зростання" і часткою відповідей "зниження". Такий спосіб представлення не враховує варіанти відповідей "немає змін" і "немає відповіді" (Carlso and Parkin, 1975). Спроби агрегувати дані, для того щоб отримати тільки два варіанти відповідей (Theil, 1966) також виявилася незадовільною, оскільки результати виявилися вкрай нестійкими в часі в силу впливу на них загальноекономічних причин. Ще одна проблема, яка виникає при використанні агрегованих у формі балансів даних, полягає в тому реальна незалежність двох трихотомічний змінних може супроводжуватися високою позитивною залежністю на рівні балансів (Konig et all, 1981). Таким чином, використання мікроданих дозволяє уникнути досить серйозних проблем і отримати більш якісні результати.

Використання даних кон'юнктурних опитувань у більшості випадків знімає і проблему причинності. Природно вважати, що фактичні зміни і попередні прогнози формують поточні прогнози, а не навпаки.

Вихідні дані кон'юнктурних опитувань ІЕПП (відповіді керівників підприємств) представлені в порядкової (див. Додаток), а не в звичній для економістів кількісної шкалою. Це змушує звернутися замість традиційного регресійного аналізу до логлінейнимі моделями. Логлінейние моделі описують взаємодію некількісних факторів на основі таблиць спряженості (Agresti, 1996). Логіка логлінейного аналізу дозволяє перевіряти різні гіпотези про структуру і характер зв'язків досліджуваних факторів (Lindsey, 1995). Кінцевим результатом має стати модель, досить добре описує вихідні дані і максимально проста за структурою. Остання обставина особливо важливо при обробці результатів анкетних опитувань, в ході яких може бути зібраний представницький набір показників, що описують досліджуване явище.

Перший крок логлінейного аналізу - перевірка гіпотези про незалежність досліджуваних змінних. Якщо якість підгонки такої моделі виявляється прийнятним (спостережуваний рівень значимості значно перевищує порогову величину 0.05), то ускладнення моделі за рахунок додавання взаємодій змінних буде зайвим. Наступний крок аналізу - використання моделей, що включають взаємодію досліджуваних змінних. Оскільки практично всі питання кон'юнктурних опитувань ІЕПП мають порядковий характер, то можна користуватися логлінейнимі моделями з лінійними взаємодіями між включеними чинниками. У цьому випадку логарифми елементів таблиці спряженості мають таке уявлення:

log = +++*.

Параметри,, мають звичайні для логлінейного аналізу значення. Новий параметр оцінює зв'язок (асоціацію) рангів i і j. Він інтерпретується як звичний у економетричного аналізу коефіцієнт регресії. Позитивні значення означають, що ранги однієї змінної збільшуються із зростанням рангів іншої і навпаки. При лінійної незалежності змінних коефіцієнт дорівнює 0.

Доцільність додавання в модель взаємодії ознак очевидна для тих випадків, коли гіпотеза про незалежність не дає задовільних результатів. Якщо ж незалежна модель допустима, то для перевірки доцільності ускладнення моделі слід оцінити відносне якість підгонки. Остання передбачає по парне порівняння якості підгонки простої та складної моделі, коли складна модель отримана з простої за рахунок додавання одного параметра. Чим більше скорочення величини відношення правдоподібності, тим більш імовірно, що складна модель краще.

Перераховані особливості і можливості дозволяють, на наш погляд, дослідити прогнози російських промислових підприємств досить повно і всебічно, а результати використовувати для аналізу еволюції їх поведінки в перші роки економічних реформ.

4. Моделі формування виробничих планів

4.1 Екстраполяційні моделі формування виробничих планів

Почнемо аналіз моделей формування очікувань з екстраполяційних моделей формування виробничих планів. Розглянемо класичну модель, в якій плани в момент t визначаються t-1 фактичними змінами того ж показника в моменти t і t-1:

Q * t = f (Q t, Qt-1),

де Q * t - плани зміни випуску підприємства, що визначилися в останній момент (опитування) t; Qt - фактичні зміни випуску, зареєстровані в останній момент (опитування) t; Qt-1 - фактичні зміни випуску, зареєстровані в останній момент (опитування) t-1.

Така модель досить добре описує формування планів випуску в періоду 1993-1994 рр.. У 1995 р. прогнози підприємств лише в п'яти місцях з 12 можуть бути описані такий екстраполяціонний моделлю. З 1996 р. розбіжності емпіричних і модельних даних постійно збільшуються: російські промислові підприємства все далі відходять від планування свого випуску за принципом "від досягнутого рівня". Цей висновок очевидний при аналізі значень відношення правдоподібності, що оцінює якість підгонки модельних даних. Горизонтальна лінія на графіку позначає величину відносини, що відповідає 5% рівнем значущості (див. рис. 1).

Рис.1

Значення відношення правдоподібності для екстраполяційних моделей, які передбачають формування виробничих планів під впливом тільки платоспроможного або тільки бартерного попиту, виглядають краще. Екстраполяційні модель, в якій прогнози виробництва визначаються фактичними змінами платоспроможного попиту, є більш "прогресивної" для підприємств у перехідних економіках. У цьому випадку підприємства планують свій випуск, екстраполюючи попередні тенденції зміни попиту. Зазначена модель перевірялася для періоду з липня 1995 по грудень 2001 р. Найвищим якість підгонки цієї моделі було до початку 1997 р. У 1997 р. розбіжності стали неприпустимо великі: модель виявилася прийнятною лише в 3 випадках з 12. Потім якість підгонки зросла, але не було стабільним. Лише у 2000 р. "спросовой" екстраполяційних модель стала краще описувати формування планів виробництва в російській промисловості. У 2001 р. якість підгонки такої моделі знову знизилося. Екстраполяційні модель з фактичними змінами бартерного попиту в якості незалежних змінних доповнює попередню модель. Орієнтація на бартерний попит при формуванні виробничих планів свідчить про неринкових позиціях виробників. Як показали розрахунки, якість підгонки моделі з бартерними попитом (без інших незалежних змінних) знаходиться на одному рівні з моделлю, що включає зміни тільки платоспроможного попиту.

Розглянемо тепер коефіцієнти моделей. У класичній екстраполяціонний моделі (виробничі плани визначаються тільки змінами в виробництва) завжди позитивними і статистично значимими були тільки коефіцієнти у Q t (фактичні зміни випуску, що безпосередньо передують формуванню планів). Коефіцієнти Q * t-1 могли бути як позитивними, так і негативними, і були статистично значущі лише в одній третині випадків. При цьому значення перших з розглянутих коефіцієнтів були завжди вище. Таким чином, в рамках класичної екстраполяціонний моделі можна говорити про те, що плани випуску формуються в основному під впливом фактичних змін виробництва, що реєструються в момент визначення планів.

Ситуація з коефіцієнтами в екстраполяціонний моделі, що передбачає формування виробничих планів на основі фактичних змін платоспроможного попиту (Q * t = f (Dt, Dt-1)), аналогічна попередньої моделі. Завжди є позитивними і статистично значущими були коефіцієнти останніх змін попиту (Dt). Коефіцієнти попередніх змін (Dt-1) були значимі лише в 34% випадків і мали іноді негативні значення. Тобто і тут лише самі останні зміни платоспроможного попиту враховуються підприємствами при формуванні своїх планів випуску.

У екстраполяціонний моделі з бартерними попитом (Q * t = f (B t, B t-1)) коефіцієнти останніх змін (Bt) були статистично значущими є і позитивні тільки до березня 1999 р. Потім вони стають стабільно незначний і іноді - негативними. Попередні зміни бартерного попиту дуже рідко статистично значимо впливали на плани підприємств і протягом усього періоду спостережень зустрічалися негативні знаки. Це свідчить про те, що бартер впливав на плани випуску тільки до початку нормального (за рахунок платоспроможного попиту) зростання виробництва. З того моменту як підприємства зрозуміли, що продажі за гроші починають витісняти бартер, вони перестали приймати його до уваги. Це сталося, як показують розрахунки за даними кон'юнктурних опитувань, саме в березні 1999 р. Виняток з моделі лінійного взаємодії Q * t і B t-1 виявилося виправданим в більшості випадків. Статистична значимість коефіцієнтів Bt збереглася до березня 1999

Дослідження моделі з іншими видами негрошового попиту як фактори, що визначають формування планів випуску, призводить до схожих висновків. Щоправда, моніторинг негрошових видів попиту (векселів, заліків тощо) почався тільки в лютому 2000 р. і тому розрахунки можуть бути зроблені лише для відносно сприятливого для російської промисловості періоду. Якість підгонки цієї моделі було досить гарним (див. табл.4). Але коефіцієнти моделі були частіше статистично незначущі і мали негативні знаки для обох незалежних змінних. З цієї причини модель була спочатку спрощена за рахунок виключення взаємодії Q * t і Nt-1. Якість підгонки залишилося допустимим в абсолютній більшості випадків, а коефіцієнти стали позитивні і часто статистично значущі після вересня 2000 Оскільки приріст величини відношення правдоподібності був незначним, то спрощена модель є кращою. Подальше скорочення моделі за рахунок виключення взаємодії Q * t і Nt виявилося допустимим з точки зору збереження якості підгонки, але недоцільним після жовтня 2000 р з точки зору приросту величини G2. Саме восени 2000 р. російська промисловість уперше після дефолту 1998 зіткнулася зі значними збутовими проблемами і, знову вдавшись до вексельних і заліковим операціях, вирішила, ймовірно, враховувати при плануванні випуску їх і надалі. Про всяк випадок. І ці випадки не забарилися надалі настати.

Таблиця 4. Характеристики впливу фактичних змін інших негрошових видів попиту на плани випуску підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів з планами випуску, і стандартні помилки (SE).

Розглянемо тепер комбіновані екстраполяційні моделі, в яких прогнози зміни випуску можуть визначатися попередніми фактичними змінами більш ніж одного показника з розглянутих вище. Спочатку зупинимося на моделі, в якій використовуються фактичні зміни випуску та платоспроможного попиту в двох попередніх точках:

Q * t = f (Q t, Q t-1, D t, D t-1).

Якість підгонки цієї моделі, у якому були включені дворівневі взаємодії всіх факторів з залежною змінною і чотирирівневої взаємодія всіх незалежних змінних, виявилося дуже високим. Величина відношення правдоподібності стабільно не опускалося нижче 0.9. Статистично значущими були лише коефіцієнти моделі, пов'язані з останнім фактичним змін випуску і платоспроможного попиту. Співвідношення коефіцієнтів випуску і платоспроможного попиту, свідчить про мінливість впливу цих двох факторів на плани випуску. (Див. рис.2). До середини 1998 р. посилювалося вплив платоспроможного попиту, потім його вплив починає слабшати і з другої половини 1999 р. підприємства віддають перевагу в своїх екстраполяційних планах спиратися на попередні зміни випуску. На перший погляд така ситуація виглядає парадоксальною. Виходить, що за часів згортання продажів за гроші підприємства віддавали перевагу в своїх прогнозах спиратися на попередні зміни платоспроможного попиту, обсяги якого були невеликі. А після початку зростання попиту, вони відмовляються від цього і починають все сильніше спиратися в своїх прогнозах екстраполяційних на попередні зміни випуску. Проте цьому можна запропонувати таке пояснення. Відсутність достатніх обсягів нормального грошового попиту і висока бартеризація обороту змушувала підприємства "з трепетом" ставитися до будь-яких коливань продажів за гроші і брати до уваги їх найменша зміна, в тому числі - під час вироблення своїх виробничих планів. Тому до середини 1998 р., коли частка бартеру була особливо велика, облік змін платоспроможного попиту досяг максимуму. Потім ситуація стала кардинально змінюватися. Платоспроможний попит почав стійко витісняти всі інші види продажів, і тому необхідність в настільки "ніжному" поводженні з платоспроможним попитом поступово відпадає. Підприємства в рамках екстраполяціонний моделі можуть дозволити собі пролонгувати фактичні зміни свого випуску, благо продажі ростуть більш-менш стійко.

Можливе спрощення моделі за рахунок розбиття чотирирівневого взаємодії на два дворівневих знижувало якість підгонки для періоду 1997-2001 рр.., Але не змінювало рівень впливу попередніх змін на прогнози. Найбільш сильний вплив мали фактичні зміни, що безпосередньо передують моменту формування прогнозів. І співвідношення впливу двох факторів мало ту ж динаміку: до середини 1998 р. наростало вплив платоспроможного попиту, після чого починала збільшуватися ступінь впливу фактичних змін випуску.

Статистично незначуще вплив на прогнози віддалених у часі фактичних змін випуску і попиту (Q t-1, і D t-1) дає підстави для ще однієї спроби спрощення екстраполяціонний моделі формування виробничих планів - за рахунок повного виключення вищезазначених факторів. Тобто дослідити залежність планів випуску тільки від безпосередньо попередніх їм фактичних змін випуску і попиту:

Q * t = f (Qt, Dt,).

Така модель мала хорошу якість підгонки тільки в період 1993-1996 рр.., Потім спостережуваний рівень значимості став стабільно нижче 5%. Коефіцієнти моделі були позитивні і статистично значущі протягом всього періоду моніторингу показників (1993-2001 рр.).. При цьому більш сильний вплив платоспроможного попиту було зафіксовано тільки з жовтня 1996 р. по вересень 1998 р. У інші періоди підприємства в рамках такої "укороченою" двухфакторной екстраполяціонний моделі будували свої виробничі плани в першу чергу на попередніх змінах випуску.

Таким чином, дослідження в рамках екстраполяціонний моделі впливу на плани випуску фактичних змін виробництва і платоспроможного попиту показало, що за часів високої бартеризації промислові підприємства намагалися вловлювати найменше "подув" платоспроможного попиту, подібно до того, як вітрильники при штилі ловлять хоч який-небудь вітерець. Але як тільки продажу за гроші стають значними і стабільними (вітер дужчає), необхідність в безоглядному проходженні за попитом знижується, і до уваги все більше приймається динаміка власного виробництва (корабель починає рухатися за своїм курсом). Але сам попит аж ніяк не відкидається, його попередні зміни мають позитивний і статистично значимий вплив на виробничі плани. Просто цей вплив слабше впливу аналогічних змін випуску.

Особливий інтерес, на нашу думку, представляє вивчення в рамках екстраполяціонний моделі впливу на плани випуску фактичних змін основних видів попиту на промислову продукцію. Динаміка платоспроможного попиту відстежується опитуваннями з квітня 1994 р., динаміка бартеру - з серпня 1998 р., динаміка векселів, заліків тощо - з лютого 2000 р. Ця обставина дозволяє дослідити вплив двох видів попиту протягом найбільш тривалого періоду часу, вплив всіх трьох видів попиту на плани випуску може бути вивчено лише протягом двох останніх років.

