Назначение факторного анализа
Факторный анализ - определение влияния факторов на результат - является одним из сильнейших методических решений в анализе хозяйственной деятельности компаний для принятия решений. Для руководителей - дополнительный аргумент, дополнительный "угол зрения".
Целесообразность применения факторного анализа
Как известно, анализировать можно все и до бесконечности. Целесообразно на первом этапе реализовать анализ по отклонениям, а там где это необходимо и оправдано - применить факторный метод анализа. Во многих случаях простого анализа по отклонениям достаточно, чтобы понять, что отклонение «критическое», и когда совсем не обязательно знать степень его влияния.
Факторы делятся на внутренние и внешние, в зависимости от того, влияет на них деятельность данного предприятия или нет. При анализе основное внимание уделяется внутренним факторам, на которые предприятие может воздействовать.
Факторы подразделяются на объективные, не зависящие от воли и желаний людей, и субъективные, подверженные влиянию деятельности юридических и физических лиц.
По степени распространенности факторы делятся на общие и специфические. Общие факторы действуют во всех отраслях экономики. Специфические факторы действуют в пределах отдельной отрасли или конкретного предприятия.
Виды 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.
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 (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.
Детерминированный факторный анализ имеет достаточно жесткую последовательность выполняемых процедур:
1.построение экономически обоснованной детерминированной факторной модели;
2.выбор приема факторного анализа и подготовка условий для его выполнения;
3.реализация счетных процедур анализа модели;
4.формулирование выводов и рекомендаций по результатам анализа.
Основные методы детерминированного факторного анализа
Метод цепных подстановок; Метод абсолютных разниц; Метод относительных разниц; Интегральный метод; Метод логарифмирования.
Стохастический анализ представляет собой методику исследования факторов, связь которых с результативным показателем в отличие от функциональной является неполной, вероятностной (корреляционной). Суть стохастического метода - измерение влияния стохастических зависимостей с неопределенными и приблизительными факторами. Стохастический метод целесообразно применять для экономических исследований с неполной (вероятностной) корреляцией: например, для задач маркетинга. 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 факторном анализе эти модели используются по трем основным причинам:
-необходимо изучить влияние факторов, по которым нельзя построить жестко детерминированную факторную модель (например, уровень финансового левериджа);
-необходимо изучить влияние сложных факторов, которые не поддаются объединению в одной и той же жестко детерминированной модели;
-необходимо изучить влияние сложных факторов, которые не могут быть выражены одним количественным показателем (например, уровень научно-технического прогресса).
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.
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.
При анализе и прогнозировании социально-экономических явлений исследователь довольно часто сталкивается с многомерностью их описания. Это происходит, например, при решении задач сегментирования рынка, построения типологии стран по достаточно большому числу показателей, прогнозирования конъюнктуры рынка отдельных товаров, изучения и прогнозирования экономической депрессии и многих других проблем.
РАССМОТРИМ ПРИМЕР ФАКТОРНОГО АНАЛИЗА:
Таблица 2
| Показатели | Условные обозначения | Базисные значения (о) | Фактические значения (1) | Изменение | |
| Абсолютное (+,-) | Относительное (%) | ||||
| Объем товар-ной продукции, тыс. руб. | ТП | +480 | 116,40 | ||
| Количество работников, чел | Ч | +5 | 125,00 | ||
| Выработка на одного работа-ющего, тыс. руб | СВ | -10 | 93,15 |
Анализ влияния на объем товарной продукции количества работников и их выработки проведем описанным выше способом на основе данных табл.2. Зависимость объема товарной продукции от данных факторов можно описать с помощью мультипликативной модели:
ТП= Ч . СВ,
ТПо = Чо . СВо = 20 . 146 = 2920 (тыс. руб.).
Тогда влияние изменения величины количества работников на обобщающий показатель можно рассчитать по формуле:
ТП усл1 = Ч1 . СВо = 25 . 146 = 3650 (тыс. руб.),
DТПусл1 = ТПусл1 – ТПо = 3650 – 2920 = 730 (тыс. руб.).
Далее определим влияние изменения выработки работников на обобщающий показатель
ТП1 = Ч1 . СВ1 = 25 . 136 = 3400 (тыс. руб.),
DТП усл2 = ТП1 – ТПусл1 = 3400 – 3650 = - 250 (тыс. руб.).
Таким образом, на изменение объема товарной продукции положительное влияние оказало изменение на 5 чел. численности работников, что вызвало увеличение объема продукции на 730т. руб. и отрицательное влияние оказало снижение выработки на 10т.руб., что вызвало снижение объема на 250 тыс. руб. Суммарное влияние двух факторов привело к увеличению объема продукции на 480 тыс. руб.
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. Это связано с тем, что в результате применения этого метода образуется некий неразложимый остаток, который прибавляется к величине влияния последнего фактора. На практике точностью оценки факторов пренебрегают, выдвигая на первый план относительную значимость влияния того или иного фактора.
Однако существуют определенные правила, определяющие последовательность подстановки:
· при наличии в факторной модели количественных и качественных показателей в первую очередь рассматривается изменение количественных факторов;
· если модель представлена несколькими количественными и качественными показателями, последовательность подстановки определяется путем логического анализа.
Под количественным факторами при анализе понимают те, которые выражают количественную определенность явлений и могут быть получены путем непосредственного учета (количество рабочих, станков, сырья и т.д.).
Качественные факторы определяют внутренние качества, признаки и особенности изучаемых явлений (производительность труда, качество продукции, средняя продолжительность рабочего дня и т.д.).
Способ абсолютных разниц является модификацией способа цепной подстановки. Изменение результативного показателя за счет каждого фактора способом разниц определяется как произведение отклонения изучаемого фактора на базисное или отчетное значение другого фактора в зависимости от выбранной последовательности подстановки:
y0 = a0 . b0. c0;
Dуа = Dа . b0 . с0;
Dуb = Db . а1 . с0;
Dус = Dс . а1 . b1;
у1 = а1 . b1 . с1;
Dу = Dуа + Dуb + Dуc.
Способ относительных разниц применяется для измерения влияния факторов на прирост результативного показателя в мультипликативных и смешанных моделях вида у = (а – в).с. Он используется в случаях, когда исходные данные содержат определенные ранее относительные отклонения факторных показателей в процентах.
Для мультипликативных моделей типа у = а . в . с методика анализа следующая:
· находят относительное отклонение каждого факторного показателя:
· определяют отклонение результативного показателя у за счет каждого фактора
Кластерный анализ — один из методов многомерной статистики — наиболее ярко отражает черты многомерности в процедуре классификации объектов. Название «кластерный анализ» происходит от английского слова «cluster» — гроздь, скопление. Впервые определил предмет кластерного анализа и дал его описание исследователь Трион (Тгуоп) в 1939 г. [3].
Главное назначение кластерного анализа — разбиение множества исследуемых объектов, характеризуемых совокупностью признаков*, на однородные в соответствующем понимании группы (кластеры). Это означает, что решается задача классификации данных и выявления соответствующей структуры в ней. Иными словами, предполагается выделение компактных, удаленных друг от друга групп объектов или отыскание «естественного» разбиения совокупности на области скопления.
Кластерный анализ является одним из направлений статистического исследования социально-экономических процессов, которые связаны с изучением массовых явлений.
Пример кластерного анализа 3.1. Некая фирма собирается начать выпуск нового стирального порошка. Разработана анкета, содержащая ряд вопросов, характеризующих отношение респондентов к свойствам продукта. Респонденты должны проранжировать факторы по степени их значимости, начиная с самого важного, — от 1 до 8. Строгое определение понятий «объект» и «признак» будет дано в подпараграфе 3.1.2.
Результаты классификации объектов (респондентов) по переменным (свойствам продукта) представлены в табл. 3.1.
Таблица 3.1
Результаты классификации респондентов по предпочтениям
| Свойства продукта | Ранги свойств по сегментам | |||
| 1 (18%) | 2 (7%) | 3 (60%) | 4 (15%) | |
| Моющая способность | ||||
| Отдушка | ||||
| Цена | ||||
| Безвредность | ||||
| Эффект отбеливания | ||||
| Подсинивание | ||||
| Быстрое растворение | ||||
| Отсутствие пыления |
Получилось четыре сегмента, существенно различающиеся между собой по наиболее важным признакам продукта. Эти признаки выделены в таблице. Их можно назвать «сегментообразующими». Легко видеть, что сегмент 3 — самый крупный (60% от выборки). Это прагматики, для которых важнейшей характеристикой продукта является его цена, а также такие качества, как моющая способность и эффект отбеливания. В следующем по величине сегменте 1, напротив, на первом месте стоит безвредность порошка, цена же занимает последнее место.
Далее может проводиться сегментация по вопросам, касающимся, например, стиля поведения респондентов («покупаю дешевые», «пользуюсь новинками» и т.п.).
Таким образом, результаты кластерного анализа фактически опишут портрет потребителя с рациональной (свойства стирального порошка) и эмоциональной (оценка степени согласия с утверждениями) точек зрения. На основе их можно определить целевую группу качеств, расставить акценты в рекламном сообщении, избавиться от иллюзий относительно исключительности своего товара по какому-либо определенному свойству и т.д.
Большое достоинство кластерного анализа в том, что он позволяет выполнить разбиение объектов не по одному параметру, а по целому набору признаков. Кроме того, кластерный анализ, в отличие от большинства математико-статистических методов, не накладывает никаких ограничений на вид изучаемых объектов и позволяет рассматривать множество исходных данных практически произвольной природы. Это имеет большое значение, например, для прогнозирования конъюнктуры рынка, когда показатели весьма разнообразны и затруднительно применение традиционных эконометрических подходов.
Кластерный анализ играет важную роль и для совокупностей временных рядов, характеризующих экономическое развитие. В частности, можно выделить периоды, когда значения соответствующих показателей были достаточно близкими, а также определить группы показателей, динамика которых во времени наиболее схожа.
Необходимость развития и использования методов кластерного анализа продиктована прежде всего тем, что они помогают построить научно обоснованные классификации, выявить внутренние связи между единицами наблюдаемой совокупности. Построение классификаций особенно актуально для слабоизученных явлений, когда необходимо установить наличие связей внутри совокупности и попытаться привнести в нее структуру.
Методы кластерного анализа могут применяться с целью сжатия информации, в условиях постоянного увеличения и усложнения потоков статистических данных. При этом в задачах социально- экономического прогнозирования весьма перспективно сочетание кластерного анализа с другими количественными методами (с корреляционно-регрессионным, факторным анализом и т.п.).
Как и любой другой метод, кластерный анализ имеет определенные недостатки и ограничения. Так, состав и количество кластеров зависит от выбираемых критериев разбиения. При сведении исходного массива данных к более компактному виду могут возникнуть определенные скажения, а также потеряться индивидуальные черты отдельных объектов за счет замены их характеристик обобщенными значениями параметров кластера.