При |r|<0,3 связь можно считать слабой; при 0,3 < |r| < 0,7 - связь средней тесноты; |r| > 0,7 - тесная. Существуют и более дробные градации (например, таблица Чэддока).

Регрессионный анализ

Регрессионный анализ - это метод установления аналитического выражения стохастической зависимости между исследуемыми признаками. Уравнение регрессии показывает, как в среднем изменяется у при изменении любого из x_i, и имеет вид:

где у - зависимая переменная (она всегда одна);

х_i - независимые переменные (факторы) (их может быть несколько).

Если независимая переменная одна - это простой регрессионный анализ. Если же их несколько (п 2), то такой анализ называется многофакторным.

Применяется регрессионный анализ главным образом для планирования, а также для разработки нормативной базы.

В отличие от корреляционного анализа, который только отвечает на вопрос, существует ли связь между анализируемыми признаками, регрессионный анализ дает и ее формализованное выражение. Кроме того, если корреляционный анализ изучает любую взаимосвязь факторов, то регрессионный - одностороннюю зависимость, т.е. связь, показывающую, каким образом изменение факторных признаков влияет на признак результативный.

Регрессионный анализ - один из наиболее разработанных методов математической статистики. Строго говоря, для реализации регрессионного анализа необходимо выполнение ряда специальных требований (в частности, x_l, x₂,…, x_n; y должны быть независимыми, нормально распределенными случайными величинами с постоянными дисперсиями). В реальной жизни строгое соответствие требованиям регрессионного и корреляционного анализа встречается очень редко, однако оба эти метода весьма распространены в экономических исследованиях. Зависимости в экономике могут быть не только прямыми, но и обратными и нелинейными. Регрессионная модель может быть построена при наличии любой зависимости, однако в многофакторном анализе используют только линейные модели вида:

Построение уравнения регрессии осуществляется, как правило, методом наименьших квадратов, суть которого состоит в минимизации суммы квадратов отклонений фактических значений результатного признака от его расчетных значений.

Коэффициенты регрессии рекомендуется определять с помощью аналитических пакетов для персонального компьютера или специального финансового калькулятора. В наиболее простом случае коэффициенты регрессии однофакторного линейного уравнения регрессии вида y = а + bх можно найти по формулам:

Необходимо отметить, что в экономических исследованиях корреляционный и регрессионный анализы нередко объединяются в один - корреляционно-регрессионный анализ. Подразумевается, что в результате такого анализа будет построена регрессионная зависимость (т.е. проведен регрессионный анализ) и рассчитаны коэффициенты ее тесноты и значимости (т.е. проведен корреляционный анализ). В известном смысле корреляционная связь носит более общий характер, поскольку она не предполагает наличия зависимости «причина - следствие».

Кластерный анализ

Кластерный анализ - один из методов многомерного анализа, предназначенный для группировки (кластеризации) совокупности, элементы которой характеризуются многими признаками. Значения каждого из признаков служат координатами каждой единицы изучаемой совокупности в многомерном пространстве признаков. Каждое наблюдение, характеризующееся значениями нескольких показателей, можно представить как точку в пространстве этих показателей, значения которых рассматриваются как координаты в многомерном пространстве. Расстояние между точками р и q с k координатами определяется как:

Основным критерием кластеризации является то, что различия между кластерами должны быть более существенны, чем между наблюдениями, отнесенными к одному кластеру, т.е. в многомерном пространстве должно соблюдаться неравенство:

где r_1,2 - расстояние между кластерами 1 и 2.

Так же как и процедуры регрессионного анализа, процедура кластеризации достаточно трудоемка, ее целесообразно выполнять на компьютере.

Дисперсионный анализ

Дисперсионный анализ - это статистический метод, позволяющий подтвердить или опровергнуть гипотезу о том, что две выборки данных относятся к одной генеральной совокупности. Применительно к анализу деятельности предприятия можно сказать, что дисперсионный анализ позволяет определить, к одной и той же совокупности данных или нет относятся группы разных наблюдений.

Дисперсионный анализ часто используется совместно с методами группировки. Задача его проведения в этих случаях состоит в оценке существенности различий между группами. Для этого определяют групповые дисперсии у₁² и у₂², а затем по статистическим критериям Стьюдента или Фишера проверяют значимость различий между группами.

Методы теории принятия решений

Этот метод входит в систему методов ситуационного анализа и используется в случаях, когда прогнозируемая ситуация может быть структурирована таким образом, что выделяются ключевые моменты, в которых либо нужно принимать решение с определенной вероятностью (роль аналитика или менеджера активна), либо также с определенной вероятностью наступает некоторое событие (роль аналитика или менеджера пассивна, однако значимы некоторые не зависящие от его действий обстоятельства). Именно для формализованного описания подобных ситуаций и используется так называемый метод построения дерева решений. Логику метода рассмотрим нтже.

Пример. Управляющему нужно принять решение о целесообразности приобретения либо станка М1, либо станка М2. Станок М2 более экономичен, что обеспечивает больший доход на единицу продукции, вместе с тем он более дорогой и требует относительно больших накладных расходов.

Процесс принятия решения может быть выполнен в несколько этапов.

Этап 1 - определение цели. В качестве критерия выбирается максимизация математического ожидания прибыли.

Этап 2 - определение набора возможных действий для рассмотрения и анализа (контролируются лицом, принимающим решение).

Управляющий может выбрать один из двух вариантов:

a₁ = {покупка станка М1} либо

a₂ = {покупка станка М2}

Этап 3 - оценка возможных исходов и их вероятностей (носят случайный характер). Управляющий оценивает возможные варианты годового спроса на продукцию и соответствующие им вероятности следующим образом:

x₁ = 1200 единиц с вероятностью 0,4;

x₂ = 2000 единиц с вероятностью 0,6,

P(x₁) = 0,4; p(x₂) = 0,6.

Этап 4 - оценка математического ожидания возможного дохода. Выполняется с помощью дерева решений:

Из приведенных на схеме данных можно найти математическое ожидание возможного исхода по каждому проекту:

E(R_a1) = 9000 • 0,4 + 25 000 • 0,6 = 18 600 руб.

E(R_a2) ⁼ 7800 • 0,4 + 27 000 • 0,6 = 19 320 руб.

Таким образом, вариант с приобретением станка М2 является экономически более целесообразным.

Мы рассмотрели наиболее общие подходы к формализации процесса прогнозирования возможных действий, основанные на построении дерева решений. Этот метод весьма полезен в различных областях деятельности менеджеров, например, в управленческом учете, при составлении бюджета капиталовложений и, особенно в анализе на рынке ценных бумаг.

Линейное программирование

Термин «программирование», вошедший в отечественную экономическую литературу в 60-е годы XX в., имеет несколько значений. Во-первых, этим термином обозначается процесс подготовки специальной программы для ЭВМ; во-вторых, программирование используется как некоторый синоним терминов «планирование» и «прогнозирование». В последнем случае обычно говорят об оптимальном программировании, понимая под этим методы разработки планов и программ, позволяющих оптимизировать некоторые стороны деятельности хозяйствующего субъекта. Особенность методов оптимального программирования заключается в активном использовании достаточно сложных экономико-математических методов. Оптимальное программирование включает несколько разделов, различающихся разной степенью проработанности и практической приложимости: линейное, квадратическое, динамическое программирование и др.

Метод линейного программирования, наиболее распространенный в прикладных экономических исследованиях ввиду его достаточно наглядной интерпретации, позволяет хозяйствующему субъекту дать обоснование наилучшему (по формальным признакам) решению в условиях более или менее жестких ограничений, касающихся доступных для предприятия ресурсов. С помощью линейного программирования в анализе финансово-хозяйственной деятельности решается целый ряд задач, в первую очередь относящихся к процессу планирования деятельности, который он позволяет отыскивать оптимальные параметры выпуска и способы наилучшего использования имеющихся ресурсов.

Суть метода линейного программирования заключается в поиске максимума или минимума выбранной в соответствии с интересами аналитика целевой функции при имеющихся ограничениях.

Анализ чувствительности

Список литературы

1. Анализ финансовой отчетности учеб. пособие/ под ред. О.В. Ефимовой, М.В. Мельник. - М. «Омега-Л», 2004

2. Баканов М.И., Мельник М.В., Шеремет А.Д. Теория экономического анализа. - М. «Финансы и статистика». 2006

3. Зенкина И.В. Теория экономического анализа. - М. «Наука-пресс», 2007

4. Селезнева Н.Н., Ионова А.Ф. Финансовый анализ. Управление финансами. Учебное пособие для ВУЗов. - М. ЮНИТИ-Дана, 2003

5. Шеремет А.Д. Теория экономического анализа. - М.: «Инфра-М», 2002

6. Шеремет А.Д., Ненашев Е.В. Методика финансового анализа деятельности коммерческих организаций, - М. «Инфра-М», 2003

7. Экономический анализ: ситуации, тесты, примеры, задачи, финансовое прогнозирование. Учебное пособие/под ред. Баканова М.И., Шеремета А.Д. - М. Финансы и статистика» 2000

Размещено на Allbest.ru