Đề tài Vận dụng một số phương pháp thống kê phân tích tình hình sản xuất kinh doanh của Công ty cổ phần xây dựng và chế biến lương thực vĩnh hà trong giai đoạn 2002 – 2007 và dự đoán đến năm 2010

Thấy rõ những vai trò hết sức to lớn của ngành nông nghiệp Năm 1993, công ty Vận tải – Xây dựng và Chế biến lương thực Vĩnh Hà được thành lập theo quyết định của Bộ trưởng Bộ Nông nghiệp và Công nghệ Thực phẩm nay là Bộ Nông nghiệp và Phát triển Nông thôn đánh dấu một bước phát triển mới trong lĩnh vực kinh doanh lương thực ở thị trường miền Bắc, đồng thời là một minh chứng rõ nét cho việc chuyển đổi từ cơ chế tập trung bao cấp sang cơ chế thị trường có sự điều tiết của nhà nước. Qua 15 năm hình thành và phát triển, công ty đã đạt được nhiều thành tích trong sản xuất, kinh doanh, xây dựng doanh nghiệp, góp phần phát triển kinh tế đất nước. Trong thời kỳ khủng hoảng kinh tế thế giới thì vẫn đề an ninh lương thưc toàn cầu là một trong những vẫn đề hàng đầu mà tất cả các nước trên thế giới phải chú trọng.Và nước ta cũng không là ngoại lệ.Vì vậy việc xây dựng các hệ thống chỉ tiêu phản ánh tình hình sản xuất của công ty sẽ có vai trò rất lớn đến việc phân tích hiệu quả của quá trình sản xuất kinh doanh của công ty đồng thời cũng đưa ra những thuận lợi và khó khăn để đưa ra các chỉ tiêu kế hoặch cho các năm tiếp theo. Nhận thức được tầm quan trọng của việc phân tích hoạt động sản xuất kinh doanh của doanh nghiệp; trong thời gian thực tập tại công ty cổ phần Xây dựng và Chế biến lương thực Vĩnh Hà; được sự hưỡng dẫn của thầy giáo PGS.TS Nguyễn Công Nhự và cô Đặng Thị Ánh Thu (kế toán trưởng của công ty) cùng các cô chú trong công ty cổ phần Xây dựng và Chế biến lương thực Vĩnh Hà;em đã chọn đề tài: “Vận dụng một số phương pháp thống kê phân tích tình hình sản xuất kinh doanh của công ty cổ phần Xây dựng và Chế biến lương thực Vĩnh Hà trong giai doạn 2002-2007 và dự đoán đến năm 2010”.

doc119 trang | Chia sẻ: Dung Lona | Lượt xem: 1110 | Lượt tải: 0download
Bạn đang xem trước 20 trang tài liệu Đề tài Vận dụng một số phương pháp thống kê phân tích tình hình sản xuất kinh doanh của Công ty cổ phần xây dựng và chế biến lương thực vĩnh hà trong giai đoạn 2002 – 2007 và dự đoán đến năm 2010, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
ng bị TSCĐ năm 2006 giảm so với năm 2005 do tốc độ phát triển của TSCĐ bình quân lớn hơn tốc độ phát triển của lao động bình quân.Kết quả tính được cho thấy năm 2005 cứ 1 lao động tham gia vào hoạt động sản xuất của công ty thì được trang bị 39.386 triệu đồng TSCĐ, còn năm 2006 mức trang bị này giảm xuống chỉ còn 41.643 triệu đồng. Hiệu suất sử dụng TSCĐ năm 2007 so với năm 2006 có tốc độ phát triển lớn hơn 1 phản ánh hiệu quả sử dụng quý lương năm 2007 tăng so với năm 2006 do tốc độ phát triển của doanh thu lớn hơn tốc độ phát triển của TSCĐ.Kết quả tính được cho thấy năm 2006 cứ 1 triệu đồng TSCĐ tham gia vào sản xuất kinh doanh của công ty tạo ra được 12.965 triệu dồng doanh thu, còn năm 2007 thi tạo ra được 17.933 triệu dồng doanh thu. Tỷ suất lợi nhuận tính theo TSCĐ năm 2006 so với năm 2005 có tốc độ phát triển lớn hơn 1 phản ánh suất lợi nhuận tính theo TSCĐ năm 2006 lớn hơn năm 2005 do tốc độ phát triển của lợi nhuận lớn hơn tốc độ phát triển của TSCĐ. Kết quả tính được cho thấy năm 2005 cứ 1 triệu đồng TSCĐ tham gia sản xuất kinh doanh của công ty tạo ra được 0.0026 triệu dồng lợi nhuận, còn năm 2006 thi về được 0.0187 triệu dồng lợi nhuận 2.4. Dự đoán kết quả sản xuất của công ty đến năm 2010 Dự đoán thống kê là việc xác định các mức độ hiện tượng trong tương lai trên cơ sổ các tài liệu, số liệu thống kê đã có và các phương pháp thống kê phù hợp.Dự đoán thống kê có thể áp dụng cho những khoảng thời gian khác nhau như ngày, tháng, qúí, năm.Có rất nhiều phương pháp dự đoán khác nhau như: phương pháp ngoại suy giản đơn, phương pháp ngoại suy hàm xu thế, phương pháp san bằng mũ, phương pháp mô hình tuyến tính ngẫu nhiên..Tuy nhiên, kết quả của mỗi phương pháp là khác nhau, do đó tùy vào nguồn số liệu và yêu cầu về độ chính xác mà áp dụng các phương pháp. Trong đề tài này ta có thể dự đoán về các chỉ tiêu doanh thu, lợi nhuận của công ty.Lần lượt dự đoán các chỉ tiêu doanh thu và lợi nhuận bằng các phương pháp khác nhau ta có. 2.4.1. Dự đoán chỉ tiêu doanh thu 2.4.1.1. Phương pháp ngoại suy giản đơn Dựa vào lượng tăng (giảm) tuyệt đối bình quân Mô hình dự đoán: (l: tầm xa của dự báo, và y là doanh thu ) Trong đó: yn = 160408.9 Ta có: Dự đoán dựa vào tốc độ phát triển bình quân Mô hình dự đoán: (l = 1,2 ...) Trong đó: yn = 160408.9 Ta có mô hình dự đoán: Bảng 2.19: So sánh lựa chọn mô hình tốt nhất Năm yt l l 2002 204450 -3 186834 310338958 -3 185448 361058781.6 2003 205271 -2 178025 742325989 -2 176695 816571419.8 2004 103145 -1 169217 4365525041 -1 168355 4252379142 2005 142734 1 151601 78618014.2 1 152838 102082731.3 2006 115000 2 142792 772420833 2 145624 937808870.5 2007 160408.9 3 133984 698262656 3 138750 469098063.9  SSE 6967491492  SSE 6938999009  SE 41735.7505  SE 41650.32716 Qua kết quả tính toán ở trên ta chọn dự đoán dựa vào tốc độ phát triển bình quân vì ta thấy rằng sai số chuẩn nhỏ hơn (41650.32716 < 41735.7505) 2.4.1.2.Dự đoán dựa vào hàm xu thế: Một số dạng hàm xu thế đơn giản: Phương trình đường thẳng: Phương trình Parbol: Phương trình hàm bậc 3: Theo kết quả tính toán trong SPSS ta thấy mô hình của bài này chỉ là mô hình hàm bậc 2 và bậc 3 Bảng 2.20 Tên hàm Phương trình SE Hàm bậc 2 33188.14 Hàm bậc 3 38391.47 Từ kết quả tính toán trên ta thấy trong 2 dạng hàm được xét chỉ có hàm bậc 2 là hàm có sai số SE min (SE=33188.14), nên trong ba hàm chọn hàm bậc 2 để dự đoán. 2.4.1.3. Dự đoán dựa vào san bằng mũ Sử dụng phần mềm SPSS, theo kết quả tính toán ta chọn dự đoán theo mô hình Holt vì: Bảng 2.21 Mô hình SSE Mô hình Simple (không xu thế, không biến động thời vụ) (Xem phụ lục 3) 9440958274.7 Mô hình Holt ( xu thế tuyến tính không biến động thời vụ) (Xem phụ lục 4) 9232865407.6 Sai số chuản của mô hình Holt là: 2.4.1.4.Dự đoán dựa vào mô hình ARIMA: Sử dụng phần mềm SPSS, ta có kết quả sau: Bảng 2.22: Giá trị sai số chuẩn của mô hình tuyến tính ngẫu nhiên Mô hình SE ARIMA(0,1,1) (Xem phụ lục 5) 46658.595 ARIMA(0,1,2) (Xem phụ lục 6) 60737.556 ARIMA(1,1,0) (Xem phụ lục 7) 56219.239 ARIMA(1,1,1) (Xem phụ lục 8) 56766.901 ARIMA(1,1,2) (Xem phụ lục 9) 84491.92 ARIMA(2,1,0) (Xem phụ lục 10) 65926.397 ARIMA(2,1,1) (Xem phụ lục 11) 94239.914 So sánh các kết quả trên ta thấy chỉ có mô hình ARIMA(0,1,1) có SE nhỏ nhất. Do vậy, chọn mô hình ARIMA (0,1,1) để dự đoán. Kết luận: Sau khi xem xét các mô hình trên ta rút ra kết quả có được là: Bảng 2.23: Giá trị sai số chuẩn của các mô hình Phương pháp SE Hàm xu thế (bậc 2) 33188.14 San bằng mũ (Mô hình Holt) 48043.9 ARIMA(0,1,1) 46658.595 Vậy ta chọn hàm xu thế tuyến tính với dạng hàm bậc 2 để dự đoán doanh thu của công ty đến năm 2010. Năm Chỉ tiêu Dự đoán điểm Dự đoán khoảng Cận dưới (lcl) Cận trên (ucl) 2009 Tổng doanh thu 258236.6786 -81907.7301 598381.0872 2010 Tổng doanh thu 338286.4607 -167223.256 843796.1777 Qua đây ta thấy trong những năm tới thì doanh thu của công ty sẽ tăng lên với doanh thu năm 2009 dự đoán là 258236.6786 triệu đồng và năm 2010 là 338286.4607 triệu đồng. 2.4.2. Dự đoán cho chỉ tiêu lợi nhuận 2.4.2.1. Phương pháp ngoại suy giản đơn Dự đoán dựa vào lượng tăng (giảm) tuyệt đối bình quân Mô hinh dự đoán: Trong đó: yn = 450 Ta có: Dự đoán dựa vào tốc độ phát triển bình quân Mô hình dự đoán: (l = 1,2 ...) Trong đó: yn = 450 Ta có mô hình dự đoán: Bảng 2.24: So sánh hai mô hình dự đoán trên Năm yt l l 2002 102 -3 241.2 19376.64 -3 184.7 6839.127016 2003 106 -2 310.8 41943.04 -2 248.53 20315.08426 2004 209 -1 380.4 29377.96 -1 334.42 15731.00558 2005 21 1 519.6 248601.96 1 605.52 341663.6304 2006 165.6 2 589.2 179436.96 2 814.79 421444.6854 2007 450 3 658.8 43597.44 3 1096.4 417804.9652 SSE 562334 SSE 1223798.498 SE 374.944663 SE 553.1271323 Qua kết quả tính toán ở bảng trên ta chọn dự đoán dựa vào lượng tăng (giảm) bình quân vì ta thấy rằng sai số của nó nhỏ hơn ( 374.944663 < 553.1271323) 2.4.2.2. Dự đoán dựa vào hàm xu thế Một số dạng hàm xu thế đơn giản: Phương trình đường thẳng: Phương trình Parbol: Phương trình hàm bậc 3: Theo kết quả tính toán trong SPSS ta có: Tên hàm Phương trình SE Hàm tuyến tính 130.267 Hàm bậc 2 113.42 Hàm bâc 3 85.67 Như vậy, trong 3 dạng hàm được xét chỉ có hàm bậc 3 là hàm có sai số SE min: SE=85.67. Do đó, ta chọn hàm bậc 3 để dự đoán. 2.4.2.3. Dự đoán dựa vào san bằng mũ Sử dụng phần mềm SPSS, theo kết quả tính toán ta chọn dự đoán theo mô hình Holt vì: Mô hình SSE Mô hình Simple (không xu thế, không biến động thời vụ) (Xem phụ lục 12) 110673.20000 Mô hình Holt ( xu thế tuyến tính không biến động thời vụ) (Xem phụ lục 13) 114669.74078 Sai số chuản của mô hình Simple là: 2.4.2.4. Dự đoán dựa vào mô hình ARIMA Sử dụng phần mềm SPSS, ta có kết quả sau: Bảng 2.25: Giá trị sai số chuẩn của mô hình tuyến tính ngẫu nhiên Mô hình SE ARIMA(0,1,1) (Xem phụ lục 14) 150.50658 ARIMA(0,1,2) (Xem phụ lục 15) 190.25752 ARIMA(1,1,0) (Xem phụ lục 16) 200.73107 ARIMA(1,1,1) (Xem phụ lục 17) 192.28485 ARIMA(1,1,2) (Xem phụ lục 18) 253.50598 ARIMA(2,1,0) (Xem phụ lục 19) 191.90848 ARIMA(2,1,1) (Xem phụ lục 20) 267.33185 So sánh các kết quả trên ta thấy chỉ có mô hình ARIMA(0,1,1) có SE nhỏ nhất. Do vậy, chọn mô hình ARIMA (0,1,1) để dự đoán. Kết luận: Sau khi xem xét các mô hình trên ta rút ra kết quả có được là: Bảng 2.26: Giá trị sai số chuẩn của các mô hình Phương pháp SE Hàm xu thế (bậc 2) 85.67 San bằng mũ (Mô hình Holt) 166.34 ARIMA(0,1,1) 150.50658 Vậy ta chọn hàm xu thế tuyến tính với dạng hàm bậc 3 để dự đoán doanh thu của công ty đến năm 2010. Năm Chỉ tiêu Dự đoán điểm Dự đoán khoảng Cận dưới (lcl) Cận trên (ucl) 2009 Lợi nhuận 2197.62857 -1151.80730 5547.06444 2010 Lợi nhuận 3875.77143 -2711.34114 10462.88399 Qua đây ta thấy trong những năm tới thì lợi nhuận của công ty sẽ tăng lên với lợi nhuận năm 2009 dự đoán là 2197.62857 triệu đồng và năm 2010 là 3875.77143 triệu đồng. CHƯƠNG 3 MỘT SỐ KIẾN NGHỊ VÀ GIẢI PHÁP NHẰM NÂNG CAO HIỆU QUẢ SẢN XUẤT CỦA CÔNG TY 3.1. Một số chỉ tiêu kế hoạch sản xuất kinh doanh của Công ty sau khi cổ phần hóa Căn cứ vào tình hình kinh doanh của công ty trước khi cổ phần hoá cũng như những thuận lợi và khó khăn sau khi chuyển từ doanh nghiệp Nhà nước sang công ty cổ phần, công ty dự kiến một số chỉ tiêu kinh tế cơ bản sau khi cổ phần hoá như sau: STT Chỉ tiêu Đơn vị tính Năm 2009 Năm 2010 1 Vốn điều lệ Triệu đồng 43.000 43.000 2 Tổng số lao động Người 214 224 3 Tổng quỹ lương Triệu đồng 4.400 5.000 4 Thu nhập bình quân Nghìn đ/người/tháng 1.710 1.860 5 Doanh thu thuần Triệu đồng 132.000 150.000 6 Tổng chi phí Triệu đồng 128.990 145.222 7 Lợi nhuận trước thuế Triệu đồng 3.010 4.778 8 Lợi nhuận sau thuế Triệu đồng 3.010 3.440 9 Mức chi trả cổ tức %/năm 7,00 8,00 Lao động dư thừa giảm (năm 2007 theo kế hoạch thì số lao động của công ty là 199 người nhưng thực tế thì lại có tới 229 người tức là vượt lên so với kế hoạch 30 người, nguyên nhân là do công ty dự định sa thải một số lao động dư thừa, công nhân không có trình độ nhưng vẫn chưa thực hiện được), do vậy chi phí tiền lương và các chi phí khác cũng giảm theo (tính theo mức lương bình quân giảm từ 1.2 đến 1.4 tỷ đồng). Một số ngành nghề sản xuất trước đây thường phát sinh lỗ, lúc đó mục tiêu chủ yếu để giải quyết việc làm cho một số người lao động dôi dư do sát nhập thêm các đơn vị khác, nay không duy trì nữa, vì thế đã giảm được lỗ hang năm từ 5 đến 7 trăm triệu đồng. Tận dụng khai thác mặt bằng kho bãi để tăng diện tích sử dụng cho thuê và giá cho thuê tăng từ 20% - 30% (tức là tăng từ 1.4 đến 1.8 tỷ đồng). Các dự