Ang kakanyahan at layunin ng pamamaraan ng mga kamag-anak na pagkakaiba. Saklaw ng aplikasyon nito. Isang algorithm para sa pagkalkula ng impluwensya ng mga kadahilanan sa ganitong paraan.
Paraan ng mga kamag-anak na pagkakaiba, tulad ng nauna, ito ay ginagamit upang sukatin ang impluwensya ng mga salik sa paglago ng isang tagapagpahiwatig ng pagganap lamang sa multiplicative at additive-multiplicative na mga modelo tulad ng V = (a - b)c. Ito ay mas simple kaysa sa mga pagpapalit ng chain, na ginagawang napaka-epektibo sa ilalim ng ilang mga pangyayari. Pangunahing nalalapat ito sa mga kasong iyon kapag naglalaman ang source data ng dati nang natukoy na kamag-anak na pagtaas ng mga factor indicator sa mga porsyento o coefficient.
Isaalang-alang natin ang pamamaraan para sa pagkalkula ng impluwensya ng mga kadahilanan sa paraang ito para sa mga multiplicative na modelo ng uri V = A X SA X SA. Una kailangan mong kalkulahin ang mga kamag-anak na paglihis ng mga tagapagpahiwatig ng kadahilanan:
Pagkatapos ang pagbabago sa epektibong tagapagpahiwatig dahil sa bawat kadahilanan ay tinutukoy bilang mga sumusunod:
Ayon sa panuntunang ito, upang makalkula ang impluwensya ng unang kadahilanan, kinakailangan upang i-multiply ang pangunahing (nakaplanong) halaga ng epektibong tagapagpahiwatig sa pamamagitan ng kamag-anak na pagtaas sa unang kadahilanan, na ipinahayag bilang isang porsyento, at hatiin ang resulta sa 100.
Upang kalkulahin ang impluwensya ng pangalawang kadahilanan, kailangan mong idagdag ang pagbabago dito dahil sa unang kadahilanan sa nakaplanong halaga ng epektibong tagapagpahiwatig at pagkatapos ay i-multiply ang nagresultang halaga sa kamag-anak na pagtaas sa pangalawang kadahilanan bilang isang porsyento at hatiin ang resulta ng 100.
Ang impluwensya ng pangatlong kadahilanan ay natutukoy sa katulad na paraan: sa nakaplanong halaga ng epektibong tagapagpahiwatig kinakailangan na idagdag ang pagtaas nito dahil sa una at pangalawang kadahilanan at i-multiply ang nagresultang halaga sa kamag-anak na pagtaas ng ikatlong kadahilanan, atbp .
Pagsamahin natin ang itinuturing na pamamaraan gamit ang halimbawang ibinigay sa Talahanayan. 6.1:
Tulad ng nakikita mo, ang mga resulta ng pagkalkula ay pareho sa paggamit ng mga nakaraang pamamaraan.
Ang paraan ng mga kamag-anak na pagkakaiba ay maginhawang gamitin sa mga kaso kung saan kinakailangan upang kalkulahin ang impluwensya ng isang malaking hanay ng mga kadahilanan (8-10 o higit pa). Hindi tulad ng mga nakaraang pamamaraan, ang bilang ng mga kalkulasyon ay makabuluhang nabawasan.
Ang isang pagkakaiba-iba ng pamamaraang ito ay pagtanggap ng mga pagkakaiba sa porsyento. Isasaalang-alang namin ang paraan ng pagkalkula ng impluwensya ng mga salik na gumagamit nito gamit ang parehong halimbawa (Talahanayan 6.1).
