JAV eksporto apimčių ir jas lemiančių veiksnių tyrimas

ĮVADAS Tyrimo aktualumas. Kiekviena šalis siekia tinkamai ir veiksmingai pasirūpinti savo valstybės gerove. Siekiant tai įgyvendinti imamasi įvairių priemonių, kurių vienas iš pavyzdžių – įvairių produktų gamyba. Teigiama, jog tam tikros prekės, paslaugos yra kuriamos atsižvelgiant į tokius aspektus kaip vartotojų poreikiai, socialiniai bei psichologiniai veiksniai. Dėl minėtų priežasčių valstybės siekia teikti savo šalies gyventojams kuo įvairesnius produktus, besiskiriančius savo struktūra, unikaliomis savybėmis tam, jog būtų patenkinti asmeniniai individų poreikiai. Kadangi žmogus yra išranki bei naujovių siekianti būtybė, dažnai gaminamų bei parduodamų produktų šalies viduje nebeužtenka. Asmenys, siekdami paįvairinti naudojamų produktų racioną nori jų gauti iš kitų valstybių, todėl kuo toliau, tuo labiau pradėjo klestėti eksporto veikla, kuri ypač veiksmingai plėtojasi visame pasaulyje. Eksportas – ekonominis rodiklis, kurio didėjimas lemia ekonominę šalies situaciją ir yra naudingas dėl didesnės prekių pasiūlos. Kadangi vis didėjanti populiacija reikalauja didesnių išteklių, manoma, jog tam teigiamą poveikį daro nagrinėjamas ekonominis rodiklis. Visa tai daro didelę įtaką pajamų didėjimui, geresniam valstybės gyventojų gyvenimui ir asmenų poreikių tenkinimo atžvilgiu. Galima teigti, jog eksporto apimčių bei jas lemiančių veiksnių tyrimas aktualus siekiant įgyti suvokimą, kodėl eksportas yra svarbus rodiklis šalių ekonominės gerovės atžvilgiu. Tyrimo problema – kokie veiksniai lemia ir kaip įvertinti eksporto apimtis bei jas lemiančius veiksnius būsimų laikotarpių prognozei sudaryti. Tyrimo objektas – JAV eksporto apimtys. Tyrimo tikslas – išskyrus veiksnius, lemiančius eksporto apimtis, pritaikyti tinkamiausius prognozavimo metodus būsimiems laikotarpiams rasti. Uždaviniai tikslui pasiekti: 1. Išanalizavus mokslinę literatūrą, aptarti kintamuosius, lemiančius eksporto apimtis nurodant metodų taikymus. 2. Atlikti eksporto apimčių prognozę pritaikant įvairius metodus. 3. Remiantis parengta metodika įvertinti gautus rezultatus. Tyrimo metodai: Literatūros analizė, naivusis, slenkančio vidurkio, eksponentinio išlyginimo metodas, vienamtės bei daugiamatės tiesinės regresijos metodai, paklaidų analizės metodas. Tyrimo apribojimai. Tiriamasis kintamasis – eksporto apimtys. Šis veiksnys analizuojamas remiantis JAV teikiamais duomenimis, todėl sudaryti modeliai bei lygtys gali būti pritaikytos tik šiai valstybei, nes visų šalių rodikliai yra unikalūs. 1. LITERATŪROS ANALIZĖ Eksportas – svarbus ekonominis rodiklis, kurį galima būtų apibūdinti kaip tam tikrų produktų išvežimą į kitas valstybes. Toks bendradarbiavimas suteikia galimybę bendradarbiauti skirtingoms valstybėms tarpusavyje, didinti pasirinkimo galimybes šalies gyventojams ir tokiu būdu patenkinti jų asmeninius poreikius. Produktų įvairovė yra svarbus veiksnys, lemiantis spartesnius tarptautinės prekybos srautus ir darantis įtaką ekonominei šalies situacijai (Hallak, 2006). Siekiant turėti kuo aukštesnius šalies rodiklius ekonominiu atžvilgiu, svarbu išanalizuoti kaip tam tikrą veiksnį lemia kiti ekonominiai rodikliai (Li, Li, Zheng, & Egger, 2020). Šiuo atveju, galima teigti, jog eksporto apimtis gali lemti tokie veiksniai kaip bendrasis vidaus produktas, darbuotojų skaičius, pramoninė gamyba, importas, asmeninio vartojimo išlaidos. Nenuostabu, jog visi šie minėti ekonominiai rodikliai tarpusavyje yra susiję, nes kuo aukštesnis BVP, tuo geresnė šalies ekonominė situacija. Kuo didesnis darbuotojų skaičius, tuo daugiau žmonių pagamina įvairių prekių ir tokiu būdu gali jas parduoti ne tik valstybės viduje, bet ir eksportuoti bei importuoti į kitas valstybes. Kalbant apie asmeninio vartojimo išlaidas, manoma, jog kuo asmuo turi daugiau pajamų, tuo daugiau gali leisti pinigų įvairių produktų įsigijimui siekiant patenkinti savo asmeninius poreikius. Taigi, visi minėti aspektai yra plačiai susiję, todėl svarbu stebėti įvairių rodiklių kitimus siekiant išsiaiškinti, kas lemia tam tikrų ekonominių rodiklių padidėjimą ir taip siekti geresnės ekonominės situacijos šalyje. 1.1. JAV eksporto apimtis lemiantys veiksniai Galima teigti, kad vienas iš esminių veiksnių, lemiančių eksporto apimtis, yra bendrasis vidaus produktas. Ekonomistas Adam Smith domėjosi ryšiu tarp eksporto ir ekonominės plėtros (Sturn, 2015). Jis bandė pateikti teorijas ir siekė įrodyti, jog šie du kintamieji yra stipriai susiję vienas su kitu. Anot Adam Smith, šalys, kurios turi aukštesnes pajamas yra linkusios prekiauti ir eksportuoti didesnį kiekį produktų, net jei pajamos didėja ne tik prekybos atžvilgiu (Michelis & Zestos, 2004). Kadangi ekonominis produktyvumas priklauso nuo valstybėje pagamintų prekių kiekio bei jų eksportavimo apimčių į kitas valstybes, manoma, jog tai taip pat didina ir atitinkamos šalies BVP. Teigiama, kad tarpvalstybinė įmonių konkurencija eksporto atžvilgiu taip pat skatina ir motyvuoja šalis daugiau gaminti ir efektyviau atlikti savo darbą (Trlaković, Despotović, & Ristić, 2018). Šiuo atveju, galima teigti, kad esant konkurencijai dirbantys asmenys yra motyvuoti daugiau gaminti ir taip skatinti eksporto plėtrą bei didinti šalies BVP. Manoma, jog įmonės, kurios eksportuoja įvairius produktus gauna didelį pelną, o tokiose įmonėse dirbantys asmenys uždirba didesnius atlyginimus. Vadinasi, kuo daugiau įmonės eksportuoja valstybėje, tuo didesnį pelną ji gauna ir tokiu būdu auga šalies bendrasis vidaus produktas. Kitas veiksnys, darantys įtaką eksporto plėtrai yra aukštos kvalifikacijos darbuotojų skaičius. Teigiama, kad tarptautinė prekyba tampa nelygybės priežastimi dėl atlyginimo nevienodumo, kurį įmonės išmoka skirtingų kvalifikacijų darbuotojams (Klein, Moser, & Urban, 2013). Šiam atvejui galima paprieštarauti, nes kiekvienas žmogus, turintis skirtingą išsilavinimo lygį, atlieka nevienodas pareigas. Manoma, kad aukštos kvalifikacijos žmonės daugiau ir smulkiau išmano atliekamą darbą bei jį atlieka efektyviau (Call, Campbell, Dhaliwal, & Moon, 2017). Tokiems asmenims yra paskirti sudėtingesni darbai, reikalaujantys daugiau žinių, kurias individai įgijo aukšto lygio institucijose. Galima teigti, kad žmonės, turintys aukštąjį išsilavinimą, skirtingai nei įgiję žemesnį, siūlo išsamesnes, nuoseklesnes idėjas, kaip gaminti paklausias ir kokybiškas prekes. Jei eksportuojami produktai yra kokybiški, vadinasi, yra didėjanti paklausa užsienio šalyse. Taigi, eksporto apimtims didelę įtaką daro aukštos kvalifikacijos dirbančiųjų asmenų skaičius. Taip pat vienas iš veiksnių, lemiančių eksporto apimtis, yra pramoninė gamyba. Teigiama, kad eksportas su pramonine gamyba yra vienas nuo kito neatsiejami veiksniai, kurie tarpusavyje yra stipriai susiję (Sahoo, Sahoo, & Sahu, 2014). Manoma, kad egzistuojant pramoninei gamybai, pagaminama daugiau prekių, kurių žmonės neišperka savoje šalyje. Dėl šios priežasties valstybės eksportuoja tas prekes į kitas šalis siekdamos jas parduoti ir taip užsidirbti daugiau. Kadangi neišpirkti produktai yra eksportuojami, tokiu atveju įmonės turi mažesnę galimybę bankrutuoti ir dirba pelningiau. Teigiama, kad rezultatų atlikimas patvirtina eksporto apimčių ir pramoninės produkcijos sąveika (Gokmenoglu, Azin, & Taspinar, 2015). Vadinasi, kad pramoninė gamyba yra neatsiejama nuo eksporto apimčių kitimo. Kitas veiksnys, darantis įtaką eksporto apimtims, yra importas. Teigiama, kad importavimas suteikia lengvesnę prieigą prie naujų technologijų ir geresne struktūra pasižyminčių žaliavų derinių (Castellani & Fassio, 2019). Tokiu būdu įmonės gali iškilti konkurencingose tarptautinėse rinkose, kuriose dėl naujų produktų atsiradimo, įstaigos pradeda įgyti pranašumą. Dėl šių priežasčių eksporto rinkoje gali atsirasti inovatyvesnių ir tobulesnių produktų, išsiskiriančių savo struktūra bei rūšimi. Kadangi importuojami produktai gali suteikti daug naudos, galima teigti, kad geresnės kokybės prekės yra perkamos sparčiau, todėl importo nauda eksportui yra aktuali šalies gerovės atžvilgiu. Asmeninio vartojimo išlaidos – taip pat vienas iš aktualių veiksnių, darančių įtaką eksporto apimtims (Wang, 2013). Teigiama, jog kuo asmenys turi daugiau pajamų, tuo didesnė tikimybė, jog jie šias panaudos tiems produktams ar paslaugoms, kurie tenkintų jų asmeninius poreikius. Taip pat, kuo daugiau pajamų žmonės turi, tuo daugiau gali sau leisti norimų prekių įsigijimui. Galima teigti, jog kuo daugiau eksportuojama įvairių prekių, egzistuoja platesnis produktų asortimenas. Esant prekių įvairovei, kai šios gaminamos ne tik šalies viduje, bet ir yra eksportuojama iš kitų valstybių, žmonės yra linkę greitai susigundyti naujais, nematytais produktais ir tokiu būdu atsiranda didesnė motyvacija visa tai išmėginti. Kuo asmenys daugiau turi pajamų, tuo daugiau išleidžia norimiems produktams įsigyti, vadinasi, kai egzistuoja didelė eksportuojamų prekių paklausa, atsiranda didesnis poreikis eksportuoti didesnius kiekius tam tikrų prekių siekiant patenktinti šalies gyventojų asmeninius poreikius ir tokiu būdu paveikti vartotojo elgseną ekonominės gerovės atžvilgiu. Apibendrinant galima teigti, kad įvairių rodiklių tyrimas, tokių kaip eksporto apimtys, BVP, pramoninė gamyba, darbuotojų skaičius, asmeninio vartojimo išlaidos, yra svarbus valdant gamybą ir tiekimo grandinę. Tai daro įtaką įstaigų veiklos planavimui, strategijai, rinkodarai, logistikai, sandėliavimui ir išteklių valdymui (Sohrabpour, Oghazi, Toorajipour, & Nazarpour, 2020). Galima teigti, jog svarbu smulkiai išanalizuoti bei pritaikyti tam tikrus metodus eksporto apimčių ir jas lemiančių veiksnių tyrimui. Kalbant konkrečiai apie šį atvejį, svarbu nustatyti laiko eilučių komponentes (trendą, sezoniškumą, cikliškumą), atlikti eksporto apimčių prognozavimą įvairiais metodais bei apskaičiuoti paklaidas. Šio tyrimo metodinėje dalyje JAV atžvilgiu yra išskirti kintamieji, kurie bus taikomi uždavinių sprendimui, yra šie: bendrasis vidaus produktas (Federal Reserve Bank Of St. Louis, 2020c); darbuotojų skaičius (Federal Reserve Bank Of St. Louis, 2020b); pramoninė gamybos apimtys (Federal Reserve Bank Of St. Louis, 2020d) ; importo apimtys (Trade Map, n.d.-a); asmeninio vartojimo išlaidos (Federal Reserve Bank Of St. Louis, 2020a); pagrindinis kintamasis – JAV eksporto apimtys (Trade Map, n.d.-b). 