Дисперсионный многофакторный анализ представляет собой совокупность различных статистических методов, которые предназначены для проверки гипотез и связи между исследуемыми факторами и определенными признаками, не имеющими количественного описания. Также подобная методика позволяет определить степень взаимодействия факторов и их влияние на определенные процессы. Все эти определения звучат довольно запутанно, поэтому давайте разберемся в них более подробно в нашей статье.
Критерии и виды дисперсионного анализа
Метод дисперсионного многофакторного анализа чаще всего используется для поиска связи между непрерывной количественной переменной и номинальными качественными признаками. По сути, данная методика представляет собой тестирование различных гипотез о равенстве различных арифметических выборок. Таким образом, ее можно рассматривать и в качестве критерия для сравнения нескольких выборок. Однако результаты будут идентичными, если для сравнения используется лишь два элемента. Исследование t-критерия показывает, что подобная методика позволяет изучить проблему гипотез более детально, чем любой другой известный способ.
Также нельзя не отметить тот факт, что некоторые виды дисперсионного анализа базируются на определенном законе: сумма квадратов межгрупповых отклонений и сумма квадратов внутригрупповых отклонений абсолютно равны. В качестве исследования используется критерий Фишера, использующийся для детального анализа внутригрупповых дисперсий. Хотя для этого необходимы предпосылки нормальности распределения, а также гомоскедастичности выборок - равенство дисперсий. Что касается видом дисперсионного анализа, то различают следующие:
- многомерный или многофакторный анализ;
- однофакторный или одномерный анализ.
Не трудно догадаться, что второй рассматривает зависимость одного признака и исследуемой величины, а первый - базируется на анализе сразу нескольких признаков. Кроме того, многофакторная дисперсия не позволяет выявлять более прочную связь между несколькими элементами, поскольку исследуется зависимость сразу нескольких величин (хотя проводить метод намного проще).
Факторы
Задумались о методах проведения многофакторного корреляционного анализа? Тогда вам следует знать, что для детального изучения следует изучить те факторы, которые контролируют обстоятельства эксперимента и влияют на конечный результат. Также под факторами могут подразумеваться способы и уровни обработки значений, характеризующие конкретное проявление определенного условия. В этом случае цифры подаются в порядковой или номинальной системе измерений. Если же возникает проблема, связанная с группировкой данных, приходится прибегать к использованию одинаковых числовых значений, что немного изменяет конечный результат.
Также следует понимать, что количество наблюдений и групп не может быть чрезмерно большим, ведь это приводит к избытку данных и невозможности закончить расчет. В то же время способ группировки зависит не только от объема, но и от характера варьирования определенных значений. Размеры и количество интервалов в анализе могут определяться по принципу равных частот, а также одинаковых промежутков между ними. В итоге все полученные исследования будут указаны в статистике многофакторного анализа, которая должна базироваться на различных примерах. К этому мы еще вернемся в следующих разделах.
Назначение дисперсионного анализа
Итак, иногда могут возникать ситуации, когда необходимо сравнить между собой две или более различных выборок. В этом случае логичнее всего будет применить многофакторный корреляционно-регрессионный анализ, базирующийся на изучении гипотезы и связи различных факторов в степени регрессии. Также название методики указывает на тот факт, что в процессе исследования используются различные составляющие дисперсии.
В чем суть исследования? Для начала два или более показателей разбивают на отдельные части, каждая из которых соответствует действию определенного фактора. После этого проводится ряд исследовательских процедур на поиск взаимосвязи различных выборок и связей между ними. Чтобы более детально разобраться в столь сложной, но интересной методике, рекомендуем изучить несколько примеров многофакторного корреляционного анализа, приведенных в следующих разделах нашей статьи.
Пример первый
В производственном цеху есть несколько автоматических станков, каждый из которых предназначен для изготовления определенной детали. Размер производимого элемента представляет собой случайную величину, которая зависит не только от настроек самого станка, но и случайных отклонений, которые неминуемо будут возникать в результате производства деталей. Но как рабочему определить правильность работы станка, если он изначально производит детали с браком? Правильно, необходимо приобрести такую же деталь на рынке и сравнить ее размеры с тем, что получается во время производства. После этого можно регулировать оборудование таким образом, чтобы оно выпускало детали нужных размеров. И совсем не важно, что имеется производственный брак, ведь он также учитывается при расчетах.
В то же время если на станках будут определенные показатели, позволяющие определить интенсивность регулировки (осей X и Y, глубины и так далее), то показатели на всех станках будут совершенно разными. Если измерения оказались абсолютно одинаковыми, то производственный брак можно не учитывать вовсе. Однако такое происходит крайне редко, особенно если погрешности измеряются в миллиметрах. Но если выпущенная деталь обладает теми же размерами, что и стандарт, приобретенный на рынке, значит ни о каком браке не может быть и речи, поскольку при производстве "идеала" также использовался станок, дающий определенные погрешности, которые наверняка также учитывались рабочими.
Пример второй
Для изготовления определенного прибора, работающего на электричестве, необходимо использовать несколько типов различной изоляционной бумаги: электротехническую, конденсаторную и так далее. Кроме того, аппарат может быть пропитан смолой, лаком, эпоксидным составам и прочими химическими элементами, продлевающими срок эксплуатации. Ну а различные утечки под вакуумным цилиндром при повышенном давлении легко устраняются с помощью метода нагревания или выкачивания воздуха. Однако если мастер до этого использовал лишь по одному элементу из каждого списка, в процессе производства по новой технологии могут возникнуть различные трудности. Причем, практически наверняка, подобная ситуация будет вызвана из-за одного элемента. Однако рассчитать, какой именно фактор влияет на плохую работоспособность прибора, будет практически нереально. Именно поэтому рекомендуется использовать не многофакторный метод анализа, а однофакторный, чтобы быстрее разобраться с причиной неисправности.
Конечно же, при использовании различных инструментов и приборов, которые отслеживают влияние того или иного фактора на конечный результат, исследование упрощается в разы, однако обзавестись подобными агрегатами начинающему инженеру будет не по карману. Именно поэтому рекомендуется применять однофакторный дисперсионный анализ, позволяющий выявить причину неполадок за считаные минуты. Для этого будет достаточно поставить перед собой одну из наиболее вероятных гипотез, после чего начать доказывать ее путем экспериментов и анализа показателей работоспособности прибора. Довольно скоро мастеру удастся найти причину неполадок и устранить ее, заменив одну из выборок альтернативным вариантом.
Пример третий
Еще один пример многофакторного анализа. Предположим, что троллейбусное депо может обслуживать несколько маршрутов в течение суток. На этих самых маршрутах работают троллейбусы совершенно разных марок, а оплату за проезд собирают 50 разных контролеров. Однако руководство депо интересуется тем, каким образом можно сравнить между собой несколько различных показателей, влияющих на общую выручку: марка троллейбуса, эффективность маршрута и умение работника. Чтобы увидеть экономическую целесообразность, необходимо детально проанализировать влияние каждого из этих факторов на конечный результат. К примеру, некоторые контролеры могут плохо справляться со своими обязанностями, поэтому придется нанять более ответственных сотрудников. Большинство пассажиров не любят ездить на старых троллейбусах, поэтому целесообразнее всего использовать новую марку. Однако если оба этих фактора идут наряду с тем, что большая часть маршрутов являются высоко востребованными, то стоит ли вообще что-то менять?
Задача исследователя заключается в том, чтобы с помощью одного аналитического метода получить как можно больше полезной информации по поводу влияния каждого из факторов на конечный результат. Для этого необходимо выдвигать как минимум 3 различных гипотезы, которые придется доказывать различными способами. Дисперсионный анализ позволяет решить подобные задачи в максимально короткий срок и получить максимум полезной информации, особенно если используется многофазный метод. Однако не забывайте о том, что однофакторный анализ дает куда больше уверенности по поводу влияния того или иного фактора, поскольку он исследует выборку более детально. К примеру, если депо направит все силы на анализ работы кондукторов, то можно будет выявить много недобросовестных рабочих на всех маршрутах.
Однофакторный анализ
Однофакторный анализ - это совокупность методов исследования, направленных на анализ определенного фактора на конечный результат в конкретном случае. Также довольно часто подобная методика используется для сравнения наибольшего влияния между двумя факторами. Если проводить аналогию все с тем же депо, то следует сперва проанализировать по отдельности влияние различных маршрутов и марок троллейбусов на прибыльность, после чего сравнить полученные результаты между собой и определить, в каком направлении будет лучше всего развивать станцию.
Кроме того, не стоит забывать о таком понятии, как нулевая гипотеза - то есть гипотеза, которая не может быть отброшенной и на нее в любом случае влияют все факторы из перечисленных в той или иной степени. Даже если мы будем сравнивать между собой лишь маршруты и марки троллейбусов, от влияния профессионализма кондукторов все равно никуда не деться. Поэтому даже если данный фактор не поддается анализу, о влиянии нулевой гипотезы забывать не стоит. К примеру, если вы решили исследовать зависимость прибыли от маршрута, пускайте в рейс одного и того же кондуктора, чтобы показания оказались максимально точными.
Двухфакторный анализ
Чаще всего данную методику также называют методом сравнения и используют для того, чтобы выявить зависимость двух факторов друг от друга. На практике придется использовать различные таблицы с точными показателями, чтобы не запутаться в собственных расчетах и влияниях на них факторов. К примеру, можно пустить по двум одинаковым маршрутам два совершенно разных троллейбуса в одно и то же время, пренебрегая фактором нулевой гипотезы (выбрать двух ответственных кондукторов). В этом случае сравнение двух ситуаций будет максимально качественным, поскольку эксперимент проходит в одно и то же время.
Многофакторный анализ с повторными опытами
Данный метод применяется на практике гораздо чаще других, особенно если речь идет о группе начинающих исследователей. Повторный опыт позволяет не только убедиться во влиянии того или иного фактора на конечный результат, но и найти ошибки, которые были допущены в ходе исследования. К примеру, большинство неопытных аналитиков забывают о наличии одной или сразу нескольких нулевых гипотез, что приводит к получению неточных результатов в ходе исследования. Продолжая пример с депо, можно проанализировать влияние тех или иных факторов в разный сезон года, поскольку количество пассажиров зимой сильно отличается от летнего. Кроме того, повторный опыт может натолкнуть исследователя на новые идеи и выдвижение новых гипотез.
Видеоролик и заключение
Надеемся, наша статья помогла вам разобраться в том, на чем основан метод многофакторного корреляционного анализа. Если у вас до сих пор остались какие-то вопросы по данной теме, то рекомендуем к просмотру небольшой видеоролик. В нем во всех подробностях рассказывается о методах дисперсионного исследования на определенном примере.
Как видите, многофакторный анализ - это довольно сложный, но очень интересный процесс, который позволяет выявить зависимость определенных факторов на конечный результат. Данная методика может применяться абсолютно во всех сферах жизни и эффективно использоваться для ведения бизнеса. Также модель многофакторного анализа можно использовать для достижения прорывных задач с помощью простых методов.