Upang maitatag kung gaano kalaki ang pagbabago ng dami ng kabuuang output dahil sa bilang ng mga manggagawa, kinakailangan na i-multiply ang nakaplanong halaga nito sa porsyento ng paglampas sa plano para sa bilang ng mga manggagawa. HR%:
Upang makalkula ang impluwensya ng pangalawang kadahilanan, kinakailangan upang i-multiply ang nakaplanong dami ng kabuuang output sa pagkakaiba sa pagitan ng porsyento ng katuparan ng plano para sa kabuuang bilang ng mga araw na nagtrabaho ng lahat ng mga manggagawa. D% at ang porsyento ng katuparan ng plano para sa karaniwang bilang ng mga manggagawa HR%:
Ang ganap na pagtaas sa kabuuang output dahil sa mga pagbabago sa average na haba ng araw ng trabaho (intra-shift downtime) ay itinatag sa pamamagitan ng pag-multiply sa nakaplanong dami ng kabuuang output sa pagkakaiba sa pagitan ng porsyento ng katuparan ng plano para sa kabuuang bilang ng mga oras na nagtrabaho ng lahat ng manggagawa t% at ang kabuuang bilang ng mga araw na nagtrabaho sila D%:
Upang kalkulahin ang impluwensya ng average na oras-oras na output sa mga pagbabago sa dami ng kabuuang output, ang pagkakaiba sa pagitan ng porsyento ng katuparan ng plano para sa kabuuang output ay kinakailangan VP% at ang porsyento ng pagkumpleto ng plano para sa kabuuang bilang ng mga oras na nagtrabaho ng lahat ng manggagawa t% i-multiply sa nakaplanong dami ng kabuuang output VPpl:
Ang bentahe ng pamamaraang ito ay kapag ginagamit ito ay hindi kinakailangan upang kalkulahin ang antas ng mga tagapagpahiwatig ng kadahilanan. Sapat na magkaroon ng data sa porsyento ng katuparan ng plano para sa kabuuang output, ang bilang ng mga manggagawa at ang bilang ng mga araw at oras na nagtrabaho sila para sa nasuri na panahon.
Tingnan din:
5.2.4 Paraan ng mga kamag-anak na pagkakaiba
Ang pamamaraan ng mga kamag-anak na pagkakaiba, tulad ng nauna, ay ginagamit upang sukatin ang impluwensya ng mga kadahilanan sa paglago ng isang epektibong tagapagpahiwatig lamang sa mga multiplicative na modelo at pinagsamang mga uri ng Y = (a - b) c. Ito ay mas simple kaysa sa mga pagpapalit ng chain, na ginagawang napaka-epektibo sa ilalim ng ilang mga pangyayari. Pangunahing nalalapat ito sa mga kasong iyon kapag naglalaman ang pinagmulan ng data ng dati nang natukoy na mga kamag-anak na paglihis ng mga tagapagpahiwatig ng salik sa mga porsyento o coefficient.
Isaalang-alang natin ang pamamaraan para sa pagkalkula ng impluwensya ng mga kadahilanan sa paraang ito para sa mga multiplicative na modelo ng uri Y = A * B * C. Una, kinakailangan upang kalkulahin ang mga kamag-anak na paglihis ng mga tagapagpahiwatig ng kadahilanan:
Pagkatapos ang paglihis ng epektibong tagapagpahiwatig dahil sa bawat kadahilanan ay tinutukoy bilang mga sumusunod:
Ayon sa panuntunang ito, upang makalkula ang impluwensya ng unang kadahilanan, kinakailangan upang i-multiply ang pangunahing (nakaplanong) halaga ng epektibong tagapagpahiwatig sa pamamagitan ng kamag-anak na pagtaas sa unang kadahilanan, na ipinahayag bilang isang porsyento, at hatiin ang resulta sa 100.
Upang kalkulahin ang impluwensya ng pangalawang kadahilanan, kailangan mong idagdag ang pagbabago dito dahil sa unang kadahilanan sa nakaplanong halaga ng epektibong tagapagpahiwatig at pagkatapos ay i-multiply ang nagresultang halaga sa kamag-anak na pagtaas sa pangalawang kadahilanan bilang isang porsyento at hatiin ang resulta ng 100.
Ang impluwensya ng pangatlong kadahilanan ay natutukoy sa katulad na paraan: sa nakaplanong halaga ng epektibong tagapagpahiwatig kinakailangan na idagdag ang pagtaas nito dahil sa una at pangalawang kadahilanan at i-multiply ang nagresultang halaga sa kamag-anak na pagtaas ng ikatlong kadahilanan, atbp .
