Надежда Драгункина - Теория экономического анализа. Ответы на экзаменационные вопросы

Преимущества интегрального метода.

1. Высокая точность результатов расчета влияния факторов на результативный показатель.

2. Исключение неоднозначной оценки влияния факторов на итоговые показатели хозяйствования:

1) результаты не зависят от месторасположения факторов в модели;

2) дополнительный прирост исследуемых показателей, который образовался от взаимодействия факторов, разделяется между ними поровну.

Алгоритмы интегрирования М. И. Баканова и А. Д. Шеремета.

Для мультипликативных моделей:

1) модель вида F = XY :

а) Δ F ( x ) = Δ XY 0+ 1/2Δ X Δ Y или Δ F ( x ) = 1/2Δ x ( Y 0+ Y 1);

б) Δ F ( x ) = ΔYX 0+ 1/2ΔXΔY или Δ F ( y ) = 1/2Δ Y ( x 0+ x 1);

2) модель вида F = XYZ :

а) Δ F ( x ) = 1/2Δ x ( Y 0 Z 1+ Y 1 Z 0) + 1/3 Δ X Δ Y Δ Z ;

б) Δ F ( y ) = 1/2 Δ Y ( X 0 Z 1+ X 1 Z 0) + 1/3 Δ X Δ Y Δ Z ;

в) Δ F ( z ) = 1/2Δ Z ( X 0 Y 1+ X 1 Y 0) + 1/3 Δ X Δ Y Δ Z ;

3) модель вида F = XYZG :

Δ F(x) = 1/6Δ x (3 Y 0 Z 0 G 0+ Y 1 G 0( Z 1+ Δ Z ) + G 1 Z 0( Y 1+ Δ Y ) + Z 1 Y 0( G 1+ Δ G )) + 1/4Δ X Δ Y Δ Z Δ G

(также с Δ F ( y ), ΔF ( z ), Δ F ( G )).

Для кратных моделей вида F = X / Y :

Δ F ( x ) = Δ X / Δ Y ln ( Y 1/ Y 0); Δ F ( y ) = Δ F общ– Δ F ( х ).

Для смешанных моделей:

1) вида F = X / Y + Z :

Δ F ( x ) = Δ X / Δ Y + Δ Z ln ( Y 1+ Z 1 / Y 0+ Z 0)

(также с Δ F ( y ), Δ F ( z ));

2) вида F = X / Y + Z + G :

Δ F(x) = Δ X / Δ Y + Δ Z + Δ G ln ( Y 1+ Z 1+ G 1/ Y 0+ G 0+ Z 0)

(также с Δ F ( y ), Δ F ( z ), Δ F ( G )).

Метод логарифмов– это способ измерения влияния факторов на величину анализируемого показателя в мультипликативных детерминированных факторных моделях.

Преимущества метода логарифмов:

1) более высокая точность по сравнению с интегрированием;

2) результат совместного действия (взаимодействия) факторов распределяется пропорционально доле изолированного влияния каждого фактора на уровень (величину) исследуемого показателя.

Недостаток логарифмирования – ограниченность сферы применения.

Основа метода – использование в процессе расчета влияния на результативный показатель отдельных факторов, индексов их роста (снижения).

Алгоритм логарифмирования.

1. Исходные данные – произведение трех факторов:

f = xyz.

2. Логарифмирование обеих частей равенства:

lg = lg x + lg y + lg z.

3. Замена абсолютных значений факторных показателей на их индексы:

lg( f 1/ f 0) = lg ( x 1/ x 0) + lg ( y 1/ y 0) + lg ( z 1/ z 0)

или lg If = lg Ix + lg Iy + lg Iz.

4. Обе части неравенства делят на If и умножают на Δf:

Δ f = Δ f lg Ix / lg If + Δ f lg Iy / lg If + Δ f lg Iz / lg If = Δ f ( x ) + Δ f ( y ) + Δ f ( z ).

5. Расчет влияния факторов на результативный показатель:

Δ f ( x ) = Δ f lg Ix / lg If .

Стохастическая (корреляционная) связь– это неполная, вероятностная зависимость между исследуемыми показателями, проявляемая только в массовых наблюдениях.

Виды стохастической связи.

1. Парная корреляция – это зависимость между двумя показателями, один из которых носит факторный характер, а другой – результативный.

2. Множественная корреляция – это зависимость, возникающая вследствие взаимодействия нескольких факторов с результативным показателем.

Корреляционный анализ – это совокупность методологических приемов исследования стохастических связей, позволяющих определить степень влияния каждого фактора на уровень результативного показателя.

Условия применения корреляционного анализа:

1) наличие достаточного количества наблюдений за величинами анализируемых показателей (факторных и результативных);

2) количественное измерение изучаемых факторных показателей;

3) документальное оформление результатов измерения факторов.

Задачи корреляционного анализа:

1) расчет изменения в абсолютном выражении исследуемого показателя под воздействием одного или нескольких факторов – это определение, на сколько единиц изменится величина результативного показателя при изменении факторного на одну единицу;

2) определение относительной степени зависимости исследуемого показателя от каждого фактора.

Преимущества корреляционного анализа:

1) углубление факторного анализа;

2) определение роли каждого фактора в формировании величины результативного показателя;

3) выявление закономерностей развития изучаемых явлений;

4) повышение точности плановых заданий и обоснованности управленческих решений и т. д.

Формы стохастической связи: прямолинейная и криволинейная.

Методы парной корреляции.

Для прямолинейной зависимости это уравнение прямой, описывающее такую связь между двумя показателями (признаками), при которой при изменении факторного показателя на определенную величину наблюдаются равномерное возрастание (убывание) значений результативного показателя:

Y = a + bx ,

где Y – результативный показатель;

x – факторный показатель;

a, b – искомые параметры уравнения регрессии.

Метод наименьших квадратов – это способ расчета параметров уравнения регрессии путем решения системы уравнений вида:

где n – количество наблюдений;

а – постоянная величина результативного показателя, не связанная с изменением данного фактора;

b – среднее значение результативного показателя, связанное с повышением (понижением) величины фактора на единицу его измерения.

Для криволинейной зависимости это уравнение параболы второго порядка, описывающее такую связь, когда при увеличении факторного показателя значения результативного возрастают до определенного уровня, а потом начинают снижаться:

у = а + bх + сх 2.

Этапы многофакторного корреляционного анализа.

1. Отбор факторов, оказывающих воздействие на изучаемый показатель.

Правила определения факторов:

1) определение причинно-следственный связей между показателями, раскрывающих сущность анализируемых явлений;