Majandusnäitajate faktoranalüüsi meetodid. Ettevõtte faktorianalüüs

14.10.2019

1. Faktoranalüüsi kontseptsioon, liigid ja ülesanded.

2. Meetodid tegurite mõju mõõtmiseks deterministlikus analüüsis.

Under faktoranalüüs (diagnostika) mõistab metoodikat, kuidas süstemaatiliselt uurida ja mõõta tegurite mõju tulemusnäitajate väärtusele.

Eristatakse järgmist: faktoranalüüsi tüübid:

Deterministlik (funktsionaalne) ja stohhastiline (korrelatsioon);

Otsene (deduktiivne) ja vastupidine (induktiivne);

Üheastmeline ja mitmeastmeline;

Staatiline ja dünaamiline;

Tagasiulatuv ja perspektiivne (prognoos).

Deterministlik faktorianalüüs on metoodika selliste tegurite mõju uurimiseks, mille seos tulemusnäitajaga on oma olemuselt funktsionaalne, s.o. efektiivse näitaja võib esitada tegurite korrutise, jagatise või algebralise summana.

Stohhastiliste faktorite analüüs on metoodika selliste tegurite mõju uurimiseks, mille seos efektiivse näitajaga erinevalt funktsionaalsest indikaatorist on puudulik, tõenäosuslik (korrelatsioon). Kui funktsionaalse sõltuvuse korral argumendi muutumisel toimub funktsioonis alati vastav muutus, siis korrelatsiooniühenduse korral võib argumendi muutus anda mitu funktsiooni suurenemise väärtust, sõltuvalt muude tegurite kombinatsioon, mis seda näitajat määravad. Näiteks võib tööviljakus kapitali ja tööjõu suhte samal tasemel eri ettevõtetes olla erinev. See sõltub muude seda näitajat mõjutavate tegurite optimaalsest kombinatsioonist.

Kell otsene Faktoranalüüsis tehakse uurimistööd deduktiivsel viisil – üldisest konkreetseni. tagasi Faktoranalüüs uurib põhjus-tagajärg seoseid loogilise induktsiooni meetodil - konkreetsetest üksikutest teguritest üldiste teguriteni.

Faktoranalüüs võib olla üheastmeline ja mitmeastmeline. Esimest tüüpi kasutatakse ainult ühe alluvustaseme (ühe tasandi) tegurite uurimiseks, ilma neid komponentideks täpsustamata. Näiteks y = a - b. Mitmeetapilises faktoranalüüsis jagatakse tegurid a ja b nende käitumise uurimiseks nende komponentideks. Tegureid saab üksikasjalikumalt kirjeldada. Sel juhul uuritakse tegurite mõju erinevatel alluvustasanditel.

Staatiline analüüsi kasutatakse selleks, et uurida tegurite mõju tulemusnäitajatele vastava kuupäeva seisuga. Dünaamiline analüüs on meetod põhjuse ja tagajärje seoste uurimiseks aja jooksul.

Tagasivaade faktoranalüüs uurib tulemusnäitajate muutuste põhjusi viimastel perioodidel ja paljutõotav - uurib tegurite ja tulemusnäitajate käitumist tulevikus.

Faktoranalüüsi põhiülesanded on järgmised:

· tegurite valik, mis määravad uuritavaid tulemusnäitajaid;

· tegurite klassifitseerimine ja süstematiseerimine, et tagada süsteemse lähenemise võimalus;

· tegurite ja: tulemusnäitaja vahelise sõltuvuse vormi määramine;

· tulemuslikkuse ja tegurinäitajate vaheliste seoste modelleerimine;

· tegurite mõju arvutamine ja nende igaühe rolli hindamine tulemusnäitaja väärtuse muutmisel;

· töötada faktorimudeliga, s.t. selle praktiline kasutamine majandusprotsesside juhtimisel.

Konkreetse näitaja analüüsimiseks kasutatavate tegurite valik toimub selles valdkonnas omandatud teoreetiliste ja praktiliste teadmiste põhjal. Sel juhul lähtuvad nad tavaliselt sellest põhimõte: mida keerukamaid tegureid uuritakse, seda täpsemad on analüüsitulemused.

Samal ajal tuleb meeles pidada, et kui seda tegurite kompleksi käsitleda mehaanilise summana, võtmata arvesse nende koostoimet, tuvastamata peamisi, määravaid, siis võivad järeldused olla ekslikud. Majandusanalüüsis saavutatakse omavahel seotud uurimus tegurite mõjust tulemusnäitajate väärtusele nende süstematiseerimise kaudu.

Deterministlikus analüüsisÜksikute tegurite mõju suuruse määramiseks tulemusnäitajate muutustele kasutatakse järgmisi meetodeid: ahelasendus, indeks, absoluutsed erinevused, suhtelised erinevused, proportsionaalne jaotus, integraal ja logaritm.

Lihtsamad deterministlikud matemaatilised mudelid kasutatakse laialdaselt faktoranalüüsis. Analüüsi praktikas kasutatakse erinevat tüüpi ja tüüpi mudeleid.

Lisamudelid esindavad indikaatorite algebralist summat ja neil on järgmine vorm:

Sellised mudelid sisaldavad näiteks kulunäitajaid seoses tootmiskulude ja kuluartiklitega; tootmismahu näitaja seoses üksikute toodete toodangu mahuga või üksikute osakondade toodangu mahuga.

Üldistatud kujul korduvaid mudeleid saab esitada järgmise valemiga.

Multiplikatiivse mudeli näide on kahefaktoriline müügimahu mudel:

kus H on keskmine töötajate arv;

CB – keskmine toodang töötaja kohta.

Mitu mudelit:

Mitme mudeli näide on kaupade käibeperioodi näitaja (päevades) - T OB.T:

kus ЗТ – keskmine kaubavaru;

VÕI – ühepäevane müügimaht.

Segamudelid on kombinatsioon ülaltoodud mudelitest ja neid saab kirjeldada spetsiaalsete väljendite abil:

Selliste mudelite näideteks on kulunäitajad 1 rubla kohta. kommertstooted, kasumlikkuse näitajad jne.

Kõige mitmekülgsem neist keerulised deterministlikud mudelid on tee ahela asendamine. Selle olemus seisneb üksikute tegurite mõju järjekindlas arvestamises üldisele tulemusele. Sel juhul asendatakse põhi- või planeeritud näitajad järjestikku tegelike näitajatega ja pärast asendamist saadud uut tulemust võrreldakse eelmisega.

Üldiselt võib aheltootmismeetodi rakendamist kirjeldada järgmiselt:

kus a 0, b 0, c 0 – üldindikaatorit y mõjutavate tegurite põhiväärtused;

a 1 , b 1 , c 1 – tegurite tegelikud väärtused;

y a , y b – saadud näitaja vahepealsed muutused, mis on seotud vastavalt tegurite a, b muutustega.

Kogumuutus ∆у=у 1 –у 0 koosneb saadud näitaja muutuste summast, mis on tingitud muutustest igas teguris koos teiste tegurite fikseeritud väärtustega:

Absoluutse erinevuse meetod on ahela asendusmeetodi modifikatsioon. Efektiivnäitaja muutus, mis tuleneb erinevuste meetodit kasutavast igast tegurist, määratletakse uuritava teguri hälbe korrutisena mõne teise teguri põhi- või aruandlusväärtusega, sõltuvalt valitud asendusjärjestusest:

Suhteliste erinevuste meetodit kasutatakse selleks, et mõõta tegurite mõju efektiivse näitaja kasvule multiplikatiivsetes ja segamudelites kujul y = (a – b) x c. Seda kasutatakse juhtudel, kui lähteandmed sisaldavad eelnevalt kindlaksmääratud faktorinäitajate suhtelisi hälbeid protsentides.

Tüüpi y = a x b x c korduvate mudelite puhul on analüüsitehnika järgmine:

Leidke iga tegurinäitaja suhteline hälve:

Määrake efektiivse näitaja y hälve igast tegurist tulenevalt

Ahelasenduste meetodil ja absoluutsete erinevuste meetodil on ühine puudus, mille olemus taandub lagunematu jäägi tekkimisele, mis lisatakse viimase teguri mõju arvulisele väärtusele. Sellega seoses muutub tegurite mõju suurus tulemusnäitaja muutusele sõltuvalt sellest, kuhu üks või teine tegur deterministlikus mudelis paigutatakse.

Sellest puudusest vabanemiseks kasutatakse deterministlikku faktorianalüüsi multiplikatiivsetes, mitmik- ja segamudelites lahutamatu meetod. Integraalmeetodi kasutamine võimaldab saada täpsemaid tulemusi tegurite mõju arvutamiseks võrreldes ahela asendamise meetoditega, absoluutsete ja suhteliste erinevustega ning vältida tegurite mõju mitmetähenduslikku hindamist, sest sel juhul tulemused ei anna tulemusi. sõltuvad tegurite asukohast mudelis, vaid efektiivnäitaja täiendav tõus, mis kujuneb tegurite koosmõjust ja jaotub nende vahel proportsionaalselt nende eraldatud mõjuga tulemusnäitajale.

Mitmel juhul saab seda meetodit kasutada tulemusnäitaja kasvule mõjutavate tegurite mõju suuruse määramiseks. proportsionaalne jaotus. Näiteks vähenes varade tootlus 5% tänu ettevõtte varade suurenemisele 200 tuhande rubla võrra. Põhivara väärtus kasvas samal ajal 300 tuhande rubla võrra ja käibevara vähenes 100 tuhande rubla võrra. See tähendab, et esimese teguri tõttu kasumlikkuse tase langes ja teise tõttu tõusis:

∆Р peamine = *300 = -7,5%;

∆Р pööre = *(-100) = +2,5%.

Indeks meetod põhineb suhtelistel näitajatel, mis väljendavad antud nähtuse taseme suhet selle tasemesse minevikus või sarnase nähtuse tasemesse, mis on aluseks võetud. Iga indeks arvutatakse, mõõtes aruandeväärtust baasväärtusega.

Klassikaline indeksmeetodil lahendatav probleem on arvutada koguse- ja hinnategurite mõju müügimahule järgmise skeemi järgi:

∑q 1 p 1 – ∑q 0 p 0 = (∑q 1 p 0 – ∑q 0 p 0) + (∑q 1 p 1 – ∑q 1 p 0),

kus ∑q 1 p 0 - ∑q 0 p 0 – koguse mõju;

∑q 1 p 1 - ∑q 1 p 0 – hindade mõju.

Siis on müügimahu (käibe) indeks vastavate aastate hindades kujul:

Ja füüsilise kaubanduse käibe indeks:

Logaritmi meetod kasutatakse tegurite mõju mõõtmiseks multiplikatiivsetes mudelites. Sellisel juhul ei sõltu arvutustulemused, nagu ka integreerimisel, tegurite asukohast mudelis ning võrreldes integraalmeetodiga on tagatud suurem arvutustäpsus. Kui integreerimise käigus jaotatakse tegurite koosmõjust saadav lisakasum nende vahel võrdselt, siis logaritmi kasutades jaotatakse tegurite ühistegevuse tulemus proportsionaalselt iga teguri isoleeritud mõju osakaaluga teguri tasandil. jõudlusnäitaja. See on selle eelis, kuid puuduseks on selle piiratud rakendusala.

Majandusnähtuste vastastikune seos. Sissejuhatus faktoranalüüsi. Faktoranalüüsi liigid, selle peamised ülesanded.

Kõik ettevõtete majandustegevuse nähtused ja protsessid on omavahel seotud, üksteisest sõltuvad ja tingimuslikud. Mõned neist on üksteisega otseselt seotud, teised kaudselt. Näiteks mõjutavad kogutoodangu suurust otseselt sellised tegurid nagu töötajate arv ja nende tööviljakuse tase. Kõik muud tegurid mõjutavad seda näitajat kaudselt.

