Добавил:

ivanov666 Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Башкирский Государственный Аграрный Университет

Предмет:

[НЕСОРТИРОВАННОЕ]

Файл:

Учебное пособие по дисциплине «Мониторинг в инфокоммуникациях»

.pdf

Скачиваний:

Добавлен:

08.09.2026

Размер:

2 Мб

Скачать

☆

<<< < Предыдущая 1 2 3 4 56 / 186 7 8 9 10 11 12 13 14 15 16 17 18 > Следующая >>>

индексом детерминации,

/

2222

)(/)(/ yyyy





yy



yy



yyxx

ttr

















))((

. Индекс детерминации

характеризует долю вариации результативного признака под влиянием факторного признака в общей вариации результативного признака.

Если между признаками имеется корреляционная связь, то по мере ее усиления, т.е. повышения тесноты связи между результативным и факторным признаками, индекс детерминации увеличивается, а по мере ослабления – уменьшается. Таким образом, индекс детерминации характеризует тесноту связи, близость корреляционной связи к функциональной.

Корень квадратный из индекса детерминации есть индекс корреляции или теоретическое корреляционное отношение

. (2.5)

Индекс корреляции показывает тесноту связи между результативным и факторным признаками при любой форме связи. Значения индекса корреляции и эмпирического корреляционного отношения почти совпадают, поскольку отражают одну и ту же сущность оценивания тесноты связи между результативным и факторным признаками.

Индекс корреляции, или теоретическое корреляционное отношение, характеризует тесноту связи при любой форме зависимости. Остаточная дисперсия

необходима для выбора наилучшей функции, которая в

наибольшей степени выравнивает (аппроксимирует) эмпирическую линию регрессии. Аппроксимирующую функцию выбирают по минимуму

остаточной дисперсии или

Частным случаем индекса корреляции является линейный коэффициент корреляции r, который применяется для оценки тесноты связи при линейной зависимости. Линейный коэффициент корреляции строится на сопоставлении отклонений коррелируемых признаков x и y от их средних арифметических. Для обеспечения соизмеримости отклонений признаков х и y по абсолютным размерам и единицам измерения, рассчитывают их нормированные отклонения.

Линейный коэффициент корреляции представляет собой среднюю величину из произведения нормированных отклонений по обоим признакам:

. (2.6)

Однако изучение только парных зависимостей оказывается малоэффективным при использовании полученных результатов в планировании, так как действительности свойственна множественность взаимосвязей и исследовать социально-экономические явления необходимо комплексно. Уровень какого-либо результативного показателя зависит от множества взаимосвязанных факторов, действующих с разной силой и в противоположных направлениях; их влияние на результативный показатель нельзя рассматривать как простую сумму изолированных парных влияний. Это обусловливает ограниченность использования парных уравнений

регрессии и построения однофакторных моделей. Специфика

xxy...

корреляционных связей требует построения многофакторных моделей – уравнений множественной регрессии [54, с. 189-199; 91, с.204-212].

Задача многофакторного корреляционно-регрессионного анализа заключается:

во-первых, в изучении целого ряда факторов, влияющих на исследуемый показатель и отборе наиболее значимых;

во-вторых, в определении степени влияния каждого фактора на результативный признак путем построения модели – уравнения множественной регрессии, которая позволяет установить, в каком направлении и на какую величину изменится результативный показатель при изменении каждого фактора, входящего в модель;

в-третьих, в количественной оценке тесноты связи между результативным признаком и факторными.

Математически задача состоит в нахождении аналитического выражения, наилучшим образом отражающего связь факторных признаков с результативным, т.е. в нахождении функции

= f(x1,x2,x3,...,xn). (2.7)

От правильного выбора функции регрессии зависят результаты теоретического анализа и возможность их приложения к практике, поэтому форма связи должна наилучшим образом соответствовать реально существующим связям между результативным признаком и факторными. Сложность выбора функции состоит в том, что результативный признак с разными факторами может находиться в различных формах связи – прямолинейных и криволинейных.

Выбор формы уравнения множественной регрессии основывается на теоретическом анализе изучаемого явления. Если анализ взаимосвязей результативного и факторных признаков не позволяет остановиться на какойлибо форме связи, то перебирают различные функции и выбирают оптимальную с точки зрения близости эмпирических значений результативного признака выравненным, но это сопряжено со значительной трудоемкостью расчетов параметров различных уравнений.

Практика многофакторного регрессионного анализа социальноэкономических явлений показывает, что хотя для описания их взаимосвязей можно использовать различные типы моделей (линейная, степенная, показательная, параболическая, гиперболическая), но останавливаются на линейных моделях. Это объясняется тем, что, во-первых, параметры линейных уравнений легко интерпретируются, сами модели просты и удобны для экономического анализа, во-вторых, при желании любую функцию путем логарифмирования или замены переменных можно свести к линейной форме.

Вследствие того, что экономические явления подвергаются воздействию многочисленных и сложных причин, в уравнение множественной регрессии должны включаться существенные, систематически действующие факторы при элиминировании влияния остальных факторов. Наиболее важные факторы отбираются на основе

анализа тесноты и существенности связи между факторами и результативным показателем. При этом условием включения в модель факторов является отсутствие между ними очень тесной корреляционной связи. Наличие между двумя факторами весьма тесной линейной связи (линейный коэффициент корреляции r превышает по абсолютной величине 0,85) называется коллинеарностью, а между несколькими факторами – мультиколлинеарностью.

Причины возникновения мультиколлинеарности между признаками состоят, во-первых, в том, что анализируемые признаки характеризуют одну и ту же сторону явления или процесса и включать их в модель одновременно не целесообразно; во-вторых, факторные признаки являются составными элементами друг друга, дублируют друг друга или их суммарное значение дает постоянную величину. Если в модель включены мультиколлинеарные факторы, то уравнение регрессии будет неадекватно отражать реальные экономические взаимосвязи, будут искажены величины параметров модели и затруднена экономическая интерпретация коэффициентов регрессии и корреляции.

Качество и адекватность модели реальному социальноэкономическому явлению и процессу определяется оптимальностью числа факторных признаков: чем больше включается факторов, тем модель лучше описывает явление и процесс, но такую модель трудно реализовать; при малом числе факторов модель недостаточно адекватна. Проблема отбора факторных признаков и сокращения размерности модели множественной корреляции решается на основе эвристических и многомерных методов анализа.

Совокупный коэффициент множественной корреляции R оценивает тесноту связи между результативным признаком и всеми факторами. Чем меньше эмпирические значения результативного признака отличаются от выравненных по линии множественной регрессии, тем корреляционная связь между исследуемыми показателями теснее и совокупный коэффициент множественной корреляции ближе к единице. Совокупный коэффициент множественной детерминации, равный R2, показывает, какая часть вариации результативного признака обусловлена влиянием факторов, включенных в модель. При криволинейной зависимости тесноту связи между результативным признаком и всеми факторами характеризует совокупный индекс множественной корреляции.

Социально-экономические явления и процессы отрасли инфокоммуникаций находятся в непрерывном движении, изменении, развитии, т.е. в динамике. Все сведения, полученные при изучении изменения явлений во времени, необходимы для планирования и прогнозирования развития отрасли, которое опирается на познание процессов деятельности в прошлом.

При анализе динамических рядов используется средний темп роста за период, усредняющий изменение темпов роста по отдельным годам периода. Средний же темп роста определяется после извлечения корня из

произведения ежегодных темпов роста, степень которого равна количеству

 

taa

101/

aky

)(



индивидуальных темпов.

Для отображения тенденции в развитии явлений применяется еще способ аналитического выравнивания рядов динамики. При этом способе общее направление в развитии явления выражается плавно изменяющейся линией – трендом, характеризующим тенденцию его динамики [54, с. 219-

223].

Выравнивание может быть произведено по прямой или криволинейной зависимости, выражающей функциональную зависимость уровней ряда

динамики от времени:

= f(t). (2.8)

В основе нахождения аналитической функции выравнивания ряда динамики лежит теоретический анализ сущности данного явления и законов его развития:

если явление развивается в арифметической прогрессии, т.е. цепные абсолютные приросты относительно стабильны, то в качестве тренда берется прямая линия – линейная функция вида

=a0+a1 t;

если относительно стабильными являются цепные темпы прироста, т.е.

уровни ряда растут с какой-то постоянной скоростью, то в качестве тренда принимается экспонента (показательная функция) вида

= a0 a1 t;

при равномерном увеличении (уменьшении) цепных абсолютных приростов, т.е. монотонном изменении уровней ряда с возрастающей (убывающей) скоростью, в качестве аппроксимирующей функции принимается полином второй степени – парабола второго порядка

a1t+a2t

;

= a0+

при моделировании динамических рядов, в которых наблюдается быстрое развитие в начале ряда и затухающее его развитие к концу, т.е. стремление к некоторой предельной величине, применяются логистическая

функция вида

;

при наличии экстремальных значений ряд динамики описывается кривой Гомперца

В приведенных уравнениях

– параметры уравнения; t – показатель времени (дни, месяцы, годы). В

0, a1

– значение уровня выравненного ряда;

статистической практике параметры уравнений интерпретируются следующим образом: a0 – характеризует средние условия ряда динамики, a1– изменение скорости (ускорения), в линейной функции показывает, на сколько изменится уровень ряда при изменении единицы времени на единицу.

Задача аналитического выравнивания сводится к тому, чтобы фактические значения ряда динамики y заменить теоретическими yt, исчисленными на основании уравнения. Параметры уравнений находят различными методами: конечных разностей, наименьших квадратов, гармонического анализа.

Совместный анализ динамики различных экономических показателей

110 tt

yaay

1t

деятельности предприятий, развития отдельных видов связи показывает наличие корреляционной связи между уровнями двух или нескольких рядов динамики. Поэтому возникает задача исследования зависимостей в многомерных связных рядах динамики и получения их количественных характеристик с помощью методов корреляции и регрессии. Полученные характеристики могут быть привлечены для анализа и прогнозирования развития и рынка услуг инфокоммуникаций [54, с. 189-199].

Применение методов корреляционно-регрессионного анализа к рядам динамики сопряжено с определенными трудностями, вызываемыми тем, что в рядах динамики экономических показателей может иметь место зависимость уровней данного периода от предшествующих им, называемая автокорреляцией. Влияние предыдущих уровней динамического ряда на последующие может быть учтено с помощью уравнения авторегрессии вида

, (2.9)

где единицу времени от уровня

– уровень ряда в момент t;

– уровень ряда, сдвинутый на

Наличие в динамических рядах автокорреляции ведет к искажению показателей регрессии, так как нарушается основное требование корреляционно-регрессионного анализа о независимости наблюдений друг от друга. Чтобы избежать искажения показателей корреляции и регрессии из-за автокорреляции и измерить влияние изменений факторного признака на результативный показатель, в динамических рядах прибегают к различным методам исключения тенденции в этих рядах или использованию модификации уравнения авторегрессионной зависимости [47, 91].

Модифицированное уравнение авторегрессии имеет вид:

= A0 + A1 ∙ Y

прt

+ A2 · t, (2.10)

t-1

где t – порядковый номер элемента временного ряда.

Адекватность авторегрессионной модели определяется по относительной величине среднего линейного отклонения, величина которого менее 15 % дает основание использовать уравнение авторегрессии в прогнозных целях. С помощью авторегрессионной зависимости также можно получить прогнозные значения значимых факторных признаков для филиалов предприятия, имеющих лучшие групповые значения.

Для обоснования наиболее важных показателей комплексной оценки эффективности деятельности предприятий сферы инфокоммуникаций и их филиалов, а также оценки сопоставительной значимости частных показателей в комплексных оценках эффективности деятельности можно использовать метод экспертных оценок «Дельфи», позволяющий обобщать мнения отдельных экспертов в согласованное групповое мнение [19, 59]. Методика проведения экспертного опроса (рис. 2. 7) включает в себя отбор экспертов по определенным критериям, включающим признаки профессиональной компетентности: стаж работы в отрасли и на конкретном предприятии, знание экономических основ управления и региональной

специфики деятельности филиальной сети, участие в методических

Использование полученной системы баллов для мониторингового анализа результатов деятельности

Анализ причин несогласованности общего мнения и корректировка

исходных условий

ДА

НЕТ

разработках и экспертизах документов и проектов.

Рис. 2.7. Алгоритм проведения экспертного опроса по оценке значимости показателей эффективности деятельности

Для систематизации и обеспечения единых подходов к определению значимости показателей, входящих в комплексную систему показателей, должна быть разработана анкета, которая заполняется каждым экспертом на основании его собственного мнения о значимости показателей деятельности филиалов (выраженной в баллах).

Для оценивания мнений экспертов используется измерительная шкала в баллах, позволяющая сопоставить свойства различных объектов или характеристик изучаемого явления. Важнейшей характеристикой балльной шкалы является диапазон – количество градаций, которое включает шкала. Градации определяются исходя из характера решаемой задачи с учетом возможностей качественного описания количественных градаций.

Для определения весовых коэффициентов значимости показателей эффективности деятельности филиалов можно применить следующую балльную шкалу по степени важности показателей: мало важный показатель, важный показатель, очень важный показатель с соответствующими баллами: 1, 2, 3. Такой подход позволяет эксперту однозначно устанавливать соответствие оценки в баллах индикатору эффективности.

Эксперты могут пересмотреть свое мнение и изменить оценки по результатам проведенных консультаций со специалистами по направлениям и дискуссий в своем кругу. Изменение оценок также осуществляется анонимно. Степень согласованности мнений экспертов определяется коэффициентом вариации ν, который не должен превышать 15%.

2.3. Методологические подходы к формированию интегральных

оценок мониторинга

Выполнение мониторингом функций по предоставлению объективной, достоверной и научно обоснованной информации для принятия управленческих решений по повышению эффективности исследуемых явлений, процессов, экономических отношений и т.д. зависит от используемого аналитического инструментария и теоретического арсенала знаний, находящихся в распоряжении современной теории и практики экономического анализа [6-8, 41, 46, 102, 103].

Поскольку рынок инфокоммуникационных услуг, социальноэкономическая деятельность и процессы информатизации общества характеризуется сложной структурой технологического, экономического и организационно-сетевого характера, высоким динамизмом изменения параметров и структуры результатов и факторов производства, то для их обобщенной оценки, территориального и международного сопоставления необходимы комплексные интегральные показатели и методы

сопоставительного анализа.

В [7, с. 143 - 144] М.И. Баканов, М.В. Мельник и А.Д. Шеремет указывают, что комплексная оценка – это характеристика, полученная в результате комплексного исследования, т.е. одновременного и согласованного изучения совокупности показателей, отражающих все (или многие) аспекты хозяйственных процессов, и содержащая обобщающие выводы о результатах деятельности производственного объекта на основе выявления качественных и количественных отличий от базы сравнения (нормативов, достижений на других объектах, других возможных вариантов развития).

Комплексная оценка является важным инструментом экономического анализа, индикатором состояния и потенциала развития, критерием сравнительного оценивания деятельности хозяйствующих субъектов, основой выбора вариантов развития и принятия управленческих решений, т.е. лежит в основе мониторинговой системы. Для того чтобы комплексная

оценка была действенным инструментом мониторинга, необходимо

Метод балльной оценки. Метод двумерного

шкалирования

Средняя арифметическая

взвешенная. Средняя

геометрическая

Метод сумм. Метод суммы мест

Метод расстояний. Метод Беннета

Метод рейтинговой оценки и рангов

Статистические и экономикоматематические методы комплексного анализа

Метод «нормированных

отклонений». Метод

нормализованных величин

обоснование методов ее конструирования и измерения (рис. 2.8).

Таким образом, комплексная оценка эффективности деятельности является важным инструментом экономического анализа, индикатором состояния и потенциала развития, критерием сравнительного оценивания деятельности филиалов радиочастотных предприятий, основой для выбора вариантов развития и принятия управленческих решений, т.е. лежит в основе мониторинговой системы. Для того чтобы комплексная оценка была действенным инструментом мониторинга, необходимо обоснование методов ее конструирования и измерения. Для получения обобщающих комплексных оценок используются различные методы сведения различных показателей (по сущности, единицам измерения, методам расчета) в единый интегральный показатель.

Рис. 2.8. Методологический арсенал формирования комплексных оценок

Получение обобщающих комплексных оценок возможно на основе применения различных методов сведения различных показателей (по сущности, единицам измерения и охвата территории, методам расчета) в единый интегральный показатель. Для комплексной оценки хозяйственной деятельности или различных ее сторон А.Д. Шеремет [102, с. 266 - 267] рекомендует применять среднюю арифметическую взвешенную (суммирование показателей с учетом веса каждого показателя по какомулибо принципу) и следующие экономико-математические методы: сумм, когда суммируются фактические показатели или их отношения; суммы мест,

когда суммируются места, достигнутые субъектом анализа по результатам

 

1nn

1ρ







отобранных показателей; методы балльной оценки, когда каждый показатель имеет свой весовой балл и в баллах же оцениваются приращения показателей по определенной шкале, и «расстояний» для рейтинговой оценки субъектов анализа.

Перечисленные методы особенно актуальны для проведения факторного комплексного анализа деятельности предприятий по различным аспектам результатов и производственных затрат, в том числе и финансовых, исследования рынка инфокоммуникационных услуг. Однако применение метода сумм при оценке инфокоммуникационного развития по регионам или странам нецелесообразно, так как при суммировании высоких и низких оценок по отдельным регионам или странам результаты завышаются за счет нивелирования низких оценок.

В [7] различают методы комплексной оценки в зависимости от способов выражения показателей:

детерминированные, в которые, кроме методов сумм, суммы мест и расстояний, входят методы геометрической средней и коэффициентов, позволяющих использовать разнородные показатели развития рынка УПС, исчисляемые единым способом: путем деления фактических показателей на максимальное, минимальное и др. значения;

стохастические: метод двумерного шкалирования, экспертностатистический, компонентного анализа, которые позволяют учитывать не только абсолютные значения показателей и степень их варьирования, но и механизм влияния отдельных факторов на результаты деятельности.

К стохастическим методам комплексной оценки можно отнести использование коэффициента корреляции рангов [59, 91, 105], состоящего в оценке влияния уровня развития, например, сетей, стандартов, технологий связи по экономическим показателям деятельности операторов. Это особенно важно при мониторинговой оценке потенциала развития рынка инфокоммуникационных услуг по регионам. По величине коэффициента корреляции рангов можно судить о наличии, направленности и силе влияния факторов технического, организационно-сетевого и экономического развития рынка инфокоммуникационных на его потенциал, развитие конкуренции и доступности услуг.

Суть метода состоит в исчислении коэффициентов корреляции рангов по ранжированным показателям результатов деятельности филиалов (структурных единиц, регионов):

(2.11)

где d – отклонение ранга филиала по показателю-фактору от ранга по показателю-результату; n – число филиалов.

Характерные для национальной и мировой экономики диспропорции инфокоммуникационного развития, выражающиеся в высокой дискретности пространства по факторам развития, природным ресурсам, уровню

материального благосостояния и инфраструктуры, отражаются на

maxiijij

/xxI 





ijбен

maxi

áåí

инфокоммуникационном обеспечении регионов, стран. Для обеспечения объективности и сопоставимости региональных оценок инфокоммуникационного развития необходимо из множества методов, описанных в научной литературе и применяемых на практике, выбрать наиболее подходящие для целей регионального мониторинга развития инфокоммуникаций.

Многие ученые [6, 16, 25, 55, 73] рекомендуют использовать для сопоставительной оценки регионального развития не стоимостные абсолютные показатели, а натуральные и относительные показатели.

Основными недостатками стоимостных показателей является ценовой фактор, т.е. зависимость от изменяющихся цен, тарифов и инфляции, что искажает реальную динамику объемного и масштабного параметра, а также безотносительность размеров абсолютных показателей уровню экономического развития, спроса, потребностей региона, что не позволяет однозначно сделать вывод о пропорциональности и сбалансированности развития региона и анализируемого сектора экономики или инфраструктуры.

Натуральные и относительные показатели лишены этих недостатков, однако, несмотря на их наглядность и информационную насыщенность каждый из них раскрывает состояние явления изолированно друг от друга, что диктует необходимость поиска способов их интегрирования для получения комплексной оценки.

В работе [48] отмечается, что в мировой практике для получения сравнительной оценки обеспеченности общественного производства и социума страны инфраструктурой применяют методику Беннета, состоящую в том, что по каждому частному показателю из всей совокупности регионов выбирается максимальное значение, которое принимается за базу. Отношение фактического значения частного показателя по региону к максимальному дает характеристику обеспеченности тем или иным видом услуг, средств связи относительно базового региона:

;

где

- значение i-го частного показателя в j-том регионе;

максимальное значение i-го показателя по совокупности регионов;

, (2.12)

коэффициент Беннета; m – число частных показателей, по которым оценивается развитие инфраструктуры в регионе.

Коэффициент Беннета, суммируя относительные величины частных показателей по региону, дает сводную характеристику развития инфраструктуры в разных регионах. Максимальное его значение свидетельствует о наиболее развитой инфраструктуре. Однако принятие в качестве базы максимального значения показателя ведет к тому, что в каждом случае для сравнения берутся разные регионы.

<<< < Предыдущая 1 2 3 4 56 / 186 7 8 9 10 11 12 13 14 15 16 17 18 > Следующая >>>

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]