Luck-lady.ru

Настольная книга финансиста
0 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Методом стохастического факторного анализа является

Стохастический анализ

Стохастический анализ представляет собой методику исследования факторов, связь которых с результативным показателем в отличие от функциональной является неполной, вероятностной (корреляционной). Если при функциональной (полной) зависимости с изменением аргумента всегда происходит соответствующее изменение функции, то при корреляционной связи изменение аргумента может дать несколько значений прироста функции в зависимости от сочетания других факторов, определяющих данный показатель. Например, производительность труда при одном и том же уровне фондовооруженности может быть неодинаковой на разных предприятиях. Это зависит от оптимальности сочетания других факторов, воздействующих на этот показатель.

Корреляционная (стохастическая) связь – это неполная, вероятностная зависимость между показателями, которая проявляется только в массе наблюдений. Отличают парную и множественную корреляцию.

Парная корреляция – это связь между двумя показателями, один из которых является факторным, а второй – результативным.

Множественная корреляция – возникает от взаимодействия нескольких факторов с результативным показателем.

Необходимые условия применения корреляционного анализа:

1. Наличие большого количества наблюдений о величине исследуемых факторных и результативных показателей (в динамике или за текущий год по совокупности однородных объектов).

2. Исследуемые факторы должны иметь количественное измерение и отражение в тех или иных источниках информации.

Применение корреляционного анализа позволяет решить следующие задачи:

— определить изменение результативного показателя под воздействием одного или несколько факторов, т.е. определить насколько единиц изменяется величина результативного показателя при изменении факторного на единицу;

— установить относительную степень зависимости результативного показателя от каждого фактора.

Корреляционный анализ – метод установления связи и измерения ее тесноты между наблюдениями, которые можно считать случайными и выбранными из совокупности, распределенной по многомерному нормальному закону.

Корреляционной связью называется такая статистическая связь, при которой различным значениям одной переменной соответствуют разные средние значения другой. Корреляционная связь может возникать несколькими путями. Важнейший из них – причинная зависимость вариации результативного признака от изменения факторного. Кроме того, такой вид связи может наблюдаться между двумя следствиями одной причины. Основной особенностью корреляционного анализа следует признать то, что он устанавливает лишь факт наличия связи и степень ее полноты, не вскрывая ее причин.

В экономическом анализе теснота измеряется линейным коэффициентом корреляции. Коэффициент корреляции при прямолинейной форме связи между факторами х и у определяется следующим образом:

При измерении тесноты связи при криволинейной форме зависимости используется не линейный коэффициент корреляции, а корреляционной отношение, которое рассчитывается по формуле:

где

Данная формула является универсальной. Ее можно применять для исчисления коэффициента корреляции при любой форме зависимости. Однако для его нахождения требуется предварительное решение уравнения регрессии и расчет по нему теоретических (выравненных) значений результативного показателя для каждого наблюдения исследуемой выборки.

Значения коэффициента корреляции изменяются в интервале [–1; +1]. Значение г = –1 свидетельствует о наличии жестко детерминированной обратно пропорциональной связи между факторами, г = +1 соответствует жестко детерминированной связи с прямо пропорциональной зависимостью факторов. Если линейной связи между факторами не наблюдается, то r = 0. Другие значения коэффициента корреляции свидетельствуют о наличии стохастической связи, причем, чем ближе /r/ к единице, тем связь теснее.

При /r/ 0,7 – тесной.

Если коэффициент корреляции возвести в квадрат, получим коэффициент детерминации. Он показывает насколько процентов результативный показатель зависит от факторного.

Практическая реализация корреляционного анализа включает следующие этапы:

— постановка задачи и выбор признаков;

— сбор информации и ее первичная обработка (группировки, исключение, аномальных наблюдений, проверка нормальности одномерного распределения);

— предварительная характеристика взаимосвязей (аналитические группировки, графики);

— устранение мультиколлинеарности (взаимозависимости факторов) и уточнение набора показателей путем расчета парных коэффициентов корреляции;

— исследование факторной зависимости и проверка ее значимости;

— оценка результатов анализа и подготовка рекомендаций по их практическому использованию.

