Содержание и задачи оперативного анализа хозяйственной деятельности (стр. 3 из 4)
,
где 
— средний уровень, y1 — начальный, а уп — конечный, n — число уровней. Средний абсолютный прирост определяется как частное от деления абсолютного прироста за весь период на число единиц времени в периоде. Средний темп роста вычисляется как средняя геометрическая темпов роста за отдельные отрезки времени или как корень, степень которого определяется числом периодов, а под корнем берётся темп роста за весь период.
Для сравнительного анализа разных стран (районов) часто используется приведение к одному основанию, состоящее в определении темпов роста для двух или более стран за одинаковые отрезки времени. Всесторонний анализ рядов динамики позволяет выявить закономерности развития отражаемых в них явлений.
Для углубленного изучения процессов во времени рассчитывают показатели динамического ряда.
1. Для характеристики скорости изменения процесса применяются такие показатели, как абсолютный прирост (убыль), темп прироста (убыли).
Абсолютный прирост (убыль) характеризует скорость изменения процесса. Абсолютный прирост рассчитывается как разность между данным уровнем и предыдущим; обозначается знаком "+", характеризуя прирост, или знаком "—", характеризуя убыль.
Темп прироста (убыли) характеризует величину прироста (убыли) в относительных показателях в % и определяется как процентное отношение абсолютного прироста (убыли) к предыдущему уровню ряда; обозначается знаком "+" (прирост) или знаком "—" (убыль).
2. Для характеристики изменения процесса одного периода по отношению к предыдущему периоду применяется такой показатель, как темп роста (снижения); рассчитывается как процентное отношение последующего (уровня) к предыдущему.
3. При сравнении динамических рядов с разными исходными уровнями (например, средними, интенсивными, абсолютными) используется показатель — значение 1% прироста (убыли); рассчитывается как отношение абсолютного прироста к темпу прироста за каждый период.
4. Для обобщенной количественной оценки тенденций динамического ряда используется показатель, именуемый средним темпом прироста (снижения), выраженный в %. При его расчете для большинства рядов можно использовать следующую формулу:
где К = 1 при нечетном числе уровней ряда; К = 2 при четном числе уровней ряда; а и в — показатели линейной зависимости, используемые при выравнивании ряда методом наименьших квадратов.
3. Методы анализа корреляционных и регрессионных моделей хозяйственной деятельности
Корреляционный анализ и регрессионный анализ являются смежными разделами математической статистики, и предназначаются для изучения по выборочным данным статистической зависимости ряда величин; некоторые из которых являются случайными. При статистической зависимости величины не связаны функционально, но как случайные величины заданы совместным распределением вероятностей. Исследование взаимосвязи случайных величин биржевых ставок приводит к теории корреляции, как разделу теории вероятностей и корреляционному анализу, как разделу математической статистики. Исследование зависимости случайных величин приводит к моделям регрессии и регрессионному анализу на базе выборочных данных. Теория вероятностей и математическая статистика представляют лишь инструмент для изучения статистической зависимости, но не ставят своей целью установление причинной связи. Представления и гипотезы о причинной связи должны быть привнесены из некоторой другой теории, которая позволяет содержательно объяснить изучаемое явление.
Формально корреляционная модель взаимосвязи системы случайных величин
может быть представлена в следующем виде: 
, где Z – набор случайных величин, оказывающих влияние на изучаемые случайные величины.Экономические данные почти всегда представлены в виде таблиц. Числовые данные, содержащиеся в таблицах, обычно имеют между собой явные (известные) или неявные (скрытые) связи.
Явно связаны показатели, которые получены методами прямого счета, т. е. вычислены по заранее известным формулам. Например, проценты выполнения плана, уровни, удельные веса, отклонения в сумме, отклонения в процентах, темпы роста, темпы прироста, индексы и т. д.
