Способ пропорционального деления
Способ пропорционального деления – поиск влияния факторов в аддитивных моделях на прирост результативного показателя.
Y=a+b+c
∆Yа= (∆Yобщ/(∆а+∆в+∆с)) *∆а
∆Yв= (∆Yобщ/(∆а+∆в+∆с)) *∆в
∆Yс= (∆Yобщ/(∆а+∆в+∆с)) *∆с
6.5. Интегральный способ
В детерминированном анализе используется интегральный метод, который применяют для измерения влияния в мультипликативных, кратных и смешанный моделях кратно – аддитивного типа: Y=A/∑xi.
Использ – е этого способа позволяет получить более точные результаты расчета влияния факторов по сравнению со способами цепной подстановки, абс. и относ. разниц и избежать однозначной оценки влияния факторов, так как в данном случае результаты не зависят от места расположения факторов модели, а дополнит. прирост результативного пок – ля, кот. образовался от взаимодействия факторов, раскладывается между ними поровну.
Для распределения дополнительного прироста вызванного взаимодействием факторов, недостаточно взять половину или часть прироста, соответствующую количеству фактора, так как ф-ры могут действовать в разных направлениях.
Применяя интегральный способ в АХД, пользуются готовыми алгоритмами, разработанными достаточно недавно Бешеновым и Шереметом и опубликованные в книге «Теория АХД».
Если F=X*Y , то ∆Fx=∆X*Yпл+1/2∆X*∆Y=1/2∆X*(Yплан+Yотчет)
∆Fy=∆Y*Xпл+1/2∆X*∆Y
6.6. Способ логарифмирования. Применяется для измерения влияния факторов в мультипликативных моделях. В данном случае результат расчета, как и при интегрировании, не зависит от места расположения факторов модели.
Однако, более высокая точность по сравнению с интегрированием обеспечивается тем, что дополнительный прирост за счет взаимодействия факторов распределяется пропорционально доле изолированного влияния каждого фактора на уровень результативного показателя, а не поровну между ними, как при интегрировании.
Недостаток – ограничение сферы применения – только мультипликативные модели.
В отличии от интегрального метода, при логарифмировании используются не абсолютные приросты показателей, а индексы их роста (снижения). Допустим f = x*y*z,тогда результативный показатель равен произведению трех факторов. Прологарифмировав обе части, получим: lgf = lgx*lgy*lgz.
Учитывая, что между индексами изменения показателей сохраняется та же зависимость, что и между самими показателями, произведем замену абсолютных их знач-ий на индексы:lg(f1/f0) = lg(x1/x0)*lg(y1/y0)*lg(z1/z0)или lgIf = lgIx+lgIy+lgIz
Разделив обе части на lgIfи умножив на ∆f,получим:
∆fобщ=∆f(lgix/lgif) +∆f(lgiy/lgif)+∆f(lgiz/lgif)=∆fx+∆fy+∆fz
Отсюда влияние каждого фактора определяется след. образом:
∆fx= ∆f(lgix/ lgif)
∆fy= ∆f(lgiy/ lgif)
∆fz= ∆f(lgiz/ lgif)
Из формул следует, что общий прирост результативности пок–ля распределяется по факторам пропорционально отношениям логарифмов факторных индексов к логарифму индекса результ. показателя и не имеет знач-е, какой используется логарифм (натуральный или десятичный).
7.1. Понятие стохастической связи и задачи корреляционного анализа. Необх. условия применения корреляционного анализа.
На практике чаще всего встречаются стохастические завис-ти, кот. отл-ся приблиз-тью и проявл-ся эти завис-ти только в ср. по значительному кол-ву объектов.
При стохастических завис-ях каждой величине факторного пок-ля (аргумента) может соот-ть неск. значений результативного пок-ля (функции). Например, одинаковое увел. фондовоор-ти труда на разных пр-ях даёт разный прирост ПТ даже при пр. очень выровненных усл-ях, т. к. все факторы, от кот. зависит произв-ть, действуют в комплексе взаимосвязано, а установить это можно при пом. большого кол-ва колебаний.
Коррел-ая ( стохастическая) связь – это неполная, вероятностная завис-ть межу пок.ми, кот. проявл-ся только в массе наблюдений. Отличают парную и множественную корреляцию. Парная кор-я – это связь между 2-мя пок-ми, один из кот. явл-ся факт-им, а др-ой рез-ым.
Множественная возн-ет от взаимодействия неск. факторов с результативным пок-ем.
Осн. задача факторного кор-го анализа – опред-ть степень влияния каждого фактора на ур. Результ-го пок-ля.
Для этой цели прим. способы кор-го, дисперсионного, компонентного, дискриминантного и многомерного факторного анализа.
Наиб. широкое прим-е в АХД нашли приёмы кор-го анализа, которые позволяют кол-но выразить тесноту связей между факт-ми и результ-ыми пок-ми.
7.2. Правила отбора факторов для корреляционного анализа:
1.Наличие достаточно большого количества наблюдений о величине исследуемых факторных и результативных показателей ( либо в динамике или за текущий год, но по совокупности однородных объектов).
2.Исследуемые факторы должны иметь количественное измерение и отражение в тех или иных источниках информации.
Применение корреляционного анализа позволяет решить следующие задачи:
1.Определить изменение результативного показателя под воздействием 1 или нескольких
факторов в абсолютном измерении, т. е. определить на сколько единиц изменится
величина результативного показателя при изменении факторного на 1.
2.Установить относительную степень зависимости результативного показателя от каждого
фактора.