Регрессионный анализ состоит из нескольких этапов .

На первом этапе определяются факторы, которые оказывают воздействие на изучаемый показатель, и отбираются наиболее существенные для корреляционного анализа. Отбор факторов – очень важный момент в экономическом анализе: от того, насколько правильно он сделан, зависит точность выводов по итогам анализа. Не рекомендуется включать в корреляционную модель взаимосвязанные факторы. Если парный коэффициент корреляции между двумя факторами больше 0,85, то по правилам корреляционного анализа один из них необходимо исключить, иначе это приведет к искажению результатов анализа; нельзя включать в корреляционную модель факторы, связь которых с результативным показателем носит функциональный характер.

Большую помощь при отборе факторов для корреляционной модели оказывают аналитические группировки, способ сравнения параллельных и динамических рядов, линейные графики. С их помощью можно определить наличие, направление и форму зависимости между изучаемыми показателями. Отбор факторов можно производить также в процессе решения задачи корреляционного анализа на основе оценки их значимости по критерию Стьюдента.

На втором этапе собирается исходная информация по каждому факторному и результативному показателям. Она должна быть проверена на достоверность, на однородность и на соответствие закону нормального распределения.

В первую очередь необходимо убедиться в достоверности информации, насколько она соответствует объективной действительности. Использование недостоверной, неточной информации приведет к неточным результатам анализа и к неправильным выводам.

Одно из условий корреляционного анализа – однородность исследуемой информации относительно распределения ее около среднего уровня. Если в совокупности имеются группы объектов, которые значительно отличаются от среднего уровня, то это говорит о неоднородности исходной информации.

Критерием однородности информации служат среднеквадратическое отклонение и коэффициент вариации, которые рассчитываются по каждому факторному и результативному показателю.

Среднеквадратическое отклонение показывает абсолютное отклонение индивидуальных значений от среднеарифметической.

Оно определяется по формуле:

Коэффициент вариации показывает относительную меру отклонения отдельных значений от среднеарифметической.

Для его расчета используется формула:

Чем больше коэффициент вариации, тем относительно больший разброс и меньшая выравненность изучаемых объектов. Изменчивость вариационного ряда принято считать незначительной, если вариация не превышает 10%, средней – если вариация составляет 10-12%, значительной — когда она больше 20%, но не превышает 33%. Если же вариация выше 33%, то это свидетельствует о неоднородности информации и о необходимости исключения нетипичных наблюдений, которые обычно бывают в первых и последних ранжированных рядах выборки.

Читать еще:  Анализ сбыта товаров

Следующее требование к исходной информации – подчинение ее закону нормального распределения. Для количественной оценки степени отклонения информации от нормального распределения служат отношение показателя асимметрии к ее ошибке и отношение показателя эксцесса к его ошибке.

Показатель асимметрии (А) и его ошибка (me) рассчитываются по следующим формулам:

Показатель эксцесса (Е) и его ошибка (me) рассчитываются следующим образом:

В симметричном распределении А = 0. Отклонение от нуля указывает на наличие асимметрии в распределении данных около средней величины. Отрицательная асимметрия свидетельствует о том, что преобладают данные с большими значениями, а с меньшими значениями встречаются значительно реже. Положительная асимметрия показывает, что чаще встречаются данные с небольшими значениями.

В нормальном распределении показатель эксцесса Е = 0. Если Е > 0, то данные густо сгруппированы около средней, образуя островершинность. Если Е Fтабл, то гипотеза об отсутствии связи между исследуемыми показателями отвергается.

Критерий Фишера рассчитывается следующим образом:

, где

Yxi – индивидуальные значения результативного показателя, рассчитанные по уравнению;

— среднее значение результативного показателя, рассчитанного по уравнению;

Yi – фактическое индивидуальное значение результативного показателя;

m – количество параметров в уравнении связи, учитывая свободный член уравнения;

n – количество наблюдений.

