Mendelova univerzita v Brně Provozně ekonomická fakulta
Prodejnost tabákových výrobků Bakalářská práce
Vedoucí práce: Mgr. Veronika Blašková, Ph.D.
Brno 2011
Lenka Horáková
Na tomto místě bych ráda poděkovala vedoucí mé bakalářské práce, paní Mgr. Veronice Blaškové, Ph.D., za vedení práce a cenné připomínky, které mi pomohly při jejím zpracování. Také bych chtěla poděkovat společnosti, která mi ochotně poskytla data potřebná ke zpracování této bakalářské práce.
Prohlašuji, že jsem tuto práci vypracovala samostatně s použitím literatury, kterou uvádím v seznamu. V Brně dne
__________________
Abstract Horáková, L.: Saleability of tobacco products, Bachelor Thesis. Brno 2011. This thesis deals with the saleability of tobacco products. It examined the marketability in the years 2008 to 2010. Using the method of time series analysis identifies the components observed time series. It is identified the seasonal time series and selected the best model trend. The following is a forecast of future developments in 2011 by trend equation selected. It will determine whether the marketability of tobacco depends on excise tax. Keywords Tobacco products, cigarette, analysis, saleability, seasonal, dependence, trend.
Abstrakt Horáková, L.: Prodejnost tabákových výrobků, Bakalářská práce. Brno 2011. Tato bakalářská práce se zabývá prodejností tabákových výrobků. Je zkoumána prodejnost v letech 2008 až 2010. Pomocí metody analýzy časových řad jsou identifikovány jednotlivé složky sledované časové řady. Je identifikována sezónnost v časové řadě a zvolen nejvhodnější model trendu. Následuje předpověď budoucího vývoje na rok 2011 pomocí rovnice vybraného trendu. Dále bude v práci zjištěna závislost prodejnosti tabákových výrobků na spotřební dani. Klíčová slova Tabákové výrobky, cigareta, analýza, prodejnost, sezónnost, závislost, trend.
Obsah
5
Obsah 1
2
Úvod a cíl práce 1.1
Úvod ............................................................................................................... 7
1.2
Cíl práce ......................................................................................................... 7
Teoretická část 2.1
9
Popis firmy.....................................................................................................9
2.1.1
Historie firmy:.......................................................................................9
2.1.2
Velkoobchodní sklad: ...........................................................................9
2.1.3
Zaměstnanecká struktura skladu: .....................................................10
2.1.4
Oddělení tabákových výrobků: ..........................................................10
2.2
Rešerše literatury ........................................................................................10
2.3
Metodika ...................................................................................................... 11
2.3.1
Popis časové řady [8].......................................................................... 11
2.3.2
Elementární charakteristiky časových řad [8] ................................. 12
2.3.3
Dekompozice časové řady [8] ............................................................ 12
2.3.4
Analytické vyrovnání .......................................................................... 14
2.3.5
Mechanické vyrovnání [8] ................................................................. 16
2.3.6
Volba vhodného modelu trendu [8] .................................................. 16
2.3.7
Měření sezónnosti............................................................................... 17
2.3.8
Předpověď v časových řadách ............................................................18
2.3.9
Závislost v časových řadách [9] ......................................................... 19
2.4
3
7
Tabákové výrobky a spotřební daň ........................................................... 20
2.4.1
Historie tabákových výrobků ............................................................ 20
2.4.2
Definice tabákových výrobků dle zákona [1] ................................... 20
2.4.3
Specifika trhu s tabákovými výrobky ................................................ 21
Vlastní práce
22
3.1
Data ............................................................................................................. 22
3.2
Elementární charakteristiky ..................................................................... 23
3.3
Spotřební daň ............................................................................................. 24
6
Obsah
3.4
Mechanické vyrovnání ............................................................................... 24
3.5
Analytické vyrovnání ................................................................................. 25
3.5.1
Lineární trend .................................................................................... 25
3.5.2
Kvadratický trend .............................................................................. 26
3.5.3
Exponenciální trend .......................................................................... 27
3.6
Měření sezónnosti ...................................................................................... 28
3.7
Volba nejvhodnějšího modelu ................................................................... 30
3.8
Předpověď budoucího vývoje ..................................................................... 31
3.9
Závislost prodejnosti na vývoji cen ........................................................... 33
4
Závěr
34
5
Literatura
36
6
Seznam obrázků
38
7
Seznam tabulek
39
8
Přílohy
40
Úvod a cíl práce
7
1 Úvod a cíl práce 1.1
Úvod
Mezi tabákové výrobky se řadí cigarety, doutníky, cigarillos (druh doutníku, zabalený do celého listu tabáku) a tabák ke kouření.[1] Kouření bylo zejména na konci 19. a počátkem 20. století považováno za symbol určité společenské úrovně. Počátkem 21. století byla prokázána škodlivost tabákových výrobků a kouření se začalo spojovat se vznikem různých onemocnění (karcinom plic).[2] Jedním ze způsobů, jak se snaží stát regulovat spotřebu tabákových výrobků, je vybírání spotřební daně. Spotřební daň z tabákových výrobků byla zavedena po reformě r. 1993 přeměnou daně z obratu. [3] Tabákové výrobky patří mezi zvláštní skupinu zboží na trhu, jedná se o výrobky, které mají nízkou elasticitu nabídky i poptávky a právě proto jsou vhodné k zatížení spotřební daní. Na tuto daň a zamýšlení státu s ní se můžeme dívat dvojím způsobem. Jednak se jedná o pravidelný příjem do státní pokladny a jednak jde ze strany státu o snahu zvýšit zdravotní stav obyvatelstva díky snížení spotřeby tabákových výrobků. Je to však velmi diskutabilní, jelikož spotřebitelé často raději sníží spotřebu jiných výrobků a spotřeba cigaret zůstává neměnná. [3] Zákony ČR o tabákových výrobcích podléhají směrnicím EU, která se rovněž snaží o snižování spotřeby těchto škodlivých výrobků. Zvyšuje se zejména povědomí o škodlivosti a Unie usiluje o to, aby lidé přestali kouřit, popřípadě vůbec nezačínali. Snaží se také chránit občany před vlivem tabákového kouře a omezovat reklamu na tabákové výrobky a jejich prodej. [4] Navzdory značnému pokroku je počet kuřáků v ČR i v EU stále velmi vysoký. Kouří přibližně 1/3 obyvatel EU. [5] V květnu 2003 byla přijata Rámcová úmluva o kontrole tabáku, ke které se v červnu tohoto roku připojila i ČR. Tato úmluva obsahuje celou řadu opatření a řešení, která se týkají zejména ochrany občanů před zhoubnými zdravotními, sociálními a ekonomickými následky užívání tabáku. Hlavní důraz klade na ochranu zdraví.[6]
1.2
Cíl práce
Cílem bakalářské práce je zjistit, jak se vyvíjí prodejnost tabákových výrobků za poslední 3 roky a pokusit se předpovědět, jak tomu bude v budoucnu. Tato informace by měla být důležitá zejména pro maloobchodní prodejny, tabákové stánky, restaurace, hostince a další místa, kde se cigarety prodávají. Práce by mohla pomoci také těm, kteří se rozhodují, zda zařadit tabákové výrobky mezi prodávaný sortiment či nikoliv.
8
Úvod a cíl práce
V této práci bude také zpracován požadavek velkoskladu, který dodává tabákové výrobky do maloobchodních prodejen v Jihomoravském kraji. Hlavním úkolem je provést analýzu prodejnosti a zjistit, zda se zde vyskytuje sezónnost, ale také zda má objem prodeje tendenci spíše klesat nebo růst a jaká je předpokládaná situace pro další období. Predikce vývoje prodeje těchto výrobků má význam zejména pro plánování předzásobení. Vývoj je ovlivněn mnoha faktory, z nichž jedním je i spotřební daň. Proto se tato práce zabývá také spotřební daní z tabákových výrobků a zejména tím, jaký vliv má na prodejnost vybraného druhu cigaret. Jako vzorek pro zpracování práce jsem zvolila cigarety značky Start. Ačkoliv jsem nekuřák, toto téma mě zaujalo zejména z hlediska zjištění, jak se u nás spotřeba cigaret vyvíjí a od toho odvozený počet kuřáků. Zároveň bych chtěla potvrdit nebo vyvrátit hypotézu, že spotřeba cigaret se v posledních 3 letech snižuje. Další hypotézou pak je, že se u dat bude projevovat sezónnost, jelikož si myslím, že v letních měsících, kdy mají lidé více času a v zimních měsících, které jsou více depresivní, je spotřeba cigaret vyšší. Poslední z předpokládaných hypotéz je, že výše spotřební daně nebude příliš ovlivňovat počet prodaných krabiček cigaret, protože se jedná o návykovou látku a kuřákům až tolik na ceně nezáleží. V práci budu analyzovat prodané množství cigaret značky Start červené box a to v období od roku 2008-2010. Data jsou uvedena v měsíčních intervalech a jedná se o prodejnost v ks (počet prodaných krabiček). K určení vývoje prodejnosti vybraného druhu tabákových výrobků je využito metod časových řad. Díky těmto metodám se identifikuje, zda se projevuje nějaká sezónnost u tohoto druhu zboží, dále se zjistí dlouhodobý trend, který určí i odhad vývoje prodeje v roce 2011. Dalším dílčím cílem bude zjistit vývoj spotřební daně ve zkoumaném období a vliv její výše právě na prodejnost cigaret. Úkolem je pak ze zjištěných výsledků vyvodit určité závěry, které budou mít význam pro podnik, stávající i budoucí prodejce tabákových výrobků a vhodně interpretovat získané výsledky.
Teoretická část
9
2 Teoretická část 2.1 2.1.1
Popis firmy Historie firmy
Družstvo COOP Jednota Moravský Krumlov bylo založeno 23. 1. 1920 a to pod názvem "Okresní konzumní a spotřební družstvo Znojmo". Původní počet členů družstva byl 120 a zahrnovalo prodejny ze Znojma. V roce 1933 družstvo rozšířilo svou činnost na celý znojemský okres a změnilo název na "Vzájemnostní Včela". Největší změna nastala v roce 1960, kdy se sloučily provozovny a členské základny z několika okresů a vznikl současný celek Jednota, spotřební družstvo v Moravském Krumlově. V současné době zahrnuje družstvo 13 700 členů a 116 prodejních míst, která zajišťují zásobování obyvatel především na vesnicích. Prodejny získávají zboží jak od výrobců, tak z velkoobchodního skladu.[7] 2.1.2
Velkoobchodní sklad
Velkoobchod Jednota SD sídlí v Moravském Krumlově na adrese Tylova 659. Velkosklad je součástí družstva COOP Jednota a zajišťuje zásobování především menších prodejen. Prodejny se nachází v Jihomoravském kraji a jejich počet se pohybuje kolem 116 (viz Příloha č. 1). Každý den si jednotlivé prodejny objednávají u velkoskladu zboží, velkosklad toto zboží vychystá a podle naplánovaných tras odveze na určené místo. Sklad je rozdělen podle zboží na devět částí. Každý ze skladů má přiděleno svoje číslo. Všechny sklady se nachází v jedné vícepodlažní budově. Jednotlivé druhy zboží jsou od sebe odděleny. Sklad číslo 902 je sklad s cukrovinkami (čokolády, tyčinky, bonbóny, oplatky apod.). Další částí velkoskladu je sklad číslo 904, kde se nachází cigarety a obalový materiál. Toto oddělení je nejdůležitější pro moji práci, jelikož data z tohoto skladu budou zpracována v této bakalářské práci. Dále se zde nachází sklad číslo 908, a to je průmyslové zboží (čisticí prostředky, hnojiva apod.). Sklad číslo 918 pak poskytuje toaletní potřeby a prací prášky a sklad číslo 920 různé druhy kávy. Velkosklad nabízí také psí, kočičí konzervy a granule a to ve skladu číslo 911. Dalším odvětvím jsou vody, pivo, mouka, cukr a těstoviny ve skladu číslo 912. Společné prostory jsou vyhrazeny v chladné místnosti, kde jsou sdíleny dva ze skladů, a to sklad číslo 923, kde se vyskytuje alkohol, konzervy a zavařeniny a pak také sklad číslo 924, kde jsou uloženy mléčné výrobky.