1.2. Laiko eilučių komponenčių nustatymas Taigi, pirmas žingsnis, kurį reiktų atlikti, laiko eilučių (trendo, sezoniškumo, cikliškumo) komponenčių nustatymas. Visų pirma, laiko eilutės – tai periodinių, tam tikro reiškinio, šiuo atveju, JAV eksporto apimčių stebėjimų seka, kuri atspindi atitinkamo rodikio baigtinę skaitinę reikšmę ir jų kitimą laiko atžvilgiu (Pabedinskaitė & Činčikaitė, 2016). Yra išskiriamos tokios laiko eilutės komponentės – trendo, sezoninė, ciklinė. Siekiant aptarti trendą galima teigti, kad ši komponentė nurodo bendrą ilgalaikę tendenciją, laipsnišką pagrindinio kintamojo padidėjimą arba sumažėjimą. Remiantis trendo linija yra skaičiuojami kiekvieno esamo laikotarpio pagrindiniojo kintamojo įvertinimai (Bee Dagum & Bianconcini,2016). Šią komponentę galima apskaičiuoti pagal (1) formulę: , (2) čia: metai; T(t) – trendo reikšmė laikotarpiu t; – koeficientai (Boguslauskas, 2009). Koeficientai parodo, koks yra tiesės aukštis y koordinačių ašyje bei yra apskaičiuojamas remiantis „Microsoft Excel“ funkcija – INTERCEPT. Kalbant apie galima teigti, jog šis koeficientas parodo, koks yra tiesės palinkimas bei yra apskaičiuojamas naudojant formulę SLOPE (Pabedinskaitė, 2009b). Kalbant apie sezoninę komponentę, teigiama, jog ji formuoja periodinius svyravimus ir yra aprašoma neatsitiktine funkcija. Apie sezoninius svyravimus yra pateikta daugiausiai informacijos. Tai reguliarūs svyravimai, kurie vyksta metų laikotarpyje, kartais ir per mažesnį laiko intervalą vykstantys svyravimai, pavyzdžiui per savaitę ar per mėnesį. Siekiant apskaičiuoti sezoninę komponentę, visų pirma, reikia sukurti atskirą lentelę, kurioje turi būti suskaidomi laikotarpiai bei naudojant tuos pačius laikotarpius svarbu vidurkį naudojant skirtingų metų duomenis. Kitas žingsnis – gautą skaičių reikia padalinti iš 100 ir tokiu būdu yra gaunama procentinė dalis (Pabedinskaitė & Činčikaitė, 2016). Kita nagrinėjama komponentė – ciklinė. Ši formuoja ciklus, o funkcija turi būti periodiška. Ši laiko eilutės komponentė apibrėžiama kaip kiekvienas reguliarus nukrypimas nuo trendo komponentės. Šiuos svyravimus galima pastebėti per ilgesnį laikotarpį, dažniausiai būdingas ne staigus, o tolygus perėjimas iš vienos fazės į kitą. Visų pirma, reikia sudaryti prognozę TCI (prognozė atmetus sezoninius svyravimus), tada reikia apskaičiuoti ciklinę bei nereguliarąją komponentę, lygtis būtų tokia (3): (4) čia: Y – priklausomas kintamasis; T – trendo komponentė; S – sezoninė komponentė. Atlikus visus veiksmus ir nustačius šias komponentes galima suskaičiuoti pačią ciklinę komponentę, lygią trijų CI rodiklių vidurkiui bei visą tai pateikti grafiškai (Bee Dagum & Bianconcini, 2016). 1.3. Sezoninių svyravimų prognozavimas Galima teigti, jog prognozavimas yra svarbus dėl ateities įvykių numatymo, kuris daro didelę įtaką valstybės funkcionavimui tiek ekonominiu, tiek socialiniu požiūriu. Norint atlikti ateities prognozę reikia turėti praeities duomenis. Siekiant geresnės situacijos šalyje labai svarbu nustatyti, kaip tam tikras rodiklis, šiuo atveju, eksporto apimtys kinta tam tikrame cikle. Pirmas veiksnys, kuris bus analizuojamas – naivusis prognozavimo metodas. Tai vienas iš paprasčiausių metodų, kai prognozavimui panaudojama paskutinė faktinė praėjusio laikotarpio reikšmė. Siekiant įvertinti prognozę atsižvelgiama į istorinius praėjusio laikotarpio duomenis bei sezoninio indekso reikšmes (Hajifar et al., 2021). Lygtis (5) būtų tokia: , (6) čia: prognozuojamas pagrindinias kintamasis t laikotarpyje; laikotarpių eilės numeris; sezoninė komponentė. Siekiant apibūdinti kitą prognozavimo