Для большого предприятия или же для своего бизнеса очень важно следить за всеми финансовыми операциями. Практически любое экономическое явление в реальной действительности связано со многими другими. Оптимальным вариантом, который облегчает расчеты, является применение регрессионного анализа, который достаточно широко используется в расчетах и экономических исследованиях.
Проблемы и методы построения различных регрессионных моделей изучаются многими российскими и зарубежными учеными. Так, вопрос использования программы при анализе векторных моделей авторегрессии и коррекции регрессионных остатков в Eviews описал В.А.Банников [1]. Эконометрический анализ рынка подержанных автомобилей в Eviews показал А.Л.Богданов [2]. Модель предсказания курса доллара и эффективные методы прогнозирования в Excel и Eviews представил В.Г.Брюков [3]. В.М. Матюшок и др. рассмотрели основы эконометрического моделирования с использованием EVIEWS [4]. Литовченко И.С. провел анализ количества малых предприятий в 1999 – 2010 годах в Eviews [5]. Возможности для применения интеллектуального анализа исследовали Р.И.Баженов и др. [6-20]. Зарубежные ученые применяют регрессионный анализ [21,22].
Объектом исследования является рассмотрение основных возможностей работы среды Eviews на примере расчета значений описательных статистик, полей корреляции результативного и факторного признаков, эмпирической линии регрессии. Для примера были взяты данные для фирмы по производству резинометаллических изделий из полиуретана: затраты на производство (руб./мес.); заработанные деньги на реализации продукции (руб./мес.) (Табл.1).
Таблица 1 – Данные
Месяц
|
Затраты на производство
|
Реализация
|
1
|
27027
|
45689
|
2
|
40542
|
71799
|
3
|
28317,5
|
47219
|
4
|
54096
|
101402
|
5
|
41650
|
77114
|
6
|
42728
|
83041
|
7
|
50232
|
88383
|
8
|
75646
|
137448
|
9
|
66038
|
108599
|
10
|
52746
|
97659
|
11
|
49392
|
92585
|
12
|
49896
|
95251
|
13
|
44742
|
65771
|
14
|
42504
|
75273
|
15
|
40179
|
66997
|
16
|
49980
|
93686
|
17
|
39891
|
73857
|
18
|
39897
|
77539
|
19
|
57288
|
100797
|
20
|
71148
|
129275
|
21
|
67942
|
111730
|
22
|
68068
|
126028
|
23
|
62130
|
116462
|
24
|
56469
|
107798
|
Перенесем данные в Microsoft Excel и переименуем обозначения переменных: Месяц – N; Затраты на производство – spend; Реализация – earned (Рис. 1).

Рисунок 1 – Данные в MS Exсel
Сохраняем таблицу.
Запускаем Eviews (Рис. 2).

Рисунок 2 – Eviews
Создаем новый рабочий файл - File→New→Workfile (Рис.3).
Выбираем подходящий тип структуры нашего рабочего файла: unstructured or irregular-неструктурированная/без даты (Рис. 4).
В поле Observation вводим количество месяцев, в данном случае 24 и нажимаем ОК (Рис. 5).
Импортируем таблицы из Microsoft Excel в рабочий документ: Procs→Import→ReadText-Lotus-Excel (Рис. 6).
В появившемся окне в поле Upper – left data cell, вводим адрес ячейки в которой записаны данные первой переменной, в нашем случае B2, а в поле Names for series or Number if named in file, вводим количество переменных, в нашем случае 2 (Рис. 7).
В появившемся окне появились переменные (spend и earned), константа (с) и остатки (resid) (Рис. 8).

Рисунок 8 – Импортированные данные
Вычислим значения описательных статистик: Выделяем переменные (spend и earned) →правой кнопкой мыши открываем контекстное меню→Open→AsGroup (Рис. 9, 10).

Рисунок 10 – Значения переменных
Построим поле корреляции: View→Graph →в поле General выбираем Basic graph→ в поле Specific выбираем Scatter (Рис. 11, 12).

Рисунок 12 – Настройка графика
Полученный график является полем корреляции результативного и факторного признаков (Рис. 13).
Для того чтобы увидеть значения описательных статистик нужно выбрать вкладку Stats (Рисунок 14).
Построим эмпирическую линию регрессии: View→Graph →в поле General выбираем Basic graph→ в поле Specific выбираем Scatter→ в поле Fit lines выбираем Regression Line (Рис.15, Рис. 16).
Полученный график является эмпирической линией регрессии (Рисунок.17).
Найдем уравнение регрессии: Proc→MakeEquation (Рисунок 18, Рисунок 19).

Рисунок 19 – Данные уравнения регрессии
Из работы следует, что уравнение регрессии представляется как
EARNED = 1,807085 * SPEND – 442,1016.
R2 (коэффициент детерминации) = 0,945024
В следующем месяце мы планируем затратить 60000 рублей.
EARNED = 1,807085 * 60.000 – 442,1016
EARNED = 107982,99
Прогнозируемый приблизительный заработок в следующем месяце составляет 107983 рублей.
В процессе решения задачи были изучены основные функции для решения эконометрических задач с помощью программы Eviews. На рис. 17 видно, что полученные точки корреляционного поля расположены в форме эллипса, и его главная диагональ имеет положительный угол наклона (/), это означает, что корреляция положительная. Построена эмпирическая линия регрессии EARNED = 1,807085 * SPEND – 442,1016, она отображает зависимость между затраченными финансовыми средствами на производство продукции и заработанными деньгами на их реализации фирмы по производству резинометаллических изделий из полиуретана и спрогнозирован примерный доход в следующем месяце.
Библиографический список
- Банников В.А. Векторные модели авторегрессии и коррекции регрессионных остатков (Eviews) // Прикладная эконометрика. 2006. №3. С. 96-129.
- Богданов А.Л. Эконометрический анализ рынка подержанных автомобилей // Вестник Томского государственного университета. 2006. № 290. С. 104-107.
- Брюков В.Г. Как предсказать курс доллара. Эффективные методы прогнозирования с использованием Excel и Eviews. М.:КНОРУС, 2011. 272 с.
- Матюшок В.М. Основы эконометрического моделирования с использованием EVIEWS: учебное пособие / В. М. Матюшок, С. А. Балашова, И. В. Лазанюк. Москва, 2010.
- Литовченко И.С. Анализ количества малых предприятий в 1999 – 2010 годах // Вестник Северо-Кавказского федерального университета. 2012. № 3 (32). С. 236-239.
- Муллинов Д.О., Баженов Р.И. Разработка в среде Eviews регрессионной модели рынка гаражных помещений г. Биробиджана // Nauka-Rastudent.ru. 2015. № 1 (13). С. 43.
- Пронина О.Ю., Баженов Р.И. Исследование методов регрессионного анализа программной среды Eviews // Nauka-Rastudent.ru. 2015. № 1 (13). С. 45.
- Векслер В.А., Баженов Р.И. Определение взаимосвязи номенклатурных позиций средствами 1С:Предприятие 8.3 // Современные научные исследования и инновации. 2014. № 7 (39). С. 45-49.
- Лагунова А.А., Баженов Р.И. Разработка в среде GRETL регрессионной модели рынка вторичного жилья г. Биробиджана // Nauka-Rastudent.ru. 2015. № 1 (13). С. 40.
- Остроушко А.А., Баженов Р.И. Анализ ассортимента электротоваров с использованием ABC-анализа // Экономика и менеджмент инновационных технологий. 2014. № 10 (37). С. 73-81.
- Бронштейн К.С., Наумов А.А., Баженов Р.И. Применение классического ABC-анализа для анализа ассортимента блюд кафе // Экономика и менеджмент инновационных технологий. 2014. № 11 (38). С. 100-110.
- Резниченко Н.В., Наумов А.А., Баженов Р.И. Совершенствование ассортимента блюд кафе и системы закупок компонентов на основе ABC-XYZ-анализа // Экономика и менеджмент инновационных технологий. 2014. № 12 (39). С. 14-24.
- Жилкин С.А., Баженов Р.И. Совершенствование ассортимента товаров медицинского назначения на основе ABC-анализа // Экономика и менеджмент инновационных технологий. 2014. № 12 (39). С. 103-110.
- Якимов А.С., Баженов Р.И. Сегментация клиентов с помощью RFM-анализа // Экономика и менеджмент инновационных технологий. 2015. № 1 (40). С. 55-61.
- Наумов А.А., Наумова А.А., Баженов Р.И. О некоторых моделях и модификациях классического ABC-анализа // Современные научные исследования и инновации. 2014. № 12-2 (44). С. 138-146.
- Татаринова Е.Д., Наумов А.А., Баженов Р.И. Совершенствование ассортимента продажи товаров на основе ABC-XYZ-анализа // Экономика и менеджмент инновационных технологий. 2015. № 2 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2015/02/7393 (дата обращения: 19.02.2015).
- Перминова Н.А., Баженов Р.И. Совершенствование ассортимента обуви магазина «Велес» на основе АВС-XYZ-анализа // Экономика и менеджмент инновационных технологий. 2015. № 3 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2015/03/7782 (дата обращения: 27.03.2015).
- Черемисина И.А., Баженов Р.И., Совершенствование ассортимента товаров продовольственного магазина на основе классического ABC-анализа // Современные научные исследования и инновации. 2015. № 3 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2015/03/50776 (дата обращения: 28.03.2015).
- Дубовик А.В., Баженов Р.И. RFM-анализ базы данных заказчиков фотографа // Nauka-Rastudent.ru. 2015. № 3 (15). С. 4.
- Пивенко К.А., Баженов Р.И. Построение регрессионной модели в среде Gretl на примере рынка поддержанных автомобилей г. Биробиджана и г. Хабаровска // Экономика и менеджмент инновационных технологий. 2015. № 4 [Электронный ресурс]. URL: http://ekonomika.snauka.ru/2015/04/8362 (дата обращения: 09.04.2015).
- Tsani S. On the relationship between resource funds, governance and institutions: Evidence from quantile regression analysis // Resources Policy. 2015.Т. 44. С. 94-111
- Benos N., Zotou S. Education and Economic Growth: A Meta-Regression Analysis // World Development. 2014. Т.64. С. 669-689.