- •Тема 4 «методы факторного анализа»
- •Понятие и виды фа. Моделирование как основа фа
- •Методы элиминирования
- •Расчет влияния факторов на изменение результативного показателя методом прямого счета
- •Расчет влияния факторов на изменение результативного показателя индексным методом
- •Интегральный метод
- •Методы стохастического факторного анализа
Методы стохастического факторного анализа
В соответствии с жестко детерминированным представлением о функционировании экономических систем любое действие вызывает строго определенный результат, случайными (непредвиденными заранее) воздействиями при этом пренебрегают. Однако многие экономические явления имеют вероятностный характер.
Дополнением детерминированного ФА является стохастическое моделирование.
Стохастическая связь - связь между величинами, при которой 1 их них, случайная величина у, реагирует на изменение другой величины х или величин х1, х2,..., хп (случайных или неслучайных) изменением закона распределения.
Это происходит из-за того, что зависимая переменная (результативный показатель), кроме рассматриваемых независимых, подвержена влиянию ряда неучтенных или неконтролируемых (случайных) факторов, а также некоторых неизбежных ошибок измерения переменных. Так как значения зависимой переменной подвержены случайному разбросу, то они могут быть определены только с некоторой вероятностью.
Особенности стохастических связей:
1 - такие связи проявляются во всей совокупности, а не в каждой ее единице.
2 - проявление стохастических связей подвержено действию закона больших чисел: лишь в достаточно большом числе единиц индивидуальные особенности сгладятся, случайные взаимопогасятся и зависимость, если она имеет существенную силу, проявится достаточно отчетливо.
Частным случаем стохастической связи является корреляционная связь, при которой различным значениям 1 или нескольких случайных величин соответствуют разные средние значения случайной величины результативного показателя.
Приемы корреляционного анализа, позволяющего установить связь между показателями и измерить ее тесноту, достаточно широко применяются в экономическом анализе.
Корреляционный анализ позволяет решить следующие задачи:
- измерить тесноту известной связи между варьирующими показателями,
- установить относительную степень зависимости результативного показателя от каждого фактора.
Регрессионный анализ является методом установления аналитического выражения стохастической зависимости между исследуемыми показателями.
Уравнение регрессии показывает, как в среднем изменяется результативный (зависимый) показатель (у) при изменении любого из независимых факторов (х.).
В ходе регрессионного анализа решаются 2 задачи:
1) построение уравнения регрессии, которое и является факторной моделью,
2) оценка значимости полученного уравнения, т.е. определение того, насколько выбранные факторные признаки объясняют вариацию результативного показателя (у).
Отличия корреляционного и регрессионного анализа:
а) корреляционный анализ только отвечает на вопрос, существует ли связь между анализируемыми показателями, а регрессионный анализ дает ее формализованное выражение
б) корреляционный анализ изучает любую взаимосвязь показателей, а регрессионный — причинно-следственную зависимость, т.е. одностороннюю, показывающую, каким образом изменение факторных признаков влияет на результативный показатель.
Виды связей:
1. В зависимости от направления действия связи в А могут быть прямыми и обратными.
При прямой связи имеет место однонаправленное изменение фактора и результативного показателя, т.е. при росте фактора результативный показатель растет, при снижении фактора — снижается.
При обратной связи изменения фактора и результативного показателя являются разнонаправленными, т.е. при росте фактора результативный показатель снижается, при снижении фактора — растет.
2. В зависимости от количества факторов, влияющих на результативный показатель, различают однофакторные и многофакторные взаимосвязи.
Взаимосвязь между 1 фактором и результативным показателем устанавливает парная корреляция, взаимодействие нескольких факторов с результативным показателем — множественная.
3. В зависимости от формы связи различают прямолинейную (линейную) и криволинейную связи.
Линейная связь описывается уравнением прямой и характеризует непрерывное пропорциональное изменение результативного показателя в зависимости от изменения фактора, причем эта связь может быть как прямой, так и обратной.
При криволинейных связях результативные показатели могут неравномерно, непропорционально меняться либо в том же направлении, что и факторы, либо в другом.
От форм связи непосредственно зависит вид факторной модели (уравнения регрессии). При изучении связи экономических показателей достаточно часто используют уравнение однофакторной (парной) линейной корреляционной связи, которое имеет вид
у = а + bх,
где у — результативный показатель;
х — фактор;
а, b — параметры (коэффициенты) уравнения регрессии, которые необходимо определить.
Коэффициент парной линейной регрессии (b) имеет смысл показателя силы связи между вариацией фактора (х) и вариацией результативного показателя (у). Уравнение регрессии показывает среднее значение изменения результативного показателя (у) при изменении фактора (х) на 1 единицу его измерения, т.е. вариацию (у), приходящуюся на единицу вариации (х). Знак (b) указывает направление этого изменения.
Параметры уравнения регрессии находят методом наименьших квадратов. При использовании данного метода в качестве решения принимается точка минимума суммы квадратов отклонений, т.е. в основу этого метода положено требование минимальности сумм квадратов отклонений эмпирических данных уi от выровненных:
,
Для нахождения минимума данной функции ее частные производные приравниваются к 0, в результате чего получается система 2 линейных уравнений
где n — количество наблюдений.
Решив эту систему, получим:
Многофакторный корреляционно-регрессионный анализ проводится в несколько этапов:
- вначале выбираются факторы, стохастически влияющие на результативный показатель;
- затем строится многофакторная модель (уравнение многофакторной регрессии);
- рассчитываются параметры модели;
- измеряется теснота взаимосвязи и оцениваются полученные результаты.
Для многофакторной линейной зависимости между n факторами и результативным показателем уравнение регрессии имеет вид:
Для 2х-факторной регрессионной модели вида
Параметры уравнения регрессии а, b и c находятся путем решения системы уравнений:
После построения уравнения регрессии необходимо проверить его значимость, т.е. с помощью специальных критериев установить, не является ли полученная зависимость, выраженная уравнением регрессии, случайной.
В статистике разработаны методы строгой проверки значимости коэффициентов регрессии с помощью дисперсионного анализа и расчета специальных критериев. Нестрогая проверка может быть выполнена путем расчета среднего относительного линейного отклонения, называемого средней ошибкой аппроксимации ( ):
=
где у — фактическое значение результативного показателя;
уx — расчетное значение результативного показателя.
Модель считается адекватной, т.е. пригодной для практического использования, если средняя ошибка аппроксимации не превышает 15%.
Из уравнения регрессии видно влияние каждого фактора на результативный показатель, однако факторы измеряются в разных единицах и потому между собой не сопоставимы.
Для сравнения влияния факторов на результативный показатель могут быть использованы частные коэффициенты эластичности, которые показывают, на сколько процентов изменяется результативный показатель при изменении соответствующего фактора на 1%. Влияние остальных факторов при этом не измеряется.
Частные коэффициенты эластичности рассчитываются так же, как для парной корреляции:
для фактора
для фактора