Особенности формирования производственных и ценовых планов (прогнозов) предприятий российской промышленности в 1993-2001 гг. (стр. 6 из 22)

Добавим теперь к предыдущей модели в качестве независимой переменной фактические изменения выпуска, непосредственно предшествующие формированию планов выпуска. Теперь экстраполяционная модель предполагает, что производственные планы определяются предшествующими фактическими изменениями четырех факторов: трех видов спроса и выпуска:

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

Качество подгонки логлинейной модели сохранилось высоким (см. табл.6). Всегда статистически значимыми и положительными оказались коэффициенты модели только для предыдущих изменений выпуска. Платежеспособный спрос имел положительные и сначала значимые коэффициенты. Но в конце 2000 г. коэффициенты становятся статистически незначимыми, а в 2001 г. такая ситуация встречается уже в половине случаев. Таким образом, платежеспособный спрос с течением времени (по мере все более продолжительного роста) все меньше принимается предприятиями во внимание.

Таблица 6. Характеристики влияния фактических изменений выпуска, платежеспособного, бартерного и прочих неденежных видов спроса на планы выпуска предприятий

Дата	Характеристики качества подгонки модели			Коэффициенты модели
				выпуск		платежеспособный спрос		бартерный спрос		прочие неденежные виды спрос
	G2	Df	Sig		SE		SE		SE		SE
2/00	48.3662	156	1.0000	0.7886	0.1562	0.4747	0.1813	0.0454	0.1710	0.2585	0.1783
3/00	60.9567	156	1.0000	0.7599	0.1144	0.4517	0.1444	0.2599	0.1516	-0.0127	0.1643
4/00	96.8502	156	0.9999	0.6159	0.1022	0.3592	0.1376	0.0378	0.1558	0.0575	0.1626
5/00	94.1006	156	1.0000	0.7301	0.1165	0.4119	0.1330	-0.1450	0.1652	-0.0426	0.1734
6/00	77.5933	156	1.0000	0.4470	0.1067	0.4072	0.1302	0.0887	0.1537	0.1845	0.1766
7/00	81.5681	156	1.0000	0.4530	0.1211	0.3776	0.1521	0.0114	0.1480	0.1252	0.1895
8/00	54.4097	156	1.0000	0.5323	0.1286	0.4511	0.1475	-0.2513	0.1742	0.2620	0.1901
9/00	63.5695	156	1.0000	0.7774	0.1220	0.3048	0.1452	0.1570	0.1745	0.0503	0.1935
10/00	51.6029	156	1.0000	0.8642	0.1309	0.3841	0.1611	0.1410	0.1887	0.2757	0.2115
11/00	82.8972	156	1.0000	0.5434	0.1042	0.1896	0.1183	-0.0715	0.1513	0.2877	0.1711
12/00	73.9619	156	1.0000	0.3177	0.1077	0.1216	0.1264	0.0066	0.1795	0.3092	0.2004
1/01	72.8045	156	1.0000	0.5149	0.1262	0.4200	0.1474	0.0317	0.1903	0.1923	0.2033
2/01	56.1644	156	1.0000	0.5343	0.1134	0.1560	0.1384	0.0004	0.2005	0.4574	0.2234
3/01	71.6696	156	1.0000	0.6851	0.1224	0.5781	0.1498	-0.0304	0.1879	0.1432	0.2182
4/01	60.9155	156	1.0000	0.6426	0.1092	0.4900	0.1321	0.1988	0.1780	0.0346	0.1700
5/01	64.1382	156	1.0000	0.3248	0.1249	0.5276	0.1485	-0.1926	0.1973	0.4115	0.2205
6/01	62.8484	156	1.0000	0.2389	0.1040	0.2431	0.1169	0.0932	0.1593	0.5391	0.1913
7/01	58.7406	156	1.0000	0.5606	0.1157	0.2093	0.1418	0.0112	0.1779	0.4077	0.2093
8/01	67.9024	156	1.0000	0.7531	0.1225	0.2456	0.1410	0.0713	0.1706	0.1268	0.2076
9/01	79.7498	156	1.0000	0.7074	0.1156	0.2171	0.1533	0.2525	0.2058	0.0065	0.2166
10/01	83.8707	156	1.0000	0.6032	0.1328	0.7405	0.1726	0.1876	0.2442	0.1821	0.2446
11/01	74.5230	156	1.0000	0.4712	0.1108	0.2037	0.1312	0.0907	0.1558	0.0084	0.1748
12/01	45.9997	156	1.0000	0.4330	0.1510	0.0921	0.1814	0.1710	0.2279	0.2274	0.2592