metodą – slankiojo vidurkio, galima teigti, jog šis metodas turi gana didelį tikslumą ir pritaikomumą (Xin, Liu, Yang, Song, & Huang, 2020). Laikotarpiai yra pasirenkami asmenine nuožiūra, tačiau, kai egzistuoja mažesnis laikotarpių skaičius, gaunami tikslesni duomenys. Taikant šį metodą remiamasi kelių mėnesių pagrindinio kintamojo vidurkiu. Naujo periodo pagrindinio kintamojo duomenys yra pridedami prie apskaičiuoto vidurkio, o seniausio periodo duomenys iš jo pašalinami. Kiekvienam periodui reikia apskaičiuoti naują vidurkį, kuris ir yra vadinamas slankiuoju. Nors šio metodo taikymas yra ganėtinai paprastas, tačiau ne visada gali būti gaunami tikslūs duomenys. Tai gali nulemti įvairūs veiksniai, kurie gali būti susiję su sezoniškumu, tačiau naudojant šį prognozavimo metodą galima bent minimaliai nuspėti galimas būsimų laikotarpių reikšmes (Yuan et al., 2020). Formulė (7) būtų tokia: (8) čia: prognozuojamas pagrindinis kintamasis t laikotarpyje; laikotarpių skaičius slankiajam vidurkiui skaičiuoti; laikotarpio eilės numeris; sezoninė komponentė. Kitas aspektas, kuris bus analizuojamas – eksponentinio išlyginimo metodas. Būsimai prognozei nustatyti yra remiamasi praėjusio laikotarpio faktiniu dydžiu analizuojamoje duomenų sekoje. Taikant šį metodą reikia pabrėžti aktualiausią dalyką – alfa išlyginimo konstantą (D. Barrow, Kourentzes, Sandberg, & Niklewski, 2020). Ji laisvai pasirenkama tyrėjo ir jos reikšmės gali kisti intervale nuo 0-1. Antro laikotarpio prognozė yra lygi pirmojo laikotarpio reikšmei ir ji turi būti perrašoma. Taip pat šio metodo taikymui yra naudojamos slenkančio vidurkio gautos reikšmės. Eksponentinio išlyginimo metodas yra tinkamas trumpalaikių prognozių nustatymui ir jis yra veiksmingas, nes nurodo esamas tendencijas bei sezoninius svyravimus. Šio metodo taikymo privalumas yra tas, jog yra mažesnė tikimybė, kad atliktai prognozei turės įtakos neteisingų praėjusių prognozių įtaka. Išimtis ta, jog šis metodas nėra taikytinas, kai yra pastebimas trendas ir nustatyti ilgalaikiai svyravimai duomenų sekoje (Pabedinskaitė & Činčikaitė, 2016). Lygtis (9): , (10) (11) (12) čia: prognozuojamas pagrindinis kintamasis t laikotarpyje; alfa rodiklis; buvusio laikotarpio nesezoninė reikšmė; einamojo laikotarpio nesezoninė vidurkio reikšmė; laikotarpių skaičius naudojamas sulygintam vidurkiui skaičiuoti; sezoninė komponentė. Kitas analizuojamas etapas – tiesinė regresinė analizė. Visų pirma, norint ją atlikti, svarbu nustatyti koreliacinę analizę, kurios metu yra nustatomas ryšio stiprumas tarp kintamųjų. Nustatymui yra naudojamas koreliacijos koeficientas, kurio reikšmė kinta nuo -1 (egzistuoja stiprus neigiamas ryšys) iki 1 (stiprus tiesioginis ryšys). Tai suteikia galimybę išvengti netikslumų modeliuose, nes yra pašalinami nereikšmingi nepriklausomi kintamieji ir toliau į tyrimą jie nėra įtraukiami. Kalbant apie tiesinę regresiją galima teigti, jog vienas iš svarbiausių jos taikymo privalumų yra modelio sudarymas. Siekiant išsiaiškinti, kaip kintamieji yra susiję tarpusavyje, taikoma regresinė analizė. Šiuo būdu galima nustatyti ir ryšį tarp kintamųjų, ir egzistuojantį ryšio stiprumą. Yra išskiriami du regresinių analizių būdai – vienmatė bei daugiamatė. Teigiama, kad pagrindinis skirtumas yra tas, jog taikant vienmatę regresinę analizę sužinoma, kaip kiekvienas nepriklausomas kintamasis atskirai koreliuoja su pagrindiniu kintamuoju. Priešinga situacija egzistuoja daugiamatei regresinei analizei. Šiuo atveju, stebima, kaip visi nepriklausomi kintamieji kartu koreliuoja su priklausomu kintamuoju. Atlikus vienmatę regresinę analizę sudaroma lygtis, kuri suteikia galimybę nustatyti priklausomojo kintamojo reikšmės pakitimą, kai nepriklausomas kintamasis pasikeičia (Pabedinskaitė, 2009a). Lygtis (13) būtų tokia: (14) čia: y – priklausomas kintamasis; a – koeficientas prie x; x – nepriklausomas kintamasis; b – laisvasis narys. Vienmatės tiesinės regresijos metodas labai dažnai naudojamas siekiant nustatyti analitinę išraišką ir formą, kuri dažniausiai yra pasirenkama tiesinė. Galima nustatyti analitines išraiškas tarp veiksnių ir vizualiame vaizdinyje pamatyti grafikuose pavaizduotą didėjimo ar mažėjimo tendenciją. Tai puikus būdas prognozei, kuria būtų siekiama išsiaiškinti, kas atsitiks, jei veiksnys pasikeis. Šiam metodui taikyti pateikiamos formulės: , (15) , (16) , (17) čia: prognozuojamas priklausomas kintamasis t laikotarpyje; prieš tai buvusio laikotarpio nesezoninė vidurkio reikšmė; einamojo laikotarpio nesezoninė vidurkio reikšmė; laikotarpių skaičius naudojamas tiesinei regresijai sudaryti; laikotarpio eilės numeris; a, b – koeficientai. Kitas analizuojamas veiksnys – daugiamatės regresijos metodas. Ši analizė yra skirta dėl to, jog būtų galima surasti priklausomo kintamojo tarpusavio ryšį bendrai su visais nepriklausomais kintamaisiais. Daugiamatės regresijos metodas suteikia galimybę prognozuoti, kaip, šiuo atveju, eksporto apimtis pakeis jį lemiančių veiksnių reikšmių pokyčiai. Šio metodo apskaičiavimui naudojama MS „Excel“ funkcija „LINEST“, kai yra pažymimos visos reikšmės, nustatomas priklausomas ir nepriklausomi kintamieji, o naujoje lentelėje yra gaunami reikiami duomenys. Daugianarės regresinės analizės lygtis (18) atrodytų taip: (19) čia: Y – priklausomas kintamasis; a – koeficientas prie x; b – laisvasis narys; x – nepriklausomi kintamieji. Apibendrinant galima teigti, kad prognozavimo metodai yra svarbūs ir gali būti vertinami pagal prognozių generavimą, kuris gali užtikrinti pastovų rezultatą per atitinkamą laiką (D. K. Barrow & Kourentzes, 2016). Tam užtikrinti remiamasi metodais, kuriais būtų teikiamos nuoseklios laiko prognozės (Kourentzes, Barrow, & Petropoulos, 2019). Prognozės nuoseklumas, t.y. prognozių tendencija laikui bėgant rodyti panašų kitimą – visa tai yra svarbu praktinėje dalyje, nes tai suteikia galimybę tinkamai priimti optimalų sprendimą ir pateikti atitinkamas išvadas (D. Barrow et al., 2020). 1.4. Paklaidų vertinimas Galima teigti, jog yra atliekami įvairūs prognozavimo metodai tokie kaip prognozė atmetus sezoninius svyravimus, prognozės, apskaičiuojamos remiantis trendu bei vidutiniais sezoniniais svyravimais. Taigi, siekiant tinkamai atliktas prognozes įvertinti, svarbu nustatyti atlikto prognozavimo paklaidos įvertinimą. Dėl šios priežasties skaičiuojama (20) VKP – vidutinė kvadratinė paklaida (Pabedinskaitė & Činčikaitė, 2016). (21) čia: vidutinė kvadratinė paklaida; laikotarpių skaičius; -apskaičiuota prognozė; pagrindinis tiriamasis. Taip pat egzistuoja ir vidutinė procentinė absoliutinė paklaida MAPE, kuri apibrėžia santykinį prognozės tikslumą ir kuria remiantis galima palyginti įvairių rodiklių gautas prognozes. Galima teigti, jog šis metodas yra labai tikslus, kai MAPE reikšmės yra mažesnės už 10 ir tikslus, kai 10

Daugiau informacijos...

★ Klientai rekomenduoja

Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?

Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!