|
Факторное разложение
Для определения зависимости между двумя или более переменными используются методы регрессии, когда зависимость между результативной переменной (у) и факторной переменной (х) может быть представлена в математическом виде, например для линейной зависимости таким алгоритмом:
Для определения зависимости между двумя или более переменными используются методы регрессии, когда зависимость между результативной переменной (у) и факторной переменной (х) может быть представлена в математическом виде, например для линейной зависимости таким алгоритмом:
В момент (f + 1) воздействие факторной переменной xt на результат yt составит (bo + b\) условных единиц; в момент времени (t + 2) воздействие можно охарактеризовать суммой (Ьо + Ь\ + b-j) и т.д. Эти суммы называют промежуточными мультипликаторами. Для максимального лага (t + /) воздействие фактора на результат описывается суммой (Ьо + Ь\ + ... + b{ = b), которая называется долгосрочным мультипликатором.
Найденные соотношения показывают, что текущий уровень ряда у, зависит не только от факторной переменной х,, но и от остатков предшествующего периода е,^.
В момент (/ + 1) совокупное воздействие факторной переменной л:, на результату, составит (Ьо + Ь{) усл. ед., в момент (И-2) это воздействие можно охарактеризовать суммой (60 + Ь{ + Ь2) и т. д. Полученные таким образом суммы называют промежуточными мультипликаторами.
Текущее и лаговые значения факторной переменной оказывают различное по силе воздействие на результативную переменную модели. Количественно сила связи между результатом и значениями факторной переменной, относящимися к различным моментам времени, измеряется с помощью коэффициентов регрессии при факторных переменных. Если построить график зависимости этих коэффициентов от величины лага, можно получить графическое изображение структуры лага, или распределения во времени воздействия факторной переменной на результат (рис. 7.1). Структура лага может быть различной. На рис. 7.1 представлены основные ее формы.
Таким образом, ожидаемое значение факторной переменной х* в период t есть средняя арифметическая взвешенная ее фактического и ожидаемого значений в предыдущий период. Иными словами, как показывает соотношение (7.38), в каждый период времени / + 1 ожидания корректируются на некоторую долю а разности между фактическим значением факторного признака и его ожидаемым значением в предыдущий период. Параметр а в этой модели называется коэффициентом ожиданий. Чем ближе коэффициент ожиданий а к 1, тем в большей степени реализуются ожидания экономических агентов. И, наоборот, приближение величины а к нулю свидетельствует об устойчивости существующих тенденций. При а = 0 из соотношения (7.38) или (7.39) мы получим, что х* = хп т. е. «условия, доминирующие сегодня, сохранятся и на все будущие периоды времени. Ожидаемые будущие значения показателей совпадут с их значениями текущих периодов»1.
Основное различие моделей (7.37) и (7.44) состоит в том, что модель (7.37) включает ожидаемые значения факторной переменной, которые нельзя получить эмпирическим путем. Поэтому статистические методы для оценки параметров модели (7.37) неприемлемы. Модель (7.44) включает только фактические значения переменных, поэтому ее параметры можно определять на основе имеющейся статистической информации с помощью стандартных статистических методов. Однако, как и в случае с моделью Кдфка, применение ОМНК для оценки параметров уравнения (7.44) привело бы к получению их смещенных оценок ввиду наличия в правой части модели лагового значения результативного признака у,_ (.
Ввиду неадекватности модели и незначительной связи факторной переменной с
циента при данной факторной переменной к общей сумме коэффициентов в регресси-
ля в общим рейтинге - как отношение значения коэффициента факторной переменной
1. Неразложимый остаток (или остатки в более сложных моделях) отбрасывается ввиду абсолютной теоретической необоснованности какого-либо его распределения. В этом случае получим следующее факторное разложение:
3. Неразложимый остаток распределяется по определенному алгоритму, что и предусмотрено тем или иным методом детерминированного факторного анализа. В приведенной простейшей двухфакторной модели остаток может распределяться между двумя другими слагаемыми, например, в равной пропорции (т.е. 50 на 50) или в соответствии с темпами их роста и т.п. Считается, что наиболее законченное воплощение данный подход нашел в интегральном методе. Согласно этому методу для рассматриваемой двухфакторной мультипликативной модели факторное разложение имеет вид:
Итак, факторное разложение (3.1) может быть получено с помощью различных методов, причем не все из них дают полное разложение, т.е.
В определенном смысле представляет собой следствие второй типовой задачи, поскольку базируется на полученном факторном разложении. Необходимость этой задачи обусловлена тем обстоятельством, что полученные элементы факторного разложения являются абсолютными величинами, которые трудно использовать для пространственно-временных сопоставлений. В рамках задачи 3 факторное разложение дополняется относительными показателями:
В эту группу относятся приемы, позволяющие оценить влияние того или ИЕОГО фактора при проведении факторного анализа с помощью жестко детерминированных моделей (типовые задачи 2—4 в гл.З). Как уже отмечалось в предыдущей главе, факторное разложение в основной типовой задаче 2 может быть получено с помощью разнообразных методов, называемых часто элементарными приемами детерминированного факторного анализа. Не останавливаясь на существе вычислительных процедур каждого метода, поскольку они хорошо описаны в отечественной литературе по теории анализа хозяйственной деятельности (см., например, [Баканов, Шеремет]), дадим лишь краткую сравнительную характеристи-
Свэйства: является универсальным, весьма простым и наглядным методом, применяемым для любых типов моделей; достигается полное факторное разложение; требуется установление очередности изменения факторов, причем изменение порядка замены приводит к иному факторному разложению (меняются лишь абсолютные значения частных приращений, но не их знаки); обоснованный способ установления такой очередности отсутствует; не аддитивен во времени.
Факторное разложение находится с помощью специальных расчетных формул, которые для удобства пользования табулированы для наиболее распространенных видов моделей и приведены в монографиях по теории анализа хозяйственной деятельности (см., например, [Баканов, Шеремет]).
Налог на добавленную стоимость в бухгалтерии рассчитывается «методом зачетов» (разность между НДС от выручки и НДС по оплаченным поставщиками в течение бюджетного периода закупкам товарно-материальных ценностей (ТМЦ) — см. параграф 5.9). При этом при расчете НДС от выручки, так же как при расчете налога на прибыль, применяется принцип «по оплате». Первичное факторное «разложение» начисленного к выплате НДС производится по указанным двум составляющим:
В этом случае факторное «разложение» совокупного отклонения прямых коммерческих расходов по итогам отчетного бюджетного периода будет следующим (табл. 66):
• факторное разложение размера отклонения (если контролируемый показатель поддается количественному разложению на отдельные составляющие). Алгоритм такого разложения должен быть определен и доведен до каждого исполнителя заранее;
Смысл данного утверждения совершенно очевиден. Дело в том, что любое предприятие работает в условиях действия множества факторов; объединить эти факторы в какую-либо модель, тем более жестко детерминированную, ни теоретически, ни практически не представляется возможным. Поэтому любое факторное разложение является весьма и весьма условным.
Федеральным государственным Федеральным региональным Федеральная корпорация Федеральная собственность Федеральной инвестиционной Федеральной налоговой Федеральной собственности Фьючерсных трейдеров Федерального агентства Федерального казначейства Федерального региональных Фактических материальных Федеральном государственном вывоз мусора снос зданий
|
|
|
|
Навигация