án đầu tư từ năm trước (Liên doanh FTC – Tungshing, nuôi trồng thuỷ sản Nam Bộ) nay đã hoàn thiện đưa vào sử dụng sẽ có lợi nhuận tăng từ 1.2 đến 1.5 tỷ đồng. Một lợi thế cơ bản khi được chuyển đổi cơ chế, công ty sẽ cơ cấu lại sản xuất kinh doanh, xây dựng một cơ chế quản lý năng động có hiệu quả, huy động nguồn lực vốn của cán bộ công nhân viên, các nhà đầu tư, lấy hiệu quả của sản xuất kinh doanh làm mục tiêu chính. Trách nhiệm, năng lực, trình độ chuyên môn, nghiệp vụ của lãnh đạo, công nhân viên được nâng cao, đáp ứng có hiệu quả yêu cầu nhiệm vụ quản lý và sản xuất kinh doanh của công ty. 3.2. Một số kiến nghị Khai thác triệt để và có hiệu quả những tiềm năng nội lực đã có. Cơ cấu lại ngành nghề kinh doanh. Cải tiến và đổi mới tổ chức quản lý Công ty tập trung đầu tư cơ sở vật chất, kỹ thuật đủ mạnh trên cơ sở khai thác tối đa tiềm năng sẵn có về đất đai, thị trường và lao động kỹ thuật để mở rộng quy mô sản xuất kinh doanh theo hướng đa ngành, đa nghề. Đào tạo nhân lực. 3.3. Giải pháp : - Khai thác triệt để và có hiệu quả những tiềm năng nội lực đã có Các nguồn lục đã có như:Lao động, đất đai, lợi thế về thương mại, tinh thần đoàn kết, vượt khó, sự khắc nghiệt của thị trường cạnh tranh; vừa phấn đấu để vượt qua chính mình vừa tranh thủ kịp thời vận dụng có hiệu quả những cơ hội mới. Khai thác và phát huy lợi thế của thị trường truyền thống để nắm bắt cơ hội. Hiện nay, thị trường truyền thống của công ty chủ yếu là thị trường Miền Bắc, tuy đã mở rộng ra phía nam nhưng vẫn còn hạn chế. Vì vậy, công ty cần phải tận dụng vị thế có được trên thị trường này để có được lợi thế cạnh tranh trên thị trường, đặc biệt là đối với thị trường nông sản. Tiếp tục tìm kiếm – xác định - tạo dựng uy tín và thương hiệu trên thị trường. Hiện nay, do công ty kinh doanh đa dạng ngành nghề, các ngành nghề này lại không có quan hệ với nhau nên công ty muốn tồn tại được trên thị trường thì cần phải xây dựng cho mình một thương hiệu riêng được nhiều khách hàng biết đến. Vì vậy, đây là một giải pháp cấp thiêt cần nhanh chóng thực hiện và phải thực hiện thành công. - Cơ cấu lại ngành nghề kinh doanh Trên cơ sở xem xét và đánh giá một cách có hệ thống hiệu quả sản xuất kinh doanh qua từng năm . Công ty nên xem xét đẩy mạnh sản xuất kinh doanh những mặt hàng đem lại giá trị kinh tế cao. Giảm dần và tiến tới không sản xuất kinh doanh những mặt hàng kém hiệu quả. Đó là các mặt hàng như : bia hơi, sữa đậu nành, sữa cacao. Các ngành nghề khác vẫn tiếp tục duy trì và phát triển theo hướng tăng dẫn tỷ trọng dịch vụ, thương mại để khai thác lợi thế kinh doanh của công ty trên địa bàn Hà nội. - Cải tiến đổi mới tổ chức quản lý Xây dựng bộ máy tổ chức quản lý và mạng lưới hoạt động kinh doanh dịch vụ mới phù hợp với năng lực về người và vốn, khai thác tiềm năng cơ sở vật chất đáp ứng yêu cầu đổi mới của doanh nghiệp. Xây dựng và bố trí hợp lý lao động có trình độ tay nghề, có sức khoẻ theo mô hình bộ máy tổ chức quản lý và sản xuất kinh doanh gọn nhẹ, tạo sức mạnh trong từng khâu, từng việc. Rà soát lại và xác định rõ chức năng, nhiệm vụ, trách nhiệm của từng đơn vị; cải tiến chế độ tiền lương, tiền thưởng; chế độ khoán nhằm khuyến khích người lao động làm việc có năng suất, chất lượng, hiệu quả. Chế độ khuyến khích vật chất hợp lý sẽ thu hút chất xám cho công ty để theo kịp với đòi hỏi của tình hình mới. - Đổi mới công nghệ , đầu tư cơ sở vật chất kĩ thuật: Tiếp tục hoàn thiện hồ sơ trình Tổng công ty Lương thực Miền Bắc phê duyệt quyết toán giai đoạn II, đầu tư mở rộng diện tích nuôi trồng tôm sú công nghiệp tại huyện Long Phú, Tỉnh Sóc Trăng. Tiếp tục giải quyết thủ tục theo trình tự đầu tư để thực hiện dự án xây dựng tại số 45 Nguyễn Sơn, Quận Long Biên, Thành phố Hà Nội (đã được Tổng công ty Lương thực Miền Bắc đồng ý về chủ trương tại công văn số 165/CV – HĐQT – ĐTXDKT ngày 01 tháng 04 năm 2004). Tiếp tục giải quyết thủ tục theo trình tự đầu tư để thực hiện dự án đầu tư xây dựng tại Đường 69 Xã Thuỵ Phương, Từ Liên, Hà Nội (đã được Tổng công ty Lương thực Miền Bắc đồng ý về chủ trương tại công văn số 13/CV - HĐQT – ĐTXDKT ngày 08 tháng 01 năm 2004). Phối hợp với Tổng công ty lương thực Miền Bắc đầu tư dự án xây dựng tại số 231 Cầu Giấy, thành phố Hà Nội Tìm đối tác thực hiện dự án xây dựng nhà văn phòng và dịch vụ tại số 68 An Dương, Tây Hồ, Hà Nội. Tìm đối tác hợp tác thực hiện dự án Trung tâm thương mại dịch vụ tại số 780 Minh Khai và số 9A Vĩnh Tuy, Hai Bà Trưng, Hà Nội. Triển khai thực hiện giai đoạn II dự án liên doanh với công ty TungShing, Xây dựng mở rộng cao ốc văn phòng cho thuê tại số 04 Ngô Quyền, Hà Nội. - Đào tạo nhân lực: Sắp xếp lại lao động của công ty, giải quyết số lao động đến tuổi về hưu, tiến hành đào tạo lại số lao động không đáp ứng được nhu cầu của công ty, tuyển dụng thêm lao động thay thế những người đã về hưu. Tuyển dụng bổ sung số cán bộ đảm nhiệm các chức năng then chốt; xây dựng các tiêu chí chất lượng cán bộ công nhân viên, có kế hoạch bồi dưỡng hoặc đào tạo lại lao động để đáp ứng được yêu cầu công việc trên các mặt hoạt động sản xuất, kinh doanh, dịch vụ. Tuyển dụng lực lượng lao động trẻ, khoẻ đáp ứng các ngành nghề công ty có nhu cầu. KẾT LUẬN Cũng như bao doanh nghiệp khác để có thể tồn tại và đứng vững trong cơn lốc cơ chế thị trường, công ty cổ phần Xây dựng và Chế biến lương thực Vĩnh Hà đã gặp không ít những khó khăn trong giai đoạn chuyển đổi cơ chế trước đây. Nhờ có sự quan tâm kịp thời của ban lãnh đạo Công ty, sự đồng lòng nhất trí của toàn bộ cán bộ công nhân viên của Công ty, đồng thời nhận thức được vai trò quan trọng về nhiệm vụ của công ty, trên cơ sở đó phát huy được những khả năng sẵn có của doanh nghiệp. Mực tiêu cuối cùng là đạt được kết quả sản xuất kinh doanh cao, ổn định trong tăng trưởng, đem lại hiệu quả sản xuất kinh doanh tốt nhất. Tuy nhiên để tiếp tục phát huy hết hiệu quả sản