1 / 23

企業の時系列分析

企業の時系列分析. 同志社大学　中尾ゼミ. 印刷用. 目的. 例① 日産自動車の利潤率が上下してきた原因を明らかにする 例② 日産自動車の広告支出が増減してきた理由を明らかにする 例③ 上記の②と③を同時に分析する. ニッサンの営業利益の推移. 何故，ニッサンの利潤は変動してきたか？. ニッサンの利益変動の原因. (1) ニッサンの企業戦略 　　研究開発支出 　　広告支出 　　賃金水準 　　輸出 (2) 日本経済の状況 　　所得水準 　　所得上昇率. ニッサンの利潤の分析手法.

ninon
Download Presentation

企業の時系列分析

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 企業の時系列分析 同志社大学　中尾ゼミ 印刷用

  2. 目的 例① 日産自動車の利潤率が上下してきた原因を明らかにする 例② 日産自動車の広告支出が増減してきた理由を明らかにする 例③ 上記の②と③を同時に分析する

  3. ニッサンの営業利益の推移 • 何故，ニッサンの利潤は変動してきたか？

  4. ニッサンの利益変動の原因 • (1)ニッサンの企業戦略 　　研究開発支出 　　広告支出 　　賃金水準 　　輸出 • (2)日本経済の状況 　　所得水準 　　所得上昇率

  5. ニッサンの利潤の分析手法 • (ｲ)ニッサンの財務データ（たとえば，研究開発支出，広告支出，賃金，輸出など）のデータを収集する • (ﾛ)日本経済の状況の表すデータ（たとえば，GDPや為替レート）を収集する • （ﾊ）推定モデル(説明変数)を考える • （ﾆ）TSPで回帰分析(因果関係を統計的に解明)をする

  6. 財務データ収集 • (1)企業を１社選択　例：日産自動車 • (2)被説明変数を決定　例：利潤率 • (3)説明変数を決定 例：広告　売上高成長率　売上高 • (4)データ収集　 • 　例：売上高　営業利益　広告 を１９７６年から２００４年収集し， • 　決算月の変更がや年２回決算をしていないかチェック⇒している場合には会社変更する • TSP形式でで保存．例えば，nissan

  7. 企業の時系列データの分析方法 第１ステップ：データを収集します。 企業時系列データ収集方法は以下で説明しています http://www1.doshisha.ac.jp/~tnakao/zaimuTime.pdf 第２ステップ：以下のサイトよりXXTSPダウンロードします. http://www1.doshisha.ac.jp/~tnakao/ 第３ステップ：XXTSPを起動．初期画面の説明は以下． http://www1.doshisha.ac.jp/~tnakao/HowToUseXXTSP.mht 第４ステップ：新しいTSPプログラムを作成．説明は下にあります． http://xplala.aa0.netvolante.jp/class/HowToTSPTime.mht 第５ステップ：プログラムを実行します（初期画面を参照）.

  8. TSPプログラム作成 XXTSP起動 し，以下のプログラムを作成 Options crt ; Freq a ; smpl 1976 2004; Read(File=‘nissan.csv') CD Y URI RIJUN KOKO; RIJURI=RIJUN/URI ; LURI=LOG(URI) ; smpl 1977 2004; GRURI=URI/URI(-1) ; OLSQ RIJURI C KOKO GRURI LURI;

  9. TSPプログラム実行⇒結果

  10. データチェック ・・・ 略・・・ Read(File=‘nissan.txt’) CD Y URI RIJUN KOKO; ＰｒｉｎｔCD Y URI RIJUN KOKO; ・・・ 略・・・ 上の１行を追加して印刷されたデータをチェエク CDの下にはコード番号，Yの下には１９８０， １９８１のような年号がそろっていればOK そろっていない場合には原因を追求する

  11. マクロデータの追加 日産の利潤率に影響を与えるマクロデータ＝説明変数を考える 　例：為替レートKWS　経済成長率GRGDP マクロデータ収集 　例：為替レートとGDPを年度データで１９７６年から２００３年 ほとんどの企業は３月決算であるため，１年ずれる！ 　 ファイル名は例えば，Macro.CSVとする．

  12. XXTSPでプログラム改訂 • マクロ経済データを収集した後には， このデータを日産のTSPプログラムで読み込む必要があります．XXTSPを立ち上げて， ｢このTSPファイルを変更」ボタン をクリックし，日産のTSPプログラムを 画面に表示します. この画面で， マクロデータを読み込んで，推定で使うように，次のスライドのように，プログラムを自分で修正します.

  13. TSPプログラム修正（赤い字の部分を追加） • Options crt ； • Freq a ； • smpl 19762004； 売上高 営業利益 広告　 • Read(File=‘nissan.ｃｓｖ') CD Y URI RIJUN KOKO； • Read(File='Macro.csv') Y2 KWSGDP； • RIJURI=RIJU/SSN ; 利潤率の計算 • LURI=LOG(LURI) ; 売上高を対数にする • smpl 19772004； 成長率の計算のためのサンプル修正 • GRURI=URI/URI(-1) ； 売上高成長率の計算 • GRGDP=GDP/GDP(-1) ； 経済成長率の計算 • OLSQ RIJURI C KOKO GRURI LURI GRGDPKWS；

  14. プログラム実行⇒推定結果

  15. データチェック ・・・ 略・・・ Read(File=' macro.csv') Y2 KWS GDP; ＰｒｉｎｔY2 MWS GDP; ・・・ 略・・・ 上の１行を追加して印刷されたデータをチェエク Y2の下には１９８０，１９８１のような年号がそろっていればOK そろっていない場合には原因を追求する

  16. ダミー変数 • 日産は1999年からゴーン社長．変化した？ • 分析するにはダミー変数を • １９76年から2004年の間で自分で作る • read gdum ; • 0 0 0 0 0 0 0 0 0 0 ⇒ 1976-1985 • 0 0 0 0 0 0 0 0 0 0 　 ⇒ 1986-1995 • 0 0 0 1 1 1 1 11; ⇒ 1996-2004

  17. ダミー変数のプログラム Options crt ;Freq a ; smpl 1976 2004; Read(File=‘nissan.ｃｓｖ’) CD Y URI RIJUN KOKO; read gdum ; 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 11; RIJURI=RIJUN/URI ; LURI=LOG(URI) ; smpl 1977 2004; GRURI=URI/URI(-1) ; OLSQ RIJURI C KOKO GRURI LURIｇｄｕｍ;

  18. ダービンワトソン値① • 推定結果の右上の上から２行目に • 例えば， • Durbin-Watson = .677032 [.000,.000] • というような表示があります． • このダービンワトソン値が1.6より小さい場合には推定結果が信頼できません． • 重要な説明変数が抜けているか，推定式の形が真実でないためです．

  19. ダービンワトソン値② • ダービンワトソン値が1.6より小さい場合にはまずは，抜けている説明変数を考えて追加してください． • これがうまく行かない場合には OLSQ RIJURI C KOKO GRURI LURI; の代わりに AR1 RIJURI C KOKO GRURI LURI; としてください．

  20. 推定結果の最下行にRHOが追加されその他の説明変数の推定結果が変化する推定結果の最下行にRHOが追加されその他の説明変数の推定結果が変化する

  21. 複数のOLSQ • 複数のOLSQを一度に推定することもできる • 例えば， OLSQ RIJURI C KOKO GRURI LURI GRGDP KWS ; OLSQ RIJURI C KOKO GRURI LURI ; を同時に計算すればGRGDP KWS を加えないケースと加えたケースが推定される．

  22. 複数モデルからの選択 複数のOLSQを実行すれば，その中からどれかを選択する必要が出てくるケースがある．例えば， GRGDP KWS を加えないケースと加えたケース どちらかを選択する必要がある場合には 推定結果の上にある Adjusted R-squared＝ の値をみて比較する

  23. Adjusted R-squaredの比較 Adjusted R-squaredは被説明変数のばらつきを説明する比率を示すから大きいほど良い．例えば， GRGDP KWS を加えないケース Adjusted R-squared＝．７５０１ 加えたケース Adjusted R-squared＝．８９１０ であれば加えたケースがより説明力があり， こちらを選択するのがよい

More Related