Luck-lady.ru

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

Методы статистического анализа в экономике

IX Международная студенческая научная конференция Студенческий научный форум — 2017

СТАТИСТИЧЕСКИЕ МЕТОДЫ В ЭКОНОМИЧЕСКОМ АНАЛИЗЕ

Применение методов статистики

Направления использования в экономическом анализе

Расчет относительных величин

3)метод относительных разниц факторного анализа

Расчет средних величин

1)определение степенных и структурных средних величин для показателей первичного учета, внутренней и внешней отчетности, представленных в виде вариационного ряда и динамического ряда; 2)прогнозирование на основе средних значений абсолютного прироста и темпа роста

Определение индексов агрегатных и средних показателей

1)индексный метод детерминированного факторного анализа; 2)выявление сезонной составляющей колебания экономического показателя

Сводка и группировка

Формирование и анализ

1)данных синтетического учета; 2)комплексных статей затрат, доходов, расходов, денежных потоков, статей бухгалтерского баланса в разрезе финансовой отчетности, в том числе сегментарной и консолидированной; 3)данных статистической и внутренней управленческой отчетности

Анализ индивидуальных, комплексных и обобщающих показателей качества продукции

Оценка показателей вариации

Расчет показателей 1) равномерности выпуска и реализации продукции, денежных и ресурсных потоков; 2) сравнительной рейтинговой оценки (метод расстояний); 3) оценка уровня риска инвестиционного проекта

Корреляционно- регрессионный анализ

1) выявление степени взаимосвязи экономических показателей; 2) построение уравнений парной и множественной регрессии; 3) трендовый анализ; 4) прогнозирование с использованием уравнений регрессии.

Исходным пунктом любого из методов является признание факта определенной устойчивости изменений показателей финансово-хозяйственной деятельности: от одного отчетного периода к другому. Перечень прогнозируемых показателей может ощутимо варьировать, по этому критерию методы прогнозирования можно разделить на виды[1]:

— методы, в которых прогнозируется один или несколько отдельных показателей, представляющих наибольший интерес и значимость для аналитика, например, выручка от продаж, прибыль, себестоимость продукции;

— методы, в которых строятся прогнозные формы отчетности целиком в типовой или укрупненной номенклатуре статей.

На основании анализа данных прошлых периодов прогнозируется каждая статья баланса и отчета о финансовых результатах. Аналитик получает максимум информации, которую он может использовать для различных целей, например, для определения допустимых темпов наращивания производственной деятельности, для исчисления необходимого объема дополнительных финансовых ресурсов из внешних источников, расчета финансовых коэффициентов и т.д.

Методы прогнозирования отчетности, в свою очередь, делятся на методы, в которых каждая статья прогнозируется отдельно исходя из ее индивидуальной динамики, и методы, учитывающие существующую взаимосвязь между отдельными статьями как в пределах одной формы отчетности, так и разных форм, характеризующих одну экономическую систему. В зависимости от вида используемой модели все методы прогнозирования можно подразделить на три большие группы[3]:

1. Методы экспертных оценок, которые предусматривают многоступенчатый опрос экспертов по специальным схемам и обработку полученных результатов с помощью инструментария экономической статистики. Экспертные оценки применяются не только для прогнозирования значений показателей, но и в аналитической работе, например, для разработки весовых коэффициентов, пороговых значений контролируемых показателей.

2. Детерминированные методы, предполагающие наличие функциональных связей, когда каждому значению факторного признака соответствует вполне определенное неслучайное значение результативного признака. Примером является модель факторного анализа фирмы Дюпон. Другим примером служит форма отчета о прибылях и убытках, представляющая собой табличную реализацию жестко детерминированной факторной модели, связывающей результативные признаки (различные виды прибыли) с факторами (доходы и расходы).

3. Стохастические методы, предполагающие вероятностный характер как прогноза, так и самой связи между исследуемыми показателями. Вероятность получения точного прогноза растет с ростом числа эмпирических данных.

Эти методы занимают ведущее место с позиции формализованного прогнозирования и существенно варьируют по сложности используемых алгоритмов. Однако результаты прогнозирования, полученные методами статистики, подвержены влиянию случайных колебаний данных, что может иногда приводить к серьезным просчетам. Статистические приемы стали основными в разработке методик оценки уровня риска. Так характеристика делового риска базируется на анализе непрерывности кругооборота оборотных средств и позволяет прогнозировать достаточность источников погашения заемных средств, то есть отражает влияние качества товарно-денежных потоков на ликвидность и платежеспособность организации. Анализ денежных потоков организации включает в себя [1] :

— исследование динамики общего объема денежного оборота, что предполагает расчет абсолютного и относительного прироста доходов;

— исследование динамики и структуры положительного и отрицательного денежных потоков. При этом анализ структуры заключается в определении удельного веса текущей, инвестиционной и финансовой деятельности в общем объеме положительного и отрицательного денежных потоков;

— анализ динамики общего чистого денежного потока и по отдельным видам деятельности;

— исследование равномерности формирования денежных потоков организации в течение рассматриваемого периода времени;

— исследование синхронности формирования положительного и отрицательного денежных потоков в разрезе отдельных интервалов рассматриваемого периода времени..

Статистической наукой разработаны методы, с помощью которых можно измерить связь между явлениями, не используя при этом количественные значения признака, а значит, и параметры распределения. Статистические методы обеспечивают проведение глубокого и детализированного анализа, выбор конкретного метода зависит от множества факторов, в том числе от имеющихся в наличии исходных данных и задач исследования.

Читать еще:  Многомерный анализ данных

Список литературы

Аверина Т.Н. Анализ влияния равномерности товарно-денежных потоков на финансовое состояние организации // Интеллектуальный потенциал региона и управление знаниями: материалы международной научно-практической конференции. Дополнит. том / под ред. Ю.Н. Арсеньева, С.Ю. Прохорова. — М. — Тула: Изд-во ТулГУ, 2011. С.26-28.

Аверина Т.Н. Применение непараметрических методов в рамках экономического анализа // Инновационное развитие — основа модернизации современной экономики: сборник научно-методических материалов.2011. С. 13-15.

Луценко А.Г. Компьютерное моделирование в обучении математике будущих экономистов 2006 С.121-122.

Статистические методы экономического анализа

1) Обобщающие показатели. В процессе сбора данных получают информацию о значени­ях тех или иных признаков, характеризующих каждую единицу, каждый элемент исследуемого процесса или явления (совокуп­ности). Эта информация, как правило, представлена в виде по­казателей. Обобщающие показатели могут быть абсолютными, относительными и средними. Многообразная характеристика всех сторон исследуемых экономических процессов и явлений мо­жет быть дана лишь с помощью всех видов обобщающих пока­зателей. Вместе с тем, каждый вил показателей имеет опреде­ленное значение и занимает важное место в аналитическом про­цессе.

Абсолютные показатели характеризуют числен­ность, объем (размер) изучаемого процесса. Они всегда имеют какую-либо единицу измерения: натуральную, условно-натураль­ную, стоимостную (денежную).

Относительные показатели представляют собой соотношение абсолютных (или других относительных) показа­телей, то есть количество единиц одного показателя, приходя­щееся на одну единицу другого показателя. Относительными ве­личинами являются не только соотношения разных показателей в один и тот же момент времени, но и одного и того же показа­теля в разные моменты (например, темп роста).

Относительные величины применяются в разных видах ана­лиза, в зависимости от конкретной экономической задачи, они облегчают процесс финансового анализа. Сопоставлять можно одноименные показатели, относя­тся к различным периодам, различным объектам или разным территориям. Результат такого сопоставления представлен:

1) коэффициентом (база сравнения принята за единицу)

2) выражен в процентах и показывает, во сколько раз или на сколько процентов сравниваемый показатель больше (меньше) базисного.

Средняя величина является важным специальным статистическим показателем, используемым для обобщения данных.

Средняя величина — это показатель «середины», или «центра», исследуемых данных. Она является обобщающей характеристикой изучаемого признака в анализируемой совокупности данных и отражает типичный уровень в расчете на единицу совокупности в конкретных условиях места и времени.

2) Группировка – деление массы изучаемой совокупности объектов на качественно однородные группы по соответствующим группам. В зависимости от задач используются типологические, структурные и аналитические группировки. По сложности построения различают 2 вида группировок:

а) простые – изучаются взаимосвязи между явлениями по одному признаку.

б) комбинированные – деление совокупности сначала по одному признаку, а потом внутри каждой группы по другому признаку и т.д. Её существенный недостаток – трудоёмкость построения и трудно воспринимаемые полученные результаты. С группированный материал более наглядно отражает взаимосвязь между изучаемыми явлениями, индивидуальные величины заменяются средне групповыми показателями, в результате чего взаимопогашаются разные случайные отклонения.

3) Балансовый метод — служит главным образом для отражения соотношений или пропорции двух групп взаимосвязанных и уравновешенных экономических показателей, итоги которых должны быть тождественны. Он широко используется при анализе обеспеченности предприятия трудовыми ресурсами, сырьём, топливом, материалами, основными средствами, а также при анализе полноты их использования. Как и вспомогательные средства балансовый метод используется в анализе для проверки исходных сведений на основе которых проводится анализ, а также для проверки правильности собственно-аналитических расчетов.

Балансовый способ может быть использован при построении детерминированных аддитивных факторных моделей, например, товарного баланса.

Он + П = Р + В + Ок

В некоторых случаях может быть использован для определения величины влияния отдельных факторов на прирост результативного показателя, например:

ΔУс = ΔУобщ – ΔУа – ΔУв

На его основе разработан один из способов факторного анализа метод пропорционального деления (см. далее).

4) Графический метод. Графики представляют собой масштабное изображение показателей, чисел с помощью геометрических знаков или фигур. Они имеют большое иллюстративное значение. График даёт обобщающий рисунок положения или развития изучаемого явления, позволяет зрительно заметить те закономерности, которые содержит числовая информация, более выразительно проявляются тенденции и связи изучаемого показателя.

Основные формы графиков – диаграмма, которые бывают:

а) по форме: столбиковые, полосовые, круговые, линейные, фигурные, квадратные.

б) по содержанию: сравнения, структурные (секторные), динамические, графики связи, графики контроля и т.д.

Требования при построении графиков:

— выразительность и контрастность рисунков

— должен быть простым и эстетичным

Читать еще:  Анализ функций управления в организации

5) Табличный метод отражения аналитических данных.

Результаты анализа обычно представлены в виде таблиц. Табличный материал даёт возможность охватить аналитические данные в целом как единую систему, легче прослеживаются связи между изучаемыми показателями.

Таблица – представляет собой систему показателей, мыслей убеждений, выраженных языком информации.

Различают 3 вида таблиц:

1) простые, в которых перечисляется ед. совокупности изучаемого явления;

2) групповые, выделяется один признак;

Внешне таблица состоит из общего заголовка, системы горизонтальных строк и вертикальных граф, содержит подлежащее и сказуемое.

Подлежащее – это перечень показателей характеризующих явление.

Сказуемое – отражает признаки подлежащего (в виде цифр).

Методы статистического анализа данных в экономике

Автор: Блог о маркетинге · Опубликовано 06.07.2016 · Обновлено 02.10.2016

Исходная научная база для вероятностно-статистических моделей — прикладная статистика. Она включает в себя прикладную математическую статистику, ее программное обеспечение и методы сбора статистических данных и интерпретации результатов расчетов.

Как известно, эконометрика (или эконометрия) — это статистические методы анализа эмпирических экономических данных.

Наиболее популярные методы статистического анализа

Наибольшее применение в задачах принятия решений получили следующие методы:

  • регрессионный анализ (методы восстановления зависимости и построения моделей, прежде всего линейных);
  • планирование эксперимента;
  • методы классификации (дискриминантный анализ, кластерный анализ, распознавание образов, систематика и типология, теория группировок);
  • многомерный статистический анализ экономической информации (анализ главных компонент и факторный анализ);
  • методы анализа и прогнозирования временных рядов;
  • теория робастности, т.е. устойчивости статистических процедур к допустимым отклонениям исходных данных и предпосылок модели;
  • теория индексов, в частности, индекса инфляции.

