Математико-статистические методы изучения связей

Математико-статистические методы изучения связей, называемые иначе стохастическим моделированием, являются в определенной степени дополнением и углублением детерминированного анализа. В анализе финансово-хозяйственной деятельности стохастические модели используются, когда необходимо:

оценить влияние факторов, по которым нельзя построить жестко детерминированную модель;

изучить и сравнить влияние факторов, которые невозможно включить в одну и ту же детерминированную модель;

выделить и оценить влияние сложных факторов, которые не могут быть выражены одним определенным количественным показателем.

В отличие от детерминистского, стохастический подход для своей реализации требует выполнения ряда предпосылок. В первую очередь речь идет о наличии достаточно большой совокупности объектов (жестко детерминированную модель можно анализировать и строить по одному объекту, для стохастической же модели необходима совокупность). Кроме того, необходим достаточный объем наблюдений: по одному-двум наблюдениям судить о характере стохастической связи нельзя.

Использование стохастических моделей в экономике, в отличие от использования их в технике, имеет определенные трудности, связанные с получением совокупности достаточного объема. В технике эксперимент можно повторить, в экономике этого сделать нельзя. Это приводит к дискуссии о правомерности использования статистических методов при построении факторных моделей в анализе деятельности предприятий, поскольку при этом нередко приходится работать в условиях малых выборок (менее 20 наблюдений), а кроме того, в теории статистики считается, что при построении регрессии количество наблюдений должно в 6-8 раз превышать количество факторов, что крайне редко встречается в анализе финансово-хозяйственной деятельности предприятий.

Поскольку стохастическая модель - это, как правило, уравнение регрессии, при ее построении должны выполняться следующие условия:

случайность наблюдений;

наличие однородности совокупности, как качественной, так и количественной (показателем количественной однородности совокупности данных является показатель вариации, который мы рассмотрели в разделе 2.7.3);

наличие специального математического аппарата (например, инструменты анализа автокорреляций для анализа рядов динамики).

Основная сфера приложения стохастических моделей — это проблемно-ориентированный и тематический анализ. Стохастическое моделирование предназначено для решения трех основных задач:

установление самого факта наличия (или отсутствия) статистически значимой связи между изучаемыми признаками;

прогнозирование неизвестных значений результативных показателей по заданным значениям факторных признаков (задачи экстраполяции и интерполяции);

выявление причинных связей между изучаемыми показателями, измерение их тесноты и сравнительный анализ степени влияния.

Проведение стохастического моделирования - сложный процесс, состоящий из нескольких этапов, на каждом из которых выполняются определенные процедуры.

Этап 1 - качественный анализ. Он включает:

· постановку цели анализа;

· определение совокупности включаемых в анализ данных;

· определение результативных признаков;

· определение факторных признаков;

· выбор периода анализа;

· выбор метода анализа.

Этап 2 - предварительный анализ моделируемой совокупности, что подразумевает:

· проверку однородности совокупности;

· исключение аномальных наблюдений;

· уточнение необходимого объема выборки;

· установление законов распределения изучаемых переменных.

Этап 3 - построение регрессионной модели экономического объекта, которое включает:

· перебор конкурирующих вариантов моделей;

· уточнение перечня факторов, включаемых в модель;

· расчет оценок параметров уравнений регрессии.

Этап 4 - оценка адекватности модели, которая заключается в следующем:

· проверка статистической значимости уравнения в целом и его отдельных параметров;

· проверка соответствия формальных свойств полученных оценок задачам исследования.

Этап 5 - экономическая интерпретация и практическое использование модели. Под этим понимается:

· определение пространственно-временной устойчивости зависимостей;

· оценка прогностических свойств моделей.

Рассмотрим некоторые аспекты осуществления процедур стохастического анализа.

Во-первых, для анализа следует брать всю имеющуюся совокупность данных. Если она слишком велика, следует внимательно отнестись к составлению выборки из этой совокупности. Выборка должна быть типичной для данного круга явлений. В противном случае анализ не будет иметь смысла, поскольку его результаты не позволят делать значимые выводы для всей совокупности.

Во-вторых, в качестве результативных признаков берут либо показатели эффекта (выручка, товарооборот, объем реализации), либо показатели эффективности (рентабельность, оборачиваемость и т.п.). Отметим, что в анализе более предпочтительным является использование относительных показателей. Причин тому несколько, в качестве основных можно назвать их сравнимость и большую близость их распределений нормальному закону (это весьма важно, поскольку нормальность распределения признаков - основная предпосылка корреляционно-регрессионного анализа, речь о котором пойдет далее).

В-третьих, в качестве факторных признаков следует брать показатели, комплексно характеризующие изучаемое явление. При этом также лучше ориентироваться на относительные показатели.

В-четвертых, существует два подхода к анализу явлений: статический и динамический. Статический подход встречается чаще, поскольку проведение его проще и не требует использования сложных математических методик. Динамический анализ (анализ рядов данных во времени) нередко предполагает рассмотрение автокорреляционных зависимостей, что требует от аналитика владения сложным эконометрическим инструментарием.

В-пятых, предварительная обработка рядов данных начинается с установления законов распределения: распределение данных должно быть близко к нормальному. В условиях малых выборок проверка нормальности распределений признаков проводится путем сравнения эмпирических коэффициентов асимметрии и эксцесса (их аналитические выражения приведены в разделе 2.7.3) с их средними квадратическими ошибками (σ _As и σ _Ex, соответственно). Нормальность распределения подтверждается, если выполнены неравенства: |As| < 3σ _As и |Ех| < 3σ _Ex.

В-шестых, проверка однородности сводится к проверке соотношения Vаr 33%, где Var - коэффициент вариации (см. раздел 2.7.3). Если совокупность неоднородна, следует исключить из нее самые "аномальные" наблюдения, поскольку они, скорее всего, нетипичны для данного исследования. Для устранения аномальных наблюдений используется правило "трех сигм": наблюдение признается аномальным и отбрасывается, если его отклонение от выборочной средней (x_i —) более чем в 3 раза превышает среднеквадратическое отклонение выборки σ. Безусловно, любые операции с исходной совокупностью, в том числе и связанные с изменением ее объема, должны быть обоснованными и поясняемыми.

В-седьмых, уточнение перечня факторов может осуществляться, например, путем расчета матрицы парных коэффициентов корреляции. Факторы x_i и x_j включаются в модель вида y = f(x _1, x ₂,..... х_п) одновременно, если:

Перебор конкурирующих вариантов моделей, как правило, осуществляется с использованием компьютера.

В-восьмых, проверка устойчивости модели осуществляется расчетом ее параметров на усеченной или расширенной совокупности, а также по той же совокупности, но в другом временном интервале.

Поиск по сайту: