Результативный фактор. Факторный анализ чистой прибыли
Введение в факторный анализ
В течение последних лет факторный анализ нашел свое применение среди широкого круга исследователей в основном благодаря развитию высокоскоростных компьютеров и пакетов статистических программ (например, DATATEXT, BMD, OSIRIS, SAS и SPSS). Это также коснулось большой группы пользователей, не имеющих соответствующей математической подготовки, но, тем не менее, заинтересованных в использовании потенциальных возможностей факторного анализа в своих исследованиях (Harman, 1976; Horst, 1965; Lawley и Maxswel, 1971; Mulaik, 1972).
Факторный анализ предполагает, что изучаемые переменные представляют собой линейную комбинацию некоторых скрытых (латентных) ненаблюдаемых факторов. Иными словами, существует система факторов и система изучаемых переменных. Определенная зависимость между этими двумя системами позволяет посредством факторного анализа с учетом имеющейся зависимости получать выводы по изучаемым переменным (факторам). Логическая сущность этой зависимости состоит в том, что каузальная система факторов (система независимых и зависимых переменных) всегда имеет уникальную корреляционную систему изучаемых переменных, а не наоборот. Только при жестко ограниченных условиях, налагаемых на факторный анализ, возможна недвусмысленная интерпретация каузальных структур по факторам на наличие корреляции между изучаемыми переменными. Кроме этого, существуют проблемы и другой природы. Например, при сборе эмпирических данных возможно допущение разного рода ошибок и неточностей, что в свою очередь затрудняет работу по выделению скрытых ненаблюдаемых параметров и их дальнейшего исследования.
Что же такое факторный анализ? Факторный анализ относится к множеству статистических техник, основная задача которых состоит в представлении множества изучаемых признаков в виде сокращенной системы гипотетических переменных. Факторный анализ - исследовательский эмпирический метод, который преимущественно находит свое применение в социальных и психологических дисциплинах.
В качестве примера использования факторного анализа можно рассмотреть изучение свойств личности с помощью психологических тестов. Свойства личности не поддаются прямому измерению, о них можно судить только на основании поведения человека, ответов на те или иные вопросы и т.д. Для объяснения собранных эмпирических данных их результаты подвергаются факторному анализу, который и позволяет выявить те личностные свойства, которые оказывали влияние на поведение испытуемых в проведенных опытах.
Первым этапом факторного анализа, как правило, является выбор новых признаков, которые являются линейными комбинациями прежних и «вбирают» в себя большую часть общей изменчивости наблюдаемых данных, а поэтому передают большую часть информации, заключенной в первоначальных наблюдениях. Обычно это осуществляют с помощью метода главных компонент, хотя иногда используют и другие приемы (например, метод главных факторов, метод максимального правдоподобия).
Метод главных компонент– статистический прием, позволяющий преобразовывать исходные переменные в их линейную комбинацию (GeorgH.Dunteman). Цель метода – получить сокращенную систему исходных данных, которая намного проще для понимания и дальнейшей статистической обработки. Этот подход был предложен Пирсоном (1901) и независимо от него получил свое дальнейшее развитие у Хотеллинга (1933). Автор пытался минимизировать использование матричной алгебры при работе с данным методом.
Основная цель метода главных компонент – выделение первичных факторов и определение минимального числа общих факторов, которые удовлетворительно воспроизводят корреляции между изучаемыми переменными. Результат данного шага – матрица коэффициентов факторных нагрузок, представляющих собой в ортогональном случае коэффициенты корреляции между переменными и факторами. При определении числа выделяемых факторов используется следующий критерий: выделяются только факторы с собственными значениями больше указанной константы (как правило, единицы).
Однако обычно факторы, полученные методом главных компонент, не поддаются достаточно наглядной интерпретации. Поэтому следующим шагом факторного анализа является преобразование (вращение) факторов таким образом, чтобы облегчить их интерпретацию. Вращение факторов состоит в нахождении наиболее простой факторной структуры, то есть такого варианта оценки факторных нагрузок и остаточных дисперсий, который и дает возможность содержательно интерпретировать общие факторы и нагрузки.
Наиболее часто исследователями в качестве метода вращения используется метод варимакс. Это метод, позволяющий, с одной стороны, за счет минимизации разброса квадратов нагрузок для каждого фактора, получить упрощенную факторную структуру за счет увеличения больших и уменьшения малых факторных нагрузок, с другой стороны.
Итак, основные цели факторного анализа:
сокращение числа переменных (редукция данных);
определение структуры взаимосвязей между переменными, т.е. классификация переменных .
Поэтому факторный анализ используется или как метод сокращения данных или как метод классификации.
Практические примеры и советы по применению факторного анализа можно, найти в книге Стивенса (Stevens, 1986); более подробное описание приводят Кули и Лонес (Cooley, Lohnes, 1971); Харман (Harman, 1976); Ким и Мюллер (Kim, Mueller, 1978a, 1978b); Лоули и Максвелл (Lawley, Maxwell, 1971); Линдеман, Меренда и Голд (Lindeman, Merenda, Gold, 1980); Моррисон (Morrison, 1967) и Мулэйк (Mulaik, 1972). Интерпретация вторичных факторов в иерархическом факторном анализе, как альтернатива традиционному вращению факторов, дана Верри (Wherry, 1984).
Вопросы подготовки данных для применения
факторного анализа
Рассмотрим ряд вопросов и кратких ответов в рамках использования факторного анализа.
Какой уровень измерений требует факторный анализ или, иными словами, в каких шкалах измерений должны представляться данные для факторного анализа?
Факторный анализ требует, чтобы переменные были представлены в интервальной шкале (Stevens, 1946) и отвечали нормальному распределению. Это требование предполагает также, что в качестве входных данных используются ковариационные или корреляционные матрицы.
Должен ли исследователь избегать использования факторного анализа, когда метрическая основа переменных определена неточно, т.е. данные представлены в порядковой шкале?
Нет необходимости. Многие переменные, представляющие, например, измерения мнений испытуемых по большому количеству тестов, не имеют точно установленной метрической базы. Однако, в общем, предполагается, что многие «порядковые переменные» могут содержать числовые значения, не искажающие и даже сохраняющие основные свойства изучаемого признака. Задачи исследователя: а) правильно определить число рефлексивно выделяемых порядков (уровней); б) учесть, что сумма допущенных искажений будет включена в корреляционную матрицу, являющуюся основой входных данных факторного анализа; в) коэффициенты корреляции закрепляются в качестве «порядковых» искажений в измерениях (Labovitz, 1967, 1970;Kim, 1975).
Долгое время считалось, что искажения назначаются числовым значениям именно порядковых категорий. Однако это необоснованно, поскольку и для метрических величин возможны искажения, пусть даже минимальные, в процессе проведения эксперимента. В факторном анализе результаты зависят от возможного допущения ошибок, получаемых в процессе измерения, а не их происхождения и соотнесения к данным определенного типа шкал.
Можно ли использовать факторный анализ для номинальных (дихотомических) переменных?
Многие исследователи утверждают, что использовать факторный анализ для номинальных переменных очень удобно. Во-первых, дихотомические значения (значения, равные «0» и «1») исключают выбор каких-либо иных, отличных от них. Во-вторых, как результат, коэффициент связи является эквивалентом коэффициента корреляции Пирсона, который и выступает в качестве числового значения переменной для факторного анализа.
Однако однозначно положительного ответа на данный вопрос нет. Дихотомические переменные сложно выразить в рамках аналитической факторной модели: каждая переменная имеет значение весовой нагрузки, по крайней мере, двух основных факторов - общего и частного (Kim,Muller). Даже если эти факторы имеют два значения (что довольно редко встречается в реальных факторных моделях), то итоговые результаты в наблюдаемых переменных должны содержать, как минимум, четыре различных значения, которые, в свою очередь, и оправдывают противоречивость использования номинальных переменных. Поэтому факторный анализ для таких переменных используется с целью получения ряда эвристических критериев.
Сколько должно быть переменных для каждого гипотетически построенного фактора?
Предполагается, что для каждого фактора должно быть, по крайней мере, три переменные. Но это требование опускается, если факторный анализ используется для подтверждения какой-либо гипотезы. В общем, исследователи едины в том, что необходимо иметь, по крайней мере, вдвое больше переменных, чем факторов.
Еще один момент касательно данного вопроса. Чем больше размер выборки, тем достовернее значение критерия ХИ -квадрат. Результаты считаются статистически значимыми, если выборка включает как минимум 51 наблюдение. Таким образом:
N-n-150,(3.33)
где N – размер выборки (число измерений),
n – количество переменных (Lawley, Maxwell, 1971).
Это, конечно, только общее правило.
Какой смысл имеет знак факторной нагрузки?
Сам знак не имеет существенного значения и не существует пути для оценки значимости связи между переменной и фактором. Однако знаки переменных, входящих в фактор, имеют специфическое значение относительно знаков других переменных. Различные знаки просто означают, что переменные связаны с фактором в противоположных направлениях.
Например, по результатам факторного анализа было получено, что для пары качеств открытый-замкнутый (многофакторный опросник Кетелла) имеют место соответственно положительная и отрицательная весовые нагрузки. Тогда говорят, что доля качестваоткрытый, в выделенном факторе больше, чем доля качествазамкнутый.
Главные компоненты и факторный анализ
Факторный анализ как метод редукции данных
Предположим, что проводится (до некоторой степени "глупое") исследование, в котором измеряется рост ста людей в метрах и сантиметрах. Таким образом, имеются две переменные. Если далее исследовать, например, влияние разных пищевых добавок на рост, будет ли целесообразным использовать обе переменные? Вероятно, нет, т.к. рост является одной характеристикой человека, независимо от того, в каких единицах он измеряется.
Предположим, что измеряется удовлетворенность людей жизнью с помощью опросника, содержащего различные пункты. Задаются, например, вопросы: удовлетворены ли люди своим хобби (пункт 1) и как интенсивно они им занимаются (пункт 2). Результаты преобразуются так, что средние по уровню ответы (например, для удовлетворенности) соответствуют значению 100, в то время как ниже и выше средних ответов расположены меньшие и большие значения, соответственно. Две переменные (ответы на два разных пункта) коррелированы между собой. Из высокой коррелированности двух этих переменных можно сделать вывод об избыточности двух пунктов опросника. Это, в свою очередь, позволяет осуществить объединение двух переменных в один фактор.
Новая переменная (фактор) будет включать в себя наиболее существенные черты обеих переменных. Итак, фактически, выполнено сокращение исходного числа переменных и осуществлена замена двух переменных одной. Отметим, что новый фактор (переменная) в действительности является линейной комбинацией двух исходных переменных.
Пример, в котором две коррелированные переменные объединены в один фактор, показывает главную идею факторного анализа или, более точно, анализа главных компонент. Если же пример с двумя переменными распространить на большее число переменных, то вычисления становятся сложнее, однако основной принцип представления двух или более зависимых переменных одним фактором остается в силе.
Метод главных компонент
Анализ главных компонент является методом сокращения или редукции данных, т.е. методом сокращения числа переменных. Возникает естественный вопрос: сколько факторов следует выделять? Отметим, что в процессе последовательного выделения факторов они включают в себя все меньше и меньше изменчивости. Решение о том, когда следует остановить процедуру выделения факторов, главным образом зависит от точки зрения на то, что считать малой "случайной" изменчивостью. Это решение достаточно произвольно, однако имеются некоторые рекомендации, позволяющие рационально выбрать число факторов (см. раздел Собственные значения и число выделяемых факторов ).
В случае, когда имеются более двух переменных, можно считать, что они определяют трехмерное "пространство" точно так же, как две переменные определяют плоскость. Если имеется три переменные, то можно построить трехмерную диаграмму рассеяния (см. рис. 3.10).
Рис. 3.10. Трехмерная диаграмма рассеяния признака
Для случая более трех переменных, становится невозможным представить точки на диаграмме рассеяния, однако логика вращения осей с целью максимизации дисперсии нового фактора остается прежней.
После того, как найдена линия, для которой дисперсия максимальна, вокруг нее остается некоторый разброс данных и процедуру естественно повторить. В анализе главных компонент именно так и делается: после того, как первый фактор выделен , то есть, после того, как первая линия проведена, определяется следующая линия, максимизирующая остаточную вариацию (разброс данных вокруг первой прямой), и т.д. Таким образом, факторы последовательно выделяются один за другим. Так как каждый последующий фактор определяется так, чтобы максимизировать изменчивость, оставшуюся от предыдущих, то факторы оказываются независимыми друг от друга (некоррелированными или ортогональными ).
Собственные значения и число выделяемых факторов
Рассмотрим некоторые стандартные результаты анализа главных компонент. При повторных вычислениях выделяются факторы с все меньшей и меньшей дисперсией. Для простоты изложения считают, что обычно работа начинается с матрицы, в которой дисперсии всех переменных равны 1,0. Поэтому общая дисперсия равна числу переменных. Например, если имеется 10 переменных и дисперсия каждой из них равна 1, то наибольшая изменчивость, которая потенциально может быть выделена, равна 10 раз по 1.
Предположим, что при изучении степени удовлетворенности жизнью включено 10 пунктов для измерения различных аспектов удовлетворенности домашней жизнью и работой. Дисперсия, объясненная последовательными факторами, представлена в таблице 3.14:
Таблица 3. 14
Таблица собственных значений
STATISTICA ФАКТОРНЫЙ АНАЛИЗ |
Собственные значения (factor.sta) Выделение: Главные компоненты |
|||
Значение |
Собственные значения |
% общей дисперсии |
Кумулят. собств. знач. |
Кумулят. % |
Во втором столбце таблицы 3. 14. (Собственные значения) представлена дисперсия нового, только что выделенного фактора. В третьем столбце для каждого фактора приводится процент от общей дисперсии (в данном примере она равна 10) для каждого фактора. Как видно, первый фактор (значение 1) объясняет 61 процент общей дисперсии, фактор 2 (значение 2) – 18 процентов, и т.д. Четвертый столбец содержит накопленную (кумулятивную) дисперсию.
Итак, дисперсии, выделяемые факторами, названы собственными значениями . Это название происходит из использованного способа вычисления.
Как только получена информация о том, сколько дисперсии выделил каждый фактор, можно возвратиться к вопросу о том, сколько факторов следует оставить. Как говорилось выше, по своей природе это решение произвольно. Однако имеются некоторые общеупотребительные рекомендации, и на практике следование им дает наилучшие результаты.
Критерии выделения факторов
Критерий Кайзера. Сначала отбираются только те факторы, собственные значения которых больше 1. По существу, это означает, что если фактор не выделяет дисперсию, эквивалентную, по крайней мере, дисперсии одной переменной, то он опускается. Этот критерий предложен Кайзером (Kaiser, 1960), и является наиболее широко используемым. В приведенном выше примере (см. табл. 3.14) на основе этого критерия следует сохранить только 2 фактора (две главные компоненты).
Критерий каменистой осыпи является графическим методом, впервые предложенным Кэттелем (Cattell, 1966). Он позволяет изобразить собственные значения в виде простого графика:
Рис. 3. 11. Критерий каменистой осыпи
Оба критерия были изучены подробно Брауном (Browne, 1968), Кэттелем и Джасперсом (Cattell, Jaspers, 1967), Хакстианом, Рожерсом и Кэттелем (Hakstian, Rogers, Cattell, 1982), Линном (Linn, 1968), Тюкером, Купманом и Линном (Tucker, Koopman, Linn, 1969). Кэттель предложил найти такое место на графике, где убывание собственных значений слева направо максимально замедляется. Предполагается, что справа от этой точки находится только «факториальная осыпь» («осыпь» – геологический термин, обозначающий обломки горных пород, скапливающиеся в нижней части скалистого склона). В соответствии с этим критерием можно оставить в рассмотренном примере 2 или 3 фактора.
Какому критерию все-таки следует отдавать предпочтение на практике?Теоретически, можно вычислить характеристики путем генерации случайных данных для конкретного числа факторов. Тогда можно увидеть, обнаружено с помощью используемого критерия достаточно точное число существенных факторов или нет. С использованием этого общего метода первый критерий (критерий Кайзера ) иногда сохраняет слишком много факторов, в то время как второй критерий (критерий каменистой осыпи ) иногда сохраняет слишком мало факторов; однако оба критерия вполне хороши при нормальных условиях, когда имеется относительно небольшое число факторов и много переменных.
На практике возникает важный дополнительный вопрос, а именно: когда полученное решение может быть содержательно интерпретировано. Поэтому обычно исследуется несколько решений с большим или меньшим числом факторов, и затем выбирается одно наиболее "осмысленное". Этот вопрос далее будет рассматриваться в рамках вращений факторов.
Общности
На языке факторного анализа доля дисперсии отдельной переменной, принадлежащая общим факторам (и разделяемая с другими переменными) называется общностью . Поэтому дополнительной работой, стоящей перед исследователем при применении этой модели, является оценка общностей для каждой переменной, т.е. доли дисперсии, которая является общей для всех пунктов. Тогда доля дисперсии , за которую отвечает каждый пункт, равна суммарной дисперсии, соответствующей всем переменным, минус общность (Harman, Jones, 1966).
Главные факторы и главные компоненты
Термин факторный анализ включает как анализ главных компонент, так и анализ главных факторов. Предполагается, что, в целом, известно сколько факторов следует выделить. Можно узнать (1) значимость факторов, (2) можно ли интерпретировать их разумным образом и (3) как это сделать. Чтобы проиллюстрировать, каким образом это может быть сделано, производятся действия "в обратном порядке", то есть, начинают с некоторой осмысленной структуры, а затем смотрят, как она отражается на результатах.
Основное различие двух моделей факторного анализа состоит в том, что в анализе главных компонент предполагается, что должна быть использована вся изменчивость переменных, тогда как в анализе главных факторов используется только изменчивость переменной, общая и для других переменных.
В большинстве случаев эти два метода приводят к весьма близким результатам. Однако анализ главных компонент часто более предпочтителен как метод сокращения данных, в то время как анализ главных факторов лучше применять с целью определения структуры данных.
Факторный анализ как метод классификации данных
Корреляционная матрица
Первый этап факторного анализа предусматривает вычисление корреляционной матрицы (в случае нормального выборочного распределения). Вернемся к примеру об удовлетворенности и рассмотрим корреляционную матрицу для переменных, относящихся к удовлетворенности на работе и дома.
Прибыль от продаж компании рассчитывается как разница между выручкой от продаж товаров, работ, услуг (за исключением НДС, акцизов и других обязательных платежей), себестоимостью, коммерческих расходов и управленческих расходов.
Основными факторами, влияющими на величину прибыли от продаж являются:
- изменение объема продаж;
- изменение ассортимента реализованной продукции;
- изменение себестоимости продукции;
- изменение цены реализации продукции.
Факторный анализ прибыли от продаж необходим для оценки резервов повышения эффективности производства, т.е. основной задачей факторного анализа является поиск путей максимизации прибыли компании. Кроме того, факторный анализ прибыли от продаж является обоснованием для принятия управленческих решений.
Для проведения анализа составим аналитическую таблицу, источником информации служат данные бухгалтерского баланса и отчет о прибылях/убытках компании (1 и 2 форма баланса):
Исходные данные для факторного анализа прибыли от продажПоказатели | Предыдущий период, тыс. руб. |
Отчетный период, тыс. руб. |
Абсолютное изменение, тыс. руб. |
Относительное изменение, % |
---|---|---|---|---|
1 | 2 | 3 | 4 | 5 |
Выручка от продажи продукции, работ или услуг | 57 800 | 54 190 | -3 610 | -6,2% |
Себестоимость | 41 829 | 39 780 | -2 049 | -4,9% |
Коммерческие расходы | 2 615 | 1 475 | -1 140 | -43,6% |
Управленческие расходы | 4 816 | 3 765 | -1 051 | -21,8% |
Прибыль от продаж | 8 540 | 9 170 | 630 | 7,4% |
Индекс изменения цен | 1,00 | 1,15 | 0,15 | 15,0% |
Объем реализации в сопоставимых ценах | 57 800 | 47 122 | -10 678 | -18,5% |
Определим влияние факторов на сумму прибыли компании следующим образом.
1. Для определения влияния объема продаж на прибыль необходимо прибыль предыдущего периода умножить на изменение объема продаж.
Выручка от реализации товаров предприятия в отчетном периоде составила 54 190 тыс. рублей, для начала необходимо определить объем продаж в базисных ценах (54 190/1,15), который составил 47 122 тыс. рублей. С учетом этого изменение объема продаж за анализируемый период составило 81,5% (47 122/57 800*100%), т.е. произошло снижение объема реализованной продукции на 18,5%. За счет снижения объема продажи продукции прибыль от продажи продукции, работ, услуг снизилась: 8 540 * (-0,185) = -1 578 тыс. рублей.
Необходимо отметить что, основная методическая сложность определения влияния объема продаж на прибыль компании связана с трудностями определения изменения физического объема реализованной продукции. Правильнее всего определять изменения в объеме продаж путем сопоставления отчетных и базисных показателей, выраженных в натуральных или условно-натуральных измерителях. Это возможно тогда, когда продукция однородна. В большинстве же случаев реализованная продукция по своему составу является неоднородной и необходимо производить сопоставления в стоимостном выражении. Для обеспечения сопоставимости данных и исключения влияния других факторов необходимо сопоставлять отчетный и базисный объемы реализации, выраженные в одинаковых ценах (предпочтительно в ценах базисного периода).
Индекс изменения цен на продукцию, работы, услуги рассчитывается путем деления объема реализации отчетного периода на индекс изменения цен реализации. Такой расчет является не совсем точным, так как цены на реализованную продукцию изменяются в течение всего отчетного периода.
2. Влияние ассортимента продаж на величину прибыли организации определяется сопоставлением прибыли отчетного периода, рассчитанной на основе цен и себестоимости базисного периода, с базисной прибылью, пересчитанной на изменение объема реализации.
Прибыль отчетного периода, исходя из себестоимости и цен базисного периода, можно определить с некоторой долей условности следующим образом:
- выручка от продажи отчетного периода в ценах базисного периода 47 122 тыс. рублей;
- фактически реализованная продукция, рассчитанная по базисной себестоимости (41 829*0,815) = 34 101 тыс. рублей;
- коммерческие расходы базисного периода 2 615 тыс. рублей;
- управленческие расходы базисного периода 4 816 тыс. рублей;
- прибыль отчетного периода, рассчитанная по базисной себестоимости и базисным ценам (47 122-34 101-2 615-4 816) = 5 590 тыс. рублей.
Таким образом, влияние сдвигов в структуре ассортимента на величину прибыли от продаж равно: 5 590 - (8 540*0,81525) = -1 373 тыс. рублей.
Произведенный расчет показывает, что в составе реализованной продукции увеличился удельный вес продукции с меньшим уровнем доходности.
3. Влияние изменения себестоимости на прибыль можно определить, сопоставляя себестоимость реализации продукции отчетного периода с затратами базисного периода, пересчитанными на изменение объема продаж: (41 829*0,815) - 39780 = -5 679 тыс. рублей. Себестоимость реализованной продукции увеличилась, следовательно, прибыль от продажи продукции снизилась на ту же сумму.
4. Влияние изменения коммерческих и управленческих расходов на прибыль компании определим путем сопоставления их величины в отчетном и базисном периодах. За счет снижения размера коммерческих расходов прибыль выросла на 1 140 тыс. рублей (1 475 - 2 615), а за счет снижения размера управленческих расходов - на 1 051 тыс. рублей (3 765 - 4 816).
5. Для определения влияния цен реализации продукции, работ, услуг на изменение прибыли необходимо сопоставить объем продаж отчетного периода, выраженного в ценах отчетного и базисного периода, т.е.: 54 190 - 47 122 = 7 068 тыс. рублей.
Подводя итог, посчитаем общее влияние всех перечисленных факторов:
- влияние объема продаж -1 578 тыс. рублей;
- влияние структуры ассортимента реализованной продукции -1 373 тыс. рублей;
- влияние себестоимости -5 679 тыс. рублей;
- влияние величины коммерческих расходов +1 140 тыс. рублей;
- влияние величины управленческих расходов +1 051 тыс. рублей;
- влияние цен реализации +7 068 тыс. рублей;
- общее влияние факторов +630 тыс. рублей.
Значительный рост себестоимости продукции произошел в основном за счет повышения цен на сырье и материалы. Кроме этого, на сумму прибыли оказало отрицательное влияние уменьшение объема продаж и негативные сдвиги в ассортименте продукции. Отрицательное воздействие перечисленных факторов было компенсировано повышением реализационных цен, а также снижение управленческих и коммерческих расходов. Следовательно, резервами роста прибыли предприятия являются рост объема продаж, увеличение доли более рентабельных видов продукции в общем объеме реализации и снижение себестоимости товаров, работ и услуг.
Думаю многие из нас, хотя бы однажды интересовались искусственным интеллектом и нейронными сетями. В теории нейронных сетей далеко не последнее место занимает факторный анализ . Он призван выделить так называемые скрытые факторы. У этого анализа есть много методов. Особняком стоит метод главных компонент , отличительной особенностью которого является полное математическое обоснование. Признаться честно, когда я начал читать статьи по приведенным выше ссылкам - стало не по себе от того, что я ничего не понимал. Мой интерес поутих, но, как это обычно бывает, понимание пришло само по себе, нежданно-негаданно.
Итак, давайте рассмотрим арабские цифры от 0 до 9. В данном случае формата 5х7, которые брались из проекта под LCD от Nokia 3310.
