Применения методов факторного анализа

Модели Способы	Мультипли-кативные	Аддитивные	Кратные	Смешанные
цепных подстановок	+	+	+	+
абсолютных разниц	+	–	–
корректировок	+	–	+	–
относительных разниц	+	–	–	–
относительных коэффициентов	+	+	+	–
пропорционального деления и долевого участия	–	+	–
структурных сдвигов	+	–	–	–
логарифмический	+	–	–	–
кольцевой	+	–	–	–
экстремальный	+	–	–	–

2.1.3. Стохастические связи в анализе
финансово-хозяйственной деятельности

Методы решения экономических задач с использованием математики и кибернетики называют экономико-математическими методами. К ним относят экономико-статистические методы, эконометрические, методы оптимальных решений, экономическую кибернетику.

На практике далеко не все экономические явления и процессы могут изучаться с помощью способов детерминированного факторного анализа, так как в большей части случаев их нельзя свести к таким функциональным зависимостям, когда величине факторного показателя соответствует единственная величина результативного показателя.

Чаще в экономических исследованиях встречаются стохастические зависимости, которые отличаются приблизительностью, неопределенностью. Они проявляются только в среднем по значительному количеству объектов (наблюдений). Здесь каждой величине факторного показателя (аргумента) может соответствовать несколько значений результативного показателя (функции). Такого рода зависимости изучаются с помощью корреляционно-регрессионного анализа.

Корреляционная (стохастическая) связь – это неполная, вероятностная зависимость между показателями, которая проявляется только в массе наблюдений. Различают парную и множественную корреляцию.

Парная корреляция – это связь между двумя показателями, один из которых является факторным, а другой – результативным. Множественная корреляция возникает от взаимодействия нескольких факторов с результативным показателем.

Наиболее широкое применение в экономических исследованиях нашли приемы корреляционного анализа, которые позволяют количественно выразить взаимосвязь между показателями.

Необходимые условия применения корреляционного анализа:

1. Наличие достаточно большого количества наблюдений о величине исследуемых факторных и результативных показателей (в динамике или за текущий год по совокупности однородных объектов).

2. Исследуемые факторы должны иметь количественное измерение и отражение в тех или иных источниках информации.

Применение корреляционного анализа позволяет:

– определить изменение результативного показателя под воздействием одного или нескольких факторов (в абсолютном измерении), т. е. определить, на сколько единиц изменяется величина результативного показателя при изменении факторного на единицу;

– установить относительную степень зависимости результативного показателя от каждого фактора.

Исследование корреляционных соотношений имеет огромное значение в анализе хозяйственной деятельности: устанавливаются место и роль каждого фактора в формировании уровня исследуемых показателей, углубляются знания об изучаемых явлениях, определяются закономерности их развития и, таким образом, точнее обосновываются планы и управленческие решения, более объективно оцениваются итоги деятельности предприятий и более полно определяются внутрихозяйственные резервы.

Одна из основных задач корреляционного анализа – определение влияния факторов на величину результативного показателя (в абсолютном измерении). Для решения этой задачи подбирается соответствующий тип математического уравнения, которое наилучшим образом отражает характер изучаемой связи (прямолинейной, криволинейной и т. д.). Это играет важную роль в корреляционном анализе, потому что от правильного выбора уравнения регрессии зависит ход решения задачи и результаты расчетов.

Обоснование уравнения связи делается с помощью сопоставления параллельных рядов, группировки данных и линейных графиков. Размещение точек на графике покажет, какая зависимость образовалась между изучаемыми показателями – прямолинейная или криволинейная.

Наиболее простым уравнением, которое характеризует прямолинейную зависимость между двумя показателями, является уравнение прямой:

,

где x – факторный показатель;

– результативный показатель;

a и b – параметры уравнения регрессии, которые требуется определить.

Это уравнение описывает такую связь между двумя признаками, при которой с изменением факторного показателя на определенную величину наблюдается равномерное возрастание или убывание значений результативного показателя.

Значения коэффициентов a и b находят из системы уравнений, полученных по способу наименьших квадратов. В данном случае система уравнений имеет следующий вид:

Коэффициент a – постоянная величина результативного показателя, которая не связана с изменением данного фактора. Параметр b показывает среднее изменение результативного показателя с повышением или понижением величины фактора на единицу его измерения.

Используя тот или иной тип математического уравнения, можно определить степень зависимости между изучаемыми явлениями, т. е. узнать, на сколько единиц в абсолютном измерении изменяется величина результативного показателя с изменением факторного на единицу. Однако регрессионный анализ не дает ответа на вопрос, тесная это связь или нет, решающее воздействие оказывает данный фактор на величину результативного показателя или второстепенное.

Для измерения тесноты связи между факторными и результативными показателями используется коэффициент корреляции.

В случае прямолинейной формы связи между изучаемыми показателями коэффициент корреляции, r, рассчитывается по следующей формуле:

Коэффициент корреляции может принимать значения от 0 до ± 1. Чем ближе его величина к единице, тем более тесная связь между изучаемыми явлениями, и наоборот, знак показывает направление связи между фактором и результативным показателем.

Чтобы установить, насколько тесной является связь при криволинейной форме зависимости, используется не линейный коэффициент корреляции, а корреляционное отношение:

,

где ;

.

Экономические явления и процессы хозяйственной деятельности предприятий зависят от большого количества факторов. Как правило, каждый фактор в отдельности не определяет изучаемое явление во всей полноте. Только комплекс факторов в их взаимосвязи может дать более или менее полное представление о характере изучаемого явления.

Многофакторный корреляционный анализ состоит из нескольких этапов [15]. На первом этапе определяются факторы, которые оказывают воздействие на изучаемый показатель, и отбираются наиболее существенные из них для корреляционного анализа.

На втором этапе собирается и оценивается исходная информация, необходимая для корреляционного анализа.

На третьем этапе изучается характер и моделируется связь между факторами и результативным показателем, т. е. подбирается и обосновывается математическое уравнение, которое наиболее точно выражает сущность исследуемой зависимости.

На четвертом этапе проводится расчет основных показателей связи корреляционного анализа.

На пятом этапе дается статистическая оценка результатов корреляционного анализа и предлагается способ их практического применения.

Отбор факторов для корреляционного анализа является очень важным моментом в экономическом анализе. От того, насколько правильно сделан отбор факторов, зависит точность выводов по итогам анализа. Важное значение при отборе факторов имеют и теория и практика. При этом необходимо придерживаться следующих правил.

1. При отборе факторов в первую очередь следует учитывать причинно-следственные связи между показателями, так как только они раскрывают сущность изучаемых явлений. Анализ факторов, которые находятся только в математических соотношениях с результативным показателем, не имеет практического смысла.

2. При создании многофакторной корреляционной модели необходимо отбирать самые значимые факторы, которые оказывают решающее воздействие на результативный показатель, так как охватить все условия и обстоятельства практически невозможно. Факторы, которые имеют критерий надежности по Стьюденту меньше табличного, не рекомендуется принимать в расчет.

3. Все факторы должны быть количественно измеримы, т. е. иметь единицу измерения, и информация о них должна содержаться в учете и отчетности.

4. В корреляционную модель линейного типа не рекомендуется включать факторы, связь которых с результативным показателем имеет криволинейный характер.

5. Не рекомендуется включать в корреляционную модель взаимосвязанные факторы. Если парный коэффициент корреляции между двумя факторами больше 0,85, то по правилам корреляционного анализа один из них необходимо исключить, иначе это приведет к искажению результатов анализа.

6. Нельзя включать в корреляционную модель факторы, связь которых с результативным показателем носит функциональный характер.

Большую помощь при отборе факторов для корреляционной модели оказывают аналитические группировки, способ сравнения параллельных и динамических рядов, линейные графики.

Первые два этапа включают в себя сбор и статистическую оценку исходной информации, которая будет использоваться при корреляционном анализе. Собранная исходная информация должна быть проверена на точность, однородность и соответствие закону нормального распределения.

В первую очередь необходимо убедиться в достоверности информации, насколько она соответствует объективной действительности. Использование недостоверной, неточной информации приведет к неправильным результатам анализа и неправильным выводам.

Одно из условий корреляционного анализа – однородность исследуемой информации относительно распределения ее около среднего уровня. Если в совокупности имеются группы объектов, которые значительно отличаются от среднего уровня, то это говорит о неоднородности исходной информации.

Критериями однородности информации служат среднеквадратическое отклонение и коэффициент вариации, которые рассчитываются по каждому факторному и результативному показателю.

Среднеквадратическое отклонение показывает абсолютное отклонение индивидуальных значений от среднеарифметической величины. Оно определяется по формуле:

.

Коэффициент вариации показывает относительную меру отклонения отдельных значений от среднеарифметической. Он рассчитывается по формуле:

.

Следующий этап корреляционного анализа – расчет уравнения связи (регрессии). Решение проводится обычно шаговым способом. Сначала в расчет принимается один фактор, оказывающий наиболее значимое влияние на результативный показатель, потом второй, третий и т. д. И на каждом шаге рассчитываются уравнение связи, множественный коэффициент корреляции и детерминации, F-отношение (критерий Фишера), стандартная ошибка и другие показатели, с помощью которых оценивается надежность уравнения связи:

.

Коэффициенты регрессии в уравнении связи имеют разные единицы измерения, что делает их несопоставимыми, если возникает вопрос о сравнительной силе воздействия факторов на результативный показатель. Чтобы привести их в сопоставимый вид, все переменные уравнения регрессии выражают в долях среднеквадратического отклонения, другими словами, рассчитывают стандартизированные коэффициенты регрессии. Их еще называют бета-коэффициентами по символу, который принят для их обозначения ().

Бета-коэффициенты и коэффициенты регрессии связаны следующим отношением:

.

Бета-коэффициенты показывают, что если величина фактора увеличится на одно среднеквадратическое отклонение, то соответствующая зависимая переменная увеличится или уменьшится на долю своего среднеквадратического отклонения. Сопоставление бета-коэффициентов позволяет сделать вывод о сравнительной степени воздействия каждого фактора на величину результативного показателя.

По аналогии можно сопоставить и коэффициенты эластичности, которые рассчитываются по формуле:

.

Коэффициенты эластичности показывают, на сколько процентов в среднем изменяется функция с изменением аргумента на 1 %.

Чтобы убедиться в точности (надежности) уравнения связи и правомерности его использования для практической цели, необходимо дать статистическую оценку надежности показателей связи. Для этого используются критерий Фишера (F -отношение), средняя ошибка аппроксимации (), коэффициенты множественной корреляции (R) и детерминации (Д).

Критерий Фишера рассчитывается следующим образом:

,

где – факторная дисперсия;

– остаточная дисперсия;

– индивидуальные значения результативного показателя, рассчитанные по уравнению;

– среднее значение результативного показателя, рассчитанное по уравнению;

– фактические индивидуальные значения результативного показателя;

m – количество параметров в уравнении связи с учетом свободных членов уравнения;

n – количество наблюдений.

Фактическая величина F -отношения сопоставляется с табличной и делается заключение о надежности связи. Если , то гипотеза об отсутствии связи между результативным показателем и исследуемыми факторами отклоняется.

Для статистической оценки точности уравнения связи используется также средняя ошибка аппроксимации:

Чем меньше теоретическая линия регрессии (рассчитанная по уравнению) отклоняется от фактической (эмпирической), тем меньше средняя ошибка аппроксимации.

О полноте связи можно судить также по величине множественных коэффициентов корреляции (R) и детерминации (Д):

;

.

После проверки надежности рассчитанного уравнения регрессии делается вывод о возможности его использования на практике:

1. Для оценки результатов хозяйствования путем сравнения фактической величины результативного показателя с теоретической (расчетной), которая определяется на основе уравнения множественной регрессии. Если , то это говорит о том, что данное предприятие использует свои возможности несколько хуже, чем в среднем все исследуемые предприятия.

2. Для расчета влияния факторов на прирост результативного показателя

,

где ;

– коэффициент уравнения регрессии.

3. Для подсчета резервов повышения уровня исследуемого показателя () на величину соответствующего коэффициента регрессии

,

где ;

4. Для прогнозирования и планирования уровня результативного показателя. С этой целью необходимо в полученное уравнение связи подставить плановый (прогнозный) уровень факторных показателей.

Таким образом, многофакторный корреляционный анализ имеет важную научную и практическую значимость. Он позволяет изучить закономерности изменения результативного показателя в зависимости от поведения разных факторов, определить их влияние на величину результативного показателя, установить, какие из них являются основными, а какие второстепенными. Этим достигается более объективная оценка деятельности предприятия, более точное и полное определение внутрихозяйственных резервов.

2.2. Методика функционально-стоимостного анализа

Теоретические разработки по снижению издержек и их практическое воплощение становятся важнейшим направлением интенсификации, так как именно в уровне издержек, в темпах их сокращения наиболее полно и объективно отражаются результаты работы по повышению эффективности производства, одним из путей которого является поиск резервов снижения издержек. Решение поставленных задач по снижению издержек, в том числе и за счет уменьшения доли непроизводительных затрат, возможно с помощью внедрения в систему управления затратами предприятий функционально-стоимостного анализа (ФСА).

ФСА первоначально разрабатывался как метод поиска резервов сокращения затрат на производство.

Обычно последовательность поиска резервов сокращения затрат или снижения себестоимости складывается из следующих этапов:

1) группировка фактических сумм затрат по определенным статьям и элементам;

2) сравнение этих сумм с запланированными или нормативными; полученные таким образом положительные отклонения считают резервами.

Такой подход на практике дает определенные положительные результаты. Однако он серьезно ограничен статичностью самого продукта и технологии его производства.

ФСА основывается на том, что каждый продукт, объект и т. д. производится, существует для того, чтобы удовлетворять определенные потребности (выполнять определенные функции). Для создания этих функций в продукте или товаре нужно затрачивать определенное количество живого и овеществленного труда.

При анализе функций можно выделить:

– основные,ради которых создавался объект;

– вспомогательные, которые выполняют вспомогательную роль, без них невозможно осуществить главные целевые функции;

– лишние (могут быть и вредные (излучение ТВ)).

Однако в любом случае для создания этих функций были затрачены какие-то средства. Тогда очевидным становится вывод о том, что если функции не нужны, то и затраты на их создание лишние.

Поэтому ФСА все затраты подразделяет:

1) на функционально-необходимые для выполнения объектом его функционального назначения;

2) на излишние, порожденные неправильным выбором или несовершенством конструкторских решений.

Далее необходимо отметить, что каждая из функций может выполняться разными способами. Очевидно, что разные способы осуществления функции достигаются разными технологическими и техническими путями и соответственно требуют разных объемов затрат. Следовательно, выбирая тот или иной способ осуществления функции, мы заранее закладываем и определенную минимальную сумму затрат на ее изготовление. Следовательно, заменив существующий способ выполнения функции более дешевым, мы тем самым уменьшим стоимость изделия.

Таким образом, ФСА представляет собой эффективный способ выявления резервов сокращения затрат, который основывается на поиске более дешевых способов выполнения главных функций (путем организационных, технических, технологических и других изменений производства) при одновременном исключении лишних функций.

Конечной целью ФСА является поиск наиболее экономичных с точки зрения потребителя и производителя вариантов того или иного практического решения. Для достижения этой цели с помощью анализа должны решаться следующие задачи:

1) общая характеристика объекта исследования;

2) детализация объекта на функции;

3) группировка выделенных функций на главные, вспомогательные и ненужные;

4) определение и группировка затрат соответственно выделенным функциям;

5) исчисление суммы затрат на изготовление изделия при исключении лишних функций и использовании других технических и технологических решений;

6) разработка предложений по технологическому и организационному усовершенствованию производства.

Объектами ФСА могут быть как отдельные объекты, так и технологические процессы.

С целью обеспечения наибольшей отдачи от выполнения работ по ФСА необходимо соблюдать ряд основных правил при проведении аналитического исследования. Среди наиболее важных можно выделить следующие:

1. Принцип ранней диагностики. Сущность его заключатся в том, что величина выявленных резервов зависит от того, на каком этапе стадии жизненного цикла изделия проводится ФСА: предпроизводственной, производственной, эксплуатации, утилизации.

2. Принцип приоритета. В первую очередь ФСА должны подвергаться изделия и процессы на стадии конструкторской разработки и которые будут производится в больших масштабах.

3. Принцип оптимальной детализации. На практике анализ выполняют в два этапа:

– деление объекта на крупные части (отдельные узлы, технологические операции и т. д.);

– выполнение ФСА каждого из выделенных более мелких объектов.

4. Принцип последовательности. При ФСА необходимо пользоваться логической схемой детализации – от общего к частному (объект – узел – функция).

5. Принцип выделения ведущего звена (ликвидация узких мест). Почти всегда при анализе выясняется, что в изделии или технологическом процессе существует какая-то часть, которая требует больших затрат на обеспечение жизнеспособности этого объекта или сдерживает получение эффекта от его функционирования.

Все этапы ФСА взаимосвязаны и состоят из нескольких отдельных работ (рис. 2.3).

Подготовительный этап. На данном этапе выбирается объект будущего исследования, создается временная исследовательская группа из специалистов разного направления для более полного охвата всех инженерно-экономических и технических особенностей объекта. На этом этапе разрабатывается подробный календарный план выполнения исследования, оформляются все нормативные документы, связанные с проведением ФСА.

Информационный этап. На данном этапе производится сбор, изучение и обобщение разнообразных данных об исследуемом объекте. Полученная информация должна отражать условия производства, реализации и потребления изделия, новейшие достижения в отраслях науки и техники, удерживать всю без исключения экономическую информацию. Данный этап часто называют фундаментальным этапом ФСА, так как от полноты и достоверности полученных сведений зависит успех последующей работы.

Рис. 2.3. Этапы ФСА

При функциональном описании систем используется функциональная модель. Функциональная модель – это логико-графическое изображение состава и взаимосвязей функций объекта. Строится такая модель путем формулировки функций и установления порядка их подчинения (см. рис. 2.4).

Рис. 2.4. Примерная схема построения функциональной модели

Снижение издержек производства происходит посредством изменения стоимости функций объекта, способов его изготовления. Поэтому в ФСА функция определяет стоимость объекта.

Аналитический этап. Основным назначением аналитического этапа является определение наиболее важных идей и вариантов решений для совершенствования исследуемого объекта исходя из анализа его функций и затрат на их осуществление.

Для анализа функций можно использовать метод балльного сопоставления затрат и значимости функций. Для определения значимости (относительной важности) функций выполняют оценочные процедуры, которые осуществляются с помощью метода экспертных оценок (все данные заносятся в таблицу 2.3). Сравнив функции по затратам, определяются критические функции, которые необходимо совершенствовать.

Таблица 2.3