Наиболее популярны регрессионные уравнения и их системы. Обычно используют уравнения не выше второго порядка, линейные по параметрам:

  • Yi — переменная отклика;
  • xij — факторы, от которых зависит ;
  • Bi — коэффициенты, которые характеризуют взаимодействие между и ;
  • Bif — отражают взаимодействие между и ;
  • ei- ошибка модели;
  • i – номер наблюдения (измерения, опыта, анализа, испытания), i= 1, 2, , n;
  • j – номер фактора (независимой переменной), j = 1,2,…, k.
  • Коэффициенты Bi, Bif находятся методом наименьших квадратов.

Применение вероятностно-статистического описания

Традиционное вероятностно-статистическое описание с интуитивной точки зрения применимо лишь к массовым событиям. Для единичных событий целесообразно применять теорию субъективных вероятностей и теорию нечетких множеств (fuzzy sets). которая развивалась ее основателем Л.Заде для описания суждений человека, для которого переход от «принадлежности» к множеству к «непринадлежности» не скачкообразен, а непрерывен.

Статистика нечисловых данных, или нечисловая статистика

Статистика нечисловых данных, или нечисловая статистика

В последнее время можно заметить, что область статистических методов приобретает всё больший вес в системном анализе. Эта область посвящена анализу статистических данных нечисловой природы (её ещё называют статистикой нечисловых данных, или нечисловой статистикой). Выборка — это исходный объект в прикладной статистике, который означает совокупность одинаково распределенных случайных элементов, которые также являются независимыми между собой.

Необходимо различать выборку в математической статистике (выборка — это числа) и многомерном статистическом анализе (выборка — это вектора). Также стоит отметить, что в нечисловой статистике элементы выборки — это объекты нечисловой природы (нельзя складывать и умножать на числа). То есть, объекты нечисловой природы лежат в пространствах, которые не имеют векторную структуру.

Примеры объектов нечисловой природы являются:

  • значения качественных признаков, т.е. результаты кодировки объектов с помощью заданного перечня категорий (градаций);
  • упорядочения (ранжировки) экспертами образцов продукции (при оценке её технического уровня и конкурентоспособности) или заявок на проведение научных работ (при проведении конкурсов на выделение грантов);
  • классификации, т.е. разбиения объектов на группы сходных между собой (кластеры);
  • толерантности, т.е. бинарные отношения, описывающие сходство объектов между собой, например, сходства тематики научных работ, оцениваемого экспертами с целью рационального формирования экспертных советов внутри определенной области науки;
  • результаты парных сравнений или контроля качества продукции по альтернативному признаку («годен» — «брак»), т.е. последовательности из 0 и 1;
  • множества (обычные или нечеткие), например, зоны, пораженные коррозией, или перечни возможных причин аварии, составленные экспертами независимо друг от друга;
  • слова, предложения, тексты;
  • вектора, координаты которых — совокупность значений разнотипных признаков, например, результат составления статистического отчета о научно-технической деятельности организации или анкета эксперта, в которой ответы на часть вопросов носят качественный характер, а на часть — количественный;
  • ответы на вопросы экспертной, маркетинговой или социологической анкеты, часть из которых носит количественный характер (возможно, интервальный), часть сводится к выбору одной из нескольких подсказок, а часть представляет собой тексты; и т.д.

Одно из основных применений статистики объектов нечисловой природы — теория и практика экспертных оценок, связанные с теорией статистических решений и проблемами голосования.

Интервальная статистика

В 1980-е годы стала развиваться интервальная статистика — часть статистики нечетких данных, в которой функция принадлежности, описывающая размытость, принимает значение 1 на некотором интервале, а вне его — значение 0. Другими словами, исходные данные, в том числе элементы выборки — не числа, а интервалы.

Читать еще:  Парный регрессионный анализ

Интервальная статистика тем самым связана с интервальной математикой, в частности, с интервальной оптимизацией. Интервальная статистика — это анализ интервальных статистических данных. В ней предполагается, что исходные данные — это не числа, а интервалы. Интервальную статистику можно рассматривать как часть интервальной математики.

Непараметрическая статистика

Непараметрическая статистика позволяет делать статистические выводы, оценивать характеристики распределения, проверять статистические гипотезы без слабо обоснованных предположений о том, что функция распределения элементов выборки входит в то или иное параметрическое семейство. Например, широко распространена вера в то, что статистические данные часто подчиняются нормальному распределению.