Черным пикселям соответствует 1, белым - 0. Таким образом, каждую цифру мы можем представить в виде матрицы 5х7. Например матрица ниже:
соответствует картинке:
Давайте просуммируем картинки для всех цифр, а результирующую нормируем. Это означает получить матрицу 5х7, ячейки которых содержат сумму тех же ячеек для разных цифр деленных на их количество. В итоге мы получим картинку:
Матрица для нее:
В глаза сразу бросаются самые темные участки. Их три, и соответствуют они значению 0.9 . Это то чем они похожи. То что общее для всех цифр. Вероятность встретить черный пиксель в этих местах высокая. Давайте рассмотрим самые светлые участки. Их также три, и соответствуют они значению 0.1 . Но опять-таки это то, чем все цифры похожи, что общее для них всех. Вероятность встретить белый пиксель в этих местах высокая. Чем же они различаются? А максимум различия между ними в местах со значением 0.5 . Цвет пикселя в этих местах равновероятен. Половина цифр в этих местах будут черными, половина - белыми. Давайте проанализируем эти места, благо у нас их всего 6.
Положение пикселя определенно столбцом и строкой. Отсчет начинается с 1, направление для строки сверху-вниз, для столбца слева-направо. В остальных ячейках вбито значение пикселя для каждой цифры в заданном положении. Теперь давайте отберем минимальное количество положений, при которых мы все еще сможем различать цифры. Иными словами, для которых значения в столбцах будут различны. Так как цифр у нас 10, а кодируем мы их двоично, математически необходимо как минимум 4 комбинации 0 и 1 (log(10)/log(2)=3.3). Давайте попробуем из 6 отобрать 4 которые удовлетворяли бы нашему условию:
Как видим значение в столбцах 0 и 5 совпадают. Рассмотрим другую комбинацию:
Тут также есть совпадения между 3 и 5 столбцами. Рассмотрим следующую:
А вот здесь никаких коллизий. Бинго! А теперь я расскажу вам для чего все это затевалось:
Предположим с каждого пикселя, коих у нас 5х7=35, сигнал входит в некий черный ящик, а на выходе - сигнал, который соответствует входной цифре. А что происходит в черном ящике? А в черном ящике из всех 35 сигналов выбираются те 4, которые подаются на вход дешифратора и позволяют однозначно определить цифру на входе. Теперь понятно для чего мы искали комбинации без совпадений. Ведь если бы в черном ящике выбирались 4 сигнала первой комбинации, то цифры 0 и 5 для такой системы были бы попросту не различимы. Мы минимизировали задачу, ведь вместо 35 сигналов достаточно обработать лишь 4. Те 4 пикселя и являются минимальным набором скрытых факторов, которые характеризуют данный массив цифр. Очень интересную особенность имеет этот набор. Если присмотреться к значениям в столбцах, можно заметить что цифра 8 противоположность цифре 4, 7 - 5, 9 - 3, 6 - 2, а 0 - 1. Внимательный читатель спросит а причем тут нейронные сети? А особенностью нейронных сетей является то что она сама способна выделить эти факторы, без вмешательства разумного человека. Ты просто периодически показываешь ей цифры, а она находит те 4 скрытых сигнала и коммутирует его с одним из 10 своих выходов. Как можно применить те похожие сигналы, которые мы обговаривали вначале? А они могут служить меткой набора цифр. К примеру римские цифры будут иметь свой набор максимумов и минимумов, а буквы - свой. По сигналам схожести ты сможешь отделить цифры от букв, но распознать символы внутри набора возможно только по максимальному различию.
100 р бонус за первый заказ
Выберите тип работы Дипломная работа Курсовая работа Реферат Магистерская диссертация Отчёт по практике Статья Доклад Рецензия Контрольная работа Монография Решение задач Бизнес-план Ответы на вопросы Творческая работа Эссе Чертёж Сочинения Перевод Презентации Набор текста Другое Повышение уникальности текста Кандидатская диссертация Лабораторная работа Помощь on-line
Узнать цену
Выявление взаимосвязи результативных показателей и показателей-факторов, формы зависимости между ними. Особенности применения метода элиминирования, интегрального и индексного методов. Математические методы факторного анализа.
Факторы − это условия хозяйственных процессов и причины, влияющие на них.
Факторный анализ − это методик комплексного системного изучения и измерения воздействия факторов на величину результативного показателя.
Все явления и процессы хозяйственной деятельности предприятий находятся во взаимосвязи , взаимозависимости и взаимообусловленности. Одни из них непосредственно связаны между собой, другие - косвенно . Например, на величину прибыли от основной деятельности предприятия непосредственное влияние оказывают такие факторы, как объем и структура продаж, отпускные цены и себестоимость продукции. Все другие факторы воздействуют на этот показатель косвенно. Каждое явление можно рассматривать и как причину, и как результат. Например, производительность труда можно рассматривать, с одной стороны, как причину изменения объема производства продукции, уровня ее себестоимости, а с другой - как результат изменения степени механизации и автоматизации производства, усовершенствования организации труда и т.д. Если тот или иной показатель рассматривается как следствие, как результат действия одной или нескольких причин и выступает в качестве объекта исследования, то при изучении взаимосвязей его называют результативным показателем. Показатели, определяющие поведение результативного признака, называются факторными.
Каждый результативный показатель зависит от многочисленных и разнообразных факторов. Чем детальнее исследуется влияние факторов на величину результативного показателя, тем точнее результаты анализа и оценка качества труда предприятий. Отсюда важным методологическим вопросом в анализе хозяйственной деятельности является изучение и измерение влияния факторов на величину исследуемых экономических показателей. Без глубокого и всестороннего изучения факторов нельзя сделать обоснованные выводы о результатах деятельности, выявить резервы производства обосновать планы и управленческие решения, прогнозировать результаты деятельности, оценивать их чувствительность к изменению внутренних и внешних факторов.
Под факторным анализом понимают методику комплексного и системного изучения и измерения воздействия факторов на величину результативных показателей.
Различают следующие типы факторного анализа :
Детерминированный (функциональный) и стохастический (вероятностный);
Прямой (дедуктивный) и обратный (индуктивный);
Одноступенчатый и многоступенчатый;
Статический и динамический;
Ретроспективный и перспективный (прогнозный).
По характеру взаимосвязи между показателями различают методы детерминированного и стохастического факторного анализа.
Детерминированный факторный анализ представляет собой методику исследования влияния факторов, связь которых с результативным показателем носит функциональный характер, т.е. результативный показатель может быть представлен в виде произведения, частного или алгебраической суммы факторов.
Стохастический факторный анализ исследует влияние факторов, связь которых с результативным показателем в отличие от функциональной является неполной, вероятностной (корреляционной). Если при функциональной (полной) зависимости с изменением аргумента всегда происходит соответствующее изменение функции, то при стохастической связи изменение аргумента может дать несколько значений прироста функции в зависимости от сочетания других факторов, определяющих данный показатель. К примеру, производительность труда при одном и том же уровне фондовооруженности может быть неодинаковой на разных предприятиях. Это зависит от оптимальности сочетания всех факторов, формирующих этот показатель.