Выполните факторный анализ явления по мультипликационной модели, используя метод относительных разниц, абсолютных разниц, метод цепных подстановок и формализации неразложимого остатка и логарифмический метод.
а) абсолютное изменение: б) относительное изменение:
Расчеты
3,62*5,02*2,92*5,82=308,829
76,7807
=0,00
Проверка
У4,52*5,02*4,02*5,72=521,7521
3,62*5,02*2,92*5,82=308,829
521,721-308,829=212,92
ВЫВОД: расчеты факторного анализа показывают, что под влиянием всех независимых факторов А, Б, С, Д результативный фактор У увеличился на 212,92ед. При этом негативное влияние на результативный фактор У оказали также факторы, как Б и Д. Из них наибольшее влияние оказал фактор Д, а его изменение вызвало уменьшение результативного фактора У на 9,12 ед. В тоже время факторы А и С оказали позитивное влияние на фактор У, из них наибольшее влияние оказал фактор С, его изменение вызвало увеличение результативного фактора У на 145,264 ед.
2) метод «неразложимого остатка»
Изолированное влияние факторов
Для фактора А =0,9*5,02*2,92*5,82= 76,7807
Б=0,00*3,62*2,92*5,82=0,00
С=1,1*3,62*5,02*5,82= 116,3397
Д=-0,10*3,62*5,02*5,82= -10,5763
«Неразложимый остаток» определяем по формуле
НО= Но=212,92-182,5441=30,38
ВЫВОД: расчеты факторного анализа показывают, что под влиянием всех независимых факторов А, Б, С, Д результативный фактор У увеличился на 182,5441 ед. При этом негативное влияние на результативный фактор У оказали также факторы, как Б и Д. Из них наибольшее влияние оказал фактор Д, а его изменение вызвало уменьшение результативного фактора У на 10,5763 ед. В тоже время факторы А и С оказали позитивное влияние на фактор У, из них наибольшее влияние оказал фактор С, его изменение вызвало увеличение результативного фактора У на 116,3397 ед. Погрешность составила 30,38.
3) Логарифмический метод.
|
Абсол.откл. |
Индивид.индекс i |
||||
У I Lg (i) i /Lg (i) y
Для фактора А = 0,09643*212,92/0,22775=90,151
Для фактора Б = 0,00*212,92/0,22775=0,00
Для фактора С = 0,13884*212,92/0,22775=129,8
Для фактора Д = -0,00753*212,92/0,22775=-7,0397
90,151+0,00+129,8+(-7,0397)= 212,9113
ВЫВОД: расчеты факторного анализа показывают, что под влиянием всех независимых факторов А, Б, С, Д результативный фактор У увеличился на 212,9113ед.(погрешность в расчетах связана с округлением изменения фактора) При этом негативное влияние на результативный фактор У оказал фактор Д, а его изменение вызвало уменьшение результативного фактора У на 7,03997 ед. В тоже время факторы А и С оказали позитивное влияние на фактор У, из них наибольшее влияние оказал фактор С, его изменение вызвало увеличение результативного фактора У на 129,8 ед.
4) Метод абсолютных разниц. У= А*Б*С*Д
б) общее изменение результатов факторов
Решение
0,9*5,02*2,92*5,82=76,781
4,52*0,00*2,92*5,82=0,00
4,52*5,02*1,1*5,82=145,2639
4,52*5,02*4,02*(-0,1)= -9,1215
76,781+0,00+145,2639+(-9,1215)= 212,923
Проверка полученных результатов:
У4,52*5,02*4,02*5,72=521,7521
3,62*5,02*2,92*5,82=308,829
521,721-308,829=212,92
ВЫВОД: расчеты факторного анализа показывают, что под влиянием всех независимых факторов А, Б, С, Д результативный фактор У увеличился на 212,923ед. При этом негативное влияние на результативный фактор У оказал фактор Д, а его изменение вызвало уменьшение результативного фактора У на 9,12 ед. В тоже время факторы А и С оказали позитивное влияние на фактор У, из них наибольшее влияние оказал фактор С, его изменение вызвало увеличение результативного фактора У на 145,2639ед.
5) способ цепных подстановок.
|
Результат |
|||||
|
У |
|||||
Все явления и процессы хозяйственной деятельности предприятий находятся во взаимосвязи и взаимообусловленности. Одни из них непосредственно связаны между собой, другие косвенно. Отсюда важным методологическим вопросом в экономическом анализе является изучение и измерение влияния факторов на величину исследуемых экономических показателей.
Факторный анализ в учебной литературе трактуется как раздел многомерного статистического анализа, объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных или корреляционных матриц.
Свою историю факторный анализ начинает в психометрике и в настоящее время широко используется не только в психологии, но и в нейрофизиологии, социологии, политологии, в экономике, статистике и других науках. Основные идеи факторного анализа были заложены английским психологом и антропологом Ф. Гальтоном . Разработкой и внедрением факторного анализа в психологии занимались такие ученые как: Ч.Спирмен, Л.Терстоун и Р.Кеттел . Математический факторный анализ разрабатывался Хотеллингом, Харманом, Кайзером, Терстоуном, Такером и другими учеными.
Данный вид анализа позволяет исследователю решить две основные задачи: описать предмет измерения компактно и в то же время всесторонне. С помощью факторного анализа возможно выявление факторов, отвечающих за наличие линейных статистических связей корреляций между наблюдаемыми переменными.
Цели факторного анализа
К примеру, анализируя оценки, полученные по нескольким шкалам, исследователь отмечает, что они сходны между собой и имеют высокий коэффициент корреляции, в этом случае он может предположить, что существует некоторая латентная переменная , с помощью которой можно объяснить наблюдаемое сходство полученных оценок. Такую латентную переменную называют фактором, который влияет на многочисленные показатели других переменных, что приводит к возможности и необходимости отметить его как наиболее общий, более высокого порядка.
Таким образом, можно выделить две цели факторного анализа :
- определение взаимосвязей между переменными, их классификация, т. е. «объективная R-классификация»;
- сокращение числа переменных.
Для выявления наиболее значимых факторов и, как следствие, факторной структуры, наиболее оправданно применять метод главных компонентов . Суть данного метода состоит в замене коррелированных компонентов некоррелированными факторами. Другой важной характеристикой метода является возможность ограничиться наиболее информативными главными компонентами и исключить остальные из анализа, что упрощает интерпретацию результатов. Достоинство данного метода также в том, что он - единственный математически обоснованный метод факторного анализа.
Факторный анализ - методика комплексного и системного изучения и измерения воздействия факторов на величину результативного показателя.
Типы факторного анализа
Существуют следующие типы факторного анализа:
1) Детерминированный (функциональный) - результативный показатель представлен в виде произведения, частного или алгебраической суммы факторов.
2) Стохастический (корреляционный) - связь между результативным и факторными показателями является неполной или вероятностной.
3) Прямой (дедуктивный) - от общего к частному.
4) Обратный (индуктивный) - от частного к общему.
5) Одноступенчатый и многоступенчатый.
6) Статический и динамический.
7) Ретроспективный и перспективный.
Также факторный анализ может быть разведочным - он осуществляется при исследовании скрытой факторной структуры без предположения о числе факторов и их нагрузках и конфирматорным , предназначенным для проверки гипотез о числе факторов и их нагрузках. Практическое выполнение факторного анализа начинается с проверки его условий.
Обязательные условия факторного анализа:
- Все признаки должны быть количественными;
- Число признаков должно быть в два раза больше числа переменных;
- Выборка должна быть однородна;
- Исходные переменные должны быть распределены симметрично;
- Факторный анализ осуществляется по коррелирующим переменным.
При анализе в один фактор объединяются сильно коррелирующие между собой переменные, как следствие происходит перераспределение дисперсии между компонентами и получается максимально простая и наглядная структура факторов. После объединения коррелированность компонент внутри каждого фактора между собой будет выше, чем их коррелированность с компонентами из других факторов. Эта процедура также позволяет выделить латентные переменные, что бывает особенно важно при анализе социальных представлений и ценностей.
Этапы факторного анализа
Как правило, факторный анализ проводится в несколько этапов.
Этапы факторного анализа:
1 этап. Отбор факторов.
2 этап. Классификация и систематизация факторов.
3 этап. Моделирование взаимосвязей между результативным и факторными показателями.
4 этап. Расчет влияния факторов и оценка роли каждого из них в изменении величины результативного показателя.
5 этап. Практическое использование факторной модели (подсчет резервов прироста результативного показателя).
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. когда результативный показатель факторной модели представлен в виде произведения, частного или алгебраической суммы факторов.
Методы детерминированного факторного анализа : Метод цепных подстановок; Метод абсолютных разниц; Метод относительных разниц; Интегральный метод; Метод логарифмирования.
Данный вид факторного анализа наиболее распространен, поскольку, будучи достаточно простым в применении (по сравнению со стохастическим анализом), позволяет осознать логику действия основных факторов развития предприятия, количественно оценить их влияние, понять, какие факторы, и в какой пропорции возможно и целесообразно изменить для повышения эффективности производства.
Стохастический анализ представляет собой методику исследования 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 корреляционной связи изменение аргумента может дать несколько значений прироста функции в зависимости от сочетания других факторов, определяющих данный показатель.
Методы стохастического факторного анализа : Способ парной корреляции; Множественный корреляционный анализ; Матричные модели; Математическое программирование; Метод исследования операций; Теория игр.
Необходимо также различать 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 прироста результативных показателей за прошлые периоды, и перспективным, который исследует поведение факторов и результативных показателей в перспективе.
Любое коммерческое предприятие, работающее на рынке в достаточно жесткой конкурентной среде, обязано эффективно распоряжаться имеющимися внутренними ресурсами и своевременно реагировать на изменение внешних условий. Эти цели и преследуют соответствующие аналитические мероприятия, о которых пойдет речь в публикации.
Факторный анализ прибыли
Объектом пристального внимания аналитика является прибыль предприятия , поскольку именно она отображает эффективность работы компании, ее ликвидность и платежеспособность. Прибыль выступает индикатором, реагируя на любые изменения внешней среды и внутри фирмы, поэтому важно уметь анализировать этот показатель, правильно оценивая степень воздействия всех критериев.
Факторный анализ чистой прибыли компании рассматривает два влияющих блока: внешние и внутренние.
Внутренними считают факторы, влиять на которые предприятие в состоянии. К примеру, фирма может влиять на прибыль, поскольку степень загруженности мощностей и уровень применяемых технологий сказываются на качестве выпускаемых продуктов. Сложнее с непроизводственными факторами, как то – реакция персонала на изменение трудовых условий, логистика и др.
Под внешними понимают факторы рыночных реалий, контролировать которые компания не может, но принимает во внимание. Например, невозможно воздействовать на рыночную конъюнктуру, уровень инфляции, удаленность от ресурсов, особенности климата, смену гостарифов, нарушение условий соглашений партнерами и др.
Факторный анализ чистой прибыли – составляющая анализа финансовой деятельности компании. Применяется он для определения степени воздействия различных показателей на результат. К примеру, исследуют:
- динамику изменений величины выручки ;
- прирост объема продаж;
- влияние на прибыль динамики продаж, изменения цен и себестоимости .
Анализируют показатели, сравнивая итоги двух конкретных периодов. Начинают анализ с группировки влияющих на прибыль факторов. Чистая прибыль определяется как выручка, уменьшенная на себестоимость, налоги, коммерческие, административные и прочие расходы.
В основе факторного анализа лежит исследование изменений каждого фактора, влияющего на величину прибыли, т. е. анализ изменения чистой прибыли в рассматриваемом периоде осуществляется сравнением изменений всех составляющих ее значений.
Факторный анализ чистой прибыли: пример расчета
Рассмотрим детальнее все этапы анализа перечисленных факторов на основе данных таблицы:
|
Значение |
Объем продаж (т. р.) за |
Абсолютное отклонение |
||
|
прошлый год |
отчетный год |
(гр 3 - гр2) |
100 х ((гр 3 / гр2)) – 100 |
|
|
Себестоимость |
||||
Проведем факторный анализ чистой прибыли. Пример наш упрощен и базируется на вычислении (по формулам в таблице):
- абсолютных величин отклонений данных выручки и себестоимости за отчетный период в сравнении с предыдущим годом;
- прироста показателей в %.
Вывод: за отчетный год чистая прибыль компании выросла к прошлому году на 1000 тыс. руб. Негативным фактором стало увеличение себестоимости, составившее 11,2% к предыдущему году. Необходимо обратить внимание на рост себестоимости и выявить причины явления, поскольку его увеличение существенно опережает рост прибыли.
Упростив задачу и проанализировав показатели, мы выяснили, что необходимо провести более детальное исследование себестоимости, поскольку в нашем примере она складывается из нескольких показателей и расчет следует провести по группам всех затрат: производственных, коммерческих и управленческих. Расширив блок исходных данных, приступим к факторному анализу прибыли от продаж и определим основные изменяющие критерии.
Факторный анализ прибыли от продаж: пример расчета
Значение
Объем реализации (т. р.) за
Абсолютное отклонение
прошлый год
отчетный год
(гр 3 – гр 2)
100 х ((гр 3 / гр 2)) – 100
Себестоимость
Коммерческие расходы
Управленческие расх.
Прибыль от продаж
Индекс изменения цен
Объем продаж в сопоставимых ценах
Определим влияние:
- Объема продаж умножением прибыли на изменение объема:
- 73 451 т.р. (83 000 / 1,13)
- фактический объем продаж с учетом изменений составил 88,5% (73 451 / 83 000 х 100), т. е. объем продаж снижен на 11,5% (100 – 88,5).
- из-за этого прибыль от продаж фактически снизилась на 1495 тыс. руб. (13 000 х (– 0,115) = – 1495).
- Ассортимента продукции:
- фактические продажи, рассчитанные по базисной себестоимости 47 790 тыс. руб. (54 000 х 0,885);
- прибыль отчетного года, вычисленная по базисным себестоимости и ценам (АУР и коммерческие расходы) 16 661 тыс. руб. (73 451 – 47 790 – 4000 – 5000). Т.е. изменение состава ассортимента повлекло изменение прибыли на 5156 тыс. руб. (16 661 – (13 000 х 0,885). Это означает, что увеличился удельный вес продуктов с большей доходностью.
- Себестоимости в пересчете по базису:
- (54 000 х 0,885) – 60 000 = – 12 210 тыс. руб. – себестоимость повысилась, а, значит, прибыль от продаж снизилась на ту же сумму.
- АУР и коммерческих расходов, сравнив их абсолютные величины:
- коммерческие расходы увеличились на 6000 тыс. руб. (10 000 – 4000), т. е. прибыль снизилась;
- за счет снижения АУР на 1000 тыс. руб. (4000 – 5000) прибыль увеличилась.
- Продажных цен, сопоставив объем реализации в базовых и отчетных ценах:
- 83 000 – 73451 = 9459 тыс. руб.
- Подсчитаем влияние всех факторов:
- 1495 + 5156 – 12 210 – 6000 + 1000 + 9459 = – 4090 тыс. руб.
Вывод: Существенный рост себестоимости произошел на фоне повышения цен на сырье и тарифы. Отрицательно сказалось уменьшение объема продаж, хотя фирма обновила ассортимент, выпустив ряд продуктов с большей доходностью. К тому же, значительно увеличились коммерческие расходы. Резервами роста прибыли фирмы являются повышение объема продаж, выпуска рентабельных продуктов и снижение себестоимости и коммерческих расходов.
Дисперсионный анализ есть совокупность статистических методов, предназначенных для проверки гипотез о связи между определенными признаками и исследуемыми факторами, которые не имеют количественного описания, а также для установления степени влияния факторов и их взаимодействия. В специальной литературе его часто называют ANOVA (от англоязычного названия Analysis of Variations). Впервые этот метод был разработан Р. Фишером в 1925 г.
Виды и критерии дисперсионного анализа
Этот метод используется для исследования связи между качественными (номинальными) признаками и количественной (непрерывной) переменной. По сути, он осуществляет тестирование гипотезы о равенстве средних арифметических нескольких выборок. Таким образом, его можно рассматривать как параметрический критерий для сравнения центров сразу нескольких выборок. Если использовать этот метод для двух выборок, то результаты дисперсионного анализа будут идентичны результатам t-критерия Стьюдента. Однако, в отличие от других критериев, это исследование позволяет изучить проблему более детально.
Дисперсионный анализ в статистике базируется на законе: сумма квадратов отклонений объединенной выборки равна сумме квадратов внутригрупповых отклонений и сумме квадратов межгрупповых отклонений. Для исследования используется критерий Фишера для установления значимости различия межгрупповых дисперсий от внутригрупповых. Однако для этого необходимыми предпосылками являются нормальность распределения и гомоскедастичность (равенство дисперсий) выборок. Различают одномерный (однофакторный) дисперсионный анализ и многомерный (многофакторный). Первый рассматривает зависимость исследуемой величины от одного признака, второй - сразу от многих, а также позволяет выявить связь между ними.
Факторы
Факторами называют контролируемые обстоятельства, что влияют на конечный результат. Его уровнем или способом обработки называют значение, которое характеризует конкретное проявление этого условия. Эти цифры обычно подают в номинальной или порядковой шкале измерений. Часто выходные значения измеряют в количественных или порядковых шкалах. Тогда возникает проблема группировки выходных данных в ряде наблюдений, что соответствуют примерно одинаковым числовым значениям. Если количество групп взять чрезмерно большим, то количество наблюдений в них может оказаться недостаточным для получения надежных результатов. Если брать число чрезмерно малым, это может привести к потере существенных особенностей влияния на систему. Конкретный способ группировки данных зависит от объема и характера варьирования значений. Количество и размеры интервалов при однофакторном анализе чаще всего определяют по принципу равных промежутков или по принципу равных частот.
Задачи дисперсионного анализа
Итак, существуют случаи, когда нужно сравнить две или больше выборок. Именно тогда и целесообразно применение дисперсионного анализа. Название метода указывает на то, что выводы делают на основе исследования составляющих дисперсии. Суть изучения состоит в том, что общее изменение показателя разбивают на составляющие части, которые соответствуют действию каждого отдельно взятого фактора. Рассмотрим ряд задач, которые решает типичный дисперсионный анализ.
Пример 1
В цехе есть ряд станков - автоматов, которые изготавливают определенную деталь. Размер каждой детали - это случайная величина, которая зависит от настройки каждого станка и случайных отклонений, возникающих в процессе изготовления деталей. Нужно по данным измерений размеров деталей определить, одинаково ли настроены станки.
Пример 2
Во время изготовления электрического аппарата используют различные типы изоляционной бумаги: конденсаторную, электротехническую и др. Аппарат можно пропитать различными веществами: эпоксидной смолой, лаком, смолой МЛ-2 и др. Утечки можно устранять под вакуумом при повышенном давлении, при нагреве. Пропитывать можно методом погружения в лак, под непрерывной струей лака и т. п. Электрический аппарат в целом заливают определенным компаундом, вариантов которого есть несколько. Показателями качества являются электрическая прочность изоляции, температура перегрева обмотки в рабочем режиме и ряд других. Во время отработки технологического процесса изготовления аппаратов надо определить, как влияет каждый из перечисленных факторов на показатели аппарата.
Пример 3
Троллейбусное депо обслуживает несколько троллейбусных маршрутов. На них работают троллейбусы различных типов, и оплату за проезд собирают 125 контролеров. Руководство депо интересует вопрос: как сравнить экономические показатели работы каждого контролера (выручку) учитывая различные маршруты, различные типы троллейбусов? Как определить экономическую целесообразность выпуска троллейбусов определенного типа на тот или другой маршрут? Как установить обоснованные требования к величине выручки, которую приносит кондуктор, на каждом маршруте в различных типах троллейбусов?
Задача по выбору метода состоит в том, как получить максимум информации относительно влияния на конечный результат каждого фактора, определить числовые характеристики такого влияния, их надежность при минимальных затратах и за максимально короткое время. Решить такие задачи позволяют методы дисперсионного анализа.
Однофакторный анализ
Исследование своей целью ставит оценку величины влияния конкретного случая на анализируемый отзыв. Другой задачей однофакторного анализа может быть сравнение двух или нескольких обстоятельств друг с другом с целью определения разницы их влияния на отзыв. Если нулевую гипотезу отвергают, то следующим этапом будет количественное оценивание и построение доверительных интервалов для полученных характеристик. В случае, когда нулевая гипотеза не может быть отброшенной, обычно ее принимают и делают вывод о сущности влияния.
Однофакторный дисперсионный анализ может стать непараметрическим аналогом рангового метода Краскела-Уоллиса. Он разработан американскими математиком Уильямом Краскелом и экономистом Вильсоном Уоллисом в 1952 г. Этот критерий назначен для проверки нулевой гипотезы о равенстве эффектов влияния на исследуемые выборки с неизвестными, но равными средними величинами. При этом количество выборок должно быть больше двух.
Критерий Джонкхиера (Джонкхиера-Терпстра) был предложен независимо друг от друга нидерландским математиком Т. Дж. Терпстром в 1952 г. и британским психологом Е. Р. Джонкхиером в 1954 г. Его применяют тогда, когда заранее известно, что имеющиеся группы результатов упорядочены по росту влияния исследуемого фактора, который измеряют в порядковой шкале.
М - критерий Бартлетта, предложенный британским статистиком Маурисом Стивенсоном Бартлеттом в 1937 г., применяют для проверки нулевой гипотезы о равенстве дисперсий нескольких нормальных генеральных совокупностей, с которых взяты исследуемые выборки, в общем случае имеющие различные объемы (число каждой выборки должно быть не меньше четырех).
G - критерий Кохрена, который открыл американец Вильям Геммел Кохрен в 1941 г. Его используют для проверки нулевой гипотезы о равенстве дисперсий нормальных генеральных совокупностей по независимым выборкам равного объема.
Непараметрический критерий Левене, предложенный американским математиком Ховардом Левене в 1960 г., является альтернативой критерия Бартлетта в условиях, когда нет уверенности в том, что исследуемые выборки подчиняются нормальному распределению.
В 1974 г. американские статистики Мортон Б. Браун и Алан Б. Форсайт предложили тест (критерий Брауна-Форсайта), который несколько отличается от критерия Левене.
Двухфакторный анализ
Двухфакторный дисперсионный анализ применяют для связанных нормально распределенных выборок. На практике часто используют и сложные таблицы этого метода, в частности те, в которых каждая ячейка содержит набор данных (повторные измерения), соответствующих фиксированным значениям уровней. Если предположения, необходимые для применения двухфакторного дисперсионного анализа, не выполняются, то используют непараметрический ранговый критерий Фридмана (Фридмана, Кендалла и Смита), разработанный американским экономистом Милтоном Фридманом в конце 1930 г. Этот критерий не зависит от типа распределения.
Предполагается только, что распределение величин является одинаковым и непрерывным, а сами они независимы одна от другой. При проверке нулевой гипотезы выходные данные подают в форме прямоугольной матрицы, в которой строки соответствуют уровням фактора В, а столбцы - уровням А. Каждая ячейка таблицы (блока) может быть результатом измерений параметров на одном объекте или на группе объектов при постоянных значениях уровней обоих факторов. В этом случае соответствующие данные подают как средние значения определенного параметра по всем измерениям или объектам исследуемой выборки. Для применения критерия выходных данных необходимо перейти от непосредственных результатов измерений к их рангу. Ранжирование осуществляют по каждой строке отдельно, то есть величины упорядочивают для каждого фиксированного значения.
Критерий Пейджа (L-критерий), предложенный американским статистиком Е. Б. Пейджем в 1963 г., предназначен для проверки нулевой гипотезы. Для больших выборок применяют аппроксимацию Пейджа. Они при условии реальности соответствующих нулевых гипотез подчиняются стандартному нормальному распределению. В случае, когда в строках исходной таблицы есть одинаковые значения, необходимо использовать средние ранги. При этом точность выводов будет тем хуже, чем больше будет количеств таких совпадений.
Q - критерий Кохрена, предложенный В. Кохреном в 1937 г. Его используют в случаях, когда группы однородных субъектов подвергаются воздействиям, количество которых превышает два и для которых возможны два варианта отзывов - условно-отрицательный (0) и условно-положительный (1). Нулевая гипотеза состоит из равенства эффектов влияния. Двухфакторный дисперсионный анализ дает возможность определить существование эффектов обработки, однако не дает возможности установить, для каких именно столбцов существует этот эффект. При решении данной проблемы применяют метод множественных уравнений Шеффе для связанных выборок.
Многофакторный анализ
Задача многофакторного дисперсионного анализа возникает тогда, когда нужно определить влияние двух или большего количества условий на определенную случайную величину. Исследование предусматривает наличие одной зависимой случайной величины, измеренной в шкале разницы или отношений, и нескольких независимых величин, каждая из которых выражена в шкале наименований или в ранговой. Дисперсионный анализ данных является достаточно развитым разделом математической статистики, который имеет массу вариантов. Концепция исследования общая как для однофакторного, так и для многофакторного. Сущность ее состоит в том, что общую дисперсию разбивают на составляющие, что соответствует определенной группировке данных. Каждой группировке данных соответствует своя модель. Здесь мы рассмотрим только основные положения, нужные для понимания и практического использования наиболее применяемых его вариантов.
Дисперсионный анализ факторов требует достаточно внимательного отношения к сбору и подаче входных данных, а особенно к интерпретации результатов. В отличие от однофакторного, результаты которого можно условно разместить в определенной последовательности, результаты двухфакторного требуют более сложного представления. Еще сложнее ситуация возникает, когда есть три, четыре или больше обстоятельств. Из-за этого в модель достаточно редко включают больше трех (четырех) условий. Примером может быть возникновение резонанса при определенной величине емкости и индуктивности электрического круга; проявление химической реакции при определенной совокупности элементов, из которых построена система; возникновение аномальных эффектов в сложных системах при определенном совпадении обстоятельств. Наличие взаимодействия может в корне изменить модель системы и иногда привести к переосмыслению природы явлений, с которыми имеет дело экспериментатор.
Многофакторный дисперсионный анализ с повторными опытами
Данные измерений достаточно часто можно группировать не по двум, а по большему количеству факторов. Так, если рассматривать дисперсионный анализ срока службы покрышек колес троллейбуса с учетом обстоятельств (завод-производитель и маршрут, на котором эксплуатируются покрышки), то можно выделить как отдельное условие сезон, во время которого эксплуатируются покрышки (а именно: зимняя и летняя эксплуатация). В результате будем иметь задачу трехфакторного метода.
При наличии большего количества условий подход такой же, как и в двухфакторном анализе. Во всех случаях модель пытаются упростить. Явление взаимодействия двух факторов проявляется не так часто, а тройное взаимодействие бывает только в исключительных случаях. Включают то взаимодействие, для которого есть предыдущая информация и серьезные основания, чтобы ее учесть в модели. Процесс выделения отдельных факторов и их учета относительно простой. Поэтому часто возникает желание выделить больше обстоятельств. Этим не следует увлекаться. Чем больше условий, тем менее надежной становится модель и тем больше вероятность ошибки. Сама модель, в которую входит большое количество независимых переменных, становится достаточно сложной для интерпретации и неудобной для практического использования.
Общая идея дисперсионного анализа
Дисперсионный анализ в статистике - это метод получения результатов наблюдений, зависимых от различных одновременно действующих обстоятельств, и оценки их влияния. Управляемую переменную величину, которая соответствует способу воздействия на объект исследования и в некоторый период времени приобретает определенное значение, называют фактором. Они могут быть качественными и количественными. Уровни количественных условий приобретают определенное значение на числовой шкале. Примерами являются температура, давление прессования, количество вещества. Качественные факторы - это разные вещества, разные технологические способы, аппараты, наполнители. Их уровням соответствует шкала наименований.
К качественным можно отнести также вид упаковочного материала, условия хранения лекарственной формы. Сюда же рационально отнести степень измельчения сырья, фракционный состав гранул, имеющих количественное значение, однако плохо поддающихся регулированию, если использовать количественную шкалу. Число качественных факторов зависит от вида лекарственной формы, а также физических и технологических свойств лекарственных веществ. Например, из кристаллических веществ можно получать таблетки прямым прессованием. В этом случае достаточно провести выбор скользящих и смазывающих веществ.
Примеры качественных факторов для различных видов лекарственных форм
- Настойки. Состав экстрагента, тип экстрактора, способ подготовки сырья, способ получения, способ фильтрации.
- Экстракты (жидкие, густые, сухие). Состав экстрагента, способ экстракции, тип установки, способ удаления экстрагента и балластных веществ.
- Таблетки. Состав вспомогательных веществ, наполнители, разрыхлители, связующие, смазывающие и скользящие вещества. Способ получения таблеток, вид технологического оборудования. Вид оболочки и ее компонентов, пленкообразователи, пигменты, красители, пластификаторы, растворители.
- Инъекционные растворы. Вид растворителя, способ фильтрации, природа стабилизаторов и консервантов, условия стерилизации, способ заполнения ампул.
- Суппозитории. Состав суппозиторной основы, способ получения суппозиториев, наполнителей, упаковки.
- Мази. Состав основы, структурные компоненты, способ приготовления мази, вид оборудования, упаковка.
- Капсулы. Вид оболочечного материала, способ получения капсул, тип пластификатора, консерванта, красителя.
- Линименты. Способ получения, состав, тип оборудования, тип эмульгатора.
- Суспензии. Вид растворителя, вид стабилизатора, метод диспергирования.
Примеры качественных факторов и их уровней, изучаемых в процессе изготовления таблеток
- Разрыхлитель. Крахмал картофельный, глина белая, смесь натрия гидрокарбоната с кислотой лимонной, магния карбонат основной.
- Связывающий раствор. Вода, крахмальный клейстер, сахарный сироп, раствор метилцеллюлозы, раствор оксипропилметилцеллюлозы, раствор поливинилпирролидона, раствор поливинилового спирта.
- Скользящая вещество. Аэросил, крахмал, тальк.
- Наполнитель. Сахар, глюкоза, лактоза, натрия хлорид, фосфат кальция.
- Смазывающее вещество. Стеариновая кислота, полиэтиленгликоль, парафин.
Модели дисперсионного анализа в исследовании уровня конкурентоспособности государства
Одним из важнейших критериев оценки состояния государства, по которым проводится оценка уровня его благосостояния и социально-экономического развития, является конкурентоспособность, то есть совокупность свойств, присущих национальной экономике, которые определяют способность государства конкурировать с другими странами. Определив место и роль государства на мировом рынке, можно установить четкую стратегию обеспечения экономической безопасности в международных масштабах, ведь она является залогом положительных взаимоотношений России со всеми игроками мирового рынка: инвесторами, кредиторами, правительствами государств.
Для сравнения уровня конкурентоспособности государств проводится ранжирование стран с помощью комплексных индексов, которые включают различные взвешенные показатели. В основу этих индексов заложены ключевые факторы, влияющие на экономическое, политическое и т. п. положение. Комплекс моделей исследования конкурентоспособности государства предусматривает использование методов многомерного статистического анализа (в частности, это дисперсионный анализ (статистика), эконометрическое моделирование, принятие решений) и включает следующие основные этапы:
- Формирование системы показателей-индикаторов.
- Оценку и прогнозирование индикаторов конкурентоспособности государства.
- Сравнение показателей-индикаторов конкурентоспособности государств.
А теперь рассмотрим содержание моделей каждого из этапов данного комплекса.
На первом этапе с помощью методов экспертного изучения формируется обоснованный комплекс экономических показателей-индикаторов оценки конкурентоспособности государства с учетом специфики ее развития на основе международных рейтингов и данных статистических отделов, отражающих состояние системы в целом и ее процессов. Выбор этих показателей обоснован необходимостью отобрать те из них, которые наиболее полно с точки зрения практики позволяют определить уровень государства, его инвестиционную привлекательность и возможности относительной локализации существующих потенциальных и реально действующих угроз.
Основные показатели-индикаторы международных рейтинг-систем - это индексы:
- Глобальной конкурентоспособности (ИГК).
- Экономической свободы (ИЭС).
- Развития человеческого потенциала (ИРЧП).
- Восприятия коррупции (ИВК).
- Внутренних и внешних угроз (ИВЗЗ).
- Потенциала международного влияния (ИПМВ).
Второй этап предусматривает оценку и прогнозирование индикаторов конкурентоспособности государства по международным рейтингам для исследуемых 139 государств мира.
Третий этап предусматривает сравнение условий конкурентоспособности государств при помощи методов корреляционно-регрессионного анализа.
Используя результаты исследования можно определить характер протекания процессов в целом и по отдельным составляющим конкурентоспособности государства; проверить гипотезу о влиянии факторов и их взаимосвязи при соответствующем уровне значимости.
Реализация предложенного комплекса моделей позволит не только оценить сложившуюся ситуацию уровня конкурентоспособности и инвестиционной привлекательности государств, но и проанализировать недостатки управления, предупредить ошибки неправильных решений, не допустить развития кризиса в государстве.