Факторный анализ прибыли. На тему «Методика факторного анализа

Функционирование любой социально-экономической системы (к которым относится и действующее предприятие) происходит в условиях сложного взаимодействия комплекса внутренних и внешних факторов. Фактор - это причина, движущая сила какого-либо процесса или явления, определяющая его характер или одну из основных черт.

Под факторным анализом понимается методика комплексного и системного изучения и измерения воздействия факторов на величину результативных показателей.

В общем случае можно выделить следующие основные этапы(задачи) факторного анализа:

Постановка цели анализа.

Отбор факторов, определяющих исследуемые результативные показатели.

Классификация и систематизация факторов с целью обеспечения комплексного и системного подхода к исследованию их влияния на результаты хозяйственной деятельности.

Определение формы зависимости между факторами и результативным показателем.

Моделирование взаимосвязей между результативным и факторными показателями.

Расчет влияния факторов и оценка роли каждого из них в изменении величины результативного показателя.

Работа с факторной моделью (практическое ее использование для управления экономическими процессами).

Иначе говоря, задача метода - переход от реального большого числа признаков или причин определяющих наблюдаемую изменчивость к небольшому числу наиболее важных переменных (факторов) с минимальной потерей информации (близкие по сути, но не по математическому аппарату методы - компонентный анализ, канонический анализ и др.).

Метод возник и первоначально разрабатывался в задачах психологии и антропологии (рубеж 19 и 20 вв.), но сейчас область его приложения значительно шире.

Назначение факторного анализа

Факторный анализ - определение влияния факторов на результат - является одним из сильнейших методических решений в анализе хозяйственной деятельности компаний для принятия решений. Для руководителей - дополнительный аргумент, дополнительный "угол зрения".

Целесообразность применения факторного анализа

Как известно, анализировать можно все и до бесконечности. Целесообразно на первом этапе реализовать анализ по отклонениям, а там где это необходимо и оправдано - применить факторный метод анализа. Во многих случаях простого анализа по отклонениям достаточно, чтобы понять, что отклонение «критическое», и когда совсем не обязательно знать степень его влияния.

Факторы делятся на внутренние и внешние , в зависимости от того, влияет на них деятельность данного предприятия или нет. При анализе основное внимание уделяется внутренним факторам, на которые предприятие может воздействовать.

Факторы подразделяются на объективные, не зависящие от воли и желаний людей, и субъективные, подверженные влиянию деятельности юридических и физических лиц.

По степени распространенности факторы делятся на общие и специфические. Общие факторы действуют во всех отраслях экономики. Специфические факторы действуют в пределах отдельной отрасли или конкретного предприятия.

Виды факторного анализа

Существуют следующие типы факторного анализа:

1) Детерминированный (функциональный) – результативный показатель представлен в виде произведения, частного или алгебраической суммы факторов.

2) Стохастический (корреляционный) – связь между результативным и факторными показателями является неполной или вероятностной.

3) Прямой (дедуктивный) – от общего к частному.

4) Обратный (индуктивный) – от частного к общему.

5) Одноступенчатый и многоступенчатый.

6) Статический и динамический.

7) Ретроспективный и перспективный.

В зависимости от типа факторной модели различают два основных вида факторного анализа - детерминированный и стохастический.

Детерминированный факторный анализ представляет собой методику исследования влияния факторов, связь которых с результативным показателем носит функциональный характер, т. е. когда результативный показатель факторной модели представлен в виде произведения, частного или алгебраической суммы факторов.

Данный вид факторного анализа наиболее распространен, поскольку, будучи достаточно простым в применении (по сравнению со стохастическим анализом), позволяет осознать логику действия основных факторов развития предприятия, количественно оценить их влияние, понять, какие факторы и в какой пропорции возможно и целесообразно изменить для повышения эффективности производства.

Детерминированный факторный анализ имеет достаточно жесткую последовательность выполняемых процедур:

1.построение экономически обоснованной детерминированной факторной модели;

2.выбор приема факторного анализа и подготовка условий для его выполнения;

3.реализация счетных процедур анализа модели;

Основные методы детерминированного факторного анализа

Метод цепных подстановок; Метод абсолютных разниц; Метод относительных разниц; Интегральный метод; Метод логарифмирования.

Стохастический анализ представляет собой методику исследования факторов, связь которых с результативным показателем в отличие от функциональной является неполной, вероятностной (корреляционной). Суть стохастического метода - измерение влияния стохастических зависимостей с неопределенными и приблизительными факторами. Стохастический метод целесообразно применять для экономических исследований с неполной (вероятностной) корреляцией: например, для задач маркетинга. 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.

Стохастическое моделирование является в определенной степени дополнением и углублением детерминированного факторного анализа. В факторном анализе эти модели используются по трем основным причинам :

Необходимо изучить влияние факторов, по которым нельзя построить жестко детерминированную факторную модель (например, уровень финансового левериджа);

Необходимо изучить влияние сложных факторов, которые не поддаются объединению в одной и той же жестко детерминированной модели;

Необходимо изучить влияние сложных факторов, которые не могут быть выражены одним количественным показателем (например, уровень научно-технического прогресса).

Необходимо также различать статический и динамический факторный анализ. Первый вид применяется при изучении влияния факторов на результативные показатели на соответствующую дату. Другой вид представляет собой методику исследования причинно-следственных связей в динамике.

И, наконец, факторный анализ может быть ретроспективным, который изучает причины прироста результативных показателей за прошлые периоды, и перспективным, который исследует поведение факторов и результативных показателей в перспективе.

Факторный анализ может быть одноступенчатым и многоступенчатым . Первый тип используется для исследования факторов только одного уровня (одной ступени) подчинения без их детализации на составные части. Например, . При многоступенчатом факторном анализе проводится детализация факторов a и b на составные элементы с целью изучения их поведения. Детализация факторов может быть продолжена и дальше. В этом случае изучается влияние факторов различных уровней соподчиненности.

Необходимо также различать статический и динамический факторный анализ . Первый вид применяется при изучении влияния факторов на результативные показатели на соответствующую дату. Другой вид представляет собой методику исследования причинно-следственных связей в динамике.

Гальтоном Ф. (1822-1911), внесшим также большой вклад в исследование индивидуальных различий. Но в разработку Факторного анализа внесли вклад многие ученые. Разработкой и внедрением факторного анализа в психологию занимались такие ученые как Спирмен Ч. (1904, 1927, 1946), Терстоун Л. (1935, 1947, 1951) и Кеттел Р. (1946, 1947, 1951). Также нельзя не упомянуть английского математика и философа Пирсона К., в значительной степени развившего идеи Ф. Гальтона, американского математика Хотеллинга Г. , разработавшего современный вариант метода главных компонент . Внимания заслуживает и английский психолог Айзенк Г. , широко использовавший Факторный анализ для разработки психологической теории личности. Математически факторный анализ разрабатывался Хотеллингом, Харманом, Кайзером, Терстоуном, Такером и др. Сегодня факторный анализ включён во все пакеты статистической обработки данных - , SAS , SPSS , Statistica и т. д.

Задачи и возможности факторного анализа

Факторный анализ позволяет решить две важные проблемы исследователя: описать объект измерения всесторонне и в то же время компактно . С помощью факторного анализа возможно выявление скрытых переменных факторов, отвечающих за наличие линейных статистических связей корреляций между наблюдаемыми переменными.