xuất kinh doanh cũng như đẩy mạnh tốc độ tăng trưởng trong sản xuất, đẩy mạnh tốc độ tiêu thụ sản phẩm trong thời gian tới, Công ty cần đặt ra một chiến lược lâu dài phù hợp với khả năng phát triển của Công ty. Trên cơ sở những kiến thức được học tại trường Kinh Tế Quốc Dân Hà Nội và qua quá trình thực tập tại công ty cổ phần Xây dựng và Chế biến lương thực Vĩnh Hà em đã có điều kiện và thời gian để tìm hiểu, chứng kiến sự đổi mới trong cơ chế hoạt động của Công ty. Với chuyên đề thực tập này em mong muốn đóng góp một phần nhỏ vào công tác nghiên cứu và xây dựng chiến lược và phát triển của Công ty. Với đội ngũ cán bộ công nhân viên và thực lực của Công ty hiện nay, em tin rằng trong thời gian tới Công ty không những đáp ứng nhu cầu của thị trường trong nước mà còn vươn xa tới các nước trong khu vực và trên thế giới. Cuối cùng, một lần nữa em xin cám ơn sự quan tâm giúp đỡ và tạo điều kiện thuận lợi của các cô, các bác ở công ty cổ phần Xây dựng và Chế biến lương thực Vĩnh Hà. Đặc biệt em xin chân thành cảm ơn thầy giáo - PGS.TS. Nguyễn Công Nhự đã tận tình hướng dẫn em hoàn thành chuyên đề thực tập này. TÀI LIỆU THAM KHẢO Giáo trình Lý thuyết thống kê Giáo trình Thống kê kinh tế Giáo trình Thống kê doanh nghiệp Các phương án cổ phần hoá của công ty Vận tải – Xây dựng và Chế biến lương thực Vĩnh Hà. Điều lệ của công ty cổ phần xây dựng và chế biến lương thực Vĩnh Hà. Báo cáo kết quả kinh doanh năm 2007 của công ty CP xây dựng và chế biến lương thực Vĩnh Hà. Kế hoạch sản xuất kinh doanh năm 2010 của công ty CP xây dựng và chế biến lương thực Vĩnh Hà. Các phương tiện thông tin đại chúng có lien quan đến công ty cổ phần xây dựng và chế biến lương thực Vĩnh Hà. PHỤ LỤC Phụ lục 1 MODEL: MOD_2. - Dependent variable.. DT Method.. QUADRATI Listwise Deletion of Missing Data Multiple R .80622 R Square .65000 Adjusted R Square .41666 Standard Error 33188.14364 Analysis of Variance: DF Sum of Squares Mean Square Regression 2 6136599639.5 3068299819.8 Residuals 3 3304358635.1 1101452878.4 F = 2.78568 Signif F = .2071 -------------------- Variables in the Equation -------------------- Variable B SE B Beta T Sig T Time -77961.423214 38840.66255 -3.356532 -2.007 .1384 Time**2 9294.776786 5431.685015 2.861554 1.711 .1856 (Constant) 287062.350000 59368.75618 4.835 .0169 _ Dependent variable.. DT Method.. CUBIC Listwise Deletion of Missing Data Multiple R .82932 R Square .68776 Adjusted R Square .21941 Standard Error 38391.46602 Analysis of Variance: DF Sum of Squares Mean Square Regression 3 6493148948.2 2164382982.7 Residuals 2 2947809326.5 1473904663.2 F = 1.46847 Signif F = .4296 -------------------- Variables in the Equation -------------------- Variable B SE B Beta T Sig T Time -3602.762566 157719.3410 -.155112 -.023 .9838 Time**2 -15335.063492 50469.44230 -4.721159 -.304 .7899 Time**3 2345.699074 4769.218210 4.500788 .492 .6715 (Constant) 227950.733333 138422.3993 1.647 .2414 Dồ thị khi xây dựng: Phụ lục 2 MODEL: MOD_1. _ Dependent variable.. M Method.. LINEAR Listwise Deletion of Missing Data Multiple R .62184 R Square .38668 Adjusted R Square .23335 Standard Error 130.26697 Analysis of Variance: DF Sum of Squares Mean Square Regression 1 42795.266 42795.266 Residuals 4 67877.934 16969.483 F = 2.52190 Signif F = .1875 -------------------- Variables in the Equation -------------------- Variable B SE B Beta T Sig T Time 49.451429 31.139762 .621837 1.588 .1875 (Constant) 2.520000 121.271949 .021 .9844 _ Dependent variable.. M Method.. QUADRATI Listwise Deletion of Missing Data Multiple R .80702 R Square .65128 Adjusted R Square .41880 Standard Error 113.42202 Analysis of Variance: DF Sum of Squares Mean Square Regression 2 72079.535 36039.767 Residuals 3 38593.665 12864.555 F = 2.80148 Signif F = .2059 -------------------- Variables in the Equation -------------------- Variable B SE B Beta T Sig T Time -146.598571 132.739768 -1.843434 -1.104 .3500 Time**2 28.007143 18.563036 2.518365 1.509 .2285 (Constant) 263.920000 202.895481 1.301 .2842 _ Dependent variable.. M Method.. CUBIC Listwise Deletion of Missing Data Multiple R .93133 R Square .86737 Adjusted R Square .66844 Standard Error 85.66836 Analysis of Variance: DF Sum of Squares Mean Square Regression 3 95995.063 31998.354 Residuals 2 14678.137 7339.069 F = 4.36000 Signif F = .1922 -------------------- Variables in the Equation -------------------- Variable B SE B Beta T Sig T Time 462.393651 351.941702 5.814464 1.314 .3194 Time**2 -173.709524 112.619678 -15.619728 -1.542 .2629 Time**3 19.211111 10.642238 10.766028 1.805 .2128 (Constant) -220.200000 308.881679 -.713 .5499 Phụ lục 3 MODEL: MOD_1. _ Results of EXSMOOTH procedure for Variable VAR00002 MODEL= NN (No trend, no seasonality) Initial values: Series Trend 155168.15000 Not used DFE = 5. The 10 smallest SSE's are: Alpha SSE .0000000 9440958274.7 .1000000 10309827019 .2000000 11034714240 .3000000 11675558249 .4000000 12293988573 .5000000 12927915036 .6000000 13598783547 .7000000 14326950769 .8000000 15143884588 .9000000 16098275465 Phụ lục 4 MODEL: MOD_2. _ Results of EXSMOOTH procedure for Variable VAR00002 MODEL= HOLT (Linear trend, no seasonality) Initial values: Series Trend 208854.11000 -8808.22000 DFE = 4. The 10 smallest SSE's are: Alpha Gamma SSE .2000000 .0000000 9232865407.6 .1000000 .0000000 9366154365.5 .1000000 .2000000 9379525549.6 .3000000 .0000000 9396163163.9 .1000000 .4000000 9445684784.1 .2000000 .2000000 9530041525.2 .1000000 .6000000 9561631794.7 .1000000 .8000000 9724289620.2 .4000000 .0000000 9742661458.0 .1000000 1.000000 9930520670.1 Phụ lục 5 MODEL: MOD_5 Model Description: Variable: VAR00002 Regressors: VAR00001 Non-seasonal differencing: 1 No seasonal component in model. Parameters: MA1 ________ VAR00001 ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: MA1 .68802 VAR00001 -12704.0 