Стохастический анализ. Способы стохастического факторного анализа и оптимизации показателей

12.1. Дисперсный анализ.

12.2. Регрессионный анализ.

12.3. Корреляционный анализ.

12.4. Кластерный анализ.

Обучающий тренинг.

Функционирование экономики Украины в рыночной среде требует изучения и учета действия целого комплекса факторов для оперативного принятия и реализации взвешенных управленческих решений. При этом традиционных методов и методов детерминированного факторного анализа уже недостаточно в связи с ограниченностью их аналитических возможностей, недостаточностью информационного обеспечения и тому подобное. Поэтому возникает необходимость широкого применения методов стохастического факторного анализа, которые, в отличие от жестко регламентированных методов детерминированного анализа, основанных на функциональной зависимости результативного показателя от факторных, позволяют учесть влияние совокупности факторов, которые носят вероятностный, неопределенный характер.

К методам стохастического факторного анализа относятся: дисперсионный, регрессионный, корреляционный, компонентный, многомерный и другие виды анализа.

Дисперсионный анализ

Дисперсия (лат. Dispersio - рассеяние) часто применяется в теории вероятностей и математической статистике. Означает степень рассеяния вокруг среднего значения случайной величины. В статистическом смысле дисперсия является среднее арифметическое из квадратов отклонений величин от их среднего арифметического. На практике при проведении анализа экономического состояния предприятия или отрасли часто необходимо оценить рассеяние возможных значений случайной величины вокруг ее среднего значения, а также выявить и измерить силу связи между факторными и результативным признаками.

Дисперсионный анализ - это статистический метод, предназначенный для установления структуры связи между результативным и факторными признаками. Он позволяет определить влияние одного или нескольких факторов на результативный показатель.

Дисперсионный анализ может применяться при ограниченном количестве единиц наблюдения. К тому же он особенно эффективен в условиях, когда результативный признак существенно изменяется под одновременным действием нескольких факторов с неодинаковой силой воздействия.

Дисперсионный метод анализа играет большую роль в экономических исследованиях благодаря тому, что он имеет самостоятельное значение. Благодаря этому методу решаются следующие задачи:

Количественное измерение силы влияния факторных признаков и их сочетаний на результативную;

Оценка вероятности воздействия и его доверительных границ;

Анализ отдельных средних и статистическая оценка их разности.

Кроме того, в углубленном анализе дисперсионный метод может выполнять вспомогательные функции, которые позволяют обоснованно использовать другие методы анализа.

Решение задачи измерения связи опирается на разложение суммы квадратов отклонений исследуемых значений результативного признака от общей средней на отдельные части, которые обусловливают изменение этого признака. Если совокупность разбита на группы, то при этом рассчитываются общая, групповая, средняя из групповых и межгрупповую дисперсии.

Общая дисперсия () - это средний квадрат отклонений отдельных значений признаков (х) от их средней величины. Она вычисляется по формуле

где - общее среднее для всей изучаемой совокупности;

f - объем совокупности (количество единиц).

Общая дисперсия отражает вариацию исследуемого признака за счет всех условий, влияющих на нее в этой совокупности.

Групповая дисперсия () является средним квадратом отклонений вариантов признака (х) от групповой средней величины. Рассчитывается по формуле

где - групповая средняя;

i - порядковый номер х и f в пределах группы. Групповая дисперсия характеризует вариацию признака в группе за счет всех других факторов, за исключением того, который положен в основу группировки.

Чтобы измерить такую вариацию для совокупности в целом, необходимо найти среднюю по групповым дисперсий.

Средняя из групповых дисперсий () определяется по формуле

Средняя из групповых дисперсий характеризует случайную вариацию в каждой отдельной группе. Эта вариация возникает под влиянием других факторов, не учитываются и не зависит от признака-фактора, положенного в основу группировки.

Межгрупповая дисперсия () или дисперсия групповых средних измеряет вариацию результативного признака за счет факторного признака, положенного в основу группировки. Ее формула

Пример. По данным табл. 12.1 сделать дисперсионный анализ вариации урожайности озимой пшеницы по двум производственными подразделениями. При этом второе подразделение внес минеральные удобрения, а первый - нет.

Таблица 12.1. Посевные площади и урожайность озимой пшеницы в хозяйстве по двум производственными подразделениями

Рассчитаем сначала среднюю урожайность по хозяйству:

Определим среднюю из групповых дисперсий как среднюю арифметическую взвешенную с групповых дисперсий:

Найдем межгрупповую дисперсию:

Тогда общая дисперсия по урожайности озимых зерновых составит:

Итак, о связи между исследуемыми признаками можно судить с помощью коэффициента детерминации, который является отношением межгрупповой дисперсии к общей и записывается в виде формулы

Коэффициент детерминации показывает степень участия факторного признака в формировании общей изменчивости результативного признака. В частности, по нашему примеру степень влияния количества внесенных удобрений на урожайность зерновых составляет 80,5%:

Или 80,5%.

Степень влияния других неучтенных факторов на результативный признак вычисляют по соотношению

Или 19,5%.

Степень влияния других неучтенных факторов равна 19,5%.

Однако чаще всего в экономическом анализе в качестве показателя тесноты связи применяется корреляционное отношение (эмпирическое), которое является корнем второй степени с коэффициента детерминации. Формула его такова:

В нашем примере.

Это свидетельствует о том, что минеральные удобрения существенно влияют на урожайность озимой пшеницы.

Для подтверждения существенности связи используем критерий Фишера

где, - число степеней свободы;

n - число единиц совокупности;

m - количество групп.

Итак,.

С помощью таблицы критических значений F-критерия сравним полученный критерий с критическим значением для уровня вероятности 0,95. Для уровня значимости а = 0,05 табличное значение не превышает 2,99. Поскольку рассчитанное значение критерия Фишера больше критического (922,7> 2,99), то это подтверждает существенность связи между количеством внесенных удобрений и урожайностью озимой пшеницы.

Введение……………………………………………………………………...	3
1. Факторный анализ…………………………………………………………...	4
2. Задачи факторного анализа…………………………………………………	6
3. Методы факторного анализа………………………………………………..	9
3.1. Детерминированный факторный анализ…………………………………...	9
3.1.1. Модели детерминированного факторного анализа………………………..	10
детерминированном факторном анализе…………………………………..	18
3.2. Стохастический факторный анализ…………………………………………	19
3.2.1. Методы стохастического факторного анализа…………………………….	21
Заключение…………………………………………………………………...	22
Список используемой литературы………………………………………….	24

Введение.

Экономический анализ – система специальных знаний, обеспечивающая изучение хозяйственных процессов и явлений в их взаимосвязи и взаимозависимости. Только с помощью анализа можно научно обосновать технико-экономические показатели работы предприятия и определить их взаимосвязь и роль в хозяйственной деятельности предприятия, выявить влияние факторов, измерить их действие и оценить. Современный уровень производства требует повышения качества работы во всех его звеньях, усиления роли экономических рычагов управления с тем, чтобы способствовать повышению эффективности производства.

Всю систему управления можно разделить на три взаимосвязанные стадии: планирование, учет и анализ. Анализ занимает промежуточное положение между сбором экономической информации и принятием управленческих решений. Все виды учета представляют соответствующую информацию предприятию (статическую, оперативную, бухгалтерскую). Любая информация должна быть изучена и исследована, этим занимается экономический анализ, предъявляя соответствующие требования к качеству, достоверности, глубины информации.

Экономический анализ используется как при изучении народного хозяйства страны, так и хозяйственной деятельности предприятий.

Высшая математика имеет тесную связь, т.к. принятие оптимальных решений в анализе вытекает на основе экономико-статистических и математических приемов.

Широкое использование математических методов является важным направлением совершенствования экономического анализа, повышает эффективность анализа деятельности предприятий и их подразделений. Это достигается за счет сокращения сроков проведения анализа, более полного охвата влияния факторов на результаты коммерческой деятельности, замены приближенных или упрощенных расчетов точными вычислениями, постановки и решения новых многомерных задач анализа, практически не выполнимых вручную или традиционными методами.

Применение математических методов в экономическом анализе деятельности предприятия требует:

Системного подхода к изучению экономики предприятий, учета всего множеств существенных взаимосвязей между различными сторонами деятельности предприятий; в этих условиях сам анализ все более приобретает черты системного в кибернетическом смысле слова;

Совершенствование системы экономической информации о работе предприятий;

наличия технических средств (ЭВМ и др.), осуществляющих хранение, обработку и передачу экономической информации в целях экономического анализа;

организации специального коллектива аналитиков, состоящего из экономистов-производственников, специалистов по экономико-математическому моделированию, математиков-вычислителей, программистов-операторов и др.

Сформулированная математически задача экономического анализа может быть решена одним из разработанных математических методов.

1. Факторный анализ.

Методы элементарной математики используются в обычных традиционных экономических расчетах при обосновании потребностей в ресурсах, учете затрат на производство, разработке планов, проектов, при балансовых расчетах и т. д.

Выделение методов классической высшей математики обусловлено тем, что они применяются не только в рамках других методов, например методов математической статистики и математического программирования, но и отдельно. Так, факторный анализ изменения многих экономических показателей может быть осуществлен с помощью дифференцирования и интегрирования.

Под экономическим факторным анализом понимается постепенный переход от исходной факторной системы к конечной факторной системе, раскрытие полного набора прямых, количественно измеряемых факторов, оказывающих влияние на измерение результативного показателя.

Функционально - детерминированная связь – это связь, при которой каждому значению факторного признака соответствует вполне определённое неслучайное значение результативного признака. Связь, при которой каждому значению факторного признака соответствует множество значений результативного признака (т.е. определённое статистическое распределение) – стохастическая (вероятностная) связь. Соответственно типу связи аналитические приёмы и способы делятся на методы детерминированного факторного анализа и методы стохастического факторного анализа.

2. Задачи факторного анализа.

Рассмотрим примерную классификацию задач факторного анализа работы предприятий с точки зрения использование математических методов.

При прямом факторном анализе выявляются отдельные факторы, влияющие на изменение результативного показателя процесса, устанавливаются формы детерминированной (функциональной) или стохастической зависимости между результативным показателем и определенным набором факторов и, наконец, выясняется роль отдельных факторов в изменении результативного экономического показателя.

Постановка задачи прямого факторного анализа распространяется на детерминированный и стохастический случай.

Пусть у=f(x) - некоторая функция, характеризующая изменение результативного показателя или процесса; х 1 , х 2 , ...,х n , - факторы, от которых зависит функция f(x i).Задана функциональная детерминированная форма связи изучаемого показателя у с набором факторов х г х 2,.., х n ; у =f(х 1 , х 2 ,…,х n).Пусть показатель уполучил приращение (Δy) за анализируемый период. Требуется определить, какой частью, численное приращение функции у=f(x 1 ,х 2 , ..., х n)обязано приращению каждого аргумента (фактора). Сформулированная таким образом задача есть постановка задачи прямого, детерминированного факторного анализа.

Примерами прямого, детерминированного, факторного анализа являются; анализ влияния производительности труда и численности работающих на объем произведенной продукции (у - объем продукции; х, z - факторы; задана функциональная форма связи y =х× z ); анализ влияния величины прибыли, стоимости основных производственных фондов и нормируемых оборотных средств на уровень рентабельности (у - уровень рентабельности; х, z , v - соответствующие факторы; заданная функциональная форма связи y=x/(z+v)). Задачи прямого детерминированного факторного анализа - наиболее распространенная группа задач в анализе хозяйственной деятельности.

Рассмотрим особенности постановки задачи прямого стохастического факторного анализа. Если в случае прямого детерминированного факторного анализа исходные данные для анализа имеются в форме конкретных чисел, то в случае прямого стохастического факторного анализа заданы выборкой (временной или поперечной). Решения задач стохастического факторного анализа требуют: глубокого экономического исследования для выявления основных факторов, влияющих на результативный показатель; подбора вида регрессии, который бы наилучшим образом отражал действительную связь изучаемого показателя с набором факторов; разработки метода, позволяющего определить влияние каждого фактора на результативный показатель.

Если результаты прямого детерминированного анализа должны получиться точными и однозначными, то стохастического - с некоторой вероятностью (надежностью), которую следует оценить.

Примером прямого стохастического факторного анализа является регрессионный анализ производительности труда и других экономических показателей.

В экономическом анализе, кроме задач, сводящихся к детализации показателя, к разбивке его на составляющие части существует группа задач, где требуется увязать ряд экономических характеристик в комплексе, т. е, построить функцию содержащую в себе основное качество всех рассматриваемых экономических показателей-аргументов, т. е. задач синтеза. В данном случае ставится обратная задача (относительно задачи прямого факторного анализа) - задача объединения ряда показателей в комплекс.

Пусть имеется набор показателей х 1, х 2 , ...,x n характеризующих некоторый экономический процесс (L). Каждый из показателей односторонне характеризует процесс L. Требуется построить функцию f ( x i ) изменения процесса L, содержащую в ceбe основные характеристики всех показателей х 1 ,х 2 ,…,х n или некоторых из них в комплексе. В зависимости от цели исследования функция f ( x i ) должна характеризовать процесс в статике или в динамике. Данная постановка задачи называется задачей обратного факторного анализа.

Задачи обратного факторного анализа могут быть детерминированными и стохастическими. Примерами задачи обратного детерминированного факторного анализа являются задачи комплексной оценки производственно-хозяйственной деятельности, а также задачи математического программирования в том числе и линейного. Примером задачи обратного стохастического факторного анализа могут служить производственные функции, которыми устанавливаются зависимости между величиной выпуска продукции и затратами производственных факторов (первичных ресурсов).

Для детального исследования экономических показателей или процессов необходимо проводить не только одноступенчатый, но и цепной факторный анализ: статический (пространственный) и динамический (пространственный и во времени)

Пусть исследуется экономический показатель у, х 1 х 2 ,…, х n - факторы, влияющие на этот показатель. В зависимости от цели исследования анализируется поведение показателя y одним
из методов факторного анализа. Если x l , x 2 , ..., х n -функции более первичных факторов, то для анализа у надо объяснить поведение х 1 х 2 ,…, х n ; для этого проводят дальнейшую детализацию:

х 1 =l 1 (z 1 ,z 2 ,…z m);

х 2 =l 2 (λ 1 , λ 2 ,… λ k);

……………………..

х n =l n (p 1 , p 2 ,… p e);

Детализация факторов может быть продолжена и дальше. Закончив ее, решают обратную задачу факторного анализа, синтезируя результаты исследования для характеристики результативного показателя у.Такой метод исследования называется цепным статическим методом факторного анализа.

При применении цепного динамического факторного анализа для полного изучения поведения результативного показателя недостаточно его статического значения; факторный анализ показателя проводится на различных интервалах дробления времени, на которых исследуется показатель.

Экономический факторный анализ может быть направлен на выяснение действия факторов, формирующих результаты хозяйственной деятельности, по различным источникам пространственного или временного происхождения.

Анализ динамических (временных) рядов показателей хозяйственной деятельности, расщепление уровня ряда на его составляющие (основную линию развития - тренд, сезонную, или периодическую составляющую, циклическую составляющую, связанную с воспроизводственными явлениями, случайную составляющую) - задача временного факторного анализа.

Классификация задач факторного анализа упорядочивает постановку многих экономических задач, позволяет выявить общие закономерности в их решении» При исследовании сложных экономических процессов возможна комбинация постановки задач, если последние не относятся целиком к какому-либо типу, указанному в классификации.

3. Методы факторного анализа.

3. 1. Детерминированный факторный анализ

Воснове детерминированного моделирования факторной системы лежит возможность построения тождественного преобразования для исходной формулы экономического показателя по теоретически предполагаемым прямым связям переднего с другими показателями-факторами. Детерминированное моделирование факторных систем - это простое и эффективное средство формализации связи экономических показателей; оно служит основой для количественной оценки роли отдельных факторов в динамике изменения обобщающего показателя.

Детерминированное моделирование факторных систем ограничено длиной факторного поля прямых связей. При недостаточном уровне знаний о природе прямых связей того или иного показателя хозяйственной деятельности часто необходим иной подход к познанию объективной действительности. Размах количественных изменений экономических показателей можно выяснить только стохастическим анализом массовых эмпирических данных.

При детерминированном факторном анализе модель изучаемого явления не изменяется по хозяйственным объектам и периодам (так как соотношения соответствующих основных категорий стабильны). При необходимости сравнения результатов деятельности отдельных хозяйств или одного хозяйства в отдельные периоды может возникать лишь вопрос о сопоставимости выявленных на основе модели количественных аналитических результатов.

3.1.1. Модели детерминированного факторного анализа.

Детерминированный факторный анализ представляет собой методику исследования влияния факторов, связь которых с результативным показателем носит функциональный характер, т.е. может быть выражен математической зависимостью. Детерминированные модели могут быть разного типа: аддитивные, мультипликативные, кратные, смешанные.

Аддитивные модели.

Аддитивные модели представляют собой алгебраическую сумму показателей и имеют следующую математическую интерпретацию:

В качестве примера можно привести балансовую модель товарного обеспечения:

где N p – общий объём реализации;

N зап.1 – запасы товара на начало периода;

N n – объём поступления;

N выб – прочее выбытие товаров;

N зап.2 – запасы товаров на конец анализируемого периода.

Мультипликативная модель.

Мультипликативная модель представляет собой произведение факторов.

Примером мультипликативной модели является двухфакторная модель объёма реализации:

где Ч – среднесписочная численность работников;

В – выработка на одного работника.

2.1.3 Кратные модели

Кратные модели представляют собой отношение факторов и имеют вид:

где Z – совокупный показатель.

Например:

где – срок оборачиваемости товаров (в днях);

Средний запас товаров;

n р – однодневный объём реализации.

Смешанные модели.

Смешанные модели представляют собой комбинацию перечисленных моделей. Примером смешанной модели является формула расчёта интегрального показателя рентабельности

где R к – рентабельность капитала;

R np – рентабельность продаж;

F e – фондоёмкость основных средств;

E з – коэффициент закрепления оборотных средств.

Логарифмический способ.

Логарифмический способ применим к кратным и мультипликативным моделям. Он основан на логарифмировании отклонения отчётного и базисного значений результативного признака, равного отношению соответствующих произведений факторов, так как изменение показателей может быть оценено с помощью как абсолютных, так и относительных показателей.

Способ долевого участия.

Способ долевого участия. Этот способ заключается в определении доли каждого фактора в общей сумме их приростов, которая затем умножается на общий прирост совокупного показателя. Этот метод применяется к аддитивным моделям и чаще всего для оценки влияния факторов второго или третьего порядков.

Для примера рассмотрим модель зависимости фонда заработной платы от средней заработной платы и численности персонала.

где ФЗ – фонд заработной платы;

ЗП – средняя заработная плата;

Ч - среднесписочная численность.

В свою очередь средняя заработная плата равна сумме средних выплат по тарифным ставкам, доплат, надбавок (ДН) и дополнительной заработной платы (ДЗ).

Модель примет вид:

Пользуясь способом разниц, рассчитаем влияние средней заработной платы и численности персонала на изменение фонда заработной платы по данным таблицы.

Итого: 68400 руб.

Данные для расчёта

Для определения влияния каждого вида выплат на изменение фонда заработной платы рассчитаем долю (D) влияния каждого вида выплат на среднюю заработную плату:

Влияние каждого вида выплат на фонд заработной платы составит:

Итого: 52000 руб.

Сведём полученные результаты в таблицу.

Влияние факторов на фонд заработной платы

Проведённый расчёт показывает, что увеличение фонда заработной платы на 23,5% вызвано ростом среднесписочной численности персонала и на 76,5% - изменением средней заработной платы.

Индексный метод.

Индексный метод основан на построении факторных (агрегированных) индексов. Применение агрегированных индексов означает последовательное элиминирование влияния отдельных факторов на совокупный показатель. Преимущество индексного метода заключается в том, что он позволяет произвести «разложение» по факторам не только абсолютное изменение показателя, но и относительное, что особенно важно при изучении факторных динамических моделей.

Так, индекс изменения выпуска продукции можно выразить через произведение индексов численности и выработки:

С помощью индексного метода можно определить влияние факторов, в том числе структурных сдвигов, на абсолютное отклонение результативного показателя.

Индексный метод целесообразно применять в том случае, когда каждый фактор является сложным (совокупным) показателем. Например, численность персонала предприятия представляет собой соотношение численности отдельных категорий работников или рабочих различных разрядов. Изменение объёма выпуска продукции происходит не только под влиянием численности и выработки, но и структурных сдвигов в составе персонала.

Интегральный способ.

Интегральный способ позволяет достичь полного разложения результативного показателя по факторам и носит универсальный характер, т.е. применим к мультипликативным, кратным и смешанным моделям.

Операция вычисления определённого интеграла по заданной подынтегральной функции и заданному интервалу интегрирования выполняется на ПЭВМ.

Метод цепных подстановок.

Метод цепных подстановок заключается в определении ряда промежуточных значений результативного показателя путем последовательной замены базисных значений факторов на отчетные. Данный способ основан на элиминировании. Элиминировать - значит устранить, исключить воздействие всех факторов на величину результативного показателя, кроме одного. Предполагается, что все факторы изменяются независимо друг от друга, т.е. сначала изменяется один фактор, а все остальные остаются без изменения, потом изменяются два при неизменности остальных и т.д.

В общем виде применение способа цепных постановок можно описать следующим образом:

Преимущества данного способа: универсальность применения; простота расчетов.

Недостаток метода состоит в том, что, в зависимости от выбранного порядка замены факторов, результаты факторного разложения имеют разные значения. Это связано с тем, что в результате применения этого метода образуется некий неразложимый остаток, который прибавляется к величине влияния последнего фактора. На практике точностью оценки факторов пренебрегают, выдвигая на первый план относительную значимость влияния того или иного фактора. Однако существуют определенные правила, определяющие последовательность подстановки:

При наличии в факторной модели количественных и качественных показателей в первую очередь рассматривается изменение количественных факторов;

если модель представлена несколькими количественными и качественными показателями, то в первую очередь определяется влияние факторов первого порядка, затем второго и т.д.

Под количественным факторамипри анализе понимают те, которые выражают количественную определенность явлений и могут быть получены путем непосредственного учета (количество рабочих, станков, сырья и т.д.).

Качественные факторыопределяют внутренние качества, признаки и особенности изучаемых явлений (производительность труда, качество продукции, средняя продолжительность рабочего дня и т.д.).

Метод абсолютных разниц.

Метод абсолютных разниц является модификацией способа цепной подстановки. Изменение результативного показателя за счет каждого фактора определяется как произведение абсолютного прироста исследуемого фактора на базисную величину факторов, которые находятся справа от него и отчетную величину факторов, расположенных слева от него в модели.

Метод относительных разниц.

Метод относительных разниц также является одной из модификаций способа цепной подстановки. Применяется для измерения влияния факторов на прирост результативного показателя в мультипликативных моделях. Он используется в случаях, когда исходные данные содержат определенные ранее относительные отклонения факторных показателей в процентах.

Для мультипликативных моделей типа у = а. в. с методика анализа следующая:

находят относительное отклонение каждого факторного показателя:

определяют отклонение результативного показателя у за счет каждого фактора:

3.1.2.Способы оценки влияния факторов

в детерминированном факторном анализе.

Задача детерминированного факторного анализа заключается в определении или количественной оценке влияния каждого фактора на результативный показатель.

Наиболее часто применяется способ цепных подстановок, основанный, как и ряд других, на элиминировании. Элиминировать – это значит устранить, исключить воздействие всех факторов на величину результативного показателя, кроме одного.

Количество расчётов может быть несколько сокращено, если использовать модификацию способа цепных подстановок – способ разниц.

Изменение результативного показателя за счёт каждого фактора способом разниц определяется как произведение отклонения изучаемого фактора на базисное или отчётное значение другого (других) факторов в зависимости от выбранной последовательности подстановки.

3.2. Стохастический факторный анализ.

Стохастический анализ направлен на изучение косвенных связей, т. е. опосредованных факторов (в случае невозможности определения непрерывной цепи прямой связи). Из этого вытекает важный вывод о соотношении детерминированного и стохастического анализа: так как прямые связи необходимо изучать в первую очередь, то стохастический анализ носит вспомогательный характер. Стохастический анализ выступает в качестве инструмента углубления детерминированного анализа факторов, по которым нельзя построить детерминированную модель.

Стохастическое моделирование факторных систем взаимосвязей отдельных сторон хозяйственной деятельности опирается на обобщение закономерностей варьирования значений экономических показателей - количественных характеристик факторов и результатов хозяйственной деятельности. Количественные параметры связи выявляются на основе сопоставления значений изучаемых показателей в совокупности хозяйственных объектов или периодов. Таким образом, первой предпосылкой стохастического моделирования является возможность составить совокупность наблюдений, т. е. возможность повторно измерить параметры одного и того же явления в различных условиях.

В стохастическом анализе, где сама модель составляется на основе совокупности эмпирических данных, предпосылкой получения реальной модели является совпадение количественных характеристик связей в разрезе всех исходных наблюдений. Это означает, что варьирование значений показателей должно происходить в пределах однозначной определенности качественной стороны явлений, характеристиками которых являются моделируемые экономические показатели (в пределах варьирования не должно происходить качественного скачка в характере отражаемого явления). Значит, второй предпосылкой применяемости стохастического подхода моделирования связей является качественная однородность совокупности (относительно изучаемых связей).

Изучаемая закономерность изменения экономических показателей (моделируемая связь) выступает в скрытом виде. Она переплетается со случайными с точки зрения исследования (неизучаемыми) компонентами вариации и ковариации показателей. Закон больших чисел гласит, что только в большой совокупности закономерная связь выступает устойчивее случайного совпадения направления варьирования (случайной к
вариации). Из этого вытекает третья предпосылка стохастического анализа -достаточная размерность (численность) совокупности наблюдений» позволяющая с достаточной надежностью и точностью выявить изучаемые закономерности (моделируемые связи). Уровень надежности и точности модели определяется практическими целями использования модели в управлении производственно-хозяйственной деятельностью.

Четвертая предпосылка стохастического подхода - наличие методов, позволяющих выявить количественные параметры экономических показателей из массовых данных варьирования уровня показателей. Математический аппарат применяемых методов иногда предъявляет специфические требования к моделируемому эмпирическому материалу. Выполнение данных требований является важной предпосылкой применяемости методов и достоверности полученных результатов.

Основная особенность стохастического факторного анализа заключается в том, что при стохастическом анализе нельзя составлять модель путем качественного (теоретического) анализа, необходим количественный анализ эмпирических данных.

3.2.1. Методы стохастического факторного анализа.

Способ парной корреляции.

Метод корреляционного и регрессионного (стохастического) анализа широко используется для определения тесноты связи между показателями, не находящимися в функциональной зависимости, т.е. связь проявляется не в каждом отдельном случае, а в определенной зависимости.

С помощью корреляции решаются две главные задачи:

1) составляется модель действующих факторов (уравнение регрессии);

2) дается количественная оценка тесноты связей (коэффициент
корреляции).

Матричные модели.

Матричные модели представляют собой схематическое отражение экономического явления или процесса с помощью научной абстракции. Наибольшее распространение здесь получил метод анализа «затраты-выпуск», строящийся по шахматной схеме и позволяющий в наиболее компактной форме представить взаимосвязь затрат и результатов производства.

Математическое программирование.

Математическое программирование - это основное средство решения задач по оптимизации производственно-хозяйственной деятельности.

Метод исследования операций.

Метод исследования операций направлен на изучение экономических систем, в том числе производственно-хозяйственной деятельности предприятий, с целью определения такого сочетания структурных взаимосвязанных элементов систем, которое в наибольшей степени позволит определить наилучший экономический показатель из ряда возможных.

Теория игр.

Теория игр как раздел исследования операций - это теория математических моделей принятия оптимальных решений в условиях неопределенности или конфликта нескольких сторон, имеющих различные интересы.

Заключение.

Установлено, что показателем технического состояния объекта может служить среднее расстояние между факторными нагрузками для выделенной группы параметров. Не исключено, что для этой цели могут использоваться и другие метрики нагрузок на общие факторы.

С целью определения критических значений контролируемых расстояний между факторными нагрузками следует накапливать и обобщать результаты факторного анализа для однотипных объектов. Исследование показало, что наблюдение за общими факторами и соответствующими факторными нагрузками - это выявление внутренних закономерностей процессов в объектах.

Применение методики факторного анализа не ограничено физическими особенностями процессов, происходящих в технических объектах, и поэтому она (методика) может быть использована при исследовании самых различных явлений и процессов в технике, биологии, психологии, социологии и т. п.

Список используемой литературы.

1. Артеменко В.Г, Бллендир М.В. Финансовый анализ: Учебное пособие. - 2-е изд., перераб. и доп. - М.: «Дело и Сервис»; Новосибирск: «Сибирское соглашение», 1999;

2. Баканов М.И., Шеремет А.Д. Теория экономического анализа: Учебник. - 4-е изд., доп. и перераб., - М.: «Финансы и статистика», 1997;

3. Балабанов И.Т. Анализ и планирование финансов хозяйствующего субъекта. -М.: «Финансы и статистика», 1998;

4. Басовский Л.Е. Теория экономического анализа. -М.: Инфра-М, 2001 г;

5. Демченков B.C., Милета В.И. Системный анализ деятельности предприятий – М.: «Финансы и статистика», 1990;

6. Ковалев А.И., Привалов В.П. Анализ финансового состояния предприятия- М., 1999;

7. Методика анализа деятельности предприятий в условиях рыночной экономики: Учеб. пособие / В.Г. Лебедев, Д.Н. Томилина, Г.Н. Бургонова и др.; Под ред. Г.А. Краюхина; СПбГИЭА. - СПб., 1996.

Стохастический факторный анализ.

Стохастический анализ направлен на изучение косвенных связей, т. е. опосредованных факторов (в случае невозмож-ности определения непрерывной цепи прямой связи). Из этого вытекает важный вывод о соотношении детерминированного и стохастического анализа: так как прямые связи необходимо изучать в первую очередь, то стохастический анализ носит вспомогательный характер. Стохастический анализ выступает в качестве инструмента углубления детерминированного ана-лиза факторов, по которым нельзя построить детерминиро-ванную модель.

Стохастическое моделирование факторных систем взаимо-связей отдельных сторон хозяйственной деятельности опира-ется на обобщение закономерностей варьирования значений экономических показателей -- количественных характеристик факторов и результатов хозяйственной деятельности. Количе-ственные параметры связи выявляются на основе сопоставле-ния значений изучаемых показателей в совокупности хозяй-ственных объектов или периодов. Таким образом, первой предпосылкой стохастического моделирования является воз-можность составить совокупность наблюдений, т. е. возмож-ность повторно измерить параметры одного и того же явления в различных условиях.

В стохастическом анализе, где сама модель составляется на основе совокупности эмпирических данных, предпосылкой получения реальной модели является совпадение количественных характеристик связей в разрезе всех исходных наблюдений. Это означает, что варьирование значений показателей должно происходить в пределах одно-значной определенности качественной стороны явлений, хара-ктеристиками которых являются моделируемые экономичес-кие показатели (в пределах варьирования не должно проис-ходить качественного скачка в характере отражаемого явле-ния). Значит, второй предпосылкой применяемости стохастического подхода моделирования связей является качественная однородность совокупности (относительно изучаемых связей).

Изучаемая закономерность изменения экономических пока-зателей (моделируемая связь) выступает в скрытом виде. Она переплетается со случайными с точки зрения исследования (неизучаемыми) компонентами вариации и ковариации показа-телей. Закон больших чисел гласит, что только в большой совокупности закономерная связь выступает устойчивее слу-чайного совпадения направления варьирования (случайной к-вариации). Из этого вытекает третья предпосылка стохастичес-кого анализа --достаточная размерность (численность) сово-купности наблюдений» позволяющая с достаточной надежно-стью и точностью выявить изучаемые закономерности (моде-лируемые связи). Уровень надежности и точности модели определяется практическими целями использования модели в управлении производственно-хозяйственной деятельностью.

Четвертая предпосылка стохастического подхода - на-личие методов, позволяющих выявить количественные параметры экономических показателей из массовых данных варьирования уровня показателей. Математический аппарат применяемых методов иногда предъявляет специфические требования к моделируемому эмпирическому мате-риалу. Выполнение данных требований является важной предпосылкой применяемости методов и достоверности по-лученных результатов.

Основная особенность стохастического факторного ана-лиза заключается в том, что при стохастическом анализе нельзя составлять модель путем качественного (теоретичес-кого) анализа, необходим количественный анализ эмпирических данных.

Методы стохастического факторного анализа.

Способ парной корреляции.

С помощью корреляции решаются две главные задачи:

1) составляется модель действующих факторов (уравнение регрессии);

2) дается количественная оценка тесноты связей (коэффициенткорреляции).

Матричные модели.

Математическое программирование.

Метод исследования операций.

Теория игр.

STOCHASTIC METHODS OF FINANCIAL RESULTS FACTOR ANALYSIS (FOR EXAMPLE LLC «DIANA K»)

Buldakova Marina Valentinovna
Volga Region State Technological University
5th year student of the Faculty of Economics, specialty "bookkeeping, accounting, analysis and audit"

Abstract
In this article the selection of the factors affecting the earnings of LLC "Diana K" followed by an analysis of their impact. Thus identified reserves of increase of the resulting indicator in the future. During the study period - 2010-2012.

Библиографическая ссылка на статью:
Булдакова М.В. Методика стохастического факторного анализа финансовых результатов на примере ООО «Диана К» // Экономика и менеджмент инновационных технологий. 2013. № 5 [Электронный ресурс]..02.2019).

Результативность деятельности любой организации, любой организационно-правовой формы и видов деятельности в условиях рыночных отношений характеризуется способностью приносить достаточный доход или прибыль.

Активное применение математических методов и моделей позволяет повысить эффективность анализа деятельности посредством сокращения сроков проведения аналитических процедур, возможности оценить влияние на результативный показатель широкого круга факторов и точностью расчета.

Стохастический факторный анализ – позволяет исследовать взаимосвязи результативного показателя с факторами на основе вероятностных зависимостей.

Основной особенностью постановки задачи прямого стохастического факторного анализа является то, что исходные данные заданы выборкой. При решении задач стохастического факторного анализа необходимо глубокое экономическое исследование для выявления наиболее значимых факторов.

Если отсутствует возможность определения непрерывной цепи прямой связи, то применяют стохастический анализ, т.к. он направлен на изучение косвенных связей, т. е. опосредованных факторов. Стохастический анализ углубляет детерминированный анализа факторов, по которым нельзя построить детерминированную модель, т.е. он носит вспомогательный характер.

В качестве исследуемого предприятия выступает ООО «Диана К», основной вид деятельности которой производство тортов, пирожных и печенья.
Фирма «Диана К» давно существует на рынке Республики Марий Эл, ее продукция известна и востребована, как внутри республики, так и за ее пределами.

Для отбора факторов в модель воспользуемся методом экспертных оценок и проведем опрос в виде анкетирования. Для его проведения необходимо получить мнение коллектива специалистов, которые выскажут авторитетное мнение основываясь на профессиональном, научном и практическом опыте.

Перед экспертами была поставлена задача проранжировать по мере значимости влияния факторов на результативный показатель – прибыль. Ранжирование происходило по принципу: 1- наиболее значимый фактор, 9- наименее значимый. Результаты опроса представлены в табл.
1.

Таблица 1

Мнения экспертов

Факторы	Эксперты									Сумма рангов	Отклонение от средней	Квадрат отклонений
Факторы	Э1	Э2	Э3	Э4	Э5	Э6	Э7	Э8	Э9	Сумма рангов	Отклонение от средней	Квадрат отклонений
активы											3,33	11,11
численность работающих											5,67	32,11
затраты											24,33	592,11
ассортимент											4,67	21,78
кол-во поставщиков сырья											31,67	1002,78
кол-во клиентов											4,67	21,78
производительность труда											12,33	152,11
фондоотдача											12,67	160,44
оборачиваемость оборотных средств											13,33	177,78
Итого	45	45	45	45	45	45	45	45	45	405		2172

При формировании экспертной группы целесообразно провести тестирование, взаимооценку экспертов и проверку согласованности мнений. Согласованность мнения экспертов можно оценивать по величине коэффициента конкордации, который рассчитывается по формуле:

где, S - сумма квадратов отклонений всех оценок рангов каждого объекта экспертизы от среднего значения;
n - число экспертов;
m - число объектов экспертизы.

Коэффициент конкордации изменяется в диапазоне 0<W <1, причем 0 – полная несогласованность, 1 – полное единодушие.

В нашем случае данный коэффициент равен 0,5, что говорит о средней согласованности мнений экспертов.

Для построения стохастической модели отберем три фактора используем данные табл. 2. По мнению экспертов на прибыль влияют затраты, производительность труда, оборачиваемость оборотных средств и фондоотдача. Но так как затраты находятся в примой математической зависимости от прибыли от продаж брать их в расчет не имеет практического смысла.

Таблица 2

Исходные данные для стохастического факторного анализа поквартально за период 2010-2012 годы

Период	Прибыль, тыс. руб.	Фо, руб./руб.
1 (2010)	5274,00	6,65	1,48	217,52
2 (2010)	2063,00	5,58	1,26	194,54
3 (2010)	2155,00	5,90	1,21	216,95
4 (2010)	4647,00	6,71	2,01	246,79
5 (2011)	3273,00	7,44	1,41	241,60
6 (2011)	1324,00	6,41	1,16	211,44
7 (2011)	983,00	7,02	1,29	223,80
8 (2011)	3863,00	7,14	2,19	231,53
9 (2012)	1358,00	6,67	1,55	209,16
10 (2012)	820,00	7,04	1,36	215,35
11 (2012)	583,00	6,94	1,56	209,72
12 (2012)	2374,00	7,84	1,51	227,75

Во-первых, используя программные средства MS Office Excel получим данные описательной статистики. Основной показатель, который нас интересует – это коэффициент вариации, который определяется как отношение дисперсии к среднему значению показателя. Данный коэффициент должен быть меньше 35%, что свидетельствует об однородности выборки и от метода наименьших квадратов можно ожидать хороших результатов. По табл. 24 коэффициент вариации принимает значение примерно по 45% по каждому показателю. Следовательно необходимо провести сглаживание данных методом скользящей средней с интервалом равным 3 (табл. 3).

Таблица 3

Сглаженные данные для стохастического факторного анализа

Прибыль, тыс. руб.	Фо	Оборачиваемость оборотных активов, обороты	Производительность труда, тыс.руб./чел
3164,00	6,04	1,31	209,67
2955,00	6,06	1,49	219,43
3358,33	6,68	1,54	235,11
3081,33	6,85	1,53	233,28
1860,00	6,95	1,29	225,61
2056,67	6,85	1,55	222,26
2068,00	6,94	1,68	221,50
1467,00	6,95	1,70	218,68
373,67	6,88	1,49	211,41
712,33	7,27	1,47	217,61

Коэффициент вариации по таблице 3 составляет 15% это означает средний разброс показателей и по этим данным можно строить модель.

С помощью инструмента анализа регрессия получаем следующие результаты приведенные в комплексной табл. 4.

Таблица 4

Протокол решения задачи из MS Office Excel

Регрессионная статистика
Множественный R	0,944484
R-квадрат	0,892049
Нормированный R-квадрат	0,838074
Стандартная ошибка	4,18
Наблюдения
Дисперсионный анализ	df		F	Значимость F
Регрессия			16,5269739	0,00263793
Коэффициенты			t-статистика	P-Значение
Y-пересечение		2493,389	0,611003676	0,563612312
Фондоотдача, руб/руб. (x1)		2206,96	5,778376823	0,001174025
Оборачиваемость оборотных активов, обороты (x2)		171,4024	0,150625851	0,025207168
Производительность труда, тыс.руб./чел (x3)		86,87378	4,92517278	0,002643011

Величина R-квадрат, называемая также мерой определенности, характеризует качество полученной регрессионной прямой. Это качество выражается степенью соответствия между исходными данными и регрессионной моделью (расчетными данными). Множественный R – коэффициент множественной корреляции R – выражает степень зависимости независимых переменных (x) и зависимой переменной (y). Множественный R равен квадратному корню из коэффициента детерминации. Обе эти величины принимает значения в интервале от нуля до единицы. В нашем случае значение R-квадрата равно 0,89 это значит, что вариация прибыли от продаж на 89% зависит от изменения исследуемых факторов, а на долю неучтенных факторов приходится 11% ее изменения. Показатель Множественный R составляет 0,94, что говорит о тесной связи между показателями.

Значимость уравнения определяется показателем Значимость F, а значимость коэффициентов уравнения коэффициентом P-Значение. Значения для выбранных показателей должны быть меньше 0,05 это означает, что уравнение в целом значимо и значимы его коэффициенты, следовательно его можно применять для дальнейших расчетов.

На завершающем этапе исследования необходимо оценить качество уравнения посредством определения средней ошибки аппроксимации (табл.5), которая рассчитывается по формуле:

Таблица 5

Расчет средней ошибки аппроксимации

Прибыль	Yx	Yx-Y	\|(Yx-Y)/Yx\|
3164,00	2612,07	551,93	0,21
2955,00	3443,80	488,80	0,14
3358,33	3452,80	94,47	0,03
3081,33	2915,39	165,94	0,06
1860,00	1981,65	121,65	0,06
2056,67	1955,27	101,40	0,05
2068,00	1718,28	349,72	0,20
1467,00	1459,80	7,20	0,00
373,67	937,30	563,63	0,60
712,33	611,54	100,79	0,16

А = 1,2%, что соответствует допустимой погрешности и уравнение точно описывает изучаемые зависимости.

По результатам анализа получаем следующее уравнение:

Y= -2493,39-2206,96*x1+171,40*x2+86,87*x3

Коэффициенты данного уравнения получают следующую интерпретацию:

прибыль сократится на 2207% при снижении на 1 р./р. фондоотдачи организации;

прибыль увеличится на 171% при увеличении на 1 оборот оборачиваемости оборотных активов;

прибыль увеличится на 86,87 % при увеличении производительности труда на 1 тыс.руб./чел.

Как видно из расчетов наибольшее влияние на прибыль оказывает фондоотдача и оборачиваемость оборотных активов, в меньшей степени влияет влияние производительность труда.

3.2. Стохастический факторный анализ.

3.2.1. Методы стохастического факторного анализа.

Способ парной корреляции.

С помощью корреляции решаются две главные задачи:

1) составляется модель действующих факторов (уравнение регрессии);

2) дается количественная оценка тесноты связей (коэффициент
корреляции).

Матричные модели.

Математическое программирование.

Метод исследования операций.

Теория игр.

Заключение.

Факторный анализ параметров позволяет выявить на ранней стадии нарушение рабочего процесса (возникновение дефекта) в различных объектах, которое часто невозможно заметить путем непосредственного наблюдения за параметрами. Это объясняется тем, что нарушение корреляционных связей между параметрами возникает значительно раньше, чем нарушение уровня сигнала в одном измерительном канале. Такое искажение корреляционных связей позволяет своевременно обнаружить факторный анализ параметров. Для этого достаточно иметь массивы зарегистрированных параметров (информационный портрет объекта). Установлено, что показателем технического состояния объекта может служить среднее расстояние между факторными нагрузками для выделенной группы параметров. Не исключено, что для этой цели могут использоваться и другие метрики нагрузок на общие факторы. С целью определения критических значений контролируемых расстояний между факторными нагрузками следует накапливать и обобщать результаты факторного анализа для однотипных объектов. Исследование показало, что наблюдение за общими факторами и соответствующими факторными нагрузками - это выявление внутренних закономерностей процессов в объектах. Применение методики факторного анализа не ограничено физическими особенностями процессов, происходящих в технических объектах, и поэтому она (методика) может быть использована при исследовании самых различных явлений и процессов в технике, биологии, психологии, социологии и т. п.

Список используемой литературы.

3. Балабанов И.Т. Анализ и планирование финансов хозяйствующего субъекта. -М.: «Финансы и статистика», 1998;

4. Басовский Л.Е. Теория экономического анализа. -М.: Инфра-М, 2001 г;

5. Демченков B.C., Милета В.И. Системный анализ деятельности предприятий – М.: «Финансы и статистика», 1990;

6. Ковалев А.И., Привалов В.П. Анализ финансового состояния предприятия- М., 1999;

Вам могут быть интересны следующие материалы