समझें और जानें, एकाधिक-रिग्रेशन विश्लेषण की व्याख्या करें!
बहु-रिग्रेशन विश्लेषण में, प्रतिगमन समीकरण का उपयोग किया जाता है जहां वस्तु की मांग कई चर के कार्यों के रूप में समझा जाता है। एकाधिक-रिग्रेशन का अर्थ: एकाधिक प्रतिगमन एक सांख्यिकीय उपकरण है जो कई अन्य स्वतंत्र, या भविष्यवाणियों, चर से मानदंड के मूल्य को प्राप्त करने के लिए उपयोग किया जाता है। यह कई कारकों का एक साथ संयोजन है यह आकलन करने के लिए कि वे एक निश्चित परिणाम को कैसे और किस हद तक प्रभावित करते हैं। यह भी सीखें, एकाधिक-रिग्रेशन विश्लेषण की व्याख्या करें!
बहु-रिग्रेशन विश्लेषण की प्रक्रिया को संक्षेप में वर्णित किया जा सकता है:
- एकाधिक प्रतिगमन विश्लेषण में पहला कदम उन चरों को निर्दिष्ट करना है जो संदर्भ के तहत उत्पाद की मांग में बदलावों को समझाने के लिए हैं।स्पष्टीकरण चर आमतौर पर मांग के निर्धारकों से चुने जाते हैं, जैसे। उत्पाद की कीमत, इसके विकल्प की कीमत, उपभोक्ता की आय और उनके स्वाद और वरीयता। टिकाऊ उपभोक्ता वस्तुओं (जैसे टीवी सेट रेफ्रिजरेटर, घर इत्यादि ) की मांग का अनुमान लगाने के लिए , स्पष्टीकरण चर जो माना जाता है वे क्रेडिट और ब्याज दर की उपलब्धता हैं। पूंजीगत वस्तुओं (जैसे मशीनरी, और उपकरण) की मांग का आकलन करने के लिए प्रासंगिक चर अतिरिक्त कॉर्पोरेट निवेश हैं, मूल्यह्रास की दर, पूंजीगत वस्तुओं की लागत अन्य इनपुट (जैसे श्रम और कच्चे माल) की ब्याज की बाजार दर।
- एक बार व्याख्यात्मक या स्वतंत्र चर निर्दिष्ट किया गया है, दूसरा चरण स्वतंत्र चर पर समय-श्रृंखला डेटा एकत्र करना है।
- आवश्यक डेटा एकत्र करने के बाद, अगला चरण समीकरण के रूप को निर्दिष्ट करना है जो आश्रित और स्वतंत्र चर के बीच संबंधों की प्रकृति और सीमा का उचित वर्णन कर सकता है।
- अंतिम चरण सांख्यिकीय तकनीकों की मदद से चुने गए समीकरणों में पैरामीटर का अनुमान लगाने के लिए है।बहुविकल्पीय समीकरण आसानी से मैन्युअल रूप से अनुमानित नहीं किया जा सकता है। उन्हें कंप्यूटर की मदद से अनुमान लगाया जाना चाहिए।
मांग पूर्वानुमान की विश्वसनीयता अनुमानित मांग समारोह में स्पष्टीकरण चर के समीकरणता की डिग्री और समीकरण के रूप में बड़ी हद तक निर्भर करती है। स्थिरता की डिग्री जितनी अधिक होगी, अनुमानित मांग की विश्वसनीयता और इसके विपरीत। अनुमानित होने के लिए समीकरण निर्दिष्ट करने में पर्याप्त सावधानी बरतनी चाहिए। कार्मिक प्रबंधन के तत्व!
पूर्वानुमान मॉडल का चयन: हमने योजना और नियंत्रण में मांग अनुमान के लिए कई सांख्यिकीय पूर्वानुमान मॉडल पर चर्चा की है। एक प्रबंधक के रूप में, अब आपके पास अपनी आवश्यकताओं के लिए सर्वश्रेष्ठ मॉडल चुनने का कार्य है। आपको कौन सा चयन करना चाहिए, और निर्णय लेने के लिए आप किस मापदंड का उपयोग कर सकते हैं। सबसे महत्वपूर्ण मानदंड हैं:
- लागत, और
- शुद्धता
शुद्धता (पूर्वानुमान त्रुटि), लागत में परिवर्तित किया जा सकता है। मॉडल चयन में विचार की जाने वाली लागतें हैं:
- कार्यान्वयन लागत,
- व्यवस्थित लागत,
- पूर्वानुमान त्रुटि लागत।
इन तीनों में से, पूर्वानुमान त्रुटि लागत शायद मूल्यांकन करने के लिए सबसे जटिल हैं। वे समय श्रृंखला, मांग पैटर्न, पूर्वानुमान अवधि की लंबाई और पूर्वानुमान त्रुटि के उपाय में शोर पर निर्भर करते हैं। कई अध्ययनों ने मूल्यांकन किया है और विभिन्न मॉडलों के प्रदर्शन की तुलना की है। आम तौर पर, मांग पैटर्न, शोर के स्तर और पूर्वानुमान अवधि की लंबाई के आधार पर विभिन्न मॉडल सर्वोत्तम होते हैं । यह विकल्प सामान्य रूप से पूर्वानुमान त्रुटि पर आधारित होने पर किसी भी मांग पैटर्न के लिए कई अच्छे मॉडल का विकल्प होता है।
नौवहन पूर्वानुमान मॉडल का मिश्रण: व्यापक अध्ययनों में, यह पाया गया है कि पूर्वानुमान की औसत और भारित औसत विधियां अन्य पूर्वानुमान विधियों से अलग हैं। इन अध्ययनों से, हम निष्कर्ष निकाल सकते हैं कि पूर्वानुमान सटीकता में सुधार होता है और विभिन्न संयोजनों के बीच सटीकता की भिन्नता कम हो जाती है, औसत वृद्धि में कई विधियां घटती हैं। पूर्वानुमान मॉडल का संयोजन संचालन के लिए काफी वादा रखता है।Makridakis और वाकर राज्य के रूप में “का मेल भविष्यवाणियां व्यावहारिक रूप से व्यावहारिक विकल्प प्रतीत होती हैं, जब अक्सर डेटा-जनरेटिंग प्रक्रिया का एक वास्तविक मॉडल होता है या किसी भी कारण से पहचान की जा सकती है, तो एकल सर्वोत्तम पूर्वानुमान विधि नहीं हो सकती है। ”
भविष्यवाणी के व्यवहारिक आयाम: भविष्यवाणी के कुछ आयामों को समझने के लिए, मानव व्यवहार पर विचार करना बुद्धिमानी है , क्योंकि पूर्वानुमान हमेशा सांख्यिकीय मॉडल के साथ नहीं बनाए जाते हैं। व्यक्ति जानबूझकर पिछले डेटा कास्टिंग करके पूर्वानुमान कर सकते हैं और कर सकते हैं, और वे अक्सर सांख्यिकीय पूर्वानुमान प्रक्रिया में अन्य तरीकों से हस्तक्षेप करते हैं। एक प्रबंधक महसूस कर सकता है कि मॉडल द्वारा उत्पन्न आइटम पूर्वानुमान योग्य ऑपरेटिंग निर्णय निर्माताओं द्वारा तर्कसंगतता के लिए जांच की जानी चाहिए। मॉडलों द्वारा उत्पन्न पूर्वानुमानों का अंधाधुंध पालन नहीं किया जाना चाहिए; संभावित लागत के परिणामों पर विचार किया जाना चाहिए। निर्णय निर्माताओं को गुणात्मक डेटा खाते में ले जा सकते हैं जो मॉडल में नहीं हैं। निर्णय निर्माताओं को निर्णय लेने में सहायता के रूप में भविष्यवाणी मॉडल का उपयोग करना चाहिए; उन्हें सभी निर्णयों के लिए भविष्यवाणी मॉडल पर भरोसा नहीं करना चाहिए। कई, शायद सबसे अधिक, उत्पादन / संचालन प्रबंधन के लिए पूर्वानुमान व्यक्तिगत अंतर्ज्ञानी पूर्वानुमान हैं।
न्यायिक प्रक्रिया के रूप में अंतर्ज्ञानी पूर्वानुमान : वर्तमान में, अंतर्ज्ञानी पूर्वानुमान की प्रभावशीलता के बारे में बहुत कम ज्ञात है। हालांकि, हम शामिल कुछ मानसिक प्रक्रियाओं का विश्लेषण कर सकते हैं । एक पूर्वानुमान को एक प्रक्रिया की समाप्ति के रूप में माना जा सकता है जिसमें कई चरणों शामिल हैं, जिसमें सूचना खोज और सूचना प्रसंस्करण शामिल है। इसके परिणामस्वरूप भविष्य के बारे में मानव सम्मेलन होते हैं जो कि अग्रदूत को प्रस्तुत ऐतिहासिक डेटा के विशेष पैटर्न पर आधारित होते हैं। हम कई पर्यावरणीय कारकों के बारे में अनुमान लगा सकते हैं जो अंतर्ज्ञानी पूर्वानुमान को प्रभावित कर सकते हैं।
अर्थपूर्णता : पूर्वानुमान को ऐतिहासिक मांग के बारे में जानकारी के सीमित सेट पर विचार करने की आवश्यकता है। जब हम नौकरी संवर्द्धन और नौकरी डिजाइन पर चर्चा करते हैं तो हम देखते हैं कि यदि दोहराए जाने वाले कार्यों को करने वाले व्यक्ति के लिए सार्थक किया जा सकता है, तो सकारात्मक प्रभाव आमतौर पर परिणामस्वरूप होते हैं। भविष्यवाणी के कार्य को सार्थकता प्रदान करने के लिए, सहज ज्ञान युक्त पूर्वानुमान की विश्वसनीयता को प्रभावित करने की उम्मीद की जा सकती है, जो सहज ज्ञान युक्त पूर्वानुमान अधिक सटीक है।
पैटर्न जटिलता: पैटर्न जटिलता, मांग पैटर्न का आकार, सामान्य रूप से, सहज पूर्वानुमान में एक महत्वपूर्ण चर है, जैसा कि यह मॉडल पूर्वानुमान में है। कुछ व्यवहारिक अध्ययनों से पता चलता है कि अंतर्ज्ञानी पूर्वानुमान गैर-रैखिक मांग पैटर्न की तुलना में रैखिक पर बेहतर प्रदर्शन कर सकते हैं। इसके अलावा, लोग स्पष्ट रूप से गैर-रैखिक तिथि को रैखिक तरीके से उपयोग करने का प्रयास करते हैं।
शोर की डिग्री: पर्याप्त ऐतिहासिक डेटा को देखते हुए, शोर के बिना ज्यादातर मामलों के लिए भविष्यवाणी की समस्याएं छोटी होती हैं। यादृच्छिक विविधताएं पेश करना, हालांकि, अक्सर यह क्यू अनिश्चितता नामक एक शर्त लाता है। बहुत अधिक शोर स्तर सटीक भविष्यवाणी के आधार पर अस्पष्ट हैं, और अक्सर परिणाम कम पूर्वानुमान सटीकता है।
व्यक्तिगत परिवर्तनशीलता: अंतर्ज्ञानी पूर्वानुमान अध्ययनों में एक और खोज जो भविष्यवाणियों के प्रदर्शन की व्यापक विविधता है। मॉडलों के साथ पूर्वानुमानियों की तुलना करते समय, आमतौर पर कुछ बहुत अच्छे पूर्वानुमानक होते हैं, लेकिन यहां तक कि बहुत अधिक गरीब भविष्यवाणियां भी होती हैं। यदि उत्पादन और संचालन की योजना और निर्देशन कम अंतर्ज्ञानी पूर्वानुमान पर आधारित हैं, तो प्रदर्शन में ये बदलाव बहुत महंगा हो सकते हैं।
व्यक्तिगत बनाम मॉडल प्रदर्शन: व्यक्ति भयानक पूर्वानुमान मॉडल की तुलना कैसे करते हैं? अध्ययनों में, घातीय भविष्यवाणियों को दी गई ऐतिहासिक मांगों के अनुरूप होने पर घातीय चिकनी मॉडलों ने समूह औसत प्रदर्शन को काफी हद तक बेहतर प्रदर्शन किया। केवल कुछ ही अच्छे सहज ज्ञान युक्त भविष्यवाणियों ने मॉडल को बेहतर प्रदर्शन किया। संचालन प्रबंधक व्यक्तियों के विकल्प के रूप में मॉडल पर विचार करना बुद्धिमान होगा। मॉडल आमतौर पर अधिक सटीक होते हैं, और यदि बड़ी संख्या में वस्तुओं का पूर्वानुमान होना चाहिए, तो मॉडल अधिक किफायती हैं।
पूर्वानुमान, योजना, और व्यवहार एक उत्कृष्ट साहित्य समीक्षा और मूल्यांकन पूर्वानुमान, योजना और निर्णय लेने के कई मॉडलिंग और मनोवैज्ञानिक आयामों की तुलना करता है । मानव सूचना से जुड़े कई सूचना प्रसंस्करण सीमाएं और पूर्वाग्रह पूर्वानुमान और योजना पर भी लागू होते हैं। भविष्यवाणी प्रक्रियाओं में त्रुटियां अनावश्यक जानकारी का उपयोग करके होती हैं, संभावित सबूतों की पुष्टि करने में असफल होती हैं, और निर्णय के बारे में अतिसंवेदनशील होती हैं। इसके अलावा, कई अध्ययनों से पता चलता है कि मनुष्यों के पूर्वानुमानित निर्णय साधारण मात्रात्मक मॉडल की तुलना में अक्सर कम विश्वसनीय होते हैं।
पूर्वानुमान और भारतीय परिदृश्य: भारत में कुछ अधिक रचनात्मक और उत्पादक संगठनों को परमाणु ऊर्जा आयोग, भारतीय अंतरिक्ष और अनुसंधान संगठन, भारत हेवी इलेक्ट्रिकल और रक्षा अनुसंधान एवं विकास संगठन (डीआरडीओ) जैसे उच्च प्रौद्योगिकी संगठनों में शामिल किया जाना है। उच्च प्रौद्योगिकी क्षेत्र में निजी क्षेत्र का बहुत सीमित रहा है। भारत में उच्च प्रौद्योगिकी कंपनियां दुनिया में प्रौद्योगिकी विकास के लिए स्कैनिंग कर रही हैं और स्वदेशी समकक्ष उत्पादों को विकसित करने की कोशिश कर रही हैं। और इसके लिए, वे कुछ उपायों में, विशेष रूप से प्रौद्योगिकी की भविष्यवाणी करते हैं।
हालांकि, इन कुछ उदाहरणों को छोड़कर, बड़े पैमाने पर, अन्य संगठन वैज्ञानिक तरीके से भविष्यवाणी का उपयोग नहीं कर रहे हैं। कारण कई हो सकते हैं। मुख्य कारणों में से एक यह है कि उन्हें पर्यावरण का सर्वेक्षण करने और भविष्य के व्यापार की भविष्यवाणी करने की आवश्यकता महसूस नहीं होती है। इसके पीछे कारण देश की विदेशी भागीदारी का पूर्ववर्ती बंद रहा है, घरेलू कंपनियों के लिए सुरक्षित बाजार सुनिश्चित करना।भारत कम से कम एक शताब्दी के लिए कम से कम एक विक्रेता का बाजार रहा है। यदि आप कुछ उत्पादन कर सकते हैं, तो इसे हमेशा उत्पाद-भूखे देश में बेचा जा सकता है।
सदी के अंत के बाद स्थिति बदल गई है लेकिन पुरानी आदतों, विश्वासों और मनोविज्ञान में बदलाव करने का समय लगता है। इसलिए, वास्तविक सक्रिय विपणन के बजाय उत्पादन पर जोर दिया गया था। व्यापार / उद्योगों का पर्यावरणीय स्कैन उस पर रुक गया। इसलिए, पूर्वानुमान वास्तव में प्रबंधन का एक उपेक्षित पहलू था। अब, अर्थव्यवस्था के क्रमिक उद्घाटन के साथ, बुनियादी ढांचे सहित व्यापार / उद्योग के विभिन्न क्षेत्रों में बहुराष्ट्रीय निगमों की बढ़ती भागीदारी के कारण आर्थिक परिदृश्य बदल गया है। भारतीय अर्थव्यवस्था तेजी से एक खरीदार के बाजार की विशेषताओं को प्राप्त कर रही है। इसलिए भारतीय व्यापारी को गैंगवेज में मुंह के बारे में बहुत सतर्क रहना पड़ता है।
पूर्वानुमान मॉडल, जैसे कि कारक मॉडल का अब कॉर्पोरेट कर, सीमाशुल्क शुल्क, उत्पाद शुल्क और अन्य क्षेत्रों पर रियायत के प्रभाव की भविष्यवाणी करने के लिए उपयोग किया जा सकता है। डेल्फी तकनीकों और उपभोक्ता व्यवहार सर्वेक्षण जैसे राय आधारित तरीकों में प्रासंगिकता बढ़ रही है। एकाधिकार या oligopoly भविष्यवाणी की जरूरत नहीं है। भारतीय उद्योग और व्यवसाय इस तथ्य से जाग रहे हैं कि अब यह एक अलग खेल है। वे जानते हैं कि यदि वे भविष्य में उचित प्रबंधन मूल बातें का पालन नहीं करते हैं जैसे भविष्यवाणी करने के लिए वे आने वाले लंबे समय तक हाशिए के खतरे का जोखिम उठाते हैं।