Marquardt constant = .001 Adjusted sum of squares = 9855167273.6 _ Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 9434605609.3 .001000 2 9347030833.2 .000100 3 9345056810.1 1000.000000 4 9343999055.2 100.000000 5 9343805053.1 1000.000000 Conclusion of estimation phase. Estimation terminated at iteration number 6 because: Sum of squares decreased by less than .001 percent. FINAL PARAMETERS: Number of residuals 5 Standard error 46658.595 Log likelihood -60.493755 AIC 124.98751 SBC 124.20638 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 3 9343788504.3 2177024518.7 Variables in the Model: B SEB T-RATIO APPROX. PROB. MA1 .99979 1343.231 .0007443 .99945285 VAR00001 -12897.98565 11152.359 -1.1565253 .33119911 Covariance Matrix: MA1 MA1 1804270.6 Correlation Matrix: MA1 MA1 1.0000000 _ Regressor Covariance Matrix: VAR00001 VAR00001 124375115.0 Regressor Correlation Matrix: VAR00001 VAR00001 1.0000000 >Warning # 16567. Command name: ARIMA >Our tests have determined that the estimated model lies close to the >boundary of the invertibility region. Although the moving average >parameters are probably correctly estimated, their standard errors and >covariances should be considered suspect. Phụ lục 6 MODEL: MOD_6 Model Description: Variable: VAR00002 Regressors: VAR00001 Non-seasonal differencing: 1 No seasonal component in model. Parameters: MA1 ________ MA2 ________ VAR00001 ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. _ Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: MA1 .42165 MA2 -.41933 VAR00001 -13210.0 Marquardt constant = .001 Adjusted sum of squares = 12219656178.7 Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 12104657226.9 .10000 2 9970513625.9 .01000 3 9853597283.9 .00100 4 9756204473.9 1.00000 5 9537627573.6 10.00000 6 9516163301.8 1.00000 7 9508521345.4 10.00000 8 9483657485.5 100.00000 9 9477844354.7 10.00000 _ Conclusion of estimation phase. Estimation terminated at iteration number 10 because: Maximum number of iterations was exceeded. FINAL PARAMETERS: Number of residuals 5 Standard error 60737.556 Log likelihood -60.947625 AIC 127.89525 SBC 126.72356 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 2 9453891718.0 3689050661.4 Variables in the Model: B SEB T-RATIO APPROX. PROB. MA1 .86148 3.740 .23033368 .83924766 MA2 .02454 1.008 .02434887 .98278530 VAR00001 -12758.93489 14237.479 -.89615129 .46474216 Covariance Matrix: MA1 MA2 MA1 13.988709 1.390856 MA2 1.390856 1.015599 Correlation Matrix: MA1 MA2 MA1 1.0000000 .3690049 MA2 .3690049 1.0000000 Regressor Covariance Matrix: VAR00001 VAR00001 202705798.5 Regressor Correlation Matrix: VAR00001 VAR00001 1.0000000 Phụ lục 7 MODEL: MOD_1 Model Description: Variable: VAR00002 Regressors: VAR00001 Non-seasonal differencing: 1 No seasonal component in model. Parameters: AR1 ________ VAR00001 ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: AR1 -.50945 VAR00001 -13790.6 Marquardt constant = .001 Adjusted sum of squares = 10259690339.0 Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 10227690461.9 .00100000 2 10222497032.0 .00010000 3 10221542242.9 .00001000 4 10221370463.3 .00000100 _ Conclusion of estimation phase. Estimation terminated at iteration number 5 because: Sum of squares decreased by less than .001 percent. FINAL PARAMETERS: Number of residuals 5 Standard error 56219.239 Log likelihood -60.896756 AIC 125.79351 SBC 125.01239 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 3 10221340976.8 3160602840.8 Variables in the Model: B SEB T-RATIO APPROX. PROB. AR1 -.55952 .52667 -1.0623830 .36600293 VAR00001 -14157.17936 17419.98855 -.8126974 .47589411 Covariance Matrix: AR1 AR1 .27737697 Correlation Matrix: AR1 AR1 1.0000000 Regressor Covariance Matrix: VAR00001 VAR00001 303456001.0 Regressor Correlation Matrix: VAR00001 VAR00001 1.0000000 _ The following new variables are being created: Name Label FIT_1 Fit for VAR00002 from ARIMA, MOD_1 NOCON ERR_1 Error for VAR00002 from ARIMA, MOD_1 NOCON LCL_1 95% LCL for VAR00002 from ARIMA, MOD_1 NOCON UCL_1 95% UCL for VAR00002 from ARIMA, MOD_1 NOCON SEP_1 SE of fit for VAR00002 from ARIMA, MOD_1 NOCON Phụ lục 8 MODEL: MOD_2 Model Description: Variable: VAR00002 Regressors: VAR00001 Non-seasonal differencing: 1 No seasonal component in model. Parameters: AR1 ________ MA1 ________ VAR00001 ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: AR1 -.66007 MA1 -.09474 VAR00001 -14677.4 Marquardt constant = .001 Adjusted sum of squares = 10063695017.7 _ Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 9079233538.6 .001000 2 8866483835.7 1.000000 3 8844835569.8 10.000000 4 8650843131.8 1.000000 5 8634134997.3 10.000000 6 8478243239.0 1.000000 7 8465575948.5 10.000000 8 8346076724.2 1.000000 9 8337314049.5 10.000000 Conclusion of estimation phase. Estimation terminated at iteration number 10 because: Maximum number of iterations was exceeded. FINAL PARAMETERS: Number of residuals 5 Standard error 56766.901 Log likelihood -60.608981 AIC 127.21796 SBC 126.04628 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 2 8254354205.4 3222481045.9 Variables in the Model: B SEB T-RATIO APPROX. PROB. AR1 -.97561 .46581 -2.0944534 .17123529 MA1 -.73824 2.33316 -.3164126 .78166061 VAR00001 -16926.01821 22814.18255 -.7419077 .53543826 Covariance Matrix: AR1 MA1 AR1 .2169743 1.0694608 MA1 1.0694608 5.4436546 _ Correlation Matrix: AR1 MA1 AR1 1.0000000 .9840460 MA1 .9840460 1.0000000 Regressor Covariance Matrix: VAR00001 VAR00001 520486925.3 Regressor Correlation Matrix: VAR00001 VAR00001 1.0000000 Phụ lục 9 MODEL: MOD_3 Model Description: Variable: VAR00002 Regressors: VAR00001 Non-seasonal differencing: 1 No seasonal component in model. Parameters: AR1 ________ MA1 ________ MA2 ________ VAR00001 ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. _ Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: AR1 -.97146 MA1 -.38249 MA2 .09800 VAR00001 -17040.6 Marquardt constant = .001 Adjusted sum of squares = 10494590010.8 Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 9176385810.7 .100000 2 8983047375.4 1.000000 3 8954339753.3 10.000000 4 8921995450.8 1.000000 5 8915948876.3 10.000000 6 8895506766.7 1.000000 7 8893121149.1 10.000000 8 8877846792.1 1.000000 _ Conclusion of estimation phase. Estimation terminated at iteration number 9 because: All parameter estimates changed by less than .001 FINAL PARAMETERS: Number of residuals 5 Standard error 84491.92 Log likelihood -61.938456 AIC 131.87691 SBC 130.31466 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 1 8876592776.3 7138884481.6 Variables in the Model: B SEB T-RATIO APPROX. PROB. AR1 -.98012 3.621 -.27068561 .83170909 MA1 -.39500 10.760 -.03671180 .97663903 MA2 .39968 7.527 .05310099 .96622658 VAR00001 -15752.38783 23798.583 -.66190445 .62776941 Covariance Matrix: AR1 MA1 MA2 AR1 13.11081 38.71206 -26.97069 MA1 38.71206 115.76813 -78.49460 MA2 -26.97069 -78.49460 56.65331 Correlation Matrix: AR1 MA1 MA2 AR1 1.0000000 .9936584 -.9896114 MA1 .9936584 1.0000000 -.9692429 MA2 -.9896114 -.9692429 1.0000000 Regressor Covariance Matrix: VAR00001 VAR00001 566372534.4 _ Regressor Correlation Matrix: VAR00001 VAR00001 1.0000000 Phụ lục 10 MODEL: MOD_4 Model Description: Variable: VAR00002 Regressors: VAR00001 Non-seasonal differencing: 1 No seasonal component in model. Parameters: AR1 ________ AR2 ________ VAR00001 ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: AR1 -.45666 AR2 .10363 VAR00001 -14261.4 Marquardt constant = .001 Adjusted sum of squares = 10005721541.9 Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 9804489743.9 .00100000 2 9757342131.5 .00010000 3 9746840836.0 .00001000 4 9744460134.1 .00000100 5 9743833379.3 .00000010 6 9743596087.1 .00000001 7 9743489699.5 .00000000 _ Conclusion of estimation phase. Estimation terminated at iteration number 8 because: Sum of squares decreased by less than .001 percent. FINAL PARAMETERS: Number of residuals 5 Standard error 65926.397 Log likelihood -61.197053 AIC 128.39411 SBC 127.22242 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 2 9743417830.5 4346289775.8 Variables in the Model: B SEB T-RATIO APPROX. PROB. AR1 -.35584 .79439 -.44793588 .69804606 AR2 .33323 .71197 .46804119 .68580498 VAR00001 -15582.60939 27224.89130 -.57236627 .62483738 Covariance Matrix: AR1 AR2 AR1 .63105384 .37514608 AR2 .37514608 .50689901 Correlation Matrix: AR1 AR2 AR1 1.0000000 .6632946 AR2 .6632946 1.0000000 Regressor Covariance Matrix: VAR00001 VAR00001 741194706.3 _ Regressor Correlation Matrix: VAR00001 VAR00001 1.0000000 Phụ lục 11 MODEL: MOD_1 Model Description: Variable: VAR00002 Regressors: VAR00001 Non-seasonal differencing: 1 No seasonal component in model. Parameters: AR1 ________ AR2 ________ MA1 ________ VAR00001 ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: AR1 -1.47490 AR2 -.55283 MA1 -.85703 VAR00001 -14053.8 Marquardt constant = .001 Adjusted sum of squares = 10531411001.5 Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 10268652249.1 10.000000 2 10233383257.9 1.000000 3 10019720380.9 10.000000 _ Conclusion of estimation phase. Estimation terminated at iteration number 4 because: All parameter estimates changed by less than .001 FINAL PARAMETERS: Number of residuals 5 Standard error 94239.914 Log likelihood -62.426575 AIC 132.85315 SBC 131.2909 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 1 10015946516.7 8881161447.4 Variables in the Model: B SEB T-RATIO APPROX. PROB. AR1 -1.50089 71.074 -.02111721 .98655837 AR2 -.52163 45.558 -.01144960 .99271128 MA1 -.90045 80.562 -.01117705 .99288476 VAR00001 -15140.86890 28770.147 -.52627012 .69159454 Covariance Matrix: AR1 AR2 MA1 AR1 5051.5495 3237.6809 5724.8737 AR2 3237.6809 2075.5654 3668.2596 MA1 5724.8737 3668.2596 6490.2961 Correlation Matrix: AR1 AR2 MA1 AR1 1.0000000 .9998930 .9998189 AR2 .9998930 1.0000000 .9994466 MA1 .9998189 .9994466 1.0000000 Regressor Covariance Matrix: VAR00001 VAR00001 827721377.0 _ Regressor Correlation Matrix: VAR00001 VAR00001 1.0000000 The following new variables are being created: Name Label FIT_1 Fit for VAR00002 from ARIMA, MOD_1 NOCON ERR_1 Error for VAR00002 from ARIMA, MOD_1 NOCON LCL_1 95% LCL for VAR00002 from ARIMA, MOD_1 NOCON UCL_1 95% UCL for VAR00002 from ARIMA, MOD_1 NOCON SEP_1 SE of fit for VAR00002 from ARIMA, MOD_1 NOCON Phụ lục 12 MODEL: MOD_4. _ Results of EXSMOOTH procedure for Variable VAR00002 MODEL= NN (No trend, no seasonality) Initial values: Series Trend 175.60000 Not used DFE = 5. The 10 smallest SSE's are: Alpha SSE .0000000 110673.20000 .1000000 120831.02453 .2000000 128860.13779 .3000000 134890.80389 .4000000 139400.04502 .5000000 142886.78813 .6000000 145728.77696 .7000000 148143.55762 .8000000 150206.67894 .9000000 151900.48493 Phụ lục 13 MODEL: MOD_5. _ Results of EXSMOOTH procedure for Variable VAR00002 MODEL= HOLT (Linear trend, no seasonality) Initial values: Series Trend 67.20000 69.60000 DFE = 4. The 10 smallest SSE's are: Alpha Gamma SSE .5000000 .0000000 114669.74078 .4000000 .0000000 115252.61877 .6000000 .0000000 115827.05377 .7000000 .0000000 117806.52115 .3000000 .0000000 119127.35978 .8000000 .0000000 120090.77161 .3000000 .2000000 120184.73923 .9000000 .0000000 122425.83872 .4000000 .2000000 122751.86665 .2000000 .4000000 123304.74067 Phụ lục 14 MODEL: MOD_1 Model Description: Variable: Y Regressors: YEAR_ Non-seasonal differencing: 1 No seasonal component in model. Parameters: MA1 ________ YEAR_ ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: MA1 .11484 YEAR_ 65.84409 Marquardt constant = .001 Adjusted sum of squares = 120504.33 Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 113710.66 .0010000 2 99910.96 .0001000 3 97133.89 .0000100 4 97132.15 10000.0000000 _ Conclusion of estimation phase. Estimation terminated at iteration number 5 because: Sum of squares decreased by less than .001 percent. FINAL PARAMETERS: Number of residuals 5 Standard error 150.50658 Log likelihood -31.808694 AIC 67.617388 SBC 66.836264 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 3 97131.290 22652.230 Variables in the Model: B SEB T-RATIO APPROX. PROB. MA1 .998840 269.35006 .0037083 .99727399 YEAR_ 49.451445 35.95717 1.3752873 .26274661 Covariance Matrix: MA1 MA1 72549.455 Correlation Matrix: MA1 MA1 1.0000000 Regressor Covariance Matrix: YEAR_ YEAR_ 1292.9183 Regressor Correlation Matrix: YEAR_ YEAR_ 1.0000000 _ >Warning # 16567. Command name: ARIMA >Our tests have determined that the estimated model lies close to the >boundary of the invertibility region. Although the moving average >parameters are probably correctly estimated, their standard errors and >covariances should be considered suspect. The following new variables are being created: Name Label FIT_1 Fit for Y from ARIMA, MOD_1 NOCON ERR_1 Error for Y from ARIMA, MOD_1 NOCON LCL_1 95% LCL for Y from ARIMA, MOD_1 NOCON UCL_1 95% UCL for Y from ARIMA, MOD_1 NOCON SEP_1 SE of fit for Y from ARIMA, MOD_1 NOCON Phụ lục 15 MODEL: MOD_2 Model Description: Variable: Y Regressors: YEAR_ Non-seasonal differencing: 1 No seasonal component in model. Parameters: MA1 ________ MA2 ________ YEAR_ ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. _ Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: MA1 .16348 MA2 .32491 YEAR_ 56.17010 Marquardt constant = .001 Adjusted sum of squares = 101084.98 Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 96992.205 .001000 2 96564.849 1.000000 3 96046.571 10.000000 4 95979.934 1.000000 5 95539.984 10.000000 6 95420.486 1.000000 7 95043.692 10.000000 8 94946.374 1.000000 9 94623.053 10.000000 _ Conclusion of estimation phase. Estimation terminated at iteration number 10 because: Maximum number of iterations was exceeded. FINAL PARAMETERS: Number of residuals 5 Standard error 190.25752 Log likelihood -32.14247 AIC 70.284939 SBC 69.113253 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 2 94540.616 36197.923 Variables in the Model: B SEB T-RATIO APPROX. PROB. MA1 .274558 11.467323 .02394265 .98307241 MA2 .665218 8.696468 .07649292 .94599029 YEAR_ 50.053629 61.967170 .80774431 .50403591 Covariance Matrix: MA1 MA2 MA1 131.49949 99.11414 MA2 99.11414 75.62855 Correlation Matrix: MA1 MA2 MA1 1.0000000 .9938726 MA2 .9938726 1.0000000 Regressor Covariance Matrix: YEAR_ YEAR_ 3839.9302 Regressor Correlation Matrix: YEAR_ YEAR_ 1.0000000 _ The following new variables are being created: Name Label FIT_2 Fit for Y from ARIMA, MOD_2 NOCON ERR_2 Error for Y from ARIMA, MOD_2 NOCON LCL_2 95% LCL for Y from ARIMA, MOD_2 NOCON UCL_2 95% UCL for Y from ARIMA, MOD_2 NOCON SEP_2 SE of fit for Y from ARIMA, MOD_2 NOCON Phụ lục 16 MODEL: MOD_3 Model Description: Variable: Y Regressors: YEAR_ Non-seasonal differencing: 1 No seasonal component in model. Parameters: AR1 ________ YEAR_ ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: AR1 -.11336 YEAR_ 66.43270 Marquardt constant = .001 Adjusted sum of squares = 121559.26 Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 121446.53 .00100000 2 121431.90 .00010000 3 121429.97 .00001000 _ Conclusion of estimation phase. Estimation terminated at iteration number 4 because: Sum of squares decreased by less than .001 percent. FINAL PARAMETERS: Number of residuals 5 Standard error 200.73107 Log likelihood -32.611358 AIC 69.222716 SBC 68.441592 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 3 121429.71 40292.961 Variables in the Model: B SEB T-RATIO APPROX. PROB. AR1 -.149920 .764476 -.19610825 .85705780 YEAR_ 65.495584 80.184799 .81680798 .47386817 Covariance Matrix: AR1 AR1 .58442426 Correlation Matrix: AR1 AR1 1.0000000 Regressor Covariance Matrix: YEAR_ YEAR_ 6429.6020 Regressor Correlation Matrix: YEAR_ YEAR_ 1.0000000 _ The following new variables are being created: Name Label FIT_3 Fit for Y from ARIMA, MOD_3 NOCON ERR_3 Error for Y from ARIMA, MOD_3 NOCON LCL_3 95% LCL for Y from ARIMA, MOD_3 NOCON UCL_3 95% UCL for Y from ARIMA, MOD_3 NOCON SEP_3 SE of fit for Y from ARIMA, MOD_3 NOCON Phụ lục 17 MODEL: MOD_4 Model Description: Variable: Y Regressors: YEAR_ Non-seasonal differencing: 1 No seasonal component in model. Parameters: AR1 ________ MA1 ________ YEAR_ ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: AR1 .99391 MA1 .94421 YEAR_ 69.82577 Marquardt constant = .001 Adjusted sum of squares = 146060.33 _ Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 123466.41 .001000 2 104771.62 .000100 3 102825.08 10.000000 4 102603.51 100.000000 5 100683.96 10.000000 6 100461.68 100.000000 7 98628.41 10.000000 8 98407.19 100.000000 9 96875.82 10.000000 Conclusion of estimation phase. Estimation terminated at iteration number 10 because: Maximum number of iterations was exceeded. FINAL PARAMETERS: Number of residuals 5 Standard error 192.28485 Log likelihood -32.197012 AIC 70.394024 SBC 69.222337 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 2 96680.427 36973.465 Variables in the Model: B SEB T-RATIO APPROX. PROB. AR1 .101115 1.553163 .0651029 .95401402 MA1 .940117 8.123310 .1157307 .91843865 YEAR_ 51.597884 47.284183 1.0912293 .38910372 Covariance Matrix: AR1 MA1 AR1 2.412316 8.468408 MA1 8.468408 65.988159 _ Correlation Matrix: AR1 MA1 AR1 1.0000000 .6711996 MA1 .6711996 1.0000000 Regressor Covariance Matrix: YEAR_ YEAR_ 2235.7940 Regressor Correlation Matrix: YEAR_ YEAR_ 1.0000000 The following new variables are being created: Name Label FIT_4 Fit for Y from ARIMA, MOD_4 NOCON ERR_4 Error for Y from ARIMA, MOD_4 NOCON LCL_4 95% LCL for Y from ARIMA, MOD_4 NOCON UCL_4 95% UCL