- •Экономический анализ
- •Составители:
- •Воронеж 2015
- •Рецензенты:
- •Введение
- •Тема 1. Традиционные способы обработки
- •Способ относительных и средних величин
- •Графический способ
- •Группировка
- •Аналитические таблицы
- •Балансовый способ
- •1.3. Задания для самостоятельной работы
- •Тема 2. Способы факторного анализа
- •. Цель занятия
- •2.2. Теоретические сведения
- •Способ цепной подстановки
- •Способ абсолютных разниц
- •Способ относительных разниц
- •Индексный метод
- •Интегральный метод
- •Способ логарифмирования
- •Способ пропорционального деления или долевого участия
- •Задания для самостоятельной работы
- •Тема 3. Способы изучения стохастических связей
- •Способы изучения парной корреляции
- •Методика множественного корреляционного анализа
- •Задания для самостоятельной работы
- •Тема 4. Классификация затрат предприятия в целях экономического анализа и принятия управленческих решений
- •4.1. Цель занятия
- •Теоретические сведения
- •Тема 5. Обоснование управленческих решений с помощью
- •Метод уравнения
- •Метод маржинального дохода
- •Решение
- •Графический метод
- •Метод определение зависимости прибыли от объема реализации
- •Метод определения тарифа безубыточности
- •Взаимосвязь показателей деятельности предприятия и уровня точки безубыточности
- •. Задания для самостоятельной работы
- •Тема 6. Обоснование управленческих решений с помощью
- •Тема 7. Обоснование управленческих решений
- •Выбор варианта машин и оборудования
- •Обоснование решения «Производить или покупать»
- •Обоснование варианта выбора оптимальной технологии производства
- •7.3. Задания для самостоятельной работы
- •Заключение
- •Библиографический список
- •Справочные материалы
- •Оглавление
- •Экономический анализ
- •3 94006 Воронеж, ул. 20-летия Октября, 84
Методика множественного корреляционного анализа
Экономические явления и процессы предприятий зависят от большого количества факторов хозяйственной деятельности, которые воздействуют во взаимосвязи. Например, для многофакторной корреляционной модели уравнения рентабельности можно использовать следующие факторы:
выработки;
материалоотдачи;
фондоотдачи;
продолжительность оборота оборотных средств.
Решение задачи многофакторного корреляционного анализа производится с помощью информационных технологий по типовым программам.
При отборе факторов придерживаются следующих правил:
учитываются причинно-следственные связи, а не математические соотношения;
отбираются самые значимые факторы по различным критериям;
факторы должны быть количественно соизмеримыми, т. е. информация о них должна содержаться в отчетности;
в корреляционную модель линейного типа не рекомендуется включать факторы, связь которых с результативным показателем носит криволинейный характер;
не рекомендуется включать в модель взаимосвязанные факторы;
нельзя включать факторы, связь которых с результативными показателями носит функциональный характер.
Результаты многофакторного регрессионного анализа могут быть использованы для планирования и прогнозирования уровня результативного показателя.
С этой целью необходимо в полученное уравнение связи подставить плановый или прогнозный уровень факторных показателей.
Решение задач многофакторного корреляционного анализа проводится на ЭВМ. Сначала формируется матрица исходных данных, в первой графе которой записывается порядковый номер наблюдения. Во второй – величина результативного показателя Yx. В следующих – данные по факторным показателям (x1). Эти сведения вводятся в ПЭВМ, и рассчитывается уравнение множественной регрессии, которое, например, принимает следующее выражение:
, (3.5)
где Yх – результативный показатель; x1, x2, x3, x4, x5 – факторы, определяющие уровень изучаемого результативного показателя; a – свободный член уравнения при х=0; b1, b2, b3, b4, b5 – коэффициенты регрессии при факторных показателях, характеризующие уровень влияния каждого фактора на результативный показатель в абсолютном выражении.
Коэффициенты уравнения показывают количественное влияние каждого фактора на результативный показатель при неизменности других.
Обязательным этапом при решении многофакторных задач является статистическая оценка и практическое использование результатов корреляционного анализа. Для того чтобы убедиться в надежности показателей связи и правомерности их использования в практических целях, необходимо дать им статистическую оценку. Для этого используется критерий Стьюдента (t), критерий Фишера (F-отношение), средняя ошибка аппроксимации, коэффициенты множественной корреляции (R) и детерминации (D).
Надежность коэффициентов корреляции, которая зависит от объема исследуемой выборки данных, проверяется по критерию Стьюдента:
, (3.6)
. (3.7)
Если расчетное значение t больше табличного, то можно сделать заключение о том, что величина коэффициента корреляции является значимой.
Надежность уравнения связи оценивается с помощью критерия Фишера, расчетная величина которого сравнивается с табличным значением. Если Fрасч больше Fтабл, то гипотеза об отсутствии связи между исследуемыми показателями отвергается. Средняя ошибка аппроксимации рассчитывается для оценки точности уравнения связи.
О полноте уравнения связи можно судить по коэффициентам множественной корреляции и детерминации. Если их значения близки к 1, значит, в корреляционную модель удалось включить наиболее существенные факторы, на долю которых приходится основная вариация результативного показателя.
Результаты многофакторного регрессионного анализа могут быть использованы также для планирования и прогнозирования уровня результативного показателя. С этой целью необходимо в полученное уравнение связи подставить прогнозный уровень факторных показателей.
Таким образом, многофакторный корреляционный анализ имеет научное практическое значение. После определения роли каждого фактора в формировании уровня исследуемых показателей точнее обосновываются планы и управленческие решения, объективнее оцениваются итоги деятельности предприятий и полнее определяются внутрихозяйственные резервы.