Связи же второго типа (неявные) заранее неизвестны. Однако необходимо уметь объяснять и предсказывать (прогнозировать) сложные явления для того, чтобы управлять ими. Поэтому специалисты с помощью наблюдений стремятся выявить скрытые зависимости и выразить их в виде формул, т. е. математически смоделировать явления или процессы. Одну из таких возможностей предоставляет корреляционно-регрессионный анализ.
Математические модели строятся и используются для трех обобщенных целей:
• для объяснения;
• для предсказания;
• для управления.
Представление экономических и других данных в электронных таблицах в наши дни стало простым и естественным. Оснащение же электронных таблиц средствами корреляционно-регрессионного анализа способствует тому, что из группы сложных, глубоко научных и потому редко используемых, почти экзотических методов, корреляционно-регрессионный анализ превращается для специалиста в повседневный, эффективный и оперативный аналитический инструмент. Однако, в силу его сложности, освоение его требует значительно больших знаний и усилий, чем освоение простых электронных таблиц.
Пользуясь методами корреляционно-регрессионного анализа, аналитики измеряют тесноту связей показателей с помощью коэффициента корреляции. При этом обнаруживаются связи, различные по силе (сильные, слабые, умеренные и др.) и различные по направлению (прямые, обратные). Если связи окажутся существенными, то целесообразно будет найти их математическое выражение в виде регрессионной модели и оценить статистическую значимость модели. В экономике значимое уравнение используется, как правило, для прогнозирования изучаемого явления или показателя.
Регрессионный анализ называют основным методом современной математической статистики для выявления неявных и завуалированных связей между данными наблюдений. Электронные таблицы делают такой анализ легко доступным. Таким образом, регрессионные вычисления и подбор хороших уравнений - это ценный, универсальный исследовательский инструмент в самых разнообразных отраслях деловой и научной деятельности (маркетинг, торговля, медицина и т. д.). Усвоив технологию использования этого инструмента, можно применять его по мере необходимости, получая знание о скрытых связях, улучшая аналитическую поддержку принятия решений и повышая их обоснованность.
Корреляционно-регрессионный анализ считается одним из главных методов в маркетинге, наряду с оптимизационными расчетами, а также математическим и графическим моделированием трендов (тенденций). Широко применяются как однофакторные, так и множественные регрессионные модели.
Корреляционный анализ является одним из методов статистического анализа взаимосвязи нескольких признаков. Он определяется как метод, применяемый тогда, когда данные наблюдения можно считать случайными и выбранными из генеральной совокупности, распределенной по многомерному нормальному закону. Основная задача корреляционного анализа (являющаяся основной и в регрессионном анализе) состоит в оценке уравнения регрессии.
Корреляция – это статистическая зависимость между случайными величинами, не имеющими строго функционального характера, при которой изменение одной из случайных величин приводит к изменению математического ожидания другой.
1. Парная корреляция – связь между двумя признаками (результативным и факторным или двумя факторными).
2. Частная корреляция – зависимость между результативным и одним факторным признаками при фиксированном значении других факторных признаков.
3. Множественная корреляция – зависимость результативного и двух или более факторных признаков, включенных в исследование.
Корреляционный анализ имеет своей задачей количественное определение тесноты связи между двумя признаками (при парной связи) и между результативным признаком и множеством факторных признаков (при многофакторной связи).
Теснота связи количественно выражается величиной коэффициентов корреляции. Коэффициенты корреляции, представляя количественную характеристику тесноты связи между признаками, дают возможность определить «полезность» факторных признаков при построении уравнений множественной регрессии. Величина коэффициентов корреляции служит также оценкой соответствия уравнению регрессии выявленным причинно-следственным связям.
Первоначально исследования корреляции проводились в биологии, а позднее распространились и на другие области, в том числе на социально-экономическую. Одновременно с корреляцией начала использоваться и регрессия. Корреляция и регрессия тесно связаны между собой: первая оценивает силу (тесноту) статистической связи, вторая исследует ее форму. И корреляция, и регрессия служат для установления соотношений между явлениями и для определения наличия или отсутствия связи между ними.
4. Практическая часть
Задача 6.
На основе приведенных ниже данных требуется определить: