3 Інформаційні технології багатофакторного аналізу в системі обробки економічної інформації засобами пакета Microsoft Excel

3.1 Методологія багатофакторного аналізу в системі обробки економічної інформації

Кількісний облік і обробка економічної інформації залежить від цілей дослідження й від поставлених завдань. Рішення завдання оцінки функціональних залежностей в економічній предметній області дає можливість системі управління приймати адекватні рішення з оптимізації економічних процесів досліджуваної предметної області. Одним з методів рішення наведеного вище завдання є виявлення та побудова багатофакторних функціональних залежностей, тобто проведення кореляційно-регресійного аналізу.

Кореляційно-регресійний аналіз у системі обробки економічної інформації використовується для вивчення й моделювання зв’язків між економічними показниками.

У цьому випадку аналізу підлягають наступні предметні області фінансової спеціалізації: аналіз потоків платежів, розробка планів погашення кредитів, аналіз ефективності інвестиційних проектів, аналіз ризиків, аналіз фінансових операцій та ін.

Економічні показники по їхньому значенню можна розділити на два класи: факторні й результативні.

Результативний показник (y) – досліджуваний показник, що характеризує ефективність економічного процесу.

Факторний показник (x) – показник, що робить вплив на результативний показник.

По ступені або рівню детермінованості бувають стохастичні й функціональні зв’язки.

Стохастичні зв’язки між економічними показниками виникають у випадках ймовірних процесів.

Під детермінованістю в цьому випадку передбачається наявність твердого функціонального зв’язку між змінними.

Приватним випадком функціонального зв’язку є кореляційний зв’язок.

Зв’язок між показниками є кореляційним, якщо закон розподілу однієї величини відповідає закону розподілу інший, або, якщо зміна математичного очікування однієї величини спричиняє зміну математичного очікування іншої.

Для кількісної оцінки щільності зв’язку широко використовується лінійний коефіцієнт кореляції. Лінійний коефіцієнт кореляції змінюється в межах від -1 до +1. Інтерпретація вихідних значень коефіцієнта кореляції представлена в табл. 3.1.

Таблиця 3.1 – Оцінка лінійного коефіцієнту кореляції r

Тіснота зв’язку	Прямий зв’язок	Зворотній зв’язок
Слабкий	0,1-0,3	(-0,1)- (-0,3)
Помірний	0,3-0,5	(-0,3)- (-0,5)
Значний	0,5-0,7	(-0,5)- (-0,7)
Високий	0,7-0,9	(-0,7)- (-0,9)
Вельми високий	0,9-0,99	(-0,9)- (-0,99)

Регресійна модель – запис виявленого зв’язку між результативним показником і факторами у вигляді рівняння, коли результуючий показник має випадкову складову, а фактори – детерміновані.

Теоретичною лінією регресії називається лінія, навколо якої групуються крапки кореляційного поля і яка вказує на основну тенденцію зв’язку.

По напрямку зв’язки розрізняють:

• пряма регресія – виникає за умови, якщо зі збільшенням або зменшенням незалежного показника значення залежного показника відповідно збільшується або зменшується;

• зворотна регресія – виникає за умови, якщо зі збільшенням або зменшенням незалежного показника значення залежного показника відповідно зменшується або збільшується.

Регресійний аналіз часто обмежується простим зв’язком між одним факторним і результативним показниками. Але у випадках, коли дуже важко встановити закономірний зв’язок стає необхідним використання множинної регресії.

Таким чином, однією із проблем побудови регресійної моделі є її розмірність, тобто визначення числа факторних показників, що включаються в модель. Їхнє число повинне бути оптимальним. Скорочення розмірності за рахунок виключення другорядних факторів дозволяє одержати більше якісну модель. У той же час побудова моделі малої розмірності може привести до того, що вона буде недостатньо точною.