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 хвідповідає певна множина значеньу, 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 хтау(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 впливухнау);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=ax^b;

• логарифмічну — y=alog(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.