Статистический анализ оборота розничной торговли

ЗАКЛЮЧЕНИЕ

Розничная торговля по-прежнему остаётся одной из наиболее устойчивой к рискам экономического развития отраслей отечественной экономики. Однако в ближайшей перспективе темпы развития розничной торговли будут существенно меньше, чем в докризисный период. Тем не менее, они всё ещё будут достаточно высоки – по крайней мере, выше, чем на насыщенных рынках стран с развитой экономикой. В ближайшем будущем сохранится тренд на вытеснение неэффективных розничных форматов сетевой торговли более современными. Пока еще не исчерпан потенциал экстенсивного развития отрасли.
Торговые предприятия распределены географически неравномерно, в некоторых многомиллионных городах объемы торговых площадей в расчете на душу населения не достигают соответствующих показателей стран с развитой экономикой. О ...

СОДЕРЖАНИЕ
ВВЕДЕНИЕ 5
1 ТЕОРЕТИЧЕСКИЕ И МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ АНАЛИЗА ОБОРОТА РОЗНИЧНОЙ ТОРГОВЛИ 8
1.1 ПОНЯТИЕ, СОСТАВ ОБОРОТА РОЗНИЧНОЙ ТОРГОВЛИ 8
1.2 Методика анализа оборота розничной торговли 12
1.3 Система показателей оборота розничной торговли 15
2 СТАТИСТИЧЕСКИЙ АНАЛИЗ ОБОРОТА РОЗНИЧНОЙ ТОРГОВЛИ УБИНСКОГО РАЙОНА НОВОСИБИРСКОЙ ОБЛАСТИ 27
2.1 Статистическая оценка состояния и развития района 27
2.2 Статистический анализ показателей оборота розничной торговли 31
2.3 Анализ факторов, влияющих на развитие оборота розничной торговли 37
3 СТАТИСТИЧЕСКИЙ АНАЛИЗ ПЕРСПЕКТИВ РАЗВИТИЯ ОБОРОТА РОЗНИЧНОЙ ТОРГОВЛИ В УБИНСКОМ РАЙОНЕ НОВОСИБИРСКОЙ ОБЛАСТИ 45
3.1 Характеристика методов прогнозирования и оценки перспектив развития оборота розничной торговли 45
3.2 Использование регрессионной моделидля прогнозирования оборота розничной торговли 56
3.3 Применение метода аналитического выравнивания с осуществлением прогноза показателя оборота розничной торговли 69
ЗАКЛЮЧЕНИЕ 77
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 81
ПРИЛОЖЕНИЕ А 85

ВВЕДЕНИЕ

В современных экономических условиях торговля является самой динамичной отраслью народного хозяйства. Оборот розничной торговли выступает основным показателем рынка, в котором отражаются результаты развития экономики страны. Выступая главным объемным показателем торговой деятельности, оборот розничной торговли определяет все основные показатели развития торговли: состояние материально-технической базы, потребность в торговых кадрах, в финансовых ресурсах и др., а также отражает различные стороны социально-экономических отношений в стране и является сложной экономической категорией. Статистический анализ оборота розничной торговли является важным звеном процесса управления потребительским рынком и деятельностью торгового предприятия. Цель его состоит в изучении данных о процессе у довлетворения спроса населения на потребительские товары и получении информации, необходимой для изучения и прогнозирования покупательского спроса, состояния и развития рынка товаров.
В условиях рыночного механизма хозяйствования анализ должен не только давать объективную оценку производственно-торговой, финансовой и другой деятельности предприятий, но выявлять и мобилизовывать резервы повышения эффективности использования экономического потенциала, разрабатывать и принимать оптимальные управленческие решения. В новых условиях возникает необходимость приведения в соответствие всех элементов формирующейся системы управления с адекватными ей методами хозяйствования, важнейшими из которых выступает коммерческий расчет. Сфера использования рационального начала хозяйственного расчета ограничена микроуровнем, необходимостью государственного регулирования в целях обеспечения сочетания экономических интересов субъектов различных форм собственности в процессе расширенного воспроизводства.
Особенность статистического анализа коммерческой деятельности в условиях рыночных отношений – существенное изменение его задач и функций, что влечет за собой изменение методологии и методики, так как современный этап развития экономики предъявляет высокие требования к эффективному использованию ресурсов, которыми располагает предприятие. Экономический анализ является одним из наиболее действенных инструментов учета и контроля использования материальных, трудовых и финансовых ресурсов, что определяется практическим использованием его результатов в прогнозировании результатов торговой деятельности и оценке эффективности и качества работы организации. Поэтому проведение анализа – одна из ключевых задач управления в экономической сфере.
Анализируя экономические явления и процессы, необходимо не только устанавливать природу их происхождения, но и научиться ими управлять. Сложный ход рыночных реформ в России повышает требования к аналитическому обоснованию бизнес-планов, маркетинговых программ и стратегий. Оценка их реализации так не предполагает соответствующие аналитические расчеты. Управленческая оценка маркетинговых программ невозможна без анализа влияния на экономику предприятия внешней и внутренней среды, анализа клиентуры, конкретной обстановки, товарообеспечения, уровня затрат и обоснованности уровня цен и т.п. Поэтому каждое предприятие заинтересовано в грамотной постановке, организации и развитии экономического анализа. Актуальность рассмотренных вопросов определила выбор темы дипломной работы.
Объектом дипломного исследования, служащим источником необходимой для него информации, явилась существующая теория и практика статистического анализа оборота розничной торговли. Объектом исследования является розничный оборот Убнинский район Новосибирской области. Предметом выступает статистический анализ оборота розничной торговли.
Цель дипломной работы – провести статистический анализ перспектив развития оборота розничной торговли Убнинского района Новосибирской области.

Оценку факторов, определяющих благоприятную или неблагоприятную среду для функционирования розничных торговых сетей на региональном уровне, предлагаем проводить путем их ранжирования по 100-балльной шкале. Этот метод распространен в отечественной практике для характеристики инвестиционной привлекательности регионов, при оценке социально-экономических потенциалов субъектов. При таком подходе используется система абсолютных и относительных показателей, характеризующих те или иные факторы и в конечном итоге формирующих интегральную оценку факторов, влияющих на функционирование розничных торговых сетей различных регионов. Для определения рейтинга какого-либо показателя лучшему показателю (в зависимости от величины показателя в том или ином субъекте федерации) присваивается 100 баллов. Рейтинговые оценки анализируемого показателя в других субъектах федерации рассчитываются в пропорциональной зависимости от лучшего показателя (от 100 баллов). В случае оценки отрицательного показателя (например, уровень безработицы) 100 баллов присваивается величине, обратной наименьшему показателю. Региональный потребительский рынок включает в себя три укрупнѐнных сегмента: ― рынок продовольственных товаров; ― рынок непродовольственных товаров; ― рынок потребительских услуг. Развитие потребительского рынка складывается под влиянием следующей системы факторов. 1) Демографические факторы. Демографические процессы отражаются в таких показателях, как численность населения территории, структура населения по полу, возрасту, уровню образования, доходам и т. п. Так как основными покупателями на потребительских рынках являются физические лица или семьи, то ключевым фактором данной группы считается численность населения. 2) Экономические факторы. Состояние экономики региона влияет на стоимость ресурсов, возможность получения предприятиями капитала для своих нужд, а также на способность потребителей покупать определѐнные товары и услуги. Рост или падение потребления товаров и услуг – это сильно агрегированные показатели. Структура потребления определяется уровнем доходов населения. Установлено, что при росте доходов населения уменьшается их доля, расходуемая на продукты питания, а также увеличивается покупка непродовольственных товаров, трата денег на путешествия, развлечения и другие виды услуг. 3) Природно-географические факторы. Производство и продажа продукции осуществляется в конкретных географических условиях, эти условия определяют размер рыночных зон реализации различных видов товаров, характер применяемых транспортных средств, тары и упаковки. В конечном счѐте, сказываются на себестоимости единицы продукции, а, следовательно, на цене. Более того, зависимость бизнеса от природы связана с сезонными колебаниями в потреблении отдельных видов продукции. Например, в холодные периоды возрастает спрос на тѐплую одежду и кожаную обувь с меховым подкладом, тогда как в летние сезоны спрос на данные виды продукции резко снижается. 4) Объѐмы розничного товарооборота. Розничный товарооборот ⎼ один из основных показателей, по которому оценивается хозяйственная деятельность организаций. Он отражает выручку от продажи населению потребительских товаров для личного потребления и зависит от множества факторов, важных для покупателей, таких как формат торговли, ширина ассортимента и качество предлагаемой продукции, уровень обслуживания, предоставляемые скидки и другие акции по стимулированию продаж. Таким образом, объѐм розничного товарооборота является показателем, отражающим «готовность» населения покупать определѐнные виды товаров и услуг. Основные тенденции изменения базовых факторов, влияющих на развитие оборота розничной торговли Убинского района Новосибирской области, представлены ниже. 1) Снижение общей численности трудовых ресурсов. За последние 5 лет произошло значительное снижение общей численности населения Убинского района Новосибирской области на 1842 чел., или на 16,6 % (рисунок 2). Рисунок 2 - Динамика численности населения Убинского района Новосибирской области, чел.2) Увеличение доходов населения. Основным фактором, определяющим развитие оборота розничной торговли Убинского района Новосибирской области, является уровень денежных доходов населения. По данным Краевого комитета статистики, среднедушевые денежные доходы в среднем за 2012 г. составили 7600 руб. и, по сравнению с 2008 г., выросли на 84,5%. В 2009 и 2011 гг. произошѐл рост среднедушевых доходов населения на 1534 руб. и 767 руб. соответственно (рисунок 3). Рисунок 3 - Среднедушевые доходы населения Убинского района Новосибирской области, рублейРассмотрим распределение доходов населения анализируемого района за 2008-2012 гг. в таблице 4.Таблица 4 - Распределение доходов населения Убинского района Новосибирской области за 2008-2012 гг.Доходы населения20082009201020112012123456Среднемесячные номинальные денежные доходы на душу населения, рублей41195653629670637600Среднемесячные номинальные денежные доходы на душу населения в соотношении со среднегодовой величиной прожиточного минимума в расчете 92,31,05107108109Продолжение таблицы 4123456на душу населения, %Среднемесячная заработная плата, рублей7574944997901049511859Среднемесячная заработная плата в соотношении со среднегодовой величиной прожиточного минимума трудоспособного населения области, %145,2162,5155,8151157За период 2008-2012 гг. среднемесячная заработная плата выросла на 4285 рублей или на 56,6%. В условиях роста доходов меняются предпочтения потребителей, и повышается сумма расходов на покупку разнообразных товаров и услуг. Рост объѐмов розничного товарооборота. В период 2008 ⎼ 2012 гг. увеличились объѐмы покупок населением различных видов продовольственной и непродовольственной продукции в розничной торговле (рисунок 4). Рисунок 4 - Объемы розничного товарооборота организаций Убинского района Новосибирской области за 2008-2012 гг., млн. рублейУвеличение спроса на товары может быть вызвано расширением производителями ассортимента предлагаемой продукции, улучшением еѐ качества, а также установлением такого уровня цен на продукцию, который является доступным для разных слоѐв населения. Также одна из главных причин увеличения спроса на различные виды продукции заключается в введении новых удобных для потребителей форматов торговли – покупки товаров в супермаркетах и гипермаркетах. Эти магазины самообслуживания предлагают клиентам за одно посещение приобрести широкий спектр необходимых товаров: продукты питания, химические средства, одежду, канцелярские товары, посуду, что значительно экономит время на посещение множества мелких торговых точек. Кроме того, как правило, цены на определенные виды продукции (например, на одежду и бытовую технику) в супермаркетах и гипермаркетах ниже, чем в специализированных магазинах. 3 Статистический анализ перспектив развития оборота розничной торговли в Убинском районе Новосибирской области3.1 Характеристика методов прогнозирования и оценки перспектив развития оборота розничной торговлиОсновными методами при анализе и прогнозировании являются: экономико-статистический, экстраполяционный, экспертных оценок (в основном при кратко- и среднесрочном прогнозировании), балансовый метод, экономико-математического моделирования и нормативный (при средне- и долгосрочном прогнозировании). Наиболее оправдавшими себя методическими приемами выступают: построение динамических рядов основных показателей развития торговли во взаимосвязи с изменениями взаимосвязанных общеэкономических показателей (ВВП, национального дохода, уровня потребления важнейших товаров и услуг населением, бюджетных платежей, индексов цен, поступления товарных ресурсов по различным источникам, денежных доходов и расходов по социальным группам населения и т.д.); экспертная оценка и качественная характеристика устойчивости связей (взаимозависимости) различных факторов. Выявляемые при этом устойчивые связи (закономерности) и факторы, влияющие на их проявление, используются при построении одно- и много- факторных экономико-математических моделей.Самой обширной и часто используемой группой среди формализованных методов являются методы экстраполяции. Все методы экстраполяции сводятся к выявлению устойчивых тенденций в прошлом и их переносу в будущее. Все методы экстраполяции традиционно классифицируют на следующие группы: методы подбора функции, методы усреднения и методы адаптивного сглаживания. Сущность метода подбора функций заключается в правильном подборе экстраполирующей функции. Главной задачей данного метода является подбор функции, при котором на историческом интервале времени значения подобранной функции минимально отклонялись от реальных значений. К данной группе относятся методы экстраполяции тренда. Трендовая модель – это математическая модель, описывающая изменение прогнозируемого или анализируемого показателя только в зависимости от времени. Для применения методов экстраполяции тренда, во многих случаях требуется представление исходных данных об объекте прогнозирования в виде временных рядов. Временной ряд состоит из данных, которые были собраны или зафиксированы через последовательные промежутки времени. С математической точки зрения процесс экстраполирования заключается в переносе закона изменения функции за область еѐ определения (на прогнозный интервал). Модели экстраполяции, в том числе и модели экстраполяции тренда, могут быть линейными и нелинейными. Далее субъект прогнозирования исходит из предположения, что прогнозная величина не будет значительно отличаться от этого среднего значения. Данные методы прогнозирования крайне неточны и могут быть использованы лишь для оценки прогнозов отдельных процессов и явлений. Например, можно строить прогнозы исследуемых показателей на основе расчетных показателей среднего абсолютного прироста и среднего темп роста Если характер развития близок к линейному, то корректно использование среднего абсолютного прироста к получению прогнозного значения. На такой равномерный характер развития могут указывать примерно одинаковые значения цепных абсолютных приростов. Применение среднего темпа роста для описания динамики ряда целесообразно, когда изменение его динамики происходит примерно с постоянным темпом роста. К недостаткам среднего абсолютного прироста и среднего темпа роста следует отнести то, что они учитывают лишь конечный и начальный уровни ряда, исключают влияния промежуточных уровней. Тем не менее, эти показатели имеют весьма широкую область применения, что объясняется чрезвычайной простотой их вычисления. Они могут быть использованы как приближенные, простейшие способы прогнозирования, предшествующие более глубокому количественному и качественному анализу. Существенным недостатком группы методов подбора функции, а также методов усреднения является равнозначность всех исторических данных. Однако любой процесс развивается во времени, на него оказывают влияния различные факторы. В этой связи логичнее предположить, что более поздние значения более информативны и требуют большего внимания, чем более ранние. Данный факт учитывается в группе методов экстраполяции, которые носят название методы адаптивного сглаживания. Примером методов адаптивного сглаживания могут служить методы экспоненциального сглаживания. Методы экспоненциального сглаживания основываются на усреднении временных рядов прошлых наблюдений в экспоненциально нисходящем направлении, т.