Таким образом можно выделить 2 цели Факторного анализа:

При анализе в один фактор объединяются сильно коррелирующие между собой переменные, как следствие происходит перераспределение дисперсии между компонентами и получается максимально простая и наглядная структура факторов. После объединения коррелированность компонент внутри каждого фактора между собой будет выше, чем их коррелированность с компонентами из других факторов. Эта процедура также позволяет выделить латентные переменные, что бывает особенно важно при анализе социальных представлений и ценностей. Например, анализируя оценки, полученные по нескольким шкалам, исследователь замечает, что они сходны между собой и имеют высокий коэффициент корреляции, он может предположить, что существует некоторая латентная переменная, с помощью которой можно объяснить наблюдаемое сходство полученных оценок. Такую латентную переменную называют фактором . Данный фактор влияет на многочисленные показатели других переменных, что приводит нас к возможности и необходимости выделить его как наиболее общий, более высокого порядка. Для выявления наиболее значимых факторов и, как следствие, факторной структуры, наиболее оправданно применять метод главных компонентов (МГК). Суть данного метода состоит в замене коррелированных компонентов некоррелированными факторами. Другой важной характеристикой метода является возможность ограничиться наиболее информативными главными компонентами и исключить остальные из анализа, что упрощает интерпретацию результатов. Достоинство МГК также в том, что он - единственный математически обоснованный метод факторного анализа .

Факторный анализ может быть:

• разведочным - он осуществляется при исследовании скрытой факторной структуры без предположения о числе факторов и их нагрузках;
• конфирматорным , предназначенным для проверки гипотез о числе факторов и их нагрузках (примечание 2).

Условия применения факторного анализа

Практическое выполнение факторного анализа начинается с проверки его условий. В обязательные условия факторного анализа входят:

Основные понятия факторного анализа

• Фактор - скрытая переменная
• Нагрузка - корреляция между исходной переменной и фактором

Процедура вращения. Выделение и интерпретация факторов

Сущностью факторного анализа является процедура вращения факторов, то есть перераспределения дисперсии по определённому методу. Цель ортогональных вращений - определение простой структуры факторных нагрузок, целью большинства косоугольных вращений является определение простой структуры вторичных факторов, то есть косоугольное вращение следует использовать в частных случаях. Поэтому ортогональное вращение предпочтительнее. Согласно определению Мюльека простая структура соответствует требованиям:

• в каждой строке матрицы вторичной структуры V должен быть хотя бы один нулевой элемент;
• Для каждого столбца k матрицы вторичной структуры V должно существовать подмножество из r линейно-независимых наблюдаемых переменных, корреляции которых с k-м вторичным фактором - нулевые. Данный критерий сводится к тому, что каждый столбец матрицы должен содержать не менее r нулей.
• У одного из столбцов каждой пары столбцов матрицы V должно быть несколько нулевых коэффициентов (нагрузок) в тех позициях, где для другого столбца они ненулевые. Это предположение гарантирует различимость вторичных осей и соответствующих им подпространств размерности r-1 в пространстве общих факторов.
• При числе общих факторов больше четырех в каждой паре столбцов должно быть некоторое количество нулевых нагрузок в одних и тех же строках. Данное предположение дает возможность разделить наблюдаемые переменные на отдельные скопления.
• Для каждой пары столбцов матрицы V должно быть как можно меньше значительных по величине нагрузок, соответствующих одним и тем же строкам. Это требование обеспечивает минимизацию сложности переменных.

(В определении Мьюлейка через r обозначено число общих факторов, а V - матрица вторичной структуры, образованная координатами (нагрузками) вторичных факторов, получаемых в результате вращения.) Вращение бывает:

• ортогональным
• косоугольным .

При первом виде вращения каждый последующий фактор определяется так, чтобы максимизировать изменчивость, оставшуюся от предыдущих, поэтому факторы оказываются независимыми, некоррелированными друг от друга (к этому типу относится МГК). Второй вид - это преобразование, при котором факторы коррелируют друг с другом. Преимущество косоугольного вращения состоит в следующем: когда в результате его выполнения получаются ортогональные факторы, можно быть уверенным, что эта ортогональность действительно им свойственна, а не привнесена искусственно. Существует около 13 методов вращения в обоих видах, в статистической программе SPSS 10 доступны пять: три ортогональных, один косоугольный и один комбинированный, однако из всех наиболее употребителен ортогональный метод «варимакс ». Метод «варимакс» максимизирует разброс квадратов нагрузок для каждого фактора, что приводит к увеличению больших и уменьшению малых значений факторных нагрузок. В результате простая структура получается для каждого фактора в отдельности .

Главной проблемой факторного анализа является выделение и интерпретация главных факторов. При отборе компонент исследователь обычно сталкивается с существенными трудностями, так как не существует однозначного критерия выделения факторов, и потому здесь неизбежен субъективизм интерпретаций результатов. Существует несколько часто употребляемых критериев определения числа факторов. Некоторые из них являются альтернативными по отношению к другим, а часть этих критериев можно использовать вместе, чтобы один дополнял другой:

Практика показывает, что если вращение не произвело существенных изменений в структуре факторного пространства, это свидетельствует о его устойчивости и стабильности данных. Возможны ещё два варианта: 1). сильное перераспределение дисперсии - результат выявления латентного фактора; 2). очень незначительное изменение (десятые, сотые или тысячные доли нагрузки) или его отсутствие вообще, при этом сильные корреляции может иметь только один фактор, - однофакторное распределение. Последнее возможно, например, когда на предмет наличия определённого свойства проверяются несколько социальных групп, однако искомое свойство есть только у одной из них.

Факторы имеют две характеристики: объём объясняемой дисперсии и нагрузки. Если рассматривать их с точки зрения геометрической аналогии, то касательно первой отметим, что фактор, лежащий вдоль оси ОХ, может максимально объяснять 70 % дисперсии (первый главный фактор), фактор, лежащий вдоль оси ОУ, способен детерминировать не более 30 % (второй главный фактор). То есть в идеальной ситуации вся дисперсия может быть объяснена двумя главными факторами с указанными долями . В обычной ситуации может наблюдаться два или более главных факторов, а также остаётся часть неинтерпретируемой дисперсии (геометрические искажения), исключаемая из анализа по причине незначимости. Нагрузки, опять же с точки зрения геометрии, есть проекции от точек на оси ОХ и ОУ (при трёх- и более факторной структуре также на ось ОZ). Проекции - это коэффициенты корреляции, точки - наблюдения, таким образом, факторные нагрузки являются мерами связи. Так как сильной считается корреляция с коэффициентом Пирсона R ≥ 0,7, то в нагрузках нужно уделять внимание только сильным связям. Факторные нагрузки могут обладать свойством биполярности - наличием положительных и отрицательных показателей в одном факторе. Если биполярность присутствует, то показатели, входящие в состав фактора, дихотомичны и находятся в противоположных координатах .

Методы факторного анализа:

Примечания

Литература

• Афифи А., Эйзен С. Статистический анализ: Подход с использованием ЭВМ. - М .: Мир, 1982. - С. 488.
• Колин Купер. Индивидуальные различия. - М.: Аспект Пресс, 2000. - 527 с.
• Гусев А. Н., Измайлов Ч. А., Михалевская М. Б. Измерение в психологии. - М.: Смысл, 1997. - 287 с.
• Митина О. В., Михайловская И. Б. Факторный анализ для психологов. - М.: Учебно-методический коллектор Психология, 2001. - 169 с.
• Факторный, дискриминантный и кластерный анализ / сборник работ под ред. Енюкова И. С. - М.: Финансы и статистика, 1989. - 215 с.
• Пациорковский В. В., Пациорковская В. В. SPSS для социологов. - М.: Учебное пособие ИСЭПН РАН, 2005. - 433 с.
• Бююль А., Цёфель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. - СПб.: ООО «ДиаСофтЮП», 2002. - 603 с.
• Факторный, дискриминантныи и кластерный анализ: Пер.

Ф18 с англ./Дж.-О. Ким, Ч. У. Мьюллер, У. Р. Клекка и др.; Под ред. И. С. Енюкова. - М.: Финансы и статистика, 1989.- 215 с:

Ссылки

• Электронный учебник StatSoft. Главные компоненты и факторный анализ
• Нелинейный метод главных компонент (сайт-библиотека)

Wikimedia Foundation . 2010 .

Смотреть что такое "Факторный анализ" в других словарях:

факторный анализ - — факторный анализ Область математической статистики (один из разделов многомерного статистического анализа), объединяющая вычислительные методы, которые в ряде случаев позволяют … Справочник технического переводчика

Статистический метод проверки гипотез о влиянии разл. факторов на изучаемую случайную величину. Разработана и общепринята модель, при которой влияние фактора представлено в линейном виде. Процедура анализа сводится к оценочным операциям с помощью … Геологическая энциклопедия

факторный анализ - (от лат. factor действующий, производящий и греч. analysis разложение, расчленение) метод многомерной математической статистики (см. статистические методы в психологии), применяемый при исследовании статистически связанных признаков с целью… … Большая психологическая энциклопедия

Метод исследования экономики и производства, в основе которого лежит анализ воздействия разнообразных факторов на результаты экономической деятельности, ее эффективность. Райзберг Б.А., Лозовский Л.Ш., Стародубцева Е.Б.. Современный экономический … Экономический словарь

Факторный анализ - область математической статистики (один из разделов многомерного статистического анализа), объединяющая вычислительные методы, которые в ряде случаев позволяют получить компактное описание исследуемых явлений на основе… … Экономико-математический словарь

ФАКТОРНЫЙ АНАЛИЗ, в статистике и психометрии математический метод, при помощи которого большое количество измерений и исследований сводится к малому числу «факторов», полностью объясняющих полученные результаты исследований, а также их… … Научно-технический энциклопедический словарь

Раздел статистического анализа многомерного (См. Статистический анализ многомерный),. объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных или корреляционных матриц.… … Большая советская энциклопедия

Введение в факторный анализ

В течение последних лет факторный анализ нашел свое применение среди широкого круга исследователей в основном благодаря развитию высокоскоростных компьютеров и пакетов статистических программ (например, DATATEXT, BMD, OSIRIS, SAS и SPSS). Это также коснулось большой группы пользователей, не имеющих соответствующей математической подготовки, но, тем не менее, заинтересованных в использовании потенциальных возможностей факторного анализа в своих исследованиях (Harman, 1976; Horst, 1965; Lawley и Maxswel, 1971; Mulaik, 1972).

Факторный анализ предполагает, что изучаемые переменные представляют собой линейную комбинацию некоторых скрытых (латентных) ненаблюдаемых факторов. Иными словами, существует система факторов и система изучаемых переменных. Определенная зависимость между этими двумя системами позволяет посредством факторного анализа с учетом имеющейся зависимости получать выводы по изучаемым переменным (факторам). Логическая сущность этой зависимости состоит в том, что каузальная система факторов (система независимых и зависимых переменных) всегда имеет уникальную корреляционную систему изучаемых переменных, а не наоборот. Только при жестко ограниченных условиях, налагаемых на факторный анализ, возможна недвусмысленная интерпретация каузальных структур по факторам на наличие корреляции между изучаемыми переменными. Кроме этого, существуют проблемы и другой природы. Например, при сборе эмпирических данных возможно допущение разного рода ошибок и неточностей, что в свою очередь затрудняет работу по выделению скрытых ненаблюдаемых параметров и их дальнейшего исследования.

Что же такое факторный анализ? Факторный анализ относится к множеству статистических техник, основная задача которых состоит в представлении множества изучаемых признаков в виде сокращенной системы гипотетических переменных. Факторный анализ - исследовательский эмпирический метод, который преимущественно находит свое применение в социальных и психологических дисциплинах.

В качестве примера использования факторного анализа можно рассмотреть изучение свойств личности с помощью психологических тестов. Свойства личности не поддаются прямому измерению, о них можно судить только на основании поведения человека, ответов на те или иные вопросы и т.д. Для объяснения собранных эмпирических данных их результаты подвергаются факторному анализу, который и позволяет выявить те личностные свойства, которые оказывали влияние на поведение испытуемых в проведенных опытах.

Первым этапом факторного анализа, как правило, является выбор новых признаков, которые являются линейными комбинациями прежних и «вбирают» в себя большую часть общей изменчивости наблюдаемых данных, а поэтому передают большую часть информации, заключенной в первоначальных наблюдениях. Обычно это осуществляют с помощью метода главных компонент, хотя иногда используют и другие приемы (например, метод главных факторов, метод максимального правдоподобия).

Метод главных компонент– статистический прием, позволяющий преобразовывать исходные переменные в их линейную комбинацию (GeorgH.Dunteman). Цель метода – получить сокращенную систему исходных данных, которая намного проще для понимания и дальнейшей статистической обработки. Этот подход был предложен Пирсоном (1901) и независимо от него получил свое дальнейшее развитие у Хотеллинга (1933). Автор пытался минимизировать использование матричной алгебры при работе с данным методом.

Основная цель метода главных компонент – выделение первичных факторов и определение минимального числа общих факторов, которые удовлетворительно воспроизводят корреляции между изучаемыми переменными. Результат данного шага – матрица коэффициентов факторных нагрузок, представляющих собой в ортогональном случае коэффициенты корреляции между переменными и факторами. При определении числа выделяемых факторов используется следующий критерий: выделяются только факторы с собственными значениями больше указанной константы (как правило, единицы).

Однако обычно факторы, полученные методом главных компонент, не поддаются достаточно наглядной интерпретации. Поэтому следующим шагом факторного анализа является преобразование (вращение) факторов таким образом, чтобы облегчить их интерпретацию. Вращение факторов состоит в нахождении наиболее простой факторной структуры, то есть такого варианта оценки факторных нагрузок и остаточных дисперсий, который и дает возможность содержательно интерпретировать общие факторы и нагрузки.

Наиболее часто исследователями в качестве метода вращения используется метод варимакс. Это метод, позволяющий, с одной стороны, за счет минимизации разброса квадратов нагрузок для каждого фактора, получить упрощенную факторную структуру за счет увеличения больших и уменьшения малых факторных нагрузок, с другой стороны.

Итак, основные цели факторного анализа:

сокращение числа переменных (редукция данных);

определение структуры взаимосвязей между переменными, т.е. классификация переменных .

Поэтому факторный анализ используется или как метод сокращения данных или как метод классификации.

Практические примеры и советы по применению факторного анализа можно, найти в книге Стивенса (Stevens, 1986); более подробное описание приводят Кули и Лонес (Cooley, Lohnes, 1971); Харман (Harman, 1976); Ким и Мюллер (Kim, Mueller, 1978a, 1978b); Лоули и Максвелл (Lawley, Maxwell, 1971); Линдеман, Меренда и Голд (Lindeman, Merenda, Gold, 1980); Моррисон (Morrison, 1967) и Мулэйк (Mulaik, 1972). Интерпретация вторичных факторов в иерархическом факторном анализе, как альтернатива традиционному вращению факторов, дана Верри (Wherry, 1984).

Вопросы подготовки данных для применения

факторного анализа

Рассмотрим ряд вопросов и кратких ответов в рамках использования факторного анализа.

Какой уровень измерений требует факторный анализ или, иными словами, в каких шкалах измерений должны представляться данные для факторного анализа?

Факторный анализ требует, чтобы переменные были представлены в интервальной шкале (Stevens, 1946) и отвечали нормальному распределению. Это требование предполагает также, что в качестве входных данных используются ковариационные или корреляционные матрицы.

Должен ли исследователь избегать использования факторного анализа, когда метрическая основа переменных определена неточно, т.е. данные представлены в порядковой шкале?

