Как сделать факторный анализ в статистике 6. Многофакторный анализ: виды, примеры, методы проведения анализа, назначение и результаты

1. Понятие, типы и задачи факторного анализа.

2. Способы измерения влияния факторов в детерминированном анализе.

Каждый результативный показатель зависит от многочислен­ных и разнообразных факторов. Чем более детально исследуется влияние факторов на величину результативного показателя, тем точнее результаты анализа и оценка качества работы предприя­тий. Отсюда важным методологическим вопросом в анализе яв­ляется изучение и измерение влияния факторов на величину ис­следуемых экономических показателей.

Под факторным анализом (диагностикой) понимается методика и системного изучения и измерения воздействия факторов на величину результативных показателей.

Различают следующие типы факторного анализа :

Детерминированный (функциональный) и стохастический (корреляционный);

Прямой (дедуктивный) и обратный (индуктивный);

Одноступенчатый и многоступенчатый;

Статический и динамический;

Ретроспективный и перспективный (прогнозный).

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

Стохастический факторный анализ представляет собой методику иссле­дования влияния факторов, связь которых с результативным показателем в отличие от функциональной является неполной, ве­роятностной (корреляционной). Если при функциональной 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. Например, производительность труда при одном и том же уровне фондовооруженности может быть неодинаковой на разных предприятиях. Это зависит от оптимальности сочета­ния других факторов, воздействующих на этот показатель.

При прямом факторном анализе исследование ведется дедук­тивным способом - от общего к частному. Обратный факторный анализ осуществляет исследование причинно-следственных свя­зей способом логичной индукции - от частных, отдельных факто­ров к обобщающим.

Факторный анализ может быть одноступенчатым и многоступенчатым. Первый тип используется для исследования факторов только одного уровня (одной ступени) подчинения без их детали­зации на составные части. Например, у = а - b. При многоступен­чатом факторном анализе проводится детализация факторов а и b на составные элементы с целью изучения их поведения. Дета­лизация факторов может быть продолжена дальше. В данном случае изучается влияние факторов различных уровней соподчиненности.

Статический анализ применяется при изучении влияния фак­торов на результативные показатели на соответствующую дату. Динамический анализ представляет собой методику исследования причинно-следственных связей в динамике.

Ретроспективный факторный анализ изучает причины изме­нения результативных показателей за прошлые периоды, а перс­пективный - исследует поведение факторов и результативных по­казателей в перспективе.

Основными задачами факторного анализа являются следую­щие:

· отбор факторов, которые определяют исследуемые результа­тивные показатели;

· классификация и систематизация факторов с целью обеспече­ния возможностей системного подхода;

· определение формы зависимости между факторами и: резуль­тативным показателем;

· моделирование взаимосвязей между результативными и фак­торными показателями;

· расчет влияния факторов и оценка роли каждого из них в из­менении величины результативного показателя;

· работа с факторной моделью, т.е. практическое ее использо­вание для управления экономическими процессами.

Отбор факторов для анализа того или другого показателя осу­ществляется на основе теоретических и практических знаний, при­обретенных в этой отрасли. При этом обычно исходят из принци­па : чем больше комплекс факторов исследуется, тем точнее будут результаты анализа.

Вместе с тем необходимо иметь в виду, что если этот комплекс факторов рассматривается как механическая сумма, без учета их взаимодействия, без выделения главных, оп­ределяющих, то выводы могут быть ошибочными. В экономичес­ком анализе взаимосвязанное исследование влияния факторов на величину результативных показателей достигается с помощью их систематизации.

В детерминированном анализе для определения величины вли­яния отдельных факторов на изменение результативных показа­телей используются следующие способы: цепной подстановки, индексный, абсолютных разниц, относительных разниц, пропор­ционального деления, интегральный и логарифмирования.

Простейшие детерминированные математические модели широко используются в анализе факторов производства. В практике анализа используют различные типы и виды моделей.

Аддитивные модели представляют собой алгебраическую сумму показателей и имеют следующий вид:

К таким моделям, например, относятся показатели себестоимости во взаимосвязи с элементами затрат на производство и со статьями затрат; показатель объема производства продукции в его взаимосвязи с объемом выпуска отдельных изделий или объема выпуска в отдельных подразделениях.

Мультипликативные модели в обобщенном виде могут быть представлены следующей формулой.

Примером мультипликативной модели является двухфакторная модель объема реализации:

где Ч – среднесписочная численность работников;

CB – средняя выработка на одного работника.

Кратные модели:

Примером кратной модели служит показатель срока оборачиваемости товаров (в днях) - Т ОБ.Т:

где ЗТ – средний запас товаров;

ОР – однодневный объем реализации.

Смешанные модели представляют собой комбинацию перечисленных выше моделей и могут быть описаны с помощью специальных выражений:

Примерами таких моделей служат показатели затрат на 1 руб. товарной продукции, показатели рентабельности и др.

Наиболее универсальным из сложных детерминированных моделей является способ цепной под­становки . Его сущность состоит в пос­ледовательном рассмотрении влияния отдельных факторов на общий результат. При этом последовательно заменяют базисные или плановые показатели фактическими и сравнивают новый ре­зультат, получаемый после замены, с прежним.

В общем виде применение способа цепных постановок можно описать следующим образом:

где a 0 , b 0 , c 0 – базисные значения факторов, оказывающих влияние на обобщающий показатель у;

a 1 , b 1 , c 1 – фактические значения факторов;

y a , y b – промежуточные изменения результирующего показателя, связанного с изменением факторов а, b, соответственно.

Общее изменение ∆у=у 1 –у 0 складывается из суммы изменений результирующего показателя за счет изменения каждого фактора при фиксированных значениях остальных факторов:

Способ абсолютных разниц является модификацией способа цепной подстановки. Изменение результативного показателя за счет каждого фактора способом разниц определяется как произведение отклонения изучаемого фактора на базисное или отчетное значение другого фактора в зависимости от выбранной последовательности подстановки:

Способ относительных разниц применяется для измерения влияния факторов на прирост результативного показателя в мультипликативных и смешанных моделях вида у = (а – в) х с. Он используется в случаях, когда исходные данные содержат определенные ранее относительные отклонения факторных показателей в процентах.

Для мультипликативных моделей типа у = а х в х с методика анализа следующая:

Находят относительное отклонение каждого факторного показателя:

Определяют отклонение результативного показателя у за счет каждого фактора

Метод цепных подстановок и способ абсолютных разниц име­ют общий недостаток, суть которого сводится к возникновению неразложимого остатка, который присоединяется к числовому значению влияния последнего фактора. В связи с этим величина влияния факторов на изменение ре­зультативного показателя меняется в зависимости от места, на которое поставлен тот или иной фактор в детерминированной модели.

Чтобы избавиться от этого недостатка, в детерминированном факторном анализе в мультипликативных, кратных и смешанных моделях используется интегральный метод. Использование интег­рального метода позволяет получать более точные результаты расчета влияния факторов по сравнению со способами цепной подстановки, абсолютных и относительных разниц и избежать неоднозначной оценки влияния факторов потому, что в данном случае результаты не зависят от местоположения факторов в мо­дели, а дополнительный прирост результативного показателя, который образуется от взаимодействия факторов, раскладывает­ся между ними пропорционально изолированному их воздействию на результативный показатель.

В ряде случаев для определения величины влияния факторов на прирост результативного показателя может быть использован способ пропорционального деления. Например, рентабельность ак­тивов снизилась на 5% в связи с увеличением активов предприя­тия на 200 тыс. руб. При этом стоимость внеоборотных активов возросла на 300 тыс. руб., а оборотных - уменьшилась на 100 тыс. руб. Значит, за счет первого фактора уровень рентабельности сни­зился, а за счет второго, повысился:

∆Р осн = *300 = -7,5%;

∆Р об = *(-100) = +2,5%.

Индексный метод основывается на относительных показате­лях, выражающих отношение уровня данного явления к уровню его в прошлое время или к уровню аналогичного явления, приня­тому в качестве базы. Всякий индекс исчисляется соизмерением отчетной величины с базисной.

Классическая задача, решаемая с помощью индексного метода, - расчет влияния на объем продаж факторов количества и цен по схеме:

∑q 1 p 1 - ∑q 0 p 0 = (∑q 1 p 0 - ∑q 0 p 0) + (∑q 1 p 1 - ∑q 1 p 0),

где ∑q 1 p 0 - ∑q 0 p 0 – влияние количества;

∑q 1 p 1 - ∑q 1 p 0 – влияние цен.

Тогда индекс объема продаж (товарооборота), взятый в ценах соответствующих лет, имеет вид:

А индекс физического товарооборота:

Способ логарифмирования применяется для измерения влияния факторов в мультипликативных моделях. В данном случае резуль­таты расчета, как и при интегрировании, не зависят от места рас­положения факторов в модели и по сравнению с интегральным методом обеспечивается более высокая точность расчетов. Если при интегрировании дополнительный прирост от взаимодействия факторов распределяется поровну между ними, то с помощью логарифмирования результат совместного действия факторов распределяется пропорционально доли изолированного влияния каждого фактора на уровень результативного показателя. В этом его преимущество, а недостаток в ограниченности сферы его при­менения.

Дисперсионный анализ есть совокупность статистических методов, предназначенных для проверки гипотез о связи между определенными признаками и исследуемыми факторами, которые не имеют количественного описания, а также для установления степени влияния факторов и их взаимодействия. В специальной литературе его часто называют ANOVA (от англоязычного названия Analysis of Variations). Впервые этот метод был разработан Р. Фишером в 1925 г.

Виды и критерии дисперсионного анализа

Этот метод используется для исследования связи между качественными (номинальными) признаками и количественной (непрерывной) переменной. По сути, он осуществляет тестирование гипотезы о равенстве средних арифметических нескольких выборок. Таким образом, его можно рассматривать как параметрический критерий для сравнения центров сразу нескольких выборок. Если использовать этот метод для двух выборок, то результаты дисперсионного анализа будут идентичны результатам t-критерия Стьюдента. Однако, в отличие от других критериев, это исследование позволяет изучить проблему более детально.

Дисперсионный анализ в статистике базируется на законе: сумма квадратов отклонений объединенной выборки равна сумме квадратов внутригрупповых отклонений и сумме квадратов межгрупповых отклонений. Для исследования используется критерий Фишера для установления значимости различия межгрупповых дисперсий от внутригрупповых. Однако для этого необходимыми предпосылками являются нормальность распределения и гомоскедастичность (равенство дисперсий) выборок. Различают одномерный (однофакторный) дисперсионный анализ и многомерный (многофакторный). Первый рассматривает зависимость исследуемой величины от одного признака, второй - сразу от многих, а также позволяет выявить связь между ними.

Факторы

Факторами называют контролируемые обстоятельства, что влияют на конечный результат. Его уровнем или способом обработки называют значение, которое характеризует конкретное проявление этого условия. Эти цифры обычно подают в номинальной или порядковой шкале измерений. Часто выходные значения измеряют в количественных или порядковых шкалах. Тогда возникает проблема группировки выходных данных в ряде наблюдений, что соответствуют примерно одинаковым числовым значениям. Если количество групп взять чрезмерно большим, то количество наблюдений в них может оказаться недостаточным для получения надежных результатов. Если брать число чрезмерно малым, это может привести к потере существенных особенностей влияния на систему. Конкретный способ группировки данных зависит от объема и характера варьирования значений. Количество и размеры интервалов при однофакторном анализе чаще всего определяют по принципу равных промежутков или по принципу равных частот.

