„Prognosen sind schwierig, besonders wenn sie die Zukunft betreffen.“
Mark Twain (1835-1910); amerik. Schriftsteller
Die Problematik der Prognose ist lange bekannt. Trotzdem nimmt die Zahl der Verfahren - und in letzter Zeit besonders die Zahl der Simulationsprogramme - stetig zu. In jedem Bereich der Gesell-schaft werden Prognosen erstellt. Sei es das Wetter, die Höhe der Arbeitslosigkeit, die Anzahl der Zuschauer eines Fußballspiels oder die Körpergröße eines Kindes im Erwachsenenalter - beinahe alles wird heutzutage, mal mehr mal weniger gut, vorhergesagt. Natürlich können sich daher gerade Unternehmen diesem Thema nicht verschließen. Ihr stetiger Wille, bessere Prognosen zu erreichen treibt deren Entwicklung geradezu voran. Woher kommt also dieser Drang, in die Zukunft schauen zu wollen? Welche Möglichkeiten ergeben sich dadurch und wie erfolgsversprechend sind die Prognosen? Besonders letzterem will diese Arbeit in der Folge auf den Grund gehen.
Nach einer Einführung, die einen Überblick über die Anwendungsgebiete, unterschiedliche Metho-den und die Probleme der Prognosen liefert, werden das Saisonverfahren von Winter und die Reg-ressionsanalyse genauer vorgestellt. Hierbei werden dem Leser kurz die Grundprämissen der Methoden vorgestellt, um im Anschluss einen ausführlichen Einblick in die Vorgehensweise der Prognoseerstellung zu ermöglichen. Abschließend soll das Verfahren der multiplen Regression anhand eines Fall-Beispiels auf seine Praktikabilität in der wirtschaftlichen Realität hin untersucht werden. Eine helfende Hand bietet hier die Statistik- und Analyse-Software SPSS, welche in der Praxis und auch in der Forschung sehr häufig Anwendung findet. Die Computer-Software wurde 1983 entwickelt und bietet viele Möglichkeiten im analytischen Bereich. Basierend auf den gewonnen Erkenntnissen werden folgend die Regressionsanalyse und darauf aufbauend die Prognosen an sich, einer kritischen Betrachtung unterzogen.
Inhaltsverzeichnis
1. Einleitung
2. Prognosen - Einführung und Überblick
2.1 Bedeutung der Prognoserechnung
2.2 Arbeitsschritte bei der Erstellung von Prognosen
2.3 Systematisierung und Auswahl der Prognoseverfahren
3. Die Absatzprognose bei saisonalen Schwankungen
3.1 Das Verfahren von Winter
3.1.1 Anwendungen und Grundprämissen
3.1.2 Schema der Modellermittlung
3.2 Das Verfahren der multiplen Regression
3.2.1 Ziel, Anwendung und Vorgehensweise
3.2.2 Beschreibung des Modells
3.3 Kritische Würdigung: Winter vs. multiple Regression
4. Die Entwicklung einer Absatzprognose unter Verwendung der multiplen Regression mit Hilfe von SPSS
4.1 Methodisches Vorgehen
4.2 Formulierung des Regressionsmodells
4.3 Aufstellen der Regressionsfunktion
4.4 Prüfung des Regressionsmodells
4.5 Prüfung der Modelprämissen
4.6 Kritische Würdigung
5. Fazit
Zielsetzung & Themen
Die vorliegende Seminararbeit untersucht die Methoden der Absatzprognose, mit besonderem Fokus auf das Saisonverfahren von Winter sowie die Regressionsanalyse. Ziel ist es, die theoretischen Grundlagen dieser Verfahren zu erläutern und ihre praktische Anwendung bei der Entwicklung einer Absatzprognose für ein fiktives Unternehmen anhand der Software SPSS zu demonstrieren.
- Grundlagen und Bedeutung der Prognoserechnung
- Systematisierung und Auswahl geeigneter Prognoseverfahren
- Analyse und Anwendung des Holt-Winter-Modells
- Methodik und Durchführung einer multiplen Regressionsanalyse
- Prüfung von Regressionsmodellen und Modellprämissen
Auszug aus dem Buch
3.1.1 Anwendungen und Grundprämissen
Das Saisonverfahren von Winter wird überwiegend bei der Produktion von saisonal schwankenden Gütern eingesetzt und ist besonders bei automatischer und regelmäßiger Prognoseerstellung sinnvoll.26 Makridakis stellt fest, dass es bei kurzfristigen Prognosen von bis zu 6 Monaten die größte Zuverlässigkeit erreicht.27
Das Modell basiert auf der exponentiellen Glättung von Brown und stellt eine Erweiterung des exponentiellen Glättungsverfahrens von Holt dar. Es bezieht nicht nur Trend- sondern auch Saisonalfaktoren in die Prognose mit ein. Das Verfahren wurde als modifizierte Version entwickelt, um eine bessere Anpassungsfähigkeit des Modells an zeitvariable Verhaltsmuster zu ermöglichen und eine höhere Flexibilität zu erreichen. Unter Berücksichtigung der Leistung beider Forscher ist es auch als Holt-Winter-Modell bekannt.28 Diese Begriffe sollen daher im Folgenden synoym verwandt werden.
Das Holt-Winter-Modell gehört zur Gruppe der quantitativen, univariaten Prognosemodelle. Da es auf der Analyse von Zeitreihen aufbaut, muss die Zeitstabilitätshypothese im Wesentlichen erfüllt sein. Das bedeutet, dass Gesetzmäßigkeiten, die sich in den zugrundeliegenden Zeitreihen wiederfinden, im Zeitablauf des Prognosezeitraums ihre Gültigkeit behalten.29
Dem HWV liegt die Bildung eines gleitenden Durchschnitts zugrunde. Dieser muss in seiner Länge den Zeitraum eines kompletten Saisonzyklus abdecken. Bei einer einjährigen Saison mit monatlicher Betrachtung ergeben sich beispielhaft 12 zu berücksichtigende Werte.
Grundsätzlich wird beim Holt-Winter-Modell zwischen dem additiven, dem multiplikativen und dem gemischt multiplikativ-additiven Verfahren unterschieden. Die Unterscheidung wird auf Grundlage der Konstanz der Amplitude getroffen. Sind die Schwingungen relativ konstant, so ist ein additives Verfahren, bei proportional zum Trend verlaufenden Schwingungen ein multiplikatives Verfahren zu bevorzugen.30 Im weiteren Verlauf wird sich diese Arbeit auf die Betrachtung des gemischt multiplikativ-additiven Verfahrens konzentrieren.
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung beleuchtet die allgemeine Relevanz von Prognosen in der Wirtschaft und führt in die behandelten Methoden, das Holt-Winter-Verfahren und die Regressionsanalyse, ein.
2. Prognosen - Einführung und Überblick: Dieses Kapitel definiert den Begriff der Prognose, erläutert grundlegende Arbeitsschritte und bietet eine Systematisierung verschiedener Prognoseverfahren.
3. Die Absatzprognose bei saisonalen Schwankungen: Hier werden das Holt-Winter-Modell und das Verfahren der multiplen Regression theoretisch vorgestellt und kritisch gewürdigt.
4. Die Entwicklung einer Absatzprognose unter Verwendung der multiplen Regression mit Hilfe von SPSS: Dieses Kapitel zeigt die praktische Anwendung der multiplen Regressionsanalyse anhand einer Fallstudie der fiktiven Beherbergungs AG.
5. Fazit: Das Fazit fasst die Erkenntnisse über die Bedeutung von Prognosen zusammen und diskutiert die Vorteile sowie Herausforderungen des Einsatzes der Regressionsanalyse.
Schlüsselwörter
Absatzprognose, Prognoserechnung, Holt-Winter-Modell, Regressionsanalyse, multiple Regression, SPSS, Zeitreihenanalyse, Saisonale Schwankungen, Prognoseverfahren, statistische Modellierung, Bestimmtheitsmaß, Residuenanalyse, Normalverteilung, Homoskedastizität, Kausalanalyse
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der methodischen Erstellung von Absatzprognosen in Unternehmen, um Unsicherheiten bei Zukunftsentscheidungen zu reduzieren.
Was sind die zentralen Themenfelder?
Die zentralen Felder umfassen die Systematisierung von Prognosemethoden, das Holt-Winter-Verfahren für saisonale Daten und die Anwendung der multiplen Regressionsanalyse.
Was ist das primäre Ziel der Arbeit?
Ziel ist es, den Lesern ein Verständnis für die Vorgehensweise bei der Prognoseerstellung zu vermitteln und die praktische Implementierung einer multiplen Regression in der Unternehmenspraxis zu zeigen.
Welche wissenschaftliche Methode wird verwendet?
Es werden quantitative statistische Methoden angewandt, insbesondere die Zeitreihenanalyse (Holt-Winter) und die multiple Regressionsanalyse unter Nutzung der Statistik-Software SPSS.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in theoretische Grundlagen der Prognoseverfahren sowie die praktische Durchführung einer Regressionsanalyse an einem fiktiven Unternehmensbeispiel.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Absatzprognose, Holt-Winter-Modell, multiple Regression, Zeitreihenanalyse und statistische Modellgüte.
Warum wurde die Beherbergungs AG als Fallbeispiel gewählt?
Die fiktive Beherbergungs AG dient als praktisches Beispiel, um zu zeigen, wie ein Unternehmen durch die Analyse von Einflussgrößen wie Preisen und Temperatur seine Absatzmenge prognostizieren kann.
Wie wurde die Güte des Regressionsmodells im Fallbeispiel geprüft?
Die Güte wurde durch statistische Kennwerte wie das korrigierte R², den F-Test sowie eine umfassende Residuenanalyse auf Normalverteilung, Homoskedastizität und Autokorrelation verifiziert.
- Citar trabajo
- Dennis Witt (Autor), 2010, Absatzprognose, Múnich, GRIN Verlag, https://www.grin.com/document/153892
