Экономический анализ. Шпаргалки
Шрифт:
Допустим, что имеется набор показателей х 1 , х 2 …, x n , характеризующих некоторый экономический процесс (L) . Каждый из показателей односторонне характеризует процесс L . Требуется построить функцию f(x i ) изменения процесса L , содержащую в ceбe основные характеристики всех показателей х 1 , х 2 , …, х n или
88. Задачи обратного стохастического факторного анализа
Задачи обратного факторного анализа могут быть детерминированными и стохастическими. Ее примерами являются задачи комплексной оценки производственно-хозяйственной деятельности, а также задачи математического программирования, в том числе и линейного. Примером задачи обратного стохастического факторного анализа могут служить производственные функции, которыми устанавливаются зависимости между величиной выпуска продукции и затратами производственных факторов (первичных ресурсов).
Для детального исследования экономических показателей или процессов необходимо проводить не только одноступенчатый, но и цепной факторный анализ: статический (пространственный) и динамический (пространственный и во времени).
Пусть исследуется экономический показатель у; х1 х2,… хn – факторы, влияющие на этот показатель. В зависимости от цели исследования анализируется поведение показателя y ; одним из методов факторного анализа. Если х1 х2,… хn – функции более первичных факторов, то для анализа у надо объяснить поведение х 1 х 2 ,… х n ; для этого проводят дальнейшую детализацию:
х1= l1 (z1,z2, …, zm);
х2 = l ( λ 1, λ 2, …, λk );
хn= l (p1, p2, …, pe)…
Детализация факторов может быть продолжена и дальше. Закончив ее, решают обратную задачу факторного анализа, синтезируя результаты исследования для характеристики результативного показателя у . Такой метод исследования называется цепным статическим методом факторного анализа .
При применении цепного динамического факторного анализа для полного изучения поведения результативного показателя недостаточно его статического значения; факторный анализ показателя проводится на различных интервалах дробления времени, на которых исследуется показатель.
Анализ динамических (временны́х) рядов показателей хозяйственной деятельности, расщепление уровня ряда на его составляющие (основную линию развития – тренд, сезонную, или периодическую, составляющую, циклическую составляющую, связанную с воспроизводственными явлениями, случайную составляющую) – задача временно́го факторного анализа.89. Модели детерминированного факторного анализа и аддитивные модели
Детерминированное моделирование факторных систем – простое и эффективное средство формализации связи экономических показателей. Оно служит основой для количественной оценки роли отдельных факторов в динамике изменения обобщающего показателя.
Детерминированное моделирование факторных систем ограничено длиной факторного поля прямых связей. При недостаточном уровне знаний о природе прямых связей того или иного показателя хозяйственной деятельности часто необходим иной подход к познанию объективной действительности. Размах количественных изменений экономических показателей можно выяснить только стохастическим анализом массовых эмпирических данных.
При детерминированном факторном анализе модель изучаемого явления не изменяется по хозяйственным объектам и периодам (так как соотношения соответствующих основных категорий стабильны). При
Детерминированный факторный анализ представляет собой методику исследования влияния факторов, связь которых с результативным показателем носит функциональный характер, т. е. может быть выражен математической зависимостью. Детерминированные модели бывают разного типа: аддитивные, мультипликативные, кратные, смешанные.
Аддитивные модели представляют собой алгебраическую сумму показателей и имеют следующую математическую интерпретацию:
В качестве примера можно привести балансовую модель товарного обеспечения:
Nзап. 1 + Nn = N p + Nвыб + Nзап. 2
, где N p – общий объем реализации; Nзап. 1 – запасы товара на начало периода; Nn – объем поступления; Nвыб – прочее выбытие товаров; Nзап. 2 – запасы товаров на конец анализируемого периода.
90. Мультипликативная модель, смешанные и кратные модели, логарифмический способ и способ долевого участия
Мультипликативная модель представляет собой произведение факторов:
Примером мультипликативной модели является двухфакторная модель объема реализации
N = Ч · В,
где Ч – среднесписочная численность работников; В – выработка на одного работника.
Кратные модели представляют собой отношение факторов и имеют вид
,
где Z – совокупный показатель.
Смешанные модели представляют собой комбинацию перечисленных моделей. Примером смешанной модели является формула расчета интегрального показателя рентабельности:
,
где R к – рентабельность капитала; Rnp – рентабельность продаж; F e —фондоемкость основных средств; E з – коэффициент закрепления оборотных средств.
Логарифмический способ применим к кратным и мультипликативным моделям. Основан на логарифмировании отклонения отчетного и базисного значений результативного признака, равного отношению соответствующих произведений факторов, так как изменение показателей может быть оценено с помощью как абсолютных, так и относительных показателей.
Способ долевого участия заключается в определении доли каждого фактора в общей сумме их приростов, которая затем умножается на общий прирост совокупного показателя. Он применяется к аддитивным моделям и чаще всего для оценки влияния факторов второго или третьего порядков.
Для примера можно рассмотреть модель зависимости фонда заработной платы от средней заработной платы и численности персонала:
ФЗ = ЗП · Ч,
где ФЗ – фонд заработной платы; ЗП – средняя заработная плата; Ч – среднесписочная численность.91. Индексный метод, интегральный способ, метод цепных подстановок
Индексный метод основан на построении факторных (агрегированных) индексов. Применение агрегированных индексов означает последовательное элиминирование влияния отдельных факторов на совокупный показатель. Преимущество индексного метода заключается в том, что он позволяет произвести «разложение» по факторам не только абсолютное изменение показателя, но и относительное, что особенно важно при изучении факторных динамических моделей.