Warianty tytułu
Analiza efektywności wybranych modeli prognostycznych popytu
Języki publikacji
Abstrakty
Objective - Two methods of prediction were proposed in the article, using sales data. Models were identified and estimated, forecasts were determined, their reliability was verified, and then values obtained for each method were compared.
Methodology - The article presents models belonging to two different categories. They are regression function, which is a classic example of cause-and-effect model, and ARIMA model for time-series analysis.
Results - The results obtained for both models were satisfactorily described by empirical data, but the regression model is much easier to estimate and does not require complex transformations or calculations, nor the use of specialized software. In the analyzed case, demand forecasting based on the linear regression model is sufficient and reflects the nature of studied phenomenon. (original abstract)
Methodology - The article presents models belonging to two different categories. They are regression function, which is a classic example of cause-and-effect model, and ARIMA model for time-series analysis.
Results - The results obtained for both models were satisfactorily described by empirical data, but the regression model is much easier to estimate and does not require complex transformations or calculations, nor the use of specialized software. In the analyzed case, demand forecasting based on the linear regression model is sufficient and reflects the nature of studied phenomenon. (original abstract)
Cel. W artykule, wykorzystując dane dotyczące sprzedaży, zaproponowano dwie metody predykcji popytu. Dokonano identyfikacji i estymacji modeli, wyznaczono prognozy, sprawdzono ich wiarygodność a następnie porównano wartości otrzymane dla każdej z metod.
Metoda. W artykule zaprezentowano modele należące do dwóch różnych kategorii. Funkcję regresji, będącą klasycznym przykładem modelu przyczynowo - skutkowego, oraz służący do analizy szeregów czasowych model ARIMA.
Wyniki. Wyznaczone prognozy nie różnią się zdecydowanie między sobą, a przewidywane wartości charakteryzuje niewielki, względny błąd prognozy. Otrzymane wyniki dla obu modeli satysfakcjonująco opisały analizowane dane empiryczne, jednak model regresji jest zdecydowanie łatwiejszy do estymacji i nie wymaga skomplikowanych przekształceń i obliczeń, a także wykorzystania specjalistycznego oprogramowania. W analizowanym przypadku, prognozowanie popytu w oparciu o model regresji liniowej jest wystarczające i oddaje charakter badanego zjawiska. (abstrakt oryginalny)
Metoda. W artykule zaprezentowano modele należące do dwóch różnych kategorii. Funkcję regresji, będącą klasycznym przykładem modelu przyczynowo - skutkowego, oraz służący do analizy szeregów czasowych model ARIMA.
Wyniki. Wyznaczone prognozy nie różnią się zdecydowanie między sobą, a przewidywane wartości charakteryzuje niewielki, względny błąd prognozy. Otrzymane wyniki dla obu modeli satysfakcjonująco opisały analizowane dane empiryczne, jednak model regresji jest zdecydowanie łatwiejszy do estymacji i nie wymaga skomplikowanych przekształceń i obliczeń, a także wykorzystania specjalistycznego oprogramowania. W analizowanym przypadku, prognozowanie popytu w oparciu o model regresji liniowej jest wystarczające i oddaje charakter badanego zjawiska. (abstrakt oryginalny)
Twórcy
autor
- Wojskowa Akademia Techniczna w Warszawie
Bibliografia
- Bielińska, E. (2007).Prognozowanie ciągów czasowych. Gliwice: Wydawnictwo Politechniki Śląskiej.
- Dittmann, P. (2000).Metody prognozowania sprzedaży w przedsiębiorstwie. Wrocław: Wydawnictwo Akademii Ekonomicznej.
- Dittmann, P., Szabela-Pasierbińska, E., Dittmann, I., Szpulak, A. (2011).Prognozowanie w zarządzaniu sprzedażą i finansami przedsiębiorstwa. Warszawa: Wolters Kluwer Polska Sp. Z o.o.
- Maciąg, A., Pietroń, R., Kukla, S. (2013).Prognozowanie i symulacja w przedsiębiorstwie. Warszawa, Polskie Wydawnictwo Ekonomiczne.
- Sokołowski, A. (2016).Prognozowanie i analiza szeregów czasowych. Materiały szkoleniowe. Kraków: StatSoft Polska.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171528950
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.