е. всем значениям присваиваются веса, которые убывают по экспоненте. Метод экспоненциального сглаживания дает возможность получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения, при котором более поздним наблюдениям придаются большие веса по сравнению с ранними наблюдениями, причем веса наблюдений убывают по экспоненте. Для определения параметра сглаживания существуют различные методы: метод Брауна и метод Мейера, метод подбора минимизирующего ошибку прогноза, рассчитанного на ретроспективных данных. Также наиболее широко применяемыми и зарекомендовавшими себя являются две разновидности метода экспоненциального сглаживания: двухпараметрический метод Хольта и метод Винтерса. Двухпараметрический метод Хольта позволяет учесть изменение тренда. Метод Винтерса является модификацией двухпараметрического метода Хольта, который позволяет учесть помимо изменения тренда фактор сезонности. Применение методов экстраполяции в достаточной мере ограничено самим объектом прогнозирования. Если речь идет о прогнозировании социально-экономического развития региона, то логичнее представлять его в виде сложной и открытой системы. Анализ ретроспективной информации позволяет выявить особенности и причины, которые привели систему в текущее состояние. Однако прогнозы, построенные только на базе ретроспективной информации относительно объекта прогнозирования, далеко не всегда совпадают с реальностью. Методы экстраполяции хорошо подходят в периоды инерционного развития, когда тенденции прошлого развития объекта сохраняются, а воздействие внешних факторов остается неизменными. Фактически методы экстраполяции не способны напрямую учитывать изменение воздействия внешних факторов. Учитывая требование законодательства, о необходимости построения нескольких вариантов прогнозов, данные методы прогнозирования могут рассматриваться в качестве инструментов для прогнозирования отдельных процессов и явлений. Наиболее адекватными для прогнозирования любых социально-экономических процессов являются методы моделирования. В рамках данной группы можно выделить следующие наиболее значимые методы прогнозирования: модели оптимального прогнозирования, эконометрические модели (факторные модели), имитационные модели.Модели оптимального прогнозирования призваны определить оптимальные варианты развития экономики. Данные методы прогнозирования позволяют выбрать наилучший из потенциально возможных вариантов развития того или иного процесса или всей экономики в целом. Суть метода заключается в задании ряда ограничений (в качестве ограничений, как правило, выступают ограничения по времени и по ресурсам), а также в определении целевой функции, которая описывает цель оптимизации. Сущность метода сводится к поиску экстремума целевой функции на прогнозном интервале, при условии соблюдении всех ограничений. В качестве целевой функции на макроуровне может выступать функция описывающая объем валового внутреннего продукта, валового регионального продукта, доходов населения и т.п. К настоящему времени разработаны многие принципы и методологические основы целевого подхода к задачам управления и прогнозирования экономических систем. Их изложение дано в работах А.И. Анчишкина, Д.Л. Андрианова, А.Г. Гранберга, Е.З. Майминаса, А.Е. Илютовича, Ю.Н. Черемных и других исследователей. Несмотря на большое количество разработанных моделей оптимального прогнозирования, а также достаточное количество программных продуктов, позволяющих с минимальными трудозатратами строить соответствующие прогнозы, данные методы прогнозирования не часто используются на региональном уровне. В первую очередь это связано с тем, что для построения подобных моделей требуется высокая квалификация прогнозиста. В рамках эконометрических моделей выделяют две основные подгруппы: однофакторные и многофакторные модели. Подобно методам экстраполяции данные методы достаточно эффективны в периоды стабильного развития экономических систем. В тоже время при использовании данных методов совместно с методами экспертных оценок можно строить адекватные прогнозы и для случаев существенного изменения внешней среды. Однофакторные модели могут быть описаны различными типами уравнений: линейными, экспоненциальными, параболическими, гиперболическими, степенными, логарифмическими и др. Сущность данного метода прогнозирования заключается в том, что при известном значении фактора (от которого зависит прогнозная величина) на прогнозном интервале, при помощи зависимости, построенной на основе данных на историческом интервале (ретроспективных данных), можно получить прогноз. В самом простом случае, когда в роли независимого фактора выступает время, то однофакторные экономико-статистические модели представляют собой модели экстраполяции. Подобно однофакторным моделям многофакторные модели могут описываться различными типами функций. Подобные уравнения однофакторной и многофакторной моделей носят названия регрессионных уравнений. Прогнозирование в случае применения многофакторной модели осуществляется аналогично случаю однофакторной модели. На первом этапе на основе ретроспективной информации по объекту прогнозирования и независимым факторам определяется вид зависимости между ними. На следующем этапе строятся прогнозы независимых факторов (при этом могут использоваться различные методы, в том числе и методы экспертных оценок). Затем на основе прогнозов независимых факторов и построенной зависимости строится прогноз для объекта прогнозирования. Наряду с лаговыми значениями независимых переменных на величину зависимой переменной текущего периода могут оказывать влияние ее значения в прошлые моменты или периоды времени. Такое влияние обычно описывают с помощью моделей регрессии, содержащих в качестве факторов лаговые значения зависимой переменной, которые называются моделями авторегрессии. Построение моделей с распределенным лагом и моделей авторегрессии имеет свою специфику. Во-первых, оценка параметров моделей авторегрессии, а в большинстве случаев и моделей с распределенным лагом не может быть произведена с помощью обычного МНК, ввиду нарушения его предпосылок и требует специальных статистических методов. Во-вторых, исследователям приходится решать проблемы выбора оптимальной величины лага и определения его структуры. Наконец, в-третьих, между моделями с распределенным лагом и моделями авторегрессии существует определенная взаимосвязь, и в некоторых случаях необходимо осуществлять переход от одного типа моделей к другому. Также одной из разновидностей методов эконометрического моделирования является использование системы эконометрических уравнений. Построение изолированных уравнений регрессии недостаточно для описания региональной системы. При использовании отдельных уравнений регрессии, в большинстве случаев предполагается, что аргументы (факторы) можно изменять независимо друг от друга. В тоже время многие макроэкономические показатели взаимосвязаны и взаимодействуют между собой, т.е. изменение одного показателя, как правило, не может происходить при абсолютной неизменности других. Система уравнений содержит эндогенные и экзогенные переменные. Эндогенные или объясняемые переменные – это зависимые переменные, число которых равно числу уравнений в системе. Экзогенные или объясняющие переменные – это предопределенные переменные, влияющие на эндогенные переменные, но не зависящие от них. Для построения модели прогнозирования показателей социально-экономического развития субъекта Российской Федерации необходимо пройти несколько этапов: ­ постановочный; ­ информационно-статистический; ­ спецификация модели; ­ исследование идентифицируемости и идентификация модели; ­ верификация модели. Выделенные этапы построения моделей достаточно условны. Состав используемых на них процедур, приемов и методов, их очередность зависят от типа разрабатываемой модели, особенностей исследуемых процессов, свойств исходных данных и т. п. 1-й этап (постановочный) На данном этапе формируется цель исследования, набор участвующих в модели объясняемых и объясняющих переменных. При выборе объясняющих переменных необходимо провести содержательный анализ закономерностей рассматриваемых процессов и целесообразности включения в модель тех или иных факторов, а также должны быть учтены следующие требования: ­ объясняющие переменные должны быть количественно измеримы.