Для удобства изучения материала разбиваем статью на темы:

П кр = В отч * (У кр отч. -У кр. баз.)/100
У кр.отч. и баз – графы 6 и 7.

5. Расчет фактора «управленческие расходы»

Пупр. =Вотч. *(Ууро -У урб)/100
Где Ууро и У ур - соответственно уровни управленческих расходов в отчетном и базисном периодах

6. Расчет совокупности влияния всех факторов на прибыль от продаж

Сумма «Итого» должна быть равна абсолютному отклонению по строке 050 Формы №2 (графа 5). Если это не так, то расчеты ошибочны и дальнейший анализ не имеет смысла.

Факторный анализ может быть продолжен до чистой прибыли. Методика его проведения следующая:

1. По приведенной схеме анализируется прибыль от продаж.
2. Влияние всех остальных факторов (операционный доход, расход и т.д.) оценивается по графе 5 в приведенной выше таблице.

Методы факторного анализа

Все явления и процессы хозяйственной деятельности предприятий находятся во взаимосвязи и взаимообусловленности. Одни из них непосредственно связаны между собой, другие косвенно. Отсюда важным методологическим вопросом в экономическом анализе является изучение и измерение влияния факторов на величину исследуемых экономических показателей.

Факторный анализ в учебной литературе трактуется как раздел многомерного статистического анализа, объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных или корреляционных матриц.

Свою историю факторный анализ начинает в психометрике и в настоящее время широко используется не только в психологии, но и в нейрофизиологии, социологии, политологии, в экономике, статистике и других науках. Основные идеи факторного анализа были заложены английским психологом и антропологом Ф. Гальтоном. Разработкой и внедрением факторного анализа в психологии занимались такие ученые как: Ч.Спирмен, Л.Терстоун и Р.Кеттел Математический факторный анализ разрабатывался Хотеллингом, Харманом, Кайзером, Терстоуном, Такером и другими учеными.

Данный вид анализа позволяет исследователю решить две основные задачи: описать предмет измерения компактно и в то же время всесторонне. С помощью факторного анализа возможно выявление факторов, отвечающих за наличие линейных статистических связей корреляций между наблюдаемыми переменными.

К примеру, анализируя оценки, полученные по нескольким шкалам, исследователь отмечает, что они сходны между собой и имеют высокий коэффициент корреляции, в этом случае он может предположить, что существует некоторая латентная переменная, с помощью которой можно объяснить наблюдаемое сходство полученных оценок. Такую латентную переменную называют фактором, который влияет на многочисленные показатели других переменных, что приводит к возможности и необходимости отметить его как наиболее общий, более высокого порядка.

Таким образом, можно выделить две цели факторного анализа:

Определение взаимосвязей между переменными, их классификация, т. е. «объективная R-классификация»;
сокращение числа переменных.

Для выявления наиболее значимых факторов и, как следствие, факторной структуры, наиболее оправданно применять метод главных компонентов. Суть данного метода состоит в замене коррелированных компонентов некоррелированными факторами. Другой важной характеристикой метода является возможность ограничиться наиболее информативными главными компонентами и исключить остальные из анализа, что упрощает интерпретацию результатов. Достоинство данного метода также в том, что он – единственный математически обоснованный метод факторного анализа.

Факторный анализ – методика комплексного и системного изучения и измерения воздействия факторов на величину результативного показателя.

Существуют следующие типы факторного анализа:

1. Детерминированный (функциональный) – результативный показатель представлен в виде произведения, частного или алгебраической суммы факторов.
2. Стохастический (корреляционный) – связь между результативным и факторными показателями является неполной или вероятностной.
3. Прямой (дедуктивный) – от общего к частному.
4. Обратный (индуктивный) – от частного к общему.
5. Одноступенчатый и многоступенчатый.
6. Статический и динамический.
7. Ретроспективный и перспективный.

Также факторный анализ может быть разведочным – он осуществляется при исследовании скрытой факторной структуры без предположения о числе факторов и их нагрузках и конфирматорным, предназначенным для проверки гипотез о числе факторов и их нагрузках. Практическое выполнение факторного анализа начинается с проверки его условий.

Обязательные условия факторного анализа:

Все признаки должны быть количественными;
Число признаков должно быть в два раза больше числа переменных;
Выборка должна быть однородна;
Исходные переменные должны быть распределены симметрично;
Факторный анализ осуществляется по коррелирующим переменным.

При анализе в один фактор объединяются сильно коррелирующие между собой переменные, как следствие происходит перераспределение дисперсии между компонентами и получается максимально простая и наглядная структура факторов. После объединения коррелированность компонент внутри каждого фактора между собой будет выше, чем их коррелированность с компонентами из других факторов. Эта процедура также позволяет выделить латентные переменные, что бывает особенно важно при анализе социальных представлений и ценностей.

Как правило, факторный анализ проводится в несколько этапов.

Этапы факторного анализа:

1 этап. Отбор факторов.
2 этап. Классификация и систематизация факторов.
3 этап. Моделирование взаимосвязей между результативным и факторными показателями.
4 этап. Расчет влияния факторов и оценка роли каждого из них в изменении величины результативного показателя.
5 этап. Практическое использование факторной модели (подсчет резервов прироста результативного показателя).

По характеру взаимосвязи между показателями различают методы детерминированного и стохастического факторного анализа

Детерминированный факторный анализ представляет собой влияния факторов, связь которых с результативным показателем носит функциональный характер, т. е. когда результативный показатель факторной модели представлен в виде произведения, частного или алгебраической суммы факторов.

Методы детерминированного факторного анализа: Метод цепных подстановок; Метод абсолютных разниц; Метод относительных разниц; Интегральный метод; Метод логарифмирования.

Данный вид факторного анализа наиболее распространен, поскольку, будучи достаточно простым в применении (по сравнению со стохастическим анализом), позволяет осознать логику действия основных факторов развития предприятия, количественно оценить их влияние, понять, какие факторы, и в какой пропорции возможно и целесообразно изменить для повышения .

Стохастический анализ представляет собой методику исследования факторов, связь которых с результативным показателем в отличие от функциональной является неполной, вероятностной (корреляционной). Если при функциональной (полной) зависимости с изменением аргумента всегда происходит соответствующее изменение функции, то при корреляционной связи изменение аргумента может дать несколько значений прироста функции в зависимости от сочетания других факторов, определяющих данный показатель.

Методы стохастического факторного анализа: - Способ парной корреляции;
- Множественный корреляционный анализ;
- Матричные модели;
- Математическое программирование;
- Метод исследования операций;
- Теория игр.

Необходимо также различать статический и динамический факторный анализ. Первый вид применяется при изучении влияния факторов на результативные показатели на соответствующую дату. Другой вид представляет собой методику исследования причинно-следственных связей в динамике.

И, наконец, факторный анализ может быть ретроспективным, который изучает причины прироста результативных показателей за прошлые периоды, и перспективным, который исследует поведение факторов и результативных показателей в перспективе.

Факторный анализ рентабельности

Основной целью деятельности любой компании является поиск оптимальных , направленных на максимизацию прибыли, относительным выражением которой являются показатели рентабельности. Преимущества использования данных показателей в анализе заключаются в возможности сравнения эффективности деятельности не только в рамках одной компании, но и применения многомерного нескольких компаний за ряд лет. Кроме того, показатели рентабельности, как любые относительные показатели, представляют собой важные характеристики факторной среды формирования прибыли и дохода компаний.

Проблематика применения аналитических процедур в этой области заключается в том, что авторами предлагаются различные подходы к формированию не только базовой системы показателей, но и показателей рентабельности.

Для анализа рентабельности, используют следующую факторную модель:

R = P/N, или
R = (N - S)/N * 100
где Р - прибыль; N - выручка; S - себестоимость.

При этом влияние фактора изменения цены на продукцию определяется по формуле:

RN = (N1 - S0)/N1 - (N0 - S0)/N0
Соответственно, влияние фактора изменения себестоимости составит:
RS = (N1 - S1)/N1 - (N1 - S0)/N1
Сумма факторных отклонений даст общее изменение рентабельности за период:
R = RN + RS

Используя данную модель, проведем факторный анализ показателей рентабельности выпуска метизной продукции условным предприятием. Для проведения анализа и построения факторной модели необходимы данные: о ценах на реализуемую продукцию, объемах реализации и себестоимости выпуска или реализации одной ед. продукта.

Детерминированный факторный анализ

Детерминированное моделирование факторных систем ограничено длиной факторного поля прямых связей. При недостаточном уровне знаний о природе прямых связей того или иного показателя хозяйственной деятельности часто необходим иной подход к познанию объективной действительности. Размах количественных изменений экономических показателей можно выяснить только стохастическим анализом массовых эмпирических данных.

При детерминированном факторном анализе модель изучаемого явления не изменяется по хозяйственным объектам и периодам (так как соотношения соответствующих основных категорий стабильны). При необходимости сравнения результатов деятельности отдельных хозяйств или одного хозяйства в отдельные периоды может возникать лишь вопрос о сопоставимости выявленных на основе модели количественных аналитических результатов.

Детерминированный факторный анализ представляет собой методику исследования влияния факторов, связь которых с результативным показателем носит функциональный характер, т.е. может быть выражен математической зависимостью.

Детерминированные модели могут быть разного типа: аддитивные, мультипликативные, кратные, смешанные.

Факторный анализ предприятия

Факторы, влияние которых изучается при проведении анализа хозяйственной деятельности, классифицируются по различным признакам. Прежде всего, их можно подразделить на два основных вида: внутренние факторы, зависящие от деятельности данной организации, и внешние факторы, не зависящие от данной организации.

Внутренние факторы в зависимости от величины их воздействия на экономические показатели, можно подразделить на главные и второстепенные. К числу главных относятся факторы, связанные с использованием , и материалов, а также факторы, обусловленные снабженческо-сбытовой деятельностью и некоторыми другими сторонами функционирования организации. Главные факторы оказывают основополагающее воздействие на обобщающие экономические показатели. Внешние факторы, не зависящие от данной организации, обусловлены природно-климатическими (географическими), социально-экономическими, а также внешнеэкономическими условиями.