10
2.1.3
Teoretická část
Zaměstnanecká struktura skladu
Každý ze skladů je opatřen alespoň jednou osobou (skladník, skladnice), která chystá zboží podle vystaveného seznamu zboží. Dále ve skladu pracují technickohospodářští pracovníci, expedientky a řidiči. Ve velkoskladu je zaměstnáno 18 skladníků popř. skladnic. Sklad cukrovinek pojímá 4 pracovníky, sklad cigaret 1 pracovníka, sklad průmyslu 3 pracovníky, sklady toaletních potřeb, pracích prášků a kávy obsluhuje 1 pracovník. Ve skladu se zvířecími konzervami pracují 2 pracovníci a stejně tak ve vodách, pivu, cukru a těstovinách. Sklad s alkoholem, konzervami a zavařeninami a sklad s mléčnými výrobky pojímá 5 pracovníků. Ve velkoskladu je dále zaměstnáno 9 řidičů nákladních automobilů, kteří rozvážejí zboží do určených prodejen po daných trasách. Součástí pracovního týmu jsou 2 expedientky a 9 technickohospodářských pracovníků. 2.1.4
Oddělení tabákových výrobků
Oddělení tabákových výrobků skladuje kromě cigaret také tabáky a sirky, které do velkoskladu dováží firma JIPA BAUER, s. r. o.. Velkosklad nabízí přibližně kolem 150 druhů cigaret (viz. Příloha č. 2) a to 48 různých značek (viz. Příloha č. 2). Pro svou bakalářskou práci jsem si vybrala objem prodeje značky Start Box Červené.
2.2 Rešerše literatury Při zpracování této práce jsem musela čerpat hlavně z odborné literatury. Důležitým se pro mě stalo také čerpání z internetových stránek, jelikož literatury, která pojednává o tabákových výrobcích, popřípadě o cigaretách je velmi málo. Využila jsem knihy Příběh kouře, která pojednává o historii tabáku a tabákových výrobků. Inforace o spotřební dani jsem čerpala také z diplomové práce Martina Říčky s názvem Spotřební daň z tabákových výrobků. Při vypracování teoretické části, která se týká především časových řad, se pro mě stala stěžejní kniha od autorů Hindls, Hronová, Seger Statistika pro ekonomy. Při popisu časových řad jsem také čerpala z literatury určené studentům Mendelovy univerzity v Brně s názvem Statistika I: popisná statistika. Měření závislostí, statistické srovnávání, popis časových řad. Druhá část, jejímž autorem je Prof. Ing. Bohumil Minařík, CSc. Některé podklady jsem čerpala také z knihy Ekonometrická analýza, kterou napsal Roman Hušek.
Teoretická část
11
Metodika, která se zabývá hlavně dekompozicí časových řad, je popsána ve všech uvedených knihách velmi podobně, proto nebylo nutné pracovat s velkým počtem zdrojů. Na internetových stránkách jsem našla většinu potřebných informací, které se týkaly zejména historie tabáku, prodejnosti tabákových výrobků nebo počtu kuřáků v České republice.
2.3 Metodika 2.3.1
Popis časové řady [8]
Časová řada je posloupnost prostorově a věcně srovnatelných dat, která jsou uspořádána od minulosti po přítomnost. Analýzou takovýchto řad se pak rozumí soubor metod, které časové řady popisují (případně předpovídají budoucí vývoj). Časové řady můžeme rozčlenit na: intervalové x okamžikové dlouhodobé x krátkodobé primárních ukazatelů x sekundárních ukazatelů naturálních ukazatelů x peněžních ukazatelů V mé bakalářské práci se budu zabývat intervalovou časovou řadou, jelikož počet prodaných krabiček cigaret závisí na délce intervalu, v mém případě měsíce, za který je ukazatel sledován. Pro zajištění srovnatelnosti jednotlivých časových intervalů slouží přepočítání na jednotný časový interval, tzv. kalendářní očištění. ( )
=
yt … hodnota očišťovaného ukazatele v daném měsíci kt … počet kalendářních dní v daném měsíci …průměrný počet kalendářních dní v měsíci Dále je možno zpracovávaná data zařadit mezi krátkodobé časové řady, jelikož se jedná o měsíční periodicitu. Ukazatel je zjišťován přímo, tudíž se jedná o časovou řadu primárních (neodvozených) ukazatelů, která je vyjádřena v naturálních jednotkách. Před tím, než se začne časová řada analyzovat, je třeba zjistit, zda jsou údaje srovnatelné. Můžeme rozlišit věcnou, časovou, prostorovou a cenovou srovnatelnost.
12
Teoretická část
V případě věcné srovnatelnosti je důležité mít na zřeteli, že stejně nazývaný ukazatel nemusí být stejně obsahově vymezen. K věcné nesrovnalosti může dojít také, jestliže se časem změní způsob zjišťování ve vykazujících jednotkách. Prostorovou srovnatelností můžeme chápat použití údajů vztahujících se ke stejnému geografickému území nebo také ke stejnému ekonomickému prostoru. Časová srovnatelnost je problémem zejména u intervalových ukazatelů. Toto se však dá odstranit pomocí kalendářního očištění (viz. výše). Cenová srovnatelnost se řeší u ekonomických časových řad. Hodnoty můžeme vyjádřit v běžných cenách (aktuální ceny) nebo ve stálých cenách (ceny fixované k určitému datu). Statistika se přiklání spíše k používání stálých cen, protože vyjádření v běžných cenách vede často k určitému ovlivnění údajů (promítá se zde zvyšování cen). 2.3.2
Elementární charakteristiky časových řad [8]
Na počátku analýzy časové řady je potřeba získat rychlou orientační představu o zkoumané časové řadě. Mezi základní vizuální metody analýzy patří grafy a určení elementárních statistických charakteristik. K elementárním charakteristikám patří diference různého řádu, tempa růstu, průměrná tempa růstu, průměry hodnot časové řady. 1. diference: ∆ =
−
,
= 2,3, … ,
,
= 3, 4, … ,
2. diference: ∆ = ∆ −∆ Tempa růstu: =
, = 2,3, … ,
Průměrné tempo růstu: = 2.3.3
…
Dekompozice časové řady [8]
Časovou řadu můžeme dekomponovat na čtyři složky a to: trendovou složku Tt, sezónní složku St,
Teoretická část
13
cyklickou složku Ct, náhodnou složku εt. Vlastní tvar dekompozice může být dvojího typu: aditivní, kde =
+
+
+
=
+
,
= 1, 2, … ,
multiplikativní, kde =
,
= 1,2, … ,
Trend Trendem můžeme chápat směřování dlouhodobého vývoje hodnot analyzovaného ukazatele v čase. Rozeznáváme trend rostoucí, klesající nebo konstantní (hodnoty ukazatele kolísají kolem určité, skoro neměnné úrovně). Sezónní složka Sezónní složka popisuje pravidelně se opakující odchylku od trendu a vyskytuje se u časových řad, které se odehrávají v rámci jednoho kalendářního roku. Existují různé příčiny kolísání, dochází k nim zejména vlivem změn jednotlivých ročních období, různé délky měsíčního cyklu nebo vlivem odlišných společenských zvyklostí. Cyklická složka Cyklickou složkou chápeme kolísání okolo trendové složky v důsledku cyklického vývoje s délkou vlny delší než jeden rok. Někdy bývá tato složka zahrnována pod složku trendovou jako její část. Náhodná složka Náhodná složka je veličina, kterou nemůžeme popsat žádnou funkcí času. Tato složka zbývá po vyloučení trendu, sezónní a cyklické složky. Zdrojem náhodné složky jsou příčiny, které jsou vzájemně nezávislé, a její chování se dá popsat pravděpodobnostně. Vlastnosti náhodné složky se musí prověřovat prostřednictvím testů. Pro náhodnou složku se zavádí čtyři předpoklady: E (εi) = 0 pro každé i=1,2, …, n Střední hodnota náhodné složky je nulová. E (εi) = σ2 pro každé i=1,2, …, n Rozptyl náhodné složky je konstantní.
14
Teoretická část
Cov (εi εj)=0 pro každé i ≠ j=1,2, …, n Kovariance náhodné složky je nulová. εi mají normální rozdělení pro každé i=1,2, …, n. Pokud náhodná složka splňuje první tři výše uvedené požadavky, hovoříme o ní jako o bílém šumu. Je-li navíc splněna čtvrtá podmínka, pak se jedná o tzv. normální bílý šum. 2.3.4
Analytické vyrovnání
Analytické vyrovnání vychází z toho, že celou řadu vyrovnáme najednou, tzn., jednou trendovou funkcí vyrovnáme všechna empirická pozorování, která jsou k dispozici. Základní metodou odhadu parametrů trendové funkce je metoda nejmenších čtverců, která se dá použít, pokud je trendová funkce lineární v parametrech. [9] Mezi šest nejvíce používaných trendů v oblasti analýzy a prognózy časových řad se řadí lineární trend, parabolický trend, exponenciální trend, modifikovaný exponenciální trend, logistický trend a Gompertzova křivka. V případě prvních tří uvedených funkcí lze k odhadu parametrů využít metodu nejmenších čtverců (u exponenciální funkce po provedení transformace). [8] Lineární trend můžeme využít vždy, když chceme alespoň orientačně určit základní směr vývoje časové řady. Lineární trendovou přímku vyjadřuje tvar: =
+
,
kde β0 a β1 jsou neznámé parametry a t = 1, 2, …, n je časová proměnná. K odhadu parametrů využijeme metodu nejmenších čtverců a řešíme tak dvě rovnice [8]: ∑ ∑
= =
∑
+ ∑
+
, ∑
Teoretická část
15
Řešením soustavy normálních rovnic pak dostaneme odhady parametrů: = ∆ = ∆ −∆
,
=
̅,
−
= 3, 4, … , ̅∑
∑
̅
∑
Parabolický trend je poměrně často využívaný typ trendové funkce. Rovnice trendu má podobu: =
+
+
,
kde β0, β1 a β2 jsou neznámé parametry a t = 1, 2, …, n je časová proměnná. K odhadu parametrů využíváme metodu nejmenších čtverců. Při zavedení časové proměnné t‘, kde Σt‘=0, řešíme tři rovnice [8]: ∑ ∑ ∑
=
∑ ′+
+
′=
∑ ′+
′ =
∑ ′ +
∑
∑ ′ +
, ∑ ′ ,
∑ ′ +
∑ ′ .
Pro výpočet jednotlivých parametrů pak dosadíme: =
=
∑
=
∑ ′ , ∑ ′
∑ ′ −∑ ′ ∑ ∑ ′ − (∑ ′ ) ∑
′
,
′ −∑ ∑ ′ . ∑ ′ − (∑ ′ )
Exponenciální trend lze zapsat ve tvaru: =
,
kde β0 a β1 jsou neznámé parametry a t = 1, 2, …, n je časová proměnná. Parametry můžeme odhadnout pomocí metody linearizující transformace, avšak odhad touto metodou nemá moc dobré statistické vlastnosti. Místo toho využijeme váženou metodu nejmenších čtverců.
16
Teoretická část
= ∑(
−
)
…
.
Použijeme-li váhy wt=yt2, získáme normální rovnice: ∑ ∑ 2.3.5
log log
∑
= log = log
∑
+ log
∑
+ log
∑
, .
Mechanické vyrovnání [8]
K vyrovnání časových řad se také využívá tzv. klouzavých průměrů. Podstatou této metody je náhrada empirických pozorování řadou průměrů vypočítaných z těchto pozorování. Při postupném výpočtu se postupuje vždy o jedno pozorování kupředu a nejstarší pozorování skupiny, z níž je průměr počítán, je přitom zároveň vypuštěno. Velmi důležité je stanovit počet pozorování neboli klouzavou část období interpolace, z níž jsou jednotlivé způsoby počítány. Volbu klouzavé části se snažíme stanovit na základě věcné analýzy zkoumaného ekonomického jevu. V praxi se stanovují většinou menší délky jako např. p=2, 3, 4, pak pro počet pozorování m (m=2p + 1) platí m=5, 7, 9. Jednotlivé klouzavé části nejsnáze identifikujeme pomocí jejich středních bodů. „Předpokládejme, že m je liché číslo, takže p=(m-1)/2 je číslo sudé. Středním bodem první klouzavé části je proto v pořadí (p+1)-ní bod, protože před ním a za ním leží vždy po p časových bodech. Analogicky lze postupovat až po poslední klouzavou část, která má střední bod s pořadovým číslem n-p.“ 2.3.6
Volba vhodného modelu trendu [8]
Pro určitý typ trendové funkce se rozhodujeme na základě různých kritérií, mezi která patří: 1. Věcně ekonomická kritéria Trendová funkce by měla být volena na základě věcné analýzy zkoumaného jevu. V některých případech lze posoudit, zda jde o funkci rostoucí nebo klesající, přichází-li v úvahu inflexní bod, zda jde o funkci nekonečně rostoucí nebo s růstem jen ke konečné limitě apod. 2. Analýza grafu Nebezpečí volby na základě vlastního vizuálního výběru je hlavně v subjektivitě. Různí lidé mohou na základě grafického rozboru stejné analyzované řady dojít k různým závěrům o volbě typu trendové křivky. Nebezpečí je také v tom, že tvar grafu je závislý na volbě použitého měřítka. 3. Interpolační kritéria Tato kritéria zkoumají charakter skutečných hodnot a vyrovnaných hodnot.
Teoretická část
17
Mezi míry přesnosti vyrovnání náleží následující charakteristiky: M.E. = Mean Error = střední chyba odhadu: . .=
∑(
( )
)
M.S.E. = Mean Squared Error = střední čtvercová chyba odhadu: . . .=
∑(
( )
)
M.A.E. = Mean Absolute Error = střední absolutní chyba odhadu: . . .=
∑
( )
M.A.P.E. = Mean Absolute Percentage Error = střední absolutní procentní chyba odhadu: ( )
. . . . = ∑(
)
M.P.E. = Mean Percentage Error = střední procentní chyba odhadu: ( )
. . . = ∑(
)
Nejvhodnějším modelem je pak ten, který má chyby nejmenší, respektive blížící se nule. 2.3.7
Měření sezónnosti
Jak již bylo řečeno v kapitole nazvané Dekompozice časových řad, sezónní složka popisuje pravidelně se opakující odchylku od trendu a vyskytuje se u časových řad, které se odehrávají v rámci jednoho kalendářního roku. Existují různé příčiny kolísání, dochází k nim zejména vlivem změn jednotlivých ročních období, různé délky měsíčního cyklu nebo vlivem odlišných společenských zvyklostí. [8] Podle Minaříka můžeme rozlišovat: Proporcionální sezónnost, kdy se amplituda výkyvu zvyšuje u řad s rostoucím trendem a snižuje u řad s klesajícím trendem. Amplituda sezónního výkyvu může být i konstantní a to, pokud se jedná o stacionární časovou řadu. Charakteristikou sezónnosti je sezónní index – trendová složka a sezónní výkyv se skládají násobením.
18
Teoretická část
Konstantní sezónnost, kdy velikost amplitudy je neměnná v závislosti na trendové složce. U tohoto případu sezónnosti je charakteristikou sezónní konstanta, která se s trendem skládá sčítáním. Triviální model sezónnosti [9] Tento triviální model vychází z proporcionální sezónnosti a k měření využívá empirický sezónní index. Empirický sezónní index pro j-té dílčí období každé periody je číslo Ij , j=1, 2, …, m a vyrovnaná hodnota Yij (obsahující trend a sezónnost) je dána jako součin Yij = Tij . Iij , kde Tij je trendová složka časové řady. Empirický sezónní index je definován jako aritmetický průměr podílů pozorovaných a vyrovnaných hodnot příslušného dílčího období za všechny periody řady. Předpokládá se, že náhodné chyby jednotlivých podílů, které se pohybují kolem skutečné hodnoty sezónního indexu, jsou eliminovány výpočtem průměrné hodnoty za větší počet period. Pro empirický sezónní index by měla platit rovnost: ∑
=
.
Empirický sezónní index vypočteme podle vzorce: = ∑ 2.3.8
Předpověď v časových řadách
Nejjednodušší metodou předpovídání budoucího vývoje je metoda extrapolace deterministické systematické složky časové řady, tj. u nestacionárních neperiodických časových řad extrapolace trendu, u stacionárních periodických řad extrapolace periodické složky a u nestacionárních periodických časových řad extrapolace obou těchto složek vývoje. [9] Metody založené na extrapolaci jsou založeny hlavně na tom, že budoucnost vychází z minulosti. Kvalita analýzy a prognózy je v rozhodující míře ovlivněna zvoleným typem modelu. Problémem může být, že výběr modelů trendu užívaných při analýze a prognóze ekonomických řad, se zpravidla provádí empiricky. [8] Extrapolace je velmi jednoduchá a tzv. bodovou předpověď získáme dosazením příslušné hodnoty časové proměnné (t n+1, t n+2, …) do vzorce systematické složky časové řady. [9] Extrapolace klasických modelů vývojových tendencí má nesporný význam a řadu předností: využívá se poměrně jednoduchý matematicko-stochastický aparát,
Teoretická část
19
v klasických modelech je předpovídaná veličina závisle proměnnou a nezávisle proměnnou je čas. K analýze a prognóze tedy stačí pouze informace o analyzovaném jevu v minulosti, vlastní sestrojení předpovědi extrapolací je velmi jednoduché a rychlé, další předností extrapolačních předpovědí je i to, že při jejich konstrukci není nutné uskutečňovat prognózy dalších jevů, jež vysvětlují extrapolační jev. [8] Označíme-li yn poslední známou hodnotu časové řady, pak se pokoušíme o konstukci budoucí hodnoty yn+i. Je zřejmé, že bezchybná předpověď není možná a každá předpověď je spojena s určitou chybou předpovědi. Tato chyba je tím větší, čím kratší je délka pozorované řady, čím nedokonalejší je popis uplynulého vývoje a také čím vzdálenější je horizont předpovědi. Skutečnou chybu předpovědi nemůžeme určit dříve, než je známa skutečná hodnota yn+i. Proto se někdy vychází z tzv. pseudopředpovědí, při nichž za neznámé budoucí hodnoty pokládáme několik posledních hodnot pozorované časové řady. Označíme li Δi rozdíly mezi pozorovanými a „předpovídanými“ hodnotami a sΔ2 jejich rozptyl, pak charakteristikou míry přesnosti předpovědi je Theilův koeficient nesouladu: =∑ Stonásobek jeho druhé odmocniny můžeme interpretovat jako procentní chybu předpovědi. [9] 2.3.9
Závislost v časových řadách [9]
Dvě logicky naprosto nezávislé veličiny, které se vyznačují analogickým průběhem systematických složek časových řad, vykazují zdánlivou závislost, jejíž původ spočívá právě jen ve vnější podobnosti jejich vývoje. Skutečnou závislost dvou nebo více časových řad můžeme změřit teprve po očištění jejich hodnot jejich hodnot od systematické složky, fakticky tedy jako závislost reziduálních složek těchto řad. Intenzitu závislosti dvou veličin, jejichž pozorované hodnoty jsou xt a yt, systematické složky Xt a Yt a rezidua gt = xt - Xt, et = yt - Yt, měříme korelačním koeficientem reziduálních složek: ∑
=∑
∑
Korelační koeficient měří intenzitu závislosti na intervalu od -1 (pevná negativní závislost) přes hodnotu 0 (nezávislost) až po hodnotu 1 (pevná pozitivní závislost).
20
Teoretická část
2.4 Tabákové výrobky a spotřební daň 2.4.1
Historie tabákových výrobků
Kouření tabáku v dobách dávno minulých dokazují nálezy tabákových dýmek v hrobech Aztéků. Ti tabák nejen kouřili, ale také nejspíše šňupali, žvýkali a asi také polykali.[10] Prvním Evropanem, který se seznámil s tabákem, byl Kryštof Kolumbus v roce 1492, když doplul k břehům Kuby. Následně nato byl tabák rozšířen do Evropy. Do Čech byl tabák přivezen v 16. století. Roku 1783 dokonce zavedl Josef II. tabákový monopol. [11] V 19. století bylo vytlačováno šňupání tabáku a přecházelo se k doutníkům a prvním cigaretám. Nejdříve byl tabák balen do jakéhokoliv papíru, od druhé poloviny 19. století se začaly být od výrobců dodávány na trh ručně vyrobené cigarety. Na přelomu 19. a 20. století už se balily cigarety průmyslově. [11] První stroj na cigarety vynalezl James Buck Duke v roce 1891. Tento stroj byl schopen vyrobit přibližně 120 000 kusů cigaret denně (dnešní stroje vyrábí asi 6 000 000 kusů cigaret). Duke si také jako jeden z prvních lidí uvědomil, jak je důležitá reklama na cigaretey a v roce 1889 utratil za celosvětovou reklamu na své cigarety 800 000 dolarů. Zrození moderní reklamy mohutně posílilo zájem o kouření. [12] Počátkem 20. století se začaly rozvíjet marketingové kampaně na podporu cigaret. Díky nim se počet kuřáků rapidně zvýšil a ve společnosti se začaly objevovat stále více také nemoci jako například rakovina. [13] Tab. 1
Spotřeba cigaret v ČR (zdroj: ČSÚ)
Rok Ks/os
2001
2002
2003
2004
2005
2006
2007
2008
2009
1664
1893
2192
2243
2275
2338
2345
2107
2071
2.4.2
Definice tabákových výrobků dle zákona [1]
O tabákových výrobcích pojednává mnoho zákonů, které se týkají jak vymezení samotného pojmu, tak například opatřeními k ochraně před škodami působenými tabákovými výrobky, regulací reklamy na tabákové výrobky, pěstování tabáku a také spotřební daní z tabákových výrobků. V této bakalářské práci se budu soustřeďovat zejména na zákon o spotřební dani z tabákových výrobků. Tabákovými výrobky podle § 101 zákona o SPD jsou: cigarety doutníky a cigarillos tabák ke kouření.
Teoretická část
21
Výpočet výše spotřební daně z tabákových výrobků Výše daně u cigaret při použití pevné části a procentní části sazby daně se vypočítá jako součet následujících položek: součin procentní části sazby daně a ceny pro konečného spotřebitele těchto cigaret dělený stem, součin pevné části sazby daně a počtu kusů. Základem daně pro procentní část daně u cigaret je cena pro konečného spotřebitele. Základem daně pro pevnou část daně u cigaret je množství vyjádřené v kusech. Výše daně u cigaret při použití minimální sazby daně se vypočítá jako součin minimální sazby daně a počtu kusů. U cigaret se každých započatých 90 mm délky tabákového provazce považuje za jeden kus. Výše daně u doutníků, cigarillos a tabáku ke kouření se vypočítá jako součin základu daně a pevné sazby daně, přičemž pro výpočet daně z tabáku ke kouření je rozhodující hmotnost tabáku ke kouření v okamžiku vzniku povinnosti daň přiznat a zaplatit. Základem daně u doutníků a cigarillos je množství vyjádřené v kusech a u tabáku ke kouření množství vyjádřené v kilogramech. 2.4.3
Specifika trhu s tabákovými výrobky
Z hlediska mikroekonomie je nabídka tabákových výrobků i poptávka po nich neelastická. Podle A. Marshalla je cenová elasticita definována jako „Procentuální změna poptávaného (nabízeného) množství k procentuální změně ceny, jež změnu množství způsobila.“ % ě í éℎ ž í á í = % ě Prodejem tabákových výrobků se zabývá spousta maloobchodníků i velkoobchodníků v ČR, avšak na trhu, který se zabývá výrobou tabákových výrobků, působí pouze 5 firem a jedná se o [14]: BOHEMIA TABÁK, s.r.o. - výroba a velkoobchodní prodej tabákových výrobků. British American Tobacco (Czech Republic), s.r.o. - výroba a distribuce tabákových výrobků Philip Morris ČR, a.s. - výroba a prodej tabákových výrobků TABAKUS GROUP, a.s. - výroba a distribuce cigaret Think In, a.s. - výroba a distribuce elektronických cigaret NICK Tabákové výrobky mají na trhu zvláštní postavení, jednak protože jsou zatíženy spotřební daní a jednak právě z již zmíněného důvodu, kterým je neelasticita poptávky a nabídky tohoto produktu.
22
Vlastní práce
3 Vlastní práce 3.1
Data
Zdrojová data, která jsou použita v této práci, jsou získána od Velkoobchodu Jednota SD Moravský Krumlov. Jedná se o objem prodeje vybraného druhu tabákových výrobků, kterým jsou cigarety Start Box Červené. Velkosklad eviduje denně objednávky mnoha tabákových výrobků (seznam v Příloze č. 2). Data, která jsou zpracovávána, vyjadřují počet prodaných krabiček za jednotlivé měsíce v letech 2008-2010. Z mnoha existujících druhů jsem pro práci zvolila cigarety Start červené box. Vývoj prodejnosti naleznete v Příloze č. 3. Tento druh cigaret je poměrně známý a na trhu působí mnoho let. Speciální životní cyklus pro nový výrobek by tudíž vývoj prodejnosti této značky neměl ovlivnit.
7500 7000 6500 6000 5500 5000 4500 4000 3500 3000 2500 leden únor březen duben květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září říjen listopad prosinec
Počet prodaných krabiček [ks]
Vývoj prodeje (2008-2010)
2008
2009
2010
Vývoj prodeje (2008-2010) Obr. 1
Vývoj prodeje (2008 - 2010)
Z Obr. č. 1 můžeme vidět, že nejvyšší prodejnost v uplynulých 3 letech nastala v polovině roku 2008 (červen, červenec) a naopak nejméně se cigarety prodávaly na začátku roku 2010. Jak z grafu vyplývá, prodejnost se v různých měsících odlišuje, ale můžeme si všimnout, že nejvyšší prodeje jsou zaznamenány většinou v polovině roku. Dále můžeme vidět, že počet prodaných cigaret směřuje do roku 2010 spíše k nižším hodnotám. Pro lepší srovnatelnost a vypovídací hodnotu jsem data očistila kalendářně podle počtu dní v měsíci. Takto očištěná data jsou znázorněna v Obr. č. 2.
23
Vývoj kalendářně očištěných dat (20082010) 7500 6500 5500 4500 3500 2500 leden únor březen duben květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září říjen listopad prosinec
Kalendářně oč. počet prodaných krabiček cigaret [ks]
Vlastní práce
2008
2009
2010
Očištěná data
Obr. 2
Vývoj kalendářně očištěných dat (2008 - 2010)
Výsledky práce jsou zpracovány na základě metodiky, kterou jsem čerpala z odborné literatury. Pro jednodušší zpracování dat byl využit program Microsoft Excel 2007, kde byly provedeny veškeré výpočty, včetně tvorby grafů.
3.2 Elementární charakteristiky Základní informace o chování sledované časové řady jsem získala pomocí určených elementárních charakteristik. Mezi tyto charakteristiky jsem zařadila absolutní přírůstek, koeficient růstu, koeficient přírůstku, tempo růstu a tempo přírůstku. Hodnoty vypočtených charakteristik jsou zaznamenány v Příloze č. 4. Z vypočtených charakteristik lze určit, že ke zvýšení prodejnosti došlo v jednotlivých letech zejména v červnu 2008, v červenci a září 2009 a v květnu 2010. Naopak k poklesu prodeje docházelo zejména vždy na počátku roku, ale k většímu poklesu došlo také v srpnu roku 2009 a to o 42%. Pokud se podíváme na Obr. č. 2, můžeme si také všimnout, že prodejnost výrazně poklesla od července do září roku 2008, což by mohlo být způsobeno výraznějším zdražením cigaret. V této době se cena zvýšila z 53 Kč na 59 Kč, což je poměrně znatelné navýšení ceny. Pro zhodnocení vývoje časové řady jsem vypočítala také souhrnné charakteristiky, kterými jsou průměrný absolutní přírůstek a průměrný koeficient růstu. Podle průměrného absolutního přírůstku poklesl prodej cigaret v průměru asi o 67 kusů měsíčně. Průměrní koeficient růstu říká, že v průměru poklesla měsíčně prodejnost zvoleného druhu cigaret o 1, 2 %.
24 Tab. 2
Vlastní práce Souhrnné charakteristiky
Souhrnné charakteristiky Průměrný absolutní přírůstek Průměrný koeficient růstu
-67,289 0,988
3.3 Spotřební daň Cigarety obsahují návykové látky, které způsobují závislost. V této práci předpokládám, že spotřební daň, která vede ke zvýšení ceny cigaret, nebude mít příliš velký vliv na jejich prodejnost. Výpočet spotřební daně je uveden v kapitole 2.4.2 Definice tabákových výrobků dle zákona. Procentní část daně zůstává po celé 3 roky, za které jsou údaje sledovány, neměnná. Tato pevná sazba činní 28%. Jediná změna, kterou spotřební daň prochází, je navýšení minimální sazby daně z 1,92 Kč/kus na 2,01 Kč/kus, a to od února 2010. Minimální sazba daně se násobí počtem kusů cigaret v krabičce. Pokud vezmeme v úvahu, že krabička cigaret Start Box Červené obsahuje 20 kusů cigaret, pak zjistíme, že zvýšení spotřební daně v roce 2010 způsobilo cenový nárůst o 2 Kč na krabičku. Tato cena je pro kuřáky zanedbatelná a ne natolik rozhodující pro to, aby si kupovali cigaret méně. Cena cigaret byla od začátku roku 2008 až do srpna 53 Kč. Od září se cena zvyšuje o 6 Kč. Dalších 6 měsíců je cena sledovaného zboží 59 Kč a poté dochází k dalšímu zvýšení, a to na 60 Kč. Za tuto cenu se cigarety prodávají až do července roku 2009 a pak se znovu navýší o další 2 Kč. Od března 2010 je cena cigaret Start Box Červené 64 Kč, což je zřejmě následkem právě zvýšení spotřební daně. Jedním z cílů práce je také dokázat, že i když cena cigaret neustále stoupá, počet prodaných je přibližně konstantní a tudíž ho výše ceny až tolik neovlivňuje.
3.4 Mechanické vyrovnání K mechanickému vyrovnání časové řady jsem využila 6ti-členných klouzavých průměrů. Zkoušela jsem vypočítat i 4-členné a 12ti-členné klouzavé průměry, ale ty byly vcelku nevhodné a právě proto jsem pro toto vyrovnání stanovila počet pozorování 6. Jelikož je rozsah klouzavé části sudé číslo, musela jsem využít pro výpočet centrované klouzavé průměry. (viz Příloha č. 5) Nejprve jsem spočítala 6-členné klouzavé úhrny, které jsem následně zprůměrovala a došla tak až k centrovaným klouzavým průměrům. Tyto průměry můžeme vidět v Obr č. 3.
Vlastní práce
25
7 500 6 500 5 500 4 500 3 500 2 500 leden únor březen duben květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září říjen listopad prosinec
Prodejnost [ks]
Mechanické vyrovnání
2008 Skutečné oč. hodnoty
Obr. 3
2009
2010
Centrované klouzavé průměry
Mechanické vyrovnání1
Z vyrovnání pomocí centrovaných klouzavých průměrů vidíme, že prodejnost cigaret má spíše klesající tendenci, ale od konce roku 2009 se počet prodaných krabiček pohybuje okolo stejné hodnoty a od března roku 2010 dochází dokonce k mírnému zvyšování hodnot. Klouzavé průměry však nevyrovnávají celou řadu a navíc je nelze použít k předpovědi. Proto bude v práci dále následovat analytické vyrovnání pomocí matematických křivek.
3.5 Analytické vyrovnání 3.5.1
Lineární trend
Analytické vyrovnání jsem prováděla podle vzorců uvedených v kapitole 2.3.4. Nejprve jsem počítala s lineárním trendem. Všechny výpočty naleznete v Příloze č. 6.
V Obr. č. 3 a ve všech následujících grafech je osa y popsána jako prodejnost. Jedná se o počet prodaných krabiček, který je kalendářně očištěn podle kapitoly 2.3.1. Kalendářně očištěná data jsou také znázorněna v Obr. č. 2. 1
26
Vlastní práce
Pomocí vzorců jsem určila parametry b0 a b1, pro které platí: = 5477,42 = 38,62 Po dosazení parametrů dostáváme následující tvar odhadované rovnice lineárního trendu: = 5477,42 − 38,62 Pokud se podíváme na rovnici a Obr. č. 4 uvedený pod následujícím textem, zjistíme, že trendová křivka je klesající, což znamená, že prodejnost cigaret Start Box Červené postupně klesá. Z parametrů rovnice můžeme vyčíst, že v průměru je pokles měsíčně zhruba o 38 krabiček cigaret.
7500 6500 5500 4500 3500 2500 leden únor březen duben květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září říjen listopad prosinec
Prodejnost [ks]
Lineární trend
2008 Kalendářně očištěná data
Obr. 4
Lineární trend
3.5.2
Kvadratický trend
2009
2010 Trendová přímka
Podle vzorců z kapitoly 2.3.4 jsem vypočítala parametry b0, b1 a b2. Všechny údaje potřebné pro výpočet jsou uvedeny v Příloze č. 7.
Vlastní práce
27
Parametry rovnice jsou následující: = 4461,59 = −38,62 = 2,79 Odhadnutá rovnice parabolického trendu má pak tvar: = 4461,59 − 38,62 + 2,79 Parabolická rovnice má zpočátku klesající charakter, který se ovšem v posledním roce sledovaného vývoje mění na rostoucí. Vývoj trendu je patrný i z následujícího grafu na Obr. č. 5.
7500 6500 5500 4500 3500 2500 leden únor březen duben květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září říjen listopad prosinec
Prodejnost [ks]
Kvadratický trend
2008
2009 Očištěná data
Obr. 5
Kvadratický trend
3.5.3
Exponenciální trend
2010
Parabolický trend
Další křivka, kterou jsem se pokusila vyrovnat vybraná data, byla exponenciála. Pro její výpočet bylo nutné určit parametry b0 a b1. Hodnoty potřebné pro výpočet se nachází v Příloze č. 8. Hodnoty vypočtených parametrů jsou: = 5841,90 = 0,991
28
Vlastní práce
Po dosazení obou parametrů do exponenciální rovnice dostáváme tvar:
Exponenciální trend je hodně podobný lineární trendu a má klesající charakter. Tvar této křivky je také patrný z grafu na Obr. č. 6.
Obr. 6
Exponenciální trend
3.6 Měření sezónnosti Pro měření sezónnosti jsem využila empirických sezónních indexů, které vypočteme pomocí vzorce uvedeného v kapitole 2.3.7 Měření sezónnosti. Tyto indexy jsem zjišťovala pro přímku, parabolu, exponenciálu i klouzavé průměry, abych poté mohla využít očištěného trendu k výběru nejvhodnějšího modelu. Všechny výpočty jsou uvedeny v Příloze č. 9. Hodnoty jednotlivých sezónních idexů pro všechny typy křivek jsou uvdeny v Tabulce č. 3.
Vlastní práce Tab. 3
29
Hodnoty sezónních indexů
Měsíc
Indexy - přímka
Indexy - parabola
Leden Únor Březen Duben Květen Červen Červenec Srpen Září Říjen Listopad Prosinec
0,927 0,860 0,875 1,024 1,065 1,152 1,197 1,000 0,961 0,944 0,925 1,069
0,911 0,859 0,877 1,034 1,074 1,158 1,209 0,999 0,965 0,939 0,918 1,057
Indexy exponenc. 0,918 0,854 0,872 1,021 1,064 1,151 1,198 1,002 0,966 0,949 0,930 1,076
Z tabulky můžeme vidět, že u všech křivek je nejvyšší hodnota empirického indexu v červenci , poté dochází do listopadu k poklesu a sezónní index stoupá v prosinci. Z toho můžeme odhadovat, že se projevuje sezónní vliv zejména v létě a v zimě, kdy jsou hodnoty o něco vyšší než v ostatních obdobích roku. Jednotlivé trendové křivky vynásobíme empirickými sezónními indexy a dostaneme tak vyrovnané odhadnuté hodnoty. Z Obr. č. 7 pak můžeme vidět, že všechny odhadnuté křivky jsou velmi podobné a proto nelze vybrat pouze vizuální analýzou, která z nich je nejvodnější. Proto budeme dále postupovat tak, že vypočteme interpolační kritéria a na jejich základě zvolíme nejvodnější model, díky kterému pak budeme moci odhadnout budoucí vývoj prodejnosti.
30
Obr. 7
Vlastní práce
Vyrovnané hodnoty
3.7 Volba nejvhodnějšího modelu Pomocí analytického vyrovnání jsem vytvořila tři možné modely trendu. Nejprve jsem se zabývala výpočtem trendu lineárního, následně parabolického a nakonec i exponenciálního. Abych mohla modely porovnat a vybrat z nich ten nejvhodnější, využila jsem interpolačních kritérií. Mezi tato kritéria můžeme zařadit střední chybu odhadu (M.E.), střední čtvercovou chybu odhadu (M.S.E.), střední absolutní chybu odhadu (M.A.E.), střední absolutní procentní chybu odhadu (M.A.P.E.) a střední procentní chybu odhadu (M.P.E.). K výpočtu bylo potřeba vypočítat si rezidua, tj. odhad neznámé náhodné složky. Všechny potřebné výpočty jsou znázorněny v Příloze č. 10. Tab. 4
Rovnice trendů
Lineární model Parabolický model Exp. model Rovnice Tt = 5477,42-38,62t Tt = 4461,59-38,62t+2,79t2 Tt = 5841,9*0,991t
Vlastní práce Tab. 5
31
Přehled chyb odhadu
přímka parabola exponenciála M.E. 3,485542 5,020878 -171,5 M.A.E. 467,0829 417,6045 474,1985 M.S.E. 347722,3 263940,1 366415,7 M.A.P.E 10,17994 8,895671 10,64553 M.P.E. -1,51216 -1,14164 -5,12665 Jak můžeme zjistit z Tabulky č. 5 jako nejvhodnější se po výpočtu všech interpolačních kritérií jeví parabola, která vykazuje až na střední chybu odhadu nejnižší hodnoty u všech parametrů. Rozdíly mezi přímkou a parabolou však nejsou až tak velké a proto zvolím jako nejvodnějí trend právě přímku. To, že se jeví parabola jako nejvhodnějí mohlo být způsobeno vyšími hodnotami zejména v lednu a v červnu sledovaného roku 2008. Přímka bude však mnohem lépe vyhovovat pro další zpracování práce.
3.8 Předpověď budoucího vývoje V předchozí kapitole jsem zvolila pro zpracování předpovědi prodejnosti na další rok jako nejvhodnější model přímku. Pro predikci jsem dostadila do rovnice vybraného trendu: = 5477,42 − 38,62 za časovou proměnnou t hodnoty od 37 do 48 , čímž jsem zjistila pouze hodnoty bez sezónního vlivu, který na prodejnost cigaret působí. Aby byla zohledněna i tato složka, bylo nutné dále získané hodnoty vynásobit empirickým sezónním indexem, čímž jsem dostala předpověď na celý rok 2011. Jednotlivé hodnoty jsou uvedeny v Tabulce č. 6.