Iga nähtust võib käsitleda nii põhjusena kui ka tagajärjena. Näiteks võib tööviljakust pidada ühelt poolt tootmismahu ja selle maksumuse taseme muutumise põhjuseks, teiselt poolt aga tootmise mehhaniseerituse ja automatiseerituse astme muutumise tulemuseks. töökorralduse parandamine jne.

Iga tulemusnäitaja sõltub paljudest ja erinevatest teguritest. Mida detailsemalt uuritakse tegurite mõju tulemusnäitaja väärtusele, seda täpsemad on ettevõtete töökvaliteedi analüüsi ja hindamise tulemused. Seega on majandustegevuse analüüsi oluliseks metoodiliseks küsimuseks tegurite mõju uurimine ja mõõtmine uuritavate majandusnäitajate väärtusele. Ilma sügava ja igakülgse tegurite uurimiseta on võimatu teha mõistlikke järeldusi tegevuse tulemuste kohta, tuvastada tootmisvarusid ning põhjendada plaane ja juhtimisotsuseid.

Under faktoranalüüs mõistab metoodikat igakülgseks ja süstemaatiliseks tegurite mõju tulemusnäitajate väärtusele uurimiseks ja mõõtmiseks.

Eristatakse järgmist: Faktoranalüüsi tüübid:

deterministlik ja stohhastiline;

otsene ja vastupidine;

üheastmeline ja mitmeastmeline;

staatiline ja dünaamiline;

tagasiulatuv ja perspektiivne (prognoos).

Deterministlik faktorianalüüs on metoodika selliste tegurite mõju uurimiseks, mille seos tulemusnäitajaga on oma olemuselt funktsionaalne, s.o. kui efektiivne näitaja esitatakse tegurite korrutise, jagatise või algebralise summana.

Stohhastiline analüüs on metoodika selliste tegurite uurimiseks, mille seos tulemusnäitajaga erinevalt funktsionaalsest on puudulik ja tõenäosuslik (korrelatsioon). Kui funktsionaalse (täieliku) sõltuvuse korral koos argumendi muutumisega toimub funktsioonis alati vastav muutus, siis korrelatsiooniühenduse korral võib argumendi muutus anda sõltuvalt kombinatsioonist mitu funktsiooni suurenemise väärtust. muudest teguritest, mis seda näitajat määravad. Näiteks ei pruugi tööviljakus samal kapitalivara tasemel olla erinevates ettevõtetes sama. See sõltub muude seda näitajat mõjutavate tegurite optimaalsest kombinatsioonist.

Kell otsene faktoranalüüs Uuring viiakse läbi deduktiivselt – üldisest konkreetseni. Pöördfaktori analüüs viib läbi põhjus-tagajärg seoste uurimist loogilise induktsiooni meetodil - konkreetsetest üksikutest teguritest üldiste teguriteni.

Faktoranalüüs võib olla üks etapp Ja mitmeastmeline. Esimest tüüpi kasutatakse ainult ühe alluvustaseme (ühe tasandi) tegurite uurimiseks, ilma neid komponentideks täpsustamata. Näiteks, juures = A X b. Mitmeetapilises faktoranalüüsis on tegurid üksikasjalikud A Ja b koostisosadeks, et uurida nende käitumist. Tegurite täpsustamist saab jätkata. Sel juhul uuritakse tegurite mõju erinevatel alluvustasanditel.

Samuti on vaja eristada staatiline Ja dünaamiline faktoranalüüs. Esimest tüüpi kasutatakse siis, kui uuritakse tegurite mõju tulemusnäitajatele vastaval kuupäeval. Teine tüüp on dünaamika põhjus-tagajärg seoste uurimise tehnika.

Lõpuks võib faktoranalüüs olla tagasivaade, mis uurib tulemusnäitajate tõusu põhjuseid möödunud perioodidel ning paljutõotav, mis uurib tegurite ja tulemusnäitajate käitumist perspektiivis.

Faktoranalüüsi põhiülesanded on järgmised.

1. Uuritavaid tulemusnäitajaid määravate tegurite valik.

2. Tegurite klassifitseerimine ja süstematiseerimine, et pakkuda terviklikku ja süsteemset lähenemist nende mõju uurimisele majandustegevuse tulemustele.

3. Tegurite ja tulemusnäitaja vahelise sõltuvuse vormi määramine.

4. Tulemuslikkuse ja faktorinäitajate vaheliste seoste modelleerimine.

5. Tegurite mõju arvutamine ja nende igaühe rolli hindamine efektiivse näitaja väärtuse muutmisel.

6. Töö faktormudeliga (selle praktiline kasutamine majandusprotsesside juhtimisel).

Analüüsitavate tegurite valik ühe või teise näitaja hindamine viiakse läbi selles valdkonnas omandatud teoreetiliste ja praktiliste teadmiste põhjal. Sel juhul lähtuvad nad tavaliselt põhimõttest: mida suurem on uuritud tegurite kompleks, seda täpsemad on analüüsi tulemused. Samal ajal tuleb meeles pidada, et kui seda tegurite kompleksi käsitleda mehaanilise summana, võtmata arvesse nende koostoimet, tuvastamata peamisi, määravaid, siis võivad järeldused olla ekslikud. ACD-s saavutatakse omavahel seotud uurimus tegurite mõjust tulemusnäitajate väärtusele nende süstematiseerimise kaudu, mis on selle teaduse üks peamisi metodoloogilisi küsimusi.

Faktoranalüüsi oluline metodoloogiline küsimus on sõltuvuse vormi määramine tegurite ja tulemusnäitajate vahel: funktsionaalne või stohhastiline, otsene või pöördvõrdeline, lineaarne või kõverjooneline. See kasutab teoreetilisi ja praktilisi kogemusi, samuti paralleelsete ja dünaamiliste seeriate võrdlemise meetodeid, lähteteabe analüütilisi rühmitusi, graafilisi jne.

Majandusnäitajate modelleerimine (deterministlik ja stohhastiline) kujutab endast ka faktoranalüüsis keerulist metodoloogilist probleemi, mille lahendamine nõuab selles valdkonnas eriteadmisi ja praktilisi oskusi. Sellega seoses pööratakse sellel kursusel sellele küsimusele palju tähelepanu.

ACD kõige olulisem metodoloogiline aspekt on mõju arvutamine tulemusnäitajate väärtuse tegurid, mille analüüsimisel kasutatakse tervet arsenali meetodeid, mille olemust, eesmärki, rakendusala ja arvutamise korda käsitletakse järgmistes peatükkides.

Ja lõpuks, faktoranalüüsi viimane etapp - faktormudeli praktiline kasutamine tootliku näitaja kasvu reservide arvutamiseks, selle väärtuse planeerimiseks ja prognoosimiseks tootmisolukorra muutumisel.

5.2. Majandustegevuse analüüsi tegurite klassifikatsioon

Tegurite klassifikatsiooni tähendus.Tegurite peamised liigid. Erinevat tüüpi tegurite kontseptsioon ja erinevus ACD-s.

Faktorite klassifikatsioon on nende jaotus rühmadesse sõltuvalt ühistest omadustest. See võimaldab sügavamalt mõista uuritavate nähtuste muutumise põhjuseid ning täpsemalt hinnata iga teguri kohta ja rolli efektiivsete näitajate väärtuse kujunemisel.

Analüüsis uuritud tegureid saab liigitada erinevate kriteeriumide järgi (joonis 5.1).

Oma olemuselt jagunevad tegurid loodus-klimaatilisteks, sotsiaalmajanduslikeks ja tootmismajanduslikeks. Looduslikud ja klimaatilised tegurid avaldavad suurt mõju põllumajanduse, mäetööstuse, metsanduse ja muude tööstusharude tegevuse tulemustele. Nende mõju arvestamine võimaldab täpsemalt hinnata majandusüksuste töö tulemusi.

TO sotsiaalmajanduslikud tegurid hõlmavad töötajate elamistingimusi, kultuuri-, spordi- ja vabaajatöö korraldust ettevõttes, personali üldist kultuuri- ja haridustaset jne. Need aitavad kaasa ettevõtte tootmisressursside täielikumale kasutamisele ja suurendavad selle efektiivsust. tööd.

Tootmine ja majanduslikud tegurid määrata kindlaks ettevõtte tootmisressursside kasutamise täielikkus ja tõhusus ning tegevuse lõpptulemused.

Lähtuvalt sellest, kui suur on mõju majandustegevuse tulemustele, jagatakse tegurid suuremateks ja väiksemateks. TO peamine sisaldama tegureid, millel on tulemusnäitajale otsustav mõju. Sekundaarne arvestatakse neid, millel ei ole praegustes tingimustes otsustavat mõju majandustegevuse tulemustele. Siinkohal tuleb märkida, et sama tegur võib olenevalt asjaoludest olla nii esmane kui ka sekundaarne. Võimalus eristada erinevatest teguritest peamised, määravad tegurid, tagab analüüsi tulemuste põhjal tehtud järelduste õigsuse.

Majandusnähtuste ja protsesside uurimisel ning ettevõtete tegevuse tulemuste hindamisel on suur tähtsus tegurite liigitamisel. sisemine Ja väline, see tähendab teguritest, mis sõltuvad ja ei sõltu antud ettevõtte tegevusest. Analüüsis tuleks põhitähelepanu pöörata sisemiste tegurite uurimisele, mida ettevõte saab mõjutada.

Samal ajal mõjutab paljudel juhtudel arenenud tootmissidemete ja -suhete korral iga ettevõtte tulemusi oluliselt teiste ettevõtete tegevus, näiteks tooraine tarnete ühtsus ja õigeaegsus, nende kvaliteet, maksumus, turg. tingimused, inflatsiooniprotsessid jne. Sageli kajastuvad ettevõtete töö tulemused muutustes spetsialiseerumise ja tootmiskoostöö vallas. Need tegurid on välised. Need ei iseloomusta antud meeskonna jõupingutusi, kuid nende uuring võimaldab täpsemalt määrata sisemiste põhjuste mõju astet ja seeläbi täpsemalt tuvastada sisemised tootmisreservid.

Ettevõtete tegevuse õigeks hindamiseks tuleb tegurid jagada objektiivne Ja subjektiivne Objektiivsed, näiteks looduskatastroof, ei sõltu inimeste tahtest ja soovidest. Erinevalt objektiivsetest põhjustest sõltuvad subjektiivsed põhjused juriidiliste ja eraisikute tegevusest.

Levimusastme järgi jagunevad tegurid on levinud Ja spetsiifiline. Üldised tegurid hõlmavad tegureid, mis toimivad kõigis majandussektorites. Spetsiifilised on need, mis tegutsevad konkreetses majandus- või ettevõttesektoris. Selline tegurite jaotus võimaldab meil paremini arvestada üksikute ettevõtete ja majandusharude iseärasusi ning anda nende tegevusele täpsem hinnang.

Majandustegevuse tulemuste mõjutamise perioodi järgi eristatakse tegureid: püsiv Ja muutujad. Pidevad tegurid mõjutavad uuritavat nähtust pidevalt, kogu aja jooksul. Muutuvate tegurite mõju avaldub perioodiliselt, näiteks uue tehnoloogia väljatöötamine, uut tüüpi tooted, uus tootmistehnoloogia jne.

