- •Тема 2. Методология и методика эа
- •1. Общая характеристика метода экономического анализа. Классификация методов.
- •2) Методы факторного анализа.
- •3) Методы оптимизационного решения экономических задач
- •4) Приемы и методы финансовой математики.
- •2.Способы измерения влияния факторов в детерминированном факторном анализе
- •Способы измерения влияния факторов в стохастическом факторном анализе
- •Соответствие закону нормального распределения.
Соответствие закону нормального распределения.
Распределение случайной величины, при котором ее возможные отклонения от средней величины в равной степени вероятны как в положительную, так и в отрицательную сторону.
Для количественной оценки степени отклонения информации от нормального распределения служат:
- отношение показателя асимметрии к ее ошибке;
Показатель асимметрии (А) и его ошибка (ma) рассчитываются по следующим формулам:
Коэффициент асимметрии характеризует скошенность распределения.
В симметричном распределении А = 0.
Отклонение от нуля указывает на наличие асимметрии в распределении данных около средней величины.
А < 0, отрицательная асимметрия свидетельствует о том, что преобладают данные с большими значениями, а с меньшими значениями встречаются значительно реже. Левосторонняя асимметрия.
А > 0, положительная асимметрия показывает, что чаще встречаются данные с небольшими значениями. Правосторонняя асимметрия.
- отношение показателя эксцесса (E) к его ошибке (me).
Показатель эксцесса и его ошибка рассчитываются по след формулам:
Коэффициент эксцесса характеризует островершинность распределения. Чем он выше, тем островершинее распределение.
В нормальном распределении показатель эксцесса Е = 0.
Если Е > 0, то данные густо сгруппированы около средней, образуя островершинность.
Если Е < 0, то кривая распределения будет плосковершинной.
Однако, если отношения А/ma и E/me меньше 3, то асимметрия и эксцесс не имеют существенного значения и исследуемая информация соответствует закону нормального распределения.
Следовательно, ее можно использовать для корреляционного анализа.
Изучается характер и моделируется связь между факторными и результативными показателями.
То есть подбирается и обосновывается математическое уравнение, которое наиболее точно выражает сущность исследуемой зависимости. Для его обоснования используются те же приемы, что и для установления наличия связи: аналитические группировки, линейные графики и др.
Зависимость результативного показателя от определяющих его факторов можно выразить уравнением парной и множественной регрессии.
Регрессия в общем случае показывает, как в среднем изменится результативный признак (Y), если факторный признак (X) увеличится на единицу.
При прямолинейной форме они имеют следующий вид:
Уравнение парной регрессии:
Yx = a0 + а1x;
Уравнение множественной регрессии:
Yx = a0 + а1x1 + а2x2 + … + аnxn,
где
a – свободный член уравнения при х = 0;
x1, x2, xn – факторы, определяющие уровень изучаемого результативного показателя;
а1, а2, аn – коэффициенты регрессии при факторных показателях, характеризующие уровень влияния каждого фактора на результативный показатель в абсолютном выражении.
Система нормальных уравнений для нахождения параметров линейной парной регрессии имеет следующий вид:
n a0 + a1 Σ x = Σ y;
a0 Σ x + a1 Σ x2 = Σ xy,
где
n – число наблюдений.
Если связь между результативным и факторным показателями носит криволинейный характер, то могут быть использованы следующие математические функции:
- полулогарифмическая
yx = a0 + a1 lg x
- показательная
yx = a0 + a1x
- степенная
yx = a0 хa1
- параболическая
yx = a0 + a1 x + a2 x
- гиперболическая
yx = a0 + a1 1/x
другие.1
В случаях, когда сложно обосновать форму зависимости, решение задачи можно провести по разным моделям и сравнить полученные результаты. Адекватность разных моделей фактическим зависимостям проверяется по:
- критерию Фишера,
- показателю средней ошибки аппроксимации,
- величине множественного коэффициента детерминации.
Проводится расчет основных показателей связи корреляционного анализа: уравнение связи, коэффициентов корреляции, детерминации, эластичности и др.
Расчет уравнения связи сводится к определению параметров а0 и а1, с учетом существующей зависимости (линейной, параболической, гиперболической и др.)
Для измерения тесноты связи между факторным и результативным показателем исчисляется коэффициент корреляции.
При прямолинейной форме связи между изучаемыми показателями он рассчитывается по следующей формуле:
Коэффициент может принимать значения от 0 до 1.
Чем ближе его величина к единице, тем более тесная связь между изучаемыми явлениями.
Если коэффициент корреляции возвести в квадрат, то получим коэффициент детерминации (d).
Он отражает относительную зависимость результативного показателя от изучаемого фактора.
При криволинейной форме зависимости для измерения тесноты связи используется корреляционное отношение:
Решение задач многофакторного корреляционного анализа проводится на ПЭВМ по типовым программам.
Статистическая оценка и практическое использование результатов корреляционного анализа.
Для определения надежности показателей связи и правомерности их использования используют:
- критерий Стьюдента (t)
Критерий Стьюдента – позволяет оценить надежность коэффициентов корреляции, которая зависит от объема исследуемой выборки данных.
Где
Если расчетное значение t выше табличного, то можно сделать вывод о том, что величина коэффициента корреляции является значимой.
Табличные значения t находят по таблице значений Стьюдента.
При этом учитываются количество степеней свободы (V = n – 1) и уровень доверительной вероятности (в экономических расчетах обычно 0,05 или 0,01).
- критерий Фишера (F – отношение)
Критерий Фишера позволяет оценить надежность уравнения связи, расчетная величина которого сравнивается с табличным значением.
Если Fрасч > Fтабл, то гипотеза об отсутствии связи между исследуемыми показателями отвергается.
- средняя ошибка аппроксимации (ε)
Средняя ошибка аппроксимации позволяет оценить точность уравнения связи.
Чем меньше теоретическая линия регрессии (рассчитанная по уравнению) отклоняется от фактической, тем меньшее ее величина, а это свидетельствует о правильности подбора формы уравнения связи.
В экономических расчетах допускаемая погрешность находится в пределах 5-8%.
- коэффициенты множественной корреляции (R)
Данный коэффициент позволяет судить о полноте связи. Если его значение близко единице, значит, в корреляционную модель удалось включить наиболее существенные факторы, на долю которых приходится основная вариация результативного показателя.
- коэффициент детерминации (D) (аналогично коэффициенту множественной корреляции).
Результаты многофакторного регрессионного анализ могут быть использованы также для планирования и прогнозирования уровня результативного показателя.
Для этого необходимо в уравнение связи поставить плановый (прогнозный) уровень факторных показателей.
Таким образом, многофакторный корреляционный анализ имеет важную научную и практическую значимость. С установлением места и роли каждого фактора в формировании уровня исследуемых показателей точнее обосновываются планы и управленческие решения, объективные оцениваются итоги деятельности предприятий и полнее определяются внутрихозяйственные резервы.
1 Общая теория статистики: Статистическая методология в изучении коммерческой деятельности: Учебник / Под ред. О.Э. Башиной, А.А. Спирина – М.: Финансы и статистика, 2006. – с. 333-334.
1 Общая теория статистики: Статистическая методология в изучении коммерческой деятельности: Учебник / Под ред. О.Э. Башиной, А.А. Спирина – М.: Финансы и статистика, 2006. – с. 337.