Нет необходимости. Многие переменные, представляющие, например, измерения мнений испытуемых по большому количеству тестов, не имеют точно установленной метрической базы. Однако, в общем, предполагается, что многие «порядковые переменные» могут содержать числовые значения, не искажающие и даже сохраняющие основные свойства изучаемого признака. Задачи исследователя: а) правильно определить число рефлексивно выделяемых порядков (уровней); б) учесть, что сумма допущенных искажений будет включена в корреляционную матрицу, являющуюся основой входных данных факторного анализа; в) коэффициенты корреляции закрепляются в качестве «порядковых» искажений в измерениях (Labovitz, 1967, 1970;Kim, 1975).

Долгое время считалось, что искажения назначаются числовым значениям именно порядковых категорий. Однако это необоснованно, поскольку и для метрических величин возможны искажения, пусть даже минимальные, в процессе проведения эксперимента. В факторном анализе результаты зависят от возможного допущения ошибок, получаемых в процессе измерения, а не их происхождения и соотнесения к данным определенного типа шкал.

Можно ли использовать факторный анализ для номинальных (дихотомических) переменных?

Многие исследователи утверждают, что использовать факторный анализ для номинальных переменных очень удобно. Во-первых, дихотомические значения (значения, равные «0» и «1») исключают выбор каких-либо иных, отличных от них. Во-вторых, как результат, коэффициент связи является эквивалентом коэффициента корреляции Пирсона, который и выступает в качестве числового значения переменной для факторного анализа.

Однако однозначно положительного ответа на данный вопрос нет. Дихотомические переменные сложно выразить в рамках аналитической факторной модели: каждая переменная имеет значение весовой нагрузки, по крайней мере, двух основных факторов - общего и частного (Kim,Muller). Даже если эти факторы имеют два значения (что довольно редко встречается в реальных факторных моделях), то итоговые результаты в наблюдаемых переменных должны содержать, как минимум, четыре различных значения, которые, в свою очередь, и оправдывают противоречивость использования номинальных переменных. Поэтому факторный анализ для таких переменных используется с целью получения ряда эвристических критериев.

Сколько должно быть переменных для каждого гипотетически построенного фактора?

Предполагается, что для каждого фактора должно быть, по крайней мере, три переменные. Но это требование опускается, если факторный анализ используется для подтверждения какой-либо гипотезы. В общем, исследователи едины в том, что необходимо иметь, по крайней мере, вдвое больше переменных, чем факторов.

Еще один момент касательно данного вопроса. Чем больше размер выборки, тем достовернее значение критерия ХИ -квадрат. Результаты считаются статистически значимыми, если выборка включает как минимум 51 наблюдение. Таким образом:

N-n-150,(3.33)

где N – размер выборки (число измерений),

n – количество переменных (Lawley, Maxwell, 1971).

Это, конечно, только общее правило.

Какой смысл имеет знак факторной нагрузки?

Сам знак не имеет существенного значения и не существует пути для оценки значимости связи между переменной и фактором. Однако знаки переменных, входящих в фактор, имеют специфическое значение относительно знаков других переменных. Различные знаки просто означают, что переменные связаны с фактором в противоположных направлениях.

Например, по результатам факторного анализа было получено, что для пары качеств открытый-замкнутый (многофакторный опросник Кетелла) имеют место соответственно положительная и отрицательная весовые нагрузки. Тогда говорят, что доля качестваоткрытый, в выделенном факторе больше, чем доля качествазамкнутый.

Главные компоненты и факторный анализ

Факторный анализ как метод редукции данных

Предположим, что проводится (до некоторой степени "глупое") исследование, в котором измеряется рост ста людей в метрах и сантиметрах. Таким образом, имеются две переменные. Если далее исследовать, например, влияние разных пищевых добавок на рост, будет ли целесообразным использовать обе переменные? Вероятно, нет, т.к. рост является одной характеристикой человека, независимо от того, в каких единицах он измеряется.

Предположим, что измеряется удовлетворенность людей жизнью с помощью опросника, содержащего различные пункты. Задаются, например, вопросы: удовлетворены ли люди своим хобби (пункт 1) и как интенсивно они им занимаются (пункт 2). Результаты преобразуются так, что средние по уровню ответы (например, для удовлетворенности) соответствуют значению 100, в то время как ниже и выше средних ответов расположены меньшие и большие значения, соответственно. Две переменные (ответы на два разных пункта) коррелированы между собой. Из высокой коррелированности двух этих переменных можно сделать вывод об избыточности двух пунктов опросника. Это, в свою очередь, позволяет осуществить объединение двух переменных в один фактор.

Новая переменная (фактор) будет включать в себя наиболее существенные черты обеих переменных. Итак, фактически, выполнено сокращение исходного числа переменных и осуществлена замена двух переменных одной. Отметим, что новый фактор (переменная) в действительности является линейной комбинацией двух исходных переменных.

Пример, в котором две коррелированные переменные объединены в один фактор, показывает главную идею факторного анализа или, более точно, анализа главных компонент. Если же пример с двумя переменными распространить на большее число переменных, то вычисления становятся сложнее, однако основной принцип представления двух или более зависимых переменных одним фактором остается в силе.

Метод главных компонент

Анализ главных компонент является методом сокращения или редукции данных, т.е. методом сокращения числа переменных. Возникает естественный вопрос: сколько факторов следует выделять? Отметим, что в процессе последовательного выделения факторов они включают в себя все меньше и меньше изменчивости. Решение о том, когда следует остановить процедуру выделения факторов, главным образом зависит от точки зрения на то, что считать малой "случайной" изменчивостью. Это решение достаточно произвольно, однако имеются некоторые рекомендации, позволяющие рационально выбрать число факторов (см. раздел Собственные значения и число выделяемых факторов ).

В случае, когда имеются более двух переменных, можно считать, что они определяют трехмерное "пространство" точно так же, как две переменные определяют плоскость. Если имеется три переменные, то можно построить трехмерную диаграмму рассеяния (см. рис. 3.10).

Рис. 3.10. Трехмерная диаграмма рассеяния признака

Для случая более трех переменных, становится невозможным представить точки на диаграмме рассеяния, однако логика вращения осей с целью максимизации дисперсии нового фактора остается прежней.

После того, как найдена линия, для которой дисперсия максимальна, вокруг нее остается некоторый разброс данных и процедуру естественно повторить. В анализе главных компонент именно так и делается: после того, как первый фактор выделен , то есть, после того, как первая линия проведена, определяется следующая линия, максимизирующая остаточную вариацию (разброс данных вокруг первой прямой), и т.д. Таким образом, факторы последовательно выделяются один за другим. Так как каждый последующий фактор определяется так, чтобы максимизировать изменчивость, оставшуюся от предыдущих, то факторы оказываются независимыми друг от друга (некоррелированными или ортогональными ).

Собственные значения и число выделяемых факторов

Рассмотрим некоторые стандартные результаты анализа главных компонент. При повторных вычислениях выделяются факторы с все меньшей и меньшей дисперсией. Для простоты изложения считают, что обычно работа начинается с матрицы, в которой дисперсии всех переменных равны 1,0. Поэтому общая дисперсия равна числу переменных. Например, если имеется 10 переменных и дисперсия каждой из них равна 1, то наибольшая изменчивость, которая потенциально может быть выделена, равна 10 раз по 1.

Предположим, что при изучении степени удовлетворенности жизнью включено 10 пунктов для измерения различных аспектов удовлетворенности домашней жизнью и работой. Дисперсия, объясненная последовательными факторами, представлена в таблице 3.14:

Таблица 3. 14

Таблица собственных значений

STATISTICA ФАКТОРНЫЙ АНАЛИЗ	Собственные значения (factor.sta) Выделение: Главные компоненты
Значение	Собственные значения	% общей дисперсии	Кумулят. собств. знач.	Кумулят. %

Во втором столбце таблицы 3. 14. (Собственные значения) представлена дисперсия нового, только что выделенного фактора. В третьем столбце для каждого фактора приводится процент от общей дисперсии (в данном примере она равна 10) для каждого фактора. Как видно, первый фактор (значение 1) объясняет 61 процент общей дисперсии, фактор 2 (значение 2) – 18 процентов, и т.д. Четвертый столбец содержит накопленную (кумулятивную) дисперсию.

Итак, дисперсии, выделяемые факторами, названы собственными значениями . Это название происходит из использованного способа вычисления.

Как только получена информация о том, сколько дисперсии выделил каждый фактор, можно возвратиться к вопросу о том, сколько факторов следует оставить. Как говорилось выше, по своей природе это решение произвольно. Однако имеются некоторые общеупотребительные рекомендации, и на практике следование им дает наилучшие результаты.

Критерии выделения факторов

Критерий Кайзера. Сначала отбираются только те факторы, собственные значения которых больше 1. По существу, это означает, что если фактор не выделяет дисперсию, эквивалентную, по крайней мере, дисперсии одной переменной, то он опускается. Этот критерий предложен Кайзером (Kaiser, 1960), и является наиболее широко используемым. В приведенном выше примере (см. табл. 3.14) на основе этого критерия следует сохранить только 2 фактора (две главные компоненты).

Критерий каменистой осыпи является графическим методом, впервые предложенным Кэттелем (Cattell, 1966). Он позволяет изобразить собственные значения в виде простого графика:

Рис. 3. 11. Критерий каменистой осыпи

Оба критерия были изучены подробно Брауном (Browne, 1968), Кэттелем и Джасперсом (Cattell, Jaspers, 1967), Хакстианом, Рожерсом и Кэттелем (Hakstian, Rogers, Cattell, 1982), Линном (Linn, 1968), Тюкером, Купманом и Линном (Tucker, Koopman, Linn, 1969). Кэттель предложил найти такое место на графике, где убывание собственных значений слева направо максимально замедляется. Предполагается, что справа от этой точки находится только «факториальная осыпь» («осыпь» – геологический термин, обозначающий обломки горных пород, скапливающиеся в нижней части скалистого склона). В соответствии с этим критерием можно оставить в рассмотренном примере 2 или 3 фактора.

Какому критерию все-таки следует отдавать предпочтение на практике?Теоретически, можно вычислить характеристики путем генерации случайных данных для конкретного числа факторов. Тогда можно увидеть, обнаружено с помощью используемого критерия достаточно точное число существенных факторов или нет. С использованием этого общего метода первый критерий (критерий Кайзера ) иногда сохраняет слишком много факторов, в то время как второй критерий (критерий каменистой осыпи ) иногда сохраняет слишком мало факторов; однако оба критерия вполне хороши при нормальных условиях, когда имеется относительно небольшое число факторов и много переменных.

На практике возникает важный дополнительный вопрос, а именно: когда полученное решение может быть содержательно интерпретировано. Поэтому обычно исследуется несколько решений с большим или меньшим числом факторов, и затем выбирается одно наиболее "осмысленное". Этот вопрос далее будет рассматриваться в рамках вращений факторов.

Общности

На языке факторного анализа доля дисперсии отдельной переменной, принадлежащая общим факторам (и разделяемая с другими переменными) называется общностью . Поэтому дополнительной работой, стоящей перед исследователем при применении этой модели, является оценка общностей для каждой переменной, т.е. доли дисперсии, которая является общей для всех пунктов. Тогда доля дисперсии , за которую отвечает каждый пункт, равна суммарной дисперсии, соответствующей всем переменным, минус общность (Harman, Jones, 1966).

Главные факторы и главные компоненты

Термин факторный анализ включает как анализ главных компонент, так и анализ главных факторов. Предполагается, что, в целом, известно сколько факторов следует выделить. Можно узнать (1) значимость факторов, (2) можно ли интерпретировать их разумным образом и (3) как это сделать. Чтобы проиллюстрировать, каким образом это может быть сделано, производятся действия "в обратном порядке", то есть, начинают с некоторой осмысленной структуры, а затем смотрят, как она отражается на результатах.

Основное различие двух моделей факторного анализа состоит в том, что в анализе главных компонент предполагается, что должна быть использована вся изменчивость переменных, тогда как в анализе главных факторов используется только изменчивость переменной, общая и для других переменных.

В большинстве случаев эти два метода приводят к весьма близким результатам. Однако анализ главных компонент часто более предпочтителен как метод сокращения данных, в то время как анализ главных факторов лучше применять с целью определения структуры данных.

Факторный анализ как метод классификации данных

Корреляционная матрица

Первый этап факторного анализа предусматривает вычисление корреляционной матрицы (в случае нормального выборочного распределения). Вернемся к примеру об удовлетворенности и рассмотрим корреляционную матрицу для переменных, относящихся к удовлетворенности на работе и дома.

Введение

Сущность факторного анализа

Типы факторного анализа

Детерминированный факторный анализ

Способы оценки влияния факторов в детерминированном факторном анализе.

Индексный метод

Метод цепных подстановок

Прием абсолютных разниц

Прием относительных разниц

Интегральный метод

Стохастический факторный анализ

Методы стохастического факторного анализа

Корреляционный анализ

Регрессионный анализ

Кластерный анализ

Дисперсионный анализ

Заключение

Список использованной литературы

Введение

Финансовое состояние организации характеризуется совокупностью показателей, отражающих состояние капитала в процессе его кругооборота и способность организации финансировать свою деятельность на фиксированный момент времени. Проводится анализ финансового состояния организации с целью выявления возможностей повышения эффективности его функционирования. Способность организации успешно функционировать и развиваться, сохранять равновесие своих активов и пассивов в постоянно изменяющейся внутренней и внешней предпринимательской среде, постоянно поддерживать свою платежеспособность и финансовую устойчивость свидетельствует о его устойчивом финансовом состоянии, и наоборот.

Основной целью анализа финансового состояния является получение небольшого числа ключевых, т.е. наиболее информативных показателей, дающих объективную и точную картину финансового состояния организации, его прибылей и убытков, изменений в структуре активов и пассивов, в расчетах с дебиторами и кредиторами. При этом аналитика, как правило, интересует не только текущее финансовое состояние организации, но и его проекция на ближайшую или более отдаленную перспективу, т.е. ожидаемые параметры финансового состояния.

Основными функциями анализа финансового состояния являются:

своевременная и объективная оценка финансового состояния организации, установление его «болевых точек» и изучение причин их образования;

выявление факторов и причин достигнутого состояния;

подготовка и обоснование принимаемых управленческих решений в области финансов;

выявление и мобилизация резервов улучшения финансового состояния организации и повышения эффективности всей хозяйственной деятельности;

прогнозирование возможных финансовых результатов и разработка моделей финансового состояния при разнообразных вариантах использования ресурсов.

Метод анализа финансово-хозяйственной деятельности - это система теоретико-познавательных категорий, научного инструментария и регулятивных принципов исследования процессов функционирования экономических субъектов.

Практика анализа финансового состояния выработала основные методы проведения анализа финансового состояния организации:

горизонтальный (временной) анализ – сравнение каждой позиции отчетности с предыдущим периодом. Горизонтальный анализ заключается в построении одной или нескольких аналитических таблиц, в которых абсолютные балансовые показатели дополняются относительными темпами роста (снижения);

вертикальный (структурный) анализ – определение структуры итоговых финансовых показателей с выявлением влияния каждой позиции отчетности на результат в целом, такой анализ позволяет увидеть удельный вес каждой статьи баланса в его общем итоге. Обязательным элементом анализа являются динамические ряды этих величин, посредством которых можно отслеживать и прогнозировать структурные изменения в составе активов и их источников покрытия.

трендовый анализ – сравнение каждой позиции отчетности с рядом предшествующих периодов и определение тренда, т.е. основной тенденции динамики показателя, очищенной от случайных влияний и индивидуальных особенностей отдельных периодов. С помощью тренда формируются возможные значения показателей в будущем, а, следовательно, ведется перспективный, прогнозный анализ;

анализ относительных показателей (коэффициентов) – расчет отношений отчетности, определение взаимосвязи показателей;

сравнительный (пространственный) анализ – анализ отдельных финансовых показателей дочерних организаций, подразделений, цехов, а также сравнение финансовых показателей данной организации с показателями конкурентов, со среднеотраслевыми и средними общеэкономическими данными;

факторный анализ – это анализ влияния отдельных факторов (причин) на результативный показатель. Причем факторный анализ может быть как прямым (собственно анализ), т.е. раздробление результативного показателя на составные части, так и обратным (синтез), когда его отдельные элементы соединяют в общий результативный показатель.

Сущность факторного анализа

Все явления и процессы хозяйственной деятельности организации находятся во взаимосвязи, взаимозависимости и обусловленности. Одни из них непосредственно связаны между собой, другие - косвенно. Например, на величину валовой продукции непосредственное влияние оказывают такие факторы, как численность рабочих и уровень производительности их труда. Все другие факторы воздействуют на этот показатель косвенно.

Каждый результативный показатель зависит от многочисленных и разнообразных факторов. Чем более детально исследуется влияние факторов на величину результативного показателя, тем точнее результаты анализа и оценка качества работы организации. Отсюда важным методологическим вопросом в анализе хозяйственной деятельности является изучение и измерение влияния факторов на величину исследуемых экономических показателей. Без глубокого и всестороннего изучения факторов нельзя сделать обоснованные выводы о результатах деятельности, выявить резервы производства, обосновать планы и управленческие решения.

Сущность методов факторного анализа заключается в оценке влияния факторов на результирующий показатель, для чего выделяют факторы, определяющие уровень анализируемого показателя, устанавливают функциональную зависимость между показателем и выделенными факторами, измеряют влияние изменения каждого фактора на изменение анализируемого показателя.

Основными задачами факторного анализа являются следующие:

Постановка задачи

Изучение состояния объекта

Отбор факторов, которые определяют исследуемые результативные показатели.

Классификация и систематизация их с целью обеспечения возможностей системного подхода.

Определение формы зависимости между факторами и результативным показателем.

Моделирование взаимосвязей между результативным и факторными показателями.

Расчет влияния факторов и оценка роли каждого из них в изменении величины результативного показателя.

Работа с факторной моделью (практическое ее использование для управления экономическими процессами).

Типы факторного анализа

Различают следующие типы факторного анализа.

детерминированный (функциональный) и стохастический (корреляционный);

прямой (дедуктивный) и обратный (индуктивный);

одноступенчатый и многоступенчатый;

статический и динамичный;

ретроспективный и перспективный (прогнозный).

Детерминированный факторный анализ представляет собой методику исследования влияния факторов, связь которых с результативным показателем носит функциональный характер, т.е. результативный показатель, может быть представлен в виде произведения, частного или алгебраической суммы факторов.

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 организациях. Это зависит от оптимальности сочетания других факторов, воздействующих на этот показатель.

При прямом факторном анализе исследование ведется дедуктивным способом - от общего к частному. Обратный факторный анализ осуществляет исследование причинно-следственных связей способом логичной индукции - от частных, отдельных факторов к обобщающим.

Факторный анализ может быть одноступенчатым и многостуneнчamым . Первый тип используется для исследования факторов только одного уровня (одной ступени) подчинения без их детализации на составные части. Например, у = а  b. При многоступенчатом факторном анализе проводится детализация факторов а и b на составные элементы с целью изучения их поведения. Детализация факторов может быть продолжена и дальше. В данном случае изучается влияние факторов различных уровней соподчиненности.

Необходимо различать также статический и динамический факторный анализ. Первый вид применяется при изучении влияния факторов на результативные показатели на соответствующую дату. Другой вид представляет собой методику исследования причинно-следственных связей в динамике.

И наконец, факторный анализ может быть ретроспективным, который изучает причины прироста результативных показателей за прошлые периоды, и перспективным , который исследует поведение факторов и результативных показателей в перспективе.

Детерминированный факторный анализ

В основе 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.

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.

Основные свойства детерминированного подхода к анализу:

построение детерминированной модели путем логического анализа;

наличие полной (жесткой) связи между показателями;

невозможность разделения результатов влияния одновременно действующих факторов, которые не поддаются объединению в одной модели;

изучение взаимосвязей в краткосрочном периоде.

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.

Различают четыре типа детерминированных моделей:

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

Примеры: N р = N зап.н + N п – N выб. – N зап.к

где N p – общий объём реализации; N зап.н – запасы товара на начало периода; N n – объём поступления; N выб – прочее выбытие товаров; N зап.к – запасы товаров на конец анализируемого периода.

П р = ВР – СС – РР – АР

Где П р - прибыль от реализации; ВР – выручка; СС – себестоимость; РР – расходы по реализации; АР – административные расходы

Пример : N р = Ч x В

где Ч – среднесписочная численность работников; В – выработка на одного работника.

Q = S ф x Ф отд

где: Q – объем валовой продукции; S ф – стоимость основных фондов; Ф отд – фондоотдача.

Кратные модели представляют собой отношение факторов и имеют вид:

Пример:

где – срок оборачиваемости товаров (в днях); - средний запас товаров; n р – однодневный объём реализации.

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.

Способы оценки влияния факторов в детерминированном факторном анализе.

Задача детерминированного факторного анализа заключается в определении или количественной оценке влияния каждого фактора на результативный показатель. На практике применяются следующие методы оценки влияния факторов на результативный показатель:

Индексный метод

Метод цепных подстановок

Прием абсолютных разниц

Прием относительных разниц

Интегральный метод

Рассмотрим названные методы более подробно:

Индексный метод . Данный метод основан на построении факторных индексов. Применение агрегированных индексов означает последовательное элиминирование – устранение, исключение воздействия всех факторов на величину результативного показателя - влияния отдельных факторов на совокупный показатель.

Индекс - относительный показатель, характеризующий изменение совокупности различных величин за определенный период. Так, индекс цен отражает среднее изменение цен за какой-либо период; индекс физического объема продукции показывает изменение их объема в сопоставимых ценах.

Преимущество индексного метода в том, что он позволяет произвести «разложение» по факторам не только абсолютное изменение показателя, но и относительное, что очень важно при изучении факторных динамических моделей.

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

Индексный метод целесообразно применять в том случае, когда каждый фактор является сложным (совокупным) показателем. Например, численность персонала организации 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.

Метод цепных подстановок Метод цепных подстановок заключается в определении ряда промежуточных значений результативного показателя путем последовательной замены базисных значений факторов на отчетные. Данный способ также основан на элиминировании. 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 факторами при анализе понимают те, которые выражают количественную определенность явлений и могут быть получены путем непосредственного учета (количество рабочих, станков, сырья и т.д.).

Качественные факторы определяют 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:

Используя модели детерминированного анализа, рассмотренные ранее, на основе элиминирования исходят из того, что факторы изменяются независимо друг от друга. В действительности же факторы изменяются совместно и, взаимодействуя друг с другом, оказывают влияние на результативный показатель. Дополнительный прирост при этом присоединяется при элиминировании к одному из факторов, как правило, к последнему. Поэтому величина влияния факторов на результативный показатель зависит от места, на которое поставлен тот или иной фактор в детерминированной модели.

Интегральный метод . Интегральный метод, который применяется в мультипликативных и смешанных моделях, позволяет избежать этого недостатка. Дополнительный прирост результативного показателя, образованный от взаимодействия факторов раскладывается между ними пропорционально их воздействию на результативный показатель.

Представим в общем виде интегральный метод. Формулы, используемые при анализе модели F=XY выглядят следующим образом:

∆Fx=∆XYo+½∆X∆Y

∆Fy=∆YXo + ½∆X∆Y

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

На практике 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.

Стохастический факторный анализ.

Математико-статистические методы изучения связей, называемые иначе стохастическим моделированием, являются в определенной степени дополнением и углублением детерминированного анализа. В анализе финансово-хозяйственной деятельности стохастические модели используются, когда необходимо:

оценить влияние факторов, по которым нельзя построить жестко детерминированную модель;

изучить и сравнить влияние факторов, которые невозможно включить в одну и ту же детерминированную модель;

выделить и оценить влияние сложных факторов, которые не могут быть выражены одним определенным количественным показателем.

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 ковариации).

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.

Методы стохастического факторного анализа.

Корреляционный анализ

Корреляционный анализ есть 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. Возникать корреляционная связь может 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 тесноты, не вскрывая ее причин.

В статистике теснота связи может определяться с помощью различных коэффициентов (Фехнера, Пирсона, коэффициента ассоциации и т.д.), а в анализе хозяйственной деятельности чаще используется линейный коэффициент корреляции.

Коэффициент корреляции между факторами x и у определяется следующим образом:

Таким же образом вычисляется коэффициент корреляции между факторами в двухфакторной регрессионной модели вида у = ах + b, a также при любой другой форме связи между двумя показателями.

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

Практическая реализация корреляционного анализа включает следующие этапы:

а) постановка задачи и выбор признаков;

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

в) предварительная характеристика взаимосвязей (аналитические группировки, графики);

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

д) исследование факторной зависимости и проверка ее значимости;

е) оценка результатов анализа и подготовка рекомендаций по их практическому использованию.

Регрессионный анализ

Регрессионный анализ - это метод установления аналитического выражения стохастической зависимости между исследуемыми признаками. Уравнение регрессии показывает, как в среднем изменяется у при изменении любого из x i , и имеет вид:

где у - зависимая переменная (она всегда одна);

х i - независимые переменные (факторы) (их может быть несколько).

Если независимая переменная одна - это простой регрессионный анализ. Если же их несколько (п 2), то такой анализ называется многофакторным.

В ходе регрессионного анализа решаются две основные задачи:

построение уравнения регрессии, т.е. нахождение вида зависимости между результатным показателем и независимыми факторами x 1 , x 2 , …, x n .

оценка значимости полученного уравнения, т.е. определение того, насколько выбранные факторные признаки объясняют вариацию признака у.

В отличие от корреляционного анализа, который только отвечает на вопрос, существует ли связь между анализируемыми признаками, регрессионный анализ дает и ее формализованное выражение. Кроме того, если корреляционный анализ изучает любую взаимосвязь факторов, то регрессионный - одностороннюю зависимость, т.е. связь, показывающую, каким образом изменение факторных признаков влияет на признак результативный.

Регрессионный анализ - один из наиболее разработанных методов математической статистики. Строго говоря, для реализации регрессионного анализа необходимо выполнение ряда специальных требований (в частности, x l , x 2 ,...,x n ; y должны быть независимыми, нормально распределенными случайными величинами с постоянными дисперсиями). В реальной жизни строгое соответствие требованиям регрессионного и корреляционного анализа встречается очень редко, однако оба эти метода весьма распространены в экономических исследованиях. Зависимости в экономике могут быть не только прямыми, но и обратными и нелинейными. Регрессионная модель может быть построена при наличии любой зависимости, однако в многофакторном анализе используют только линейные модели вида:

Построение уравнения регрессии осуществляется, как правило, методом наименьших квадратов, суть которого состоит в минимизации суммы квадратов отклонений фактических значений результатного признака от его расчетных значений, т.е.:

где т - число наблюдений;

j = a + b 1 x 1 j + b 2 x 2 j + ... + b n х n j - расчетное значение результатного фактора.

Коэффициенты регрессии рекомендуется определять с помощью аналитических пакетов для ПК или специального финансового калькулятора. В наиболее простом случае коэффициенты регрессии однофакторного линейного уравнения регрессии вида y = а + bх можно найти по формулам:

Кластерный анализ

Кластерный анализ - один из методов многомерного анализа, предназначенный для группировки (кластеризации) совокупности, элементы которой характеризуются многими признаками. Значения каждого из признаков служат координатами каждой единицы изучаемой совокупности в многомерном пространстве признаков. Каждое наблюдение, характеризующееся значениями нескольких показателей, можно представить как точку в пространстве этих показателей, значения которых рассматриваются как координаты в многомерном пространстве. Расстояние между точками р и q с k координатами определяется как:

Основным критерием кластеризации является то, что различия между кластерами должны быть более существенны, чем между наблюдениями, отнесенными к одному кластеру, т.е. в многомерном пространстве должно соблюдаться неравенство:

где r 1 , 2 - расстояние между кластерами 1 и 2.

Так же как и процедуры регрессионного анализа, процедура кластеризации достаточно трудоемка, ее целесообразно выполнять на компьютере.

Дисперсионный анализ

Дисперсионный анализ - это статистический метод, позволяющий подтвердить или опровергнуть гипотезу о том, что две выборки данных относятся к одной генеральной совокупности. Применительно к анализу деятельности предприятия можно сказать, что дисперсионный анализ позволяет определить, к одной и той же совокупности данных или нет относятся группы разных наблюдений.

Дисперсионный анализ часто используется совместно с методами группировки. Задача его проведения в этих случаях состоит в оценке существенности различий между группами. Для этого определяют групповые дисперсии σ12 и σ22, а затем по статистическим критериям Стьюдента или Фишера проверяют значимость различий между группами.

Задача

Оценить влияние количества работников и их производительности на объем готовой продукции.

Исходные данные для факторного анализа

Показатели	Условные обозначения	Базисные значения (0)	Фактические значения (1)	Изменение
				Абсолютное (+,-)	Относительное (%)
Объем продукции, тыс. руб.
Количество работников, чел
Выработка на одного работающего,

Для определения влияния факторов на результативный показатель воспользуемся приемом относительных разниц.

Воспользовавшись данными таблицы определим

относительную разницу среднесписочной численности работников

относительную разницу производительности труда работников

приращение объема валовой продукции за счет изменения среднесписочной численности работников

приращение объема продукции за счет изменения производительности труда работников

Суммарное приращение объемам валовой продукции составило

Отношение величины изменения результативного показателя, вызванного изменением численности работников и производительности труда к базовой величине результативного показателя определяется по формуле:

Таким образом, объем валовой продукции повысился на 25% за счет увеличения количества работников, и уменьшился на 8,5% за счет уменьшения производительности труда работников.

Суммарный прирост объема валовой продукции повысился на 16,5%

Доля прироста абсолютного фактора составила:

Увеличение численности работников обусловило 152% общего прироста объема валовой продукции, а снижение производительности труда работников на -52%. Значит увеличение численности работников явилось определяющим фактором прироста объема валовой продукции.

Заключение.

Функционирование любой социально-экономической системы осуществляется в условиях сложного взаимодействия комплекса факторов внутреннего и внешнего порядка. Все эти факторы находятся во взаимосвязи и взаимной обусловленности.

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.

Реферат >> Экономика

Анализ хозяйственной деятельности учреждений образования Тема 10 Анализ основных средств План... на фондоотдачу, проведем факторный анализ с использованием приема абсолютных... и их фондоотдачи. Алгоритм факторного анализа аналогичен методике изложенной в таблице...