Задачи дисперсионного анализа

Итак, существуют случаи, когда нужно сравнить две или больше выборок. Именно тогда и целесообразно применение дисперсионного анализа. Название метода указывает на то, что выводы делают на основе исследования составляющих дисперсии. Суть изучения состоит в том, что общее изменение показателя разбивают на составляющие части, которые соответствуют действию каждого отдельно взятого фактора. Рассмотрим ряд задач, которые решает типичный дисперсионный анализ.

Пример 1

В цехе есть ряд станков - автоматов, которые изготавливают определенную деталь. Размер каждой детали - это случайная величина, которая зависит от настройки каждого станка и случайных отклонений, возникающих в процессе изготовления деталей. Нужно по данным измерений размеров деталей определить, одинаково ли настроены станки.

Пример 2

Во время изготовления электрического аппарата используют различные типы изоляционной бумаги: конденсаторную, электротехническую и др. Аппарат можно пропитать различными веществами: эпоксидной смолой, лаком, смолой МЛ-2 и др. Утечки можно устранять под вакуумом при повышенном давлении, при нагреве. Пропитывать можно методом погружения в лак, под непрерывной струей лака и т. п. Электрический аппарат в целом заливают определенным компаундом, вариантов которого есть несколько. Показателями качества являются электрическая прочность изоляции, температура перегрева обмотки в рабочем режиме и ряд других. Во время отработки технологического процесса изготовления аппаратов надо определить, как влияет каждый из перечисленных факторов на показатели аппарата.

Пример 3

Троллейбусное депо обслуживает несколько троллейбусных маршрутов. На них работают троллейбусы различных типов, и оплату за проезд собирают 125 контролеров. Руководство депо интересует вопрос: как сравнить экономические показатели работы каждого контролера (выручку) учитывая различные маршруты, различные типы троллейбусов? Как определить экономическую целесообразность выпуска троллейбусов определенного типа на тот или другой маршрут? Как установить обоснованные требования к величине выручки, которую приносит кондуктор, на каждом маршруте в различных типах троллейбусов?

Задача по выбору метода состоит в том, как получить максимум информации относительно влияния на конечный результат каждого фактора, определить числовые характеристики такого влияния, их надежность при минимальных затратах и за максимально короткое время. Решить такие задачи позволяют методы дисперсионного анализа.

Однофакторный анализ

Исследование своей целью ставит оценку величины влияния конкретного случая на анализируемый отзыв. Другой задачей однофакторного анализа может быть сравнение двух или нескольких обстоятельств друг с другом с целью определения разницы их влияния на отзыв. Если нулевую гипотезу отвергают, то следующим этапом будет количественное оценивание и построение доверительных интервалов для полученных характеристик. В случае, когда нулевая гипотеза не может быть отброшенной, обычно ее принимают и делают вывод о сущности влияния.

Однофакторный дисперсионный анализ может стать непараметрическим аналогом рангового метода Краскела-Уоллиса. Он разработан американскими математиком Уильямом Краскелом и экономистом Вильсоном Уоллисом в 1952 г. Этот критерий назначен для проверки нулевой гипотезы о равенстве эффектов влияния на исследуемые выборки с неизвестными, но равными средними величинами. При этом количество выборок должно быть больше двух.

Критерий Джонкхиера (Джонкхиера-Терпстра) был предложен независимо друг от друга нидерландским математиком Т. Дж. Терпстром в 1952 г. и британским психологом Е. Р. Джонкхиером в 1954 г. Его применяют тогда, когда заранее известно, что имеющиеся группы результатов упорядочены по росту влияния исследуемого фактора, который измеряют в порядковой шкале.

М - критерий Бартлетта, предложенный британским статистиком Маурисом Стивенсоном Бартлеттом в 1937 г., применяют для проверки нулевой гипотезы о равенстве дисперсий нескольких нормальных генеральных совокупностей, с которых взяты исследуемые выборки, в общем случае имеющие различные объемы (число каждой выборки должно быть не меньше четырех).

G - критерий Кохрена, который открыл американец Вильям Геммел Кохрен в 1941 г. Его используют для проверки нулевой гипотезы о равенстве дисперсий нормальных генеральных совокупностей по независимым выборкам равного объема.

Непараметрический критерий Левене, предложенный американским математиком Ховардом Левене в 1960 г., является альтернативой критерия Бартлетта в условиях, когда нет уверенности в том, что исследуемые выборки подчиняются нормальному распределению.

В 1974 г. американские статистики Мортон Б. Браун и Алан Б. Форсайт предложили тест (критерий Брауна-Форсайта), который несколько отличается от критерия Левене.

Двухфакторный анализ

Двухфакторный дисперсионный анализ применяют для связанных нормально распределенных выборок. На практике часто используют и сложные таблицы этого метода, в частности те, в которых каждая ячейка содержит набор данных (повторные измерения), соответствующих фиксированным значениям уровней. Если предположения, необходимые для применения двухфакторного дисперсионного анализа, не выполняются, то используют непараметрический ранговый критерий Фридмана (Фридмана, Кендалла и Смита), разработанный американским экономистом Милтоном Фридманом в конце 1930 г. Этот критерий не зависит от типа распределения.

