Курсовая работа: Социально-экономический анализ развития Орловской области
4.
Имитационный
анализ;
В следующем параграфе вышеперечисленные методы
рассмотрим более подробно.
1.2 Экономико-математические методы,
используемые в региональном анализе
В литературе [1,5,6]
выделяются следующие методы экономико-математического анализа
социально-экономического положения региона.
Факторный анализ
Под факторным анализом
понимается методика комплексного и системного изучения и измерения воздействия
факторов на величину результативных показателей. В общем случае можно выделить
следующие основные этапы факторного анализа:
1.
Постановка цели
анализа.
2.
Отбор факторов,
определяющих исследуемые результативные показатели.
3.
Классификация и
систематизация факторов с целью обеспечения комплексного и системного подхода к
исследованию их влияния на результаты хозяйственной деятельности.
4.
Определение формы
зависимости между факторами и результативным показателем.
5.
Моделирование
взаимосвязей между результативным и факторным показателями.
6.
Расчет влияния
факторов и оценка роли каждого из них в изменении величины результативного
показателя.
7.
Работа с
факторной моделью (практическое ее использование для управления экономическими
процессами).
Отбор факторов для анализа того
или иного показателя осуществляется на основе теоретических и практических
знаний в конкретной отрасли. При этом обычно исходят из принципа: чем больший
комплекс факторов исследуется, тем точнее будут результаты анализа. Вместе с
тем необходимо иметь в виду, что если этот комплекс факторов рассматривается
как механическая сумма, без учета их взаимодействия, без выделения главных,
определяющих, то выводы могут быть ошибочными. В анализе хозяйственной
деятельности (АХД) взаимосвязанное исследование влияния факторов на величину
результативных показателей достигается с помощью их систематизации, что является
одним из основных методологических вопросов этой науки. Важным методологическим
вопросом в факторном анализе является определение формы зависимости между
факторами и результативными показателями: функциональная она или
стохастическая, прямая или обратная, прямолинейная или криволинейная. Здесь
используется теоретический и практический опыт, а также способы сравнения
параллельных и динамичных рядов, аналитических группировок исходной информации,
графический и др. Моделирование экономических показателей также представляет
собой сложную проблему в факторном анализе, решение которой требует специальных
знаний и навыков. Расчет влияния факторов – главный методологический аспект в
АХД. Для определения влияния факторов на конечные показатели используется
множество способов, которые будут подробнее рассмотрены ниже. Последний этап
факторного анализа – практическое использование факторной модели для подсчета
резервов прироста результативного показателя, для планирования и
прогнозирования его величины при изменении ситуации. В зависимости от типа
факторной модели различают два основных вида факторного анализа –
детерминированный и стохастический. 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. Данный вид факторного анализа наиболее
распространен, поскольку, будучи достаточно простым в применении, 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.
Например, производительность труда при одном и том же уровне фондовооруженности
может быть неодинаковой на разных предприятиях. Это зависит от оптимальности
сочетания других факторов, воздействующих на этот показатель. Стохастическое
моделирование является в определенной степени дополнением и углублением
детерминированного факторного анализа.
В отличие от жестко детерминированного
стохастический подход для реализации требует ряда предпосылок:
а) наличие совокупности;
б) достаточный объем наблюдений;
в) случайность и независимость наблюдений;
г) однородность;
д) наличие распределения признаков, близкого к
нормальному;
е) наличие специального математического аппарата.
Построение стохастической модели проводится в
несколько этапов:
·
качественный
анализ (постановка цели анализа, определение совокупности, определение
результативных и факторных признаков, выбор периода, за который проводится
анализ, выбор метода анализа);
·
предварительный
анализ моделируемой совокупности (проверка однородности совокупности,
исключение аномальных наблюдений, уточнение необходимого объема выборки,
установление законов распределения изучаемых показателей);
·
построение
стохастической (регрессионной) модели (уточнение перечня факторов, расчет
оценок параметров уравнения регрессии, перебор конкурирующих вариантов
моделей);
·
оценка
адекватности модели (проверка статистической существенности уравнения в целом и
его отдельных параметров, проверка соответствия формальных свойств оценок
задачам исследования);
·
экономическая
интерпретация и практическое использование модели (определение
пространственно-временной устойчивости построенной зависимости, оценка
практических свойств модели).
Кроме деления на детерминированный и стохастический,
различают следующие типы факторного анализа:
-
прямой и
обратный;
-
одноступенчатый и
многоступенчатый;
-
статический и
динамичный;
-
ретроспективный и
перспективный (прогнозный).
При прямом факторном анализе исследование
ведется дедуктивным способом – от общего к частному. Обратный факторный анализ
осуществляет исследование причинно-следственных связей способом логичной
индукции – от частных, отдельных факторов к обобщающим. Факторный анализ может
быть одноступенчатым и многоступенчатым. Первый тип используется для исследования
факторов только одного уровня (одной ступени) подчинения без их детализации на
составные части. Например, . При многоступенчатом
факторном анализе проводится детализация факторов a и b на
составные элементы с целью изучения их поведения. Детализация факторов может
быть продолжена и дальше. В этом случае изучается влияние факторов различных
уровней соподчиненности. 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.
Регрессионный анализ
С позиции регрессионного анализа критериальный
показатель рассматривается как
«зависимая» переменная (как правило, ранговая или количественная), которая
выражается функцией от «независимых» признаков .
Для оценки эффективности регрессионной диагностической модели вводится вектор
остатков , который отражает влияние
на совокупности неучтенных
случайных факторов либо меру достижимой аппроксимации[3]
значений критериального показателя , , функциями типа . Линейная функция
регрессии записывается следующим образом
,
где –
является свободным членом, а элементы весового вектора называются коэффициентами регрессии.
Различают два подхода в зависимости от происхождения матрицы данных. В первом
считается, что признаки являются
детерминированными и случайной величиной является только зависимая переменная z.
Эта модель используется наиболее часто и называется моделью с фиксированной
матрицей данных. Во втором подходе считается, что признаки и z
– случайные величины, имеющие совместное распределение. В такой ситуации оценка
уравнения регрессии есть оценка условного математического ожидания случайной величины
z в зависимости от случайных величин .
Данная модель называется моделью со случайной матрицей данных. Каждый из
приведенных подходов имеет свои особенности. В то же время показано, что модели
с фиксированной матрицей данных и со случайной матрицей данных отличаются
только статистическими свойствами оценок параметров уравнения регрессии, тогда
как вычислительные аспекты этих моделей совпадают. В уравнении линейной функции
регрессии обычно полагают, что величины независимы
и случайно распределены с нулевым средним и дисперсией σ2ε,
а оценка параметров w0 и w производится с помощью
метода наименьших квадратов (МНК). Ищется минимум суммы квадратов невязок:
Страницы: 1, 2, 3, 4, 5, 6 |