Математики думают, что это — экспериментальный факт, установленный в прикладных исследованиях. Прикладники уверены, что математики доказали нормальность результатов наблюдений. Между тем анализ конкретных результатов наблюдений, в частности, погрешностей измерений, приводит всегда к одному и тому же выводу — в подавляющем большинстве случаев реальные распределения существенно отличаются от нормальных.

Некритическое использование гипотезы нормальности часто приводит к значительным ошибкам, например, при отбраковке резко выделяющихся результатов наблюдений (выбросов), при статистическом контроле качества и в других случаях. Поэтому целесообразно использовать непараметрические методы, в которых на функции распределения результатов наблюдений наложены лишь весьма слабые требования. Обычно предполагается лишь их непрерывность. К настоящему времени с помощью непараметрических методов можно решать практически тот же круг задач, что ранее решался параметрическими методами.

Основная идея работ по робастности, или устойчивости, состоит в том, что выводы, полученные на основе математических методов исследования, должны мало меняться при небольших изменениях исходных данных и отклонениях от предпосылок модели. Здесь есть два круга задач. Один — это изучение устойчивости распространенных алгоритмов анализа данных. Второй — поиск робастных алгоритмов для решения тех или иных задач.

(3 оценок, среднее: 7,00 из 5)

Методы статистики в экономическом анализе

К статистическим методам экономического анализа относятся:

  • статистическое наблюдение — запись информации по определенным принципам и с определенными целями;
  • расчеты средних величин (средние арифметические простые, взвешенные, средние геометрические);
  • ряды динамики: абсолютный прирост, относительный прирост, темпы роста, темпы прироста;
  • сводка и группировка экономических показателей по определенным признакам;
  • сравнение показателей: с конкурентами, с нормативами, в динамике;
  • расчет индексов;
  • детализация показателей;
  • графические методы.

Анализ тех или иных показателей, экономических явлений, хозяйственных процессов, ситуаций начинается с рассмотрения абсолютных величин в натуральных или стоимостных измерителях. Эти показатели являются основными в финансовом учете. В анализе они используются для исчисления средних и относительных величин.

Относительные величины незаменимы при анализе динамики явлений. С их помощью строят временные ряды, которые характеризуют изменение того или иного показателя во времени (по отношению к базисному показателю, принятому за 100%). Аналитичность относительных показателей очевидна при изучении структуры экономического явления (доля в рассматриваемом показателе), при анализе интенсивности использования производственных ресурсов (например, производительность труда, фондоотдача, фондовооруженность и т.д.).

Особенность относительных показателей, которые часто выступают в виде коэффициентов, заключается в том, что их надо интерпретировать, давать им экономическое объяснение. Относительные и абсолютные количественные показатели обычно сами по себе недостачно информативны и требуют дополнительно использования метода сравнения. Сравнение с плановыми показателями применяется в бизнес-планировании, где условием применения этого метода является сопоставимость показателей по содержанию и структуре (по кругу оцениваемых показателей, по ценам, по структуре выпуска продукции и ее реализации). Отклонение фактических данных от плановых является объектом дальнейшего анализа.

Сравнение с прошлым периодом — сопоставление хозяйственных показателей текущего периода с аналогичными показателями предшествующего периода. При использовании этого метода необходимо обеспечить сопоставление данных по ценам (пересчет в цены базисного периода с помощью индексов), по социальным, природным и иным факторам.

Сравнение с лучшими показателями, передовым опытом дает эффект, когда сравнение проводится с показателями аналогичных предприятий.

Средние величины позволяют обобщить совокупность типичных показателей, сравнить изучаемый признак по разным совокупностям. В анализе применяют среднеарифметические, среднегармонические и другие средние величины.

Группировка предполагает определенную классификацию явлений и процессов, причин и факторов, их обусловливающих. С помощью экономического анализа устанавливается причинная связь, взаимосвязь показателей, выявляются факторы и проводится факторный анализ, при котором один из показателей, полученных в результате группировки, рассматривается как фактор, влияющий на другой фактор, а тот — как результат влияния первого. При анализе строятся групповые таблицы.

Ссылка на основную публикацию
Adblock
detector