11.8.2. Каузальне прогнозування
11.8.2. Каузальне прогнозування
Каузальний (причинний) метод прогнозування побудований на визначенні майбутніх планових показників на основі оцінки причинно-наслідкових зв’язків з іншими показниками. Наприклад, прогнозний обсяг дебіторської заборгованості визначається на основі даних про строки оплати готової продукції; прогноз виробництва робиться виходячи з інформації про обсяги реалізації, прогнозна величина затрат — від обсягів виробництва тощо.
Каузальне прогнозування може здійснюватися у двох основних формах:
детермінантний прогноз;
стохастичний прогноз.
Перша форма дозволяє з високим рівнем точності виконати прогнозні розрахунки у тому разі, якщо між показниками існує чіткий причинно-наслідковий (функціональний) зв’язок, за якого кожному значенню фактора (х) відповідає чітко визначене значення (у). Наприклад, зв’язок між обсягом виробництва певного виду продукції та прогнозною величиною змінних затрат є детермінантним. Його можна описати такою функцією:
у = bx, (11.7)
де у — прогнозна величина змінних затрат (грн); х — обсяг виробництва (шт.); b — коефіцієнт пропорційності (величина змінних затрат на одиницю випуску).
Якщо зв’язок між показниками має ймовірнісний характер, тобто кожному значенню фактора х відповідає певна множина значень у, то під час прогнозування доцільно використовувати стохастичний підхід (здебільшого використовується при прогнозуванні грошових надходжень від реалізації продукції).
Стохастичне прогнозування ґрунтується на регресійному аналізі, в процесі якого на основі побудови рівняння регресії досліджується ймовірнісна залежність середнього значення однієї величини від іншої. Визначальними при цьому є два чинники:
вид і параметри незалежних змінних, що впливають на залежну змінну;
тип рівняння регресії.
Розрізняють лінійні та нелінійні регресії. Якщо спостерігається більш-менш рівномірна залежність між факторами х та у (наприклад, рентабельність власного капіталу від коефіцієнта заборгованості за незмінної процентної ставки за користування позичками), то цю залежність можна описати за допомогою лінійної функції:
у = а + bx, (11.8)
де b — коефіцієнт регресії (ефект впливу х на у); а — заданий вільний член рівняння регресії.
Якщо між прогнозованими внутрішніми показниками та зовнішніми факторами впливу існує нелінійна залежність, то в процесі прогнозування застосовують нелінійні регресії, наприклад:
степеневу — y = axb;
логарифмічну — y = a log(b + cx);
гіперболічну — y = a + b/x;
параболічну — у = a + bx + cx2.
Тип рівняння регресії визначають на основі аналізу функціональної залежності прогнозованих показників від факторів впливу на них. Для цього рекомендується побудова наближених графіків, змінними в яких будуть емпіричні дані про розвиток тих чи інших економічних процесів (показників) (наприклад, залежність собівартості одиниці продукції від обсягів виробництва можна описати за допомогою рівняння гіперболи).
Проблема полягає в точності розрахунків коефіцієнта регресії та вільного члена рівняння регресії. Для детальнішого ознайомлення з порядком проведення регресійного аналізу та визначення ймовірнісної залежності між окремими внутрішніми та зовнішніми змінними доцільно звернутися до рекомендованої спеціалізованої літератури з теорії ймовірності та статистики.