for Y from ARIMA, MOD_4 NOCON SEP_4 SE of fit for Y from ARIMA, MOD_4 NOCON Phụ lục 18 MODEL: MOD_5 Model Description: Variable: Y Regressors: YEAR_ Non-seasonal differencing: 1 No seasonal component in model. Parameters: AR1 ________ MA1 ________ MA2 ________ YEAR_ ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. _ Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: AR1 -.06274 MA1 .09409 MA2 .33172 YEAR_ 55.42913 Marquardt constant = .001 Adjusted sum of squares = 101070.65 Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 98619.196 10.00000 2 88166.739 1.00000 3 87881.197 10.00000 4 86822.363 1.00000 5 86546.196 10.00000 6 86398.670 1.00000 7 85943.231 10.00000 8 85895.350 100.00000 9 85503.541 10.00000 _ Conclusion of estimation phase. Estimation terminated at iteration number 10 because: Maximum number of iterations was exceeded. FINAL PARAMETERS: Number of residuals 5 Standard error 253.50598 Log likelihood -32.936341 AIC 73.872681 SBC 72.310433 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 1 85435.698 64265.280 Variables in the Model: B SEB T-RATIO APPROX. PROB. AR1 -.461374 14.161320 -.03257984 .97926636 MA1 .142076 27.562102 .00515478 .99671840 MA2 .744474 7.891553 .09433807 .94011974 YEAR_ 48.521009 67.699524 .71671123 .60411562 Covariance Matrix: AR1 MA1 MA2 AR1 200.54300 370.91235 -23.28574 MA1 370.91235 759.66946 21.57247 MA2 -23.28574 21.57247 62.27661 Correlation Matrix: AR1 MA1 MA2 AR1 1.0000000 .9502879 -.2083645 MA1 .9502879 1.0000000 .0991802 MA2 -.2083645 .0991802 1.0000000 Regressor Covariance Matrix: YEAR_ YEAR_ 4583.2256 _ Regressor Correlation Matrix: YEAR_ YEAR_ 1.0000000 The following new variables are being created: Name Label FIT_5 Fit for Y from ARIMA, MOD_5 NOCON ERR_5 Error for Y from ARIMA, MOD_5 NOCON LCL_5 95% LCL for Y from ARIMA, MOD_5 NOCON UCL_5 95% UCL for Y from ARIMA, MOD_5 NOCON SEP_5 SE of fit for Y from ARIMA, MOD_5 NOCON Phụ lục 19 MODEL: MOD_6 Model Description: Variable: Y Regressors: YEAR_ Non-seasonal differencing: 1 No seasonal component in model. Parameters: AR1 ________ AR2 ________ YEAR_ ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: AR1 -.14824 AR2 -.30763 YEAR_ 51.97889 Marquardt constant = .001 Adjusted sum of squares = 104349.36 _ Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 102923.28 10.000000 2 95182.51 1.000000 3 94811.67 10.000000 4 93393.88 1.000000 5 93308.15 10.000000 6 92998.43 1.000000 7 92978.26 10.000000 8 92913.21 1.000000 9 92909.27 10.000000 Conclusion of estimation phase. Estimation terminated at iteration number 10 because: Maximum number of iterations was exceeded. FINAL PARAMETERS: Number of residuals 5 Standard error 191.90848 Log likelihood -32.140966 AIC 70.281932 SBC 69.110246 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 2 92895.697 36828.867 Variables in the Model: B SEB T-RATIO APPROX. PROB. AR1 -.538678 2.866355 -.18793142 .86827044 AR2 -.638123 4.015612 -.15891058 .88833599 YEAR_ 35.860545 48.293787 .74254987 .53512304 Covariance Matrix: AR1 AR2 AR1 8.215994 11.194299 AR2 11.194299 16.125140 _ Correlation Matrix: AR1 AR2 AR1 1.0000000 .9725571 AR2 .9725571 1.0000000 Regressor Covariance Matrix: YEAR_ YEAR_ 2332.2898 Regressor Correlation Matrix: YEAR_ YEAR_ 1.0000000 The following new variables are being created: Name Label FIT_6 Fit for Y from ARIMA, MOD_6 NOCON ERR_6 Error for Y from ARIMA, MOD_6 NOCON LCL_6 95% LCL for Y from ARIMA, MOD_6 NOCON UCL_6 95% UCL for Y from ARIMA, MOD_6 NOCON SEP_6 SE of fit for Y from ARIMA, MOD_6 NOCON Phụ lục 20 MODEL: MOD_7 Model Description: Variable: Y Regressors: YEAR_ Non-seasonal differencing: 1 No seasonal component in model. Parameters: AR1 ________ AR2 ________ MA1 ________ YEAR_ ________ 95.00 percent confidence intervals will be generated. Split group number: 1 Series length: 6 No missing data. Melard's algorithm will be used for estimation. _ Termination criteria: Parameter epsilon: .001 Maximum Marquardt constant: 1.00E+09 SSQ Percentage: .001 Maximum number of iterations: 10 Initial values: AR1 .04848 AR2 -.28533 MA1 .21474 YEAR_ 54.21376 Marquardt constant = .001 Adjusted sum of squares = 103804.48 Iteration History: Iteration Adj. Sum of Squares Marquardt Constant 1 93638.709 .00100 2 93556.243 100.00000 3 92918.280 10.00000 4 92751.867 1.00000 5 91886.916 10.00000 6 91791.686 1.00000 7 90926.828 10.00000 8 90699.079 1.00000 9 89738.169 10.00000 _ Conclusion of estimation phase. Estimation terminated at iteration number 10 because: Maximum number of iterations was exceeded. FINAL PARAMETERS: Number of residuals 5 Standard error 267.33185 Log likelihood -33.16446 AIC 74.32892 SBC 72.766672 Analysis of Variance: DF Adj. Sum of Squares Residual Variance Residuals 1 89663.618 71466.316 Variables in the Model: B SEB T-RATIO APPROX. PROB. AR1 -.756726 7.232677 -.10462606 .93363444 AR2 -.655675 4.298397 -.15253939 .90363325 MA1 -.471078 11.876147 -.03966586 .97476116 YEAR_ 35.793757 82.038363 .43630511 .73809012 Covariance Matrix: AR1 AR2 MA1 AR1 52.31161 -8.13387 82.64137 AR2 -8.13387 18.47622 -25.55840 MA1 82.64137 -25.55840 141.04286 Correlation Matrix: AR1 AR2 MA1 AR1 1.0000000 -.2616324 .9621060 AR2 -.2616324 1.0000000 -.5006701 MA1 .9621060 -.5006701 1.0000000 Regressor Covariance Matrix: YEAR_ YEAR_ 6730.2929 _ Regressor Correlation Matrix: YEAR_ YEAR_ 1.0000000 The following new variables are being created: Name Label FIT_7 Fit for Y from ARIMA, MOD_7 NOCON ERR_7 Error for Y from ARIMA, MOD_7 NOCON LCL_7 95% LCL for Y from ARIMA, MOD_7 NOCON UCL_7 95% UCL for Y from ARIMA, MOD_7 NOCON SEP_7 SE of fit for Y from ARIMA, MOD_7 NOCON NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN . . . . . . . . . . . . . . Hà Nội, ngày tháng năm 2009 Giáo viên hướng dẫn

Các file đính kèm theo tài liệu này:

  • doc2133.doc
Tài liệu liên quan