Для оценки точности уравнения связи рассчитывается средняя ошибка аппроксимации. Чем меньше теоретическая линия регрессии (рассчитанная по уравнению) отклоняется от фактической (эмпирической), тем меньше ее величина, а это свидетельствует о правильности подбора формы уравнения связи.

Средняя ошибка аппроксимации рассчитывается по формуле:

О полноте уравнения связи можно судить по коэффициентам множественной регрессии и детерминации. Если их значения близки к 1, значит в корреляционную модель удалось включить наиболее существенные факторы, на долю которых приходится основная вариация результативного показателя.

Влияние каждого фактора на прирост (отклонение от плана) результативного показателя рассчитывается по формуле:

Коэффициенты регрессии в уравнении связи имеют разные единицы измерения, что делает их несопоставимыми, если возникает вопрос о сравнительной силе воздействия факторов на результативный показатель. Чтобы привести их в сопоставимый вид, все переменные уравнения регрессии выражают в долях среднеквадратического отклонения, т.е. рассчитывают стандартизированные коэффициенты регрессии или бетта-коэффициенты (β)

Бета-коэффициенты показывают, что если величина фактора увеличится на одно среднеквадратическое отклонение, то соответствующая зависимая переменная увеличится или уменьшится на долю своего среднеквадратического отклонения. Сопоставление бетта-коэффициентов позволяет сделать вывод о сравнительной степени воздействия каждого фактора на величину результативного показателя.

Коэффициент эластичности рассчитывается по формуле:

Коэффициент эластичности показывает, на сколько процентов в среднем изменится функция с изменением аргумента на 1%.

Перечисленное многообразие методов предоставляет аналитику широкие возможности в выборе инструментария исследования, как в экономическом анализе, так и в рамках финансового анализа. Выбор того или иного способа или приема из перечисленных определяется целью экономического (финансового) анализа, требованиями к степени детализации (глубины) анализа, к точности результатов (например, «разложение» результативного показателя по факторам), характером взаимосвязи между показателями, характером аналитических задач.

Независимо от выбранных способов алгоритм решения практически любой аналитической задачи содержит приемы сравнения, группировки, балансовой увязки и графический, которые рассматриваются как способы обработки первичной, исходной информации.

Стохастический факторный анализ

Стохастическое моделирование факторных систем взаимосвязей отдельных сторон хозяйственной деятельности строится на обобщении 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.

Стохастическая (вероятностная) связь – связь, при которой каждому значению факторного признака соответствует множество значений результативного признака.

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 (не изучаемыми) компонентами вариации и ковариации показателей. Закон больших чисел гласит, что только в большой совокупности закономерная связь выступает устойчивее случайного совпадения направления варьирования (случайной вариации).

Из этого вытекает третья предпосылка стохастического анализа – достаточная размерность (численность) совокупности наблюдений» позволяющая с достаточной надежностью и точностью выявить изучаемые закономерности (моделируемые связи).

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.

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 парной корреляции решаются две главные задачи: оставляется модель действующих факторов (уравнение регрессии); 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 – это основное средство решения задач по оптимизации производственно-хозяйственной деятельности.

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.

Читать еще:  Парный регрессионный анализ

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

Литература:

  1. Баканов М. И., Мельник М. В., Шеремет А. Д. Теория экономического анализа. Учебник 5-еизд., перераб. и доп.-М.: Финансы и статистика,2005
  2. Фролова Т.А. Анализ и диагностика финансово-хозяйственной деятельности предприятия. Конспект лекций, Таганрог: ТРТУ, 2006

Сущность и основные этапы анализа стохастических факторных систем;

Стохастическая (вероятностная, корреляционная) зависимость характеризуется тем, что связи между факторами и результатом их взаимодействия не имеют постоянной формы, а носят случайный вероятностный характер. О них можно говорить лишь в среднем, приближенно, с определенной степенью точности. Необходимо устанавливать их каждый раз заново для одного и того же объекта, если изменились условия его функционирования. Выявление формы связи, то есть ее моделирование, осуществляется на основе выборочного наблюдения за последовательностью однородных, повторяющихся явлений путем исчисления средних для данной выборки характеристик. По связи между этими средними судят о характере зависимости в целом.Стохастический подход к исследованию причинно-следственных связей результативного показателя с факторами, обуславливающими его изменение во времени и пространстве, направлен на выявление общих закономерностей хозяйственных явлений и процессов путем изучения массовых эмпирических данных о конкретных реализациях этих явлений и процессов. При этом изучаются свойства и законы варьирования показателей с целью определения той части изменения результативного показателя, которую можно отнести на долю влияния каждого из анализируемых факторов.