Як показали оцінки логлінейних моделей, з трьох видів попиту пріоритетний вплив на виробничі плани російських промислових підприємств має платоспроможний попит. Перша модель з участю лише платоспроможного попиту та бартеру:

Q * t = f (Dt, Dt-1, Bt, Bt-1)

мала дуже високу та стабільну якість підгонки (величина відношення правдоподібності мала максимальні значення). Коефіцієнти моделі були завжди позитивні і статистично значущі тільки для самих близьких (до моменту формування планів) змін платоспроможного попиту. Попередні зміни цього попиту мали іноді негативні коефіцієнти і були статистично значущі менш ніж у половині випадків. У бартерного попиту негативні коефіцієнти зустрічалися частіше, а статистична значимість коефіцієнтів - рідше. Співвідношення коефіцієнтів платоспроможного і бартерного попиту також свідчило на користь того, що плани випуску підприємств, швидше за все, визначалися попередніми змінами грошових продажів, а не товарообмінних операцій (див. рис.3).

Статистична незначимість коефіцієнтів у більш "віддалених" змін попитів показує, що ці чинники можуть бути виключені з моделі. Тоді ми отримуємо модель, в якій виробничі плани підприємств визначаються тільки безпосередньо попередніми змінами двох видів попиту. Якість підгонки такої моделі виявилося настільки ж високим що і попередній. Спостережуваний рівень значимості зберіг максимальні значення. Коефіцієнти моделі були завжди позитивні і статистично значущі тільки для платоспроможного попиту. Бартерний попит мав позитивні коефіцієнти, які з часом втрачали статистичну значимість. Переважне вплив на виробничі плани платоспроможного попиту збереглося.

Наступним кроком аналізу стане дослідження моделі, в якій передбачається формування виробничі плани підприємств під впливом всіх трьох видів попиту (платоспроможного, бартерного, векселів та заліків). Якість підгонки цієї моделі виявилося дуже високим, спостережуваний рівень значимості практично не опускався нижче 0.9 (див. табл.5). Коефіцієнти моделі були завжди позитивні і завжди статистично значущі знову тільки для платоспроможного попиту. Коефіцієнти інших видів попиту мали іноді негативні знаки і, як правило, були статистично незначущі. Таким чином, і в цьому випадку ми можемо говорити про те, що плани підприємств формуються в більшій мірі під впливом попередніх фактичних змін платоспроможного попиту.

Таблиця 5. Характеристики впливу фактичних змін платоспроможного, бартерного й інших негрошових видів попиту на плани випуску підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів з планами випуску, і стандартні помилки (SE).

Додамо тепер до попередньої моделі в якості незалежної змінної фактичні зміни випуску, що безпосередньо передують формуванню планів випуску. Тепер екстраполяційних модель передбачає, що виробничі плани визначаються попередніми фактичними змінами чотирьох факторів: трьох видів попиту та випуску:

Q * t = f (Qt, Dt, Bt, Nt)

Якість підгонки логлінейной моделі збереглося високим (див. табл.6). Завжди статистично значущими і позитивними виявилися коефіцієнти моделі тільки для попередніх змін випуску. Платоспроможний попит мав позитивні і спочатку значущі коефіцієнти. Але в кінці 2000 р. коефіцієнти стають статистично незначущими, а в 2001 р. така ситуація зустрічається вже в половині випадків. Таким чином, платоспроможний попит з плином часу (по мірі все більш тривалого зростання) усе менше приймається підприємствами до уваги.

Таблиця 6. Характеристики впливу фактичних змін випуску, платоспроможного, бартерного й інших негрошових видів попиту на плани випуску підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів з планами випуску, і стандартні помилки (SE).

Підводячи підсумок дослідження екстраполяційних моделей формування виробничих планів, можна зробити наступні висновки. По-перше, екстраполяційні моделі цілком застосовні для опису механізму формування планів виробництва. По-друге, кращими є "короткі" моделі, коли в якості незалежних змінних використовуються фактичні зміни показників, що безпосередньо передують формуванню планів (прогнозів). Більш віддалені фактичні зміни, швидше за все, не впливають на плани. По-третє, перевірка найпростіших моделей формування планів випуску дає підстави для першої позитивної "оцінки" поведінки російських промислових підприємств. Приблизно в середині 90-х років вони починають відходити від планування свого виробництва за принципом "від досягнутого рівня". По-четверте, бартер впливав на плани підприємств до початку зростання платоспроможного попиту (весна 1999 р.). По-п'яте, векселі та заліки були знову "взято на озброєння" при плануванні випуску восени 2000 р., коли російська промисловість уперше після дефолту 1998 зіткнулася зі значними збутовими проблемами. По-шосте, ускладнення екстраполяційних моделей дозволило отримати більш "складні" висновки про поведінку підприємств. Найбільш сильний вплив на плани випуску платоспроможний попит мав за часів найвищою бартеризації, коли ситуація змушувала виробників гранично уважно ставитися до будь-яких коливань продажів за гроші. З початком ж зростання продажів за гроші і постійного збільшення їх частки в обороті необхідність в жорсткому дотриманні за попитом знижується, і підприємства починають просто пролонгувати свій попередній випуск. По-сьоме, з трьох видів попиту найважливішим для підприємств є нормальний платоспроможний попит. Ні бартер, ні векселя, ні заліки не надавали статистично значимого впливу на виробничі плани російських промислових підприємств.

4.2. Адаптивні моделі формування планів виробництва

Базова адаптивна модель передбачає, що зміни випуску визначаються точністю реалізації попередніх прогнозів випуску. Таке формулювання моделі представляється нам більш цікавою для аналізу перехідних економік у порівнянні зі спрощеної постановкою, яка не передбачає взаємодії незалежних змінних. Оскільки ми припускаємо досліджувати не тільки базову адаптивну модель формування планів випуску, але і моделі з включенням різних видів попиту. У цьому випадку будуть використовуватися не тільки точності прогнозів кожного з трьох спостережуваних видів попиту, але і точності планів виробництва щодо подальших фактичних змін цих видів попиту. Тоді необхідно побудувати матрицю спряженості прогнозів зміни випуску в опитуванні t-1 Q * t-1 і фактичних змін, наприклад, платоспроможного попиту в наступному опитуванні t Dt:

Нова мінлива Ф (Dt, Q * t-1) є трихотомической і може приймати такі значення: (1) - фактичні зміни попиту виявилися краще планів зміни випуску; (2) - фактичні зміни попиту співпали з планами випуску; (3) - фактичні зміни попиту виявилися гірше планів зміни випуску. При використанні в адаптивної моделі такої "перехресною" точності прогнозів виробництва щодо подальших фактичних змін попиту можна досліджувати принципово, на наш погляд, важливі залежності попиту і випуску та їх вплив на процеси прийняття рішень. Зупинимося детальніше на інтерпретації нової змінної і її можливий вплив на формування чергових прогнозів підприємств.

Адаптивна модель передбачає, що точність попередніх прогнозів позитивно пов'язана з формуванням прогнозів на наступному кроці. Тоді в ситуації, коли фактичні зміни попиту виявилися краще попередніх планів зміни випуску, підприємства повинні, повіривши цим фактичним змінам і в прагненні "добрати" незадоволений або упущений попит, планувати зростання випуску і таким чином адаптуватися до фактичних змін попиту на свою продукцію. Якщо ж фактичні зміни попиту виявилися гірше планувалися змін виробництва, то адаптація підприємств повинна полягати в зниженні випуску. У тому ж випадку, коли плани виробництва збіглися зі змінами попиту, то підприємства не повинні змінювати обсяги виробництва, тобто планувати збереження колишніх обсягів випуску. Подібна модель, на наш погляд, більш цікава для аналізу перехідних економік, що характеризуються різким згортанням попиту і спробами підприємств зберегти колишні обсяги виробництва. Таке поєднання призводить до надмірного випуску, зростання запасів готової продукції і пошуку альтернативних (негрошових) каналів збуту. Використання традиційної адаптивної моделі формування планів виробництва (сформульованої західними дослідниками для західних економік) припускає, швидше за все, що і фактичні зміни та плани виробництва більш-менш адекватні ситуації на ринку, і виробникові треба лише врахувати цю динаміку при формуванні своїх чергових планів. Така постановка представляється далекій від дійсності російської економіки 90-х років ХХ століття.

Наявність у складі показників кон'юнктурних опитувань динаміки відразу трьох видів попиту ще більше, на наш погляд, розширює аналітичні можливості адаптивної моделі формування планів виробництва. У цьому випадку можна розглянути вплив на плани підприємств одразу трьох видів попиту протягом унікального періоду, коли в Росії відбувався перехід від бартерної економіки до грошової.

Аналіз адаптивних моделей формування виробничих планів почнемо з базової моделі, в якій плани визначаються точністю реалізації попередніх планів зміни виробництва:

Q * t = f (Ф (Qt, Q * t-1)),

де Q * t - очікувані зміни виробництва, зареєстровані в останній момент (опитування) t; Qt - фактичні зміни виробництва, зареєстровані в останній момент (опитування) t, Q * t-1 - очікувані зміни виробництва, зареєстровані в останній момент (опитування) t-1 ; Ф (Qt, Q * t-1) - точність реалізації очікуваних змін виробництва Q * t-1 щодо фактичних змін виробництва Qt.

Якість підгонки цієї моделі виявилося в подавляюще числі випадків гарним: спостережуваний рівень значимості дуже рідко опускався нижче п'ятивідсоткового порога. Такі "провали" були зареєстровані в навесні-влітку 1995 і 1996 рр.., А також в кінці 1998 - початку 1999 р. А от якість підгонки адаптивної моделі в "м'якій" формулюванні (Q * t = f (Qt, Q * t- 1)) виявилося не таким стабільним. У період 1993-1994 рр.. воно було високим і дуже стійким; в 1995 р. - високим, але нестійким; надалі м'яка адаптивна модель повністю перестала бути застосовна до формування виробничих планів російських промислових підприємств.

Коефіцієнти "жорсткої" моделі (з використанням показника точності прогнозів випуску стосовно фактичних змін випуску) мали негативні знаки протягом усього періоду спостереження (1993-2001 рр.).. Це означає, що при кращих фактичних змін у порівнянні з попередніми прогнозами російські промислові підприємства були не схильні вірити цим фактам і на наступному кроці коригувати свої прогнози в кращу сторону. Вони вважали за краще зберігати колишній песимізм своїх прогнозів. І, навпаки, за наявності найгірших в порівнянні з прогнозом фактичних змін оптимізм чергових прогнозів не знижувався. Таку інтерпретацію підтверджують значення коефіцієнтів в "м'якій" адаптивної моделі. Ці коефіцієнти, навпаки, були всі позитивні. А значення коефіцієнтів для попередніх прогнозів завжди і істотно перевершували значення коефіцієнтів для попередніх фактичних змін випуску - особливо з 1996 р. (див. рис.4).

Тепер розглянемо адаптивні моделі формування виробничих планів, де в якості незалежних змінних використовуються точності прогнозів основних видів попиту відносності наступних реалізацій цих же видів попиту. Адаптивна модель з участю лише точності платоспроможного попиту мала хорошу якість підгонки протягом усього періоду спостереження (1995-2001 рр.).. Єдиним тривалим винятком стало початок 2000 р. Коефіцієнти моделі були негативні і дуже рідко статистично значущі. Т.ч. гіпотеза про адаптивне (тільки по платоспроможному попиту) формуванні виробничих планів в російській промисловості не підтверджується. Аналогічні результати були отримані і для інших видів попиту: моделі мали прийнятну якість підгонки, але негативні коефіцієнти, які дуже рідко були статистично значущі.

На наступному кроці дослідження адаптивних моделей розглянемо модель, де в якості незалежних змінних фігурують точності всіх трьох видів попиту одночасно:

Q * t = f (Ф (Dt, D * t-1), Ф (Bt, B * t-1), Ф (Nt, N * t-1)),

де Q * t - очікувані зміни виробництва, зареєстровані в останній момент (опитування) t; Dt, Bt, Nt - фактичні зміни платоспроможного, бартерного й інших негрошових видів попиту відповідно, зареєстровані в останній момент (опитування) t; D * t-1, B * t-1, N * t-1,-очікувані зміни платоспроможного, бартерного й інших негрошових видів попиту відповідно, зареєстровані в останній момент (опитування) t-1.

Така модель мала високу якість підгонки: спостережуваний рівень значимості гарантовано перевершував 5% поріг (див. табл.7). Коефіцієнти моделі були частіше позитивні, ніж негативні, особливо - для точностей бартерного й інших негрошових видів попиту. Але статистична значимість коефіцієнтів була вкрай низькою: 2-3 рази для кожного з видів попиту за два роки моніторингу. І в цьому випадку не вдалося отримати надійних статистичних аргументів на користь адаптивного (за всіма видами попиту) формування планів випуску в російській промисловості.

Таблиця 7. Характеристики впливу точностей прогнозів платоспроможного, бартерного й інших негрошових видів попиту на виробничі плани підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів до виробничих планів, і стандартні помилки (SE).

Введемо в попередню модель точність прогнозування (точніше - планування) ще одного показника - обсягів виробництва. Тоді у нас вийде модель, яка передбачає, що чергові прогнози випуску формуються залежно від точності чотирьох показників (трьох видів попиту і випуску):

Q * t = f (Ф (Qt, Q * t-1), Ф (Dt, D * t-1), Ф (Bt, B * t-1), Ф (Nt, N * t-1)) .

Розглянута модель також мала високу якість підгонки: спостережуваний рівень значимості завжди був максимальним. Коефіцієнти моделі були завжди позитивні для трьох видів попиту і майже завжди для точності попередніх планів виробництва. Однак статистично значущим виявився вплив точності прогнозів бартерного й інших негрошових видів попиту, точності інших показників не враховувалися адаптивним чином при плануванні випуску на черговий період (див. табл.8).

Таблиця 8. Характеристики впливу точностей прогнозів випуску, платоспроможного, бартерного й інших негрошових видів попиту на виробничі плани підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів до виробничих планів, і стандартні помилки (SE).

Така ситуація виглядає не дуже логічною, оскільки обидва статистично значущих показника стають після дефолту все менш значущими для російських промислових підприємств. Сумарна частка цих видів попиту впала в 2001 р. до 25-20%. Більше того, підприємства намагаються утримуватися від збільшення обсягів таких угод навіть за часів, коли грошовий попит не зростає або знижується. Але, можливо, в цьому поєднанні і слід шукати пояснення. Якщо небажані явища мають фактичну тенденцію до скорочення, то чому б не наслідувати (не враховувати) цієї тенденції і в своїх діях (плани випуску). Можливо, тому в такій адаптивної моделі і було отримано статистично значимий вплив на плани випуску точностей попередніх прогнозів "небажаних" показників. З іншими індикаторами (платоспроможний попит і випуск) ситуація інша. Обсяги цих показників (продажів і виробництва) до цих пір вважаються в російській промисловості недостатніми. Про це явно свідчать оцінки підприємствами обсягів платоспроможного попиту і виробництва за шкалою "вище норми", "нормальний", "нижче норми" (див. рис.5).

Рис.5

У промисловості завжди і стійко переважали відповіді "нижче норми" в оцінці цих показників. Промислове зростання 1999-2001 рр.. не вніс принципових змін у співвідношення оцінок. Звичайно, зараз стало більше відповідей "нормальний". У цілому по промисловості частка таких відповідей складає 40%. Але решта (тобто більшість) вважають і попит, і випуск недостатніми. З цієї ж причини, ймовірно, прогнози підприємств випуску і продажів завжди оптимістичніше фактичних змін цих показників. У такій ситуації коригувати свої чергові плани випуску з урахуванням відхилень факту від попередніх планів російським підприємствам складно. Бажане все ще тяжіє над дійсним.

Продовжимо дослідження адаптивних моделей формування виробничих планів з використанням точностей реалізації попередніх планів щодо фактичних змін основних видів попиту: платоспроможного, бартерного й інших негрошових. Спочатку розглянемо модель, в якій чергові прогнози випуску визначаються тільки точністю щодо платоспроможного попиту:

Q * t = f (Ф (Dt, Q * t-1)),

де Q * t - очікувані зміни виробництва, зареєстровані в останній момент (опитування) t; Dt - фактичні зміни платоспроможного попиту, зареєстровані в останній момент (опитування) t, Q * t-1 - плани зміни випуску, зареєстровані в останній момент (опитування) t- 1, Ф (Dt, Q * t-1) - точність реалізації очікуваних змін виробництва Q * t-1 щодо фактичних змін платоспроможного попиту Dt. Така модель мала прийнятне, але не стабільна якість підгонки в 1993-1996 рр.., Потім спостережуваний рівень значимості став все рідше перевищувати 5% поріг (як правило, не більше 4 разів на рік) і не занадто сильно. Коефіцієнт моделі, що оцінює лінійну зв'язок рангів, завжди була негативною, а статистично значимим - з кінця 1995 р. Таким чином, припущення про те, що підприємства враховують відхилення своїх попередніх планів випуску від фактичних змін попиту поки не отримало статистичних аргументів.

Аналогічні результати отримані при тестуванні моделі з включенням тільки точності планів випуску стосовно фактичних змін бартерного попиту. Така модель протягом всього періоду спостереження за динамікою бартеру (1998-2001 рр..) Не підходить для опису формування виробничих планів підприємств. Спостережуваний рівень значущості був нульовим. А коефіцієнти моделі - значимо негативними.

Майже настільки ж невідповідною була і адаптивна модель, що використовує в якості незалежної змінної точність планів випуску стосовно динаміки інших видів попиту. Вона мала прийнятну якість підгонки лише наприкінці 2000 р. - початку 2001 р. і завжди - негативні коефіцієнти, які були статистично значущі.

Адаптивна модель з використанням точностей реалізації попередніх планів випуску стосовно всіх трьох видів попиту

Q * t = f (Ф (Dt, Q * t-1), Ф (Bt, Q * t-1), Ф (Nt, Q * t-1))

не забезпечила гарну якість підгонки (спостережуваний рівень значущості був нульовим), але мала "бажані" - для нормальної економіки - коефіцієнти. Вони були позитивні і в половині випадків статистично значущі для точності платоспроможного попиту; негативні й рідко значимі - для негрошових видів попиту (бартер, векселі, заліки). Іншими словами, при виробленні наступних планів випуску російські підприємства, швидше за враховують відхилення попередніх планів від платоспроможного попиту, ніж від негрошових видів попиту.

Додавання в попередню модель точності планів випуску стосовно подальших фактичних змін виробництва дозволило трохи поліпшити якість підгонки моделі (див. табл.9). Позитивні коефіцієнти мала лише нова незалежна змінна - точність попередніх планів випуску. Ці коефіцієнти були й статистично значущі протягом усього періоду спостереження. Вплив точності щодо платоспроможного попиту стало позитивним лише в половині випадків і ще рідше - статистично значущим. Більше позитивних коефіцієнтів з'явилося у точності щодо бартерного попиту, але статистично значущих стало менше. Точність щодо інших негрошових видів попиту зберегла негативні коефіцієнти, серед яких стало більше статистично значимих.

Таблиця 9. Характеристики впливу точностей попередніх планів випуску стосовно подальших фактичних змін випуску, платоспроможного, бартерного й інших негрошових видів попиту на виробничі плани підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів до виробничих планів, і стандартні помилки (SE).

Підводячи підсумок дослідження адаптивних моделей для опису планів формування виробничих планів, можна наступні висновки. По-перше, такий тип формування планів, швидше за все, не характерний для російських промислових підприємств. По-друге, використання в адаптивних моделях спросових змінних значно розширило аналітичні можливості, але також не дало стійких і логічних результатів. По-третє, негативні коефіцієнти моделей показують, що підприємства, ймовірно, не схильні вірити відхилень фактичних змін показників і коригувати з урахуванням цього свої чергові плани випуску. Вони вважають за краще зберігати колишнє напрямок своїх намірів. "М'які" постановки адаптивних моделей підтвердили цю тезу: вплив на чергові плани попередніх намірів завжди і істотно перевершувало вплив фактичних змін випуску. По-четверте, точності прогнозів всіх видів попиту не надавали значущого впливу на виробничі плани підприємств. По-п'яте, найвдалішою виявилася адаптивна модель з включенням точностей прогнозів всіх факторів до складу незалежних змінних. При цьому значуще позитивний вплив на виробничі плани мали тільки негрошові види попиту. Це пояснюється тим, що в період оцінки моделі фактичні зміни негрошових видів попиту мали бажану для підприємств динаміку, що й робило можливим її врахування при виробленні наступних планів. А недостатні обсяги грошового попиту і випуску не дозволяли російським підприємствам адекватно враховувати їх зміни при виробленні чергових планів.

4.3. Навчання-на-помилки моделі формування планів виробництва

Моделі навчання на помилках припускають, що зміни прогнозу між двома сусідніми опитуваннями залежать від точності реалізації прогнозу в першому з опитувань. На відміну від адаптивних моделей моделі навчання на помилках представляються більш цікавими в силу тієї обставини, що в них у якості залежної змінної використовуються зміни прогнозів між двома сусідніми опитуваннями. У цих моделях використовуються обидві похідні змінні, введені раніше: точність прогнозу і зміна прогнозу за два сусідніх опитування. Повторимо, що змінна, що характеризує точність прогнозу, може приймати значення: 1 - якщо фактичні значення виявилися краще прогнозів, 2 - якщо прогноз збігся з фактом, 3 - якщо фактичні значення виявилися гірше прогнозів. Друга змінна, що описує зміна прогнозів за два сусідніх опитування, також трихотомической: 1 - якщо прогноз став більш оптимістичним, 2 - якщо прогноз не змінився, 3 - якщо прогноз став більш песимістичним. Якщо справедливо припущення про те, що формування прогнозів носить характер навчання на помилках, то при кращих фактичних змін у порівнянні з попередніми прогнозами чергові прогнози повинні бути переглянуті у бік поліпшення. При зворотній ситуації (прогноз виявився гіршим факту) підприємства повинні змінити прогнози у бік зниження (погіршення). Тоді коефіцієнт логлінейной моделі з використанням порядкових даних кон'юнктурних опитувань повинні бути позитивні.

Крім базової моделі формування виробничих планів будуть досліджені і комбіновані моделі, в яких як незалежних змінних фігурують точності прогнозів виробництва щодо подальших фактичних змін різних видів попитів. Інше можливе напрямок розвитку таких моделей - використання в якості незалежних змінних "чистих" точностей прогнозів трьох видів попиту, тобто точностей щодо фактичних реалізацій того ж показника.

Почнемо дослідження моделей навчання на помилках з базової моделі формування (точніше - зміни) виробничих планів:

D (Q * t, Q * t-1) = f (Ф (Qt, Q * t-1)).

де D (Q * t, Q * t-1) - зміна напрямку виробничих планів, зареєстрованих між двома моментами (опитуваннями) t і t-1; Ф (Qt, Q * t-1) - точність реалізації першого з двох планів зміни виробництва Q * t-1 щодо фактичних змін виробництва Qt.

Ця модель навчання на помилках досить добре і стабільно описувала зміни прогнозів випуску протягом 1993-1996 рр.. Потім якість підгонки моделі стало погіршуватися: вона все рідше мала допустимі значення відношення правдоподібності, а з 1999 р. перестала бути прийнятною. Правда, в 2001 р. було зафіксовано три випадки, коли величина відношення правдоподібності свідчила про неможливість відкинути гіпотезу про зміну сусідніх виробничих планів під впливом точності реалізації перших з них. Однак спостережуваний рівень значимості не занадто сильно перевершував поріг 5%, щоб можна було впевнено говорити про повернення російських промислових підприємств до подібним принципом перегляду своїх планів. Коефіцієнти моделі були позитивні і статистично значущі протягом всього періоду моніторингу. Таким чином, підприємства останні роки, скоріш за все, перестають враховувати точність прогнозів виробництва при коригуванні своїх подальших планів. Разом з тим, перевірка гіпотези про незалежність зміни планів від точності реалізації перших з них показала, що це припущення не може бути прийнято. Спостережуваний рівень значимості відношення правдоподібності логлінейной моделі без лінійного взаємодії чинників у всіх випадках був нульовим. А порівняння якості підгонки двох моделей показало обгрунтованість ускладнення моделі за рахунок лінійного взаємодії. Проте простого лінійного взаємодії останні роки стало недостатньо.

На наступному кроці аналізу перевіримо гіпотези про залежність перегляду виробничих планів від точності їх реалізації щодо фактичних змін трьох відслідковуються видів попиту окремо. Залежність від точності щодо платоспроможного попиту має вигляд:

D (Q * t, Q * t-1) = f (Ф (Dt, Q * t-1)).

Ф (Dt, Q * t-1) - точність реалізації перших з двох планів зміни виробництва Q * t-1 щодо фактичних змін платоспроможного попиту Dt. Використання цієї моделі може бути відкинуто при описі механізму перегляду планів виробництва протягом всього періоду спостереження за вхідними в модель вихідними ознаками (1995-2001 рр.).. Разом з тим, якість підгонки цієї моделі не завжди було стабільним. Провали спостережуваного рівня значущості нижче поріг 5% були зареєстровані в кінці 1998 р. - початку 1999 р. Ймовірно, різкі й несподівані зміни динаміки продажів внесли тоді деяку сум'яття у принципи формування виробничих планів в російській промисловості. Потім ситуація нормалізувалася, і точність планів виробництва щодо продажу продукції за гроші стала і раніше, враховуватиметься при коригуванні чергових планів випуску.

Розглянемо тепер модель, в якій зміна прогнозів випуску може залежати від двох точностей: від точності планів виробництва щодо подальших фактичних змін випуску і точності щодо подальших змін платоспроможного попиту:

D (Q * t, Q * t-1) = f (Ф (Qt, Q * t-1), Ф (Dt, Q * t-1)).

Така модель мала прийнятну якість підгонки до кінця 1997 р. У 1998 р. величина відношення правдоподібності частіше стала бувати занадто великий, щоб не відкинути проверяемую модель для опису механізму зміни планів випуску. У 1999 р. підстави для того, щоб не приймати цю модель стало ще більше. Але в 2000 р. і особливо в 2001 р. ситуація стала виправлятися: спостережуваний рівень значимості став частіше перевищувати поріг 5%. Щоправда, перевищення це виявлялося не таким великим як у 1993-1994 рр.. Коефіцієнти моделі були завжди позитивні і статистично значущі (крім одного винятку). Цим винятком виявився 1994 р., коли коефіцієнти точності щодо реалізацій випуску були статистично незначущі. Цікавим виявилося співвідношення коефіцієнтів моделі. Точність планів випуску стосовно подальших реалізацій попиту в переважній кількості випадків надавала більш сильний вплив на перегляд планів виробництва. Цей висновок свідчить на користь "ринковості" мислення керівників промислових підприємств, для яких відповідність планів випуску та змін попиту є більш сильним аргументом для перегляду своїх планів, ніж відповідність планів випуску та їх фактичних змін.

Вплив бартеру на механізм перегляду виробничих планів підприємств можна досліджувати за допомогою моделі, в якій в якості незалежної змінної використовуються точності планів випуску стосовно фактичних змін бартерного попиту:

D (Q * t, Q * t-1) = f (Ф (Bt, Q * t-1)).

Ф (Bt, Q * t-1) - точність реалізації перших з двох планів зміни виробництва Q * t-1 щодо фактичних змін бартерного попиту Bt. Така модель також мала гарну якість підгонки і завжди позитивні і статистично значущі коефіцієнти. Таким чином, точність планів випуску стосовно бартеру також враховувалася підприємствами при перегляді своїх планів. Додавання в цю модель ще й традиційної точності щодо самого випуску дало цікаві результати. По-перше, стабільним і високим якість підгонки цієї моделі було з липня по жовтень 1998 р., коли бартер ще був важливий для російської промисловості, а частка нормальних продажів ще не став значною. По-друге, потім до кінця 2000 р. відхилення моделі від емпіричних значень стає неприйнятно великим, і тільки в кінці цього року (коли опитування зареєстрували перший в последефолтний період абсолютний спад продажів за гроші) розглянута модель знову не може бути відкинута. У 2001 р. наша модель починає "працювати" в травні і в кінці року, коли в російській промисловості знову виникають проблеми з платоспроможним попитом. Всі коефіцієнти моделі були завжди позитивні і завжди статистично значущі. При цьому значення коефіцієнтів точності за бартером було частіше вище, ніж значення коефіцієнтів точності по випуску. Звичайно, бартер складно назвати "хорошим" фактором для визначення виробничих планів, але все ж цей орієнтир краще фактичної динаміки випуску.

Аналогічна ситуація склалася і при використанні в якості незалежної змінної точності планів випуску стосовно інших негрошових видів попиту (векселя, заліки і пр.):

D (Q * t, Q * t-1) = f (Ф (Nt, Q * t-1)).

де Ф (Nt, Q * t-1) - точність реалізації перших з двох планів зміни виробництва Q * t-1 щодо фактичних змін інших негрошових видів попиту Nt. Подібна модель була оцінена тільки для 2000-2001 рр.., Оскільки моніторинг цього виду попиту почалося з 2000 р. Якість підгонки моделі було високим і стабільним в 2000 р. і нестабільним у 2001 р. Коефіцієнти моделі були позитивними і статистично значимими протягом усього часу . Таким чином, гіпотеза про те, що відхилення планів випуску від фактичних змін обсягів вексельних та залікових угод враховуються підприємствами при коригуванні планів виробництва, не може бути відкинута. Розширення складу незалежних змінних за рахунок точності планів випуску стосовно фактичної зміни випуску призвело до того, що якість підгонки моделі стало допустимим тільки наприкінці 2000 р. - початку 2001 р. Коефіцієнти моделі були як і раніше є позитивними і статистично значущі протягом усього часу спостереження. Як і у випадку з іншими видами попиту, вплив точності планів виробництва щодо фактичної зміни аналізованого виду попиту на зміну планів випуску була вищою.

Дослідження простих моделей навчання на помилках з перехресними точностями планів випуску стосовно фактичних змін попиту показало, що підприємства враховують належним чином всі види попиту при коригуванні своїх планів випуску. І враховують відхилення від попитів сильніше, ніж відхилення від фактичного випуску. Тепер закономірно поставити питання про те, який вид попиту (відхилення від якого різновиду попиту) сильніше впливає на зміни планів випуску російських промислових підприємств. Відповідь на таке питання можна отримати, дослідивши модель, де в якості незалежних змінних використовуються одночасно точності щодо всіх трьох видів попиту:

D (Q * t, Q * t-1) = f (Ф (Dt, Q * t-1), Ф (Bt, Q * t-1), Ф (Nt, Q * t-1)).

Оскільки одночасний моніторинг трьох видів попиту вівся тільки протягом 2000-2001 рр.., А платоспроможного і бартерного - з серпня 1998 р., то ми досліджуємо спочатку модель з точностями планів випуску стосовно останніх двох видів попиту:

D (Q * t, Q * t-1) = f (Ф (Dt, Q * t-1), Ф (Bt, Q * t-1)).

Якість підгонки такої моделі було в більшості випадків прийнятним, але не стабільним. Неприпустимо велика розбіжність емпіричних і модельних даних зареєстровано в першій половині 2000 р. і початку 2001 р. Але тренд цього показника свідчить про позитивну динаміку якості даної моделі. Коефіцієнти моделі були позитивні і статистично значущі протягом усього періоду. При цьому точність прогнозів щодо платоспроможного попиту мала більш сильний вплив на коригування виробничих планів, ніж точність щодо бартеру. І це перевага була досить стабільним (див. рис.6).

Тепер розглянемо модель з участю всіх трьох видів попиту. Якість її підгонки було стабільно високим протягом всього періоду. Спостережуваний рівень значимості не опускався, як правило, нижче 0,9 (див. табл.10). Завжди є позитивними і статистично значущими були лише коефіцієнти для точності планів випуску стосовно платоспроможного випуску. Коефіцієнти для бартерного попиту були позитивні майже у всіх випадках і статистично незначущі. Коефіцієнти для інших видів негрошового попиту були завжди позитивні і статистично значущі в половині випадків. Таким чином, бартер, швидше за все, має саме слабкий вплив на коригування виробничих планів підприємств в останні два роки. Проміжне вплив мають векселі та заліки, найсильніше і стабільне в 2000-2001 рр.. - Платоспроможний попит.

Таблиця 10. Характеристики впливу точностей виробничих планів щодо фактичних змін платоспроможного, бартерного й інших негрошових видів попиту на коригування виробничих планів підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів зі зміною виробничих планів, і стандартні помилки (SE).

Доповнимо попередню модель точностями планів виробництва щодо фактичних змін випуску:

D (Q * t, Q * t-1) = f (Ф (Qt, Q * t-1), Ф (Dt, Q * t-1), Ф (Bt, Q * t-1), Ф ( Nt, Q * t-1)).

Така модель також мала максимальну і стабільну якість підгонки, коефіцієнти були завжди позитивні для платоспроможного попиту, векселів та заліків та самого випуску. Коефіцієнти для бартеру мали іноді негативні знаки і практично не були статистично значущі. Найчастіше були значимі коефіцієнти для точностей планів щодо реалізацій самого виробництва, на другому місці - щодо продажів за гроші. Таким чином, тут платоспроможний попит поступився "пальму першості" фактичним змін виробництва.

На закінчення розглянемо моделі, що передбачають зміну планів випуску під впливом "чистих" точностей прогнозів трьох видів попиту, тобто точностей щодо фактичних змін того ж показника. Подібні моделі також, на наш погляд, можна використовувати для характеристики особливостей поведінки промислових підприємств у перехідних економіках. Якщо прогнози попиту виявилися гірше фактичних змін попиту (на які орієнтувалися підприємства - в тому числі, випуском), то виробники мають підстави переглянути свої плани виробництва у бік їх поліпшення, щоб задовольнити несподівано (непрогнозованою) високий попит на свою продукцію. У протилежній ситуації (фактична динаміка попиту виявилася гірше прогнозувати) підприємства також має право скоригувати свої виробничі плани в гірший бік. При збігу прогнозів зміни попиту з його фактичними змінами підприємства можуть не змінювати свої плани випуску.

Спочатку перевіримо прості моделі, в яких як незалежних змінних використовуються точності прогнозів тільки одного виду попиту. Модель з точностями прогнозів платоспроможного попиту

D (Q * t, Q * t-1) = f (Ф (Dt, D * t-1)).

мала протягом майже всього періоду спостереження гарна якість підгонки. Лише восени 1997 р і особливо в кінці 1998 р. - початку 1999 р. наша модель не може бути використана для опису механізму перегляду планів випуску. Коефіцієнти моделі були завжди позитивні і статистично значущі. Тільки в кінці 2001 р. коефіцієнти стають незначними. Перевірка гіпотези про незалежність використовуються в моделі показників показала, що у вказаний же період ця гіпотеза не може бути відкинута. А порівняння якості підгонки двох моделей показало, що приріст якості моделі за рахунок додавання лінійного взаємодії точності прогнозів попиту і зміни планів випуску в листопаді-грудні 2001 р. не настільки великий, щоб варто відмовлятися від більш простої моделі. Можливо, в кінці 2001 р., коли в російській промисловості почався період очевидного уповільнення зростання і попиту і випуску, що сформувалися раніше принципи коригування виробничих планів дали збій.

Модель з точністю прогнозів бартерного попиту також мала гарну якість підгонки, але "погані" коефіцієнти. Останні були частіше негативними, ніж позитивними і завжди - статистично незначущими. Очевидно, що таке поєднання слід розцінювати позитивно: випуск не йде за бартером, і взагалі вплив бартеру на плани підприємств у серпні 1998 р - грудні 2001 р., швидше за відсутня. Ці висновки підтвердила перевірка гіпотези про незалежність D (Q * t, Q * t-1) і Ф (Bt, B * t-1). Така логлінейная модель мала хорошу якість підгонки, а її зіставлення з більш "складною" конструкцією показало недоцільність додавання лінійного взаємодії.

Аналогічні результати були отримані при перевірці впливу точностей прогнозів інших негрошових видів попиту на перегляд виробничих планів підприємств. По-перше, модель з лінійним взаємодією мала прийнятну якість підгонки, але коефіцієнти були і позитивними, і негативними, і статистично незначущі. По-друге, модель без лінійного взаємодії була також прийнятна, а порівняння моделей показало, що приріст відношення правдоподібності за рахунок лінійного взаємодії невеликий, і тому краще є більш проста модель.

Тепер перевіримо вплив на перегляд виробничих планів підприємств точностей прогнозів декількох видів попиту одночасно. Спочатку досліджуємо модель, де в якості незалежних змінних фігурують точності прогнозів платоспроможного і бартерного попитів:

D (Q * t, Q * t-1) = f (Ф (Dt, D * t-1), Ф (Bt, B * t-1)).

Вона мала добрий, але не стабільна якість підгонки (особливо в кінці 1998 р. - початку 1999 р.). Коефіцієнти моделі були завжди позитивні і статистично значущі тільки для точностей прогнозів платоспроможного попиту (див. рис.7). Бартерний попит мав як позитивні, так і негативні коефіцієнти, які майже завжди були статистично незначущі. Таким чином, бартер скоріше не враховується підприємствами, останні все-таки віддають перевагу продажам за гроші при коригуванні своїх планів зміни випуску.

До аналогічних висновків приводить тестування моделі, де фігурують точності прогнозів всіх трьох видів попиту:

D (Q * t, Q * t-1) = f (Ф (Dt, D * t-1), Ф (Bt, B * t-1), Ф (Nt, N * t-1)).

Високе і відносно стабільне якість підгонки цієї моделі поєднувалося з позитивними і статистично значимими коефіцієнтами тільки у точностей прогнозів платоспроможного попиту (див. табл.11). Бартер, векселі та заліки мали й негативні, і позитивні коефіцієнти, які практично завжди (за рідкісним винятком) були статистично незначущі.

Таблиця 11. Характеристики впливу точностей прогнозів платоспроможного, бартерного й інших негрошових видів попиту на коригування планів випуску підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів зі зміною виробничих планів, і стандартні помилки (SE).

Вище ми розглядали моделі, в яких плани підприємств могли змінюватися або залежно від точності планів випуску стосовно подальших фактичних змін попиту, або від точності прогнозів попиту щодо подальших фактичних змін того ж попиту. Об'єднання цих двох підходів приводить нас до моделі, де в якості незалежних змінних одночасно фігурують обидва види точності. Тоді для платоспроможного попиту буде досліджена наступна модель:

D (Q * t, Q * t-1) = f (Ф (Dt, Q * t-1), Ф (Dt, D * t-1)).

Таке формулювання моделі навчання на помилках дозволяє перевірити, прогнози (плани) якого показника щодо попиту враховуються підприємствами при коригуванні своїх виробничих планів: випуску або попиту. Якщо першого, то поведінка російських виробників можна назвати більш ринковим, оскільки вони безпосередньо співвідносять (зіставляють) свій випуск з попитом і на цій основі коректують плани випуску. Залежність від другої точності, на наш погляд, поступається з точки зору ринковості першої, оскільки не пов'язана безпосередньо з динамікою випуску.

Якість підгонки наведеної моделі було визначено прийнятним, але не стабільним. Спостережуваний рівень значимості знаходився в межах від 0,1 до 0,99 і дуже рідко опускався нижче 5% порогу. Коефіцієнти моделі були завжди позитивні і статистично значущі тільки для точностей планів виробництва відносно попиту (див. мал.8). Коефіцієнти точностей прогнозів попиту мали негативні значення і іноді були статистично незначущі. Остання частіше мало місце до дефолту 1998 р., потім статистична незначимість цього параметра стала епізодичним явищем.

Таким чином, російські промислові підприємства "коректно" враховують точність своїх планів випуску стосовно подальших змін попиту. З точністю прогнозів попиту ситуація інша. Негативні значення коефіцієнтів свідчать, що підприємства "зворотним" чином реагують на розбіжності прогнозів платоспроможного попиту і фактичних змін продажів. Іншими словами, вони не схильні враховувати фактичні зміни попиту і продовжують орієнтуватися на свої прогнози цього показника. Для перевірки цього припущення "розіб'ємо" точність прогнозів попиту на складові (Dt і D * t-1), і оцінимо наступну логлінейную модель:

D (Q * t, Q * t-1) = f (Ф (Dt, Q * t-1), Dt, D * t-1).

Ця модель не може бути відкинута при описі механізму перегляду планів випуску протягом всього періоду моніторингу. Вплив точності планів випуску стосовно попиту залишилося позитивним і статистично значущим. Коефіцієнти прогнозів попиту (D * t-1) були, як правило, є позитивними і дуже рідко статистично значущі. Коефіцієнти фактичних змін попиту (Dt) були завжди негативні і, як правило, статистично значущі (див. рис.9). Таким чином, підприємства при перегляді планів випуску, ймовірно, не враховують свої прогнози продажів. А фактичним змін попиту "довіряють" з протилежним знаком.

Аналогічні результати були отримані при дослідженні моделей з використанням бартерного попиту. Перша модель (з включенням точностей планів випуску стосовно бартерного попиту і точностей прогнозів бартеру щодо фактичних змін бартеру) мала хорошу якість підгонки, позитивні статистично значущі коефіцієнти для першої точності і негативні статистично значущі - для другої. Друга модель (з розбивкою точності прогнозів бартеру на складові) також добре підходила до емпіричним даним. Вона показала, що прогнози бартеру, швидше за все, "коректно" впливали на перегляд підприємствами планів випуску. Але з часом (а саме - з другої половини 2000 р.) цей вплив стало незначним. Фактичні зміни бартеру завжди і стійко мали негативний вплив на перегляд планів випуску. На відміну від випадку з платоспроможним попитом, такий тип реакції на зміни обсягів негрошових угод можна, напевно, вітати. Дійсно, при зниженні обсягів бартеру підприємства переглядають свої плани зміни випуску в кращу сторону, тобто зниження змінюється стабілізацією або зростанням, а незмінність - зростанням виробництва. А зростання бартеру викликає перегляд планів у бік погіршення. Виходить, що бартер підприємствам не потрібен.

Дослідження моделей навчання на помилках формування виробничих планів дозволяє зробити наступні висновки. По-перше, подібні моделі цілком застосовні для опису принципів формування планів виробництва в російській промисловості. По-друге, аналіз базової моделі показав, що російські підприємства все-таки переглядають свої плани на основі точності реалізації попередніх планів. По-друге, на перегляд впливають і точності прогнозів випуску стосовно подальших змін платоспроможного попиту. По-третє, з вищезгаданих двох факторів більш сильний вплив на плани підприємств має точність щодо продажів за гроші, що свідчить на користь "ринковості" поведінки підприємств. По-четверте, точність щодо негрошових видів попиту також враховується підприємствами, але головним чином за часів проблем з нормальними продажами. По-п'яте, аналіз впливу перехресних точностей випуску стосовно всіх трьох видів попиту показав, що підприємства воліють в першу чергу враховувати відхилення від продажів за гроші. Аналогічні результати були отримані і при використанні прямих точностей прогнозів попитів. І тут першість за платоспроможним попитом. По-сьоме, подальше дослідження впливу точностей планів випуску і прогнозів попиту показало, що "коректно" обліковуються точності планів випуску стосовно попиту.

5. Моделі формування цінових планів

5.1 Екстраполяційні моделі формування цінових планів

Розгляд екстраполяційних моделей формування цінових планів російських промислових підприємств почнемо з базової моделі, що припускає, що плани зміни цін в момент t визначаються попередніми фактичними змінами цін:

P * t = f (P t, Pt-1),

де P * t - плани зміни відпускних цін підприємства на вироблену продукцію, що визначилися в останній момент (опитування) t; Pt - фактичні зміни відпускних цін підприємства на вироблену продукцію, зареєстровані в останній момент (опитування) t; Pt-1 - фактичні зміни відпускних цін підприємства на вироблену продукцію, зареєстровані в останній момент (опитування) t-1. Оскільки одночасний моніторинг і фактичних змін, і прогнозів цін в опитуваннях ІЕПП почався з жовтня 1994 р., то наші розрахунки почнуться з цього моменту часу. Раніше вівся тільки моніторинг прогнозів зміни цін.

Якість підгонки базової моделі виявилося високим і досить стабільним до 1999 р. Для цього періоду характерна, на наш погляд, відносно проста цінова ситуація і відповідно політика виробників. Високий і стабільний ріст цін, що змінився потім стабільним їх зниженням і стрибком восени 1998 р., і дозволяв підприємствам дотримуватися простих схем встановлення відпускних цін. Платоспроможний попит, обсяги якого ставали все менше, не враховувався підприємствами. Ситуація починає змінюватися в 1999 р. Початок зростання продажів за гроші і розгортання здорового промислового зростання змушує підприємства відмовитися від простих принципів встановлення своїх цін. Екстраполяційні модель формування цін все рідше і гірше описує цінову політику підприємств. Така ситуація зберігається протягом усіх трьох последефолтних років.

Коефіцієнти моделі були позитивні для обох попередніх змін цін. Але стабільно статистично значущі вони були лише для першого параметра. Більш "віддалені" зміни цін у 1994-1995 і 1997 рр.. не мали статистично значимого впливу на цінові плани підприємств. Це підказує, що модель може бути спрощена за рахунок виключення відповідного лінійного взаємодії. Однак перевірка спрощеної моделі не дала задовільних результатів. Якість підгонки моделі знизилося занадто сильно, і спостережуваний рівень значимості відношення правдоподібності став нижче 5%, особливо в 1999-2001 рр.. Порівняння значень відношення правдоподібності двох моделей, що відрізняються на один параметр, також показало доцільність використання більш складної моделі.

Можливості розвитку моделі екстраполяційних планів формування цін, на нашу думку, не такі великі і очевидні як у випадку екстраполяціонний моделі формування виробничих планів. З усього списку показників кон'юнктурних опитувань в такій моделі в якості незалежних змінних можна використовувати в якості незалежних змінних ще попередні фактичні зміни попиту і витрат, а також прогнози цих змінних. Можливо, останні змінні з дуже великою натяжкою вписується в ідеологію екстраполяційних прогнозів, але, оскільки спросовой змінні представляються нам особливо цікавими, ми все-таки ризикнемо використовувати її у складі незалежних змінних.

Проаналізуємо екстраполяційних модель, в якій передбачається залежність цінових планів тільки від безпосередньо попередніх змін витрат:

P * t = f (C t),

де P * t - плани зміни відпускних цін підприємства на вироблену продукцію, що визначилися в останній момент (опитування) t; Сt - фактичні зміни витрат підприємства, зареєстровані в останній момент (опитування) t. Оскільки моніторинг витрат підприємств почався в 1997 р., то оцінка моделей за участю витрат можлива для періоду 1997-2001 рр.. Наведена модель мала не дуже висока і нестабільна якість підгонки. Спостережуваний рівень значимості гарантовано і стабільно перевершував поріг 5% лише в період липень 1998 - липень 2000 р., потім якість моделі два рази падало нижче критичного рівня і стало прийнятним лише в липні 2001 р. Коефіцієнти були позитивні і статистично значущі з жовтня 1998 р. Перевірка моделі без лінійного взаємодії цінових планів і фактичних змін цін показала, що до жовтня 1998 гіпотеза про незалежність досліджуваних змінних не може бути відкинута. На користь цього свідчить і зіставлення відношення правдоподібності двох моделей. Проста модель краще підходить до спостережуваних даними до дефолту 1998 р.: з шести кварталів вона може бути використана в чотирьох. Після дефолту її перевагу зареєстровано тільки в кінці 2001 р., коли в російській промисловості розпочався, схоже, черговий "проблемний" період. Таким чином, дефолт 1998 р. і тут виявився переломною точкою. До серпня 1998 р. підприємства у своїй ціновій політиці мало звертали увагу на динаміку витрат. Потім цей чинник починає грати нормальну роль, але дає, можливо, збій в кінці 2001 р.

Розглянемо модель, у якій передбачається формування цінових планів підприємств під впливом попередніх фактичних змін платоспроможного попиту:

P * t = f (D t, Dt-1).

де Dt - фактичні зміни платоспроможного попиту на вироблену продукцію, зареєстровані в останній момент (опитування) t; Dt-1 - фактичні зміни платоспроможного попиту на вироблену продукцію, зареєстровані в останній момент (опитування) t-1.

Очевидно, що фактичне зростання попиту повинен мати позитивний вплив на цінові плани підприємств, наступні за моментом реєстрації змін попиту. Коефіцієнти логлінейной моделі, що оцінюють взаємодія фактичних змін попиту і цінових планів, повинні бути позитивні. І, дійсно, якість підгонки такої моделі виявилося досить високим протягом всього періоду моніторингу використовуваних змінних. Коефіцієнти моделі були (за рідкісним винятком) позитивні для Dt і дуже часто - для Dt-1. Більш того останні коефіцієнти були дуже рідко статистично значущі. А ось статистична значимість коефіцієнтів для Dt мала цікаву динаміку. У період 1995-1998 рр.. значущий вплив останніх фактичних змін попиту на цінові плани реєструвалося 2-3 рази на рік. Але з 1999 р. частота такого впливу зростала і досягла піку в 2001 р.: протягом 10 місяця з 12 платоспроможний попит позитивно впливав на цінові плани російських підприємств. Т.ч. тут ми маємо зворотну картину: саме в останні роки зміна фактичних продажів за гроші починає враховуватися підприємствами при формуванні цінової політики на наступний період. До 1998 р. платоспроможний попит, швидше за все, не враховувався при встановленні цін.

Якщо ввести в розглянуту вище модель фактичні зміни витрат, то така екстраполяційних конструкція покаже, які чинники змушували російські промислові підприємства в другій половині 90-х років змінювати відпускні ціни: витратні або спросовой. Така модель

P * t = f (D t, Dt-1, Сt)

мала високу та стабільну якість підгонки протягом всього періоду моніторингу витрат. Спостережуваний рівень значимості не опускався, як правило, нижче 0,8 (див. табл.12). Самі "якісні" коефіцієнти були у витрат: вони були стабільно позитивні і частіше статистично значущі. Статистична значимість коефіцієнтів Dt починає реєструватися (як і в попередній моделі) з 1999 р. Попередні фактичні зміни попиту (Dt-1) мали самі "гірші" коефіцієнти: вони часто були негативними і лише один раз статистично значущі. Дотримуючись логіки логлінейного аналізу, спробуємо спростити модель за рахунок виключення лінійного взаємодії P * t і Dt-1. "Усічена" модель несильно втратила в якості підгонки: зіставлення приросту величини відношення правдоподібності з приростом числа ступенів свободи свідчить про перевагу простій моделі. Коефіцієнти моделі були завжди позитивні і завжди статистично значущі тільки для витрат. Фактичні зміни платоспроможного попиту стабільно значимо впливали на цінові плани з середини 1999 р. і іноді - в 1997-1998 рр.. Подальше спрощення вихідної моделі виявилося недоцільним.

Таблиця 12. Характеристики впливу фактичних змін платоспроможного попиту і витрат на ціни підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів з ціновими планами, і стандартні помилки (SE).

Наступна модель передбачає, що цінові плани підприємств формуються під впливом попередніх фактичних змін бартерного попиту:

P * t = f (B t, Bt-1),

де Bt - фактичні зміни бартерного попиту на вироблену продукцію, зареєстровані в останній момент (опитування) t; Bt-1 - фактичні зміни бартерного попиту на вироблену продукцію, зареєстровані в останній момент (опитування) t-1.

Така модель мала хорошу і стабільну якість підгонки, в основному позитивні коефіцієнти, але останні були статистично незначущі. Таким чином, гіпотеза про те, що бартерний попит мав вплив на цінову політику підприємств у період 1998-2001 рр.., Не підтверджується. Оцінка моделі з використанням динаміки бартерного попиту для попередніх років неможлива, оскільки цей показник був введений в анкету ІЕПП тільки в 1998 р.

І, нарешті, розглянемо модель, де в якості незалежних змінних використовуються фактичні зміни інших негрошових видів попиту (векселя, заліки і пр.):

P * t = f (N t, Nt-1),

де Nt - фактичні зміни інших негрошових (векселі, заліки та ін) видів попиту на вироблену продукцію, зареєстровані в останній момент (опитування) t; Nt-1 - фактичні зміни інших негрошових (векселі, заліки та ін) видів попиту на вироблену продукцію , зареєстровані в останній момент (опитування) t-1.

Якість підгонки моделі виявилася високою для всього періоду спостережень за змінами цього виду попиту (2000-2001 рр.).. Коефіцієнти моделі були позитивні для обох змінних, але дуже рідко статистично значущі. Ці результати свідчать, що припущення про вплив на цінові плани підприємств динаміки інших негрошових видів попиту, швидше за все, не має статистичних аргументів.

На закінчення розглянемо моделі формування цінових планів, де в якості незалежних змінних виступають кілька видів попиту на промислову продукцію. Більш довгий період спостереження за динамікою бартерного попиту дозволяє оцінити екстраполяційних модель з використанням в якості незалежних змінних фактичних змін платоспроможного і бартерного попиту для відрізка серпня 1998 - грудень 2001 р.:

P * t = f (D t, Dt-1, B t, Bt-1).

Якість підгонки цієї моделі виявилося надзвичайно високим для всього аналізованого періоду: спостережуваний рівень значущості був завжди максимальним (див. табл.13). Всі коефіцієнти моделі (за рідкісним винятком) були позитивні: що розглядаються види попиту надавали нормальне вплив на цінові плани російських підприємств. Однак статистична значимість була різною. Найчастіше істотний вплив на цінову політику надавали фактичні зміни платоспроможного попиту. Причому, самі останні зміни (Dt) виявлялися більш значуща частіше, ніж більш ранні зміни того ж показника (Dt-1). Динаміка значущості коефіцієнтів моделі також цікава. До лютого 1999 платоспроможний попит не мав статистично значущого впливу на цінові плани підприємств. Лише пізніше (тобто з початком зростання продажів за гроші) підприємства починають враховувати його у своїй ціновій політиці. А ось значимий вплив бартерного попиту, навпаки, частіше реєструвалося до 1999 р., потім значимість стала рідкісною, і з'явилася знову в кінці 2000 р.

Таблиця 13. Характеристики впливу фактичних змін платоспроможного і бартерного попиту на плани зміни цін

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів з ціновими планами, і стандартні помилки (SE).

Не може бути відкинута гіпотеза про переважне вплив платоспроможного попиту на цінову політику підприємств і за результатами перевірки моделі, що передбачає формування цін під впливом останніх змін відразу трьох видів попиту:

P * t = f (D t, B t, Nt).

Якість підгонки цієї моделі було дуже високим протягом всього періоду, за який є дані про динаміку всіх видів попиту (2000-2001 рр.).. Коефіцієнти моделі були завжди позитивні для платоспроможного і бартерного попиту і майже завжди - для інших негрошових видів попиту. Однак значущими були лише коефіцієнти для платоспроможного попиту. Жоден з видів негрошового попиту не надавав статистично значимого впливу на плани встановлення цін російських промислових підприємств в останні два роки. Спрощення моделі за рахунок виключення лінійного взаємодії P * t і Nt виявилося повністю виправданим. По-перше, величина відношення правдоподібності у всіх випадках перевищувала 0,9. По-друге, порівняння якості підгонки моделей показало, що гіпотеза про те, що складна модель не підходить краще простій не може бути відкинута. Зниження G2 у всіх випадках, крім одного, було невеликим. Якість коефіцієнтів платоспроможного попиту не змінилося, а коефіцієнти бартерного попиту стали частіше статистично значущі - особливо після листопада 2000 р. Тоді в російській промисловості вперше в последефолтний період були відзначені "спросовой труднощі": було зареєстровано різке уповільнення зростання продажів за гроші, що закінчилося абсолютним зниженням попиту , та уповільнення темпів зниження бартерних угод. А до цього моменту темпи зниження бартеру поступово наростали. Іншими словами, в період свого інтенсивного витіснення негрошових угоди не впливали на цінову політику підприємств, але перші проблеми з продажами за гроші змусили підприємств враховувати їх динаміку при плануванні цін.

Подальше спрощення досліджуваної моделі за рахунок виключення взаємодії P * t і Dt не дало однозначних результатів і підтвердило попередні висновки. До листопада 2000 р. для моделювання цінових екстраполяційних прогнозів російських підприємств цілком достатньо тільки попередніх змін платоспроможного попиту. Потім якість підгонки моделі падає дуже сильно, тобто виникає необхідність у використанні бартерної змінної.

Розглянемо тепер модель, де в якості незалежних змінних використовуються всі види попиту і витрати:

P * t = f (Dt, Bt, Nt, Ct).

Така модель показує, які основні чинники (спросовой або витратні) враховувалися підприємствами в російській економіці при формуванні цін. Якість підгонки всіх моделей (від вищенаведеної до самої спрощеній), які були досліджені, були припустимі, спостерiгаючи рівнем значущості. Тому основним критерієм при відборі моделі стало зіставлення величин відносин правдоподібності. Коефіцієнти вихідної моделі були позитивні і статистично значущі тільки для платоспроможного попиту і витрат. Коефіцієнти бартерного попиту були позитивні, але статистично незначущі. А коефіцієнти інших негрошових видів попиту мали найгірше "якість": вони мали непостійні знаки і були статистично незначущі (див. табл.14). Тому спрощення моделі почалося з виключення лінійного взаємодії P * t і Nt. Ця операція виявилася цілком виправданою, оскільки зміна величини відношення правдоподібності було настільки незначним, що практично у всіх випадках (крім одного - січень 2001 р.) перевагу простої моделі очевидно.

Таблиця 14. Характеристики впливу фактичних змін основних видів попиту і витрат на плани зміни цін

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів з ціновими планами, і стандартні помилки (SE).

У спрощеній моделі коефіцієнти витрат і платоспроможного попиту зберегли позитивні і статистично значущі значення протягом всіх кварталів, крім IV в 2001 р. А бартер став надавати статистично значимий вплив на цінові плани в 2001 р. На наступному кроці модель була спрощена за рахунок взаємодії P * t і Bt. Такий крок виявився допустимим з точки зору зниження якості підгонки моделей у половині випадків з восьми. У 2000 р. цінові плани в російській промисловості вироблялися, швидше за все, без урахування змін бартеру. Але в 2001 р. бартер частіше виявлявся необхідний підприємствам для прогнозування цін. Спроба спростити модель за рахунок взаємодії цінових планів та змін продажів показала необхідність використання останньої змінної як пояснює. Приріст відношення правдоподібності у всіх випадках був занадто великий, щоб визнати доцільність використання моделі лише з одним лінійним взаємодією (P * t і Ct).

На додаток до очевидних екстраполяційних моделям формування цінових планів розглянемо моделі, в яких як незалежних змінних використовуються прогнози зміни основних видів попиту в російській промисловості. Почнемо дослідження з логлінейной моделі, яка включає всі три види попиту:

P * t = f (D * t, B * t, N * t),

де D * t - прогнозні зміни платоспроможного попиту на вироблену продукцію, зареєстровані в останній момент (опитування) t; B * t - прогнозні зміни бартерного попиту на вироблену продукцію, зареєстровані в останній момент (опитування) t; N * t - прогнозні зміни інших негрошових видів попиту на вироблену продукцію, зареєстровані в останній момент (опитування) t.

Якість підгонки цієї моделі виявилося дуже високою протягом усього періоду, за який є дані. Спостережуваний рівень значимості рідко опускався нижче 0,9 (див. табл.15). Завжди є позитивними і статистично значущими були коефіцієнти тільки для прогнозів зміни платоспроможного попиту. Інші види попиту могли здійснювати як позитивний, так і негативний вплив на цінові плани (особливо - векселі і заліки). При цьому вплив негрошових видів попиту було статистично незначимо (особливо - у разі векселів та заліків). Таким чином, і в рамках розглянутої моделі формування цінових планів були отримані свідоцтва про нормальний ринковій поведінці (тобто орієнтації на платоспроможний попит) російських промислових підприємств в області цінової політики.

Таблиця 15. Характеристики впливу прогнозованих змін платоспроможного, бартерного й інших негрошових видів попиту на цінові плани підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів з ціновими планами, і стандартні помилки (SE).

Оскільки дані про прогнози зміни платоспроможного і бартерного попиту є за більш тривалий період часу, то представляється доцільним оцінити параметри моделі, до якої входять тільки ці два види попиту. Якість підгонки такий "усіченої" моделі стало гірше, але в явній більшості випадків модель зберегла хороший спостережуваний рівень значимості відношення правдоподібності. Завжди позитивні і майже завжди статистично значущими були коефіцієнти для прогнозів зміни платоспроможного попиту (див. рис.10). Статистично значимі вони були в кінці 1998 - початку 1999 рр.., Коли нормальний (за рахунок грошового попиту) промислове зростання тільки починався. А ось коефіцієнти прогнозів зміни бартерного попиту, навпаки, були статистично значущі в цей період, потім вони втратили значимий вплив на цінові плани. Більше того, серед них стали зустрічатися негативні значення. Знову статистично значимий вплив прогнозів бартерного попиту було зареєстровано в кінці 2001 р., коли в російській промисловості почалося різке скорочення продажів за гроші і підприємства стали висловлювати готовність збільшити обсяги бартеру.

Додамо в попередню модель прогнози зміни попиту з метою з'ясування складу прогнозних факторів, що визначають цінові плани підприємств. Отримаємо таку модель:

P * t = f (D * t, B * t, C * t),

Найтриваліший період моніторингу за прогнозами платоспроможного попиту дозволяє дослідити вплив цього показника на цінову політику підприємств в 1995-2001 рр.. У цьому випадку буде використана логлінейная модель, яка має тільки одне лінійне взаємодія, а також перевірена гіпотеза про незалежність планів і прогнозів.

Перевірка гіпотези про незалежність параметрів моделі показала, як і слід було очікувати, що до 1999 р. підприємства досить часто дозволяли собі нехтувати можливими змінами платоспроможного попиту при виробленні цінової політики. Відношення правдоподібності для моделі, що передбачає незалежність цих двох показників, не дозволяло впевнено відкинути цю гіпотезу. А в 1999-2001 рр.. розбіжність фактичних і модельних даних стало набагато вище і лише одного разу (у червні-липні 2001 р.) гіпотеза про незалежність не може бути відкинута (див. рис.11).

Рис.11

Тепер введемо в попередню модель лінійне взаємодія планів і прогнозів. Якість підгонки моделі зросла, але не у всіх випадках спостерігається рівень значимості перевищив 5% поріг. Причому, принципових змін в період дефолту цей показник не зазнав. А ось коефіцієнт моделі, що оцінює кореляцію рангів, мав передбачувану динаміку. До дефолту він міг мати негативні знаки, і не часто був статистично значущий. А з 1999 р. цінові плани і прогнози попиту стали постійно характеризуватися позитивної зв'язком, яка завжди була статистично значущою.

На закінчення розглянемо логлінейную модель за участю тих чинників, які за результатами попередніх тестів мали статистично значимий вплив на цінові плани підприємств. До їх числа відносяться попередні фактичні зміни цін (Pt), що передують фактичні зміни платоспроможного попиту (Dt) та прогнози зміни платоспроможного попиту (D * t):

P * t = f (Pt, D t, D * t).

Така модель мала дуже високу якість протягом усього періоду моніторингу (1995-2001рр.). Завжди позитивні і завжди статистично значущими були коефіцієнти попередніх фактичних змін цін. Цей чинник мав найбільший вплив на цінові плани підприємств. На другому місці за ступенем впливу перебувають прогнози зміни попиту. Але постійним статистично значимий вплив цього чинника стало лише з травня 1999 р. До зазначеного моменту вплив прогнозів попиту на цінові плани було епізодичним. Попередні фактичні зміни платоспроможного попиту мали саме слабкий вплив на цінові плани підприємств. Коефіцієнти цього фактора були як позитивні, так і негативні й ніколи не мали статистично значимого впливу.

Підводячи підсумок дослідження екстраполяційних моделей формування цінових планів російських промислових підприємств можна зробити такі висновки. По-перше, такий клас моделей цілком може бути використаний для опису формування цінових планів підприємств і дослідження еволюції їх поведінки в умовах перехідних економік. По-друге, перевірка базової екстраполяціонний моделі показала, що такий простий принцип цінової політики використовувався підприємствами за часів "простий" цінової ситуації. Але як тільки запрацював ринок, така проста цінова модель перестав використовуватися підприємствами. Цей висновок підтвердився дослідженням іншої моделі цінових планів. Попередні фактичні зміни платоспроможного попиту стали враховуватися підприємствами тільки після дефолту. По-третє, негрошові види попиту, швидше за все, не мали такого впливу на цінові плани підприємств або мали дуже слабке до початку зростання продажів за гроші. По-четверте, цінові плани підприємств ув'язуються підприємствами в першу чергу з планами продажу за гроші, інші види попиту не враховуються при ціновій політиці.

5.2. Адаптивні моделі формування цінових планів

Дослідження адаптивних моделей формування цінових планів почнемо з моделі в "нежорсткої" формулюванні:

P * t = f (Pt, P * t-1),

де P * t - плановані зміни цін, зареєстровані в останній момент (опитування) t; Pt - фактичні зміни цін, зареєстровані в останній момент (опитування) t; P * t-1 - плановані зміни цін, зареєстровані в попередній момент (опитування) t- 1. Така модель мала високий, але не стабільна якість підгонки в 1994-1997 рр.. і в другій половині 1998 р. - початку 1999 В інші періоди ця адаптивна модель, швидше за все, не може бути використана для опису формування цінових планів підприємств, тому що спостережуваний рівень значущості був нижче 5% порогу і лише епізодично перевершував його. Коефіцієнти моделі були завжди позитивні і завжди статистично значущі. При цьому коефіцієнти попередніх прогнозів цін майже завжди перевершували коефіцієнти попередніх реалізацій.

Посилимо попередню постановку задачі, і розглянемо залежність чергових цінових планів від точності реалізації попередніх планів:

P * t = f (Ф (Pt, P * t-1)),

де Ф (Pt, P * t-1) - точність реалізації попередніх планів зміни цін P * t-1 щодо фактичних змін цін Pt. Наведена модель рідше може бути використана (не може бути відкинута) для опису формування цінових планів російських підприємств у 1994-2001 рр.., Ніж попередня модель. Зауважимо, що, як і адаптивна модель в м'якій постановці, розглянута модель мала допустиме якість в кінці 1998 р. - початку 1999 р., коли російська промисловість "звикала" до нових умов роботи при зростанні платоспроможного попиту.

Коефіцієнти моделі були майже завжди негативні і статистично значущі, що говорить про небажання підприємств враховувати у своїх прогнозах відхилення попередніх реалізацій від попередніх прогнозів. Тобто ранні прогнози є більш важливими для виробників, ніж подальша дійсність. Цей висновок підтверджується і тією обставиною, що в "м'якій" адаптивної моделі коефіцієнти попередніх планів перевершували коефіцієнти попередніх реалізацій.

Якщо залишатися в рамах традиційних постановок адаптивних моделей, то розглянутими вище конструкціями вичерпується весь список моделей формування цінових планів. Проте вважаємо за доцільне розширити список адаптивних моделей формування цінових планів за рахунок використання точностей прогнозів різних видів попиту. Такі моделі, як ми вже не раз відзначали, особливо цікаві для дослідження перехідних економік в силу тієї обставини, що попит (у першу чергу - платоспроможний) є найболючішим індикатором для промислових підприємств.

Розглянемо тепер адаптивні моделі, які припускають формування цінових планів залежно від точності попередніх прогнозів трьох видів попиту (платоспроможного, бартерного та іншого негрошового). Перша гіпотеза полягає в тому, що плани визначаються залежно від точності прогнозів платоспроможного попиту:

P * t = f (Ф (Dt, D * t-1)),

де Ф (Dt, D * t-1) - точність реалізації попередніх прогнозів зміни продажів за гроші D * t-1 щодо фактичних змін цих продажів Dt. Якщо фактичні продажі виявилися краще прогнозованих, то виробник має підстави для підвищення своїх цін. Якщо фактичні продажі, навпаки, виявилися гірше прогнозів, то підприємство має право планувати зниження цін. Збіг прогнозів продажів з подальшими реалізаціями свідчить про те, що цінова політика обрана вірно і не потребує зміни.

Перевірка такої моделі не дала задовільних результатів. Хоча якість підгонки виявилося протягом усього часу спостереження дуже високим, але коефіцієнти були то негативні, то позитивні і завжди - статистично незначущі. Це свідчить про можливу незалежності цінових планів підприємств від точності попередніх прогнозів зміни платоспроможного попиту. Для перевірки останньої гіпотези оцінимо логлінейную модель, яка не має ніякого взаємодії факторів. Така модель теж мала дуже хорошу якість підгонки. Тому наступним кроком аналізу повинно стати зіставлення якості підгонки двох моделей. Оскільки приріст якості за рахунок додавання лінійного взаємодії чинників виявився незначним, то ми не можемо відкинути гіпотезу про те, що для опису взаємодії досліджуваних факторів досить більш простої моделі.

Аналогічні ситуації складалися при перевірці гіпотез про формування цінових планів підприємств під впливом тільки точностей реалізації прогнозів бартерного попиту і точностей прогнозів інших негрошових видів попиту. Моделі з включенням лінійного взаємодії факторів мали гарну якість підгонки, але нестабільні знаки коефіцієнтів, які завжди були статистично незначущі. Порівняння моделей з участю і без участі лінійного взаємодії факторів свідчило на користь незалежності цінових планів від точності прогнозів негрошових видів попиту.

Тепер перевіримо вплив на цінові плани підприємств точності прогнозів всіх видів попиту одночасно. Модель має вигляд:

P * t = f (Ф (Dt, D * t-1), Ф (Bt, B * t-1), Ф (Nt, N * t-1)).

Якість підгонки цієї моделі було високим і стабільним: спостережуваний рівень значимості лише один раз опустився нижче 0,9 (див. табл.16). Але коефіцієнти моделі для всіх факторів були як позитивні, так і негативні. Статистично значимі всі коефіцієнти були дуже рідко, частіше значуще позитивний вплив у 2000-2001 рр.. зустрічалося у точності прогнозів бартерного попиту. Задовільними такі результати назвати складно. Виходить, що з усіх видів попиту російські промислові підприємства при плануванні цін на наступний період враховують відхилення від прогнозів лише фактичних обсягів чисто негрошових операцій.

Таблиця 16. Характеристики впливу точностей прогнозів платоспроможного, бартерного й інших негрошових видів попиту на цінові плани підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів з ціновими планами, і стандартні помилки (SE).

Введемо в попередню модель ще й точність попередніх цінових планів. У результаті отримаємо конструкцію, яка передбачає, що чергові плани зміни цін формуються під впливом точностей прогнозування і планування відразу чотирьох факторів:

P * t = f (Ф (Pt, P * t-1), Ф (Dt, D * t-1), Ф (Bt, B * t-1), Ф (Nt, N * t-1)) .

Ця модель мала ідеально високу якість підгонки: спостережуваний рівень значущості був максимальним (див. табл.17). Коефіцієнти моделі були стабільно позитивні і досить часто статистично значущі тільки для точностей прогнозів платоспроможного і бартерного видів попиту. Вексельний і заліковий попит мав хоча і позитивне, але незначне вплив на чергові цінові плани. А точність попередніх планів цін мала від'ємне і також незначне вплив. Порівняння коефіцієнтів платоспроможного і бартерного попитів знову свідчить на користь прямих товарообмінних операцій. Їх вплив на цінові плани виявлялося сильнішим впливу грошових продажів.

Таблиця 17. Характеристики впливу точностей попередніх цінових планів і прогнозів платоспроможного, бартерного й інших негрошових видів попиту на чергові цінові плани підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів з ціновими планами, і стандартні помилки (SE).

Продовжимо аналіз адаптивних моделей формування цінових планів з використанням "перехресних" точностей планів випуску - точностей попередніх планів випуску стосовно подальших фактичних змін основних видів попиту. За таких постановках ми припускаємо, що краща фактична динаміка попиту щодо попередніх планів випуску дозволяє підприємствам планувати збільшення цін. Причини неповного задоволення попиту можуть бути самими різними (прорахунки планування виробництва, брак сировини, недолік запасів готової продукції тощо), але результат один - попит перевищив виробничі можливості, і у виробника з'явилися підстави для збільшення цін. У ситуації, коли фактичні зміни попиту відхилялися в гірший бік від планів зміни випуску, виробник, навпаки, має підстави для зниження цін, щоб уникнути затоварення своїх складів. Збіг виробничих планів та змін попиту свідчить про правильно обрану ціновій політиці, яка може залишитися незмінною.

Як і раніше, почнемо аналіз з перевірки гіпотез про те, що ціни формуються під впливом точностей планів виробництва щодо кожного попиту окремо. Для платоспроможного попиту адаптивна модель з використанням точності планів випуску стосовно подальших фактичних змін продажів має вигляд:

P * t = f (Ф (Dt, Q * t-1)).

де Ф (Dt, Q * t-1) - точність реалізації попередніх виробничих планів Q * t-1 щодо подальших фактичних змін платоспроможного попиту Dt. Якість підгонки наведеної моделі було дуже високим, але коефіцієнти моделі мали то позитивні, то негативні знаки і вкрай рідко були статистично значущі. Можна виділити лише один період, коли коефіцієнти були позитивні і статистично значущі. Таке було безпосередньо перед дефолтом 1998 р. і відразу після нього. Тоді, мабуть, неузгодженість динаміки платоспроможного попиту і планів випуску були настільки істотні, що підприємства змушені були враховувати їх при коррекітіровке цін. Проте, в цілому для всього періоду моніторингу (1993-2001 рр..) Така адаптивна модель формування цінових планів, швидше за все, не може бути використана. Цей висновок підтверджується і перевіркою гіпотези про незалежність входять у модель змінних. Логлінейная модель без взаємодії мала хорошу якість підгонки. У переважній кількості випадків (місяців) спостережуваний рівень значимості впевнено перевершував поріг 5%. Це зажадало перевірки доцільності ускладнення моделі за рахунок додавання лінійного взаємодії цінових планів і точності виробничих планів. Необхідність використання взаємодії виявилася виправданою в 10 випадках з 89, але в ці місяці модель мала як негативні, так і позитивні коефіцієнти. Таким чином, наведена модель все ж не підходить для опису формування цінових планів російських промислових підприємств.

Бартерний попит також не враховувався російськими підприємствами при ціновій політиці. Перевірка моделі з використанням тільки точності виробничих планів щодо фактичних змін прямих товарообмінних операцій:

P * t = f (Ф (Bt, Q * t-1)).

показала хорошу якість підгонки, але негативні і дуже рідко статистично значущі коефіцієнти. Останнє свідчить на користь того, що бартерний попит не враховується належним чином при виробленні цін підприємств. Рідкісна статистична значимість коефіцієнтів вказує на можливість виключення лінійного взаємодії параметрів моделі. У результаті дослідження такої моделі буде перевірена гіпотеза про незалежність цінових планів і точності виробничих планів. Якість підгонки виявилася високою: спостережуваний рівень значимості в рідкісних випадках опускався нижче 5%, а його середнє значення склало 0,41. Зіставлення двох моделей показало, що гіпотеза про доцільність використання більш простий з них не може бути відкинута. У тих же випадках, коли тест показав перевагу моделі з включенням лінійного взаємодії P * t і Ф (Bt, Q * t-1), коефіцієнти моделі були негативні і статистично значущі.

Остання проста адаптивна модель з використанням перехресної точності використовує в якості "еталону" для планів випуску фактичні зміни інших негрошових видів (векселі, заліки та ін.) Ця модель мала високий, але нестабільна якість підгонки. Коефіцієнти моделі були як позитивні, так і негативні. Статистично значимі вони були тільки в останньому випадку. І знову погане "якість" коефіцієнтів підказує необхідність перевірки засобами логлінейного аналізу гіпотези про незалежність досліджуваних факторів. Модель без лінійного взаємодії в більшості випадків мала гарну якість підгонки, що говорить на користь її використання для опису впливу точності планів випуску на цінові наміри підприємств. Зіставлення якості підгонки двох моделей не відкинув цю гіпотезу. Лише в трьох випадках з 24 (кількість місяців моніторингу динаміки вексельних та залікових операцій в російській промисловості) цінові плани перебували швидше під впливом точностей реалізації виробничих планів щодо зазначених видів попиту. Але вплив це було негативним.

На закінчення розглянемо модель, в яку включені точності планів виробництва щодо подальших фактичних реалізацій всіх трьох видів попиту:

P * t = f (Ф (Qt, D * t-1), Ф (Qt, B * t-1), Ф (Qt, N * t-1)).

Така об'єднана модель мала дуже високу якість підгонки: спостережуваний рівень значимості в більшості випадків перевершував 0,9 (див. табл.18). Найбільше позитивних коефіцієнтів було отримано для точності щодо платоспроможного попиту. Лише в 3 випадках з 24 ці коефіцієнти мали негативний знак. Але значимі вони були лише в 30% випадків, частіше за все - в середині 2001 р. Коефіцієнти бартерного попиту були негативні в половині випадків і лише один раз - статистично значущі. Вплив точності щодо інших негрошових видів попиту було як негативним, так і позитивним і жодного разу - статистично значущим. Таким чином, з трьох видів попиту, одночасний моніторинг яких вівся ІЕПП протягом двох останніх років, частіше за все при виробленні цінових планів враховувалися відхилення випуску від обсягів продажів за гроші. Всі інші способи реалізації надавали істотно менший вплив на цінову політику підприємств. Втім, і платоспроможний попит все-таки був не так вже і важливий російським підприємствам при адаптивному плануванні цін.

Таблиця 18. Характеристики впливу точностей виробничих планів щодо фактичних змін платоспроможного, бартерного й інших негрошових видів попиту на цінові плани підприємств

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів з ціновими планами, і стандартні помилки (SE).

Підводячи підсумок використанню адаптивних моделей для опису формування цінових прогнозів можна зробити наступні висновки. По-перше, адаптивні моделі, як і у випадку випуску, погано описують формування цінових планів російських промислових підприємств. По-друге, не було отримано статистичних аргументів на користь того, що точності прогнозів основних видів попиту враховуються при ціновому плануванні в російській промисловості. По-третє, при використанні в моделі точностей прогнозів всіх видів попиту одночасно виявилося, що сильніше всього на цінові плани впливає точність бартерного попиту і - менше - платоспроможного. По-четверте, не підтверджуються припущення про вплив (окремо) на цінові плани "перехресних" точностей планів випуску стосовно всіх видів попиту. Перевірка моделі з використанням всіх перехресних точностей показала, що лише відхилення планів випуску від платоспроможного попиту іноді коректно враховувалося підприємствами в ціновій політиці. Але стійким цей вплив не було.

5.3 Навчання-на-помилки моделі формування цінових планів

Дослідження моделей навчання на помилках формування (перегляду) цінових планів почнемо з базової моделі:

D (P * t, P * t-1) = f (Ф (Pt, P * t-1)).

де D (P * t, P * t-1) - зміна напрямку цінових планів, зареєстрованих між двома моментами (опитуваннями) t і t-1; Ф (Pt, P * t-1) - точність реалізації перших з двох планів зміни цін P * t-1 щодо фактичних змін цін Pt.

Якість підгонки цієї моделі виявилося нестабільним: спостережуваний рівень значимості змінювався в дуже широких межах, особливо - в 1995 і 1997-1998 рр.. (Див. рис.12). Однак після дефолту 1998 р. (тобто з початком нормального промислового росту) якість моделі визначено покращився і стало більш стабільним. Коефіцієнти моделі були завжди позитивні і статистично значущі. Таким чином, базова модель навчання на помилках після дефолту стає все більш "працездатною": підприємства починають враховувати відхилення цінових планів від реалізацій при перегляді своїх чергових планів.

Рис.12

Використання в якості незалежної змінної точності прогнозів попиту щодо фактичних реалізацій попиту також може бути, на наш погляд, досліджена в рамках цього класу моделей. При такій постановці ми припускаємо, що кращі (чим їх прогнозувало) продажу продукції дозволяють підприємствам переглянути свої цінові прогнози у бік збільшення. При гірших продажах підприємства, навпаки, має право переглянути свої ціни у бік зниження. Тоді модель навчання на помилках формування цін має вигляд:

D (P * t, P * t-1) = f (Ф (Dt, D * t-1)).

Ф (Dt, D * t-1) - точність реалізації прогнозів зміни продажів D * t-1 щодо фактичних змін платоспроможного попиту Dt. Аналогічним чином формулюються моделі і для інших видів попиту.

Всі прості моделі, що використовують в якості незалежної змінної точність прогнозів одного з видів попиту, мали гарну якість підгонки (див. рис.13), але нестабільні (тобто і позитивні, і негативні) і статистично незначущі коефіцієнти. Остання обставина вказує на необхідність перевірки логлінейних моделей без включення лінійного взаємодії параметрів. Результати такої перевірки показали, що гіпотеза про незалежність наших змінних не може бути відкинута. А зіставлення якості підгонки моделей свідчить, що ускладнення модель за рахунок лінійного взаємодії є недоцільним. Таким чином, точність прогнозів кожного з трьох видів попиту, швидше за все, не враховується російськими промисловими підприємствами при перегляді цінових прогнозів.

Рис.13

Перевіримо тепер більш складні моделі, в яких як незалежних змінних фігурують точності більш ніж одного виду попиту. Розглянемо спочатку модель з точностями прогнозів платоспроможного і бартерного попитів:

D (P * t, P * t-1) = f (Ф (Dt, D * t-1), Ф (Bt, B * t-1)).

Вона мала високу якість підгонки по відношенню правдоподібності майже для всього періоду моніторингу цих двох видів попиту (серпень 1998 р. - 2001 р.). Але обидва коефіцієнта були як позитивними, так і негативними і майже завжди - статистично незначущі. Остання обставина підказує, що параметри моделі можуть бути незалежні. Перевірка цього припущення показала, що гіпотеза про незалежність не може бути відкинута. Спостережуваний рівень значимості завжди (крім трьох випадків, що припадають на січневі та травневий опитування) і впевнено перевищувало п'ятивідсотковий поріг. Порівняння якості підгонки двох моделей свідчить, що зниження величини відношення правдоподібності в більшості випадку невелике і гіпотеза про перевагу простої моделі (тобто без взаємодії залежною і незалежних змінних) не може бути відкинута. Таким чином, припущення про те, що точність платоспроможного і бартерного попиту враховується при коригуванні цін, не підтвердилося.

Ускладнимо попередню модель за рахунок додавання точності випуску стосовно інших негрошових видів попиту. Логлінейная модель з включенням лінійних взаємодій точностей всіх видів попиту з залежною змінною мала дуже гарне і стабільну якість підгонки. Спостережуваний рівень значимості лише чотири рази за два роки опустився нижче 0,8 (див. табл.19).

Таблиця 19. Характеристики впливу точностей прогнозів платоспроможного, бартерного й інших негрошових видів попиту на коригування цінових планів

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів зі зміною цінових планів, і стандартні помилки (SE).

Коефіцієнти моделі були завжди позитивні і статистично значущі для точностей прогнозів платоспроможного попиту. Рідше статистично значущим був вплив на перегляд цінових планів точностей бартерного попиту. Серед цих коефіцієнтів були як негативні, так і позитивні величини. І лише два рази статистично значущим був вплив точностей прогнозів негрошових видів попиту. Остання обставина свідчить про можливість спрощення моделі за рахунок виключення взаємодії залежної змінної з точністю передбачення змін вексельних та залікових угод. Така спрощена модель також мала гарну якість підгонки (найгірше, звичайно, ніж у вихідної моделі). Але зростання величини відношення правдоподібності у більшості (20 з 23) був настільки малий, що з високим ступенем впевненості можна стверджувати про доцільність використання спрощеної логлінейной моделі. Позитивним і майже завжди статистично значущим в такій моделі був вплив тільки точностей прогнозів платоспроможного попиту. Вплив точностей бартерного попиту було, як правило, позитивним (крім двох останніх місяців 2001 р.) і досить часто статистично значущим. Подальше спрощення моделі за рахунок виключення лінійного взаємодії з точністю бартеру виявилося недоцільним. Якість нової моделі падало занадто сильно в 19 випадках з 23. Таким чином, механізм перегляду цін у російській промисловості знаходиться в основному під впливом точності прогнозів реалізації продукції за гроші і за бартером.

Для завершення дослідження впливу точностей прогнозів випуску і попиту на механізм перегляду цінових планів розглянемо моделі, в яких як незалежних змінних використовуються точності планів випуску стосовно подальших фактичних змін різних видів попиту. При такому формулюванні моделі навчання на помилках ми припускаємо, що підприємства при перегляді своїх цінових планів враховують відхилення фактичного попиту від запланованого раніше зміни виробництва. Якщо зміни обсягів фактичної реалізації виявлялися краще (оптимістичніше) планів випуску, то виробники можуть переглянути свої цінові плани у бік зростання чи незмінності при тому, що раніше вони планували їх зниження. У ситуації, коли зміна попиту виявилося гірше планів випуску, підприємства можуть переглянути свої цінові плани в інший бік. Використання в якості незалежних змінних "перехресних" точностей планів випуску стосовно різних видів попиту є, на наш погляд, гарним показником ринковості поведінки виробників, оскільки пов'язує зміни попиту і випуску.

Перевірка моделей, в яких передбачається залежність перегляду прогнозу цін від точності планів випуску стосовно різних видів попиту окремо, продемонструвала незадовільні результати. Точність щодо кожного з трьох видів попиту не впливає на зміни цінових прогнозів. У всіх випадках моделі мали гарну якість підгонки, але погані коефіцієнти, Останні були і позитивними, і негативними, і статистично незначущими. Перевірка моделей без лінійних взаємодій параметрів показала, що останні також забезпечують прийнятну якість підгонки до емпіричним даним. Порівняння відносин правдоподібності продемонструвало, що гіпотеза про доцільність використання простих моделей (тобто без лінійного взаємодії) не може бути відкинута. Лише епізодично логлінейние моделі з включенням взаємодії демонстрували свою перевагу.

Аналогічні результати були отримані при перевірці ускладненою моделі, де в якості незалежних змінних використовуються точності планів випуску стосовно платоспроможного і бартерного попиту одночасно:

D (P * t, P * t-1) = f (Ф (Dt, Q * t-1), Ф (Bt, Q * t-1)).

Модель з лінійними взаємодіями мала хорошу якість підгонки, але "погані" коефіцієнти, особливо - для точності щодо бартерного попиту. Виняток лінійного взаємодії зі згаданою змінної зберегло гарну якість моделі. Зниження величини відношення правдоподібності лише в двох випадках з 42 свідчило про перевагу більш складної моделі. Але і в "усіченої" конструкції коефіцієнти точності планів випуску стосовно платоспроможного попиту не були стабільно статистично значущі. Перевірка ще більш простої моделі (тобто перевірка гіпотези про незалежність і від платоспроможного і бартерного попитів) також дала задовільну якість підгонки. Порівняння якості двох останніх моделей показало, що в більшості випадків все-таки краще є найпростіша модель - тобто припущення про незалежність зміни цінових планів від точностей випуску стосовно платоспроможного і бартерного попитів. Однак, у тринадцяти випадках, які мали місце з березня 1999 р., в логлінейной моделі повинна бути присутнім зв'язок з точністю планів випуску стосовно продажу за гроші. Іншими словами, попит починає враховуватися після дефолту.

