180229 (Экономический анализ хозяйственной деятельности предприятий), страница 4
Описание файла
Документ из архива "Экономический анализ хозяйственной деятельности предприятий", который расположен в категории "". Всё это находится в предмете "экономика" из , которые можно найти в файловом архиве . Не смотря на прямую связь этого архива с , его также можно найти и в других разделах. Архив можно найти в разделе "книги и методические указания", в предмете "экономика" в общих файлах.
Онлайн просмотр документа "180229"
Текст 4 страницы из документа "180229"
Если массив известные значения y имеет одну строку, то каждая строка массива известные значения x интерпретируется как отдельная переменная.
Известные значения x - это необязательное множество значений x, которые уже известны для соотношения y = mx + b.
Массив известные значения x может содержать одно или несколько множеств переменных. Если используется только одна переменная, то известные значения y и известные значения x могут быть массивами любой формы при условии, что они имеют одинаковую размерность. Если используется более одной переменной, то известные значения y должны быть вектором (то есть интервалом высотой в одну строку или шириной в один столбец).
Если известные значения x опущены, то предполагается, что это массив {1; 2; 3;... } такого же размера как и известные значения y.
Конст - это логическое значение, которое указывает, требуется ли, чтобы константа b была равна 0.
Если конст имеет значение истина или опущено, то b вычисляется обычным образом.
Если конст имеет значение ложь, то b полагается равным 0 и значения m подбираются так, чтобы выполнялось соотношение y = mx.
Статистика - это логическое значение, которое указывает, требуется ли вернуть дополнительную статистику по регрессии.
Если статистика имеет значение истина, то функция линейн возвращает дополнительную регрессионную статистику, так что возвращаемый массив будет иметь вид:
mn mn-1 ……………. m2 m1 b
sen sen-1. ……………. se2 se1 seb
r2 sey
F dF
Ssreg ssresid
Его описание представлено в таблице 13.
Если статистика имеет значение ложь или опущена, то функция линейн возвращает только коэффициенты m и постоянную b.
Точность аппроксимации с помощью прямой, вычисленной функцией линейн, зависит от степени разброса данных. Чем ближе данные к прямой, тем более точной является модель, используемая функцией линейн. Функция линейн использует метод наименьших квадратов для определения наилучшей аппроксимации данных.
Проводя регрессионный анализ, Microsoft Excel вычисляет для каждой точки квадрат разности между прогнозируемым значением y и фактическим значением y. Сумма этих квадратов разностей называется остаточной суммой квадратов. Затем Microsoft Excel подсчитывает сумму квадратов разностей между фактическими значениями y и средним значением y, которая называется общей суммой квадратов (регрессионная сумма квадратов + остаточная сумма квадратов). Чем меньше остаточная сумма квадратов по сравнению с общей суммой квадратов, тем больше значение коэффициента детерминированности r2, который показывает, насколько хорошо уравнение, полученное с помощью регрессионного анализа, объясняет взаимосвязи между переменными.
Таблица 13 - Описание элементов возвращаемого массива
Величина | Описание |
Se1,se2,...,sen | Стандартные значения ошибок для коэффициентов m1, m2,...,mn. |
seb | Стандартное значение ошибки для постоянной b (seb = #Н/Д, если конст имеет значение ЛОЖЬ). |
r2 | Коэффициент детерминации. Сравниваются фактические значения y и значения, получаемые из уравнения прямой; по результатам сравнения вычисляется коэффициент детерминации, нормированный от 0 до 1. Если он равен 1, то имеет место полная корреляция с моделью, т.е. нет различия между фактическим и оценочным значениями y. В противоположном случае, если коэффициент детерминации равен 0, то уравнение регрессии неудачно для предсказания значений y. |
sey | Стандартная ошибка для оценки y. |
F | F-статистика, или F-наблюдаемое значение. F-статистика используется для определения того, является ли наблюдаемая взаимосвязь между зависимой и независимой переменными случайно или нет. |
dF | Степени свободы. Степени свободы полезны для нахождения F-критических значений в статистической таблице. Для определения уровня надежности модели нужно сравнить значения в таблице с F - статистикой, возвращаемой функцией ЛИНЕЙН. |
ssreg | Регрессионая сумма квадратов. |
ssresid | Остаточная сумма квадратов. |
5.2 Методические указания по выполнению задания 2
5.2.1 Способ цепной подстановки
Одним из важнейших методологических вопросов в АХД является определение величины влияния отдельных факторов на прирост результативных показателей. В детерминированном анализе для этого используются следующие способы: цепной подстановки, индексный, абсолютных разниц, относительных разниц, пропорционального деления и интегральный метод.
Первые четыре способа основываются на методе элиминирования. Элиминировать - это значит устранить, отклонить, исключить воздействие всех факторов на величину результативного показателя кроме одного. Этот метод исходит из того, что все факторы изменяются независимо друг от друга: сначала изменяется один, а все другие остаются без изменения, потом изменяются два, затем три и т.д., при неизменности остальных. Это позволяет определить влияние каждого фактора на величину исследуемого показателя в отдельности.
Наиболее универсальным из них является способ цепной подстановки. Он используется для расчета влияния факторов во всех типах детерминированных факторных моделей: аддитивных, мультипликативных, кратных и смешанных (комбинированных). Этот способ позволяет определить влияние отдельных факторов на изменение величины результативного показателя путем постепенной замены базисной величины каждого факторного показателя в объеме результативного показателя на фактическую в отчетном периоде.
С этой целью определяют ряд условных величин результативного показателя, которые учитывают изменение одного, затем двух, трех и т.д. факторов, допуская, что остальные не меняются. Сравнение величины результативного показателя до и после изменения уровня того или другого фактора позволяет элиминироваться от влияния всех факторов, кроме одного, и определить воздействие последнего на прирост результативного показателя.
Порядок применения этого способа рассмотрим на следующем примере (табл.14).
Как нам уже известно, объем валовой продукции (ВП) зависит от двух основных факторов первого уровня: численности рабочих (КР) и среднегодовой выработки {ГВ). Имеем двухфакторную мультипликативную модель:
ВП = КР * ГВ.
Алгоритм расчета способом цепной подстановки для этой модели:
ВПпл = КРпл*ГВпл = 1000*160 = 160000 млн тенге.,
ВПусл = КРф*ГВ усл = 1200*160 = 192000 млн тенге,
ВПф = КРф *ГВф = 1200*200 = 240000 млн тенге.
Как видим, второй показатель валовой продукции отличается от первого тем, что при его расчете принята фактическая численность рабочих вместо запланированной. Среднегодовая выработка продукции одним рабочим в том и другом случае плановая. Значит за счет увеличения количества рабочих выпуск продукции увеличился на 32 000 млн тг. (192 000 - 160 000).
Третий показатель отличается от второго тем, что при расчете его величины выработка рабочих принята по фактическому уровню вместо плановой. Количество же работников в обоих случаях фактическое. Отсюда за счет повышения производительности труда объем валовой продукции увеличился на 48 000 млн тг. (240 000 - 192 000).
Таким образом, перевыполнение плана по объему валовой продукции явилось результатом влияния следующих факторов:
а) увеличения численности рабочих + 32 000 млн тг.
б) повышения уровня производительности труда + 48 000 млн тг.
Итого + 80 000 млн тг.
Таблица 14 - Данные для факторного анализа объема валовой продукции
Показатель | Условное обознач. | План | Факт | +,- | Выполнение плана, % |
Валовая продукция, тыс. тг. | ВП | 160000 | 240 000 | +80 000 | 150 |
Среднегодовая численность рабочих, чел. | КР | 1000 | 1200 | +200 | 120 |
Отработано всеми рабочими за год: Дней Часов | D t | 250000 2000000 | 307 200 2 334 720 | +57 200 +334 720 | 122,88 116,736 |
Среднегодовая выработка на одного рабочего, млн тг. | ГВ | 160 | 200 | +40 | 125 |
Количество отработанных дней одним рабочим за год | Д | 250 | 256 | +6 | 102,4 |
Среднедневная выработка продукции одним рабочим, тыс. тг | ДВ | 640 | 781,25 | +141,25 | 122,1 |
Средняя продолжительность рабочего дня, | П | 8 | 7,6 | -0,4 | 95 |
Среднечасовая выработка, тыс. тг. | СВ | 80 | 102,796 | +22,796 | 128,5 |
Алгебраическая сумма влияния факторов обязательно должна быть равна общему приросту результативного показателя:
ВПкр + ВПГВ = ВПобщ
Отсутствие равенства свидетельствует о допущенных ошибках в расчетах.
Для наглядности результаты анализа приведены в табл.15
Таблица 15 - Результаты факторного анализа валовой продукции
Показатель | Численность рабочих | Годовая выработка, млн тг. | Валовая продукция, млрд тг. | Отклонение от плана | |||||||
План | факт | план | факт | план | Усл. | факт | всего | в т. ч. за счет | |||
КР | ГВ | ||||||||||
Цех 1 | 200 | 220 | 180 | 210 | 36 | 39,6 | 46,2 | +10,2 | +3,6 | +6,6 | |
Цех 2 | 370 | 400 | 150 | 165 | 55,5 | 60,0 | 66,0 | +10,5 | +4,5 | +6,0 | |
И т.д. | |||||||||||
Всего | 1000 | 1200 | 160 | 200 | 160 | 192 | 240 | +80 | +32 | +48 |
Если требуется определить влияние трех факторов, то в этом случае рассчитывается не один, а два условных дополнительных показателя, т.е. количество условных показателей на единицу меньше количества факторов. Проиллюстрируем это на четырехфакторной модели валовой продукции:
ВП = КР * Д * П * СВ.
Исходные данные для решения задачи приведены в табл.15:
ВПпл = КРпл * Дпл * Ппл * СВпл = 1000 * 250 * 8 *80 = 160000 млн тг.;
ВПусл1 = КРф * Дпл * Ппл * СВпл = 1200 * 250 * 8 * 80 = 192000 млн тг.;
ВПусл2 = КРф * Дф * Ппл * СВпл = 1200 * 256 * 8* 80 =196608 млн тг.;
ВПусл3 = КРф * Дф * Пф * СВпл = 1200 * 256 * 7,6 * 80 = 186778 млн тг.;
ВПф = КРф * Дф * Пф * СВф = 1200 * 256 * 7,6 * 102,796 = 240000 млн тг.;
План по выпуску продукции в целом перевыполнен на 80000 млн тг. (240000 - 160000), в том числе за счет изменения:
а) количества рабочих
ВПкр = ВПусл1 - ВПпл = 192000 - 160000 = +32000;
б) количества отработанных дней одним рабочим за год