32
Tab. 6
Vlastní práce
Předpověď na rok 2011
Rok 2011 Tt Ij* Přepověď leden 4048,518 0,911 3688,873 únor 4009,899 0,859 3444,256 březen 3971,280 0,877 3482,474 duben 3932,661 1,034 4064,866 květen 3894,042 1,074 4183,642 červen 3855,423 1,158 4462,995 červenec 3816,804 1,209 4615,821 srpen 3778,185 0,999 3772,626 září 3739,566 0,965 3607,870 říjen 3700,947 0,939 3475,029 listopad 3662,328 0,918 3363,610 prosinec 3623,709 1,057 3831,562
Jak je vidět z tabulky i z přechozího výběru trendu, který má záporné znaménko u parametru b1, hodnoty označené Tt (trend vypočtený podle metody nejmenších čtverců) lineárně klesají. Ve druhém sloupci tabulky jsou zapsány empirické sezónní indexy, kterými je trend násoben, abychom přidali i sezónní složku. Ve třetím sloupci tabulky už můžeme vidět, jakým způsobem by se asi měla vyvíjet prodejnost v roce 2011. Vzhledem k sezónní složce, kterou jsme zjistili z minulých let pozorování prodejnosti, by měl být nejvyšší prodej cigaret zaznamenán hlavně v letních měsících, nejvíce v červenci, poté by mělo podle předpovědi docházet k mírnému poklesu a k opětovnému navýšení prodejnosti by pak mělo dojít zase v zimních měsících, tedy zejména v prosinci. Předpověď však nemůže být nikdy úplně přesná, jelikož na vývoj prodejnosti působí mnoho vnějších faktorů, které vývoj této časové řady ovlivňují. Mezi tyto faktory můžeme zařadit například reklamní kampaně, rozšiřování trhu s tabákovými výrobky, zákonná opatření nebo změnu životního stylu obyvatel. Přesnost odhadu se odráží od předchozí analýzy a výběru vhodného modelu trendu. Chybu předpovědi však můžeme do jisté míry vyjádři pomocí Theilova koeficientu nesouladu, jehož vzorec je uveden v kapitole 2.3.8 Předpověď v časových řadách.
Vlastní práce Tab. 7
33
Theilův koeficient a procentní chyba předpovědi
Theilův koeficient (T2) 0,02197
Procentní chyba předpovědi 14, 82 %
Jak vidíme z Tabulky č. 7 chyba předpovědi je asi 15%, což znamená, že předpověď rozhodně není bezchybná, ale také není úplně zcestná a jak již bylo řečeno, záleží na dalších okolnostech a vnějších vlivech, jak se bude prodejnost v roce 2011 vyvíjet.
3.9 Závislost prodejnosti na vývoji cen V cíli práce byl podán předpoklad, že počet prodaných kusů cigaret nebude závislý na spotřební dani, potažmo tedy na ceně tabákových výrobků. V kapitole 3. 2 Spotřební daň máme popsáno jakým způsobem se vyvíjela v jednotlivých měsících cena zkoumaného druhu cigaret. Vývoj ceny jsem vzala jako druhou časovou řadu a určila u ní lineární trend stejným způsobem jako u zkoumané prodejnosti. Po vypočtení parametrů jsem se dostala k tomuto tvaru přímky: = 57,29 + 0,13 Po dosazení za časovou proměnnou jsem následně vypočítala všechny odhadované hodntoty, které jsou v Příloze č. 11. Pomocí reziduí skutečných a odhadnutých hodnot v časové řadě prodejnosti a v časové řadě vývoje ceny jsem pak pomocí korelačního koficientu, jehož vzorec najdete v kapitole 2.3.9, zjistila závislot mezi oběma časovými řadami. Korelační koeficient
-3,85924E-06
Z hodnoty korelačního koeficientu vyplývá, že mezi veličinami v podstatě žádná závislost neexistuje. Vidíme tedy, že se nám potvrdila hypotéza, že počet prodaných cigaret na ceně až tolik nezávisí. Souvisí to i s tím, že nabídka je neelastická, ale také samozřejmě s návykovostí a závislostí, kterou cigarety vyvolávají.
34
Závěr
4 Závěr Kouření a cigaretový kouř patří stále mezi největší zabijáky. Na jejich následky předčasně ročně umírá v Evropské unii asi 650 000 lidí, což je v průměru 1800 lidí denně. Pro představu je to, jako by z mapy zmizelo každý rok celé Brno spolu s ním i 3. nejlidnatější město v České republice, kterým je Ostrava. Světová zdravotní organizace (WHO) ve spolupráci s Evropskou komisí proto doporučilo používat agresivní nápisy na krabičkách od cigaret. Ty jsou používány i v ČR a to od 1. května 2004. I přesto protikuřácké kampaně přestávají zabírat. „Kouření může zabíjet.“ nebo „Kuřáci umírají předčasně.“ nebo „Kouř může způsobit pomalou a bolestivou smrt.“ „Chraňte děti: nenuťte je vdechovat Váš kouř.“, to všechno a mnohem více si kuřáci mohou přečíst pokaždé, když si v obchodě nebo trafice koupí tu „svou“ krabičku. Dokáže však taková nebo podobná protikuřácká kampaň skutečně donutit kuřáky, aby s tímto návykem přestali? Podle výsledků získaných v bakalářské práci tomu tak zřejmě nebude. I když kouření ničí zdraví, přesto existuje někdo, kdo má zájem na tom, aby lidé kouřili pokud možno, co nejvíce. Jistě všichni víme, o koho se jedná. Samozřejmě, že z počtu prodaných krabiček cigaret nejvíce profitují jejich výrobci, ale také jejich prodejci. Proto jsou výsledky práce určeny právě jim a snad jim pomohou vyřešit otázku, zda se „vyplatí“ zabývat se výrobou, popřípadě prodejem tohoto zboží. Na počátku práce jsem analyzovala vývoj prodejnosti cigaret značky Start Box Červené (data byla získána z Velkoskladu Jednota Moravský Krumlov). Po grafickém znázornění a výpočtu možných trendových funkcí byla za nejvhodnější funkci zvolena přímka. Z tvaru trendové přímky i z Obr.č.4, který je uveden v kapitole 3.5.1. můžeme vidět, že prodejnost cigaret pozvolna klesá. Dalším důležitým krokem bylo zjistit, zda se v některých obdobích neprojevuje zvýšená prodejnost. Na počátku práce byla vyslovena hypotéza, že v zimních a letních měsících bude počet prodaných cigaret o něco větší. Tato hypotéza se potvrdila. Sezónní indexy ukazují, že v měsíci červenci a prosinci skutečné dochází k nárůstů prodejnosti. To by mohlo být způsobeno zejména tím, že v zimních měsících dopadá na lidi více stresu, naopak v létě je čas dovolených, lidé mají více času a proto i víc kouří. Jednou z hypotéz, které byly ověřovány byla také možná závislost prodejnosti na spotřební dani, respektive na ceně, která s ní úzce souvisí. Po výpočtu korelační koeficientu jsem zjistila, že vztah mezi cenou a prodejností je téměř nulový, tudíž cena neovlivňuje spotřebitele a nedonutí je k tomu, aby přestali kouřit. Češi na rozdíl od mnoha jiných národů nejsou příliš věrní
Závěr
35
značce, co se cigaret týká. Pokud se cena oblíbené značky výrazně zvedne, není pro ně problém přejít ke značce jiné, která je levnější. V práci jsem díky analýze prodejnosti v letech 2008 až 2010 a určení trendové funkce předpověděla, jakým způsobem by se měla prodejnost vyvíjet v roce 2011. Velkosklad Moravský Krumlov nemusí očekávat velké výkyvy v počtu prodaných krabiček cigaret Start Box Červené a potažmo ani u jiných běžně prodávaných značek. Je třeba dát si pozor právě na sezónní vliv a nepodcenit zásoby na letní a zimní měsíce. Pokud prodejci váhají, zda zařadit tabákové výrobky mezi svůj sortiment, pak díky se díky této práci mohou rozhodnout. Počet prodaných cigaret sice klesá, ale tento pokles je tak nepatrný, že prodej tabákových výrobků bude v následujících letech ziskovou záležitostí. Pokud by došlo k velkému poklesu v prodejnosti tabákových výrobků, znamenalo by to velkou ekonomickou ztrátu pro mnoho podniků. Dopadlo by to nejen na prodejce, ale i na výrobce tohoto druhu zboží. Ekonomický dopad by tato situace měla i na stát, pro který je spotřební daň z tabákovýách výrobků jedním z příjmů do státní pokladny. Na této hypotetické situaci můžeme vidět i kladné stránky. Především by došlo ke snížení počtu kuřáků a tím i počtu karcinogenních onemocnění, která vedou k předčasné smrti. Není však pravděpodobné, že by k výraznému poklesu došlo. Jak již bylo v práci řečeno, tabák je návykovou látkou a pro kuřáky není lehké s touto drogou přestat.
36
Literatura
5 Literatura [1]
Celní správa České republiky [online]. 2009 [cit. 2011-05-04]. Tabákové výrobky. Dostupné z WWW: http://www.celnisprava.cz/cz/dane/spotrebnidane/tabak/Stranky/default.aspx [2] Wikipedia [online]. 2008, 3.5.2011 [cit. 2011-05-04]. Kouření. Dostupné z WWW: http://cs.wikipedia.org/wiki/Kou%C5%99en%C3%AD [3] ŘÍČKA, Martin. Spotřební daň z tabákových výrobků. Brno, 2008. 57 s. Diplomová práce. Masarykova univerzita. [4] Zdraví-EU : Portál EU o veřejném zdraví [online]. 2010, 2011 [cit. 2011-05-04]. Kouření. Dostupné z WWW: http://ec.europa.eu/healtheu/my_lifestyle/tobacco/index_cs.htm [5] Veřejné zdraví [online]. 2011 [cit. 2011-05-04]. Kouření. Dostupné z WWW: http://ec.europa.eu/health/tobacco/policy/index_cs.htm [6] NICM [online]. 6.4.2009 [cit. 2011-05-04]. Legislativa týkající se kontroly tabáku. Dostupné z WWW: http://www.icm.cz/legislativa-eutykajici-se-kontroly-tabaku [7] COOP Jednota [online]. 2010 [cit. 2011-05-04]. Tradiční česká obchodní síť - již od roku 1920. Dostupné z WWW: http://www.jednotamk.cz/ [8] HINDLS, Richard; HRONOVÁ, Stanislava; SEGER, Jan. Statistika pro ekonomy. 1. vyd. Praha : Professional Publishing, 2002. 415 s. ISBN 80-864-1926-6. [9] MINAŘÍK, Bohumil. Statistika 1 : Popisná statistika 2. část. Brno : Mendelova zemědělská a lesnická univerzina v Brně, 2007. 107 s. ISBN 978-80-7157-929-8. [10] Pěstování tabáku [online]. 2006 [cit. 2011-05-04]. Historie tabáku. Dostupné z WWW: http://www.pestovanitabaku.szm.com/historie.html [11] GILMAN, Sander L. . Příběh kouře: člověk a kouření od úsvitu dějin až po současnost [online]. Praha : Dybbuk, 2006 [cit. 2011-05-04]. Dostupné z WWW: http://books.google.cz/books?id=blQgh0ACWgcC&printsec=frontcov er&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false [12] Okno [online]. 2009 [cit. 2011-05-04]. Z historie tabáku aneb buďme rádi, že máme nos na svém místě a nekuřme. Dostupné z WWW: http://www.onko.cz/lekar-historie-tabaku/
Literatura
[13] Firmy [online]. 1996 [cit. 2011-05-04]. Výroba tabákových výrobků. Dostupné z WWW: http://www.firmy.cz/Velkoobchod-avyroba/Vyrobci-potravin/Vyrobci-tabakovych-vyrobku
37
38
Seznam obrázků
6 Seznam obrázků Obr. 1 Obr. 2 Obr. 3 Obr. 4 Obr. 5 Obr. 6 Obr. 7
Vývoj prodeje (2008 - 2010) Vývoj kalendářně očištěných dat (2008 - 2010) Mechanické vyrovnání Lineární trend Kvadratický trend Exponenciální trend Vyrovnané hodnoty
22 23 25 26 27 28 30
Seznam tabulek
39
7 Seznam tabulek Tab. 1 Tab. 2 Tab. 3 Tab. 4 Tab. 5 Tab. 6 Tab. 7
Spotřeba cigaret v ČR (zdroj: ČSÚ) Souhrnné charakteristiky Hodnoty sezónních indexů Rovnice trendů Přehled chyb odhadu Předpověď na rok 2011 Theilův koeficient a procentní chyba předpovědi
20 24 29 30 31 32 33
40
8 Přílohy Příloha č. 1: Seznam prodejen Příloha č. 2: Seznam jednotlivých druhů cigaret Příloha č. 3: Vývoj prodejnosti 2008 - 2010 Příloha č. 4: Elementární charakteristiky vývoje Příloha č. 5: Mechanické vyrovnání klouzavými průměry Příloha č. 6: Výpočet lineárního trendu Příloha č. 7: Výpočet kvadratického trendu Příloha č. 8: Výpočet exponenciálního trendu Příloha č. 9: Výpočet sezónní složky Příloha č. 10: Volba nejvhodnějšího modelu Příloha č. 11: Výpočet závislosti prodejnosti na vývoji ceny
Přílohy
41 Příloha č. 1: Seznam prodejen Moravský Krumlov Lančov Bezkov Lechovice Běhařovice Lesonice Bohutice Loděnice Borotice Lukov Branišovice Mackovice Citonice Mašovice Damnice Miroslavské Knínice Dobřínsko Míšovice Dobšice Moravský Krumlov Horní Dunajovice Velký Karlov Dolenice Morašice Dolní Dubňany Olbramkostel Dyjákovičky Olbramovice Hluboké Oleksovice Hluboké Mašůvky Oslnovice Hnánice Pavlice Horní Břečkov Petrovice Horní Dubňany Plaveč Hrádek Polánka Hradiště Práče Chlupice Pravice Jamolice Prokopov Jazovice Přímětice Jezeřany Rešice Jiřice Rybníky Konice Skalice Krhovice Stálky Křepice Strachotice Křídlůvky Suchohrdly u Znojma Kubšice Suchohrdly u Miroslavi
Śumice Šumná Troskotovice Tavíkovice Těšetice Trstěnice Tulešice Tvořihráz Valtrovice Vedrovice Vémyslice Vracovice Vrbovec Vysočany Zálesí Žerotice Žerůtky Znojmo Olbramovice Hrušovany Ivančice Višňové Znojmo Božice Rakšice Břežany Božice Hevlín Hodonice Hostěradice Hrabětice
Jaroslavice Jevišovice Miroslav Miroslav Moravský Krumlov Moravský Krumlov Prosiměřice Tasovice Únanov Bítov Miroslav Dyjákovice Miroslav Šumná Jaroslavice Miroslav Moravský Krumlov Znojmo Moravský Krumlov Příbram na Moravě Řeznovice Litobratřice Vysoké Popovice Vranovská Ves Džbánice Medlice Újezd u Rosic Horní Kounice Zastávka u Brna Šafov Náměšť nad Oslavou
42 Příloha č. 2: Seznam jednotlivých druhů cigaret Astor blue
Kiss slim Apple
Paramount Red
Slim Agenda Vanilla
Astor red
Kiss slim Dream
Petra bílá
Slim Agenda White
Benson Hedges Black
Kiss slim Strawberry
Petra červená
Sparta blue
Benson Hedges Silver
LD Blue Slims
Petra menthol
Sparta blue
Benson Hedges White
LD Blue Slims
Petra modrá
Sparta classic
Burton menthol
LD Mentol
Petra slims fialová
Sparta silver
Burton original
LD Red
Petra slims mordá
Start bez filtru
Burton silver
LM blue label
Petra slims růžová
Start bez filtru, žluté
Camel Blue
LM link blue
Petra slims zelená
Start box červené
Camel box
LM link orange
Petra žlutá
Start box červené
Camel Silver
Lucky Strike Blue
Philip Morris Blue
Start box modré
Clea červená
Lucky Strike Red
Philip Morris Red
Start modré, dlouhé
Clea modrá
Lucky Strike Silver
Philip Morris Yellow
Start soft červené
Cristal balance
Main Balanced modré
R1 blue
Start soft červené, dlouhé
Cristal silver
Main original červené
Red White box red
Start soft modré
Davidoff Classic
Main Slim oranžové
Red White Charcoal
Steels Blue
Davidoff Slims
Main Slim zelené
Red White Menthol
Steels Red
Dunhill červená
Marlboro flavor plus
Red White Special
Steels Red
Egalite bílé
Marlboro gold
Respect gold
Stuyvesant red
Egalite červené
Marlboro red
Respect red
Trumf blue
Egalite modré
Mars blue
RGD 100 Blue
Veceroy Menthol
Elephant Pink
Mars red
RGD 100 Orange
Viceroy Blue
Gauloises červené
Monte Carlo Menthol
RGD Mentol
Viceroy Mentol
Gauloises modré
Moon Blue
RGD modré
Viceroy original
Gauloises žluté
Moon Dual Blue
RGD oranžové
Viceroy Red
Golden American box
Moon Dual Red
RGD Silver
Viceroy Silver
Chesterfield box Blue
Moon Menthol
Rockets Blue
Viceroy Superslims Blue
Chesterfield box Red
Moon Red
Rockets Gold
Viceroy Superslims Mentol
Karelia slim, bílá
Moon Slim Dark
Ronhill White
Viceroy Superslims Silver
Karelia slim, modrá
Moon Slim sv. modré
Ronson bílé
Vogue 100 menthe
Kent stříbrné
Next Blue
Ronson červené
West Blue
Kent blue
Next Red
Ronson gold
West Ice sv. modré
Kent černé
Pall Mall Blue
Route Blue
West Red
Kent červené
Pall Mall Green
Route Red
West Silver
Kent šedé
Pall Mall Orange
Slim Agenda Blue Lago
Winston Blue
King Red
Paramount Blue
Slim Agenda Blue Lago
Winston Red
King White
Paramount Gold
Slim Agenda Menthol
Slim Agenda Vanilla
43 Příloha č. 3: Vývoj prodejnosti 2008 - 2010 Rok/měsíc
2008
2009
2010
Leden
6940
3690
3690
Únor
4660
3800
3320
Březen
5080
3740
4280
Duben
5460
5540
3800
Květen
5930
5210
4600
Červen
6850
4660
4880
Červenec
6290
6160
4940
Srpen
5690
3600
5060
Září
3980
4870
4310
Říjen
4380
4240
4630
Listopad
3950
4520
4000
Prosinec
5040
5250
4540
44 Příloha č. 4: Elementární charakteristiky vývoje Rok 2008
2009
2010
Měsíc
Prodej oč.
dt
kt
100k
δt
100δt
leden
6810
únor
5063
-1747
0,743
74%
-0,257
-26%
březen
4985
-77,8023
0,985
98%
-0,015
-2%
duben
5536
551,4852
1,111
111%
0,111
11%
květen
5819
282,6116
1,051
105%
0,051
5%
červen
6946
1126,848
1,194
119%
0,194
19%
červenec
6172
-773,584
0,889
89%
-0,111
-11%
srpen
5584
-588,774
0,905
90%
-0,095
-10%
září
4036
-1547,82
0,723
72%
-0,277
-28%
říjen
4298
262,3316
1,065
107%
0,065
7%
listopad
4005
-292,752
0,932
93%
-0,068
-7%
prosinec
4946
940,4032
1,235
123%
0,235
23%
leden
3621
-1324,74
0,732
73%
-0,268
-27%
únor
4128
507,4673
1,140
114%
0,140
14%
březen
3670
-458,403
0,889
89%
-0,111
-11%
duben
5618
1947,534
1,531
153%
0,531
53%
květen
5113
-505,037
0,910
91%
-0,090
-9%
červen
4725
-387,283
0,924
92%
-0,076
-8%
červenec
6045
1319,508
1,279
128%
0,279
28%
srpen
3533
-2512,1
0,584
58%
-0,416
-42%
září
4938
1405,535
1,398
140%
0,398
40%
říjen
4161
-777,509
0,843
84%
-0,157
-16%
listopad
4583
422,609
1,102
110%
0,102
10%
prosinec
5152
568,4942
1,124
112%
0,124
12%
leden
3621
-1530,81
0,703
70%
-0,297
-30%
únor
3607
-14,0184
0,996
100%
-0,004
0%
březen
4200
592,9797
1,164
116%
0,164
16%
duben
3853
-346,723
0,917
92%
-0,083
-8%
květen
4514
660,7355
1,171
117%
0,171
17%
červen
4948
434,3845
1,096
110%
0,096
10%
červenec
4848
-100,746
0,980
98%
-0,020
-2%
srpen
4965
117,7548
1,024
102%
0,024
2%
září
4370
-594,989
0,880
88%
-0,120
-12%
říjen
4543
173,0342
1,040
104%
0,040
4%
listopad
4056
-487,374
0,893
89%
-0,107
-11%
prosinec
4455
399,0581
1,098
110%
0,098
10%
45 Příloha č. 5: Mechanické vyrovnání klouzavými průměry Rok 2008
2009
2010
Měsíc
yij
klouzavé úhrny
klouzavé průměry
cyklické kl. průměry
leden
6810
únor
5063
březen
4985
duben
5536
35159
5859,876
5806,723
květen
5819
34521
5753,57
5796,969
červen
6946
35042
5840,367
5761,265
červenec
6172
34093
5682,162
5578,963
srpen
5584
32855
5475,764
5324,618
září
4036
31041
5173,472
5006,789
říjen
4298
29041
4840,105
4627,493
listopad
4005
26489
4414,88
4293,62
prosinec
4946
25034
4172,361
4141,886
leden
3621
24668
4111,412
4221,371
únor
4128
25988
4331,33
4423,598
březen
3670
27095
4515,867
4497,495
duben
5618
26875
4479,123
4681,105
květen
5113
29299
4883,088
4833,439
červen
4725
28703
4783,79
4889,47
červenec
6045
29971
4995,149
4873,742
srpen
3533
28514
4752,335
4708,231
září
4938
27985
4664,127
4699,672
říjen
4161
28411
4735,216
4533,234
listopad
4583
25988
4331,252
4337,443
prosinec
5152
26062
4343,635
4282,113
leden
3621
25324
4220,592
4194,969
únor
3607
25016
4169,347
4163,568
březen
4200
24947
4157,789
4140,835
duben
3853
24743
4123,88
4226,098
květen
4514
25970
4328,316
4441,515
červen
4948
27328
4554,714
4568,915
červenec
4848
27499
4583,116
4640,631
srpen
4965
28189
4698,145
4659,984
září
4370
27731
4621,823
4580,718
říjen
4543
27238
4539,613
listopad
4056
prosinec
4455
46 Příloha č. 6: Výpočet lineárního trendu Rok 2008
2009
2010
Měsíc
yt
t
t2
yt*t
Tt
leden
6810
1
1
6810,15
5438,80
únor
5063
2
4
10125,51
5400,18
březen
4985
3
9
14954,86
5361,56
duben
5536
4
16
22145,76
5322,95
květen
5819
5
25
29095,26
5284,33
červen
6946
6
36
41675,40
5245,71
červenec
6172
7
49
43206,21
5207,09
srpen
5584
8
64
44668,34
5168,47
září
4036
9
81
36321,48
5129,85
říjen
4298
10
100
42980,52
5091,23
listopad
4005
11
121
44058,30
5052,61
prosinec
4946
12
144
59348,44
5013,99
leden
3621
13
169
47072,50
4975,37
únor
4128
14
196
57798,00
4936,76
březen
3670
15
225
55050,39
4898,14
duben
5618
16
256
89880,96
4859,52
květen
5113
17
289
86912,88
4820,90
červen
4725
18
324
85054,32
4782,28
červenec
6045
19
361
114850,22
4743,66
srpen
3533
20
400
70652,90
4705,04
září
4938
21
441
103701,78
4666,42
říjen
4161
22
484
91534,76
4627,80
listopad
4583
23
529
105415,44
4589,18
prosinec
5152
24
576
123642,58
4550,57
leden
3621
25
625
90524,03
4511,95
únor
3607
26
676
93780,51
4473,33
březen
4200
27
729
113397,91
4434,71
duben
3853
28
784
107889,60
4396,09
květen
4514
29
841
130904,13
4357,47
červen
4948
30
900
148449,60
4318,85
červenec
4848
31
961
150274,80
4280,23
srpen
4965
32
1024
158890,53
4241,61
září
4370
33
1089
144221,22
4202,99
říjen
4543
34
1156
154474,72
4164,38
listopad
4056
35
1225
141960,00
4125,76
prosinec
4455
36
1296
160382,09
4087,14
47 Příloha č. 7: Výpočet kvadratického trendu Rok 2008
2009
2010
Měsíc
yt
t
t2
t4
leden
6810
-17,5
306,25
93789,06
únor
5063
-16,5
272,25
březen
4985
-15,5
duben
5536
květen
yt*t
yt*t2
Tt
-119178
2085610
5992,758
74120,06
-83535,5
1378336
5859,178
240,25
57720,06
-77266,8
1197635
5731,184
-14,5
210,25
44205,06
-80278,4
1164037
5608,776
5819
-13,5
182,25
33215,06
-78557,2
1060522
5491,954
červen
6946
-12,5
156,25
24414,06
-86823,8
1085297
5380,718
červenec
6172
-11,5
132,25
17490,06
-70981,6
816288,8
5275,068
srpen
5584
-10,5
110,25
12155,06
-58627,2
615585,5
5175,004
září
4036
-9,5
90,25
8145,063
-38339,3
364223,7
5080,526
říjen
4298
-8,5
72,25
5220,063
-36533,4
310534,2
4991,634
listopad
4005
-7,5
56,25
3164,063
-30039,8
225298,1
4908,328
prosinec
4946
-6,5
42,25
1785,063
-32147,1
208956
4830,608
leden
3621
-5,5
30,25
915,0625
-19915,3
109534,1
4758,474
únor
4128
-4,5
20,25
410,0625
-18577,9
83600,68
4691,926
březen
3670
-3,5
12,25
150,0625
-12845,1
44957,82
4630,964
duben
5618
-2,5
6,25
39,0625
-14043,9
35109,75
4575,588
květen
5113
-1,5
2,25
5,0625
-7668,78
11503,18
4525,798
červen
4725
-0,5
0,25
0,0625
-2362,62
1181,31
4481,594
červenec
6045
0,5
0,25
0,0625
3022,374
1511,187
4442,976
srpen
3533
1,5
2,25
5,0625
5298,968
7948,452
4409,944
září
4938
2,5
6,25
39,0625
12345,45
30863,63
4382,498
říjen
4161
3,5
12,25
150,0625
14562,35
50968,22
4360,638
listopad
4583
4,5
20,25
410,0625
20624,76
92811,42
4344,364
prosinec
5152
5,5
30,25
915,0625
28334,76
155841,2
4333,676
leden
3621
6,5
42,25
1785,063
23536,25
152985,6
4328,574
únor
3607
7,5
56,25
3164,063
27052,07
202890,5
4329,058
březen
4200
8,5
72,25
5220,063
35699,34
303444,4
4335,128
duben
3853
9,5
90,25
8145,063
36605,4
347751,3
4346,784
květen
4514
10,5
110,25
12155,06
47396,32
497661,4
4364,026
červen
4948
11,5
132,25
17490,06
56905,68
654415,3
4386,854
červenec
4848
12,5
156,25
24414,06
60594,68
757433,5
4415,268
srpen
4965
13,5
182,25
33215,06
67031,94
904931,2
4449,268
září
4370
14,5
210,25
44205,06
63369,93
918864
4488,854
říjen
4543
15,5
240,25
57720,06
70422,3
1091546
4534,026
listopad
4056
16,5
272,25
74120,06
66924
1104246
4584,784
prosinec
4455
17,5
306,25
93789,06
77963,52
1364362
4641,128
48 Příloha č. 8: Výpočet exponenciálního trendu Rok 2008
2009
2010
Měsíc
yt
t2
y*t2
t*yt2
t2*yt2
yt2*logyt
t*yt2*logyt
Tt
leden
6810
1
46378209
46378209
46378209
177774956
177774956
5787,69
únor
5063
4
25631510
51263020
102526040
94949034
189898069
5733,98
březen
4985
9
24849775
74549324
223647973
91886049
275658146
5680,76
duben
5536
16
30652168
122608671
490434686
114738133
458952531
5628,05
květen
5819
25
33861362
169306808
846534042
127483022
637415112
5575,82
červen
6946
36
48245527
289473161
1736838965
185346217
1112077300
5524,08
červenec
6172
49
38097486
266682405
1866776833
144406547
1010845831
5472,81
srpen
5584
64
31175941
249407524
1995260195
116813437
934507493
5422,02
září
4036
81
16287036
146583323
1319249909
58729765
528567888
5371,71
říjen
4298
100
18473248
184732477
1847324767
67118327
671183266
5321,86
listopad
4005
121
16042428
176466709
1941133799
57795014
635745151
5272,47
prosinec
4946
144
24459980
293519765
3522237177
90360746
1084328949
5223,54
leden
3621
169
13111361
170447689
2215819953
46661023
606593305
5175,07
únor
4128
196
17043922
238614915
3340608804
61627155
862780175
5127,04
březen
3670
225
13469089
202036341
3030545120
48012847
720192707
5079,46
duben
5618
256
31556980
504911686
8078586971
118324404
1893190460
5032,33
květen
5113
289
26137887
444344081
7553849383
96935889
1647910118
4985,63
červen
4725
324
22327893
401902075
7234237351
82042143
1476758579
4939,36
červenec
6045
361
36538983
694240678
13190572886
138167715
2625186586
4893,52
srpen
3533
400
12479582
249591637
4991832734
44278805
885576090
4848,11
září
4938
441
24385622
512098056
10754059175
90069926
1891468437
4803,12
říjen
4161
484
17311183
380846024
8378612524
62651999
1378343980
4758,55
listopad
4583
529
21006456
483148478
11112414990
76908339
1768891800
4714,39
prosinec
5152
576
26540777
636978656
15287487749
98518219
2364437267
4670,64
leden
3621
625
13111361
327784017
8194600416
46661023
1166525587
4627,30
únor
3607
676
13010037
338260956
8794784860
46278513
1203241328
4584,35
březen
4200
729
17639350
476262441
12859085919
63911620
1725613740
4541,81
duben
3853
784
14847150
415720207
11640165788
53239231
1490698477
4499,66
květen
4514
841
20375614
590892793
17135890998
74463807
2159450417
4457,91
červen
4948
900
24485871
734576125
22037283740
90462016
2713860477
4416,54
červenec
4848
961
23498976
728468242
22582515515
86606049
2684787529
4375,55
srpen
4965
1024
24654492
788943757
25246200216
91121723
2915895126
4334,95
září
4370
1089
19099872
630295767
20799760298
69533374
2294601335
4294,72
říjen
4543
1156
20642249
701836468
23862439916
75496518
2566881614
4254,86
listopad
4056
1225
16451136
575789760
20152641600
59357310
2077505851
4215,38
prosinec
4455
1296
19847542
714511525
25722414896
72420772
2607147785
4176,26
49 Příloha č. 9: Výpočet sezónní složky - přímka Rok 2008
2009
2010
Měsíc
yij
Tij
Yij/Tij
Ij*
Y^ij
Yij(sez.oč.)
leden
6810
5438,802
1,252142
0,927153
5042,6
7345,235
únor
5063
5400,183
0,937516
0,859728
4642,69
5888,787
březen
4985
5361,564
0,929758
0,875051
4691,64
5696,762
duben
5536
5322,945
1,040108
1,023838
5449,834
5407,534
květen
5819
5284,326
1,101191
1,065485
5630,368
5461,413
červen
6946
5245,707
1,324111
1,152235
6044,287
6028,198
červenec
6172
5207,088
1,185368
1,196974
6232,746
5156,602
srpen
5584
5168,469
1,080309
1,000229
5169,651
5582,265
září
4036
5129,85
0,786713
0,961247
4931,053
4198,422
říjen
4298
5091,231
0,844207
0,944423
4808,276
4550,981
listopad
4005
5052,612
0,792719
0,924513
4671,205
4332,335
prosinec
4946
5013,993
0,98638
1,069126
5360,588
4625,933
leden
3621
4975,374
0,727777
0,927153
4612,931
3905,464
únor
4128
4936,755
0,836264
0,859728
4244,268
4802,015
březen
3670
4898,136
0,74927
0,875051
4286,117
4194,073
duben
5618
4859,517
1,155991
1,023838
4975,359
5486,766
květen
5113
4820,898
1,060492
1,065485
5136,593
4798,307
červen
4725
4782,279
0,988073
1,152235
5510,309
4100,935
červenec
6045
4743,66
1,274279
1,196974
5678,035
5050,027
srpen
3533
4705,041
0,750821
1,000229
4706,117
3531,837
září
4938
4666,422
1,058237
0,961247
4485,584
5137,265
říjen
4161
4627,803
0,89906
0,944423
4370,604
4405,516
listopad
4583
4589,184
0,998713
0,924513
4242,76
4957,508
prosinec
5152
4550,565
1,132117
1,069126
4865,126
4818,68
leden
3621
4511,946
0,802528
0,927153
4183,263
3905,464
únor
3607
4473,327
0,806322
0,859728
3845,846
4195,445
březen
4200
4434,708
0,947057
0,875051
3880,594
4799,634
duben
3853
4396,089
0,876506
1,023838
4500,884
3763,485
květen
4514
4357,47
1,035907
1,065485
4642,817
4236,509
červen
4948
4318,851
1,145749
1,152235
4976,331
4294,541
červenec
4848
4280,232
1,132549
1,196974
5123,324
4049,859
srpen
4965
4241,613
1,170623
1,000229
4242,583
4964,193
září
4370
4202,994
1,039816
0,961247
4040,115
4546,532
říjen
4543
4164,375
1,09101
0,944423
3932,932
4810,74
listopad
4056
4125,756
0,983093
0,924513
3814,315
4387,175
prosinec
4455
4087,137
1,090019
1,069126
4369,663
4167,011
50 Příloha č. 9: Výpočet sezónní složky - parabola Rok 2008
2009
2010
Měsíc
yt
Tt
Yij/Tij
Ij*
Y^ij
Yij(sez.oč.)
leden
6810
5992,758
1,136397
0,911166
5460,4
7474,107
únor
5063
5859,178
0,864073
0,858938
5032,672
5894,204
březen
4985
5731,184
0,869795
0,876915
5025,76
5684,652
duben
5536
5608,776
0,987103
1,033617
5797,328
5356,373
květen
5819
5491,954
1,059559
1,07437
5900,391
5416,245
červen
6946
5380,718
1,290887
1,157589
6228,66
6000,317
červenec
6172
5275,068
1,170092
1,209342
6379,361
5103,864
srpen
5584
5175,004
1,078944
0,998529
5167,391
5591,769
září
4036
5080,526
0,794351
0,964783
4901,605
4183,034
říjen
4298
4991,634
0,861051
0,938957
4686,929
4577,475
listopad
4005
4908,328
0,816021
0,918435
4507,98
4361,006
prosinec
4946
4830,608
1,023826
1,057359
5107,689
4677,41
leden
3621
4758,474
0,76095
0,911166
4335,762
3973,985
únor
4128
4691,926
0,879901
0,858938
4030,075
4806,432
březen
3670
4630,964
0,792497
0,876915
4060,961
4185,157
duben
5618
4575,588
1,227724
1,033617
4729,407
5434,855
květen
5113
4525,798
1,12964
1,07437
4862,382
4758,624
červen
4725
4481,594
1,054366
1,157589
5187,844
4081,967
červenec
6045
4442,976
1,360518
1,209342
5373,077
4998,378
srpen
3533
4409,944
0,801063
0,998529
4403,456
3537,85
září
4938
4382,498
1,126796
0,964783
4228,16
5118,436
říjen
4161
4360,638
0,954143
0,938957
4094,451
4431,163
listopad
4583
4344,364
1,054994
0,918435
3990,015
4990,316
prosinec
5152
4333,676
1,188777
1,057359
4582,253
4872,302
leden
3621
4328,574
0,836525
0,911166
3944,051
3973,985
únor
3607
4329,058
0,833193
0,858938
3718,394
4199,304
březen
4200
4335,128
0,968812
0,876915
3801,538
4789,431
duben
3853
4346,784
0,886448
1,033617
4492,911
3727,879
květen
4514
4364,026
1,034351
1,07437
4688,579
4201,472
červen
4948
4386,854
1,127988
1,157589
5078,174
4274,678
červenec
4848
4415,268
1,097912
1,209342
5339,569
4008,44
srpen
4965
4449,268
1,115988
0,998529
4442,722
4972,645
září
4370
4488,854
0,973598
0,964783
4330,77
4529,868
říjen
4543
4534,026
1,002062
0,938957
4257,255
4838,747
listopad
4056
4584,784
0,884665
0,918435
4210,826
4416,209
prosinec
4455
4641,128
0,959908
1,057359
4907,34
4213,381
51 Příloha č. 9: Výpočet sezónní složky - exponenciála Rok 2008
2009
2010
Měsíc
yt
Tt
Yij/Tij
Ij*
Y^ij
Yij(sez.oč.)