3. При использовании метода абсолютных разниц величина влияния факторов рассчитывается умножением абсолютного прироста исследуемого фактора на базовую величину факторов, которые находятся с права от него и на фактическую величину факторов, расположенных слева от него в модели. Подсчет строится на последовательной замене плановых значений факторных показателей на их отклонение, а затем на фактический уровень этих показателей.

4. Пусть дана факторная мультипликативная модель и известны значения показателей в базисный у0, а0, b0, с0 и отчетный у1, а1, b1, с1 периоды. Определим влияние каждого из факторов на результативный показатель «у».

5. -- влияние фактора «а»
-- влияние фактора «b»
-- влияние фактора «c»

Этапы возникновения и развития экономического анализа

1.Средние 19 в. века, возникновение экономического анализа. Возникновение экономического анализа связано с практической потребностью проверки платежеспособности покупателя товаров, которому продавец предоставляет рассрочку платежа. Следовательно, наиболее ранний вид экономического анализа – это финансовый анализ. В это время происходит становление и развитие балансоведения (бухгалтерского учета) и в его рамках появляются первые простейшие способы аналитического исследования.

2.Вторая половина 19 в. – выделение теоретического и практического экономического анализа в эпоху развития капиталистических отношений

3. Первая половина 20 в. – обособление микроэкономического анализа, т.е. анализа хозяйственной деятельности предприятий. Кроме этого в 30-е годы 20 в. происходит становление анализа хозяйственной деятельности предприятий как науки, в это время АХД вводится в программы ВУЗов СССР.

4. Вторая половина 20 в. – в это время происходит основательная разработка самостоятельных направлений методологии анализа (выделяют такие методы как: функционально-стоимостной, экономико-математический и др.)

5. Современное состояние анализа – это основательно разработанная в теоретическом и практическом плане наука, которая предполагает широкое применение математических методов и ЭВМ.

4.Факторный анализ прибыли (убытка)

Факторный анализ прибыли

Выявление причин и их влияние на показатели прибыли – наиболее целесообразно проводить с использованием факторного анализа. Рассмотрим методику проведения анализа с использованием модели аддитивного типа для анализа прибыли от продаж.

Суть факторного анализа в выявлении: на сколько каждый из следующих факторов повлиял на изменение прибыли в рублях:

1. выручка от продаж
2. цена
3. себестоимость
4. коммерческие и управленческие расходы
5. как, в общем, повлияли все эти факторы на прибыль от продаж

причем совокупное влияние всех факторов должно соответствовать абсолютному отклонению (графа 5) прибыли от продаж в отчетном году по сравнению с базисным годом.

Такой анализ осуществляется в несколько этапов:

1. расчет влияния фактора «выручка от продаж»: проведение такого анализа начинается с учета влияния инфляции. Пояснительная записка в бухгалтерский отчет обычно содержит информацию о том, на сколько выросли цены на продукцию предприятия в среднем за год. Зная этот %, рассчитывают выручку от реализации в отчетном периоде в сопоставленных ценах с базисным периодом. Без достижения такого сопоставления анализ бессмыслен.

Всоп. отч.= В отч. /I ц
Всоп. отч - выручка отчетного периода в сопоставимых ценах (ценах прошлого года);
В отч - выручка отчетного периода, приведенная в Форме №2 в ценах отчетного периода;
I ц - индекс цен (индекс инфляции);
из этого следует: выручка от продаж продукции в отчетном году выросла за счет роста цены следующим образом:

Вц=Вотч.–Всоп.отч.
Вц – изменение выручки от продаж за счет цены (инфляции)

Влияние на сумму прибыли от продаж (Пп) изменения выручки от реализации, исключая влияние изменения цены, можно рассчитать следующим образом:

Ппз - (Вотч - Вбаланс) -Вц)/100 * P п базис
P п =Пп /Выруч.
Рп – рентабельность от продаж.

2. Расчет влияния фактора «себестоимость реализации» (производственная стоимость) (стр.020 Формы №2). Это влияние рассчитывается по формуле:

Ппс=Вотч. * (Ус0 - У сб)/100
У с0 и У сб – удельный вес себестоимости выручки в отчетном и базисном годах, %.

Эта информация берется из расчетных таблиц (см. 1 вопрос) – графы 6 и 7.

3. Расчет влияния фактора «цена»

П пц = Вц *P п базис /100

4. Расчет фактора «коммерческие расходы»

П кр = В отч * (У кр отч. -У кр. баз.)/100
У кр.отч. и баз – графы 6 и 7.

5. Расчет фактора «управленческие расходы»

Пупр. =Вотч. *(Ууро -У урб)/100
Где Ууро и У ур - соответственно уровни управленческих расходов в отчетном и базисном периодах

6. Расчет совокупности влияния всех факторов на прибыль от продаж

Сумма «Итого» должна быть равна абсолютному отклонению по строке 050 Формы №2 (графа 5). Если это не так, то расчеты ошибочны и дальнейший анализ не имеет смысла.

Факторный анализ может быть продолжен до чистой прибыли. Методика его проведения следующая:

1. По приведенной схеме анализируется прибыль от продаж.
2. Влияние всех остальных факторов (операционный доход, расход и т.д.) оценивается по графе 5 в приведенной выше таблице.

5.Место экономического анализа в системе экономических наук

Экономическая сторона хозяйственной деятельности – объект всех экономических наук. Но каждая экономическая наука имеет свой предмет исследования, т.е. исследует какую-то черту, сторону или форму движения этого общего объекта.

-Классифицируя экономические науки по предмету исследования, можно выделить следующие группы:

1.Общетеоретические, фундаментальные – экономическая теория, история экономических учений; предмет исследования – экономические отношения и производительные силы в совокупности.

2.Отраслевые – промышленность, строительство, сельское хозяйство и др.; предмет исследования – экономические отношения и производительные силы в разрезе отдельных отраслей.

3. Территориальные (региональные) – мировое хозяйство и международные экономические отношения, экономика развитых капиталистических стран, экономика социалистических стран, экономика развивающихся стран и др.; предмет исследования – экономические отношения и производительные силы в разрезе регионов.

4. Специальные – финансы, денежное обращение, кредит, экономика труда и др.; предмет исследования – определенная совокупность однородных отношений и связанных с ней производительных сил.

5. Управленческие функциональные – бухгалтерский учет, статистика, экономический анализ, планирование, оперативное управление, контроль; предмет исследования – определенная основная функция управления (для каждой из наук – своя функция управления).

Таким образом экономический анализ – это самостоятельная наука, относящаяся к управленческой группе экономических наук.

6.Факторный анализ доходов

Актуальность вопросов факторного анализа доходов, эффективности управления активами, генерирующими будущие доходы, и использования систем раннего выявления и предупреждения структурных рисков, возникающих в процессе планирования и исполнения бюджета и существенных с экономической точки зрения, за последние несколько лет существенно возросла.

Современная экономическая ситуация способствует росту интереса к высокопроизводительным решениям для автоматизации процессов риск-анализа, контроля и мониторинга в режиме реального времени. Первоочередной становится потребность в расширенных функциях прогнозирования, а задачи выявления факторных зависимостей в процессе анализа доходов приобретают первостепенную значимость для обеспечения своевременности и обоснованности принимаемых управленческих решений.
Сегодня большинство компаний - производителей программного обеспечения имеют достаточно широкую продуктовую линейку, позволяющую обеспечить комплексный подход к автоматизации функций анализа. Использование такого программного обеспечения в качестве инструмента эффективного управления доходами позволяет реализовать требуемую методологию управления рисками и одновременно с этим способствует повышению степени и полноты охвата анализируемой информации и обеспечивает эффективность последующего использования результатов анализа.