Изменение выручки за счет количества проданной продукции (ДТПк):
ΔТПк = (ТПпл х ΔК%)/100 %;
ΔК% = (Кф – Кпл)/Кпл х 100 %.
2. Чтобы рассчитать влияние второго фактора, необходимо к плановой величине результативного фактора прибавить изменение результативного показателя за счет первого фактора и затем полученную сумму умножить на относительный прирост второго фактора в процентах и результат разделить на 100 %.
Изменение выручки за счет цены реализации (ΔТПц):
ΔТПц = (ТПпл + ΔТПк) х ΔЦ%/100 %;
ΔЦ% = (Цф-Цпл)/Цплх100 %.
3. Влияние третьего, четвертого и т. д. факторов (при их наличии) определяется аналогично второму этапу с добавлением в сумму изменения результата за счет влияния второго, третьего и т. д. факторов.
4. Проверка расчетов:
ΔТПк + ΔТПц = ΔТПобщ
Недостаток предыдущих методов состоит в том, что научно-технические факторы интенсификации производства не могут быть включены в модель прямых связей, а следовательно, их недоучет приведет к занижению или завышению отдельных результатов.
Вторым недостатком является зависимость результатов расчетов от того, насколько логически и экономически правильно составлена формула и, следовательно, могут быть сформулированы различные выводы.
Поэтому, прежде чем приступить к расчетам, необходимо:
• выявить четкую взаимосвязь между изучаемыми показателями (явлениями);
• разграничить количественные и качественные показатели;
• правильно определить последовательность подстановок в тех случаях, когда имеется несколько количественных и качественных показателей.
Интегральный метод имеет преимущества, заключающиеся в получении более точных результатов расчета влияния факторов по сравнению с другими методами и исключения неоднородной оценки влияния факторов. Это является следствием того, что результаты расчетов не зависят от местоположения факторов в модели, а дополнительный прирост результативного показателя, который образовался от взаимодействия факторов, раскладывается между ними пропорционально изолированному их воздействию на результативный показатель.
Интегральный метод применяется в мультипликативных, кратных и смешанных моделях с использованием для каждой из них определенных формул.
1. Для двухфакторных мультипликативных моделей.
Пример: ТП = К х Ц.
Расчет изменения выручки за счет:
• количества проданной продукции (ΔТПк):
ΔТПк =1/2К х (Цпл + Цф);
• цены реализации (ΔТПц):
ΔТПц =1/2Ц х (Кпл + Кф).
2. Для кратной двухфакторной модели: А = В/С.
ΔАобщ = Аф – Апл;
Способ логарифмирования применяется для измерения влияния факторов в мультипликативных моделях. При логарифмировании используются не абсолютные приросты результативных показателей, а индексы их роста или снижения. Общий прирост результативного показателя распределяется по факторам пропорционально отношениям логарифмов факторных индексов к логарифму индекса результативного показателя.
Способ пропорционального деления используется для аддитивных и кратно-аддитивных моделей.
Алгоритм расчета количественного влияния исследуемого фактора на изменение результативного показателя для аддитивной модели:
• абсолютное изменение результативного показателя делится на сумму абсолютных изменений всех факторов;
• полученный результат умножается на абсолютное отклонение исследуемого фактора.
Пример: Y = х1 + х2 + х3.
Изменение Yза счет фактора х1:
ΔYх1 = ΔYобщ /(Δх1 + Δх2 + Δх3) × Δх1.
Изменение Y за счет фактора х2:
ΔYх2 = ΔYобщ /(Δх1 + Δх2 + Δх3) × Δх2.
Изменение Y за счет факторах,
ΔYх3 = ΔYобщ /(Δх1 + Δх2 + Δх3) × Δх3.
Сумма влияния факторов должна быть равна общему изменению результативного показателя.
Метод корреляционно-регрессионного анализа позволяет определить изменение результативного показателя под воздействием одного или нескольких факторов, т. е. определить, на сколько единиц изменяется величина результативного показателя при изменение факторного на единицу, а также позволяет установить относительную степень зависимости результативного показателя от каждого фактора. Корреляционная зависимость проявляется лишь в среднем (как среднее значение) и только в массе наблюдений.
