Metode şi tehnici specifice de management

Metode şi tehnici specifice domeniului previzional

Dintre tehnicile recomandate de specialişti şi care să

ajute la elaborarea unor studii de previziune
fundamentate ştiinţific, pot fi menţionate următoarele
metode şi tehnici:
Extrapolarea;
Metoda Delphi;
Metoda scenariilor;
Metoda arborilor de pertinenţă;
Tehnica ritmului mediu;
Tehnica trend-ului.
 Metode şi tehnici specifice de management

Extrapolarea
Un număr foarte mare de fenomene cantitative
prezintă în general o creştere exponenţială în
timp, urmată de o aplatizare a curbei atunci când
ne apropiem de o valoare limită sau de nivelul de
saturare.
lg[c]
valoare
limită

timp timp
 Metode şi tehnici specifice de management

Tehnica ritmului mediu

Tehnica ritmului mediu este utilizată îndeosebi în

previziunea comercială.
C n  C n 1  I x

unde: C n - o anumită valoare privind fenomenul cercetat în acea

perioadă pentru care se face studiul;
C n 1 - nivelul fenomenului cercetat pentru perioada anterioară;
I x - indicele ritmului mediu de creştere.
 Metode şi tehnici specifice de management
Tehnica ritmului mediu are ca principală preocupare evidenţierea ritmului mediu
de creştere prin diverse instrumente, pornind cu calculul indicilor de creştere cu
bază fixă sau în lanţ.

Indicii de creştere pot fi calculaţi în mai multe variante:

•ritmul mediu geometric;
•ritmul mediu parabolic;
•ritmul mediu exponenţial;
•ritmul mediu dat de o funcţie logaritmică.

Dintre aceste variante, cel mai des utilizat este ritmul mediu geometric, care
poate fi stabilit pe baza a două relaţii matematice:

R  n n  Ri

R n 1 I
n

unde: R - ritmul mediu geometric pentru un fenomen analizat şi care

evidenţiază o creştere firească;
Ri- indici de creştere cu bază în lanţ pentru perioada de timp i, i=1, n;

In - indicele ultimului termen din seria indicilor de creştere.

 Metode şi tehnici specifice de management
Aplicaţie
La un produs oarecare, producţia, importul şi exportul României au evoluat în
perioada 2014-2019 astfel:
-mil.tone-

PERIOADA
PRODUCŢIA IMPORTUL EXPORTUL
(anul)

2014 680 50 200

2015 820 30 250
2016 780 80 240
2017 915 20 280
2018 970 50 320
2019 990 70 315
 Metode şi tehnici specifice de management

Pentru anul 2020, se aşteaptă ca producţia să atingă 1.050 mil. tone şi

importul să se menţină la nivelul ultimului an de analiză. Pornind de la
aceste date şi considerându-se că tendinţa consumului aparent din
perioada 2014-2019 se va menţine şi în anul următor, se cere să se
previzioneze care trebuie să fie nivelul exporturilor din anul 2020.

Pentru a stabili nivelul exporturilor din acel produs, este necesar a stabili
care este valoarea consumului pentru anul 2020. În acest sens, se
porneşte de la relaţia cunoscută a consumului aparent:

Consumul (aparent) = Producţia – Export + Import

Metode şi tehnici specifice de management

mil.tone

Anul Consum (aparent)

2014 530
2015 600
2016 620
2017 655
2018 700
2019 745
 Metode şi tehnici specifice de management

600
I c 2015 / 2014   1,13
530
620
I c 2016 / 2015   1,033
600
655
I c 2017 / 2016   1,056
620
700
I c 2018 / 2017   1,068
655
745
I c 2019 / 2018   1,064
700

Întrucât indicii de creştere anuală au valori complet diferite, care nu se

înscriu în nici o lege sau funcţie, atunci se apelează la o relaţie care
identifică ritmul mediu geometric :

R  5 1,064  1,012
C2020  C2019 1,012  745 1,012  754 mil.
Export 2020  Pr oductie2020  Im port 2020  Consum2020  1050  70  754  366 mil
 Extrapolarea trend-ului de
dezvoltare (tehnica trend-ului)
Aplicaţie
Din datele statistice rezultă o creştere permanentă a
cererii populaţiei pentru consumul de detergenţi.
Datele statistice se referă la trei categorii de
variabile:
vânzarea de detergenţi, ca variabilă dependentă,
notată cu Y;
veniturile reale, ca variabilă independentă, notată
cu X1 ;
gradul de dotare a gospodăriilor cu maşini de
spălat, variabilă independentă, notată cu X 2 .
Se cere realizarea unor previziuni pentru
următorii 5 ani, recurgând la un model
multifactorial de regresie. Pentru
perioada următoare se anticipează o
creştere medie anuală cu 1,5% a
veniturilor reale şi o creştere medie
anuală cu 2% a gradului de înzestrare a
gospodăriilor cu maşini de spălat.
An Y X1 X2

(mil tone) % %
2014 489 100 100
2015 564 110 109
2016 617 115 118
2017 712 125 130
2018 799 130 138
2019 887 134 151
În cazul de faţă, dependenţa vânzărilor faţă de cele două variabile
independente luate împreună poate fi pusă în evidenţă printr-un model
de regresie de forma:
Y  a0  a1 x1  a2 x2
Într-o astfel de ecuaţie, parametrii a1 şi a2 rezultă din aplicarea
metodei celor mai mici pătrate.

a1 
 ( X Y ) X   X Y  X
1
2
2 2 1X2

 X  X  ( X X )
2
1
2
2 1 2
2

a2 
 ( X Y ) X
2
2
1  X Y X1 1X2

X X 2
1
2
2  ( X X ) 1 2
2

a0  Y  ( a1 x1  a 2 x 2 )
Valorile X şi Y se obţin ca o diferenţă:

Xc  Xr  X
Yc  Yr  Y
În aplicarea modelului de regresie, primul pas îl reprezintă determinarea valorilor
medii pentru variabilele independente:
714
X1   119%
6
736
X2   123%
6
 An Y X1 X2 X1  Y X2 Y X 12 X 22 X1  X 2

2014 489 -19 -24 -9291 -11882 361 590,5 461,7

2015 564 -9 -15 -5076 -8629 81 234,1 137,7
2016 617 -4 -6 -2468 -3887 16 39,7 25,2
2017 712 6 6 4272 4058 36 32,5 34,2
2018 799 11 14 8789 10946 121 187,7 150,7
2019 827 15 27 12405 22081 225 712,9 400,5
Total 4008 0 0 8631 12686 840 1797,4 12100

a1  3 ,56
a2  4 ,66
a0  Y  ( a1 x1  a2 x 2 )  335
• Pentru a putea folosi acest model în calculele
de previziune, este necesar a verifica
valabilitatea acestui model prin intermediul
testului Fisher. Acesta constă în construirea
unei tabele care să conţină aspecte legate de
variabila dependentă, în mai multe situaţii.
An Y Ŷ Ŷ  Y (Ŷ  Y )2 Y Ŷ  Y (Ŷ  Y )2
2014 489 487 -2 4 668 181 32761
2015 564 564 0 0 668 104 10816
2016 617 624 7 49 668 44 1936
2017 712 716 4 16 668 48 2304
2018 799 771 -28 784 668 403 10609
2019 827 846 19 361 668 178 31684
Total 4008 4008 0 1214 90110
Se calculează aşa-numita valoare Fisher de
calcul:

Fcalculat 
 (Yˆ  Y ) 2
:
 (Yˆ  Y ) 2
k 1 nk
unde n are în vedere acele perioade de timp luate în
calcul (în acest caz, numărul de ani analizaţi), iar k
reprezintă numărul de variabile ale modelului
construit care conţine atât variabilele dependente,
cât şi cele independente (în cazul de faţă: n=6, k=3).
 90110 1214
Fcalculat  :  111,3
2 6 3
Valoarea calculată se compară cu o valoare
teoretică, care se numeşte valoare Fisher
tabelată. Aceasta se analizează în raport cu
mai multe elemente:
– gradul de semnificaţie al modelului;
– numărul de grade de libertate de la numărător;
– numărul de grade de libertate de la numitor.
Ftabelat  30,81
 Ftabelat  Fcalculat
=>ipoteza nulă nu se acceptă şi modelul propus
pentru calculul de previziune se poate accepta
în forma propusă.
Pentru a putea determina valorile
corespunzătoare variabilelor dependente
pentru perioada prognozată, trebuie să se ţină
seama de valoarea de creştere sau descreştere
medie anuală privind variabilele independente
( x1 , x 2 )
• Pentru perioada 2020-2024, se anticipează o
creştere medie anuală cu 1,5% a veniturilor
reale x1 şi respectiv o creştere medie anuală
cu 2% a gradului de înzestrare a gospodăriilor
cu maşini automate de spălat, x 2
An X1 X2

2020 136,01 154,02

2021 138,05 157,10
2022 140,12 160,24
2023 142,20 163,45
2024 144,35 166,72
Aceste valori se vor introduce în modelul de
regresie, rezultând nişte previziuni pentru
variabila dependentă Y în cazul fiecărui an,
începând cu 2020.
Y 2020  335  3,56 136,01  4,66 154,02  867 mii tone
…….
• Valorile identificate pentru mărimea Y se
numesc previziuni punctuale, care marchează
centrul intervalului de previziune. Pentru a
stabili limitele superioară şi inferioară ale
acestui interval, trebuie să se pornească de la
abaterea medie pătratică  a valorii faţă de
valorile reale privind variabila dependentă.

 (Ŷ  Y ) 2

1214
 14,2 mii tone
n 6
• Pornind de la această abatere medie pătratică,
se calculează coeficientul de variaţie pentru
variabila dependentă, notat cu v
14,2
v  100  2 ,1%
668