Pagsamahin natin ang itinuturing na pamamaraan gamit ang halimbawang ibinigay sa Talahanayan 15:
Tulad ng nakikita mo, ang mga resulta ng pagkalkula ay pareho sa paggamit ng mga nakaraang pamamaraan.
Ang paraan ng mga kamag-anak na pagkakaiba ay maginhawang gamitin sa mga kaso kung saan kinakailangan upang kalkulahin ang impluwensya ng isang malaking hanay ng mga kadahilanan (8-10 o higit pa). Hindi tulad ng mga nakaraang pamamaraan, ang bilang ng mga kalkulasyon ay makabuluhang nabawasan.
5.2.5 Paraan ng proporsyonal na dibisyon at equity na partisipasyon.
Sa ilang mga kaso, upang matukoy ang laki ng impluwensya ng mga kadahilanan sa paglago ng isang tagapagpahiwatig ng pagganap, maaaring gamitin ang paraan ng proporsyonal na paghahati. Nalalapat ito sa mga kasong iyon kapag nakikitungo tayo sa mga additive na modelo ng uri Y = ∑Х i at magkakahalo ng uri
Sa unang kaso, kapag mayroon kaming isang solong antas na modelo ng uri Y = a + b + c, ang pagkalkula ay isinasagawa tulad ng sumusunod:
Halimbawa, ang antas ng kakayahang kumita ay bumaba ng 8% dahil sa pagtaas ng kapital ng negosyo ng 200 milyong tenge. Kasabay nito, ang halaga ng fixed capital ay tumaas ng 250 million tenge, at working capital ay bumaba ng 50 million tenge. Nangangahulugan ito na, dahil sa unang kadahilanan, bumaba ang antas ng kakayahang kumita, at dahil sa pangalawa, tumaas ito:
Ang paraan ng pagkalkula para sa mga halo-halong modelo ay medyo mas kumplikado.
Kapag kilala ang ∆Вd; ∆Bn at ∆Bm pati na rin ang ∆Yb pagkatapos ay upang matukoy ang ∆Yd, ∆Yn, ∆Ym maaari mong gamitin ang paraan ng proporsyonal na paghahati, na batay sa proporsyonal na pamamahagi ng pagtaas ng epektibong tagapagpahiwatig Y dahil sa pagbabago sa factor B sa pagitan ng pangalawang antas na mga kadahilanan D, N at M, ayon sa pagkakabanggit ng kanilang laki. Ang proporsyonalidad ng distribusyon na ito ay nakakamit sa pamamagitan ng pagtukoy ng pare-parehong koepisyent para sa lahat ng mga salik, na nagpapakita ng dami ng pagbabago sa epektibong tagapagpahiwatig Y dahil sa pagbabago sa salik B ng isa.
Ang halaga ng koepisyent (K) ay tinutukoy bilang mga sumusunod:
Sa pamamagitan ng pagpaparami ng koepisyent na ito sa ganap na paglihis B dahil sa kaukulang salik, makikita natin ang mga paglihis ng epektibong tagapagpahiwatig:
∆Yb=К*∆Bd; ∆Yn=К*∆Bn; ∆Ym=К*∆Bm
Halimbawa, ang halaga ng 1 t/km ay tumaas ng 180 rubles dahil sa pagbaba sa average na taunang produksyon ng isang kotse. Ito ay kilala na ang average na taunang produksyon ng isang kotse ay nabawasan dahil sa:
a) extra-planned machine downtime - 5000 t/km
b) mga idle run sa itaas ng plano - 4000 t/km
c) hindi kumpletong paggamit ng kapasidad ng pagdadala - 3000 t/km
Kabuuan - 12000 t/km
Mula dito matutukoy mo ang pagbabago sa gastos sa ilalim ng impluwensya ng mga salik sa pangalawang antas:
Talahanayan 18 - Pagkalkula ng impluwensya ng mga kadahilanan sa tagapagpahiwatig ng pagganap gamit ang paraan ng equity
Upang malutas ang ganitong uri ng problema, maaari mo ring gamitin ang equity method. Upang gawin ito, ang bahagi ng bawat kadahilanan sa kabuuang halaga ng kanilang mga pagtaas ay unang tinutukoy, na pagkatapos ay i-multiply sa kabuuang pagtaas sa epektibong tagapagpahiwatig:
Mayroong maraming mga katulad na halimbawa ng aplikasyon ng pamamaraang ito sa ACD, tulad ng makikita mo sa proseso ng pag-aaral ng kurso sa industriya sa pagsusuri ng aktibidad sa ekonomiya sa mga negosyo.