Основные этапы анализа стохастических факторных систем:

1. Изучается наличие и направление связей между факторными и результативными показателями. Предположение о наличии и тесноте стохастической связи делается в случае выявления общих закономерностей в вариации анализируемых показателей. Для этого используются стандартные способы статистического анализа: сравнение, параллельных и динамических рядов, аналитические группировки, графики.

2. Изучается интенсивность связи между результативными и факторными показателями, так как источники возникновения общих закономерностей изменения могут быть различными: причинно-следственная связь между показателями, зависимость от общего фактора, случайное совпадение элементов (параметров) вариации. Для этого используется парная и множественная корреляция. Связь между результативным и факторным показателями проверяется методом парной коореляции. Множественная корреляция – взаимодействие нескольких факторов с результативным показателем. Необходимым условием применения корреляционного анализа являетя наличие достаточно большого количества наблюдений о величине исследуемых факторных и результативных показателей (в динамике или за текущий год по совокупности однородных объектов), которые должны иметь количественное измерение.

3. В процессе анализа необходимо раскрыть причинную основу взаимосвязи между количественными характеристиками хозяйственных процессов и явлений и сформировать факторную модель, определив вид связи и коэффициенты в факторной модели. Для этой цели наиболее часто используются методы регрессионного анализа.

4. Далее на основе сформированной модели определяется влияние каждого фактора на результативный показатель, т.е. проводится факторный анализ методами, описанными в п.4.3

В зависимости от характера исходной информации применяются разные приемы корреляционного анализа:

— оценка парной корреляции между показателями с цифровой шкалой измерения;

— ранговая корреляция и коэффициенты, рассчитанные по матрицам сопряженности при анализе связей между качественными показателями, например, при тестировании кандидатов или абитуриентов ряды можно построить путем ранжирования (определения номера места) показателя в ряду;

— каноническая корреляция при анализе связи между группами показателей разной размерности;

— частная корреляция, позволяющая исследовать связь между двумя показателями путем элиминирования (устранения) искажающего влияния на совместный одинаковый характер изменения (варьирования) двух показателей при общих для них одного или нескольких факторах;

— множественная корреляция при оценке зависимости одного результативного показателя от группы факторов-аргументов.

Рассмотрим кратко наиболее часто используемые методы парной и множественной корреляции. Более подробно исследование стохастических факторных систем изучается в курсе статистики.

Методика факторного анализа в стохастических моделях

В экономических исследованиях чаще встречаются стохасти­ческие зависимости, которые отличаются приблизительностью, неопределенностью. Они проявляются только в среднем по зна­чительному количеству объектов (наблюдений). Здесь каждой величине факторного показателя (аргумента) может соответ­ствовать несколько значений результативного показателя (функ­ции).

Взаимосвязь между исследуемыми факторами и результатив­ным показателем проявится, если взять для исследования боль­шое количество наблюдений (объектов) и сравнить их значения. Тогда в соответствии с законом больших чисел влияние других факторов на результативный показатель сглаживается, нейтра­лизуется. Это дает возможность установить связь, соотношения между изучаемыми явлениями.

Следовательно, корреляционная (стохастическая) связь — это неполная, вероятностная зависимость между показателями, ко­торая проявляется только в массе наблюдений.

Различают парную и множественную корреляцию. Парная корреляция — это связь между двумя показателями, один из ко­торых является факторным, а другой — результативным. Мно­жественная корреляция возникает от взаимодействия нескольких факторов с результативным показателем.

Для исследования стохастических зависимостей используют­ся следующие способы экономического анализа: сравнение параллельных и ди­намических рядов, аналитические группировки, графики. Одна­ко они позволяют выявить только характер и направление свя­зи. Основная же задача факторного анализа — определить сте­пень влияния каждого фактора на уровень результативного показателя. Для этой цели применяются способы корреляционно­го, дисперсионного, компонентного, дискриминантного, современ­ного многомерного факторного анализа и т.д.

Наиболее широкое применение в экономических исследова­ниях нашли приемы корреляционного анализа, которые позво­ляют количественно выразить взаимосвязь между показателями.

Необходимые условия применения корреляционного анализа:

— наличие достаточно большой выборки данных о величине исследуемых факторных и результативных показателей (в ди­намике или за текущий год по совокупности однородных объектов);

— исследуемые факторы должны иметь количественное изме­рение и отражение в тех или иных источниках информации.

Применение корреляционного анализа позволяет решить следу­ющие задачи:

1) определить изменение результативного показателя под воздействием одного или нескольких факторов (в абсолютном измерении), т.е. определить, на сколько единиц изменяется ве­личина результативного показателя при изменении факторного на единицу;

2) установить относительную степень зависимости результа­тивного показателя от каждого фактора.

Исследование корреляционных зависимостей имеет огромное значение в АХД. Это проявляется в том, что значительно углуб­ляется факторный анализ, устанавливаются место и роль каждо­го фактора в формировании уровня исследуемых показателей, углубляются знания об изучаемых явлениях, определяются зако­номерности их развития и как итог — точнее обосновываются планы и управленческие решения, более объективно оценива­ются итоги деятельности предприятий и более полно определя­ются внутрихозяйственные резервы.

Читать еще:  Исходя из анализа

Одной из основных задач корреляционного анализа является определение влияния факторов на величину результативного показателя (в абсолютном измерении). Для решения этой зада­чи подбирается соответствующий тип математического уравне­ния, которое наилучшим образом отражает характер изучаемой связи (прямолинейной, криволинейной и т.д.). Это играет важ­ную роль в корреляционном анализе, потому что от правильно­го выбора уравнения регрессии зависит ход решения задачи и результаты расчетов.

Обоснование уравнения связи делается с помощью сопоставле­ния параллельных рядов, группировки данных и линейных гра­фиков. Размещение точек на графике покажет, какая зависи­мость образовалась между изучаемыми показателями — прямо­линейная или криволинейная.

Наиболее простым уравнением, которое характеризует пря­молинейную зависимость между двумя показателями, является уравнение прямой

где х – факторный показатель (независимый признак уравнения);

Yх результативный показатель (зависимый признак уравнения);

a и b — параметры уравнения регрессии, которые требуется отыскать.

Это уравнение описывает такую связь между двумя призна­ками, при которой с изменением на определенную величину факторного показателя наблюдается равномерное возрастание или убывание значений результативного показателя.

Значения коэффициентов а и b находят из системы уравне­ний, полученных по способу наименьших квадратов. В данном случае система уравнений имеет следующий вид:

Коэффициент а — постоянная величина результативного по­казателя, которая не связана с изменением данного фактора. Параметр b показывает среднее изменение результативного по­казателя с повышением или понижением величины факторного показателя на единицу его измерения.

Подставив в уравнение регрессии соответствующие значения х, можно определить выровненные (теоретические) значения ре­зультативного показателя (Y).

По такому же принципу решается уравнение связи при криво­линейной зависимости между изучаемыми явлениями. Если при увеличении одного показателя значения другого возрастают до определенного уровня, а потом начинают снижаться (например, зависимость производительности труда рабочих от их возраста), то для записи такой зависимости лучше всего подходит парабо­ла второго порядка

Yх = а + bх + сх 2 .

В соответствии с требованиями метода наименьших квадра­тов для определения параметров а, b и с необходимо решить следующую систему уравнений:

Для измерения тесноты связи между факторными и резуль­тативными показателями исчисляется коэффициент корреля­ции. В случае прямолинейной формы связи между изучаемыми показателями он рассчитывается по следующей формуле:

Коэффициент корреляции может принимать значения от 0 до 1. Чем ближе его величина к 1, тем более тесная связь между изу­чаемыми явлениями, и наоборот.

Если коэффициент корреляции возвести в квадрат, получим коэффициент детерминации

В случае парной линейной регрессионной модели коэффициент детерминации равен квадрату коэффициента корреляции, то есть D = r 2

Он показывает, на какой процент зависит вариация результативного показателя от изменения исследуемых факторов, и какой процент прироста приходится на долю других неучтенных факторов.

Иногда показателям тесноты связи можно дать качественную оценку (шкала Чеддока):

Количественная мера тесноты связи Качественная характеристика силы связи

0,3 — 0,5 Умеренная

0,5 — 0,7 Заметная

0,9 — 0,99 Весьма высокая

Функциональная связь возникает при значении равном 1, а отсутствие связи — 0. При значениях показателей тесноты связи меньше 0,7 величина коэффициента детерминации всегда будет ниже 50 %. Это означает, что на долю вариации факторных признаков приходится меньшая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. Построенные при таких условиях регрессионные модели имеют низкое практическое значение.

Экономические явления и процессы хозяйственной деятель­ности предприятий зависят от большого количества факторов, и как правило, только комплекс факторов в их взаимосвязи мо­жет дать более или менее полное представление о характере изу­чаемого явления.

Многофакторный корреляционный анализ состоит из не­скольких этапов.

На первом этапе определяются факторы, которые оказывают воздействие на изучаемый показатель, и отбираются наиболее существенные для корреляционного анализа.

На втором этапе собирается и оценивается исходная инфор­мация, необходимая для корреляционного анализа

На третьем этапе моделируется связь между факторным и результативным показателями, т.е. подбирается и обосновывает­ся математическое уравнение, которое наиболее точно выража­ет сущность исследуемой зависимости.

На четвертом этапе рассчитываются основные показатели связи корреляционного анализа.

На пятом этапе дается статистическая оценка результатов корреляционного анализа и производится практическое их при­менение.

Моделирование связи между факторными и результативными показателями предусматривает подбор соответствующего уравне­ния, которое наиболее точно описывает изучаемые зависимости.

Для его обоснования используются те же приемы, что и для установления наличия связи: аналитические группировки, ли­нейные графики и др.

Если связь всех факторных показателей с результативным носит прямолинейный характер, то для записи этих зависимос­тей можно использовать линейную функцию

При криволинейной форме зависимости между результатив­ным и факторными показателями может быть использована сте­пенная функция

Приведенные модели выгодны тем, что их параметрам (b1) можно дать экономическое объяснение (интерпретацию). В ли­нейной модели коэффициенты b1 показывают, на сколько единиц изменяется результативный показатель с изменением факторно­го на единицу в абсолютном выражении, в степенных— в процентах.

Проверенное по всем параметрам уравнение регрессии мож­но использовать:

— для оценки результатов хозяйственной деятельности;

— расчета влияния факторов на прирост результативного по­казателя;

— подсчета резервов повышения уровня исследуемого показа­теля;

— планирования и прогнозирования его величины.

Оценка результатов хозяйственной деятельности предприя­тия по использованию имеющихся возможностей проводится сравнением фактической величины результативного показателя с теоретической (расчетной), которая определяется на основе уравнения множественной регрессии.

Результаты многофакторного регрессионного анализа могут быть также использованы для планирования и прогнозирования уровня результативного показателя. С этой целью необходимо в полученное уравнение связи подставить плановый (прогнозный) уровень факторных показателей.

Таким образом, многофакторный корреляционный анализ имеет большую научную и практическую значимость. Он позво­ляет изучить закономерности изменения результативного пока­зателя в зависимости от поведения разных факторов, определить их влияние на величину результативного показателя, устано­вить, какие из них являются основными, а какие второстепен­ными. Этим достигаются более объективная оценка деятельно­сти предприятия, более точное и полное определение внутрихо­зяйственных резервов и прогнозного уровня показателей.

Ссылка на основную публикацию
Adblock
detector