Множественная корреляционная модель имеет вид:
y = а0 + а1х1 + а2х2 + а3х3 + … + аnхn,
где у – результативный показатель; aQ – свободный член уравнения; а1,2,3 и т.д. аргументы, показывающие, на сколько изменится результат при увеличении соответствующему ему х на единицу; x1,2,3 и т. д. – факторы, воздействующие на результативный показатель.
Многофакторный корреляционный анализ состоит из нескольких этапов.
На первом этапе определяются факторы, которые оказывают влияние на изучаемый показатель, и отбираются наиболее существенные для корреляционного анализа.
На втором этапе собирается и оценивается исходная информация, необходимая для корреляционного анализа.
На третьем этапе изучается характер и моделируется связь между факторами и результативным показателем, т. е. подбирается и обосновывается математическое уравнение, которое наиболее точно выражает сущность исследуемой зависимости.
На четвертом, этапе проводится расчет основных показателей связи корреляционного анализа.
На пятом этапе статистически оцениваются результаты корреляционного анализа и практическое их применение.
В последние годы наибольшую актуальность в практической деятельности приобрел такой метод изучения многомерных статистических совокупностей, как кластерный анализ, содержание которого было впервые раскрыто в 1939 г. исследователем Трионом.
Сущность кластерного анализа заключается в разбиении множества изучаемых объектов и признаков на однородные группы или кластеры. Достоинство данного метода в том, что он позволяет подразделять объекты не по одному параметру, а по целому ряду признаков и в отличие от большинства математико-статистических методов не накладывает никаких ограничений на рассматриваемые объекты.
Кластерный анализ позволяет рассматривать достаточно большой объем информации, сжимать массивы социально-экономической информации, делать их компактными и наглядными. Однако состав и количество кластеров зависят от выбираемых критериев разбиения. В то же время могут теряться индивидуальные черты отдельных объектов за счет замены их характеристиками обобщенных значений параметра кластера. Это следует отнести к недостатку кластерного анализа.
В процессе проведения кластерного анализа необходимо на основании данных, содержащихся во множестве X, разбить на множество объектов G на от (от целое) кластеров (подмножеств) Q1, Q2, … Qm так, чтобы каждый объект Gjпринадлежал только одному подмножеству разбиения и чтобы объекты, принадлежащие одному и тому же кластеру, были сходными, в то время как объекты, принадлежащие разным кластерам, были разнородными.
В качестве целевой функции кластерного анализа может быть взята внутригрупповая сумма квадратов отклонения:
где хjпредставляет собой измерения j-го объекта.
Кластерный анализ можно применять к интервальным датам, частотам, при группировке данных, моделировании рыночной конъюнктуры. Способ сравнения применяется в следующих случаях.
1. Сравнение фактических данных текущего периода с данными предыдущих периодов. Это дает возможность выявить направление, динамику и темпы развития фирмы, оценить и спрогнозировать тенденцию дальнейших изменений.
2. Сравнение фактических данных с плановыми позволяет проконтролировать выполнение плановых заданий, которые в условиях рынка разрабатываются исходя из заключенных договоров и контрактов, спроса, предложения и степени конкуренции, сложившейся на рынке.
3. Сравнение фактических данных с данными других предприятий с целью определения рейтинга и разработки стратегии дальнейшего развития. С помощью таких сравнений появляется возможность оценки конкурентоспособности и имиджа фирмы, выявления слабых и сильных сторон его деятельности.
4. Сопоставление различных вариантов управленческих решений с целью выбора наиболее оптимального из них с целью обеспечения экономической и финансовой устойчивости фирмы.
В экономическом анализе выделяют следующие виды сравнительного анализа:
• горизонтальный {временной) анализ – сравнение каждой позиции с предыдущей (анализ динамики (по годам) изменения показателей);
• вертикальный {структурный) анализ – определение структуры итоговых показателей, определение доли или удельного веса отдельных частей в результирующем показателе;
• трендовый анализ – сравнение показателей за ряд лет и определение основной тенденции динамики показателя;
• одномерный сравнительный анализ – сопоставляются один или несколько показателей одного объекта или несколько объектов по одному показателю.
Многомерный сравнительный анализ – сравнение результатов деятельности нескольких хозяйствующих субъектов по широкому кругу показателей (комплексный экономический анализ финансово-хозяйственной деятельности организации, рейтинговая оценка предприятий).