5787,686
1,176663
0,917823
5312,071
7419,9
leden
6810
únor
5063
5733,976
0,88294
0,854336
4898,741
5925,956
březen
4985
5680,765
0,877515
0,871527
4950,938
5719,796
duben
5536
5628,047
0,983723
1,020507
5743,462
5425,185
květen
5819
5575,819
1,043623
1,063758
5931,322
5470,278
červen
6946
5524,075
1,257387
1,151023
6358,336
6034,546
červenec
6172
5472,812
1,127814
1,198142
6557,207
5151,572
srpen
5584
5422,024
1,029789
1,002393
5434,998
5570,214
září
4036
5371,708
0,751292
0,965508
5186,426
4179,893
říjen
4298
5321,858
0,807622
0,949204
5051,528
4528,06
listopad
4005
5272,471
0,759663
0,929962
4903,197
4306,952
prosinec
4946
5223,543
0,94681
1,075818
5619,582
4597,156
leden
3621
5175,068
0,699693
0,917823
4749,797
3945,163
únor
4128
5127,044
0,805226
0,854336
4380,217
4832,325
březen
3670
5079,465
0,722522
0,871527
4426,889
4211,031
duben
5618
5032,327
1,116295
1,020507
5135,526
5504,675
květen
5113
4985,627
1,025452
1,063758
5303,501
4806,096
červen
4725
4939,361
0,95665
1,151023
5685,317
4105,253
červenec
6045
4893,523
1,235255
1,198142
5863,137
5045,101
srpen
3533
4848,112
0,728664
1,002393
4859,712
3524,213
září
4938
4803,121
1,028119
0,965508
4637,451
5114,593
říjen
4161
4758,548
0,874357
0,949204
4516,832
4383,327
listopad
4583
4714,389
0,97219
0,929962
4384,201
4928,461
prosinec
5152
4670,639
1,103013
1,075818
5024,758
4788,704
leden
3621
4627,296
0,782522
0,917823
4247,038
3945,163
únor
3607
4584,354
0,786794
0,854336
3916,579
4221,926
březen
4200
4541,812
0,924724
0,871527
3958,31
4819,04
duben
3853
4499,664
0,856331
1,020507
4591,939
3775,77
květen
4514
4457,907
1,012568
1,063758
4742,134
4243,386
červen
4948
4416,537
1,120407
1,151023
5083,535
4299,064
červenec
4848
4375,552
1,107877
1,198142
5242,533
4045,909
srpen
4965
4334,947
1,145419
1,002393
4345,319
4953,476
září
4370
4294,718
1,017608
0,965508
4146,585
4526,467
říjen
4543
4254,863
1,067807
0,949204
4038,733
4786,511
listopad
4056
4215,378
0,962191
0,929962
3920,14
4361,47
prosinec
4455
4176,26
1,066758
1,075818
4492,895
4141,089
52 Příloha č. 9: Výpočet sezónní složky - klouzavé průměry Rok 2008
2009
2010
Měsíc
yij
Tij
Yij/Tij
Ij*
Y^ij
Yij(sez.oč.)
leden
6810
únor
5063
březen
4985
duben
5536
5806,723
0,953453
1,02629
5959,384
5394,614
květen
5819
5796,969
1,003809
1,030505
5973,806
5646,795
červen
6946
5761,265
1,205621
1,08984
6278,856
6373,321
červenec
6172
5578,963
1,106356
1,135423
6334,483
5436,138
srpen
5584
5324,618
1,048628
0,95906
5106,625
5821,893
září
4036
5006,789
0,80605
0,941116
4711,969
4288,228
říjen
4298
4627,493
0,928808
0,927409
4291,58
4634,47
listopad
4005
4293,62
0,932849
0,999179
4290,093
4008,593
prosinec
4946
4141,886
1,19407
1,203901
4986,419
4108,066
leden
3621
4221,371
0,857769
0,864287
3648,477
4189,534
únor
4128
4423,598
0,933274
0,903786
3997,985
4567,928
březen
3670
4497,495
0,816016
0,919204
4134,116
3992,612
duben
5618
4681,105
1,20005
1,02629
4804,173
5473,656
květen
5113
4833,439
1,05774
1,030505
4980,884
4961,181
červen
4725
4889,47
0,966412
1,08984
5328,74
4335,719
červenec
6045
4873,742
1,240268
1,135423
5533,759
5323,785
srpen
3533
4708,231
0,750313
0,95906
4515,474
3683,447
září
4938
4699,672
1,05075
0,941116
4422,937
5247,153
říjen
4161
4533,234
0,917815
0,927409
4204,164
4486,337
listopad
4583
4337,443
1,056678
0,999179
4333,88
4587,048
prosinec
5152
4282,113
1,203091
1,203901
5155,239
4279,236
leden
3621
4194,969
0,863168
0,864287
3625,659
4189,534
únor
3607
4163,568
0,866311
0,903786
3762,973
3990,927
březen
4200
4140,835
1,01427
0,919204
3806,273
4569,085
duben
3853
4226,098
0,911763
1,02629
4337,204
3754,493
květen
4514
4441,515
1,016305
1,030505
4577,004
4380,313
červen
4948
4568,915
1,083041
1,08984
4979,386
4540,41
červenec
4848
4640,631
1,044594
1,135423
5269,079
4269,399
srpen
4965
4659,984
1,065525
0,95906
4469,202
5177,29
září
4370
4580,718
0,954073
0,941116
4310,987
4643,784
říjen
4543
listopad
4056
prosinec
4455
53 Příloha č. 10: Volba nejvhodnějšího modelu
Rok
Měsíc
et
Přímka |e t |
et
2
et
Parabola |et |
et
2
et
Exponenciála |e t |
et
2
et
et
Klouzavé průměry |e t |
2
2008 leden 1767,55 1767,55 3124250,37 1349,76 1349,76 1821839,12 1498,08 1498,08 2244255,54 únor 420,07 420,07 176456,33 30,08 30,08 905,10 164,02 164,02 26901,18 březen 293,32 293,32 86033,87 -40,80 40,80 1665,04 34,02 34,02 1157,12 duben 86,61 86,61 7500,57 -260,89 260,89 68062,49 -207,02 207,02 42858,31 -422,94 422,94 178881,49 květen 188,68 188,68 35601,48 -81,34 81,34 6616,07 -112,27 112,27 12604,59 -154,75 154,75 23948,98 červen 901,61 901,61 812906,80 717,24 717,24 514433,81 587,56 587,56 345231,26 667,04 667,04 444947,43 červenec -60,43 60,43 3651,82 -207,05 207,05 42867,65 -384,89 384,89 148140,77 -162,17 162,17 26297,96 srpen 413,89 413,89 171305,49 416,15 416,15 173182,00 148,54 148,54 22065,36 476,92 476,92 227449,35 září -895,33 895,33 801620,52 -865,89 865,89 749757,39 -1150,71 1150,71 1324125,04 -676,25 676,25 457313,16 říjen -510,22 510,22 260328,87 -388,88 388,88 151225,56 -753,48 753,48 567727,01 6,47 6,47 41,88 listopad -665,91 665,91 443429,82 -502,68 502,68 252686,76 -897,90 897,90 806218,19 -284,79 284,79 81107,16 prosinec -414,89 414,89 172129,64 -161,99 161,99 26239,28 -673,88 673,88 454112,19 -40,72 40,72 1657,79 2009 leden -991,97 991,97 984004,72 -714,80 714,80 510939,47 -1128,84 1128,84 1274269,48 -27,52 27,52 757,13 únor -115,84 115,84 13418,76 98,35 98,35 9673,45 -251,79 251,79 63397,65 130,44 130,44 17015,49 březen -616,09 616,09 379567,87 -390,93 390,93 152830,01 -756,86 756,86 572842,60 -464,09 464,09 215380,07 duben 642,20 642,20 412422,28 888,15 888,15 788815,84 482,03 482,03 232356,55 813,39 813,39 661598,26 květen -24,07 24,07 579,37 250,14 250,14 62570,40 -190,98 190,98 36472,72 131,64 131,64 17328,76 červen -785,07 785,07 616332,79 -462,60 462,60 214002,13 -960,08 960,08 921746,95 -603,50 603,50 364211,69 červenec 366,71 366,71 134478,43 671,67 671,67 451141,88 181,61 181,61 32982,71 510,99 510,99 261110,34 srpen -1173,47 1173,47 1377036,76 -870,81 870,81 758311,72 -1327,07 1327,07 1761106,48 -982,83 982,83 965952,43 září 452,60 452,60 204843,25 710,02 710,02 504128,72 300,73 300,73 90437,66 515,24 515,24 265475,41 říjen -209,93 209,93 44071,82 66,22 66,22 4385,09 -356,16 356,16 126850,76 -43,49 43,49 1891,67 listopad 340,52 340,52 115953,82 593,26 593,26 351962,88 199,08 199,08 39632,41 249,40 249,40 62200,17 prosinec 286,65 286,65 82167,43 569,52 569,52 324354,40 127,02 127,02 16133,11 -3,46 3,46 12,00 2010 leden -562,30 562,30 316183,09 -323,09 323,09 104387,08 -626,08 626,08 391972,57 -4,70 4,70 22,07 únor -238,90 238,90 57074,60 -111,45 111,45 12421,28 -309,64 309,64 95874,24 -156,03 156,03 24345,56 březen 319,33 319,33 101970,95 398,38 398,38 158710,54 241,61 241,61 58376,47 393,65 393,65 154960,05 duben -647,68 647,68 419494,07 -639,71 639,71 409230,40 -738,74 738,74 545735,41 -484,00 484,00 234259,50 květen -128,88 128,88 16610,51 -174,64 174,64 30500,30 -228,20 228,20 52074,51 -63,07 63,07 3977,62 červen -28,01 28,01 784,60 -129,85 129,85 16861,98 -135,21 135,21 18283,08 -31,07 31,07 965,10 červenec -275,75 275,75 76038,14 -491,99 491,99 242058,87 -394,96 394,96 155992,75 -421,51 421,51 177666,52 srpen 722,75 722,75 522361,47 522,61 522,61 273117,84 620,01 620,01 384412,01 496,13 496,13 246141,61 září 330,22 330,22 109048,46 39,57 39,57 1565,77 223,76 223,76 50066,43 59,35 59,35 3522,75 říjen 610,44 610,44 372639,96 286,12 286,12 81864,32 504,64 504,64 254663,03 listopad 241,69 241,69 58411,70 -154,83 154,83 23970,94 135,86 135,86 18457,81 prosinec 85,40 85,40 7292,35 -452,28 452,28 204559,15 -37,84 37,84 1431,67 SUMA 125,48 16814,98 12518002,74 180,75 15033,76 9501844,73 -6174,00 17071,15 13190965,61 -576,23 9477,55 8901,32
54 Příloha č. 11: Výpočet závislosti prodejnosti na vývoji ceny xt
yt
Xt
Yt
gt
et
gt*et
gt2
et2
6810
53
5438,80
57,42
1371,35
-4,42
-6060,01
1880609
19,52756
5063
53
5400,18
57,55
-337,43
-4,55
1535,625
113856,2
20,7116
4985
53
5361,56
57,68
-376,61
-4,68
1763,661
141834,5
21,93049
5536
53
5322,95
57,82
213,50
-4,82
-1027,98
45580,12
23,18423
5819
53
5284,33
57,95
534,73
-4,95
-2645,29
285931,5
24,47281
6946
53
5245,71
58,08
1700,19
-5,08
-8635,28
2890656
25,79624
6172
53
5207,09
58,21
965,23
-5,21
-5029,8
931665,3
27,15452
5584
53
5168,47
58,34
415,07
-5,34
-2217,73
172285,5
28,54765
4036
59
5129,85
58,48
-1094,13
0,52
-574,418
1197120
0,275625
4298
59
5091,23
58,61
-793,18
0,39
-311,719
629133,5
0,154449
4005
59
5052,61
58,74
-1047,31
0,26
-273,348
1096862
0,068121
4946
59
5013,99
58,87
-68,29
0,13
-8,80938
4663,493
0,016641
3621
59
4975,37
59,00
-1354,41
0,00
4,063238
1834434
9E-06
4128
59
4936,76
59,14
-808,33
-0,13
109,1241
653391,6
0,018225
3670
60
4898,14
59,27
-1228,11
0,73
-900,205
1508255
0,537289
5618
60
4859,52
59,40
758,04
0,60
455,5838
574629,2
0,361201
5113
60
4820,90
59,53
291,62
0,47
136,7719
85044,9
0,219961
4725
60
4782,28
59,66
-57,04
0,34
-19,2221
3253,448
0,113569
6045
60
4743,66
59,80
1301,09
0,20
266,7231
1692831
0,042025
3533
62
4705,04
59,93
-1172,40
2,07
-2430,38
1374512
4,297329
4938
62
4666,42
60,06
271,76
1,94
527,4823
73852,41
3,767481
4161
62
4627,80
60,19
-467,13
1,81
-845,042
218212,3
3,272481
4583
62
4589,18
60,32
-5,90
1,68
-9,90101
34,85722
2,812329
5152
62
4550,57
60,46
601,21
1,55
928,8682
361452,5
2,387025
3621
62
4511,95
60,59
-890,98
1,41
-1258,96
793853,8
1,996569
3607
62
4473,33
60,72
-866,38
1,28
-1109,84
750621,5
1,640961
4200
62
4434,71
60,85
-234,79
1,15
-269,768
55124,19
1,320201
3853
64
4396,09
60,98
-542,89
3,02
-1637,9
294728,5
9,102289
4514
64
4357,47
61,12
156,47
2,89
451,4029
24481,45
8,323225
4948
64
4318,85
61,25
629,47
2,75
1732,928
396231,2
7,579009
4848
64
4280,23
61,38
567,34
2,62
1487,004
321877,2
6,869641
4965
64
4241,61
61,51
723,72
2,49
1801,329
523764,9
6,195121
4370
64
4202,99
61,64
167,35
2,36
394,4345
28004,68
5,555449
4543
64
4164,38
61,78
379,00
2,23
843,2732
143640,4
4,950625
4056
64
4125,76
61,91
-69,76
2,09
-145,999
4865,9
4,380649
4455
64
4087,14
62,04
367,92
1,96
721,4932
135365,9
3,845521
Pozn.: xt…prodejnost, yt…cena, Xt…odhad prodejnosti, Yt…odhad ceny, gt…prodejnost - odhad, et…cena - odhad