Перевірка логлінейной моделі за участю точностей щодо всіх трьох видів попиту дала настільки ж неочевидні результати. По-перше, в моделі з включенням всіх трьох лінійних взаємодій незалежних змінних із залежною всі коефіцієнти могли бути і негативними, і позитивними. Статистично значимі вони були вкрай рідко. При цьому модель мала хорошу якість підгонки (див. табл.20). По-друге, модель без лінійних взаємодій також мала у всіх випадках гарна якість підгонки. Але додавання взаємодії залежної змінної з точністю щодо платоспроможного попиту істотно поліпшило величину відношення правдоподібності, а коефіцієнти моделі були завжди позитивні і статистично значущі. По-третє, подальше ускладнення моделі за рахунок лінійного взаємодії з точністю щодо бартерного попиту виявилося в більшості випадків недоцільним через незначного поліпшення відношення правдоподібності і різкого погіршення якості коефіцієнтів для точності щодо платоспроможного попиту. Серед них з'явилися негативні значення, і більшість стало статистично незначущими. Коефіцієнти для бартерного попиту мали схожі "проблеми". Таким чином, можна говорити лише про облік відхилень планів випуску від продажів за гроші при коригуванні цінових планів. Але впевнено стверджувати, що це припущення не може бути відкинуто, все-таки складно.

Таблиця 20. Характеристики впливу точностей планів випуску стосовно платоспроможного, бартерного й інших негрошових видів попиту на коригування цінових планів

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів зі зміною цінових планів, і стандартні помилки (SE).

Оскільки в нашому розпорядженні є поквартальні дані про фактичні зміни та прогнозах собівартості продукції, то представляється логічним перевірити моделі навчання на помилках з точністю прогнозів собівартості в якості незалежної змінної. Тоді найпростіша модель має вигляд:

D (P * t, P * t-1) = f (Ф (Ct, C * t-1)),

де Ф (Ct, C * t-1) - точність прогнозів зміни собівартості продукції, що випускається. Така постановка моделі припускає, що підприємства при зміні прогнозів цін враховують і зміни витрат. Якість підгонки наведеної моделі було нестабільним: спостережуваний рівень значимості відношення правдоподібності змінювався в широких межах, а 1997 р. і наприкінці 2001 р. гіпотеза про залежність зміни цінових планів від точності передбачення динаміки витрат не може бути прийнята. Коефіцієнти моделі були завжди позитивні і майже завжди статистично значущі.

На наступному кроці аналізу розглянемо модель, де в якості незалежних змінних використовуються одночасно точності прогнозів витрат, платоспроможного і бартерного попиту:

D (P * t, P * t-1) = f (Ф (Ct, C * t-1), Ф (Dt, D * t-1), Ф (Bt, B * t-1)).

Така модель цікава тим, що дозволяє оцінити, які фактори впливають сильніше на перегляд підприємствами своїх цінових прогнозів: витратні або спросовой. Якість підгонки моделі з включенням лінійних взаємодій всіх трьох чинників було дуже високим протягом всього часу моніторингу: спостережуваний рівень значимості не опускався нижче 0,7. Коефіцієнти моделі були завжди позитивні і майже завжди (крім одного випадку в жовтні 2001 р.) статистично значущі тільки для точності прогнозів витрат (див. табл.21).

Таблиця 21. Характеристики впливу точностей прогнозів витрат, платоспроможного і бартерного видів попиту на коригування цінових планів

Примітка. У таблиці наведені: G2 - величина відношення правдоподібності; df - число ступенів свободи; Sig - спостережуваний рівень значимості; коефіцієнти, що оцінюють лінійну зв'язок (асоціацію) рангів кожного з факторів зі зміною цінових планів, і стандартні помилки (SE).

Точність прогнозів платоспроможного попиту мала позитивні коефіцієнти, які лише епізодично регулярно були статистично значущі. Точність прогнозів бартерного попиту мала і позитивні, і негативні коефіцієнти. Статистично значимі вони були тільки одного разу - в кінці 2001 р. Остання обставина вказує на можливість виключення з моделі точності бартерного попиту. У результаті якість підгонки моделі у всіх випадках (крім одного - останнього) знизилося незначно, що говорить про доцільність такого спрощення логлінейной моделі. У новій моделі якість залишилися коефіцієнтів не змінилося. Подальше спрощення моделі за рахунок виключення взаємодії D (P * t, P * t-1) і Ф (Dt, D * t-1) також не знизило критично якість моделі, а зіставлення відносин правдоподібності показало доцільність такої операції в 9 випадках з 13 . У тих випадках, коли точність продажів за гроші мала статистично значущі коефіцієнти, її взаємодія з залежною змінної необхідно в моделі. Таким чином, основним мотивом для перегляду цінових планів в російській промисловості є, швидше за все, динаміка витрат. З основних видів попиту найчастіше після дефолту враховується платоспроможний попит. Для перевірки впливу платоспроможного попиту за даними за більш тривалий період розглянемо модель, де в якості незалежних змінних використовуються тільки точності прогнозів витрат і продажів за гроші. Така модель може бути досліджена за результатами опитувань ІЕПП з липня 1997 р., коли почався квартальний моніторинг динаміки витрат. Вона мала в більшості випадків допустима, але не стабільна якість підгонки. Спостережуваний рівень значимості брав значення від 0,0009 до 0,9528. Коефіцієнти моделі були завжди (крім одного епізоду - наприкінці 2001 р.) є позитивними і статистично значущі для точності прогнозів витрат. Коефіцієнти точності прогнозів продажів лише три рази були статистично значущі. Оскільки виключення лінійного взаємодії з точністю прогнозів продажів у більшості випадків незначно знижувало якість моделі, то можна припустити, що перегляд цінових планів російських підприємств відбувається в більшості випадків під впливом точності прогнозів цін, точність прогнозів продажів враховується набагато менше.

Вивчення моделей перегляду цінових планів з урахуванням точностей реалізації дозволяє зробити наступні висновки. По-перше, базова модель навчання на помилках може бути використана для опису цінових планів російських промислових підприємств. Вона стає працездатною після дефолту 1998 р. По-друге, перевірка моделей з точностями прогнозів різних видів попиту не підтвердила гіпотези про те, що кожна з точностей відокремлено враховується підприємствами при перегляді цін. Не було отримано підтвердження і можливості одночасного використання в такій моделі точності прогнозів платоспроможного і бартерного попитів. Лише модель, в якій одночасно використовувалися точності всіх трьох видів попиту, не може бути відкинута. Вона показала, що механізм перегляду цінової політики в російській промисловості в 2000-2001 рр.. перебував під впливом точностей прогнозів продажів за гроші і - в меншій мірі - бартеру. По-третє, при використанні в якості факторів, що визначають перегляд цінових планів, точностей випуску стосовно подальших реалізацій попитів окремо також не було отримано задовільних результатів. Одночасне використання точностей щодо продажів за гроші і щодо бартеру показало, що з початком нормального промислового зростання гіпотеза про те, що відхилення планів випуску від продажів враховуються при подальшій ціновій політиці, не може бути відкинуто. Точність щодо бартеру таких аргументів не отримала. Включення до складу незалежних змінних точностей щодо всіх трьох видів попиту дозволяє припустити, що лише платоспроможний попит враховується при коригуванні цінових планів в останні два роки. По-четверте, вплив динаміки витрат на цінову політику російських промислових підприємств перевершує вплив спросових факторів.

Висновок

Підводячи підсумок дослідження моделей формування виробничих і цінових планів російських промислових підприємств в перші роки ринкових реформ, можна зробити наступні висновки.

Класичні моделі формування очікувань є ефективним інструментом аналізу поведінки підприємств. Вони дозволяють досліджувати широкий спектр припущень про характер процесів прийняття рішень на рівні підприємств. В умовах перехідних економік такі моделі можна використовувати при аналізі ринковості поведінки виробників. Для дослідження специфічних особливостей поведінки російських підприємств були запропоновані нові формулювання моделей, що використовують спросовой змінні. Причому в перехідних економіках особливий інтерес представляють кілька видів попитів (платоспроможний, бартерний, векселі і заліки), а також відхилення випуску від змін попиту. Це дозволило істотно розширити спектр моделей формування виробничих і цінових планів.

Ефективне використання класичних і нових моделей для аналізу поведінки підприємств багато в чому визначається доступністю необхідних статистичних даних. Використання офіційних статистичних даних виключає перевірку будь-яких моделей формування очікувань, оскільки єдиним систематичним джерелом відомостей про прогнози (планах, очікуваннях) і - частково - про попит є результати регулярних опитувань. Як показала ця робота, кон'юнктурні опитування ІЕПП надають достатній набір змінних, необхідних для тестування широкого спектру моделей. Більш того, багаторічні ряди спостережень за прогнозами і фактичними змінами перменних дозволили проаналізувати еволюцію принципів формування очікувань в російській промисловості практично за всі роки ринкових реформ.

Дослідження різних типів моделей формування очікувань показало, що найбільш підходящими конструкціями є екстраполяційні моделі. Це відноситься і до цін, і до випуску підприємств. На другому місці по застосовності знаходяться моделі навчання на помилках, а самими "непридатними" виявилися адаптивні моделі.

Основні висновки про характер поведінки російських промислових підприємств у перше десятиліття економічних реформ, отримані на основі дослідження моделей формування очікувань, можна сформулювати наступним чином.

Очевидна певна еволюція в принципах формування виробничих і цінових планів підприємств. І ця еволюція носить цілком ринковий характер. По-перше, в середині дев'яностих років відбувається відмова від планування випуску тільки за принципом "від досягнутого рівня": класична однофакторний екстраполяційних модель перестає працювати. По-друге, бартер (в рамках простої екстраполяціонний моделі) міг впливати на виробничі плани підприємств до березня 1999 р., тобто до тих пір, поки не почався нормальний зростання російської промисловості за рахунок платоспроможного попиту. Останні два роки з усіх видів попиту тільки продажі за гроші надають значимий вплив на плани випуску російської промисловості. Цей фактор впливає належним чином і на перегляд виробничих планів. Причому, точність планів випуску стосовно продажів за гроші виявилася важливішою для підприємств, ніж проста точність власних планів. Відхилення випуску від негрошових видів попиту також менш важливі для підприємств, ніж відхилення від платоспроможного попиту, але починають надавати значимий вплив на перегляд виробничих планів у періоди проблем з нормальними продажами. Подальше дослідження впливу точностей планів випуску і прогнозів попиту показало, що "коректно" обліковуються російськими промисловими точності планів випуску стосовно нормального попиту.

Використання комбінованих екстраполяційних моделей (з випуском і попитом в якості незалежних змінних) продемонструвало більш складну картину еволюції принципів формування планів випуску. У рамках такої моделі найсильніше екстраполяційні вплив продажу за гроші мали за часів високої бартеризації, коли будь-яка зміна цього показника відразу ж враховувалося в планах випуску. У міру нормалізації економічного зростання, пов'язаного із збільшенням і стабільністю частки продажів за гроші, підприємства дозволяють собі більшу свободу у поводженні з платоспроможним попитом.

Адаптивні моделі формування виробничих планів показали, що російські промислові підприємства готові коректно враховувати відхилення фактичних змін від попередніх прогнозів, швидше за все, в тому випадку, якщо цей факт має бажану для підприємств динаміку. Тому тільки негрошові види попиту в період їх зниження опинилися працездатними факторами в моделях такого типу.

Моделі цінових планів підтвердили висновок про формування ринкових принципів цінової політики після дефолту 1998 р. До цієї події підприємства керувалися простими екстраполяційними принципами і не враховували платоспроможний попит (як попередній, так і прогнози) на свою продукцію. Вплив негрошових видів попиту ніколи не був значущим. Дефолт запустив і механізм перегляду цінових планів залежно від точності реалізації першого з них. У 2000-2001 рр.. механізм перегляду цінової політики в російській промисловості перебував під впливом точностей прогнозів продажів за гроші і - в меншій мірі - бартеру. Точність випуску стосовно продажів за гроші також є єдиним чинником серед аналогічних точностей, яка значимо позначалася на ціновій політиці підприємств.

Таким чином, дефолт 1998 р. запустив нормальні ринкові механізми в російській промисловості. До початку 1999 р. говорити про те, що російські підприємства функціонували за правилами ринку складно. Тому посилення макроекономічних умов, швидше за все, знову змусить виробників вдатися до "захисних" заходів. І ознаки цього з'явилися вже восени 2000 р., коли російська промисловість уперше після дефолту зіткнулася зі збутовими проблемами. Тоді в арсенал "планових факторів" знову були включені векселі і заліки.

Аналіз моделей формування очікувань показав, що до кінця 90-х років в російській промисловості склався цілком ринковий механізм формування і перегляду цінових і виробничих планів. Основним чинником тут став платоспроможний попит. Більш того, розвиток моделей формування очікувань дозволило показати, що підприємства враховують належним чином і відхилення свого випуску від продажів за гроші. Примітивні моделі поведінки перестали використовуватися російськими промисловими підприємствами.

Однак спогади про масштаби виробництва і збуту (не продажів!) Часів планової економіки ще тяжіють над російськими промисловими підприємствами. Вони не готові змиритися з недовантаженням потужностей і як і раніше вважають фактичні обсяги попиту і випуску незадовільними. Це обумовлює небажання підприємств повністю враховувати фактичні зміни випуску і попиту при визначенні своїх чергових планів у рамках адаптивної моделі.

Список літератури

Agresti, A. (1996), An Introduction to Categorical Data Analysis. New-York: Wiley.

Carlson, JA and Parkin, M. (1975), Inflation Expectations. Economica, 42, 123-138.

Earle, JS and Estrin, S. (1998), Privatization, Competition and Budget Constraints: Disciplining Enterprises in Russia. SITE Working Papers No 128, March, Stockholm.

European Economy. -Supplement B. - July 1991. - Special Edition.

Flood, D. and P. Lowe (1995), Inventories and The Business Cycle. The Economic Record, vol.71, No.212, March 1995.

Konig, HM, Nerlove, M. and Oudiz, G. (1981), On the formation of price expectations: An analysis of business test data by log-linear probability models. European Economic Review, 16, 103-138.

Lindsey, JK (1995). Modelling Frequency and Count Data. Oxford: Oxford Univ. Press.

Nerlove, M. (1983), Expectations, Plans, and Realisations in Theory and Practice. Econometrica, 51, 1251-1279.

OECD (1997), Short-Term Economic Indicators: Transition Economies. Paris, Vol 4.

Theil, H. (1966), Applied Economic Forecasting. Amsterdam: North Holland.

Для підготовки даної роботи були використані матеріали з сайту http://www.finansy.ru