Примечание. В таблице приведены: G2 - величина отношения правдоподобия; df - число степеней свободы; Sig - наблюдаемый уровень значимости; коэффициенты

, оценивающие линейную связь (ассоциацию) рангов каждого из факторов с планами выпуска, и стандартные ошибки (SE).

Подводя итог исследованию экстраполяционных моделей формирования производственных планов, можно сделать следующие выводы. Во-первых, экстраполяционные модели вполне применимы для описания механизма формирования планов производства. Во-вторых, предпочтительными являются "короткие" модели, когда в качестве независимых переменных используются фактические изменения показателей, непосредственно предшествующие формированию планов (прогнозов). Более отдаленные фактические изменения, скорее всего, не влияют на планы. В-третьих, проверка простейших моделей формирования планов выпуска дает основания для первой положительной "оценки" поведения российских промышленных предприятий. Примерно в середине 90-х годов они начинают уходить от планирования своего производства по принципу "от достигнутого уровня". В-четвертых, бартер оказывал влияние на планы предприятий до начала роста платежеспособного спроса (весна 1999 г.). В-пятых, векселя и зачеты были вновь "взяты на вооружение" при планировании выпуска осенью 2000 г., когда российская промышленность впервые после дефолта 1998 г. столкнулась со значительными сбытовыми проблемами. В-шестых, усложнение экстраполяционных моделей позволило получить более "сложные" выводы о поведении предприятий. Самое сильное влияние на планы выпуска платежеспособный спрос имел во времена самой высокой бартеризации, когда ситуация заставляла производителей предельно внимательно относиться к любым колебаниям продаж за деньги. С началом же роста продаж за деньги и постоянного увеличения их доли в обороте необходимость в жестком следовании за спросом снижается, и предприятия начинают просто пролонгировать свой предыдущий выпуск. В-седьмых, из трех видов спроса самым важным для предприятий является нормальный платежеспособный спрос. Ни бартер, ни векселя, ни зачеты не оказывали статистически значимого влияния на производственные планы российских промышленных предприятий.

4.2. Адаптивные модели формирования планов производства

Базовая адаптивная модель предполагает, что изменения выпуска определяются точностью реализации предыдущих прогнозов выпуска. Такая формулировка модели представляется нам более интересной для анализа переходных экономик по сравнению с упрощенной постановкой, не предполагающей взаимодействия независимых переменных. Поскольку мы предполагаем исследовать не только базовую адаптивную модель формирования планов выпуска, но и модели с включением различных видов спроса. В этом случае будут использоваться не только точности прогнозов каждого из трех наблюдаемых видов спроса, но и точности планов производства относительно последующих фактических изменений этих видов спроса. Тогда необходимо построить матрицу сопряженности прогнозов изменения выпуска в опросе t-1 Q*t-1 и фактических изменений, например, платежеспособного спроса в следующем опросе t Dt:

Q*t-1
+	=	-
+	2	1	1
Ф(Dt, Q*t-1): D t	=	3	2	1
-	3	3	2

Новая переменная Ф(Dt, Q*t-1) является трихотомической и может принимать следующие значения: (1) - фактические изменения спроса оказались лучше планов изменения выпуска; (2) - фактические изменения спроса совпали с планами выпуска; (3) - фактические изменения спроса оказались хуже планов изменения выпуска. При использовании в адаптивной модели такой "перекрестной" точности прогнозов производства относительно последующих фактических изменений спроса можно исследовать принципиально, на наш взгляд, важные зависимости спроса и выпуска и их влияние на процессы принятия решений. Остановимся более подробно на интерпретации новой переменной и ее возможном влиянии на формирование очередных прогнозов предприятий.