Ettevõtete tegevuse hindamisel on suur tähtsus tegurite jagunemisel nende tegevuse iseloomu järgi intensiivne Ja ulatuslik. Ekstensiivsed tegurid hõlmavad tegureid, mis on seotud pigem tulemusnäitaja kvantitatiivse kui kvalitatiivse tõusuga, näiteks toodangu mahu suurenemine külvipinna laiendamise, kariloomade arvu, töötajate arvu suurendamise jms kaudu. Tootmisprotsessi pingutust ja töömahukust iseloomustavad intensiivsed tegurid, näiteks saagikuse, loomade produktiivsuse ja tööviljakuse suurenemine.

Kui analüüsi eesmärk on mõõta iga teguri mõju majandustegevuse tulemustele, siis jagunevad need kvantitatiivne Ja kvaliteetne, kompleksne Ja lihtne, sirge Ja kaudne, mõõdetav Ja mõõtmatu.

Kvantitatiivne arvestatakse tegureid, mis väljendavad nähtuste kvantitatiivset kindlust (tööliste arv, seadmed, tooraine jne). Kvaliteet tegurid määravad uuritavate objektide sisemised omadused, omadused ja omadused (tööviljakus, toote kvaliteet, mullaviljakus jne).

Enamik uuritud tegureid on koostiselt keerukad ja koosnevad mitmest elemendist. Siiski on ka neid, mida ei saa osadeks jagada. Sellega seoses jagunevad tegurid kompleks (keeruline) Ja lihtne (elementaarne). Keerulise teguri näide on tööviljakus ja lihtne on tööpäevade arv aruandeperioodil.

Nagu juba märgitud, on mõnel teguril tulemusnäitajale otsene mõju, teistel aga kaudne mõju. Lähtuvalt alluvustasemest (hierarhiast) eristatakse esimese, teise, kolmanda ja järgnevate alluvustasemete tegureid. TO esimese taseme tegurid Nende hulka kuuluvad need, mis mõjutavad otseselt tulemuslikkuse näitajat. Nimetatakse tegureid, mis määravad tulemusnäitaja kaudselt, kasutades esmatasandi tegureid teise taseme tegurid jne. Joonisel fig. 5.2 näitab, et esimese astme teguriteks on keskmine aastane töötajate arv ja keskmine aastane toodang töötaja kohta. Ühe töötaja töötatud päevade arv ja keskmine päevatoodang on kogutoodangu suhtes teise taseme tegurid. Kolmanda taseme tegurid hõlmavad tööpäeva pikkust ja keskmist tunnitoodangut.

Üksikute tegurite mõju tulemusnäitajale saab kvantifitseerida. Samas on mitmeid tegureid, mille mõju ettevõtete tulemuslikkusele ei saa otseselt mõõta, näiteks personali eluaseme pakkumine, lastehoiuvõimalused, personali väljaõppe tase jne.

5.3. Majandustegevuse analüüsi tegurite süstematiseerimine

Süstematiseerivate tegurite vajadus ja tähendus. Põhilised faktorite süstematiseerimise viisid deterministlikus ja stohhastilises analüüsis.

Süstemaatiline lähenemine ACD-s eeldab tegurite omavahel seotud uurimist, võttes arvesse nende sisemisi ja väliseid seoseid, interaktsiooni ja alluvust, mis saavutatakse süstematiseerimisega. Süstematiseerimine üldiselt on uuritavate nähtuste või objektide paigutamine teatud järjekorda, tuvastades nende suhte ja alluvuse.

Üks võimalus tegurite süstematiseerimiseks on deterministlike faktorisüsteemide loomine. Loo faktorisüsteem - tähendab uuritava nähtuse esitamist algebralise summa, jagatise või mitme teguri korrutise kujul, mis määravad selle suuruse ja on sellest funktsionaalses sõltuvuses.

Näiteks tööstusettevõtte kogutoodangu mahtu saab esitada kahe esimese järgu teguri korrutisena: keskmine töötajate arv ja aasta keskmine toodang töötaja kohta aastas, mis omakorda sõltub otseselt päevade arvust. ühe töötaja poolt keskmiselt aastas ja keskmine päevatoodang töötaja kohta . Viimase saab laotada ka tööpäeva pikkuseks ja keskmiseks tunnitoodanguks (joonis 5.2).

Deterministliku tegurisüsteemi väljatöötamine saavutatakse reeglina keeruliste tegurite detailiseerimisega. Elementaarseid (meie näites - töötajate arv, töötatud päevade arv, tööpäeva pikkus) ei jaotata teguriteks, kuna need on sisult homogeensed. Süsteemi arenedes detailiseeritakse keerukad tegurid järk-järgult vähem üldisteks, mis omakorda on veelgi vähem üldised, lähenedes järk-järgult elementaarsetele (lihtsatele) oma analüütiliselt sisult.

Siiski tuleb märkida, et tegurisüsteemide vajaliku sügavuse väljatöötamine on seotud teatud metoodiliste raskustega ja eelkõige raskustega leida üldist laadi faktoreid, mida saaks esitada tootena, konkreetsena või mitme teguri algebraline summa. Seetõttu hõlmavad deterministlikud süsteemid tavaliselt kõige üldisemaid tegureid. Samal ajal on ACD spetsiifilisemate tegurite uurimine oluliselt olulisem kui üldiste.

Sellest järeldub, et faktoranalüüsi metoodika täiustamine peaks olema suunatud konkreetsete tegurite vastastikusele uurimisele, mis reeglina on tulemusnäitajatega stohhastilises seoses.

Suur tähtsus stohhastiliste suhete uurimisel on uuritud näitajate omavahelise seose struktuurne ja loogiline analüüs. See võimaldab teil tuvastada uuritud näitajate vahel põhjus-tagajärg seoste olemasolu või puudumise, uurida seose suunda, sõltuvuse vormi jne, mis on väga oluline nende mõju määramisel nähtusele. uurimisel ja analüüsi tulemuste üldistamisel.

Konstruktsiooni abil viiakse läbi ACD uuritud näitajate vahelise seose struktuuri analüüs struktuurne ja loogiline plokkskeem, mis võimaldab tuvastada seose olemasolu ja suuna mitte ainult uuritavate tegurite ja tulemusnäitaja vahel, vaid ka tegurite endi vahel. Plokkskeemi koostades on näha, et uuritavate tegurite hulgas on neid, mis mõjutavad enam-vähem otseselt tulemusnäitajat, ja neid, mis mõjutavad mitte niivõrd tulemusnäitajat, kuivõrd üksteist.

Näiteks joonisel fig. Joonisel 5.3 on näidatud seos taimekasvatustoodangu ühiku maksumuse ja selliste tegurite vahel nagu põllukultuuride saagikus, tööviljakus, kasutatud väetise kogus, seemnete kvaliteet, tootmise mehhaniseerituse aste.

Kõigepealt on vaja kindlaks teha tootmiskulude ja iga teguri vahelise seose olemasolu ja suund. Muidugi on nende vahel tihe seos. Selles näites mõjutab tootmiskulusid otseselt ainult põllukultuuride saagikus. Kõik muud tegurid mõjutavad tootmiskulusid mitte ainult otseselt, vaid ka kaudselt, saagikuse ja tööviljakuse kaudu. Näiteks aitab mulda antav väetisekogus suurendada põllukultuuride saaki, mis muude tingimuste muutumisel toob kaasa toodanguühiku maksumuse vähenemise. Siiski tuleb arvestada ka sellega, et väetisekoguse suurenemine toob kaasa kulude suurenemise põllukultuuride hektari kohta. Ja kui kulude summa kasvab saagist suuremas tempos, siis toodangu omahind ei vähene, vaid kasvab. See tähendab, et nende kahe näitaja vaheline seos võib olla nii otsene kui ka pöördvõrdeline. Samamoodi mõjutab see tootmiskulusid ja seemnete kvaliteeti. Kvaliteetsete eliitseemnete ostmine põhjustab kulude kasvu. Kui need suurenevad kõrgema kvaliteediga seemnete kasutamisest saadavast saagist suuremal määral, siis tõusevad tootmiskulud ja vastupidi.

Tootmise mehhaniseerituse aste mõjutab nii otseselt kui kaudselt tootmiskulusid. Mehhaniseerimise taseme tõus põhjustab tootmise põhivara ülalpidamiskulude tõusu. Kuid samal ajal suureneb tööviljakus ja tootlikkus, mis aitab vähendada tootmiskulusid.

Faktoritevaheliste seoste uurimine näitab, et kõigist uuritud teguritest ei ole põhjus-tagajärg seost seemnete kvaliteedi, väetiste hulga ja tootmise mehhaniseerimise vahel. Samuti puudub nende näitajate ja saagikuse vahel otsene pöördvõrdeline seos. Kõik muud tegurid mõjutavad üksteist otseselt või kaudselt.

Seega võimaldab tegurite süstematiseerimine põhjalikumalt uurida tegurite seost uuritava näitaja väärtuse kujunemisel, mis on väga oluline järgmistes analüüsietappides, eriti uuritavate näitajate modelleerimise etapis.

5.4. Faktorsüsteemide deterministlik modelleerimine ja teisendamine

Modelleerimise olemus ja tähendus, nõuded sellele. Faktorideterministlike mudelite põhitüübid. Tegurmudelite teisendamise meetodid. Modelleerimise reeglid.

Faktoranalüüsi üheks ülesandeks on modelleerida seoseid tulemusnäitajate ja nende väärtust määravate tegurite vahel.

Modelleerimine - See on üks olulisemaid teadusliku teadmise meetodeid, mille abil luuakse uuritava objekti mudel (konventsionaalne pilt). Selle olemus seisneb selles, et uuritava näitaja ja faktorinäitajate vaheline seos edastatakse konkreetse matemaatilise võrrandi kujul.

Faktoranalüüsis on olemas deterministlikud mudelid (funktsionaalne) ja stohhastiline (korrelatsioon). Deterministlike faktorimudelite abil uuritakse tulemusnäitaja (funktsiooni) ja tegurite (argumentide) vahelist funktsionaalset seost.

Deterministlike faktorisüsteemide modelleerimisel tuleb täita mitmeid nõudeid.

1. Mudelis sisalduvad tegurid ja mudelid ise peavad olema selgelt väljendatud iseloomuga, reaalselt olemas, mitte väljamõeldud abstraktsed suurused või nähtused.

2. Süsteemi kaasatavad tegurid peavad olema mitte ainult valemi vajalikud elemendid, vaid olema ka põhjus-tagajärg seoses uuritavate näitajatega. Teisisõnu, konstrueeritud faktorisüsteemil peab olema tunnetuslik väärtus. Faktormudelid, mis kajastavad indikaatorite vahelisi põhjus-tagajärg seoseid, omavad oluliselt suuremat kognitiivset väärtust kui matemaatilisi abstraktsioonitehnikaid kasutades loodud mudelid. Viimast saab illustreerida järgmiselt. Võtame kaks mudelit:

1) VP = CR X GW:

2) GV = VP/CR, Kus VP – ettevõtte kogutoodang; CR - töötajate arv ettevõttes; GV - keskmine aastatoodang töötaja kohta.

Esimeses süsteemis on tegurid põhjuslikus seoses efektiivse näitajaga ja teises - matemaatilises seoses. See tähendab, et teisel, matemaatilistel sõltuvustel üles ehitatud mudelil on väiksem kognitiivne tähtsus kui esimesel.

3. Kõik faktorimudeli näitajad peavad olema kvantitatiivselt mõõdetavad, s.o. peab olema mõõtühik ja vajalik infoturve.

4. Faktormudel peab andma võimaluse mõõta üksikute tegurite mõju, mis tähendab, et see peab arvestama efektiiv- ja faktorinäitajate muutuste proportsionaalsust ning üksikute tegurite mõju summa peab olema võrdne efektiivse näitaja kogukasv.

Deterministlikus analüüsis eristatakse järgmisi enimlevinud faktorimudelite tüüpe.

1. Lisandite mudelid:

Neid kasutatakse juhtudel, kui efektiivseks indikaatoriks on mitme faktorinäitaja algebraline summa.

2. Korrutatavad mudelid:

Seda tüüpi mudelit kasutatakse juhul, kui tulemusnäitaja on mitme teguri tulemus.

3. Mitu mudelit:

Neid kasutatakse siis, kui efektiivne näitaja saadakse ühe tegurinäitaja jagamisel teise väärtusega.

4. Segatud (kombineeritud) mudelid - see on kombinatsioon eelmiste mudelite erinevatest kombinatsioonidest:

Multiplikatiivsete tegurite süsteemide modelleerimine ACD-s viiakse see läbi algse süsteemi tegurite järjestikuse jagamisega faktoriteguriteks. Näiteks tootmismahu kujunemise protsessi uurimisel (vt joonis 5.2) saate kasutada selliseid deterministlikke mudeleid nagu:

Need mudelid peegeldavad multiplikatiivse vormi algse tegurisüsteemi detailiseerimise ja selle laiendamise protsessi, jagades keerukad tegurid teguriteks. Mudeli detailsus ja laiendamine sõltub uuringu eesmärgist, samuti näitajate detailiseerimise ja vormistamise võimalustest kehtestatud reeglite piires.

Sarnaselt läbi viidud aditiivsete tegurite süsteemide modelleerimine ühe või mitme faktorinäitaja jagamise tõttu komponentelementideks.

Nagu teada, on toote müügimaht võrdne:

VRP =VBP -VJA,

Kus VBP - toodangu maht; VJA - põllumajandusettevõttes kasutatavate toodete maht.

Farmis kasutati tooteid seemnetena (C) ja söödana (TO). Seejärel saab antud originaalmudeli kirjutada järgmiselt: VRP =VBP - (C + K).

klassi juurde mitu mudelit Nende ümberkujundamiseks kasutatakse järgmisi meetodeid: pikendamine, formaalne lagunemine, laiendamine ja kokkutõmbumine.

Esimene meetod hõlmab algmudeli lugeja pikendamist, asendades ühe või mitu tegurit homogeensete näitajate summaga. Näiteks tootmisühiku maksumust saab esitada kahe teguri funktsioonina: muutused kulude suuruses (3) ja toodangu maht. (VBP). Selle tegurisüsteemi esialgsel mudelil on vorm

Kui kulude kogusumma (3) asendada nende üksikute elementidega, nagu palk (3P), tooraine ja materjalid (SM), põhivara kulum (A), üldkulud (HP) jne, siis on deterministlikul tegurimudelil aditiivne mudel uue tegurite komplektiga:

Kus X 1 - toodete töömahukus; X 2 - toodete materjalikulu; X 3 - toodete kapitalimahukus; X 4 -üldkulude tase.

Formaalne lagundamise meetod tegurisüsteem hõlmab algse faktorimudeli nimetaja pikendamist, asendades ühe või mitu tegurit homogeensete näitajate summa või korrutisega. Kui IN = L+M+N+P, siis

Selle tulemusena saime esialgse tegurisüsteemiga sama tüüpi lõpliku mudeli (mitme mudel). Praktikas toimub selline lagunemine üsna sageli. Näiteks tootmise tasuvuse näitaja analüüsimisel (R):

kus P on toodete müügist saadud kasumi summa; 3 - toodete tootmise ja müügi kulude summa. Kui kulude summa asendatakse selle üksikute elementidega, saab teisenduse tulemusel lõplik mudel järgmise kuju:

Ühe tonnkilomeetri maksumus sõltub sõiduki hooldus- ja käitamiskuludest (3) ning selle keskmisest aastatoodangust. (GW). Selle süsteemi esialgne mudel näeb välja selline: C tkm = 3 / GV. Arvestades, et auto keskmine aastane toodang sõltub omakorda ühe auto aastas töötatud päevade arvust (D), vahetuse kestus (P) ja keskmine tunnitoodang (ChV), saame seda mudelit märkimisväärselt pikendada ja kulude kasvu jagada mitmeks teguriks:

Laiendusmeetod hõlmab esialgse tegurimudeli laiendamist, korrutades murdosa lugeja ja nimetaja ühe või mitme uue näitajaga. Näiteks kui originaalmudel

võtta kasutusele uus indikaator, võtab mudel kuju

Tulemuseks oli lõplik multiplikatiivne mudel uute tegurite kogumi korrutise kujul.

Seda modelleerimismeetodit kasutatakse analüüsis väga laialdaselt. Näiteks võib keskmise aastatoodangu töötaja kohta (tööviljakuse näitaja) kirjutada järgmiselt: GV = VP / CR. Kui sisestate näitaja, nagu kõigi töötajate töötatud päevade arv (D), siis saame järgmise aastatoodangu mudeli:

Kus DV - keskmine päevane toodang; D -ühe töötaja töötatud päevade arv.

Pärast kõigi töötajate töötundide arvu (G) indikaatori kasutuselevõttu saame mudeli uue tegurite kogumiga: keskmine tunnitoodang. (ChV),ühe töötaja töötatud päevade arv (D) ja tööpäeva kestus (I):

Vähendamise meetod hõlmab uue tegurimudeli loomist, jagades murdosa lugeja ja nimetaja sama näitajaga:

Sel juhul on lõplik mudel sama tüüpi, mis algne, kuid erinevate teguritega.

Ja jälle praktiline näide. Teatavasti arvutatakse ettevõtte majanduslik tasuvus kasumi summa jagamisel ( P) ettevõtte põhi- ja käibekapitali aasta keskmise kulu pealt (KL):

R=P/KL.

Kui jagame lugeja ja nimetaja toote müügimahuga (käibega), saame mitmekordse mudeli, kuid uute tegurite kogumiga: müügitulu ja toodete kapitalimahukus:

Ja veel üks näide. Kapitali tootlikkus (CR) määratakse bruto ( VP) või kaubanduslikud tooted ( TP) tootmispõhivara keskmisele aastamaksumusele (OPF):

Lugeja ja nimetaja jagamine aasta keskmise töötajate arvuga (CR), saame sisukama mitmikmudeli teiste faktorinäitajatega: keskmine aastatoodang töötaja kohta (GV), iseloomustavad tööviljakuse taset ning kapitali ja tööjõu suhet (Fv):

Tuleb märkida, et praktikas saab sama mudeli teisendamiseks kasutada järjestikku mitut meetodit. Näiteks:

Kus FO - kapitali tootlikkus; RP - müüdud toodete maht (tulu); C - müüdud kauba maksumus; P- kasum; OPF-tootmispõhivara aasta keskmine maksumus; OS - keskmised käibekapitali saldod.

Sel juhul kasutatakse matemaatilistel sõltuvustel üles ehitatud algse faktorimudeli teisendamiseks pikendamise ja laiendamise meetodeid. Tulemuseks on sisukam mudel, millel on suurem hariduslik väärtus, kuna see võtab arvesse näitajate vahelisi põhjus-tagajärg seoseid. Saadud lõppmudel võimaldab uurida, kuidas mõjutab kapitali tootlikkust põhivara tasuvus, põhi- ja käibekapitali suhe, aga ka käibekapitali käibekordaja.

Seega on tulemusnäitajaid võimalik mitmel erineval viisil jaotada nende koostisosadeks (teguriteks) ja esitada erinevat tüüpi deterministlike mudelite kujul. Modelleerimismeetodi valik sõltub nii uurimisobjektist, eesmärgist kui ka uurija erialastest teadmistest ja oskustest.

Faktorsüsteemide modelleerimise protsess on ACADis väga keeruline ja otsustav hetk. Analüüsi lõpptulemused sõltuvad sellest, kui realistlikult ja täpselt kajastavad loodud mudelid uuritavate näitajate vahelist seost.

Kõik äritegevuses toimuvad protsessid on omavahel seotud. Nende vahel on nii otsene kui kaudne seos. Erinevate tegurite mõjul muutuvad erinevad majanduslikud parameetrid. Faktoranalüüs (FA) võimaldab teil neid näitajaid tuvastada, analüüsida ja uurida mõjuastet.

Faktoranalüüsi mõiste

Faktoranalüüs on mitmemõõtmeline tehnika, mis võimaldab uurida muutujate parameetrite vahelisi seoseid. Selle käigus uuritakse kovariatsiooni- ehk korrelatsioonimaatriksite struktuuri. Faktoranalüüsi kasutatakse erinevates teadustes: psühhomeetrias, psühholoogias, majanduses. Selle meetodi põhitõed töötas välja psühholoog F. Galton.

Eesmärgid

Usaldusväärsete tulemuste saamiseks peab inimene võrdlema näitajaid mitmel skaalal. Selle käigus tehakse kindlaks saadud väärtuste korrelatsioon, nende sarnasused ja erinevused. Vaatleme faktoranalüüsi põhiülesandeid:

Olemasolevate väärtuste tuvastamine.
Parameetrite valik väärtuste täielikuks analüüsiks.
Süsteemitöö näitajate klassifikatsioon.
Tulemus- ja faktoriväärtuste vaheliste seoste tuvastamine.
Iga teguri mõjuastme määramine.
Iga väärtuse rolli analüüs.
Faktormudeli rakendamine.

Iga parameetrit, mis mõjutab lõppväärtust, tuleb uurida.

Faktoranalüüsi tehnikad

FA meetodeid saab kasutada nii kombineeritult kui ka eraldi.

Deterministlik analüüs

Kõige sagedamini kasutatakse deterministlikku analüüsi. See on tingitud asjaolust, et see on üsna lihtne. Võimaldab tuvastada ettevõtte peamiste tegurite mõju loogika ja analüüsida nende mõju kvantitatiivselt. DA tulemusel saate aru, milliseid tegureid tuleks ettevõtte tulemuslikkuse parandamiseks muuta. Meetodi eelised: mitmekülgsus, kasutusmugavus.

Stohhastiline analüüs

Stohhastiline analüüs võimaldab analüüsida olemasolevaid kaudseid seoseid. See tähendab, et on olemas kaudsete tegurite uuring. Meetodit kasutatakse juhul, kui otseühendusi pole võimalik leida. Stohhastilist analüüsi peetakse täiendavaks. Seda kasutatakse ainult teatud juhtudel.

Mida mõeldakse kaudsete seoste all? Otsese seose korral muutub argumendi muutumisel ka teguri väärtus. Kaudne seos hõlmab argumendi muutumist, millele järgneb korraga mitme näitaja muutumine. Meetodit peetakse abistavaks. See on tingitud asjaolust, et eksperdid soovitavad kõigepealt uurida otseühendusi. Need võimaldavad luua objektiivsema pildi.

Faktoranalüüsi etapid ja tunnused

Iga teguri analüüs annab objektiivseid tulemusi. Siiski kasutatakse seda äärmiselt harva. See on tingitud asjaolust, et protsessi käigus tehakse keerukaid arvutusi. Nende teostamiseks vajate spetsiaalset tarkvara.

Vaatleme FA etappe:

Arvutuste eesmärgi kindlaksmääramine.
Väärtuste valik, mis otseselt või kaudselt mõjutavad lõpptulemust.
Kompleksuuringute tegurite klassifikatsioon.
Valitud parameetrite ja lõpliku indikaatori vahelise seose tuvastamine.
Tulemuse ja seda mõjutavate tegurite omavaheliste seoste modelleerimine.
Väärtuste mõju määra kindlaksmääramine ja iga parameetri rolli hindamine.
Loodud faktoritabeli kasutamine ettevõtte tegevuses.

SULLE TEADMISEKS! Faktoranalüüs hõlmab väga keerulisi arvutusi. Seetõttu on parem usaldada see professionaalile.

