Инесса Бурханова - Теория статистики: конспект лекций

Показатели деловой активности предприятия

1. Деловая активность предприятия определяется с помощью показателя общей оборачиваемости капитала:

где В – выручка от реализации продукции;

К – основной капитал предприятия.

Анализ финансовой устойчивости предприятия имеет очень важное значение в условиях рыночной экономики.

Финансовая устойчивость– это способность хозяйствующего субъекта вовремя из собственных средств возмещать затраты вложенные в основной и оборотный капитал, нематериальные активы, и расплачиваться по своим обязательствам, т. е. быть платежеспособным.

Для оценки измерения устойчивости применяются коэффициенты.

1. Коэффициент автономии:

где С с – собственные средства;

S с – сумма всех источников финансовых ресурсов.

2. Коэффициент устойчивости:

где К з – кредиторская задолженность и другие заемные средства.

3. Коэффициент маневренности:

К м= (С с+ ДКЗ – О св.) / С с,

где ДКЗ – долгосрочные кредиты и займы;

О св. – основные средств и иные внеоборотные активы.

4. Коэффициент ликвидности:

где Д са – денежные средства, вложенные в ценные бумаги, запасы товарно–материальных ценностей, дебиторская задолженность; К З – краткосрочная задолженность.

К. Пирсон и Дж. Юл разработали корреляционный анализ, который по их мнению должен ответить на вопрос о том, как выбрать с учетом специфики и природы анализируемых переменных подходящий измеритель статистической связи (коэффициент корреляции, корреляционное отношение, и т.д.), решить задачу как оценить его числовые значения по уже имеющимся выборочным данным.

Корреляционный анализ поможет: найти методы проверки того, что полученное числовое значение анализируемого измерителя связи действительно свидетельствует о наличии статистической связи; определить структуру связей между исследуемыми k признаками х1, х2,…, хк, сопоставив каждой паре признаков ответ («связь есть» или «связи нет»).

Парный коэффициент корреляции – основной показатель взаимозависимости двух случайных величин, служит мерой линейной статистической зависимости между двумя величинами., он соответствует своему прямому назначению, когда статистическая связь между соответствующими признаками в генеральной совокупности линейна. То же самое относится к частным и множественным коэффициентам корреляции.

Парный коэффициент корреляции, характеризует тесноту связи между случайными величинами х и у, определяется по формуле:

Если р = 0, то между величинами х и у линейная связь отсутствует и они называются некоррелированными.

Коэффициент корреляции, определяемый по вышеуказанной формуле, относится к генеральной совокупности.

Частный коэффициент корреляции характеризует степень линейной зависимости между двумя величинами, обладает всеми свойствами парного, т.е. изменяется в пределах от–1 до +1. Если частный коэффициент корреляции равен ±1, то связь между двумя величинами функциональная, а равенство его нулю свидетельствует о линейной независимости этих величин.

Множественный коэффициент корреляции, характеризует степень линейной зависимости между величиной х 1и остальными переменными (х 2, х 3), входящими в модель, изменяется в пределах от 0 до 1.

Ординальная (порядковая) переменная помогает упорядочивать статистически исследованные объекты по степени проявления в них анализируемого свойства.

Ранговая корреляция – статистическая связь между порядковыми переменными (измерение статистической связи между двумя или несколькими ранжировками одного и того же конечного множества объектов О 1О 2,…, О п.

Ранжировка – это расположение объектов в порядке убывания степени проявления в них k– го изучаемого свойства. В этом случае x (k)называют рангом i – го объекта по k – му признаку. Раж характеризует порядковое место, которое занимает объект О iв ряду п объектов.

К. Спирмен в 1904г предложил показатель, который служил для измерения степени тесноты связи между ранжировками

х 1 (k),x 2 (k),..,x n (k) и х 1 (i),x 2 (i),..,x n (i)

В последствии данный коэффициент был назван ранговым коэффициентом К. Спирмен:

Термин «регрессия» ввел английский психолог и антрополог Ф.Гальтон.

Для точного описания уравнения регрессии необходимо знать закон распределения результативного показателя у. В статистической практике обычно приходится ограничиваться поиском подходящих аппроксимаций для неизвестной истинной функции регрессии Д(х), так как исследователь не располагает точным знанием условного закона распределения вероятностей анализируемого результатирующего показателя у при заданных значениях аргумента х.

Рассмотрим взаимоотношение между истинной f(х) = М(у/х). модельной регрессией у и оценкой у регрессии. Пусть результа–тив–ный показатель у связан с аргументом х соотношением:

у=2х 1,5 + ε i,

где E i – случайная величина, имеющая нормальный закон распределения, причем M ε= 0 и d ε – δ 2.

Истинная функция регрессии в этом случае имеет вид:

f(х) = М(у/х) = 2х 1 1,51,5+ε i

Для наилучшего восстановления по исходным статистическим данным условного значения результативного показателя f(х) и неизвестной функции регрессии /(х) = М(у/х) наиболее часто используют следующие критерии адекватности (функции потерь).

Согласно методу наименьших квадратов минимизируется квадрат отклонения наблюдаемых значений результативного показателя yi(i= 1, 2, ..., п) от модельных значений yi = f(хi), где хi значение вектора аргументов в i – м наблюдении:

Σ(yi – f(хi)2 → min,

Получаемая регрессия называется среднеквадратической.

Согласно методу наименьших модулей, минимизируется сумма абсолютных отклонений наблюдаемых значений результативного показателя от модульных значений: