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
3500
3000
2500
2000
1500
1000
500
0
1989年度
1994年度
1999年度
2004年度
-500
-1000
 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
 (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
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２００
４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
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）.
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;
TSPプログラム実行⇒結果
Estimated Standard
Variable Coefficient Error
t-statistic P-value
C
0.580551 0.35142 1.65202 [.112]
KOKO
9.89E-07 3.54E-07 2.79235 [.010]
GRURI
0.242514 0.048954 4.95391 [.000]
LURI
-0.0557 0.022627 -2.4617 [.021]
データチェック
・・・略・・・
Read(File=‘nissan.txt’) CD Y URI RIJUN KOKO;
Ｐｒｉｎｔ CD 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
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２
００３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．
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.

TSPプログラム修正（赤い字の部分を追加）











Options crt ；
Freq a ；
smpl 1976 2004；
売上高営業利益広告
Read(File=‘nissan.ｃｓｖ') CD Y URI RIJUN KOKO；
Read(File='Macro.csv') Y2 KWS GDP；
RIJURI=RIJU/SSN ; 利潤率の計算
LURI=LOG(LURI) ; 売上高を対数にする
smpl 1977 2004；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 GRGDP
KWS；
プログラム実行⇒推定結果
Variable
C
KOKO
GRURI
LURI
GRGDP
KWS
Estimated Standard
Coefficient Error
t-statistic
0.580551
0.35142
1.65202
9.89E-07
3.54E-07
2.79235
0.242514
0.048954
4.95391
-0.0557
0.022627
-2.4617
1.242514
0.413711
2.99979
12.0557
3.814367
3.14617
P-value
[.112]
[.010]
[.000]
[.021]
[.008]
[.004]
データチェック
・・・略・・・
Read(File=' macro.csv') Y2 KWS GDP;
Ｐｒｉｎｔ Y2 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
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 ;
0000 0
0000 0
0000 0
0000 0
0001 1
1 1 1 1;
⇒ 1976-1985
⇒ 1986-1995
⇒ 1996-2004
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 ;
0000 0
0000 0 0000 0
0000 0
0001 1
1 1 1 1;
RIJURI=RIJUN/URI ;
LURI=LOG(URI) ;
smpl 1977 2004;
GRURI=URI/URI(-1) ;
OLSQ RIJURI C KOKO GRURI LURI ｇｄｕｍ;
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．
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．
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
Estimated Standard
Variable Coefficient Error
t-statistic
C
0.550551
0.35142 1.65202
KOKO
9.89E-07 3.54E-07 2.79235
GRURI
0.232514 0.048954 4.95391
LURI
-0.0547 0.022627 -2.4617
GRGDP
1.222514 0.413711 2.99979
KWS
11.8557 3.814367 3.14617
RHO
0.774023 0.136682 5.66294
P-value
[.112]
[.010]
[.000]
[.021]
[.008]
[.004]
[.000]
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．
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
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

Download Report