<< Пред. стр. 4 (из 16) След. >>
Список литературы по разделу
В анализе финансово-хозяйственной деятельности широко используется также средняя хронологическая. Для характеристики предприятия применяются интервальные и моментные показатели. Примерами первых являются товарооборот, прибыль, объем поступления за некоторый период; примерами вторых - данные о запасах, основных средствах, численности работающих на определенную дату. Для усреднения интервальных показателей чаще всего используется формула средней арифметической, а для усреднения моментных показателей как раз и применяется формула средней хронологической.
Если дан ряд моментных показателей: x1, ... , хп, то средняя хронологическая Sch, для этого ряда рассчитывается по формуле:
Пример 2.10. Требуется найти величину среднего товарного запаса в магазине в 1999 г., если имеются следующие данные о запасах на начало каждого квартала (тыс. руб.):
Пользуясь формулой средней хронологической, находим:
Экономическая интерпретация полученной величины такова: в течение 1999 г. ежедневно предприятие имело запас товаров, равный в среднем 118,5 тыс. руб.
Подчеркнем, что полученное значение средней хронологической является условным - оно дает представление о порядке, а не о точном значении величины запаса, поскольку фактический запас в течение анализируемого периода может ощутимо варьировать. В частности, если бы в распоряжении аналитика (в примере 2.10) имелись данные о запасах на начало каждого месяца или недели, рассчитанное значение среднего запаса почти наверняка было бы другим.
2.7.2. Метод группировки данных
Группировка - это расчленение совокупности данных на группы с целью изучения ее структуры или взаимосвязей между компонентами. В процессе группировки единицы совокупности распределяются по группам в соответствии со следующим принципом: различие между единицами, отнесенными к одной группе, должно быть меньше, чем различие между единицами, отнесенными к разным группам.
Важнейший вопрос при проведении такого рода исследования - выбор интервала группировки. Существуют два основных подхода (метода) к его решению.
Первый подход предполагает деление совокупности данных на группы с равными интервалами значений. Этот метод используется наиболее часто, так как он лишен субъективизма при выборе границ интервалов. При определении длины интервала i целесообразно пользоваться формулами Стерджеса:
где хmах - максимальное значение признака в изучаемой совокупности;
xmin - минимальное значение признака в изучаемой совокупности;
k - число групп;
N - число наблюдений.
Совершенно очевидно, что знаменатель дроби численно равен количеству групп или интервалов, на которое разбивается исходная совокупность.
Таким образом, оптимальное количество групп, соответствующее некоторому числу наблюдений, согласно формуле Стерджеса можно представить следующим образом:
Прямое применение формулы Стерджеса означает, что на параметры группировки не накладывается каких-либо ограничений. Возможен и вариант, когда такие ограничения вводятся, - например, аналитик уже имеет некоторое представление о числе групп (в частности, такое ограничение может быть вызвано желанием обеспечить некоторую качественную однородность выделяемых групп единиц совокупности). В последнем случае длина интервала группировки находится делением размаха вариации, т.е. разности между максимальным и минимальным значениями группировочного признака, на предполагаемое число групп.
Согласно второму подходу интервалы группировки можно выбрать и неравными (возрастающими или убывающими). Этот подход обычно применяется при большой вариации и неравномерности распределения признака по всему интервалу его изменения. При выборе размера интервала группировки руководствуются здравым смыслом и логикой, опираясь при этом на распределения прошлых периодов и традиционно сложившиеся подходы в группировке. При использовании этого подхода интервалы часто выбирают таким образом, чтобы группы были равнозаполненными.
Иллюстрация использования обоих подходов к группировке приведена в примере 2.11.
Пример 2.11. Компания "Фарма" владеет сетью стационарных аптек, аптечных киосков и фармацевтических отделов в различных магазинах города. Выручка 35 торговых точек, принадлежащих компании, за июль 1999 г. составила (тыс. руб.):
Используя формулу Стерджеса, получим:
Округлив этот результат, в качестве длины интервала группировки выберем 140. Группировка будет иметь вид:
Группировка, по мнению аналитика, получилась не слишком удачная, поскольку не вполне отражает реальную структуру совокупности. Из опыта известно, что все торговые точки, принадлежащие компании "Фарма", можно условно разделить на четыре типа: киоски на улицах, киоски в магазинах, отделы в магазинах и стационарные аптеки. Исходя из представления о том, что совокупность объектов следует разделить на четыре группы, интервал группировки можно определить следующим образом:
Округлив, возьмем длину интервала группировки равной 200. Тогда группировка примет вид:
Эта группировка уже гораздо лучше соответствует истинному положению вещей.
Попытка применить подход равнозаполненных интервалов разной длины никакой содержательной информации для анализа в данном случае не даст. Формально такая группировка могла бы выглядеть следующим образом:
В этой группировке интервалы, начиная со второго, постоянно увеличиваются.
Как отмечалось выше, метод неравных интервалов достаточно обоснован в случае ощутимой вариации группировочного признака. В этом случае применение формулы Стерджеса, предполагающей определенную равномерность в распределении значений группировочного признака внутри интервала варьирования, не дает логически приемлемых результатов. При построении неравных интервалов необходимо ориентироваться на фактическое распределение анализируемой совокупности и пытаться обеспечить достаточную наполненность всех интервалов группировки. Нахождение интервалов может осуществляться методом последовательных итераций.
В некоторых ситуациях при группировке совокупности с ощутимо варьирующим признаком все же возможно применение формулы Стерджеса. Представим себе ситуацию, когда торговая фирма имеет 100 магазинов торговой площадью, варьирующей от 10 до 400 кв. м, и два крупных универмага торговой площадью соответственно 8000 и 12 000 кв. м. Если воспользоваться формулой Стерджеса, получим:
Вся совокупность, следовательно, должна быть разделена на восемь групп, например, следующего вида:
Вряд ли такая группировка представляет интерес для аналитика, поскольку подавляющая часть единиц совокупности попала в один интервал, а большинство других интервалов вообще оказались незаполненными. Поэтому с очевидностью напрашивается вывод о необходимости обособления крупных универмагов в отдельную группу и группировке оставшихся 100 магазинов. Если в этом случае воспользоваться формулой Стерджеса, получим:
В этом случае совокупность рекомендуется разбить на девять интервалов: в первых восьми интервалах (в соответствии с формулой Стерджеса) будет распределена основная масса магазинов (100), в последний интервал войдут крупные универмаги. Один из вариантов группировки в этом случае может иметь следующий вид:
В общем случае процесс группировки данных включает несколько этапов:
выбор группировочного признака;
упорядочивание совокупности по этому признаку;
определение (тем или иным способом) количества групп;
определение границ интервалов (обычно производится округление формально полученных данных).
Основное правило при проведении группировки состоит в следующем: не должно быть пустых или малозаполненных интервалов. Иными словами, формула Стерджеса дает лишь ориентировочные значения интервалов группировки; при принятии окончательного решения, как правило, значения округляются или незначительно меняются.
В анализе финансово-хозяйственной деятельности используются в основном два вида группировок: структурные и аналитические.
Структурные группировки предназначены для изучения структуры и состава совокупности, происходящих в ней сдвигов относительно выбранного варьирующего признака. Структурная группировка оформляется, как правило, в виде таблицы, в подлежащем которой находится группировочный признак, а в сказуемом - показатели, характеризующие структуру совокупности либо в динамике, либо в пространстве. Этот вид группировки характеризует структуру совокупности по какому-то одному признаку (в примере 2.11 таким признаком является объем выручки торговых точек). Изменение структуры группировки чаще всего описывается одним из двух показателей.
Показатель среднего абсолютного изменения структуры рассчитывается по формуле:
Показатель среднеквадратического изменения структуры рассчитывается по формуле:
Чем более значительны структурные сдвиги, тем больше значения этих показателей. При отсутствии структурных сдвигов оба они равны нулю. Квадратичный коэффициент реагирует на изменение структуры чуть более чутко. При расчете этих показателей следует помнить о том, что количество групп в группировке и в базовом, и в отчетном периодах должно быть одинаковым.
Аналитические группировки предназначены для изучения взаимосвязей между двумя и более показателями, характеризующими исследуемую совокупность. Один из показателей при этом рассматривается как результативный, а остальные - как факторные. По аналитической группировке можно рассчитать силу связи между факторами.
При оформлении результатов группировки в таблице признак-результат размещается в сказуемом, группировочные признаки, рассматриваемые в качестве факторных, размещаются в подлежащем таблицы.
Выбрать один признак в качестве группировочного зачастую бывает достаточно трудно. Анализ по нескольким признакам довольно трудоемок и обладает принципиальным недостатком - размыванием совокупности, поскольку даже комбинация двух признаков при попытке разбить совокупность на три или четыре категории дает шесть или восемь подгрупп. В некоторых из них оказывается одно-два наблюдения, что недостаточно для подготовки обоснованных выводов об этих подгруппах. Избежать этого недостатка позволяют методы многомерных группировок. Широкое распространение они получили благодаря использованию вычислительной техники при расчетах. При анализе деятельности отдельных предприятий методы многомерной группировки используют нечасто из-за их сложности, более распространены они при социологических и экономических исследованиях отраслей и регионов. Наиболее разработанным методом многомерной классификации является кластерный анализ (см. раздел 2.8.3).
2.7.3. Элементарные методы обработки расчетных данных
При изучении совокупности значений изучаемых величин, помимо средних, используют и другие характеристики. При анализе больших массивов данных обычно интересуются двумя аспектами: во-первых, величинами, которые характеризуют ряд значений как целого, т.е. характеристиками общности, во-вторых, величинами, которые описывают различия между членами совокупности, т.е. характеристиками разброса (вариации) значений.
Разумеется, все средние величины относятся к первой группе показателей, поскольку являются характеристиками изучаемой совокупности как целого. Кроме того, в качестве показателей общности используются следующие величины: середина интервала, мода и медиана.
Середина интервала возможных значений xi рассчитывается по формуле:
Мода - такое значение изучаемого признака, которое среди всех его значений встречается наиболее часто. Если чаще других встречаются два или более различных значений, такую совокупность данных называют бимодальной или мультимодальной. Если же ни одно из значений не встречается чаще других (т.е. если все значения встречаются по одному разу или равное количество раз), такая совокупность является безмодальной.
Медиана - такое значение изучаемой величины, которое делит изучаемую совокупность на две равные части, в которых количество членов со значениями меньше медианы равно количеству членов, которые больше медианы. Медиану можно найти только в совокупностях данных, содержащих нечетное количество значений. Только тогда и слева, и справа от медианного значения будет одинаковое число членов.
В отличие от средней, величина медианы не зависит от крайних значений показателей. Например, если максимальное значение изучаемого показателя увеличится, то все средние возрастут вместе с ним, медиана же останется неизменной. Поэтому она является более удобной характеристикой совокупности в тех случаях, когда совокупность данных неоднородна и имеет резкие "выбросы" в сторону минимума или в сторону максимума.
В качестве показателей размаха и интенсивности вариации показателей чаще всего используются следующие величины: размах вариации, среднее линейное отклонение, среднеквадратическое отклонение, дисперсия и коэффициент вариации.
Размах вариации рассчитывается по формуле:
Среднее линейное отклонение (средний модуль отклонения) от среднего арифметического исчисляется по формуле:
Если используются весовые коэффициенты, то формула средневзвешенного среднего линейного отклонения имеет вид:
где wi - частота, с которой в изучаемой совокупности встречается значение xi.
Наибольшее распространение при изучении разброса значений числовых данных получили величины среднеквадратического отклонения (СКО) ? и дисперсии ?2:
Чем больше величина ? или ?2, тем сильнее разброс значений вокруг среднего. Следует отметить, что ? всегда больше модуля среднего линейного отклонения. Для нормально распределенных величин ?/а1,2. Если же такое соотношение не выполняется, это свидетельствует о том, что в исследуемом массиве данных есть элементы, неоднородные с основной массой, сильно выбивающиеся по своей величине из общего ряда. В зависимости от природы решаемой задачи следует подумать об исключении этих единиц из рассмотрения вообще либо не использовать их при построении некоторых моделей, поскольку они являются в своем роде исключениями из общего правила.
Величина СКО, как следует из ее определения, зависит от абсолютных значений самого изучаемого признака. Чем больше величины xi, тем больше будет ?. Поэтому для сравнения рядов данных, отличающихся по абсолютным величинам, вводят коэффициент вариации:
Этот коэффициент является показателем "количественной" неоднородности совокупности данных. Критическое значение его считается равным 33%. Если Vаr > 33%, то совокупность нельзя признать однородной.
Использование коэффициента вариации в анализе данных, касающихся финансово-хозяйственной деятельности торговой сети, рассмотрим на примере 2.12.
Пример 2.12. Торговая сеть "Океан" включает 10 магазинов и специализированных отделов в универсамах города. Имеются данные о выручке (R) и среднегодовой стоимости основных средств (ОФ) каждого из магазинов за 1998 и 1999 гг. (тыс. руб.). На основании этих данных требуется сделать вывод об усилении или уменьшении степени дифференциации точек в торговой сети по критерию фондоотдачи (ФО).
Анализируемые данные представлены в табл. 2.4.
Таблица 2.4
Показатели фондоотдачи торговых точек сети "Океан"
Требуется сравнить показатели фондоотдачи разных предприятий одной торговой сети за отчетный и предыдущий годы. Для того чтобы сделать вывод об усилении или уменьшении степени дифференциации точек торговой сети, можно рассчитать коэффициент вариации фондоотдачи:
По изменению величины коэффициента вариации можно составить мнение об углублении дифференциации магазинов либо, наоборот, о повышении однородности торговых точек в сети. В частности, наблюдающееся за анализируемые два года уменьшение коэффициента вариации фондоотдачи свидетельствует о повышении однородности различных магазинов сети по этому критерию.
Одной из важнейших аналитических характеристик является степень асимметрии распределения, характеризуемая коэффициентом асимметрии:
п - количество наблюдений.
Некоторое распределение симметрично в том случае, если As = 0. Чем больше величина As , тем более асимметрично распределение величин.
Крутизна распределения данных характеризуется показателем эксцесса:
Для нормального распределения Ех = 0. Большой положительный эксцесс означает, что в совокупности данных есть слабо варьирующее по данному признаку "ядро", окруженное редкими, сильно отстоящими от него значениями. Большое отрицательное значение показателя эксцесса говорит об отсутствии такого "ядра".
Расчет всех рассмотренных в данном разделе показателей общности и вариации, характеризующих ряды данных, будет приведен в примере 4.13 (раздел 4.11).
2.7.4. Индексный метод
Мощным орудием сравнительного анализа экономики являются индексы. Индекс - это статистический показатель, представляющий собой отношение двух состояний какого-либо признака. С помощью индексов проводятся сравнения с планом, в динамике, в пространстве. Индекс называется простым (синонимы: частный, индивидуальный), если исследуемый признак берется без учета связи его с другими признаками изучаемых явлений. Простой индекс имеет вид:
где p1 и p0 - сравниваемые состояния признака.
Индекс называется аналитическим (синонимы: общий, агрегатный), если исследуемый признак берется не изолированно, а в связи с другими признаками. Аналитический индекс всегда состоит из двух компонент: индексируемый признак р (тот, динамика которого исследуется) и весовой признак q. С помощью признаков-весов измеряется динамика сложного экономического явления, отдельные элементы которого несоизмеримы. Простые и аналитические индексы дополняют друг друга.
где q0 или q1 - весовой признак.
С помощью индексов в анализе финансово-хозяйственной деятельности решаются следующие основные задачи:
оценка изменения уровня явления (или относительного изменения показателя);
выявление роли отдельных факторов в изменении результативного признака;
оценка влияния изменения структуры совокупности на динамику.
Центральной проблемой при построении аналитических индексов является проблема взвешивания. Решая ее, аналитику необходимо сначала выбрать сам весовой признак, а затем - период, на уровне которого берется признак-вес.
Первая из этих задач решается довольно легко путем отыскания системы связанных признаков, произведение которых дает экономически понятный показатель (например, Т = Ч • В из примера 2.2). Что касается второй задачи, то научного обоснования выбора периода весов не существует, в каждом конкретном случае аналитик делает это исходя из задач анализа. Индексы, взвешенные на базовые (q0) или отчетные (q1) значения, имеют разный вид и по-разному могут интерпретироваться.
Признак, непосредственно относящийся к изучаемому явлению и характеризующий его количественную сторону, называется первичным или количественным. Первичные признаки объемные, их можно суммировать. Примерами таких признаков являются численность работающих на предприятии (Ч), величина основных средств (ОС) и т.д.
Признаки, относящиеся к изучаемому явлению не непосредственно, а через один или несколько других признаков и характеризующие качественную сторону изучаемого явления, называются вторичными или качественными. Отличительными особенностями вторичных признаков является то, что это всегда относительные показатели, их нельзя непосредственно суммировать в пространстве (исключение - суммирование при расчете некоторых статистик, например, коэффициентов регрессии, корреляции и др., когда экономическая природа показателя не принимается во внимание). В качестве примера можно привести показатели средней заработной платы, рентабельности и т.п.
В анализе выделяют вторичные признаки первого, второго и более высоких порядков. Вторичный признак п-го порядка получается дальнейшей детализацией вторичного признака (n-l)-гo порядка. Связь признаков разных порядков можно проиллюстрировать на примере:
Существует следующее правило определения периода для признака-веса: при построении аналитических индексов по вторичным признакам рекомендуется брать веса на уровне отчетного периода, а по первичным - базисного, т.е.
Это обусловлено приоритетностью качественных показателей перед количественными: практический интерес представляет определение экономического эффекта от изменения качественного показателя, полученного в отчетном, а не в базисном периоде. Именно этот подход закладывается при реализации метода цепных подстановок в двухфакторных мультипликативных моделях (в многофакторных моделях привлекается еще и понятие вторичности n-го порядка).
Рассмотрим основные моменты, используемые при решении разного рода задач с помощью индексного метода.
Задача 1. Анализ изменения уровня явлений
Задача 2. Индексный анализ по факторам
Цель данного анализа - оценить изолированное влияние отдельных факторов на результат.
Пусть Т = а • b , а - качественный признак, b - количественный, тогда
Индекс IT характеризует совместное изменение факторов а и b, тогда как Iа показывает изменение лишь фактора а (действительно, из представленной дроби видно, что в ней меняется лишь фактор а, тогда как фактор b не меняет своего значения).
В многофакторных моделях следует сначала упорядочить факторы по принципу первичности и вторичности, а затем последовательно заменять их.
Задача 3. Анализ структуры совокупности
Понятие структуры совокупности и необходимости ее оценки возникает в двух случаях:
при анализе объемных показателей или явлений, имеющих сложную структуру (например, в товарообороте - структура товарооборота; в численности сотрудников - структура работников по категориям и т.д.). Очевидно, что в этом случае на динамику изучаемого показателя оказывают влияние структурные сдвиги;
при изучении средних уровней изучаемых явлений (изменение доли работников с более высокой производительностью труда приводит к изменению средней производительности труда).
При решении этой задачи вводятся понятия индексов постоянного и переменного состава.
Индексом переменного состава называется отношение средних уровней анализируемых показателей:
На величину индекса переменного состава одновременно влияют и качественный показатель, и структура совокупности. Покажем это, обозначив:
Iпер можно разделить на произведение Iпост. состава и Iструктуры :
С помощью этого выражения абсолютное изменение среднего уровня вторичного признака раскладывается следующим образом:
Задача 4. Пересчет показателей
Представим товарооборот Т в виде Т = рj • qj, где pj - цена j-го товара, qj - объем реализации j-го товара. Пусть цены изменились и индексы этих изменений известны. Сравнивать Т0 с T1 напрямую нельзя, необходим пересчет в сопоставимые цены с помощью индекса постоянного состава цен (в качестве весов берутся значения реализации в отчетном периоде):
Таким образом, формула для расчета сопоставимого товарооборота имеет следующий вид:
Этот метод позволяет сравнивать объемы товарооборота двух периодов и судить о "реальном" изменении этой величины, независимом от изменившихся цен. Таким образом, при анализе показателей в условиях изменяющихся цен, когда требуется устранять влияние этого фактора, следует руководствоваться следующим правилом: пересчету подвергается отчетное значение показателя путем его деления на индекс цен.
Мы привели здесь лишь самые общие формулировки аналитических задач, решаемых с помощью индексного метода. На самом же деле этот метод является одним из самых мощных, информативных и распространенных инструментов экономического анализа во всех его аспектах: от анализа деятельности отдельных хозяйствующих единиц до макроэкономических исследований национальных экономик. Вдумчивого читателя, интересующегося этими проблемами, можно отослать как к классическим учебникам общей статистики, так и к специальным монографиям.
2.8. Математико-статистические методы изучения связей
Математико-статистические методы изучения связей, называемые иначе стохастическим моделированием, являются в определенной степени дополнением и углублением детерминированного анализа. В анализе финансово-хозяйственной деятельности стохастические модели используются, когда необходимо:
оценить влияние факторов, по которым нельзя построить жестко детерминированную модель;
изучить и сравнить влияние факторов, которые невозможно включить в одну и ту же детерминированную модель;
выделить и оценить влияние сложных факторов, которые не могут быть выражены одним определенным количественным показателем.
В отличие от детерминистского, стохастический подход для своей реализации требует выполнения ряда предпосылок. В первую очередь речь идет о наличии достаточно большой совокупности объектов (жестко детерминированную модель можно анализировать и строить по одному объекту, для стохастической же модели необходима совокупность). Кроме того, необходим достаточный объем наблюдений: по одному-двум наблюдениям судить о характере стохастической связи нельзя.
Использование стохастических моделей в экономике, в отличие от использования их в технике, имеет определенные трудности, связанные с получением совокупности достаточного объема. В технике эксперимент можно повторить, в экономике этого сделать нельзя. Это приводит к дискуссии о правомерности использования статистических методов при построении факторных моделей в анализе деятельности предприятий, поскольку при этом нередко приходится работать в условиях малых выборок (менее 20 наблюдений), а кроме того, в теории статистики считается, что при построении регрессии количество наблюдений должно в 6-8 раз превышать количество факторов, что крайне редко встречается в анализе финансово-хозяйственной деятельности предприятий.
Поскольку стохастическая модель - это, как правило, уравнение регрессии, при ее построении должны выполняться следующие условия:
случайность наблюдений;
наличие однородности совокупности, как качественной, так и количественной (показателем количественной однородности совокупности данных является показатель вариации, который мы рассмотрели в разделе 2.7.3);
наличие специального математического аппарата (например, инструменты анализа автокорреляций для анализа рядов динамики).
Основная сфера приложения стохастических моделей - это проблемно-ориентированный и тематический анализ. Стохастическое моделирование предназначено для решения трех основных задач:
установление самого факта наличия (или отсутствия) статистически значимой связи между изучаемыми признаками;
прогнозирование неизвестных значений результативных показателей по заданным значениям факторных признаков (задачи экстраполяции и интерполяции);
выявление причинных связей между изучаемыми показателями, измерение их тесноты и сравнительный анализ степени влияния.
Проведение стохастического моделирования - сложный процесс, состоящий из нескольких этапов, на каждом из которых выполняются определенные процедуры.
Этап 1 - качественный анализ. Он включает:
* постановку цели анализа;
* определение совокупности включаемых в анализ данных;
* определение результативных признаков;
* определение факторных признаков;
* выбор периода анализа;
* выбор метода анализа.
Этап 2 - предварительный анализ моделируемой совокупности, что подразумевает:
* проверку однородности совокупности;
* исключение аномальных наблюдений;
* уточнение необходимого объема выборки;
* установление законов распределения изучаемых переменных.
Этап 3 - построение регрессионной модели экономического объекта, которое включает:
* перебор конкурирующих вариантов моделей;
* уточнение перечня факторов, включаемых в модель;
* расчет оценок параметров уравнений регрессии.
Этап 4 - оценка адекватности модели, которая заключается в следующем:
* проверка статистической значимости уравнения в целом и его отдельных параметров;
* проверка соответствия формальных свойств полученных оценок задачам исследования.
Этап 5 - экономическая интерпретация и практическое использование модели. Под этим понимается:
* определение пространственно-временной устойчивости зависимостей;
* оценка прогностических свойств моделей.
Рассмотрим некоторые аспекты осуществления процедур стохастического анализа.
Во-первых, для анализа следует брать всю имеющуюся совокупность данных. Если она слишком велика, следует внимательно отнестись к составлению выборки из этой совокупности. Выборка должна быть типичной для данного круга явлений. В противном случае анализ не будет иметь смысла, поскольку его результаты не позволят делать значимые выводы для всей совокупности.
Во-вторых, в качестве результативных признаков берут либо показатели эффекта (выручка, товарооборот, объем реализации), либо показатели эффективности (рентабельность, оборачиваемость и т.п.). Отметим, что в анализе более предпочтительным является использование относительных показателей. Причин тому несколько, в качестве основных можно назвать их сравнимость и большую близость их распределений нормальному закону (это весьма важно, поскольку нормальность распределения признаков - основная предпосылка корреляционно-регрессионного анализа, речь о котором пойдет далее).
В-третьих, в качестве факторных признаков следует брать показатели, комплексно характеризующие изучаемое явление. При этом также лучше ориентироваться на относительные показатели.
В-четвертых, существует два подхода к анализу явлений: статический и динамический. Статический подход встречается чаще, поскольку проведение его проще и не требует использования сложных математических методик. Динамический анализ (анализ рядов данных во времени) нередко предполагает рассмотрение автокорреляционных зависимостей, что требует от аналитика владения сложным эконометрическим инструментарием.
В-пятых, предварительная обработка рядов данных начинается с установления законов распределения: распределение данных должно быть близко к нормальному. В условиях малых выборок проверка нормальности распределений признаков проводится путем сравнения эмпирических коэффициентов асимметрии и эксцесса (их аналитические выражения приведены в разделе 2.7.3) с их средними квадратическими ошибками (?As и ?Ex, соответственно). Нормальность распределения подтверждается, если выполнены неравенства: |As| < 3?As и |Ех| < 3?Ex .
В-шестых, проверка однородности сводится к проверке соотношения Vаr 33%, где Var - коэффициент вариации (см. раздел 2.7.3). Если совокупность неоднородна, следует исключить из нее самые "аномальные" наблюдения, поскольку они, скорее всего, нетипичны для данного исследования. Для устранения аномальных наблюдений используется правило "трех сигм": наблюдение признается аномальным и отбрасывается, если его отклонение от выборочной средней (xi -) более чем в 3 раза превышает среднеквадратическое отклонение выборки ?. Безусловно, любые операции с исходной совокупностью, в том числе и связанные с изменением ее объема, должны быть обоснованными и поясняемыми.
В-седьмых, уточнение перечня факторов может осуществляться, например, путем расчета матрицы парных коэффициентов корреляции. Факторы xi и xj включаются в модель вида y = f(x1, x2, .....хп) одновременно, если:
Перебор конкурирующих вариантов моделей, как правило, осуществляется с использованием компьютера.
В-восьмых, проверка устойчивости модели осуществляется расчетом ее параметров на усеченной или расширенной совокупности, а также по той же совокупности, но в другом временном интервале.
2.8.1. Корреляционный анализ
<< Пред. стр. 4 (из 16) След. >>
Список литературы по разделу