|
Исследуемых признаков
Ввиду того, что показатели работы долот при бурении с отклонителем и на прямой трубе изменяются в сравнительно большом диапазоне, а количество их ограничено, то для установления точности и надежности исследуемых показателей и случайности или неслучайности различия между ними фактические промысловые данные должны быть обработаны методами математической статистики [56]. При этом исходят из известной теории П. Л. Че-бышева, что при достаточно большом числе наблюдений среднее оказывается вполне определенной величиной, вытекающей из общих условий процесса. Чем больше число наблюдений, тем ближе подходит среднее их значение к своему математическому ожиданию, представляющему собой среднюю величину возможных зна-
График разброса (scatter charts) — фактические значения исследуемых показателей, нанесенных в прямоугольной системе координат (по которым и строят предполагаемую кривую зависимости).
занных общих экономических показателей. Экономический анализ дополняется изучением темпов развития исследуемых показателей, их взаимными соотношениями, расчетами среднегодовых темпов исследуемых явлений по годам, сопоставлением их развития с темпами других экономических величин (производственными основными фондами, численностью населения и др.). Такой анализ необходим потому, что федеральный бюджет связан с реальными экономическими ситуациями и поэтому быстро реагирует на изменения в любой отрасли народного хозяйства, с политикой в области социальной защиты населения, с изменениями в порядке финансирования основных затрат государства и т.д.
1. Отбор факторов для анализа исследуемых показателей.
Таким образом, систематизация факторов позволяет более глубоко изучить взаимосвязь факторов при формировании величины изучаемого показателя, что имеет немаловажное значение на следующих этапах анализа, особенно на этапе моделирования исследуемых показателей.
Таким образом, многофакторный корреляционный анализ имеет важную научную и практическую значимость. С установлением места и роли каждого фактора в формировании уровня исследуемых показателей точнее обосновываются планы и управленческие решения, объективнее оцениваются итоги деятельности предприятий и полнее определяются внутрихозяйственные резервы.
вать величину показателей с учетом условий хозяйствования и ограничений на ресурсы и тем самым выявить дополнительные и неиспользованные резервы производства путем сравнения величины исследуемых показателей по оптимальному варианту с их фактическим или плановым уровнем.
Корреляционно-регрессионный анализ — классический метод стохастического моделирования хозяйственной деятельности. Он изучает взаимосвязи показателей хозяйственной деятельности, когда зависимость между ними не является строго функциональной и искажена влиянием посторонних, случайных факторов. При проведении корреляционно-регрессионного анализа строят различные корреляционные и регрессионные модели хозяйственной деятельности. В этих моделях выделяют факторные и результативные показатели (признаки). В зависимости от количества исследуемых показателей различают парные и многофакторные модели корреляционно-регрессионного анализа.
Необходимым условием правильной оценки при использовании интегральных показателей, полученных по приведенной выше формуле, является однонаправленность исследуемых показателей, т.е. увеличение (уменьшение) значения любого частного показателя расценивается как улучшение результатов хозяйственной деятельности, а .соответственно уменьшение (увеличение) значения частного показателя — как ухудшение результатов деятельности производственного объекта. Однонаправленность частных показателей позволяет ранжировать производственные объекты по возрастанию (убыванию) значений интегрального показателя.
Метод суммы мест предполагает предварительное ранжирование каждого объекта анализа — организации или подразделения, в зависимости от уровня исследуемых показателей. Число
денежных средств», исчислении и оценке необходимых величин (абсолютных и относительных отклонений, темпов роста и прироста, удельного веса отдельных показателей (элементов) притока и оттока денежных средств в общем объеме положительных и отрицательных денежных потоков) за отчетный период, а также оценке динамики исследуемых показателей.
Принцип нумерации значений исследуемых признаков является основой непараметрических методов изучения взаимосвязи
Коэффициент Фехнера определяется на основе соотношения знаков отклонений значений исследуемых признаков х и у от их средних величин. Он рассчитывается по формуле
Наряду с ошибками спецификации могут иметь место ошибки выборки, поскольку исследователь чаще всего имеет дело с выборочными данными при установлении закономерной связи между признаками. Ошибки выборки имеют место и в силу неоднородности данных в исходной статистической совокупности, что, как правило, бывает при изучении экономических процессов. Если совокупность неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности единицы с аномальными значениями исследуемых признаков. И в этом случае результаты регрессии представляют собой выборочные характеристики.
Значительный интерес представляет аналитический метод выбора типа уравнения регрессии. Он основан на изучении материальной природы связи исследуемых признаков.
Как было показано выше, ранжирование факторов, участвующих в множественной линейной регрессии, может быть проведено через стандартизованные коэффициенты регрессии (/?-коэффициенты). Эта же цель может быть достигнута с помощью частных коэффициентов корреляции — для линейных связей. При нелинейной взаимосвязи исследуемых признаков эту функцию выполняют частные индексы детерминации. Кроме того, частные показатели корреляции широко используются при решении проблемы отбора факторов: целесообразность включения того или иного фактора в модель доказывается величиной показателя частной корреляции.
Наряду с ошибками спецификации могут иметь место ошибки выборки, поскольку исследователь чаще всего имеет дело с выборочными данными при установлении закономерной связи между признаками. Ошибки выборки имеют место и в силу неоднородности данных в исходной статистической совокупности, что, как правило, бывает при изучении экономических процессов. Если совокупность неоднородна, то уравнение регрессии не имеет практического смысла. Для получения хорошего результата обычно исключают из совокупности единицы с аномальными значениями исследуемых признаков. И в этом случае результаты регрессии представляют собой выборочные характеристики.
Значительный интерес представляет аналитический метод выбора типа уравнения регрессии. Он основан на изучении материальной природы связи исследуемых признаков.
Как было показано выше, ранжирование факторов, участвующих в множественной линейной регрессии, может быть проведено через стандартизованные коэффициенты регрессии (/?- коэффициенты). Эта же цель может быть достигнута с помощью частных коэффициентов корреляции — для линейных связей. При нелинейной взаимосвязи исследуемых признаков эту функцию выполняют частные индексы детерминации. Кроме того, частные показатели корреляции широко используются при решении проблемы отбора факторов: целесообразность включения того или иного фактора в модель доказывается величиной показателя частной корреляции.
Предположим, что выясняется отношение к таким ценностям продукта, как «польза», «дизайн», «качество», «срок гарантии», «послепродажный сервис», «цена» и т. п. Предполагаем, что простое ранжирование (определение весов признаков) затруднено или имеет большое значение достаточно точное определение шкальных весов исследуемых признаков, поэтому прямое их экспертное определение не может быть осуществлено. Обозначим для простоты эти ценности символами Ар А^, Aj, ..., А^.
М.с. охватывает широкий круг одно-и многомерных методов и правил обработки статистических данных: от простых приемов статистического описания (выведение средней, а также степени и характера разброса исследуемых признаков вокруг нее, группировка данных по классам и сопоставление их характерис-
Математические методы измерения сходства и различия реальных экономических данных основаны на принципах соизмеримости исходных показателей. Проявлением этой соизмеримости является, например, одинаковая физическая размерность набора исследуемых признаков. В реальности составленный набор данных гомологичной соизмеримостью не обладает. Поэтому для сравнения совокупности разнородных показателей в процессе анализа целесообразно перейти к безразмерным величинам. Подробно процедура приведения к соизмеримости разнородных исходных данных представлена в [14].
Интервала группировки Интервалов группировки Инвалидности вследствие Инвентаря инструмента Инвентаризация проводится Имущества созданного Инвентарная стоимость Инвестиций финансовых Инвестиций направляемых Инвестиций организации Инвестиций потребления Инвестиций превышает Инвестиций составила вывоз мусора снос зданий
|
|
|
|
Навигация