В зависимости от длительности их воздействия на экономические показатели можно выделить постоянные и переменные факторы. Первый вид факторов оказывает влияние на экономические показатели, которое не ограничено во времени. Переменные факторы воздействуют на экономические показатели лишь в течение определенного периода времени.

Факторы могут подразделяться на экстенсивные (количественные) и интенсивные (качественные) по признаку сущности их влияния на экономические показатели. Так, например, если изучается влияние на объем выпуска продукции трудовых факторов, то изменение численности рабочих будет являться экстенсивным фактором, а изменение одного рабочего - интенсивным факторов.

Факторы, влияющие на экономические показатели, по степени их зависимости от воли и сознания работников организации и других лиц, могут подразделяться на объективные и субъективные факторы. К объективными факторам могут быть отнесены погодные условия, стихийные бедствия, которые не зависят от деятельности человека. Субъективные же факторы целиком и полностью зависят от людей. Подавляющее большинство факторов следует отнести к числу субъективных.

Факторы можно подразделить также в зависимости от сферы их действия на факторы неограниченного и факторы ограниченного действия. Первый вид факторов действует повсеместно, в любых отраслях народного хозяйства. Второй вид факторов оказывает влияние лишь внутри какой-либо отрасли или даже отдельной организации.

По своей структуре факторы подразделяются на простые и сложные. Подавляющая часть факторов - сложные, включающие в себя несколько составных частей. Вместе с тем имеются и такие факторы, которые не поддаются расчленению. Например, фондоотдача может служить примером сложного фактора. Количество дней, отработанных оборудованием за данный период является простым фактором.

По характеру влияния на обобщающие экономические показатели различают прямые и косвенные факторы. Так, изменение себестоимости проданной продукции, хотя оно и оказывает обратное влияние на величину прибыли, следует считать прямым факторам, то есть фактором первого порядка. Изменение же величины материальных затрат оказывает на прибыль косвенное влияние, т.е. воздействует на прибыль не непосредственно, а через себестоимость, представляющую собой фактор первого порядка. Исходя из этого уровень материальных затрат следует считать фактором второго порядка, то есть косвенным фактором.

В зависимости от того, можно ли дать количественную оценку влияния данного фактора на обобщающий экономический показатель, различают измеряемые и неизмеряемые факторы.

Эта классификация тесно взаимосвязана с классификацией резервов повышения эффективности хозяйственной деятельности организаций, или, иначе говоря, резервов улучшения анализируемых экономических показателей.

Модели факторного анализа

Предположим, что вы проводите (до некоторой степени "глупое") исследование, в котором измеряете рост ста людей в дюймах и сантиметрах. Таким образом, у вас имеются две переменные. Если далее вы захотите исследовать, например, влияние различных пищевых добавок на рост, будете ли вы продолжать использовать обе переменные Вероятно, нет, т.к. рост является одной характеристикой человека, независимо от того, в каких единицах он измеряется.

Теперь предположим, вы хотите измерить удовлетворенность людей жизнью, для чего составляете вопросник с различными пунктами; среди других вопросов задаете следующие: удовлетворены ли люди своим хобби (пункт 1) и как интенсивно они им занимаются (пункт 2). Результаты преобразуются так, что средние ответы (например, для удовлетворенности) соответствуют значению 100, в то время как ниже и выше средних ответов расположены меньшие и большие значения, соответственно. Две переменные (ответы на два разных пункта) коррелированны между собой. (Если вы не знакомы с понятием коэффициента корреляции, рекомендуем обратиться к разделу Основные статистики и таблицы - Корреляции). Из высокой коррелированности двух этих переменных можно сделать вывод об избыточности двух пунктов опросника.

Объединение двух переменных в один фактор. Зависимость между переменными можно обнаружить с помощью диаграммы рассеяния. Полученная путем подгонки линия дает графическое представление зависимости. Если определить новую переменную на основе линии регрессии, изображенной на этой диаграмме, то такая переменная будет включить в себя наиболее существенные черты обеих переменных. Итак, фактически, вы сократили число переменных и заменили две одной. Отметим, что новый фактор (переменная) в действительности является линейной комбинацией двух исходных переменных.

Анализ главных компонент. Пример, в котором две коррелированные переменные объединены в один фактор, показывает главную идею модель факторного анализа или, более точно, анализа главных компонент (это различие будет обсуждаться позднее). Если пример с двумя переменными распространить на большее число переменных, то вычисления становятся сложнее, однако основной принцип представления двух или более зависимых переменных одним фактором остается в силе.

Выделение главных компонент. В основном процедура выделения главных компонент подобна вращению, максимизирующему дисперсию (варимакс) исходного пространства переменных. Например, на диаграмме рассеяния вы можете рассматривать линию регрессии как ось X, повернув ее так, что она совпадает с прямой регрессии. Этот тип вращения называется вращением, максимизирующим дисперсию, так как критерий (цель) вращения заключается в максимизации дисперсии (изменчивости) "новой" переменной (фактора) и минимизации разброса вокруг нее (см. Стратегии вращения).

Обобщение на случай многих переменных. В том случае, когда имеются более двух переменных, можно считать, что они определяют трехмерное "пространство" точно так же, как две переменные определяют плоскость. Если вы имеете три переменные, то можете построить 3М диаграмму рассеяния.

Для случая более трех переменных, становится невозможным представить точки на диаграмме рассеяния, однако логика вращения осей с целью максимизации дисперсии нового фактора остается прежней.

Несколько ортогональных факторов. После того, как вы нашли линию, для которой дисперсия максимальна, вокруг нее остается некоторый разброс данных. И процедуру естественно повторить. В анализе главных компонент именно так и делается: после того, как первый фактор выделен, то есть, после того, как первая линия проведена, определяется следующая линия, максимизирующая остаточную вариацию (разброс данных вокруг первой прямой), и т.д. Таким образом, факторы последовательно выделяются один за другим. Так как каждый последующий фактор определяется так, чтобы максимизировать изменчивость, оставшуюся от предыдущих, то факторы оказываются независимыми друг от друга. Другими словами, некоррелированными или ортогональными.

Сколько факторов следует выделять Напомним, что анализ главных компонент является методом сокращения или редукции данных, т.е. методом сокращения числа переменных. Возникает естественный вопрос: сколько факторов следует выделять Отметим, что в процессе последовательного выделения факторов они включают в себя все меньше и меньше изменчивости. Решение о том, когда следует остановить процедуру выделения факторов, главным образом зависит от точки зрения на то, что считать малой "случайной" изменчивостью.

Обзор результатов анализа главных компонент. Посмотрим теперь на некоторые стандартные результаты анализа главных компонент. При повторных итерациях вы выделяете факторы с все меньшей и меньшей дисперсией. Для простоты изложения считаем, что обычно работа начинается с матрицы, в которой дисперсии всех переменных равны 1.0. Поэтому общая дисперсия равна числу переменных. Например, если вы имеете 10 переменных, каждая из которых имеет дисперсию 1, то наибольшая изменчивость, которая потенциально может быть выделена, равна 10 раз по 1. Предположим, что при изучении степени удовлетворенности жизнью вы включили 10 пунктов для измерения различных аспектов удовлетворенности домашней жизнью и работой.

Собственные значения. Во втором столбце (Собственные значения) таблицы результатов вы можете найти дисперсию нового, только что выделенного фактора. В третьем столбце для каждого фактора приводится процент от общей дисперсии (в данном примере она равна 10) для каждого фактора. Как можно видеть, первый фактор (значение 1) объясняет 61 процент общей дисперсии, фактор 2 (значение 2) - 18 процентов, и т.д. Четвертый столбец содержит накопленную или кумулятивную дисперсию. Дисперсии, выделяемые факторами, названы собственными значениями. Это название происходит из использованного способа вычисления.

Собственные значения и задача о числе факторов. Как только получена информация о том, сколько дисперсии выделил каждый фактор, вы можете возвратиться к вопросу о том, сколько факторов следует оставить. Как говорилось выше, по своей природе это решение произвольно. Однако имеются некоторые общеупотребительные рекомендации, и на практике следование им дает наилучшие результаты.

Критерий Кайзера. Сначала вы можете отобрать только факторы, с собственными значениями, большими 1. По существу, это означает, что если фактор не выделяет дисперсию, эквивалентную, по крайней мере, дисперсии одной переменной, то он опускается. Этот критерий предложен Кайзером (Kaiser, 1960), и является, вероятно, наиболее широко используемым. В приведенном выше примере на основе этого критерия вам следует сохранить только 2 фактора (две главные компоненты).

Критерий каменистой осыпи. Критерий каменистой осыпи является графическим методом, впервые предложенным Кэттелем (Cattell, 1966). Вы можете изобразить собственные значения, представленные в таблице ранее, в виде простого графика.

Кэттель предложил найти такое место на графике, где убывание собственных значений слева направо максимально замедляется. Предполагается, что справа от этой точки находится только "факториальная осыпь" - "осыпь" является геологическим термином, обозначающим обломки горных пород, скапливающиеся в нижней части скалистого склона. В соответствии с этим критерием можно оставить в этом примере 2 или 3 фактора.

Какой критерий следует использовать. Оба критерия были изучены подробно Брауном (Browne, 1968), Кэттелем и Джасперсом (Cattell, Jaspers, 1967), Хакстианом, Рожерсом и Кэттелем (Hakstian, Rogers, Cattell, 1982), Линном (Linn, 1968), Тюкером, Купманом и Линном (Tucker, Koopman, Linn, 1969). Теоретически, можно вычислить их характеристики путем генерации случайных данных для конкретного числа факторов. Тогда можно увидеть, обнаружено с помощью используемого критерия достаточно точное число существенных факторов или нет. С использованием этого общего метода первый критерий (критерий Кайзера) иногда сохраняет слишком много факторов, в то время как второй критерий (критерий каменистой осыпи) иногда сохраняет слишком мало факторов; однако оба критерия вполне хороши при нормальных условиях, когда имеется относительно небольшое число факторов и много переменных. На практике возникает важный дополнительный вопрос, а именно: когда полученное решение может быть содержательно интерпретировано. Поэтому обычно исследуется несколько решений с большим или меньшим числом факторов, и затем выбирается одно наиболее "осмысленное". Этот вопрос далее будет рассматриваться в рамках вращений факторов.

Анализ главных факторов. Прежде, чем продолжить рассмотрение различных аспектов вывода анализа главных компонент, введем анализ главных факторов. Вернемся к примеру вопросника об удовлетворенности жизнью, чтобы сформулировать другую "мыслимую модель". Вы можете представить себе, что ответы субъектов зависят от двух компонент. Сначала выбираем некоторые подходящие общие факторы, такие как, например, "удовлетворение своим хобби", рассмотренные ранее. Каждый пункт измеряет некоторую часть этого общего аспекта удовлетворения. Кроме того, каждый пункт включает уникальный аспект удовлетворения, не характерный для любого другого пункта.

Общности. Если эта модель правильна, то вы не можете ожидать, что факторы будут содержать всю дисперсию в переменных; они будут содержать только ту часть, которая принадлежит общим факторам и распределена по нескольким переменным. На языке модель факторного анализа доля дисперсии отдельной переменной, принадлежащая общим факторам (и разделяемая с другими переменными) называется общностью. Поэтому дополнительной работой, стоящей перед исследователем при применении этой модели, является оценка общностей для каждой переменной, т.е. доли дисперсии, которая является общей для всех пунктов. Доля дисперсии, за которую отвечает каждый пункт, равна тогда суммарной дисперсии, соответствующей всем переменным, минус общность. С общей точки зрения в качестве оценки общности следует использовать множественный коэффициент корреляции выбранной переменной со всеми другими (для получения сведений о теории множественной регрессии сошлемся на раздел Множественная регрессия). Некоторые авторы предлагают различные итеративные "улучшения после решения" начальной оценки общности, полученной с использованием множественной регрессии; например, так называемый метод MINRES (метод минимальных факторных остатков; Харман и Джоунс (Harman, Jones, 1966)), который производит испытание различных модификаций факторных нагрузок с целью минимизации остаточных (необъясненных) сумм квадратов.

Главные факторы в сравнении с главными компонентами. Главные факторы в сравнении с главными компонентами. Основное различие двух моделей факторного анализа состоит в том, что в анализе главных компонент предполагается, что должна быть использована вся изменчивость переменных, тогда как в анализе главных факторов вы используете только изменчивость переменной, общую и для других переменных. Подробное обсуждение всех "за" и "против" каждого подхода находится за пределами данного введения. В большинстве случаев эти два метода приводят к весьма близким результатам. Однако анализ главных компонент часто более предпочтителен как метод сокращения данных, в то время как анализ главных факторов лучше применять с целью определения структуры данных (см. следующий раздел).

Факторный анализ продаж

Аналогичным образом выведем модели для факторного анализа рентабельности продаж.

Исходный показатель имеет вид:

РПр= Прп/РП = СРП - Срп)/РП.

Изменение рентабельности продаж под воздействием соответствующих факторов:

Лрпр = Прп1 /РП1- ПрпО /РП0= (РП1 - Срп1)/РП1 - (РП0 - Срп0)/РЛ0 = - CpnJ/РШ + Срп0/РП0 = (Срп0/РШ - Срп1/РП1) + (Срп0/РП0 - Срп0/РП1) = ЛрсПРС + А/V.

Здесь составляющая Ар прС характеризует влияние изменения себестоимости реализованной продукции на динамику рентабельности продаж. А составляющая А//ППР - влияние изменения объема реализации. Они определяются соответственно: АрсПРс = Срп0/РП1 - Срп1/РП1; А/пПр = Срп0/РП0 - Срп0/РП1.

Применяя метод цепных подстановок факторный анализ рентабельности продаж можно продолжить посредством исследования влияния на составляющую Ар прС динамики таких факторов, как:

А) себестоимость реализации товаров, продукции, работ, услуг:
АрсПрр =(Ср0 - Ср1)/РП1,
где СрО, Cpl - себестоимость реализации товаров, продукции, работ, услуг, соответственно в базисном и отчетном периодах (строка 020 формы 2), руб.;

Б) управленческие расходы:

Ар „, у =(СуО - Су1)/РП1, где СуО, Су1 - управленческие расходы соответственно в базисном и отчетном периодах (строка 030 формы 2), руб.,

В) коммерческие расходы:

ЛрсПрк =(СкО - Ск1)/РП1, где СкО, Ск1 - коммерческие расходы соответственно в базисном и отчетном периодах (строка 040 формы 2), руб.

Если предприятие ведет учет себестоимости и выручки по отдельным видам продукции, то в процессе анализа необходимо оценить влияние структуры реализации на изменение рентабельности продукции. Однако такое исследование возможно лишь по данным оперативной , то есть выполняется в процессе внутрифирменного анализа. Продемонстрируем его на следующем примере.

Пример: Оценить влияние структуры реализации на изменение рентабельности реализованной продукции.

Изделия Удельный вес j-го Рентабельность j -го изделия в объеме изделия, Pj реализации, %, dj Прошлый Отчетный Прошлый год отчетный А 30 40 0,25 0,245 Б 70 60 0,125 0,128

Рентабельность реализованной продукции:

Прошлый год р»т = ^podo = 0,25*0,3 + 0,125*0,7 = 0,1625,
отчетный ГОД ^ = = 0,245*0,4 + 0,128*0,6 = 0,1748,
ЛрРП = р\п - р\п = 0,1748 - 0,1625 = 0,0123 .

Данное изменение рентабельности является результатом влияния двух факторов:

Изменение рентабельности отдельных изделий:
ршР1 =ip>jd)-ipw =
П 1=1
= 0,1748 - (0,25*0,4 + 0,125*0,6) = 0,1748 - 0,1750 = -0,0002.
Изменение структуры реализации:
Pmd. = Z P°Jd) ~ Z P°JdJ = °"1750 " °"1625 = +0"0125 "" M M

Вывод: Повышение уровня рентабельности реализованной продукции произошло за счет изменения структуры реализации. Повышение доли более рентабельной продукции (изделие А) с 30% до 40% в объеме реализации привело к росту рентабельности реализованной продукции на 1,25%. Однако, снижение рентабельности изделия А вызвало уменьшение рентабельности реализованной продукции на 0,02%. Поэтому общее повышение рентабельности продукции составило 1,23%.

Задачи факторного анализа

1. Отбор факторов для анализа исследуемых результативных показателей и их классификация.
2. Определение формы зависимости между факторными и результативными показателями, построение факторной модели.
3. Расчет влияния факторов и оценка роли каждого из них в изменении величины результативного показателя.

Самой главной задачей детерминированного факторного анализа является расчет влияния факторов на величину результативных показателей, для чего в анализе используется целый арсенал методов, сущность, назначение, сфера применения которых рассматривается ниже.

Важно различать факторы по их содержанию: экстенсивные (количественные), интенсивные (качественные); и по уровню соподчиненности.

Некоторые факторы оказывают непосредственное влияние на результативный показатель, другие – косвенное. По уровню соподчиненности (иерархии) различают факторы первого, второго, третьего и последующих уровней подчинения.

В настоящее время при анализе фактической себестоимости произведенных товаров, выявлении резервов и экономического эффекта от ее снижения используется факторный анализ.

Поскольку себестоимость комплексный результирующий показатель, и знание условий его формирования важно для эффективного управления организацией, интерес представляет оценка влияния на этот показатель различных факторов или причин при их изменении в процессе производства, в частности – отклонения от плановых значений, значений в базовом периоде и т.п.

Экономические факторы наиболее полно охватывают все элементы процесса производства - средства, предметы труда и сам труд. Они отражают основные направления работы коллективов предприятий по снижению себестоимости: повышение производительности труда, внедрение передовой техники и технологии, лучшее использование оборудования, удешевление заготовки и лучшее использование предметов труда, сокращение административно-управленческих и других , сокращение брака и ликвидация непроизводительных расходов и потерь.

К важнейшим группам факторам, оказывающим существенное влияние на себестоимость, можно отнести следующие:

1) Повышение технического уровня производства: внедрение новой, прогрессивной технологии; механизация и автоматизация производственных процессов; улучшение использования и применение новых видов сырья и материалов; изменение конструкции и технических характеристик изделий. Уменьшаются и в результате комплексного использования сырья, применения экономичных заменителей, полного использования отходов в производстве. Большой резерв таит в себе и совершенствование продукции, снижение ее материалоемкости и трудоемкости, снижение веса машин и оборудования, уменьшение габаритных размеров и др.

Для данной группы факторов по каждому мероприятию рассчитывается экономический эффект, который выражается в снижении затрат на производство. Экономия от осуществления мероприятий определяется сравнением величины затрат на единицу продукции до и после внедрения мероприятий и умножением полученной разности на объем производства в планируемом году:

ЭК = (З0 – З1) * Q, (7.8)
где ЭK - экономия прямых текущих затрат;
З0 - прямые текущие затраты на единицу продукции до внедрения мероприятия;
З1 - прямые текущие затраты на единицу продукции после внедрения мероприятия;
Q - объем выпуска товаров в натуральных единицах от начала внедрения мероприятия до конца планируемого периода.

2) Совершенствование организации производства и труда: изменения в организации производства, формах и методах труда при развитии специализации производства; совершенствования управления производством и сокращения затрат на него; улучшение использования ; улучшение материально-технического снабжения; сокращения транспортных расходов; прочих факторов, повышающих уровень организации производства. При одновременном совершенствовании техники и организации производства необходимо установить экономию по каждому фактору в отдельности и включить в соответствующие группы. Если такое разделение сделать трудно, то экономия может быть рассчитана исходя из целевого характера мероприятий либо по группам факторов.

Снижение текущих затрат происходит в результате совершенствования обслуживания основного производства (например, развития поточного производства, повышения коэффициента сменности, упорядочения подсобно-технологических работ, улучшения инструментального хозяйства, совершенствования организации контроля за качеством работ и товаров). Значительное уменьшение затрат живого труда может произойти при увеличении норм и зон обслуживания, сокращении потерь , уменьшении числа рабочих, не выполняющих норм выработки. Эту экономию можно подсчитать, если умножить количество высвобождающихся рабочих на среднюю в предыдущем году (с начислениями на социальное страхование и с учетом расходов на спецодежду, питание и т.п.). Дополнительная экономия возникает при совершенствовании структуры управления организации в целом. Она выражается в сокращении расходов на управление и в экономии заработной платы и начислений на нее в связи с высвобождением управленческого персонала.

При улучшении использования основных средств экономия исчисляется как произведение абсолютного сокращения затрат (кроме амортизации) на единицу оборудования (или других основных средств) на среднедействующее количество оборудования (или других основных средств).

Совершенствование материально-технического снабжения и использования материальных ресурсов находит отражение в уменьшении норм расхода сырья и материалов, снижении их себестоимости за счет уменьшения заготовительно-складских расходов. Транспортные расходы сокращаются в результате уменьшения затрат на доставку сырья и материалов от поставщика до складов организации, от заводских складов до мест потребления; уменьшения расходов на транспортировку готовых изделий.

3) Изменение объема и структуры товаров: изменение номенклатуры и , повышение качества и объема производства товаров. Изменения в данной группе факторов могут привести к относительному уменьшению условно-постоянных расходов (кроме амортизации), относительному уменьшению . Условно-постоянные расходы не зависят непосредственно от количества выпускаемых товаров, с увеличением объема производства их количество на единицу товара уменьшается, что приводит к снижению его себестоимости.

Относительная экономия на условно-постоянных расходах определяется по формуле

ЭKП = (ТV * ЗУП0) / 100, (7.9)
где ЭКП - экономия условно-постоянных расходов;
ЗУП0 - сумма условно-постоянных расходов в базисном периоде;
ТV - темп прироста объема производства по сравнению с базисным периодом.

Относительное изменение амортизационных отчислений рассчитывается особо. Часть амортизационных отчислений (как и других затрат на производство) не включается в себестоимость, а возмещается за счет других источников (спецфондов, оплаты услуг на сторону, не включаемых в состав товарной продукции, и др.), поэтому общая сумма амортизации может уменьшится. Уменьшение определяется по фактическим данным за отчетный период. Общую экономию на амортизационных отчислениях рассчитывают по формуле

ЭКА = (АОК / QО - А1К / Q1) * Q1 , (7.10)
где ЭКА - экономия в связи с относительным снижением амортизационных отчислений;
А0, А1 - сумма амортизационных отчислений в базисном и отчетном периоде;
К - коэффициент, учитывающий величину амортизационных отчислений, относимых на в базисном периоде;
Q0, Q1 - объем выпуска товаров в натуральных единицах базисного и отчетного периода.

Чтобы не было повторного счета, общую сумму экономии уменьшают (увеличивают) на ту часть, которая учтена по другим факторам.

Изменение номенклатуры и ассортимента товаров является одним из важных факторов, влияющих на уровень затрат на производство. При различной рентабельности отдельных изделий (по отношению к себестоимости) сдвиги в составе товаров, связанные с совершенствованием структуры и повышением эффективности производства, могут приводить и к уменьшению и к увеличению затрат на производство. Влияние изменений структуры товаров на себестоимость анализируется по переменным расходам по статьям калькуляции типовой номенклатуры. Расчет влияния структуры товаров на себестоимость необходимо увязать с показателями повышения производительности труда.

4) Улучшение использования природных ресурсов: изменение состава и качества сырья; изменение продуктивности месторождений, объемов подготовительных работ при добыче, способов добычи природного сырья; изменение других природных условий. Эти факторы отражают влияние естественных (природных) условий на величину переменных затрат. Анализ их влияния на снижение себестоимости продукции проводится на основе отраслевых методик добывающих отраслей промышленности.

5) Отраслевые и прочие факторы: ввод и освоение новых цехов, производственных единиц и производств, подготовка и освоение производства; прочие факторы.

Значительные резервы заложены в снижении расходов на подготовку и освоение новых видов производства товаров и новых технологических процессов, в уменьшении затрат пускового периода по вновь вводимым в действие цехам и объектам.

Расчет суммы изменения расходов осуществляется по формуле:

ЭКП = (З1/Q1 - З0/Q0) * Q1 , (7.11)
где ЭКП - изменение затрат на подготовку и освоение производства;
З0, З1 - суммы затрат базисного и отчетного периода;
Q0, Q1 - объем выпуска товаров базисного и отчетного периода.

Если изменения величины затрат в анализируемый период не нашли отражения в вышеназванных факторах, то их относят к прочим. К ним можно отнести, например, изменение размеров или прекращение обязательных платежей, изменение величины затрат, включаемых в себестоимость продукции и др.

Выявленные в результате анализа факторы снижения себестоимости и резервы необходимо суммировать в окончательных выводах, определить суммарное влияние всех факторов на снижение общей величины затрат на единицу товара.

Для того, чтобы провести факторный анализ производительности труда, т.е. определить каким образом тот или иной технико-экономический фактор влияет на изменения этого показателя, вычисляют относительную экономию (увеличение) численности работников. Вычисления проводятся в следующей последовательности.

Сначала определяется относительное высвобождение промышленно-производственного персонала по сравнению с отчетным периодом в результате воздействия всех факторов:

L = L сп 0 qQ т 0 .

Затем, используя какой-либо из методов факторного анализа, определяют влияние изменения величины соответствующего фактора: выпуска товарной продукции, который может быть достигнут за счет роста объема производства (экстенсивного фактора), и роста средней годовой выработки на одного списочного рабочего, который может быть достигнут в результате мероприятий по повышению технического уровня производства (интенсивного фактора).

Одним из важных аспектов оценки деятельности фирмы является изучение ее эффективности с точки зрения собственника. Эффективность в данном случае, как и во многих других, можно оценивать путем определения показателя рентабельности. Однако простого расчета может оказаться недостаточно и его будет необходимо дополнить анализом. Самым популярным методом является, пожалуй, факторный анализ рентабельности собственного капитала. Остановимся более подробно на методике его проведения и основных особенностях.

Факторный анализ рентабельности собственного капитала обычно ассоциируется с формулами фирмы DuPont, которые позволяют быстро произвести все необходимые расчеты. Важно понять то, каким же образом эти формулы получились, к тому же в этом нет ничего сложного. Рентабельность капитала собственника, очевидно, определяется отношением полученной к величине этого капитала. Факторная модель получается из данного отношения путем элементарных преобразований. Их суть заключается в умножении числителя и знаменателя на выручку и активы. После этого легко заметить, что эффективность использования данной части капитала, его рентабельность, определяется произведением показателя степени финансовой зависимости на оборачиваемость имущества (активов) и уровень рентабельности продаж. После составления математической модели производится непосредственно ее анализ. Его можно проводить любым способом, подходящим для детерминированных моделей. Факторный анализ рентабельности собственного капитала с использованием формул DuPont представляет собой одну из вариаций способа абсолютных разниц. Он, в свою очередь, также является частным случаем метода цепных подстановок. Основной принцип данного метода кроется в поочередном определении воздействия каждого фактора изолированно, вне зависимости от остальных.

Стоит отметить, что аналогичным образом проводят и факторный анализ экономической рентабельности. Она являет собой отношение прибыли к активам. После небольших преобразований этот показатель можно представить произведением оборачиваемости имущества фирмы на рентабельность продаж. Последующий анализ идет тем же самым образом.

Необходимо особое внимание обратить на то, какие показатели должны быть использованы расчетах. Очевидно, что необходимо использовать информацию как минимум за два периода, чтобы была возможность пронаблюдать изменения. Данные, которые берутся из отчета о прибылях и убытках, имеют накопительный характер, так как представляют определенную величину за тот или иной период. В балансе же данные представлены на конкретную дату, поэтому лучше всего рассчитать их среднюю величину.

Указанные выше методы, то есть способ цепных подстановок и его модификации, могут использованы для анализа практически любой детерминированной факторной модели. Например, факторный анализ коэффициента текущей ликвидности может быть проведен предельно просто. Для большей детальности целесообразно раскрыть формулу этого коэффициента, отразив в числителе составляющие оборотных активов, а в знаменателе – краткосрочных обязательств. Затем требуется произвести расчет влияния каждого из выявленных факторов. Следует указать, что для данной модели нельзя применять абсолютные разницы и одноименный метод, так как она имеет кратный характер.

Ценность любого вида анализа сложно переоценить, а факторный анализ рентабельности собственного капитала и иных показателей является одним из лучших методов, способствующих принятию верных управленческих решений. Выявление сильного негативного влияния того или иного фактора явно указывает на то, куда следует направить воздействие. С другой же стороны, положительное влияние может свидетельствовать, например, о наличии определенных резервов роста прибыли.

Стохастический факторный анализ

Стохастическое моделирование факторных систем взаимосвязей отдельных сторон хозяйственной деятельности строится на обобщении закономерностей варьирования значений экономических показателей - количественных характеристик факторов и результатов хозяйственной деятельности. Количественные параметры связи выявляются на основе сопоставления значений изучаемых показателей в совокупности хозяйственных объектов или периодов.

Таким образом, первой предпосылкой стохастического моделирования является возможность составить совокупность наблюдений, т. е. возможность повторно измерить параметры одного и того же явления в различных условиях.

В стохастическом анализе, где сама модель составляется на основе совокупности эмпирических данных, предпосылкой получения реальной модели является совпадение количественных характеристик связей в разрезе всех исходных наблюдений. Это означает, что варьирование значений показателей должно происходить в пределах однозначной определенности качественной стороны явлений, характеристиками которых являются моделируемые экономические показатели (в пределах варьирования не должно происходить качественного скачка в характере отражаемого явления).

Значит, второй предпосылкой применяемости стохастического подхода моделирования связей является качественная однородность совокупности (относительно изучаемых связей).

Изучаемая закономерность изменения экономических показателей (моделируемая связь) выступает в скрытом виде. Она переплетается со случайными с точки зрения исследования (не изучаемыми) компонентами вариации и ковариации показателей. Закон больших чисел гласит, что только в большой совокупности закономерная связь выступает устойчивее случайного совпадения направления варьирования (случайной вариации).

Из этого вытекает третья предпосылка стохастического анализа – достаточная размерность (численность) совокупности наблюдений» позволяющая с достаточной надежностью и точностью выявить изучаемые закономерности (моделируемые связи).

Четвертая предпосылка стохастического подхода – наличие методов, позволяющих выявить количественные параметры экономических показателей из массовых данных варьирования уровня показателей. Математический аппарат применяемых методов иногда предъявляет специфические требования к моделируемому эмпирическому материалу. Выполнение данных требований является важной предпосылкой применяемости методов и достоверности полученных результатов.

Основная особенность стохастического факторного анализа заключается в том, что при стохастическом анализе нельзя составлять модель путем качественного (теоретического) анализа, необходим количественный анализ эмпирических данных.

Методы стохастического факторного анализа:

Способ парной корреляции. Метод корреляционного и регрессионного (стохастического) анализа широко используется для определения тесноты связи между показателями, не находящимися в функциональной зависимости, т.е. связь, проявляется не в каждом отдельном случае, а в определенной зависимости. С помощью парной корреляции решаются две главные задачи: оставляется модель действующих факторов (уравнение регрессии); дается количественная оценка тесноты связей (коэффициент корреляции).

Матричные модели. Матричные модели представляют собой схематическое отражение экономического явления или процесса с помощью научной абстракции. Наибольшее распространение здесь получил метод анализа «затраты-выпуск», строящийся по шахматной схеме и позволяющий в наиболее компактной форме представить взаимосвязь затрат и результатов производства.

Математическое программирование – это основное средство решения задач по оптимизации производственно-хозяйственной деятельности.

Метод исследования операций направлен на изучение , в том числе производственно-хозяйственной деятельности предприятий, с целью определения такого сочетания структурных взаимосвязанных элементов систем, которое в наибольшей степени позволит определить наилучший экономический показатель из ряда возможных.

Теория игр как раздел исследования операций - это теория математических моделей принятия оптимальных решений в условиях неопределенности или конфликта нескольких сторон, имеющих различные интересы.

Интегральный метод факторного анализа

Элиминирование как способ детерминированного факторного анализа имеет важный недостаток. При его использовании исходят из того, что факторы изменяются независимо друг от друга, однако фактически они изменяются взаимосвязано, в результате образуется некоторый неразложимый остаток, который прибавляется к величине влияния одного из факторов (как правило, последнего). В связи с этим величина влияния факторов на изменение результативного показателя колеблется в зависимости от места фактора в детерминированной модели. Чтобы избавиться от этого недостатка, в детерминированном факторном анализе используется интегральный метод, который применяется для определения влияния факторов в мультипликативных, кратных и смешанных моделях кратно-аддитивного вида.

Использование этого способа позволяет получить более точные результаты вычисления влияния факторов по сравнению со способами цепной подстановки, абсолютных и относительных разниц и избежать неоднозначной оценки влияния: в данном случае результаты не зависят от местоположения факторов в модели, а дополнительный прирост результативного показателя, возникающий из-за взаимодействия факторов, распределяется между ними поровну.

Для распределения дополнительного прироста недостаточно взять его часть, соответствующую количеству факторов, т. к. факторы могут действовать в разных направлениях. Поэтому изменение результативного показателя измеряется на бесконечно малых отрезках времени, т. е. производится суммирование приращения результата, определяемого как частные произведения, умноженные на приращения факторов на бесконечно малых промежутках. Операция вычисления определенного интеграла решается с помощью ПЭВМ и сводится к построению подынтегральных выражений, которые зависят от вида функции или модели факторной системы. В связи со сложностью вычисления некоторых определенных интегралов и дополнительные сложностей, связанных с возможным действием факторов в противоположных направлениях.

Факторный анализ чистой прибыли

Советуем прочитать нашу статью

Чистая прибыль является таким показателем эффективности деятельности фирмы, который с одной стороны испытывает на себе влияние наибольшего числа факторов по сравнению с другими видами прибыли, а с другой – является максимально точным и «честным» показателем. Именно по этим причинам данная величина требует к себе пристального внимания и должна подвергаться детальному изучению. Одним из наиболее популярных и часто применяемых методов является факторный анализ чистой прибыли. Как видно из названия, изучение прибыли подобным образом предполагает определение тех факторов, которые в наибольшей мере на нее воздействуют, а также определение конкретной величины данного воздействия.

Прежде чем рассматривать факторный анализ чистой прибыли, необходимо изучить то, как она формируется. Анализ формирования чистой прибыли проводится по отчету о прибылях и убытках. Это понятно, так как именно данная форма отчетности отражает порядок, которым идет формирование финансового результата функционирования фирмы. При изучении формирования прибыли полезно провести вертикальный анализ указанной формы отчетности. Он подразумевает нахождение удельного веса каждого из включенных в отчет показателей, а также последующее изучение его динамики. Как правило, в качестве базы сравнения выбирается выручка, которая считается равной ста процентам.

Факторный анализ чистой прибыли также целесообразно проводить по отчету о прибылях и убытках. Это объясняется тем, что эта форма отчетности позволяет легко и просто составить математическую модель, которая будет включать факторы, влияющие на размер прибыли. Факторы, оказывающие наибольшее влияние, следует расположить в модели перед факторами, влияние которых менее существенно. Отчет о прибылях и убытках отражает величину выручки, но не позволяет судить о ее изменениях под влиянием цены и объема реализации. Эти факторы являются чрезвычайно важными, поэтому их необходимо дополнительно учесть в модели, разделив влияние на прибыль выручки на две соответствующие части. После составления математической модели необходимо непосредственно подвергнуть ее анализу по определенной методике. Чаще всего прибегают к использованию метода цепных подстановок или его модификаций, например, метода абсолютных разниц. Этот выбор обусловлен простотой применения и точностью результатов.

После изучения процесса формирования и динамики необходимо провести анализ использования чистой прибыли. Логичней и проще всего изучить данный процесс будет путем проведения вертикального анализа, который уже упоминался выше. Очевидно, что в данном случае в качестве базы необходимо принять чистую прибыль. Затем нужно определить доли каждого направления расходования этой прибыли: на , в резервные фонды, на инвестиции и так далее. Естественно, необходимо изучить изменение данной структуры в динамике.

Очевидно, что для проведения любого из описанных выше видов анализа необходима информация за несколько периодов, хотя бы за два года. Это связано с тем, что на основе одного периода попросту невозможно делать какие-либо выводы о тех или иных изменениях. Однако стоит иметь в виду, что показатели должны быть сопоставимы, необходимо делать поправки в случае изменений в учетной политике или каких-либо других.

Будь то факторный анализ чистой прибыли или какой-нибудь другой, он обязательно должен завершаться формулировкой определенных выводов и рекомендаций. На основе изучения прибыли можно сделать множество выводов и о ценовой политике, и об управлении затратами, и о многом другом. Выводы и рекомендации представляют собой основу для принятия управленческих решений, которые являются жизненно важными для деятельности фирмы.

Факторный анализ метод цепных подстановок

Метод цепных подстановок является наиболее универсальным из методов элиминирования. Он используется для расчета влияния факторов во всех типах детерминированных факторных моделей: аддитивные, 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.

Степень влияния того или иного показателя выявляется последовательным вычитанием: из второго расчета вычитается первый, из третьего – второй и т. д. В первом расчете все величины плановые, в последнем – фактические.

В случае трехфакторной мультипликативной модели алгоритм расчета следующий:

Y 0= а 0*Ь 0*С 0;
Y усл.1= а 1*Ь 0*С 0 ; У а= Y усл.1 – У 0;
Y усл.2= а 1*Ь 1*С 0; Y Ь= Y усл.2– Y усл.1;
Y ф= а 1*Ь 1*С 1; Y с= Y ф– Y усл.2и т. д.

Алгебраическая сумма влияния факторов обязательно должна быть равна общему приросту результативного показателя:

Y а+ Y ь+ Y с= Y ф– Y 0.

Отсутствие такого равенства свидетельствует о допущенных ошибках в расчетах.

Отсюда вытекает правило, заключающееся в том, что число расчетов на единицу больше, чем число показателей расчетной формулы.

При использовании метода цепных подстановок очень важно обеспечить строгую последовательность подстановки, т. к. ее произвольное изменение может привести к неправильным результатам. В практике анализа в первую очередь выявляется влияние количественных показателей, а потом – качественных. Так, если требуется определить степень влияния численности работников и производительности труда на размер выпуска промышленной продукции, то прежде устанавливают влияние количественного показателя численности работников, а потом качественного производительности труда. Если выясняется влияние факторов количества и цен на объем реализованной промышленной продукции, то вначале исчисляется влияние количества, а потом влияние оптовых цен. Прежде чем приступить к расчетам, необходимо, во-первых, выявить четкую взаимосвязь между изучаемыми показателями, во-вторых, разграничить количественные и качественные показатели, в-третьих, правильно определить последовательность подстановки в тех случаях, когда имеется несколько количественных и качественных показателей (основных и производных, первичных и вторичных). Таким образом, применение способа цепной подстановки требует знания взаимосвязи факторов, их соподчиненности, умения правильно их классифицировать и систематизировать.

Произвольное изменение последовательности подстановки меняет количественную весомость того или иного показателя. Чем значительнее отклонение фактических показателей от плановых, тем больше и различий в оценке факторов, исчисленных при разной последовательности подстановки.

Метод цепной подстановки обладает существенным недостатком, суть которого сводится к возникновению неразложимого остатка, который присоединяется к числовому значению влияния последнего фактора. Этим объясняется разница в расчетах при изменении последовательности подстановки. Отмеченный недостаток устраняется при использовании в аналитических расчетах более сложного интегрального метода.

Факторный анализ заработной платы

Он проводится с учетом анализа использования трудовых ресурсов на предприятии и уровня производительности труда. Известно, что с ростом производительности труда создаются реальные предпосылки для повышения уровня его оплаты. При этом средства на оплату труда нужно использовать таким образом, чтобы темпы роста производитель-ности труда обгоняли темпы роста его оплаты, так как это создает возможности для наращивания воспроизводства на предприятии.

Анализ использования ФЗП начинается с расчета абсолютных и относительных отклонений фактической его величины от плановой.

Производим последовательный расчет

Абсолютное отклонение ФЗПабс определяется сравнением фактически использованных средств на оплату труда плановым фондом заработной платы ФЗПпл в целом по предприятию, производственным подразделениям и категориям работников:

ФЗПабс= ФЗПф - ФЗПпл. = 21465-20500 = +965 млн..руб

Однако нужно иметь в виду, что абсолютное отклонение само по себе не характеризует использование ФЗП, так как этот показатель определяется без учета степени выполнения плана по производству продукции.

Относительное отклонение ФЗПотк рассчитывается как разность между фактически начисленной суммой зарплаты ФЗПф и плановым фондом, скорректированным на коэффициент выполнения плана по производству продукции Квп

Исходные данные для анализа ФЗП

Постоянная часть оплаты труда не изменяется при увеличении или спаде объема производства (зарплата рабочих по тарифным ставкам, зарплата служащих по окладам, все виды доплат, оплата труда работников непромышленных производств и соответствующая им сумма отпускных):

ФЗПотн = ФЗПф – ФЗПск = ФЗПag – (ФЗП пл..пер * Квп + ФЗП пл..пост) = 21465 – (13120 * 1,026 + 7380) = 21465 – 20841 = +424 млн.руб
где ФЗПск - фонд зарплаты плановый, скорректированный на коэффициент выполнения плана по выпуску продукции;
ФЗП пл..пер и ФЗП пл..пост - переменная и постоянная суммы планового планового фонда зарплаты.

При расчете ФЗПотн можно использовать, так называемый, поправочный коэффициент Кп который отражает удельный вес переменной зарплаты в общем фонде. Он показывает, на какую долю процента следует увеличить плановый ФЗП за каждый процент перевылнения плана по выпуску продукции (ВП, %)
Рыночная экономика

Назад | |

Называют факторным анализом . Основными разновидностями факторного анализа являются детерминированный анализ и стохастический анализ.

Детерминированный факторный анализ основывается на методике изучения влияния таких факторов, взаимосвязь которых с обобщающим экономическим показателем является функциональной. Последнее означает, что обобщающий показатель представляет собой либо произведение, либо частное от деления, либо алгебраическую сумму отдельных факторов.

Стохастический факторный анализ основывается на методике исследования влияния таких факторов, взаимосвязь которых с обобщающим экономическим показателем является вероятностной, иначе — корреляционной.

В условиях наличия функциональной взаимосвязи с изменением аргумента всегда имеет место и соответствующе изменение функции. При наличии же вероятностной взаимосвязи изменение аргумента может сочетаться с несколькими значениями изменения функции.

Факторный анализ подразделяется также на прямой , иначе дедуктивный анализ и обратный (индуктивный) анализ.

Первый вид анализа осуществляет изучение влияния факторов дедуктивным методом, то есть в направлении от общего к частному. При обратном факторном анализе влияние факторов исследуется индуктивным методом — в направлении от частных факторов к обобщающим экономическим показателям.

Классификация факторов, влияющих на эффективности деятельности организации

Факторы, влияние которых изучается при проведении , классифицируются по различным признакам. Прежде всего их можно подразделить на два основных вида: внутренние факторы , зависящие от деятельности данной , и внешние факторы , не зависящие от данной организации.

Внутренние факторы в зависимости от величины их воздействия на , можно подразделить на главные и второстепенные. К числу главных относятся факторы, связанные с использованием , и материалов, а также факторы, обусловленные снабженческо-сбытовой деятельностью и некоторыми другими сторонами функционирования организации. Главные факторы оказывают основополагающее воздействие на обобщающие экономические показатели. Внешние факторы, не зависящие от данной организации, обусловлены природно-климатическими (географическими), социально-экономическими, а также внешнеэкономическими условиями.

В зависимости от длительности их воздействия на экономические показатели можно выделить постоянные и переменные факторы . Первый вид факторов оказывает влияние на экономические показатели, которое не ограничено во времени. Переменные факторы воздействуют на экономические показатели лишь в течение определенного периода времени.

Факторы могут подразделяться на экстенсивные (количественные) и интенсивные (качественные) по признаку сущности их влияния на экономические показатели. Так, например, если изучается влияние на объем выпуска продукции трудовых факторов, то изменение численности рабочих будет являться экстенсивным фактором, а изменение производительности труда одного рабочего — интенсивным факторов.

Факторы, влияющие на экономические показатели, по степени их зависимости от воли и сознания работников организации и других лиц, могут подразделяться на объективные и субъективные факторы . К объективными факторам могут быть отнесены погодные условия, стихийные бедствия, которые не зависят от деятельности человека. Субъективные же факторы целиком и полностью зависят от людей. Подавляющее большинство факторов следует отнести к числу субъективных.

Факторы можно подразделить также в зависимости от сферы их действия на факторы неограниченного и факторы ограниченного действия. Первый вид факторов действует повсеместно, в любых отраслях народного хозяйства. Второй вид факторов оказывает влияние лишь внутри какой-либо отрасли или даже отдельной организации.

По своей структуре факторы подразделяются на простые и сложные. Подавляющая часть факторов — сложные, включающие в себя несколько составных частей. Вместе с тем имеются и такие факторы, которые не поддаются расчленению. Например, фондоотдача может служить примером сложного фактора. Количество дней, отработанных оборудованием за данный период является простым фактором.

По характеру влияния на обобщающие экономические показатели различают прямые и косвенные факторы . Так, изменение проданной продукции, хотя оно и оказывает обратное влияние на величину прибыли, следует считать прямым факторам, то есть фактором первого порядка. Изменение же величины материальных затрат оказывает на прибыль косвенное влияние, т.е. воздействует на прибыль не непосредственно, а через себестоимость, представляющую собой фактор первого порядка. Исходя из этого уровень материальных затрат следует считать фактором второго порядка, то есть косвенным фактором.

В зависимости от того, можно ли дать количественную оценку влияния данного фактора на обобщающий экономический показатель, различают измеряемые и неизмеряемые факторы.

Эта классификация тесно взаимосвязана с классификацией резервов повышения эффективности хозяйственной деятельности организаций, или, иначе говоря, резервов улучшения анализируемых экономических показателей.

Факторный экономический анализ

В те признаки, которые характеризуют причину, носят название факторных, независимых. Те же признаки, которые, характеризуют следствие, принято называть результатными, зависимыми.

Совокупность факторных и результативных признаков, которые находятся в одной причинно-следственной связи, носит название факторной системы . Существует также понятие модели факторной системы. Она характеризует взаимосвязь между результативным признаком, обозначаемым как y, и факторными признаками, обозначаемыми как . Иными словами, модель факторной системы выражает взаимосвязь между обобщающим экономическим показателям и отдельными факторами, влияющими на этот показатель. При этом в качестве факторов выступают другие экономические показатели, представляющие собой причины изменения обобщающего показателя.

Модель факторной системы математически может быть выражена при помощи следующей формулы:

Установление зависимостей между обобщающими (результативными) и влияющими на них факторами носит название экономико-математического моделирования.

В изучается два вида взаимосвязей между обобщающими показателями и влияющими на них факторами:

• функциональная (иначе — функционально-детерминированная, или жестко детерминированная связь.)
• стохастическая (вероятностная) связь.

Функциональная связь — это такая связь, при которой каждому значению фактора (факторного признака) соответствует вполне определенное неслучайное значение обобщающего показателя (результативного признака).

Стохастическая связь — это такая связь, при которой каждому значению фактора (факторного признака) соответствует множество значений обобщающего показателя (результативного признака). В этих условиях для каждого значения фактора x значения обобщающего показателя y образуют условное статистическое распределение. Вследствие этого изменение значения фактора x только в среднем вызывает изменение обобщающего показателя y.

В соответствии с двумя рассмотренными типами взаимосвязей различают методы детерминированного факторного анализа и методы стохастического факторного анализа. Рассмотрим следующую схему:

Методы, применяемые в факторном анализе. Схема №2

Наибольшую полноту и глубину аналитического исследования, наибольшую точность результатов анализа обеспечивает применение экономико-математических методов исследования.

Эти методы имеют ряд преимуществ перед традиционными и статистическими методами анализа.

Так, они обеспечивают более точное и детальное исчисление влияния отдельных факторов на изменение величин экономических показателей а также дают возможность решения ряда аналитических задач, которые не могут быть сделаны без применения экономико-математических методов.

Основные положения

Факторный анализ – это один из новых разделов многомерного статистического анализа. Первоначально этот метод разрабатывался для объяснения корреляции между исходными параметрами. Результатом корреляционного анализа является матрица коэффициентов корреляции. При малом числе признаков (переменных) можно провести визуальный анализ этой матрицы. С ростом числа признаков (10 и более) визуальный анализ не даст положительных результатов. Оказывается, что все многообразие корреляционных связей можно объяснить действием нескольких обобщенных факторов, которые являются функциями исследуемых параметров, при этом сами факторы могут быть неизвестны, но их можно выразить через исследуемые признаки. Основоположником факторного анализа является американский ученый Л.Терстоун.

Современные статистики под факторным анализом понимают совокупность методов, которые на основе реально существующей связи между признаками позволяет выявить латентные (скрытые) обобщающие характеристики организационной структуры и механизмы развития изучаемых явлений и процессов.

Пример: предположим, что n автомобилей оценивается по 2 признакам:

x 1 – стоимость автомобиля,

x 2 – длительность рабочего ресурса мотора.

При условии коррелированности x 1 и x 2 в системе координат появляется направленное и достаточно плотное скопление точек, формально отображаемое новыми осями и(Рис.5).