При прямом факторном анализе исследование ведется дедуктивным способом - от общего к частному. Обратный факторный анализ осуществляет исследование причинно-следственных связей способом логической индукции - от частных, отдельных факторов к обобщающим. Он позволяет оценить степень чувствительности результатов деятельности к изменению исследуемого фактора.
Факторный анализ может быть одноступенчатым и многоступенчатым. Одноступенчатый используется для исследования факторов только одного уровня (одной ступени) подчинения без их детализации на составные части. Например, у = а b. При многоступенчатом факторном анализе проводится детализация факторов а и b на составные элементы с целью изучения их сущности. Детализация факторов может быть продолжена. В данном случае изучается влияние факторов различных уровней соподчиненности.
Необходимо различать также статический и динамический факторный анализ. Первый вид применяется при изучении влияния факторов на результативные показатели на соответствующую дату. Другой вид представляет собой методику исследования причинно-следственных связей в динамике.
И наконец, факторный анализ может быть ретроспективным, который изучает причины изменения результатов хозяйственной деятельности за прошлые периоды, и перспективным, который исследует поведение факторов и результативных показателей в перспективе.
Основные задачи факторного анализа
1. Отбор факторов для анализа исследуемых показателей.
2. Классификация и систематизация их с целью обеспечения системного подхода.
3. Моделирование взаимосвязей между результативными и факторными показателями.
4. Расчет влияния факторов и оценка роли каждого из них в изменении величины результативного показателя.
5. Работа с факторной моделью (ее практическое использование для управления экономическими процессами).
Для изучения влияния факторов на результаты хозяйствования и подсчета резервов в анализе применяются способы детерминированного и стохастического факторного анализа, методы оптимизационного решения экономических задач (см. рисунок).
Определение величины влияния отдельных факторов на прирост результативных показателей является одной из важнейших методологических задач в АХД. В детерминированном анализе для этого используются следующие способы: цепной подстановки, абсолютных разниц, относительных разниц, индексный, интегральный, пропорционального деления, логарифмирования, балансовый и др.
Основные свойства детерминированного подхода к анализу:
Построение детерминированной модели путем логического анализа;
Наличие полной (жесткой) связи между показателями;
Невозможность разделения результатов влияния одновременно действующих факторов, которые не поддаются объединению в одной модели;
Изучение взаимосвязей в краткосрочном периоде.
Рассмотрим возможность использования основных методов детерминированного анализа, обобщив вышеизложенное в виде матрицы
Матрица применения способов детерминированного факторного анализа
Факторные модели |
||||
Мультипликативные |
Аддитивные |
Смешанные |
||
Цепной подстановки |
||||
Абсолютных разниц |
||||
Относительных разниц |
у = а ∙ (b−с) |
|||
Интегральный |
Обозначения: + используется;
– не используется
Различают четыре типа детерминированных моделей:
Аддитивныемодели представляют собой алгебраическую сумму показателей и имеют вид:
К таким моделям, например, относятся показатели себестоимости во взаимосвязи с элементами затрат на производство и со статьями затрат; показатель объема производства товаров в его взаимосвязи с объемом выпуска отдельных изделий или объема выпуска в отдельных подразделениях.
Мультипликативные − это последовательное расчленение факторов исходной системы на факторы-сомножители. Модели в обобщенном виде могут быть представлены формулой:
Примером мультипликативной модели является двухфакторная модель валового выпуска продукции: ВП = ЧР * СВ
где ЧР - среднесписочная численность работников;
CB - среднегодовая выработка на одного работника.
Кратные модели: y = x1 / x2.
Примером кратной модели служит показатель срока оборачиваемости товаров (ТОБ.Т) (в днях): ТОБ.Т = ЗТ / ОР, (1.9)
где ЗТ - средний запас товаров;
ОР - однодневный объем продаж.
Смешанные модели представляют собой комбинацию перечисленных выше моделей и могут быть описаны с помощью специальных выражений:
Примерами таких моделей служат показатели затрат на 1 руб. произведенной продукции, показатели рентабельности и др.
1. Наиболее универсальным из способов детерминированного анализа является способ цепной подстановки.
Он используется для расчета влияния факторов во всех типах детерминированных факторных моделей: аддитивных, мультипликативных, кратных и смешанных (комбинированных). Данный способ основан на элиминировании.
Элиминирование - это процесс поэтапного исключения воздействия всех факторов на величину результативного показателя, кроме одного. При этом исходя из того, что все факторы изменяются независимо друг от друга, т.е. сначала изменяется один фактор, а все остальные остаются без изменения. Потом изменяются два при неизменности остальных и т.д.
Этот способ позволяет определить влияние отдельных факторов на изменение величины результативного показателя. Сущность этого приема состоит в том, чтобы из всех действующих факторов выделить основные, имеющие решающее влияние на изменение показателя. С этой целью определяют ряд условных значений результативного показателя, которые учитывают изменение одного, затем двух, трех и последующих факторов, допуская, что остальные не меняются. Это означает, что в расчетах последовательно заменяют частные плановые показатели отчетными, полученные результаты сравнивают с имеющимися предыдущими данными. Сравнение значений результативного показателя до и после изменения уровня того или другого фактора позволяет элиминировать влияние всех факторов, кроме одного, и определить воздействие последнего на прирост результативного показателя.
При использовании способа цепных подстановок большое значение имеет последовательность подстановок: в первую очередь нужно учитывать изменение количественных, а затем качественных показателей. Применение обратной последовательности расчетов не дает правильной характеристики влияния факторов.
Таким образом , применение способа цепной подстановки требует знания взаимосвязи факторов, их соподчиненности, умения правильно их классифицировать и систематизировать.
В общем виде применение способа цепных постановок можно описать следующим образом:
y0 = a0 ∙ b0 ∙ c0 ;
ya = a1 ∙ b0 ∙ c0 ;
yb = a1 ∙ b1 ∙ c0 ;
y1 = a1 ∙ b1 ∙ c1 ;
где a0, b0, c0 - базисные значения факторов, оказывающих влияние на обобщающий показатель у;
a1 , b1, c1 - фактические значения факторов;
ya, yb, - промежуточные значения результирующего показателя, связанного с изменением факторов а и b , соответственно.
Общее изменение Δу = у1 – у0 складывается из суммы изменений результирующего показателя за счет изменения каждого фактора при фиксированных значениях остальных факторов. Т.е. сумма влияния отдельных факторов должна равняться общему приросту результативного показателя.
∆y = ∆ya + ∆yb + ∆yc = y1– y0
∆ya = ya – y0 ;
∆yb = yb – ya ;
∆yc = y1 – yb .
Преимущества данного способа: универсальность применения, простота расчетов.
Недостаток метода состоит в том, что, в зависимости от выбранного порядка замены факторов, результаты факторного разложения имеют разные значения.
2. Способ абсолютных разниц является модификацией способа цепной подстановки.
Способ абсолютных разниц применяется для расчета влияния факторов на прирост результативного показателя в детерминированном анализе, но только в мультипликативных моделях (Y = х1 ∙ х2 ∙ х3 ∙∙∙∙∙ хn) и моделях мультипликативно-аддитивного типа: Y = (а - b)∙с и Y = а∙(b - с). И хотя его использование ограничено, но благодаря своей простоте он получил широкое применение в АХД.
Суть метода способа − величина влияния факторов рассчитывается путем умножения абсолютного прироста значения исследуемого фактора на базовую (плановую) величину факторов, которые находятся справа от него, и на фактическую величину факторов, расположенных в модели слева от него.
y0 = a0 ∙ b0 ∙ c0
∆ya = ∆a ∙ b0 ∙ c0
∆yb = a1 ∙ ∆b ∙ c0
∆yс = a1 ∙ b1 ∙ ∆с
y1 = a1 ∙ b1 ∙ c1
Алгебраическая сумма прироста результативного показателя за счет отдельных факторов должна равняться его общему изменению Δу = у1 – у0.
∆y = ∆ya + ∆yb + ∆yc = у1 – у0
Рассмотрим алгоритм расчета факторов этим способом в моделях мультипликативно-аддитивного вида. Для примера возьмем факторную модель прибыли от реализации продукции:
П = VРП ∙ (Ц − С),
где П − прибыль от реализации продукции;
VРП − объем реализации продукции;
Ц − цена единицы продукции;
С − себестоимость единицы продукции.
Прирост суммы прибыли за счет изменения:
объема реализации продукции ∆ПVРП = ∆VРП ∙ (Ц0 − С0);
иены реализации ∆ПЦ = VРП1 ∙ ∆Ц;
себестоимости продукции ∆ПС = VРП1 ∙ (−∆С);
3. Способ относительных разниц Он используется в случаях, когда исходные данные содержат определенные ранее относительные отклонения факторных показателей в процентах. Применяется для измерения влияния факторов на прирост результативного показателя только в мультипликативных моделях. Здесь используются относительные приросты факторных показателей, выраженные в виде коэффициентов или процентов. Рассмотрим методику расчета влияния факторов этим способом для мультипликативных моделей типа Y = abc.
Изменение результативного показателя определяется следующим образом:
Согласно данному алгоритму для расчета влияния первого фактора необходимо базовую величину результативного показателя умножить па относительный прирост первого фактора, выраженного в виде десятичной дроби.
Чтобы рассчитать влияние второго фактора, нужно к базовой величине результативного показателя прибавить изменение его за счет первого фактора и затем полученную сумму умножить на относительный прирост второго фактора.
Влияние третьего фактора определяется аналогично: к базовой величине результативного показателя необходимо прибавить его прирост за счет первого и второго факторов и полученную сумму умножить на относительный прирост третьего фактора и т.д.
Результаты расчетов такие же, как и при использовании предыдущих способов.
Способ относительных разниц удобно применять в тех случаях, когда требуется рассчитывать влияние большого комплекса факторов (8-10 и более). В отличие от предыдущих способов здесь значительно сокращается число вычислительных процедур, что обусловливает его преимущество.
4. Интегральный метод оценки факторных влияний позволяет избежать недостатков, присущих методу цепной подстановки, и не требует применения приемов по распределению неразложимого остатка по факторам, т.к. в нем действует логарифмический закон перераспределения факторных нагрузок. Интегральный метод позволяет достигнуть полного разложения результативного показателя по факторам и носит универсальный характер, т.е. применим к мультипликативным, кратным и смешанным моделям. Операция вычисления определенного интеграла осуществляется с помощью вычислительных возможностей персональных компьютеров и сводится к построению подынтегральных выражений, которые зависят от вида функции или модели факторной системы.
Его использование позволяет получать более точные результаты расчета влияния факторов по сравнению со способами цепной подстановки, абсолютных и относительных разниц, поскольку дополнительный прирост результативного показателя от взаимодействия факторов присоединяется не к последнему фактору, а делится поровну между ними.
Рассмотрим алгоритмы расчетов влияния факторов для разных моделей:
1) Модель вида: y = a ∙ b
2) Модель вида: y = a ∙ b ∙ с
3) Модель вида:
3) Модель вида:
Если в знаменателе больше двух факторов, то процедура продолжается.
Таким образом, использование интегрального метода не требует знания всего процесса интегрирования. Достаточно в эти готовые рабочие формулы подставить необходимые числовые данные и сделать не очень сложные расчеты с помощью калькулятора или другой вычислительной техники.
Результаты расчетов по интегральному методу существенно отличаются от того, что дает метод цепных подстановок или модификации последнего. Чем больше величина изменений факторов, тем разница значительнее.
5. Индексный метод позволяет выявить влияние на изучаемый совокупный показатель различных факторов. Рассчитав индексы и построив временной ряд, характеризующий, например, выпуск продукции в стоимостном выражении, можно квалифицированно судить о динамике объема производства.
Основывается на относительных показателях динамики, выражающих отношение уровня анализируемого показателя в отчетном периоде к его уровню в базисном периоде. Индексным методом можно
Всякий индекс исчисляется сопоставлением соизмеряемой (отчетной) величины с базисной. Например, индекс объема производства: Ivвп = VВП1 / VВП0
Индексы, выражающие соотношение непосредственно соизмеряемых величин, называются индивидуальными , а характеризующие соотношения сложных явлений - групповыми , или тотальными . Статистика называет несколько форм индексов, которые используются в аналитической работе − агрегатная, арифметическая, гармоническая и др.
Применяя агрегатную форму индекса и соблюдая установленную вычислительную процедуру, можно решить классическую аналитическую задачу: определение влияния на объем произведенной или реализованной продукции фактора количества и фактора цен. Схема расчета при этом будет такой:
Здесь следует напомнить, что агрегатный индекс является основной формой всякого общего индекса; его можно преобразовать как в средний арифметический, так и в средний гармонический индексы.
Динамика оборота по реализации промышленной продукции должна характеризоваться, как известно, временными рядами, построенными за ряд истекших лет с учетом изменения цен (это относится, естественно, к заготовительному, оптовому и розничному оборотам).
Индекс объема реализации (товарооборота), взятый в ценах соответствующих лет, имеет вид:
Общий индекс цен:
Общие индексы - относительные показатели, получаемые в результате сравнения явлений, охватывающих неоднородные товарные группы.
Общий индекс товарооборота (стоимости товарной продукции);
где p1q1 − товарооборот отчетного периода
p0q0 − товарооборот базисного периода
p − цены, q − количество
Общий индекс цен: Ip =
Средние индексы - это относительные показатели, применяемые для анализа структурных изменений. Они используются только для однородных товаров.
Индекс цен переменного состава (средних цен):
Индекс цен постоянного состава:
6. Способ пропорционального деления может быть использован в ряде случаев для определения величины влияния факторов на прирост результативного показателя. Это касается тех случаев, когда мы имеем дело с аддитивными моделями Y=∑хi и моделями кратно-аддитивного типа:
В первом случае, когда имеем одноуровневую модель типа Y= а + b + с, расчет проводится следующим образом:
В моделях кратно-аддитивного типа сначала необходимо способом цепной подстановки определить, насколько изменился результативный показатель за счет числителя и знаменателя, а затем произвести расчет влияния факторов второго порядка способом пропорционального деления по вышеприведенным алгоритмам.
Например, уровень рентабельности повысился на 8% в связи с увеличением суммы прибыли на 1000 тыс. руб. При этом прибыль возросла за счет увеличения объема продаж на 500 тыс. руб., за счет роста цен - на 1700 тыс. руб., а за счет роста себестоимости продукции снизилась на 1200 тыс. руб. Определим, как изменился уровень рентабельности за счет каждого фактора:
7. Для решения такого типа задач можно использовать также способ долевого участия. Для этого сначала определяется доля каждого фактора в общей сумме их приростов (коэффициент долевого участия), которая затем умножается на общий прирост результативного показателя (табл. 4.2):
Расчет влияния факторов на результативный показатель способом долевого участия
Изменение прибыли, тыс. руб. |
Доля фактора в изменении общей суммы прибыли |
Изменение уровня рентабельности, % |
|
Объем продаж |
8 ∙ 0,5 = +4,0 |
||
8 ∙1,7 = +13,6 |
|||
Себестоимость |
8 ∙ (-1,2)= -9,6 |
||
Итого |
8. В основе приема последовательного изолирования факторов лежит метод научной абстракции, позволяющий исследовать большое число комбинаций с одновременным изменением всех или части факторов.
Для того, чтобы выяснить, насколько прибыльным или убыточным является предприятие, недостаточно просто считать деньги. Чтобы понять это наверняка, а главное, способствовать увеличению прибыли, нужно регулярно проводить и в целом работы предприятия. А для этого нужно обладать некоторыми умениями в бухгалтерской сфере и определенными сведениями. Стоит учесть, что фирма работала и в момент инфляции, и во время кризиса. Цены менялись постоянно. Теперь понимаете, почему банальный подсчет денег не дает возможности объективно оценить ситуацию с прибылью или затратами? Ведь нужно учитывать и ценовой фактор.
Итак, многие затрудняются сделать Пример нашего анализа, надеемся, поможет им сделать свой - по аналогии данный вид диагностики составляется крайне быстро. Оформляется он в форме таблицы. Для начала сделаем шапку нашего факторного анализа. Чертим таблицу в 5 столбцов и 9 строк. Первый столбец делайте шире - в нем будут названия статей предприятия, а не цифры. Он будет называться - "Показатели", что вы и должны записать в первой строке столбца. В нем заполняете все строки соответственно образцу: 1 - название, 2 - ставите цифру 1 - нумерация столбцов, в 3 строке запишите - "Выручка с продаж", 4 - "Себестоимость". В пятую строку первого столбца поставьте пункт - "Коммерческие расходы". В 6 напишите - "Расходы на управление процессом". Седьмая строчка называется - а 8 - "Индекс изменения цен", и последняя, 9 строчка - "Продажа в сопоставимых ценах".
Далее переходим к оформлению 2 столбца: в 1 строке пишем - "Предыдущий период, тыс.руб." (можете написать и другие денежные единицы - евро, доллар и т.д. - зависит от того, в какой валюте вы будете проводить вычисления), а во второй строке пишем цифру - 2. Переходим к 3 столбцу - в нем 1 строка имеет название - "Отчетный период", тыс. руб. А вторая заполняется цифрой 3. Далее оформляем наш факторный анализ выручки и переходим к столбцу 4. В первую строку вписываем - "Абсолютное изменение, тыс.руб.", а во второй строке содержится небольшая формула: 4=3-2. Это значит, что показатели, которые вы будете писать в последующих строках, будут результатом вычитания показателей второго столбца из показателей третьего. Переходим к оформлению последнего - 5 столбца. В нем в 1 строке нужно написать: "Относительные изменения%", что означает, что в этом столбце все данные будут записаны в процентном соотношении. Во второй строке формула: 5=(4/2)*100%. Все, шапку мы оформили, осталось только заполнить каждый пункт таблицы соответствующими данными. Проводим факторный анализ, пример которого мы вам даем. Первым делом вычисляем индекс изменения цен - это едва ли не самая важная цифра в наших рассчетах. Записываем цифры разных периодов в соответствующие столбцы. В 4 и 5 столбиках проводим необходимые вычисления. Факторный анализ, пример которого вы сможете просмотреть, предполагает точность в цифрах. Поэтому писать в 3 строки каждого столбика нужно только достоверную информацию. В 4 и 5 опять же проводим вычисления. Как вы понимаете, факторный главным образом осуществляется в строках 5 и 6: постарайтесь дописать туда максимально реальные, не заниженные, цифры. В 4 и 5 столбике этих строк снова проводите вычисления по формулам. Далее осуществляем факторный анализ выручки в столбце 7 - прибыль. Записываем достоверные цифры во 2 и 3 столбик, а в 4 и 5 снова считаем все по формулам. И остается последний столбец: пишем данные, вычисляем. Итог: факторный анализ, пример которого мы вам даем, показывает, каково влияние каждого из факторов, описанных в статьях, на прибыль или затраты производства. Теперь вы видите слабые места и сможете исправить ситуацию, чтобы получать как можно большую прибыль.
Вы сделали все вычисления, чтобы провести факторный анализ, однако они не помогут вам ничем, если вы не проанализируете полученные данные досконально.
- Мы диалектику учили не по гегелю Включение категории практики в диалектику
- Украинцы в СС и Вермахте или «Наши герои лежат под Бродами Котел под бродами
- Книга: Штейнберг Марк «Евреи в войнах тысячелетий Летопись военной доблести евреев
- Третья мировая война может начаться совсем скоро Возможность 3 мировой войны