Предполагается только, что распределение величин является одинаковым и непрерывным, а сами они независимы одна от другой. При проверке нулевой гипотезы выходные данные подают в форме прямоугольной матрицы, в которой строки соответствуют уровням фактора В, а столбцы - уровням А. Каждая ячейка таблицы (блока) может быть результатом измерений параметров на одном объекте или на группе объектов при постоянных значениях уровней обоих факторов. В этом случае соответствующие данные подают как средние значения определенного параметра по всем измерениям или объектам исследуемой выборки. Для применения критерия выходных данных необходимо перейти от непосредственных результатов измерений к их рангу. Ранжирование осуществляют по каждой строке отдельно, то есть величины упорядочивают для каждого фиксированного значения.

Критерий Пейджа (L-критерий), предложенный американским статистиком Е. Б. Пейджем в 1963 г., предназначен для проверки нулевой гипотезы. Для больших выборок применяют аппроксимацию Пейджа. Они при условии реальности соответствующих нулевых гипотез подчиняются стандартному нормальному распределению. В случае, когда в строках исходной таблицы есть одинаковые значения, необходимо использовать средние ранги. При этом точность выводов будет тем хуже, чем больше будет количеств таких совпадений.

Q - критерий Кохрена, предложенный В. Кохреном в 1937 г. Его используют в случаях, когда группы однородных субъектов подвергаются воздействиям, количество которых превышает два и для которых возможны два варианта отзывов - условно-отрицательный (0) и условно-положительный (1). Нулевая гипотеза состоит из равенства эффектов влияния. Двухфакторный дисперсионный анализ дает возможность определить существование эффектов обработки, однако не дает возможности установить, для каких именно столбцов существует этот эффект. При решении данной проблемы применяют метод множественных уравнений Шеффе для связанных выборок.

Многофакторный анализ

Задача многофакторного дисперсионного анализа возникает тогда, когда нужно определить влияние двух или большего количества условий на определенную случайную величину. Исследование предусматривает наличие одной зависимой случайной величины, измеренной в шкале разницы или отношений, и нескольких независимых величин, каждая из которых выражена в шкале наименований или в ранговой. Дисперсионный анализ данных является достаточно развитым разделом математической статистики, который имеет массу вариантов. Концепция исследования общая как для однофакторного, так и для многофакторного. Сущность ее состоит в том, что общую дисперсию разбивают на составляющие, что соответствует определенной группировке данных. Каждой группировке данных соответствует своя модель. Здесь мы рассмотрим только основные положения, нужные для понимания и практического использования наиболее применяемых его вариантов.

Дисперсионный анализ факторов требует достаточно внимательного отношения к сбору и подаче входных данных, а особенно к интерпретации результатов. В отличие от однофакторного, результаты которого можно условно разместить в определенной последовательности, результаты двухфакторного требуют более сложного представления. Еще сложнее ситуация возникает, когда есть три, четыре или больше обстоятельств. Из-за этого в модель достаточно редко включают больше трех (четырех) условий. Примером может быть возникновение резонанса при определенной величине емкости и индуктивности электрического круга; проявление химической реакции при определенной совокупности элементов, из которых построена система; возникновение аномальных эффектов в сложных системах при определенном совпадении обстоятельств. Наличие взаимодействия может в корне изменить модель системы и иногда привести к переосмыслению природы явлений, с которыми имеет дело экспериментатор.

Многофакторный дисперсионный анализ с повторными опытами

Данные измерений достаточно часто можно группировать не по двум, а по большему количеству факторов. Так, если рассматривать дисперсионный анализ срока службы покрышек колес троллейбуса с учетом обстоятельств (завод-производитель и маршрут, на котором эксплуатируются покрышки), то можно выделить как отдельное условие сезон, во время которого эксплуатируются покрышки (а именно: зимняя и летняя эксплуатация). В результате будем иметь задачу трехфакторного метода.

При наличии большего количества условий подход такой же, как и в двухфакторном анализе. Во всех случаях модель пытаются упростить. Явление взаимодействия двух факторов проявляется не так часто, а тройное взаимодействие бывает только в исключительных случаях. Включают то взаимодействие, для которого есть предыдущая информация и серьезные основания, чтобы ее учесть в модели. Процесс выделения отдельных факторов и их учета относительно простой. Поэтому часто возникает желание выделить больше обстоятельств. Этим не следует увлекаться. Чем больше условий, тем менее надежной становится модель и тем больше вероятность ошибки. Сама модель, в которую входит большое количество независимых переменных, становится достаточно сложной для интерпретации и неудобной для практического использования.

Общая идея дисперсионного анализа

Дисперсионный анализ в статистике - это метод получения результатов наблюдений, зависимых от различных одновременно действующих обстоятельств, и оценки их влияния. Управляемую переменную величину, которая соответствует способу воздействия на объект исследования и в некоторый период времени приобретает определенное значение, называют фактором. Они могут быть качественными и количественными. Уровни количественных условий приобретают определенное значение на числовой шкале. Примерами являются температура, давление прессования, количество вещества. Качественные факторы - это разные вещества, разные технологические способы, аппараты, наполнители. Их уровням соответствует шкала наименований.

К качественным можно отнести также вид упаковочного материала, условия хранения лекарственной формы. Сюда же рационально отнести степень измельчения сырья, фракционный состав гранул, имеющих количественное значение, однако плохо поддающихся регулированию, если использовать количественную шкалу. Число качественных факторов зависит от вида лекарственной формы, а также физических и технологических свойств лекарственных веществ. Например, из кристаллических веществ можно получать таблетки прямым прессованием. В этом случае достаточно провести выбор скользящих и смазывающих веществ.

Примеры качественных факторов для различных видов лекарственных форм

• Настойки. Состав экстрагента, тип экстрактора, способ подготовки сырья, способ получения, способ фильтрации.
• Экстракты (жидкие, густые, сухие). Состав экстрагента, способ экстракции, тип установки, способ удаления экстрагента и балластных веществ.
• Таблетки. Состав вспомогательных веществ, наполнители, разрыхлители, связующие, смазывающие и скользящие вещества. Способ получения таблеток, вид технологического оборудования. Вид оболочки и ее компонентов, пленкообразователи, пигменты, красители, пластификаторы, растворители.
• Инъекционные растворы. Вид растворителя, способ фильтрации, природа стабилизаторов и консервантов, условия стерилизации, способ заполнения ампул.
• Суппозитории. Состав суппозиторной основы, способ получения суппозиториев, наполнителей, упаковки.
• Мази. Состав основы, структурные компоненты, способ приготовления мази, вид оборудования, упаковка.
• Капсулы. Вид оболочечного материала, способ получения капсул, тип пластификатора, консерванта, красителя.
• Линименты. Способ получения, состав, тип оборудования, тип эмульгатора.
• Суспензии. Вид растворителя, вид стабилизатора, метод диспергирования.

Примеры качественных факторов и их уровней, изучаемых в процессе изготовления таблеток

• Разрыхлитель. Крахмал картофельный, глина белая, смесь натрия гидрокарбоната с кислотой лимонной, магния карбонат основной.
• Связывающий раствор. Вода, крахмальный клейстер, сахарный сироп, раствор метилцеллюлозы, раствор оксипропилметилцеллюлозы, раствор поливинилпирролидона, раствор поливинилового спирта.
• Скользящая вещество. Аэросил, крахмал, тальк.
• Наполнитель. Сахар, глюкоза, лактоза, натрия хлорид, фосфат кальция.
• Смазывающее вещество. Стеариновая кислота, полиэтиленгликоль, парафин.

Модели дисперсионного анализа в исследовании уровня конкурентоспособности государства

Одним из важнейших критериев оценки состояния государства, по которым проводится оценка уровня его благосостояния и социально-экономического развития, является конкурентоспособность, то есть совокупность свойств, присущих национальной экономике, которые определяют способность государства конкурировать с другими странами. Определив место и роль государства на мировом рынке, можно установить четкую стратегию обеспечения экономической безопасности в международных масштабах, ведь она является залогом положительных взаимоотношений России со всеми игроками мирового рынка: инвесторами, кредиторами, правительствами государств.

Для сравнения уровня конкурентоспособности государств проводится ранжирование стран с помощью комплексных индексов, которые включают различные взвешенные показатели. В основу этих индексов заложены ключевые факторы, влияющие на экономическое, политическое и т. п. положение. Комплекс моделей исследования конкурентоспособности государства предусматривает использование методов многомерного статистического анализа (в частности, это дисперсионный анализ (статистика), эконометрическое моделирование, принятие решений) и включает следующие основные этапы:

1. Формирование системы показателей-индикаторов.
2. Оценку и прогнозирование индикаторов конкурентоспособности государства.
3. Сравнение показателей-индикаторов конкурентоспособности государств.

А теперь рассмотрим содержание моделей каждого из этапов данного комплекса.

На первом этапе с помощью методов экспертного изучения формируется обоснованный комплекс экономических показателей-индикаторов оценки конкурентоспособности государства с учетом специфики ее развития на основе международных рейтингов и данных статистических отделов, отражающих состояние системы в целом и ее процессов. Выбор этих показателей обоснован необходимостью отобрать те из них, которые наиболее полно с точки зрения практики позволяют определить уровень государства, его инвестиционную привлекательность и возможности относительной локализации существующих потенциальных и реально действующих угроз.

Основные показатели-индикаторы международных рейтинг-систем - это индексы:

1. Глобальной конкурентоспособности (ИГК).
2. Экономической свободы (ИЭС).
3. Развития человеческого потенциала (ИРЧП).
4. Восприятия коррупции (ИВК).
5. Внутренних и внешних угроз (ИВЗЗ).
6. Потенциала международного влияния (ИПМВ).

Второй этап предусматривает оценку и прогнозирование индикаторов конкурентоспособности государства по международным рейтингам для исследуемых 139 государств мира.

Третий этап предусматривает сравнение условий конкурентоспособности государств при помощи методов корреляционно-регрессионного анализа.

Используя результаты исследования можно определить характер протекания процессов в целом и по отдельным составляющим конкурентоспособности государства; проверить гипотезу о влиянии факторов и их взаимосвязи при соответствующем уровне значимости.

Реализация предложенного комплекса моделей позволит не только оценить сложившуюся ситуацию уровня конкурентоспособности и инвестиционной привлекательности государств, но и проанализировать недостатки управления, предупредить ошибки неправильных решений, не допустить развития кризиса в государстве.

Все процессы, происходящие в бизнесе, взаимосвязаны. Между ними прослеживается как прямая, так и косвенная связь. Различные экономические параметры изменяются под действием различных факторов. Факторный анализ (ФА) позволяет выявить эти показатели, проанализировать их, изучить степень влияния.

Понятие факторного анализа

Факторный анализ – это многомерная методика, позволяющая изучить взаимосвязи между параметрами переменных. В процессе происходит исследование строения ковариационных или корреляционных матриц. Факторный анализ используется в самых различных науках: психометрике, психологии, экономике. Основы этого метода были разработаны психологом Ф. Гальтоном.

Задачи проведения

Для получения достоверных результатов лицу требуется сравнить показатели по нескольким шкалам. В процессе определяется корреляция полученных значений, их сходство и различия. Рассмотрим базовые задачи факторного анализа:

• Обнаружение существующих значений.
• Подбор параметров для полноценного анализа значений.
• Классификация показателей для системной работы.
• Обнаружение взаимосвязей между результативными и факторными значениями.
• Определение степени влияния каждого из факторов.
• Анализ роли каждого из значений.
• Применение факторной модели.

Исследован должен быть каждый параметр, который влияет на итоговое значение.

Методики факторного анализа

Методы ФА могут использоваться как в совокупности, так и раздельно.

Детерминированный анализ

Детерминированный анализ используется наиболее часто. Связано это с тем, что он достаточно прост. Позволяет выявить логику воздействия основных факторов компании, проанализировать их влияние в количественных значениях. В результате ДА можно понять, какие факторы следует изменить для улучшения эффективности работы компании. Преимущества метода: универсальность, легкость использования.

Стохастический анализ

Стохастический анализ позволяет проанализировать существующие косвенные связи. То есть происходит исследование опосредованных факторов. Метод используется в том случае, если невозможно найти прямые связи. Стохастический анализ считается дополнительным. Он используется только в некоторых случаях.

Что понимается под косвенными связями? При прямой связи при изменении аргумента изменятся и значение фактора. Косвенная связь предполагает изменение аргумента с последующим изменением сразу нескольких показателей. Метод считается вспомогательным. Связано это с тем, что специалисты рекомендуют изучать в первую очередь прямые связи. Они позволяют составить более объективную картину.

Этапы и особенности факторного анализа

Анализ по каждому фактору дает объективные результаты. Однако применяется он крайне редко. Связано это с тем, что в процессе выполняются сложнейшие вычисления. Для их проведения потребуется специальное программное обеспечение.

Рассмотрим этапы ФА:

1. Установление цели проведения расчетов.
2. Отбор значений, которые непосредственно или косвенно влияют на конечный результат.
3. Классификации факторов для комплексного исследования.
4. Обнаружение зависимости между выбранными параметрами и конечным показателем.
5. Моделирование взаимных связей между результатом и факторами, влияющими на него.
6. Определение степени воздействия значений и оценка роли каждого из параметров.
7. Использование образованной факторной таблицы в деятельности предприятия.

К СВЕДЕНИЮ! Факторный анализ предполагает сложнейшие вычисления. Поэтому лучше доверить его проведение профессионалу.

ВАЖНО! Крайне важно при проведении расчетов правильно отобрать факторы, которые влияют на результат деятельности предприятия. Отбор факторов зависит от определенной сферы.

Факторный анализ рентабельности

ФА рентабельности проводится для анализа рациональности распределения ресурсов. В результате можно определить, какие факторы наибольшим образом влияют на конечный результат. В результате можно оставить только те факторы, которые наилучшим образом воздействуют на эффективность. На основании полученных данных можно изменить ценовую политику компании. На себестоимость продукции могут влиять следующие факторы:

• постоянные издержки;
• переменные издержки;
• прибыль.

Уменьшение издержек провоцирует повышение прибыли. При этом себестоимость не изменяется. Можно сделать вывод о том, что на прибыльность влияют имеющиеся издержки, а также объем проданной продукции. Факторный анализ позволяет определить степень влияния этих параметров. Когда имеет смысл его проводить? Основной повод к проведению – уменьшение или повышение прибыльности.

Факторный анализ проводится посредством следующей формулы:

Rв= ((Вт-СБ -КРБ-УРБ)/ Вт) - (ВБ-СБ-КРБ-УРБ)/ВБ, где:

ВТ – выручка за нынешний период;

СБ – себестоимость за нынешний период;

КРБ – коммерческие траты за нынешний период;

УРБ – управленческие траты за предшествующий период;

ВБ – выручка за предшествующий период;

КРБ – коммерческие траты за предшествующий период.

Иные формулы

Рассмотрим формулу расчета степени воздействия себестоимости на прибыльность:

Rс= ((Вт-СБот -КРБ-УРБ)/ Вт) - (Вт-СБ-КРБ-УРБ)/Вт ,

СБот – это себестоимость продукции за нынешний период.

Формула для расчета влияния управленческих трат:

Rур= ((Вт-СБ -КРБ-УРот)/ Вт) - (Вт-СБ-КРБ-УРБ)/Вт ,

УРот – это управленческие траты.

Формула для вычисления степени воздействия коммерческих издержек:

Rк= ((Вт-СБ -КРо-УРБ)/ Вт) - (Вт-СБ-КРБ-УРБ)/Вт ,

КРо – это коммерческие траты за предыдущее время.

Совокупное воздействие всех факторов высчитывается по следующей формуле:

Rоб=Rв+Rс+Rур+Rк.

ВАЖНО! При расчетах имеет смысл высчитывать влияние каждого фактора в отдельности. Результаты общего ФА имеют небольшую ценность.

Пример

Рассмотрим показатели организации за два месяца (за два периода, в рублях). В июле доход организации составил 10 тысяч, себестоимость продукции – 5 тысяч, административные траты – 2 тысячи, коммерческие траты – 1 тысяча. В августе доход компании составил 12 тысяч, себестоимость продукции – 5,5 тысяч, административные траты – 1,5 тысячи, коммерческие траты – 1 тысяча. Проводятся следующие расчеты:

R=((12 тысяч-5,5 тысяч-1 тысяча-2 тысячи)/12 тысяч)-((10 тысяч- 5,5 тысяч-1 тысяча-2 тысячи)/10 тысяч)=0,29-0,15=0,14

Из этих расчетов можно сделать вывод о том, что прибыль организации повысилась на 14%.

Факторный анализ прибыли

Р = РР+ РФ + РВН, где:

Р –прибыль или убыток;

РР – прибыль от реализации;

РФ – результаты финансовой деятельности;

РВН – сальдо доходов и расходов от внереализационных действий.

Затем нужно определить результат от продажи товаров:

РР = N – S1 –S2, где:

N – выручка от продажи товаров по отпускным ценам;

S1 – себестоимость проданной продукции;

S2 – коммерческие и управленческие траты.

Ключевым фактором при расчете прибыли является оборот компании по продаже компании.

К СВЕДЕНИЮ! Факторный анализ крайне сложно проводить вручную. Для него можно использовать специальные программы. Самая простая программа для расчетов и автоматического анализа – Microsoft Excel. В ней есть инструменты для анализа.

Для того, чтобы эффективно управлять продажами, необходимо правильно оценивать факторы, которые оказывают влияние на выручку. В сети можно найти множество примеров факторного анализа выручки в Excel. Однако большинство из них написаны для того, чтобы показать методологические аспекты и не имеют большой практической пользы.

Цель данной статьи — показать, как разработать факторную модель выручки в соответствии с потребностями бизнеса. На практике такая модель может быть достаточно сложной, и для того, чтобы не тратить время на выполнение факторного анализа в Excel, мы будем использовать надстройку Fincontrollex® Variances Analysis Tool , которая позволяет полностью автоматизировать этот процесс. Благодаря такому подходу мы сможем сфокусироваться на анализе данных, а не на разработке формул в Excel.

Как разработать факторную модель выручки

Вы продаете продукт, который имеет цену. Для того чтобы рассчитать выручку, нужно умножить количество (или объём) проданных продуктов, на их цену:

Это базовая модель расчета выручки. Все остальные модели являются её производными и детализируют фактор объёма, цены, или выделяют влияние других факторов по заданному условию. Окончательный вид формулы будет зависеть от бизнес-процесса продаж, которым необходимо управлять. Давайте рассмотрим наиболее распространённые из них.

Если вы продаете несколько видов продуктов по разной цене, то вы можете управлять ассортиментом продаж. Для этого следует разделить фактор объёма на общий объём реализации всех продуктов и удельный вес каждого продукта в общем объеме:

На практике менеджеры по продажам часто не понимают суть этого фактора, что приводит к неправильному пониманию результатов анализа. Этот фактор следует трактовать как изменение структуры объёмов продаж в сторону продуктов с большей или меньшей ценой. Например, если фактор ассортимента оказал положительное влияние, это означает, что в структуре продаж увеличилась доля продуктов с более высокой ценой, а доля продуктов с более низкой ценой сократилась. Если фактор ассортимента оказал отрицательное влияние — то картина будет противоположной: рост доли продуктов с более низкой ценой и сокращение доли продуктов с более высокой ценой. Не стоит путать влияние этого фактора с изменением цены, так как при расчете фактора ассортимента влияние других факторов элиминируется (исключаются).

Если ваша компания использует различные способы поставки своих продуктов на рынок (каналы продаж), то для того, чтобы оценить влияние структуры каналов продаж нужно добавить удельный вес каждого канала в формулу расчета выручки. Например, факторная модель выручки по сетям и розничным торговым точкам может иметь вид:

Горизонтальный и вертикальный рост

В сетевой торговой структуре часто возникает необходимость оценить изменение объёмов за счет открытия новых точек или изменения объема продаж в уже существующих точках. Провести такую оценку можно с помощью выделения факторов горизонтального и вертикального изменения объёмов продаж.

Горизонтальные изменение — это изменения объемов продаж за счет открытия новых точек.

Вертикальные изменение — это изменения объёмов продаж в уже существующих точках.

Для того, чтобы выделить эти изменения, в модель расчета выручки необходимо добавить следующие условия. Если в текущем месяце произошла продажа в торговой точке, в которой до этого продукция не продавалась — это горизонтальные изменения. Если же продукт уже продавался в точке, то речь идет о вертикальном изменении.

Ввод новых продуктов

Если в ассортимент вводиться новый продукт, то целесообразно оценить влияние этого решения на общую выручку. Для этого необходимо исключить влияние продукта из всех факторов и выделить выручку по этому продукту в отдельный фактор.

Для этого во все факторы модели необходимо добавить условие проверки, является ли продукт новым. Продукт считается новым, если в предыдущем периоде он не продавался.

Выделить выручку по новому продукту в отдельный фактор можно с помощью следующего условия:

В результате вы получите факторы, очищенные от влияния новых продуктов, и отдельную сумму выручки по новым продуктам. Это позволит точно оценить увеличение выручки из-за ввода новых продуктов.

Вывод продуктов из ассортимента

Оценка эффекта от вывода продуктов из ассортимента проводится аналогично оценке эффекта от ввода новых продуктов, с той лишь разницей, что из факторов исключается влияние выведенного продукта. Продукт считается выведенным если в предыдущем периоде он продавался, а в текущем нет.

Выделить выручку по выведенному продукту в отдельный фактор можно с помощью следующего условия:

В результате вы сможете оценить снижение выручки за счёт вывода продуктов из ассортимента.

Оценивая одновременно ввод новых и вывод старых продуктов, вы сможете оценить эффективность изменения ассортимента.

Управление конверсией

Если вы работаете в розничном бизнесе, то наверняка знаете, что не все посетители магазина совершают покупку. Для того, чтобы оценить какой процент посетителей осуществляет покупку, необходимо рассчитать коэффициент конверсии:

Коэффициент конверсии зависит от эффективности работы персонала, который закрывает продажи. Если вы хотите его оценить в стоимостном выражении, то вам следует добавить его в факторную модель. Для расчета коэффициента конверсии используется количество покупателей, поэтому для того, чтобы выделить этот фактор в факторной модели выручки, необходимо добавить показатель, который свяжет цену с количество покупателей. Например, размер среднего чека.

Управление размером среднего чека

Предлагая сопутствующие продукты, можно увеличить общий объём продаж. Для того, чтобы оценить эффективность этого процесса, необходимо рассчитать размер среднего чека:

Размер среднего чека, как и коэффициент конверсии, зависит от эффективности работы персонала, который закрывает продажи. Поэтому если вы хотите оценить эффективность этих показателей, то вам следует добавить их в факторную модель.

Для того, чтобы стимулировать продажи, вы можете предоставлять скидки. Размер скидки может зависеть от различных условий: объёмов продаж, условий оплаты и т.д. Для того, чтобы оценить влияние скидки на выручку, необходимо добавить этот фактор в модель:

При анализе скидки стоит не забывать про основную цель предоставления скидки — увеличение объёма продаж. Поэтому фактор скидки необходимо оценивать совместно с фактором объёма.

Если вы являетесь производителем продукции, то у вас есть возможность стимулировать интенсивность продаж своих товаров в розничных сетях с помощью ретро-бонусов. Ретро-бонус — это вознаграждение выплачиваемое дистрибьюторам и дилерам за продвижение продукции. Для оценки эффективности стимулирования продаж с помощью ретро-бонусов обычно рассчитывается процент ретро-бонусов к выручке (без учета скидок). Для того, чтобы оценить влияние ретро-бонусов на выручку, необходимо добавить этот фактор в модель:

Собираем все вместе: факторная модель выручки производителя FMCG

В качестве примера, давайте рассмотрим факторную модель выручки производителя FMCG. Для производителей FMCG характерно продавать свою продукцию с помощью каналов дистрибуции, предоставляя дополнительные скидки за объём. Чтобы отразить эту особенность, добавим в базовую модель расчета выручки формулы для управления ассортиментом, скидками и ретро-бонусами, которые мы рассмотрели выше.

Наша факторная модель содержит пять факторов: общий объём реализации, ассортимент, цена, скидка и ретро-бонус. Очередность расчета факторов зависит от степени контроля предприятием над этими показателями (от большего к меньшему). Поэтому мы рассчитаем их в следующей последовательности:

1. Общий объём
2. Ассортимент
3. Ретро-бонус
4. Скидка

Факторная модель готова, и теперь можно перейти к факторному анализу в Excel.

Факторный анализ выручки в Excel — это просто!

Выполнение факторного анализа в Excel достаточно трудоемкая задача даже для опытного пользователя. Поэтому чтобы её существенно упростить мы будем использовать специальную надстройку для Excel . Для активации бесплатной пробной версии вам понадобится своей электронной почты, на который придет сообщение с ключом активации и ссылкой для скачивания.

Эта надстройка избавит вас от необходимости вводить формулы расчета каждого фактора в книге Excel, самостоятельно создаст сводный отчет по всем факторам и детальный отчет по продуктам, а также, если вы используете Excel 2016 или Office 365, построит диаграмму waterfall (если вы не знакомы с этой диаграммой, то обязательно прочтите статью т.к. эта диаграмма является превосходным способом показать результаты факторного анализа).

В этой статье мы не будем останавливаться на всех возможностях этой надстройки, т.к. вы самостоятельно можете посмотреть видео обзор ниже или ознакомиться со , а сразу же перейдем к настройке факторной модели.

В качестве исходных данных используем условные данные из отчета о реализации продукции за январь и февраль. Скачать архив с примером вы можете по этой ссылке.

Для того, чтобы запустить надстройку на ленте Excel перейдите на вкладку сайт и в группе Variances Analysis Tool нажмите кнопку Выполнить . Откроется окно надстройки.

Введем название модели

Следующим шагом необходимо ввести математическую формулу факторной модели. Для этого в поле формулы введем нашу факторную модель и нажмем кнопку Enter .

Надстройка автоматически определит название всех факторов и заполнит ими первый столбец таблицы настройки факторов. Нам остается настроить параметры этих факторов.

Теперь настроим порядок расчета факторов. Расчета факторов осуществляется в порядке их следования в таблице: первым будет рассчитан фактор, который находиться вверху таблицы, а последним тот, который находиться внизу таблицы. С помощь перетаскивания факторов в первом столбце необходимо настроить порядок расчета, который мы определили в предыдущем разделе. Для этого щёлкнем левой кнопкой мыши на названии фактора в первом столбце и не отпуская кнопку мыши перетащим фактор в необходимую строку и отпустим кнопку. В результате у нас должна получиться последовательность как на картинке ниже.

У нас остался ненастроенным последний параметр: диапазон с названиями продуктов. Давайте его настроим. На ленте Fincontrollex® Variances Analysis Tool на вкладке Главная в группе Модель нажмите кнопку Диапазон названий .

Все готово и теперь можно выполнить факторный анализ. Для этого на ленте Fincontrollex® Variances Analysis Tool на вкладке Главная в группе Анализ нажмите кнопку Выполнить . Через пару секунд вы получите результат факторного анализа, который будет создан в новой книге Excel.

По результатам факторного анализа можно сделать вывод о том, что рост общего объёма реализации в феврале по сравнению с январем был достигнут за счет снижения базовых цен и изменения ассортимента продаж в сторону продукции с более низкой ценой. Для того, чтобы разобраться по каким продуктам произошли основные изменения, можно дополнительно проанализировать лист "Подробно" в отчете.

Заключение

Мы рассмотрели базовую модель выручки и основные формулы по приведению её в соответствие с потребностями бизнеса. Эти формулы приведены в качестве примера и могут служить отправной точкой для разработки факторной модели выручки в соответствии с вашими целями и задачами. Использование надстройки Fincontrollex® Variances Analysis Tool для факторного анализа позволяет выполнить анализ моделей любой сложности. Благодаря этому вы сможете сфокусироваться на управлении факторами, которые оказывают влияние на выручку в вашем бизнесе.

Статья допускается к свободной публикации только при условии неизменности содержания и ссылки на первоисточник. Использование изображений вне этой статьи не допускается и является нарушением авторских прав.