TÄHTIS! Arvutuste tegemisel on äärmiselt oluline õigesti valida tegurid, mis mõjutavad ettevõtte tulemusi. Tegurite valik sõltub konkreetsest piirkonnast.

Kasumlikkuse faktorianalüüs

Ressursside jaotamise ratsionaalsuse analüüsimiseks viiakse läbi tasuvusanalüüs. Selle tulemusena on võimalik kindlaks teha, millised tegurid lõpptulemust kõige enam mõjutavad. Selle tulemusena saab säilitada ainult need tegurid, mis kõige paremini mõjutavad tõhusust. Saadud andmete põhjal saate muuta ettevõtte hinnapoliitikat. Tootmiskulusid võivad mõjutada järgmised tegurid:

püsikulud;
muutuvkulud;
kasumit.

Kulude vähendamine kutsub esile kasumi kasvu. Sel juhul maksumus ei muutu. Võib järeldada, et kasumlikkust mõjutavad nii olemasolevad kulud kui ka müüdud toodete maht. Faktoranalüüs võimaldab meil määrata nende parameetrite mõju määra. Millal on mõtet seda teha? Selle peamiseks põhjuseks on kasumlikkuse vähendamine või suurendamine.

Faktoranalüüs viiakse läbi järgmise valemi abil:

Rв = ((W-SB -KRB-URB)/W) - (WB-SB-KRB-URB)/WB, Kus:

VT – jooksva perioodi tulud;

SB – jooksva perioodi omahind;

KRB – jooksva perioodi ärikulud;

URB – eelmise perioodi majandamiskulud;

VB – eelmise perioodi tulud;

KRB – eelmise perioodi ärikulud.

Muud valemid

Vaatleme valemit, kuidas arvutada kulude mõju kasumlikkusele:

Rс= ((W-SBot -KRB-URB)/W) - (W-SB-KRB-URB)/W,

CBO on jooksva perioodi tootmiskulu.

Majandamiskulude mõju arvutamise valem:

RUR= ((W-SB -KRB-URot)/W) - (W-SB-KRB-URB)/W,

URot on majandamiskulud.

Ettevõtluskulude mõju arvutamise valem on järgmine:

Rк= ((W-SB -KRo-URB)/W) - (W-SB-KRB-URB)/W,

CR on eelmise korra kommertskulud.

Kõigi tegurite kogumõju arvutatakse järgmise valemi abil:

Rob=Rv+Rс+Rur+Rk.

TÄHTIS! Arvutuste tegemisel on mõttekas arvutada iga teguri mõju eraldi. Üldised PA tulemused on väikese väärtusega.

Näide

Vaatleme organisatsiooni näitajaid kahe kuu kohta (kahe perioodi kohta, rublades). Juulis moodustasid organisatsiooni tulud 10 tuhat, tootmiskulud - 5 tuhat, halduskulud - 2 tuhat, ärikulud - 1 tuhat. Ettevõtte tulud olid augustis 12 tuhat, tootmiskulud - 5,5 tuhat, halduskulud - 1,5 tuhat, ärikulud - 1 tuhat. Tehakse järgmised arvutused:

R=((12 tuhat-5,5 tuhat-1 tuhat-2 tuhat)/12 tuhat)-((10 tuhat-5,5 tuhat-1 tuhat-2 tuhat)/10 tuhat)=0,29-0, 15=0,14

Nendest arvutustest võime järeldada, et organisatsiooni kasum kasvas 14%.

Kasumi faktorianalüüs

P = RR + RF + RVN, kus:

P – kasum või kahjum;

РР – müügikasum;

RF – finantstegevuse tulemused;

RVN on põhitegevusega mitteseotud tulude ja kulude jääk.

Seejärel peate kindlaks määrama kaupade müügi tulemuse:

PP = N – S1 – S2, kus:

N – tulu kaupade müügist müügihindadega;

S1 – müüdud toodete maksumus;

S2 – äri- ja halduskulud.

Kasumi arvutamisel on võtmeteguriks ettevõtte müügikäive.

SULLE TEADMISEKS! Faktoranalüüsi on käsitsi äärmiselt keeruline teha. Selleks saate kasutada spetsiaalseid programme. Lihtsaim programm arvutusteks ja automaatseks analüüsiks on Microsoft Excel. Sellel on analüüsivahendid.

Sissejuhatus faktorianalüüsi

Viimastel aastatel on faktoranalüüs leidnud kasutust paljude teadlaste seas, seda peamiselt tänu kiirete arvutite ja statistikatarkvarapakettide (näiteks DATATEXT, BMD, OSIRIS, SAS ja SPSS) arendamisele. See mõjutas ka suurt rühma kasutajaid, kellel puudus vastav matemaatiline ettevalmistus, kuid kes olid sellest hoolimata huvitatud faktoranalüüsi potentsiaali kasutamisest oma uurimistöös (Harman, 1976; Horst, 1965; Lawley ja Maxswel, 1971; Mulaik, 1972).

Faktoranalüüs eeldab, et uuritavad muutujad on lineaarne kombinatsioon mõnest varjatud (latentsest) mittejälgitavast faktorist. Teisisõnu on olemas tegurite süsteem ja uuritud muutujate süsteem. Teatav sõltuvus nende kahe süsteemi vahel võimaldab faktoranalüüsi abil, võttes arvesse olemasolevat sõltuvust, teha järeldusi uuritavate muutujate (tegurite) kohta. Selle sõltuvuse loogiline olemus seisneb selles, et põhjuslike tegurite süsteemil (sõltumatute ja sõltuvate muutujate süsteem) on alati uuritud muutujate kordumatu korrelatsioonisüsteem, mitte vastupidi. Ainult faktoranalüüsile seatud rangelt piiratud tingimustel on võimalik üheselt tõlgendada põhjuslikke struktuure erinevate tegurite vahel uuritavate muutujate vahelise korrelatsiooni olemasolu suhtes. Lisaks on teistsuguse iseloomuga probleeme. Näiteks empiiriliste andmete kogumisel võib esineda mitmesuguseid vigu ja ebatäpsusi, mis omakorda raskendab varjatud mittejälgitavate parameetrite väljaselgitamist ja nende edasist uurimist.

Mis on faktoranalüüs? Faktoranalüüs viitab mitmesugustele statistilistele tehnikatele, mille põhiülesanne on esindada uuritud tunnuste kogumit hüpoteetiliste muutujate redutseeritud süsteemi kujul. Faktoranalüüs on empiiriline uurimismeetod, mis leiab rakendust eelkõige sotsiaalsetes ja psühholoogilistes distsipliinides.

Faktoranalüüsi kasutamise näitena võime käsitleda isiksuseomaduste uurimist psühholoogiliste testide abil. Isiksuseomadusi ei saa otseselt mõõta, neid saab hinnata ainult inimese käitumise, vastuste teatud küsimustele jms põhjal. Kogutud empiiriliste andmete selgitamiseks allutatakse nende tulemustele faktoranalüüs, mis võimaldab tuvastada need isikuomadused, mis mõjutasid katseisikute käitumist katsetes.

Faktoranalüüsi esimene etapp on reeglina uute tunnuste valimine, mis on eelmiste lineaarsed kombinatsioonid ja "neelavad" suurema osa vaadeldavate andmete kogu varieeruvusest ja annavad seega edasi suurema osa originaalis sisalduvast teabest. tähelepanekud. Tavaliselt tehakse seda kasutades põhikomponendi meetod, kuigi mõnikord kasutatakse muid tehnikaid (näiteks peamiste tegurite meetodit, maksimaalse tõenäosuse meetodit).

Põhikomponendi meetod on statistiline tehnika, mis võimaldab teisendada algsed muutujad nende lineaarseks kombinatsiooniks (GeorgH.Dunteman). Meetodi eesmärk on saada vähendatud lähteandmete süsteem, mida on palju lihtsam mõista ja edasine statistiline töötlemine. Selle lähenemisviisi pakkus välja Pearson (1901) ja temast sõltumatult arendas seda edasi Hotelling (1933). Autor püüdis selle meetodiga töötamisel maatriksalgebra kasutamist minimeerida.

Põhikomponendi meetodi põhieesmärk on eraldada esmased tegurid ja määrata minimaalne ühiste tegurite arv, mis rahuldavalt reprodutseerivad uuritud muutujate vahelisi seoseid. Selle sammu tulemuseks on faktorite laadimiskoefitsientide maatriks, mis ortogonaalsel juhul on muutujate ja tegurite vahelised korrelatsioonikordajad. Valitavate tegurite arvu määramisel kasutatakse järgmist kriteeriumi: valitakse ainult need tegurid, mille omaväärtused on suuremad kui määratud konstant (tavaliselt ühtsus).

Tavaliselt ei saa aga põhikomponendi meetodil saadud tegureid piisavalt selgelt tõlgendada. Seetõttu on faktoranalüüsi järgmiseks sammuks tegurite teisendamine (roteerimine) viisil, mis hõlbustab nende tõlgendamist. Pöörlemine tegurid seisneb lihtsaima faktoristruktuuri leidmises ehk sellise faktorikoormuste ja jääkvariatsioonide hindamise variandis, mis võimaldab mõtestatult tõlgendada levinud tegureid ja koormusi.

Teadlaste kõige sagedamini kasutatav rotatsioonimeetod on varimaxi meetod. See on meetod, mis võimaldab ühelt poolt minimeerides iga teguri ruudukoormuste levikut, teisest küljest saada lihtsustatud teguristruktuuri, suurendades suuri ja vähendades väikeseid tegurikoormusi.

Seega on faktoranalüüsi peamised eesmärgid:

vähendamine muutujate arv (andmete vähendamine);

struktuuri määratlus muutujatevahelised seosed, st. muutujate klassifikatsioon.

Seetõttu kasutatakse faktoranalüüsi kas andmete vähendamise meetodina või klassifitseerimismeetodina.

Praktilisi näiteid ja nõuandeid faktoranalüüsi kasutamise kohta leiab Stevensi raamatust (1986); üksikasjalikuma kirjelduse annavad Cooley ja Lohnes (1971); Harman (1976); Kim ja Mueller (1978a, 1978b); Lawley ja Maxwell (1971); Lindeman, Merenda ja Gold (1980); Morrison (1967) ja Mulaik (1972). Teiseste tegurite tõlgenduse hierarhilises faktorianalüüsis alternatiivina traditsioonilisele faktorirotatsioonile annab Wherry (1984).

Probleemid andmete kasutamiseks ettevalmistamisel

faktoranalüüs

Vaatame faktoranalüüsi abil rida küsimusi ja lühikesi vastuseid.

Millisel tasemel mõõtmist faktoranalüüs nõuab või teisisõnu millistes mõõteskaalades andmeid faktoranalüüsi jaoks esitada?

Faktoranalüüs nõuab, et muutujad esitataks intervallskaalal (Stevens, 1946) ja järgiksid normaaljaotust. See nõue eeldab ka, et sisendandmetena kasutatakse kovariatsiooni- või korrelatsioonimaatriksit.

Kas teadlane peaks vältima faktoranalüüsi kasutamist, kui muutujate meetriline alus pole täpselt määratletud, s.t. Kas andmed esitatakse järguskaalal?

Ei ole vajalik. Paljudel muutujatel, mis esindavad näiteks testijate arvamusi suure hulga testide kohta, ei ole täpselt kindlaks määratud meetrilist alust. Kuid üldiselt eeldatakse, et paljud "järjekorramuutujad" võivad sisaldada arvväärtusi, mis ei moonuta ja isegi säilitavad uuritava tunnuse põhiomadusi. Uurija ülesanded: a) määrata õigesti refleksiivselt tuvastatud järjekordade (tasemete) arv; b) arvestama, et lubatud moonutuste summa kaasatakse korrelatsioonimaatriksisse, mis on aluseks faktoranalüüsi sisendandmetele; c) korrelatsioonikoefitsiendid on fikseeritud mõõtmistes "järguliste" moonutustena (Labovitz, 1967, 1970; Kim, 1975).

Pikka aega arvati, et järgukategooriate arvväärtustele omistatakse moonutused. See on aga alusetu, kuna metriliste suuruste puhul on katse ajal võimalikud moonutused, isegi minimaalsed. Faktoranalüüsis sõltuvad tulemused mõõtmisprotsessi käigus saadud vigade võimalikkusest, mitte nende päritolust ja korrelatsioonist teatud tüüpi skaala andmetega.

Kas faktoranalüüsi saab kasutada nominaalsete (dihhotoomsete) muutujate puhul?

Paljud teadlased väidavad, et faktoranalüüsi kasutamine nominaalsete muutujate jaoks on väga mugav. Esiteks välistavad dihhotoomilised väärtused (väärtused, mis on võrdsed "0" ja "1") millegi muu valiku peale nende. Teiseks, selle tulemusena on korrelatsioonikordaja Pearsoni korrelatsioonikordaja ekvivalent, mis toimib faktoranalüüsi muutuja arvväärtusena.

Sellele küsimusele pole aga selget positiivset vastust. Dihhotoomseid muutujaid on analüütilise faktori mudeli raames raske väljendada: igal muutujal on vähemalt kahe peamise teguri – üldise ja spetsiifilise (Kim, Muller) – kaaluv väärtus. Isegi kui neil teguritel on kaks väärtust (mis on reaalsete faktorimudelite puhul üsna haruldane), peavad vaadeldavate muutujate lõpptulemused sisaldama vähemalt nelja erinevat väärtust, mis omakorda õigustavad nominaalsete muutujate kasutamise ebaühtlust. Seetõttu kasutatakse selliste muutujate faktoranalüüsi mitmete heuristiliste kriteeriumide saamiseks.

Mitu muutujat peaks olema iga hüpoteetiliselt konstrueeritud teguri jaoks?

Eeldatakse, et iga teguri jaoks peaks olema vähemalt kolm muutujat. Kuid see nõue jäetakse välja, kui hüpoteesi kinnitamiseks kasutatakse faktoranalüüsi. Üldiselt nõustuvad teadlased, et muutujaid peab olema vähemalt kaks korda rohkem kui tegureid.

Veel üks punkt selle teema kohta. Mida suurem on valimi suurus, seda usaldusväärsem on kriteeriumi väärtus CI- ruut. Tulemusi loetakse statistiliselt olulisteks, kui valim sisaldab vähemalt 51 vaatlust. Seega:

N-n-150, (3,33)

kus N on valimi suurus (mõõtmiste arv),

n – muutujate arv (Lawley, Maxwell, 1971).

See on muidugi ainult üldreegel.

Mida tähendab tegurikoormuse märk?

Märk ise ei ole oluline ning muutuja ja teguri vahelise seose olulisust ei saa kuidagi hinnata. Faktoris sisalduvate muutujate märkidel on aga teiste muutujate märkide suhtes spetsiifiline tähendus. Erinevad märgid tähendavad lihtsalt seda, et muutujad on teguriga seotud vastassuunas.

Näiteks faktoranalüüsi tulemuste põhjal leiti, et paari omaduste puhul avatud-suletud(mitmefaktoriline Catelli küsimustik) on vastavalt positiivsed ja negatiivsed kaalukoormused. Siis öeldakse, et osa kvaliteeti avatud, valitud teguris on rohkem kui kvaliteedi osakaal suletud.

Põhikomponendid ja faktorianalüüs

Faktoranalüüs kui andmete vähendamise meetod

Oletame, et viiakse läbi (mõnevõrra "rumala") uuring, mille käigus mõõdetakse saja inimese pikkust meetrites ja sentimeetrites. Seega on kaks muutujat. Kui uurida lähemalt näiteks erinevate toidulisandite mõju kasvule, kas oleks soovitav kasutada mõlemad muutujad? Ilmselt mitte, sest... Pikkus on üks inimese omadus, olenemata ühikutest, milles seda mõõdetakse.

Oletame, et inimeste eluga rahulolu mõõdetakse erinevaid punkte sisaldava küsimustiku abil. Näiteks küsitakse: kas inimesed on oma hobiga rahul (punkt 1) ja kui intensiivselt nad sellega tegelevad (punkt 2). Tulemused teisendatakse nii, et keskmised vastused (näiteks rahulolu jaoks) vastavad väärtusele 100, samas kui keskmisest madalamad ja kõrgemad vastused on vastavalt madalamad ja kõrgemad. Kaks muutujat (vastus kahele erinevale elemendile) on korrelatsioonis. Nende kahe muutuja kõrge korrelatsiooni põhjal võime järeldada, et kaks küsimustiku elementi on üleliigsed. See omakorda võimaldab ühendada kaks muutujat üheks teguriks.

Uus muutuja (tegur) sisaldab mõlema muutuja kõige olulisemaid tunnuseid. Nii et tegelikult on algset muutujate arvu vähendatud ja kaks muutujat on asendatud ühega. Pange tähele, et uus tegur (muutuja) on tegelikult kahe algse muutuja lineaarne kombinatsioon.

Näide, kus kaks korreleeruvat muutujat on ühendatud üheks teguriks, näitab faktoranalüüsi või täpsemalt põhikomponentide analüüsi põhiideed. Kui kahe muutujaga näidet laiendada suuremale arvule muutujatele, muutuvad arvutused keerulisemaks, kuid põhiprintsiip kahe või enama sõltuva muutuja esitamisest ühe tegurina jääb kehtima.

Põhikomponendi meetod

Põhikomponentanalüüs on andmete vähendamise või vähendamise meetod, s.o. muutujate arvu vähendamisega. Tekib loomulik küsimus: kui palju tegureid tuleks tuvastada? Pange tähele, et tegurite järjestikuse valiku protsessis hõlmavad need üha vähem varieeruvust. Otsus selle kohta, millal tegurivaliku protseduur peatada, sõltub suuresti sellest, milline on väike "juhuslik" varieeruvus. See otsus on üsna meelevaldne, kuid on mõned soovitused, mis võimaldavad teil tegurite arvu ratsionaalselt valida (vt jaotist Omaväärtused ja eraldatud tegurite arv).

Juhul, kui muutujaid on rohkem kui kaks, võib neid pidada kolmemõõtmelise "ruumi" defineerimiseks samamoodi nagu kaks muutujat tasandit. Kui muutujaid on kolm, siis saab koostada kolmemõõtmelise hajuvusdiagrammi (vt joonis 3.10).

Riis. 3.10. 3D tunnusjoonte hajuvusdiagramm

Rohkem kui kolme muutuja puhul muutub punktide esitamine hajuvusdiagrammil võimatuks, kuid telgede pööramise loogika, et maksimeerida uue teguri dispersiooni, jääb samaks.

Pärast seda, kui joon, mille dispersioon on maksimaalne, on leitud, jääb selle ümber mõningane andmete hajuvus ja protseduuri on loomulik korrata. Põhikomponentide analüüsis tehakse täpselt seda: pärast esimest tegurit esile tõstetud, see tähendab, et pärast esimese rea joonistamist määratakse järgmine rida, mis maksimeerib jääkvariatsiooni (andmete levik esimese rea ümber) jne. Seega tuvastatakse tegurid järjestikku üksteise järel. Kuna iga järgnev tegur määratakse nii, et eelmistest jääv varieeruvus oleks maksimaalne, siis osutuvad tegurid üksteisest sõltumatuks (korreleerimata või ortogonaalne).

Omaväärtused ja eraldatud tegurite arv

Vaatame mõningaid põhikomponentide analüüsi standardtulemusi. Korduvate arvutustega tuvastatakse järjest väiksema dispersiooniga tegurid. Esitamise lihtsuse huvides arvatakse, et töö algab tavaliselt maatriksiga, milles kõigi muutujate dispersioon on 1,0. Seetõttu on kogu dispersioon võrdne muutujate arvuga. Näiteks kui muutujaid on 10 ja igaühe dispersioon on 1, siis suurim dispersioon, mida saab potentsiaalselt eraldada, on 10 korda 1.

Oletame, et eluga rahulolu uuring hõlmas 10 eset, et mõõta koduelu ja tööga rahulolu erinevaid aspekte. Järjestikuste teguritega seletatav dispersioon on esitatud tabelis 3.14:

Tabel 3. 14

Omaväärtuste tabel

STATISTIKATEGURI ANALÜÜS	Omaväärtused (factor.sta) Esiletõst: peamised komponendid
Tähendus	Omaväärtused	% kogu dispersioon	Kumuleerida. oma tähenduses	Kumuleerida. %

Tabeli 3. 14. teises veerus (omaväärtused) esitatakse uue, just tuvastatud teguri dispersioon. Iga teguri kolmas veerg annab iga teguri kogu dispersiooni protsendi (antud näites on see 10). Nagu näete, selgitab esimene tegur (väärtus 1) 61 protsenti kogu dispersioonist, tegur 2 (väärtus 2) 18 protsenti jne. Neljas veerg sisaldab akumuleeritud (kumulatiivset) dispersiooni.

Seega nimetatakse tegurite poolt eraldatud dispersioone omaväärtused. See nimi tuleneb kasutatud arvutusmeetodist.

Kui teate, kui palju erinevusi iga tegur kaasa aitas, võite naasta küsimuse juurde, kui palju tegureid tuleks säilitada. Nagu eespool öeldud, on see otsus meelevaldne. Siiski on mõned üldtunnustatud soovitused ja praktikas annab nende järgimine parima tulemuse.

Kriteeriumid tegurite valimisel

Kaiseri kriteerium. Esiteks valitakse ainult need tegurid, mille omaväärtused on suuremad kui 1. Sisuliselt tähendab see, et kui tegur ei kiirga dispersiooni, mis on võrdne vähemalt ühe muutuja dispersiooniga, siis see jäetakse välja. Selle kriteeriumi pakkus välja Kaiser (1960) ja see on kõige laialdasemalt kasutatav. Ülaltoodud näites (vt tabel 3.14) tuleks selle kriteeriumi alusel säilitada ainult 2 tegurit (kaks põhikomponenti).

Ekraani kriteerium on graafiline meetod, mille pakkus esmakordselt välja Cattell (1966). See võimaldab kuvada omaväärtusi lihtsa graafiku kujul:

Riis. 3. 11. Silindri kriteerium

Mõlemat kriteeriumi on üksikasjalikult uurinud Browne (1968), Cattell ja Jaspers (1967), Hakstian, Rogers ja Cattell (1982), Lynn (1968), Tucker, Koopman ja Lynn (Tucker, Koopman, Linn, 1969). Cattel soovitas leida graafikul koht, kus omaväärtuste vähenemine vasakult paremale aeglustub nii palju kui võimalik. Eeldatakse, et sellest punktist paremal on ainult "factorial scree" ("talus" on geoloogiline termin kivimikildudele, mis kogunevad kivise nõlva põhja). Selle kriteeriumi kohaselt võib vaadeldavasse näitesse jätta 2 või 3 tegurit.

Millist kriteeriumi tuleks praktikas ikkagi eelistada?Teoreetiliselt on võimalik karakteristikke arvutada juhuslike andmete genereerimise teel kindla arvu tegurite kohta. Seejärel näete, kas kasutatud kriteerium on tuvastanud piisavalt täpse arvu olulisi tegureid või mitte. Seda üldmeetodit kasutades esimene kriteerium ( Kaiseri kriteerium) säilitab mõnikord liiga palju tegureid, samas kui teine kriteerium ( tasapinna kriteerium) mõnikord säilitab liiga vähe tegureid; mõlemad kriteeriumid on aga tavatingimustes üsna head, kui tegureid on suhteliselt vähe ja muutujaid palju.

Praktikas tekib oluline lisaküsimus, nimelt: millal saab saadud lahendust mõtestatult tõlgendada. Seetõttu vaadatakse tavaliselt mitut enam-vähem teguritega lahendust ja seejärel valitakse see, millel on kõige mõttekam. Seda küsimust arutatakse edasi faktorirotatsiooni raames.

Ühisused

Faktoranalüüsi keeles nimetatakse dispersiooni osakaalu konkreetses muutujas, mis kuulub ühiste tegurite hulka (ja on jagatud teiste muutujatega). kogukond. Seetõttu on selle mudeli rakendamisel uurija ees seisev lisatöö hinnata iga muutuja ühisjooni, s.o. dispersiooni osakaal, mis on ühine kõikidele üksustele. Siis dispersiooni osakaal, mille eest iga üksus vastutab, on võrdne kõikidele muutujatele vastava summaarse dispersiooniga, millest on lahutatud kogukondlikkus (Harman ja Jones, 1966).

Peamised tegurid ja põhikomponendid

Tähtaeg faktoranalüüs hõlmab nii põhikomponentide analüüsi kui ka põhifaktoranalüüsi. Eeldatakse, et üldiselt on teada, kui palju tegureid tuleks tuvastada. Saab teada (1) tegurite olulisuse, (2) kas neid on võimalik mõistlikult tõlgendada ja (3) kuidas seda teha. Et illustreerida, kuidas seda saab teha, töötame tagurpidi, st alustame mõnest tähenduslikust struktuurist ja seejärel vaatame, kuidas see tulemustes väljendub.

Peamine erinevus kahe faktoranalüüsi mudeli vahel seisneb selles, et põhikomponentanalüüsis eeldatakse, et kõik muutujate varieeruvus, samas kui peafaktoranalüüs kasutab ainult muutuja varieeruvust, mis on ühine teistele muutujatele.

Enamikul juhtudel annavad need kaks meetodit väga sarnaseid tulemusi. Andmete redutseerimise meetodina eelistatakse aga sageli põhikomponentanalüüsi, samas kui andmete struktuuri määramiseks on parem kasutada põhifaktoranalüüsi.

Faktoranalüüs kui andmete klassifitseerimise meetod

Korrelatsioonimaatriks

Faktoranalüüsi esimene etapp hõlmab korrelatsioonimaatriksi arvutamist (tavalise valimijaotuse korral). Tuleme tagasi rahulolu näite juurde ja vaatame töö- ja kodurahuloluga seotud muutujate korrelatsioonimaatriksit.

Föderaalne haridusagentuur

Moskva Riiklik Ülikool

Majandus, statistika ja arvutiteadus

Tveri haru

(Ebaväline)

Test

Distsipliin: strateegilise analüüsi meetodid

Teema 11: Ettevõtte faktorianalüüs.

Lõpetatud:

3. kursuse üliõpilane

Rühmad Z8-MO-31

Rumjantseva E.S.

Ei. raamatud 66201

Kontrollitud:

Dorokhin DG.

Sissejuhatus. ……………………………………………………………………….……….3

1.Faktoranalüüs, selle liigid ja ülesanded. …………………………..4

2. Faktoranalüüsi liigid ettevõtted. …………………………… 7

3. Finantsanalüüsi põhimudelid. ……….……………10

Järeldus. ………………………………………………………… 12

Bibliograafia. ………………………………..14

Sissejuhatus.

Mis tahes objekti haldamine eeldab ennekõike teadmisi selle algseisundist, teavet selle kohta, kuidas objekt eksisteeris ja arenes olevikule eelnevatel perioodidel. Ainult hankides piisavalt täielikku ja usaldusväärset teavet objekti tegevuse kohta minevikus, selle toimimise ja arengu valitsevate suundumuste kohta, saab välja töötada kindlad juhtimisotsused, äriplaanid ja objektide arendusprogrammid tulevasteks perioodideks.
Turumajanduses on eriti oluline määrata kindlaks ettevõtete finantsstabiilsus, s.o. rahaliste ressursside seisund, milles ettevõte saab rahaliste vahenditega vabalt manööverdada, et nende efektiivse kasutamisega tagada toodete tootmise ja müügi katkematu protsess, samuti kulutused tootmisbaasi laiendamiseks ja ajakohastamiseks.

Ettevõtete finantsstabiilsuse piiride kindlaksmääramine on turumajanduse üks olulisemaid probleeme. Ebapiisav finantsstabiilsus võib kaasa tuua organisatsioonide maksejõuetuse, rahapuuduse jooksva või investeerimistegevuse rahastamiseks ja pankrotti, samas kui liigne finantsstabiilsus takistab arengut, mille tulemuseks on üleliigsete varude ja reservide teke, kapitali käibeperioodide pikenemine ja lühenemine. kasumit.

Finantsanalüüs võimaldab meil sellise jätkusuutlikkuse parameetreid põhjendada. Selline analüüs ei võimalda aga mitte ainult hinnata ettevõtte hetkeolukorda, vaid on ka aluseks, vajalikuks eelduseks strateegiliste otsuste väljatöötamiseks, mis määravad ettevõtte arenguväljavaated. Üks finantsanalüüsi tüüp on faktoranalüüs. Minu testtöö eesmärgiks on vaagida faktoranalüüsi liike, ülesandeid ja mudeleid, selle eesmärki ja kasutamise asjakohasust.

1.Faktoranalüüs, selle eesmärk ja ülesanded. Mis tahes sotsiaal-majandusliku süsteemi (mis hõlmab ka tegutsevat ettevõtet) toimimine toimub sisemiste ja väliste tegurite kompleksi keerulise koostoime tingimustes. Faktor- see on protsessi või nähtuse põhjus, liikumapanev jõud, mis määrab selle iseloomu või selle ühe peamise tunnuse. Faktoranalüüs- metoodika igakülgseks ja süstemaatiliseks tegurite mõju uuringuks ja mõõtmiseks tulemusnäitajate väärtusele, mitme muutujaga statistilise analüüsi osa, mis ühendab meetodid paljude vaadeldavate muutujate dimensiooni hindamiseks. Teisisõnu, meetodi ülesanne on liikuda reaalselt suurelt arvult märkidelt või põhjustelt, mis määravad vaadeldava varieeruvuse, väikese hulga kõige olulisemate muutujate (tegurite) juurde minimaalse infokaoga (olemuselt sarnased meetodid). , kuid mitte matemaatilises mõttes – komponentanalüüs, kanooniline analüüs jne). Faktoranalüüs ilmus esmakordselt psühhomeetrias ja on nüüdseks laialdaselt kasutusel mitte ainult psühholoogias, vaid ka neurofüsioloogias, sotsioloogias, politoloogias, majanduses, statistikas ja teistes teadustes. Faktoranalüüsi põhiideed pani paika inglise psühholoog ja antropoloog, eugeenika rajaja Galton F. (1822-1911).

Hindamisprotseduur koosneb kahest etapist: faktoristruktuuri hindamine – väärtustevahelise korrelatsiooni selgitamiseks vajalike tegurite arv ja faktorite laadimine ning seejärel tegurite endi hindamine vaatlustulemuste põhjal. Ühesõnaga all faktoranalüüs mõistab metoodikat igakülgseks ja süstemaatiliseks tegurite mõju tulemusnäitajate väärtusele uurimiseks ja mõõtmiseks.

Faktoranalüüsi eesmärk

Faktoranalüüs – definitsioon tegurite mõju tulemusel - on üks tugevamaid metoodilisi lahendusi ettevõtete majandustegevuse analüüsimisel otsuste tegemiseks. Juhtidele- lisaks argument, lisaks "nägemisnurk".

Faktoranalüüsi kasutamise otstarbekus

Nagu teate, saate kõike lõpmatuseni analüüsida. Esimeses etapis on soovitatav läbi viia kõrvalekallete analüüs ning vajadusel ja põhjendatult rakendada faktoranalüüsi meetodit. Paljudel juhtudel piisab lihtsast kõrvalekallete analüüsist, et mõista, et kõrvalekalle on "kriitiline" ja kui selle mõju määra pole üldse vaja teada.

Faktoranalüüsi peamised ülesanded:

1. Uuritavaid tulemusnäitajaid määravate tegurite valik.

2. Tegurite klassifitseerimine ja süstematiseerimine, et pakkuda terviklikku ja süsteemset lähenemist nende mõju uurimisele majandustegevuse tulemustele.

3. Tegurite ja tulemusnäitajate vahelise sõltuvuse vormi määramine.

4. Tegurite ja tulemusnäitajate vaheliste seoste modelleerimine.

5. Tegurite mõju arvutamine ja nende igaühe rolli hindamine tulemusnäitaja muutmisel.

6. Töö faktormudeliga. Faktoranalüüsi metoodika.

Praktikas kasutatakse faktoranalüüsi aga harva mitmel põhjusel:
1) selle meetodi rakendamine nõuab teatavaid jõupingutusi ja konkreetset tööriista (tarkvaratoode);
2) ettevõtetel on teised "igavesed" prioriteedid.
Veelgi parem on, kui faktoranalüüsi meetod on finantsmudelisse “sisse ehitatud”, aga ei ole abstraktne rakendus.

Üldiselt võib eristada järgmist: faktoranalüüsi peamised etapid :

Analüüsi eesmärgi seadmine.

Uuritavaid tulemusnäitajaid määravate tegurite valik.

Tegurite klassifitseerimine ja süstematiseerimine, et pakkuda terviklikku ja süsteemset lähenemist nende mõju uurimisele majandustegevuse tulemustele.

Tegurite ja tulemusnäitaja vahelise sõltuvuse vormi määramine.

Tulemuslikkuse ja faktorinäitajate vaheliste seoste modelleerimine.

Tegurite mõju arvutamine ja nende igaühe rolli hindamine tulemusnäitaja väärtuse muutmisel.

Töö faktormudeliga (selle praktiline kasutamine majandusprotsesside juhtimisel).

Analüüsitavate tegurite valik konkreetse näitaja puhul tehakse teoreetiliste ja praktiliste teadmiste põhjal konkreetses tööstusharus. Sel juhul lähtuvad nad tavaliselt põhimõttest: mida suurem on uuritud tegurite kompleks, seda täpsemad on analüüsi tulemused. Samal ajal tuleb meeles pidada, et kui seda tegurite kompleksi käsitleda mehaanilise summana, võtmata arvesse nende koostoimet, tuvastamata peamisi, määravaid, siis võivad järeldused olla ekslikud. Äritegevuse analüüsis (ABA) saavutatakse nende süstematiseerimise kaudu omavahel seotud uuring tegurite mõjust tulemusnäitajate väärtusele, mis on selle teaduse üks peamisi metodoloogilisi küsimusi.

Faktoranalüüsi oluline metodoloogiline küsimus on sõltuvuse vormi määramine tegurite ja tulemusnäitajate vahel: funktsionaalne või stohhastiline, otsene või pöördvõrdeline, lineaarne või kõverjooneline. See kasutab teoreetilisi ja praktilisi kogemusi, samuti paralleelsete ja dünaamiliste seeriate võrdlemise meetodeid, lähteteabe analüütilisi rühmitusi, graafilisi jne.

Majandusnäitajate modelleerimine esindab ka faktoranalüüsis keerulist probleemi, mille lahendamine nõuab eriteadmisi ja -oskusi.

Faktorite mõju arvutamine- ACD peamine metodoloogiline aspekt.

Faktoranalüüsi viimane etapp on faktormudeli praktiline kasutamine arvutada reservid efektiivse näitaja kasvuks, planeerida ja prognoosida selle väärtust olukorra muutumisel.

2. Faktoranalüüsi liigid ettevõtted.

Sõltuvalt faktormudeli tüübist on faktoranalüüsi kaks peamist tüüpi: deterministlik ja stohhastiline.

Deterministlik faktorianalüüs on meetod selliste tegurite mõju uurimiseks, mille seos efektiivse näitajaga on olemuselt funktsionaalne, st kui faktorimudeli efektiivne näitaja esitatakse tegurite korrutise, jagatise või algebralise summana.

Seda tüüpi faktoranalüüs on kõige levinum, kuna olles üsna lihtne kasutada (võrreldes stohhastilise analüüsiga), võimaldab see mõista ettevõtte arengu peamiste tegurite toimimise loogikat, kvantifitseerida nende mõju, mõista, millised tegurid ja millises vahekorras on võimalik ja soovitav muuta tootmise efektiivsuse tõstmiseks.

Deterministlikul faktorianalüüsil on üsna range protseduuride jada:

majanduslikult põhjendatud deterministliku faktori mudeli konstrueerimine;

faktoranalüüsi tehnika valimine ja tingimuste ettevalmistamine selle rakendamiseks;

mudelianalüüsi loendusprotseduuride rakendamine;

Stohhastiline analüüs on metoodika selliste tegurite uurimiseks, mille seos tulemusnäitajaga erinevalt funktsionaalsest on puudulik ja tõenäosuslik (korrelatsioon). Stohhastilise meetodi olemus on stohhastiliste sõltuvuste mõju mõõtmine ebakindlate ja ligikaudsete teguritega. Stohhastilist meetodit on soovitav kasutada mittetäieliku (tõenäosusliku) korrelatsiooniga majandusuuringute puhul: näiteks turundusprobleemide puhul. Kui funktsionaalse (täieliku) sõltuvuse korral koos argumendi muutumisega toimub funktsioonis alati vastav muutus, siis korrelatsiooniühenduse korral võib argumendi muutus anda sõltuvalt kombinatsioonist mitu funktsiooni suurenemise väärtust. muudest teguritest, mis seda näitajat määravad. Näiteks võib tööviljakus kapitali ja tööjõu suhte samal tasemel eri ettevõtetes olla erinev. See sõltub muude seda näitajat mõjutavate tegurite optimaalsest kombinatsioonist.

Erinevalt rangelt deterministlikust lähenemisviisist nõuab stohhastiline lähenemine rakendamiseks mitmeid eeltingimusi:

a) elanikkonna olemasolu;

b) piisav hulk vaatlusi;

c) vaatluste juhuslikkus ja sõltumatus;

d) homogeensus;

e) normaalsele lähedase tunnuste jaotuse olemasolu;

f) spetsiaalse matemaatilise aparaadi olemasolu.

Lisaks deterministlikuks ja stohhastiliseks jagamisele eristatakse järgmist tüüpi faktoranalüüsi:

otsene ja vastupidine;

üheastmeline ja mitmeastmeline;

staatiline ja dünaamiline;

tagasiulatuv ja perspektiivne (prognoos).

Kell otsene faktoranalüüs Uuring viiakse läbi deduktiivselt – üldisest konkreetseni. Pöördfaktori analüüs viib läbi põhjus-tagajärg seoste uurimist loogilise induktsiooni meetodil - konkreetsetest üksikutest teguritest üldiste teguriteni.

Faktoranalüüs võib olla üks etapp Ja mitmeastmeline. Esimest tüüpi kasutatakse ainult ühe alluvustaseme (ühe tasandi) tegurite uurimiseks, ilma neid komponentideks täpsustamata. Näiteks, . Mitmeetapilises faktoranalüüsis on tegurid üksikasjalikud a Ja b koostisosadeks, et uurida nende käitumist. Tegurite täpsustamist saab jätkata. Sel juhul uuritakse tegurite mõju erinevatel alluvustasanditel.

Samuti on vaja eristada staatiline Ja dünaamiline faktoranalüüs. Esimest tüüpi kasutatakse siis, kui uuritakse tegurite mõju tulemusnäitajatele vastaval kuupäeval. Teine tüüp on dünaamika põhjus-tagajärg seoste uurimise tehnika.

Lõpuks võib faktoranalüüs olla tagasivaade, mis uurib tulemusnäitajate tõusu põhjuseid möödunud perioodidel ning paljutõotav, mis uurib tegurite ja tulemusnäitajate käitumist perspektiivis.

3. Finantsanalüüsi põhimudelid.

Iga finantsanalüüsi tüüp põhineb mudeli kasutamisel, mis võimaldab hinnata ja analüüsida ettevõtte peamiste näitajate dünaamikat. Mudeleid on kolme peamist tüüpi: kirjeldav, predikatiivne ja normatiivne.

Kirjeldavad mudelid tuntud ka kui kirjeldavad mudelid. Need on olulised ettevõtte finantsseisundi hindamisel. Nende hulka kuuluvad: bilansside aruandluse süsteemi ülesehitamine, finantsaruannete esitamine erinevates analüütilistes osades, aruandluse vertikaalne ja horisontaalne analüüs, analüütiliste koefitsientide süsteem, aruandluse analüütilised lisad. Kõik need mudelid põhinevad raamatupidamisinfo kasutamisel.

Keskmiselt vertikaalne analüüs seisneb finantsaruannete erinevas esitusviisis - suhteliste väärtuste kujul, mis iseloomustavad üldistavate kogunäitajate struktuuri. Analüüsi kohustuslik element on nende suuruste dünaamiline jada, mis võimaldab jälgida ja prognoosida struktuurimuutusi majandusvarade koostises ja nende katmise allikates.

Horisontaalne analüüs võimaldab tuvastada finantsaruannetes sisalduvate üksikute kirjete või nende rühmade muutuste suundumusi. See analüüs põhineb bilansi- ja kasumiaruande kirjete põhikasvumäärade arvutamisel.

Analüütiliste koefitsientide süsteem– finantsanalüüsi põhielement, mida kasutavad erinevad kasutajarühmad: juhid, analüütikud, aktsionärid, investorid, võlausaldajad jne. Selliseid näitajaid on kümneid, mis jagunevad finantsanalüüsi põhivaldkondade järgi mitmesse rühma:

likviidsusnäitajad;

finantsstabiilsuse näitajad;

äritegevuse näitajad;

kasumlikkuse näitajad.

Predikatiivsed mudelid Need on ennustavad mudelid. Neid kasutatakse ettevõtte tulude ja tulevase finantsseisundi prognoosimiseks. Levinumad neist on: kriitilise müügimahu punkti arvutamine, prognoositavate finantsaruannete koostamine, dünaamilise analüüsi mudelid (rangelt määratud faktorimudelid ja regressioonimudelid), olukorra analüüsi mudelid.

Normatiivsed mudelid. Seda tüüpi mudelid võimaldavad võrrelda ettevõtete tegelikke tulemusi eelarve järgi arvutatud eeldatavate tulemustega. Neid mudeleid kasutatakse peamiselt ettevõttesiseses finantsanalüüsis. Nende olemus taandub tehnoloogiliste protsesside, tooteliikide, vastutuskeskuste jms iga kuluartikli standardite kehtestamisele ning tegelike andmete kõrvalekallete analüüsile nendest standarditest. Analüüs põhineb suuresti rangelt deterministlike faktorimudelite kasutamisel.

Järeldus.

Kõik mudelis olevad tegurid, nii olulisuse taseme kui ka muutustrendide osas, omavad tööstusharuspetsiifilisi omadusi, mida analüütik peab arvestama. Seega võib ressursi tootlikkuse näitaja olla suhteliselt madala väärtusega kõrgtehnoloogilistes tööstusharudes, mida iseloomustab kapitalimahukus, vastupidi, nende majandustegevuse tasuvusnäitaja saab olema suhteliselt kõrge. Finantssõltuvuse koefitsiendi kõrget väärtust saavad endale lubada ettevõtted, kellel on oma toodete jaoks stabiilne ja prognoositav rahavoog. Sama kehtib ettevõtete kohta, millel on suur likviidsete varade osakaal (kaubandus- ja turustusettevõtted, pangad). Sellest tulenevalt võib ta sõltuvalt valdkonna spetsiifikast ning konkreetses ettevõttes valitsevatest finants- ja majandustingimustest tugineda omakapitali tootluse suurendamisel ühele või teisele tegurile.

Töö tulemusena saab teha järgmised järeldused.

Faktoranalüüs on üks tugevamaid metoodilisi lahendusi ettevõtete majandustegevuse analüüsimisel otsuste tegemiseks. Peamine ülesanne, mis lahendatakse erinevate faktorianalüüsi meetoditega, sealhulgas põhikomponentide meetodiga, on teabe tihendamine, üleminek väärtuste komplektilt vastavalt teabemahuga elementaarsetele omadustele piiratud hulgale. iga vaadeldava objekti faktorite kaardistamise maatriksi või latentse faktori väärtuste maatriksi elemendid.

Faktoranalüüsi meetodid võimaldavad visualiseerida ka uuritavate nähtuste ja protsesside struktuuri, mis tähendab nende seisundi määramist ja arengu ennustamist. Lõpuks annavad faktoranalüüsi andmed aluse objekti tuvastamiseks, s.t. pildituvastuse probleemi lahendamine.

Faktoranalüüsi meetoditel on omadused, mis on väga atraktiivsed nende kasutamiseks teiste statistiliste meetodite osana, kõige sagedamini korrelatsioon- ja regressioonanalüüsis, klasteranalüüsis, mitmemõõtmelises skaleerimises jne.

Bibliograafia.

1. Gaponenko A.L. Üld- ja erijuhtimine: õpik / A.L. Gaponenko, A.P. Pankrukhin. – M.: RAGS, 2009. – 436 lk.

2. Kljunja V.L., Silvanovitš V.I. Rahvusvaheline juhtimine: õpik. toetus / V.L. Klyunya, V.I. Silvanovitš. – Grodno: GrSU, 2008. – 184 lk.

3. Savitskaja G.V. Majandustegevuse analüüs: õpik. toetust. – Minsk “Uued teadmised”, 2007. – 234 lk.

4. Elektrooniline statistikaõpik. Moskva, StatSoft. VEEB: www.statsoft.ru/home/textbook/default.htm.

Faktoriaalne analüüs varade tasuvus (2)
Abstraktne >> Majandusteooria
Edukate ja kahjumlike tegevuste uurimine ettevõtted majanduslikest meetoditest on välja töötatud mitmete koefitsientide optimaalsed väärtused analüüs – faktoriaalne analüüs erinevad majandusnäitajad. Pooleli faktoriaalne analüüs näitajaid ehitatakse...
Faktoriaalne analüüs rahaline analüüs ettevõtetele ja nende tugevdamise viisidele
Diplom >> Majandus
On olemas deterministlikud ja stohhastilised meetodid faktoriaalne analüüs. Deterministlik faktoriaalne analüüs on seadmete ja kõrge teeninduskvaliteedi uurimismetoodika ettevõte pakub konkurentsivõimelist hinnapoliitikat, mis...
Faktoriaalne analüüs varade tasuvus (1)
Kursusetööd >> Finantsteadused
Ühiskond. 1.2 Faktoriaalne analüüs kogu (raamatupidamislik) kasum enne makse Üldiselt faktoriaalne analüüs- See analüüs indiviidi mõju... I (kõrge kasumlikkus - suur käive) tabasin ettevõtted, ühendades eduka tootepoliitika ja tõhusa...