Рис.6

Характерная особенность F 1 и F 2 заключается в том, что они проходят через плотные скопления точек и в свою очередь коррелируют с x 1 x 2 .Максимальное

число новых осей будет равно числу элементарных признаков. Дальнейшие разработки факторного анализа показали, что этот метод может быть с успехом применены в задачах группировки и классификации объектов.

Представление информации в факторном анализе.

Для проведения факторного анализа информация должна быть представлена в виде матрицы размером m x n:

Строки матрицы соответствуют объектам наблюдений (i=), а столбцы – признакам (j=).

Признаки, характеризующие объект имеют разную размерность. Для того, чтобы их привести к одной размерности и обеспечить сопоставимость признаков матрицу исходных данных обычно нормируют, вводя единый масштаб. Самым распространенным способом нормировки является стандартизация. От переменных переходят к переменным

Среднее значение j признака,

Среднеквадратическое отклонение.

Такое преобразование называется стандартизацией.

Основная модель факторного анализа

Основная модель факторного анализа имеет вид:

z j – j -й признак (величина случайная);

F 1 , F 2 , …, F p – общие факторы (величины случайные, нормально распределенные);

u j – характерный фактор;

 j1 ,  j2 , …,  jp – факторы нагрузки, характеризующие существенность влияния каждого фактора (параметры модели, подлежащие определению);

Общие факторы имеют существенное значение для анализа всех признаков. Характерные факторы показывают, что он относится только к данному -му признаку, это специфика признака, которая не может быть выражена через факторы. Факторные нагрузки  j1 ,  j2 , …,  jp характеризуют величину влияния того или иного общего фактора в вариации данного признака. Основная задача факторного анализа – определить факторные нагрузки. Дисперсию S j 2 каждого признака, можно разделить на 2 составляющие:

первая часть обуславливает действие общих факторов – общность h j 2 ;

вторая часть обуславливает действие характерного фактора –характерность - d j 2 .

Все переменные представлены в стандартизованном виде, поэтому дисперсия - гопризнака S j 2 = 1.

Если общие и характерные факторы не коррелируют между собой, то дисперсию j-го признака можно представить в виде:

где - доля дисперсии признака, приходящаяся на k -ый фактор.

Полный вклад какого-либо фактора в суммарную дисперсию равен:

Вклад всех общих факторов в суммарную дисперсию:

Результаты факторного анализа удобно представить в виде таблицы.

	Факторные нагрузки	Общности
	a 11 a 21 … a p1 a 12 a 22 … a p2 … … … … a 1m a 2m … a pm
факторов	V 1 V 2 … V p

А - матрица факторных нагрузок. Ее можно получить различными способами, в настоящее время наиболее распространение получил метод главных компонент или главных факторов.

Вычислительная процедура метода главных факторов.

Решение задачи с помощью главных компонент сводится к поэтапному преобразованию матрицы исходных данных X :

Х - матрица исходных данных;

Z – матрица стандартизированных значений признаков,

R – матрица парных корреляций:

Диагональная матрица собственных (характеристических) чисел,

 j находят решением характеристического уравнения

Е –единичная матрица,

 j – показатель дисперсии каждой главной компоненты ,

при условии стандартизации исходных данных , тогда=m

U – матрица собственных векторов, которые находят из уравнения:

Реально это означает решение m систем линейных уравнений для каждого

Т.е. каждому собственному числу соответствует система уравнений.

Затем находят V - матрицу нормированных собственных векторов.

Матрицу факторного отображения А вычисляют по формуле:

Затем находим значения главных компонент по одной из эквивалентных формул:

Совокупность из четырех промышленных предприятий оценена по трем характерным признакам:

среднегодовая выработка на одного работника х 1 ;

уровень рентабельности х 2 ;

Уровень фондоотдачи х 3.

Результат представлен в стандартизированной матрице Z :

По матрице Z получена матрица парных корреляций R :

Найдем определитель матрицы парных корреляций(например методом Фаддеева):

Построим характеристическое уравнение:

Решая это уравнение найдем:

Таким образом исходные элементарные признаки х 1 , х 2 , х 3 могут быть обобщены значениями трех главных компонент, причем:

F 1 объясняет примерно всей вариации,

F 2 - , аF 3 -

Все три главные компоненты объясняют вариации полностью на 100%.

Решая эту систему находим:

Аналогично строятся системы для  2 и  3 . Для  2 решение системы:

Матрица собственных векторов U принимает вид:

Каждый элемент матрицы разделим на сумму квадратов элементов j-го

столбца, получим нормированную матрицу V .

Отметим, что должно выполнятся равенство =E .

Матрицу факторного отображения получим из матричного соотношения

=

По смыслу каждый элемент матрицы А представляет частные коэффициенты матрицы корреляции между исходным признаком x j и главными компонентами F r . Поэтому все элементы .

Из равенства следует условиеr - число компонент .

Полный вклад каждого фактора в суммарную дисперсию признаков равен:

Модель факторного анализа примет вид:

Найдем значения главных компонент (матрицу F ) по формуле

Центр распределения значений главных компонент находится в точке (0,0,0).

Далее аналитические выводы по результатам расчетов следуют уже после принятия решения о числе значащих признаков и главных компоненти определения названий главным компонентам. Задачи распознавания главных компонент, определения для них названий решают субъективно на основе весовых коэффициентовиз матрицы отображенияА .

Рассмотрим вопрос формулировки названий главных компонент.

Обозначим w 1 – множество незначимых весовых коэффициентов, в которое включаются близкие к нулю элементы,,

w 2 - множество значимых весовых коэффициентов,

w 3 – подмножество значимых весовых коэффициентов, не участвующих в формировании названия главной компоненты.

w 2 - w 3 – подмножество весовых коэффициентов, участвующих в формировании названия.

Вычисляем коэффициент информативности для каждого главного фактора

Набор объяснимых признаков считаем удовлетворительным, если значения коэффициентов информативности лежат в пределах 0,75-0,95.

a 11 =0,776 a 12 =-0,130 a 13 =0,308

a 12 =0,904 a 22 =-0,210 a 23 =-0,420

а 31 =0,616 а 32 =0,902 а 33 =0,236

Для j=1 w 1 = ,w 2 ={a 11 ,a 21 ,a 31 },

.

Для j=2 w 1 ={ a 12 , a 22 }, w 2 ={ а 32 },

Для j=3 w 1 ={ а 33 }, w 2 ={a 13 ,a 33 },

Значениями признаков x 1 , x 2 , x 3 определяется состав главной компоненты на 100%. при этом наибольший вклад признакаx 2 , смысл которого-рентабельность. корректным для названия признака F 1 будет эффективность производства .

F 2 определяется компонентой x 3 (фондоотдача), назовем ее эффективность использования основных производственных средств .

F 3 определяется компонентами x 1 ,x 2 –в анализе может не рассматриваться т.к. она объясняет всего 10% общей вариации.

Литература.

Попов А.А.

Excel: Практическое руководство, ДЕСС КОМ.-М.-2000.

Дьяконов В.П., Абраменкова И.В. Mathcad7 в математике, физике и в Internet. Изд-во « Номидж», М.-1998, раздел 2.13. Выполнение регрессии.

Л.А. Сошникова, В.Н. Томашевич и др. Многомерный статистический анализ в экономике под ред. В.Н. Томашевича.- М. –Наука, 1980.

Колемаев В.А., О.В. Староверов, В.Б. Турундаевский Теория вероятностей и математическая статистика. –М. – Высшая школа- 1991.

К Иберла. Факторный анализ.-М. Статистика.-1980.

Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых известны

Пусть генеральные совокупности X и Y распределены нормально, причем их дисперсии известны (например из предшествующего опыта или найдены теоретически). По независимым выборкам объемов n и m, извлеченным из этих совокупностей, найдены выборочные средние x в и y в. Требуется по выборочным средним при заданном уровне значимости проверить нулевую гипотезу, состоящую в том, что генеральные средние (математические ожидания) рассматриваемых совокупностей равны между собой, т. е. Н 0: М(X) = М(Y). Учитывая, что выборочные средние являются несмещенными оценками генеральных средних, т. е. М(x в) = М(X) и М(y в) = М(Y), нулевую гипотезу можно записать так: Н 0: М(x в) = М(y в). Таким образом, требуется проверить, что математические ожидания выборочных средних равны между собой. Такая задача ставится, потому что, как правило, выборочные средние являются различными. Возникает вопрос: значимо или незначимо различаются выборочные средние? Если окажется, что нулевая гипотеза справедлива, т. е. генеральные средние одинаковы, то различие выборочных средних незначимо и объясняется случайными причинами и, в частности, случайным отбором объектов выборки. Если нулевая гипотеза будет отвергнута, т. е. генеральные средние неодинаковы, то различие выборочных средних значимо и не может быть объяснено случайными причинами. А объясняется тем, что сами генеральные средние (математические ожидания) различны. В качестве проверки нулевой гипотезы примем случайную величину. Критерий Z – нормированная нормальная случайная величина. Действительно, величина Z распределена нормально, так как является линейной комбинацией нормально распределенных величин X и Y; сами эти величины распределены нормально как выборочные средние, найденные по выборкам, извлеченным из генеральных совокупностей; Z – нормированная величина, потому что М(Z) = 0, при справедливости нулевой гипотезы D(Z) = 1, поскольку выборки независимы. Критическая область строится в зависимости от вида конкурирующей гипотезы. Первый случай . Нулевая гипотеза Н 0:М(X)=М(Y). Конкурирующая гипотеза Н 1: М(X) ¹М(Y). В этом случае строят двустороннюю критическую область исходя из требования, чтобы вероятность попадания критерия в эту область, в предположении справедливости нулевой гипотезы, была равна принятому уровню значимости . Наибольшая мощность критерия (вероятность попадания критерия в критическую область при справедливости конкурирующей гипотезы) достигается тогда, когда «левая» и «правая» критические точки выбраны так, что вероятность попадания критерия в каждый интервал критической области равна: P(Z < zлев.кр)=a¤2, P(Z > zправ.кр)=a¤2. (1) Поскольку Z – нормированная нормальная величина, а распределение такой величины симметрично относительно нуля, критические точки симметричны относительно нуля. Таким образом, если обозначить правую границу двусторонней критической области через zкр, то левая граница -zкр. Итак, достаточно найти правую границу, чтобы найти саму двустороннюю критическую область Z < -zкр, Z > zкр и область принятия нулевой гипотезы (-zкр, zкр). Покажем, как найти zкр – правую границу двусторонней критической области, используя функцию Лапласа Ф(Z). Известно, что функция Лапласа определяет вероятность попадания нормированной нормальной случайной величины, например Z, в интервале (0;z): Р(0 < Z Так как распределение Z симметрично относительно нуля, то вероятность попадания Z в интервал (0; ¥) равна 1/2. Следовательно, если разбить этот интервал точкой zкр на интервал (0, zкр) и (zкр, ¥), то по теореме сложения Р(0< Z < zкр)+Р(Z > zкр)=1/2. В силу (1) и (2) получим Ф(zкр)+a/2=1/2. Следовательно, Ф(zкр) =(1-a)/2. Отсюда заключаем: для того чтобы найти правую границу двусторонней критической области (zкр), достаточно найти значение аргумента функции Лапласа, которому соответствует значение функции, равное (1-a)/2. Тогда двусторонняя критическая область определяется неравенствами Z < – zкр, Z > zкр, или равносильным неравенством ½Z½ > zкр, а область принятия нулевой гипотезы неравенством – zкр < Z < zкр или равносильным неравенством çZ ç< zкр. Обозначим значение критерия, вычисленное по данным наблюдений, через zнабл и сформулируем правило проверки нулевой гипотезы. Правило. 1. Вычислить наблюдаемое значение критерия 2. По таблице функции Лапласа найти критическую точку по равенству Ф(zкр)=(1-a)/2. 3. Если ç zнабл ç < zкр – нет оснований отвергнуть нулевую гипотезу. Если ç zнабл ç> zкр – нулевую гипотезу отвергают. Второй случай . Нулевая гипотеза Н0: M(X)=M(Y). Конкурирующая гипотеза Н1: M(X)>M(Y). На практике такой случай имеет место, если профессиональные соображения позволяют предположить, что генеральная средняя одной совокупности больше генеральной средней другой. Например, если введено усовершенствование технологического процесса, то естественно допустить, что оно приведет к увеличению выпуска продукции. В этом случае строят правостороннюю критическую область исходя из требования, чтобы вероятность попадания критерия в эту область, в предположении справедливости нулевой гипотезы, была равна принятому уровню значимости: P(Z> zкр)=a. (3) Покажем, как найти критическую точку при помощи функции Лапласа. Воспользуемся соотношением P(0 zкр)=1/2. В силу (2) и (3) имеем Ф(zкр)+a=1/2. Следовательно, Ф(zкр)=(1-2a)/2. Отсюда заключаем, для того чтобы найти границу правосторонней критической области (zкр), достаточно найти значение функции Лапласа, равное (1-2a)/2. Тогда правосторонняя критическая область определяется неравенством Z > zкр, а область принятия нулевой гипотезы – неравенством Z < zкр. Правило. 1. Вычислить наблюдаемое значение критерия zнабл. 2. По таблице функции Лапласа найти критическую точку из равенства Ф(zкр)=(1-2a)/2. 3. Если Z набл < z кр – нет оснований отвергнуть нулевую гипотезу. Если Z набл > z кр – нулевую гипотезу отвергаем. Третий случай. Нулевая гипотеза Н0: M(X)=M(Y). Конкурирующая гипотеза Н1: M(X) В этом случае строят левостороннюю критическую область исходя из требования, вероятность попадания критерия в эту область, в пред- положении справедливости нулевой гипотезы, была равна принятому уровню значимости P(Z < z’кр)=a, т.е. z’кр= – zкр. Таким образом, для того чтобы найти точку z’кр, достаточно сначала найти “вспомогательную точку” zкр а затем взять найденное значение со знаком минус. Тогда левосторонняя критическая область определяется неравенством Z < -zкр, а область принятия нулевой гипотезы – неравенством Z > -zкр. Правило. 1. Вычислить Zнабл. 2. По таблице функции Лапласа найти “вспомогательную точку” zкр по равенству Ф(zкр)=(1-2a)/2, а затем положить z’кр = -zкр. 3. Если Zнабл > -zкр, – нет оснований отвергать нулевую гипотезу. Если Zнабл < -zкр, – нулевую гипотезу отвергают.

Экономическая наука кроме своих специфических методов использует также и некоторые общенаучные методы - синтез, анализ, сравнения, абстракции и много другое. Одним из видов экономического анализа является факторный анализ, который представляет собой мощный инструмент, позволяющий не только разложить то или иное на составляющие, но и определить, какая составляющая оказывает то или иное влияние на процесс в целом. Более детально данный вид анализа рассмотрим в данной статье.

По определению, факторный анализ - это вид математического нескольких переменных, который позволяет определить, какое влияние на функцию оказывает та или иная переменная. Почему так важен именно в экономике? Все потому, что ни один не является зависимым лишь от одного фактора. Так, цена зависит от спроса и предложения, заработная плата - от трудоспособности сотрудника и отработанного времени, прибыль предприятия - от совокупности всех показателей деятельности фирмы вместе взятых. Но как определить, какой из факторов оказывает ключевое влияние на тот или иной показатель? Именно здесь нам пригодится факторный анализ.

Начнем с простого примера. Попробуем произвести факторный анализ себестоимости. На себестоимость продукции оказывают влияние такие факторы, как стоимость сырья, заработная плата рабочих, амортизация оборудования в расчете на единицу продукции.Выходит, что себестоимость является функцией от всех этих факторов, и, по сути, является суммой стоимостей всех затрат. Таким образом, возрастание каждого из этих видов затрат приведет к росту себестоимости единицы продукции. Логично предположить, что стоимость сырья в большинстве случаев занимает наибольшую долю в себестоимости продукции. Можем сделать вывод, что именно она оказывает наибольшее влияние на себестоимость, и значит, именно на поиске более дешевого сырья необходимо сконцентрироваться поиске резервов снижения себестоимости.

Попробуем произвести факторный Тут все несколько сложнее, ведь есть факторы, способствующие как росту, так и снижению производительности. Среди факторов, способствующих росту - качество и надежность оборудования, квалификация персонала, удобство работы персонала, соотношение рабочего времени и перерывов в работе. Среди факторов, снижающих производительность - количество случаев выхода оборудования из строя, наличие «узких мест» - участков производства с недостаточной производственной мощностью, отвлекающие факторы - шумы, вибрации и прочие внешние раздражители. Конечно же, все вышеуказанные факторы будут иметь в функции различные коэффициенты, и именно с их помощью будет выражаться степень влияния того или иного фактора на производительность труда, однако общий принцип понятен: действие факторов, повышающих производительность, необходимо усиливать, а факторов, понижающих эффективность труда - минимизировать.

Проведя факторный анализ того или иного явления в экономике, можно составить некий план действий, согласно которому можно будет с минимальными затратами времени и ресурсов максимизировать или минимизировать некоторые показатели деятельности фирмы. Это поможет в кратчайшие сроки сделать так, чтобы фирма работала максимально эффективно и прибыльно. Широко применяется факторный анализ и в макроэкономике - анализируется объем ВВП, соотношение экспорта и импорта, вычисляется необходимое количество в обращении и многие другие показатели эффективности функционирования экономики страны.

Все хозяйственные процессы деятельности предприятий взаимосвязаны и взаимообусловлены. Одни из них напрямую связаны между собой, некоторые проявляются косвенно. Таким образом, важным вопросом в экономическом анализе является оценка влияния фактора на тот или иной экономический показатель и для этого используют факторный анализ.

Факторный анализ предприятия. Определение. Цели. Виды

Факторный анализ относится в научной литературе к разделу многомерного статистического анализа, где оценку наблюдаемых переменных проводят с помощью ковариационных или корреляционных матриц.

Факторный анализ впервые стал применяться в психометрике и в настоящее время используется почти во всех науках начиная от психологии и кончая нейрофизиологией и политологией. Основные концепции факторного анализа были определены английским психологом Гальтоном и затем развиты Спирменом, Терстоуном, Кеттелом.

Можно выделить 2 цели факторного анализа :
– определение взаимосвязи между переменными (классификация).
– сокращение числа переменных (кластеризация).

Факторный анализ предприятия – комплексная методика системного изучения и оценки воздействия факторов на величину результативного показателя.

Можно выделить следующие виды факторного анализа :

1. Функциональный, где результативный показатель определен в виде произведения или алгебраической суммы факторов.
2. Корреляционный (стохастический) – связь между результативным показателем и факторами являются вероятностой.
3. Прямой / Обратный – от общего к частном и наоборот.
4. Одноступенчатый/многоступенчатый.
5. Ретроспективный/ перспективный.

Остановимся на первых двух более подробно.

Для того, чтобы можно было провести факторный анализ необходимо :
– Все факторы должны быть количественными.
– Число факторов в 2 раза больше чем результативные показатели.
– Однородная выборка.
– Нормальное распределение факторов.

Факторный анализ осуществляется в несколько этапов:
1 этап. Отбираются факторы.
2 этап. Факторы классифицируются и систематизируются.
3 этап. Моделируется взаимосвязь между результативным показателем и факторами.
4 этап. Оценка влияния каждого фактора на результативный показатель.
5 этап. Практическое использование модели.

Выделяются методы детерминированного факторного анализа и методы стохастического факторного анализа.

Детерминированный факторный анализ – исследование, в котором факторы влияют на результативный показатель функционально. Методы детерминированного факторного анализа – метод абсолютных разниц, метод логарифмирования, метод относительных разниц. Данный вид анализ наиболее распространен в силу своей простоты применения и позволяет понять факторы, которые необходимо изменить для увеличения / уменьшения результативного показателя.

Стохастический факторный анализ – исследование, в котором факторы влияют на результативный показатель вероятностно, т.е. при изменении фактора может быть несколько значений (или диапазон) результирующего показателя. Методы стохастического факторного анализа – теория игр, математическое программирование, множественный корреляционный анализ, матричные модели.