5.2.6 Paraan ng logarithm sa pagsusuri ng aktibidad sa ekonomiya.
Ang logarithm method ay ginagamit upang sukatin ang impluwensya ng mga salik sa multiplicative models. Sa kasong ito, ang resulta ng pagkalkula, tulad ng sa pagsasama, ay hindi nakasalalay sa lokasyon ng mga salik sa modelo at, kung ihahambing sa integral na paraan, ang mas mataas na katumpakan ng pagkalkula ay sinisiguro. Kung, sa panahon ng pagsasama, ang karagdagang pagtaas mula sa pakikipag-ugnayan ng mga kadahilanan ay ibinahagi nang pantay-pantay sa pagitan nila, pagkatapos gamit ang logarithm, ang resulta ng magkasanib na pagkilos ng mga kadahilanan ay ipinamamahagi sa proporsyon sa bahagi ng nakahiwalay na impluwensya ng bawat kadahilanan sa antas ng ang tagapagpahiwatig ng pagganap. Ito ang kalamangan nito, at ang kawalan ay ang limitadong saklaw ng aplikasyon nito.
Hindi tulad ng integral na paraan, kapag kumukuha ng logarithms, hindi ganap na pagtaas sa mga tagapagpahiwatig ang ginagamit, ngunit ang mga indeks ng paglago (pagbaba).
Sa matematika, ang pamamaraang ito ay inilarawan bilang mga sumusunod: Ipagpalagay natin na ang mabisang tagapagpahiwatig ay maaaring katawanin bilang isang produkto ng tatlong salik: F = xyz. Ang pagkuha ng logarithms ng magkabilang panig ng pagkakapantay-pantay, nakukuha natin
Isinasaalang-alang na ang parehong relasyon sa pagitan ng mga indeks ng mga pagbabago sa mga tagapagpahiwatig ay nananatili sa pagitan ng mga tagapagpahiwatig mismo, papalitan namin ang kanilang mga ganap na halaga ng mga indeks:
Ito ay sumusunod mula sa mga formula na ang kabuuang pagtaas sa epektibong tagapagpahiwatig ay ibinahagi sa mga salik sa proporsyon sa ratio ng mga logarithms ng mga indeks ng kadahilanan sa logarithm ng epektibong tagapagpahiwatig. At hindi mahalaga kung aling logarithm ang ginagamit - natural o decimal.
Sa pamamagitan ng paghahambing ng mga nakuhang resulta ng pagkalkula ng impluwensya ng mga kadahilanan gamit ang iba't ibang mga pamamaraan gamit ang modelong ito ng kadahilanan, ang isa ay maaaring kumbinsido sa bentahe ng pamamaraan ng logarithm. Ito ay makikita sa relatibong pagiging simple ng mga kalkulasyon at tumaas na katumpakan ng mga kalkulasyon.
Ang pagkakaroon ng pagsasaalang-alang sa mga pangunahing pamamaraan ng pagsusuri ng deterministikong kadahilanan at ang saklaw ng kanilang aplikasyon, ang mga resulta ay maaaring ma-systematize sa anyo ng sumusunod na matrix:
Talahanayan 19 - Mga pamamaraan at modelo ng deterministikong kadahilanan
|
| Multiplicative | Additive | Maramihan | Magkakahalo |
| Pagpapalit ng kadena | + | + | + | + |
| Index | + | - | + | - |
| Mga ganap na pagkakaiba | + | - | - | Y=a (b-c) |
| Mga kamag-anak na pagkakaiba | + | - | - | - |
| Proporsyonal na dibisyon (pagsali sa equity) | - | + | - | Y=a/Sxi |
| integral | + | - | + | Y= a/Sxi |
| Logarithms | + | - | - | - |
Mga modeloBibliograpiya
1. Bakanov M.I., Sheremet A.D., Teorya ng pagsusuri sa ekonomiya. - M.: Pananalapi at Istatistika, 2000.
2. Savitskaya G.V. Pagsusuri ng mga aktibidad sa ekonomiya ng isang negosyo: Textbook. - Mn.: IP "Ecoperspective", 2000. - 498 p.
3. Pamamaraan ng pagsusuri sa ekonomiya ng isang pang-industriya na negosyo (asosasyon) / Ed. A.I. Buzhinsky, A.D. Sheremet. - M.: Pananalapi at Istatistika, 1988
4. Muravyova A.I. Teorya ng pagsusuri sa ekonomiya. - M.: Pananalapi at Istatistika, 1988.
Mga uri ng deterministic na modelo na gumagamit ng chain substitution method. Ang kakanyahan at mga patakaran ng aplikasyon nito. Algorithm para sa pagkalkula ng impluwensya ng mga kadahilanan sa ganitong paraan sa iba't ibang uri ng mga modelo.
Ang isa sa pinakamahalagang isyung metodolohikal sa ACD ay ang pagtukoy sa laki ng impluwensya ng mga indibidwal na salik sa pagtaas ng mga tagapagpahiwatig ng pagganap. Sa deterministic factor analysis (DFA), ang mga sumusunod na pamamaraan ay ginagamit para dito: chain substitution, index, absolute differences, relative differences, proportional division, integral, logarithm, atbp.
Ang unang apat na pamamaraan ay batay sa paraan ng pag-aalis. Ang ibig sabihin ng Alisin ay alisin, tanggihan, ibukod ang impluwensya ng lahat ng salik sa halaga ng mabisang tagapagpahiwatig, maliban sa isa. Ang pamamaraang ito ay batay sa katotohanan na ang lahat ng mga kadahilanan ay nagbabago nang nakapag-iisa sa isa't isa: una ang isa ay nagbabago, at ang lahat ng iba ay nananatiling hindi nagbabago, pagkatapos ay dalawang nagbabago, pagkatapos ay tatlo, atbp., habang ang iba ay nananatiling hindi nagbabago. Ito ay nagpapahintulot sa amin na matukoy ang impluwensya ng bawat salik sa halaga ng tagapagpahiwatig na pinag-aaralan nang hiwalay.
Ang pinaka-unibersal sa kanila ay paraan ng pagpapalit ng kadena. Ginagamit ito upang kalkulahin ang impluwensya ng mga kadahilanan sa lahat ng uri ng mga modelo ng deterministikong kadahilanan: additive, multiplicative, maramihang at halo-halong (pinagsama). Binibigyang-daan ka ng pamamaraang ito na matukoy ang impluwensya ng mga indibidwal na salik sa mga pagbabago sa halaga ng tagapagpahiwatig ng pagganap sa pamamagitan ng unti-unting pagpapalit ng batayang halaga ng bawat tagapagpahiwatig ng salik sa saklaw ng tagapagpahiwatig ng pagganap sa aktwal na halaga sa panahon ng pag-uulat. Para sa layuning ito, ang isang bilang ng mga kondisyon na halaga ng tagapagpahiwatig ng pagganap ay tinutukoy, na isinasaalang-alang ang pagbabago sa isa, pagkatapos ay dalawa, tatlo, atbp. mga kadahilanan, sa pag-aakalang ang iba ay hindi nagbabago. Ang paghahambing ng halaga ng isang epektibong tagapagpahiwatig bago at pagkatapos ng pagbabago ng antas ng isa o isa pang kadahilanan ay ginagawang posible na alisin ang impluwensya ng lahat ng mga kadahilanan maliban sa isa, at matukoy ang epekto ng huli sa pagtaas ng epektibong tagapagpahiwatig.
Tingnan natin ang pamamaraan para sa paggamit ng paraang ito gamit ang sumusunod na halimbawa (Talahanayan 6.1).
Tulad ng alam na natin, ang dami ng kabuuang output ( VP) depende sa dalawang pangunahing salik ng unang antas: ang bilang ng mga manggagawa (CR) at average na taunang output (GW). Mayroon kaming two-factor multiplicative model: VP = CR X GV.
Algoritmo ng pagkalkula gamit ang paraan ng pagpapalit ng chain para sa modelong ito:
Tulad ng nakikita mo, ang pangalawang tagapagpahiwatig ng kabuuang output ay naiiba mula sa una dahil kapag kinakalkula ito, ang aktwal na bilang ng mga manggagawa ay kinuha sa halip na ang nakaplanong isa. Ang average na taunang output bawat manggagawa sa parehong mga kaso ay pinlano. Nangangahulugan ito na dahil sa pagtaas ng bilang ng mga manggagawa, ang output ng produksyon ay tumaas ng 32,000 milyong rubles. (192,000 - 160,000).
Ang pangatlong tagapagpahiwatig ay naiiba sa pangalawa na kapag kinakalkula ang halaga nito, ang output ng mga manggagawa ay kinuha sa aktwal na antas sa halip na ang nakaplanong isa. Ang bilang ng mga empleyado sa parehong mga kaso ay aktwal. Samakatuwid, dahil sa pagtaas ng produktibidad ng paggawa, ang dami ng kabuuang output ay tumaas ng 48,000 milyong rubles. (240,000 - 192,000).
Kaya, ang paglampas sa plano para sa kabuuang output ay resulta ng impluwensya ng mga sumusunod na salik:
a) pagtaas sa bilang ng mga manggagawa + 32,000 milyong rubles.
b) pagtaas ng antas ng produktibidad ng paggawa + 48,000 milyong rubles.
Kabuuang +80,000 milyong rubles.
Ang algebraic na kabuuan ng impluwensya ng mga salik ay dapat na katumbas ng kabuuang pagtaas sa epektibong tagapagpahiwatig:
Ang kawalan ng naturang pagkakapantay-pantay ay nagpapahiwatig ng mga pagkakamali sa mga kalkulasyon.
Para sa kalinawan, ang mga resulta ng pagsusuri ay ipinapakita sa talahanayan. 6.2.
Kung kinakailangan upang matukoy ang impluwensya ng tatlong mga kadahilanan, kung gayon sa kasong ito ay hindi isa, ngunit dalawang kondisyon na karagdagang mga tagapagpahiwatig ang kinakalkula, i.e. ang bilang ng mga conditional indicator ay mas mababa ng isa kaysa sa bilang ng mga salik. Ilarawan natin ito gamit ang four-factor model ng gross output:
Ang paunang data para sa paglutas ng problema ay ibinibigay sa Talahanayan 6.1:
Ang plano ng produksyon sa kabuuan ay lumampas sa RUB 80,000 milyon. (240,000 - 160,000), kabilang ang dahil sa mga pagbabago:
a) ang bilang ng mga manggagawa
Gamit ang paraan ng pagpapalit ng kadena, inirerekumenda na sumunod sa isang tiyak na pagkakasunud-sunod ng mga kalkulasyon: una sa lahat, kailangan mong isaalang-alang ang mga pagbabago sa dami at pagkatapos ay mga tagapagpahiwatig ng husay. Kung mayroong maraming mga quantitative at maraming mga tagapagpahiwatig ng husay, dapat mo munang baguhin ang halaga ng mga kadahilanan ng unang antas ng subordination, at pagkatapos ay ang mas mababang isa. Sa ibinigay na halimbawa, ang dami ng produksyon ay nakasalalay sa apat na salik: ang bilang ng mga manggagawa, ang bilang ng mga araw na nagtrabaho ng isang manggagawa, ang haba ng araw ng trabaho at ang average na oras-oras na output. Ayon sa scheme 5.2, ang bilang ng mga manggagawa sa kasong ito ay isang kadahilanan ng unang antas ng subordination, ang bilang ng mga araw na nagtrabaho ay nasa ikalawang antas, ang haba ng araw ng pagtatrabaho at average na oras-oras na output ay mga kadahilanan ng ikatlong antas. Tinukoy nito ang pagkakasunud-sunod ng paglalagay ng mga salik sa modelo at, nang naaayon, ang pagkakasunud-sunod ng kanilang pananaliksik.
Kaya, ang paggamit ng paraan ng pagpapalit ng kadena ay nangangailangan ng kaalaman sa ugnayan ng mga salik, ang kanilang subordination, at ang kakayahang wastong pag-uri-uriin at pag-systematize ang mga ito.
Tumingin kami sa isang halimbawa ng pagkalkula ng impluwensya ng mga salik sa paglago ng isang tagapagpahiwatig ng pagganap sa mga multiplicative na modelo.
Sa maraming modelo Ang algorithm para sa pagkalkula ng mga kadahilanan para sa halaga ng pinag-aralan na mga tagapagpahiwatig ay ang mga sumusunod:
saan FO- produktibidad ng kapital; VP- kabuuang output; OPF - average na taunang gastos ng mga fixed production asset.
Pamamaraan para sa pagkalkula ng impluwensya ng mga kadahilanan sa halo-halong mga modelo:
a) uri ng multiplicative-additive P = V.P.P (C - MAY)
saan P- ang halaga ng kita mula sa mga benta ng produkto; V.P.P - dami ng mga benta ng produkto; C - presyo ng pagbebenta; C ay ang gastos sa bawat yunit ng produksyon;
Ang impluwensya ng mga salik ay kinakalkula sa katulad na paraan gamit ang iba pang deterministikong mixed-type na mga modelo.
Hiwalay, ito ay kinakailangan upang manatili sa pamamaraan para sa pagtukoy ng impluwensya salik sa istruktura para mapataas ang performance indicator gamit ang paraang ito. Halimbawa, kita mula sa mga benta ng produkto (SA) depende hindi lang sa presyo (C) at dami ng mga produktong naibenta (VPH), ngunit din mula sa istraktura nito (UDi). Kung ang bahagi ng mga produkto ng kategorya ng pinakamataas na kalidad, na ibinebenta sa mas mataas na presyo, ay tumaas, kung gayon ang kita ay tataas dahil dito, at kabaliktaran. Ang modelo ng kadahilanan ng tagapagpahiwatig na ito ay maaaring isulat bilang mga sumusunod:
Sa proseso ng pagsusuri, kinakailangan na alisin ang impluwensya ng lahat ng mga kadahilanan maliban sa istraktura ng produkto. Upang gawin ito, inihambing namin ang mga sumusunod na tagapagpahiwatig ng kita:
Ang pagkakaiba sa pagitan ng mga tagapagpahiwatig na ito ay isinasaalang-alang ang pagbabago sa kita mula sa mga benta ng produkto dahil sa mga pagbabago sa istraktura nito (Talahanayan 6.3.).
Ipinapakita ng talahanayan na dahil sa pagtaas ng bahagi ng mga produktong pangalawang grado sa kabuuang dami ng mga benta nito, ang kita ay nabawasan ng 10 milyong rubles. (655 - 665). Ito ay isang hindi nagamit na reserba ng negosyo.
6.2. Paraan ng index
Ang kakanyahan at layunin ng paraan ng index. Isang algorithm para sa pagkalkula ng impluwensya ng mga kadahilanan gamit ang pamamaraang ito para sa iba't ibang mga modelo.
Ang paraan ng index ay batay sa mga kamag-anak na tagapagpahiwatig ng dinamika, spatial na paghahambing, pagpapatupad ng plano, na nagpapahayag ng ratio ng aktwal na antas ng nasuri na tagapagpahiwatig sa panahon ng pag-uulat sa antas nito sa batayang panahon (o sa binalak o iba pang bagay).
Gamit ang pinagsama-samang mga indeks, posibleng matukoy ang impluwensya ng iba't ibang mga kadahilanan sa mga pagbabago sa antas ng mga tagapagpahiwatig ng pagganap sa multiplicative at maramihang mga modelo.
Halimbawa, kunin natin ang index ng halaga ng mga mabibiling produkto:
Sinasalamin nito ang pagbabago sa pisikal na dami ng mabibiling produkto (q) at mga presyo (R) at katumbas ng produkto ng mga indeks na ito:
Upang matukoy kung paano nagbago ang halaga ng mga produktong nabibili dahil sa dami ng mga produktong ginawa at dahil sa mga presyo, kailangan mong kalkulahin ang index ng pisikal na dami Iq at index ng presyo 1 p:
Sa aming halimbawa, ang dami ng kabuuang output ay maaaring katawanin bilang produkto ng bilang ng mga manggagawa at ang kanilang average na taunang output. Samakatuwid, ang index ng kabuuang output 1ch ay magiging katumbas ng produkto ng index ng bilang ng mga manggagawa lchr at average na taunang index ng produksyon 1st Guards:
Kung ibawas natin ang denominator mula sa numerator ng mga formula sa itaas, makakakuha tayo ng ganap na pagtaas sa kabuuang output sa kabuuan at dahil sa bawat salik nang hiwalay, i.e. ang parehong mga resulta bilang ang paraan ng pagpapalit ng chain.
6.3. Paraan ng ganap na pagkakaiba
Ang kakanyahan, layunin at saklaw ng aplikasyon ng paraan ng ganap na pagkakaiba. Ang pamamaraan at mga algorithm para sa pagkalkula ng impluwensya ng mga kadahilanan sa ganitong paraan
Paraan ganap na pagkakaiba ay isa sa mga pagbabago sa pag-aalis. Tulad ng paraan ng pagpapalit ng kadena, ginagamit ito upang kalkulahin ang impluwensya ng mga salik sa paglago ng isang tagapagpahiwatig ng pagganap sa deterministikong pagsusuri, ngunit sa mga modelong multiplicative at multiplicative-additive lamang: Y= (a -b)Na may at Y = a(b- Kasama). At kahit na limitado ang paggamit nito, dahil sa pagiging simple nito ay malawak itong ginagamit sa ACD. Ang pamamaraang ito ay ginagamit lalo na kung ang pinagmulan ng data ay naglalaman na ng ganap na mga paglihis sa mga tagapagpahiwatig ng salik.
Kapag ginagamit ito, ang laki ng impluwensya ng mga kadahilanan ay kinakalkula sa pamamagitan ng pagpaparami ng ganap na pagtaas ng kadahilanan sa ilalim ng pag-aaral sa pamamagitan ng base (binalak) na halaga ng mga kadahilanan na nasa kanan nito, at sa pamamagitan ng aktwal na halaga ng mga kadahilanan na matatagpuan sa kaliwa nito sa modelo.
Isaalang-alang natin ang algorithm ng pagkalkula para sa multiplicative factor model ng uri Y= a x b x c x d. Mayroong nakaplano at aktwal na mga halaga para sa bawat tagapagpahiwatig ng kadahilanan, pati na rin ang kanilang ganap na mga paglihis:
Tinutukoy namin ang pagbabago sa halaga ng epektibong tagapagpahiwatig dahil sa bawat kadahilanan:
Tulad ng makikita mula sa diagram sa itaas, ang pagkalkula ay batay sa sunud-sunod na pagpapalit ng mga nakaplanong halaga ng mga tagapagpahiwatig ng kadahilanan sa kanilang mga paglihis, at pagkatapos ay sa aktwal na antas ng mga tagapagpahiwatig na ito.
Isaalang-alang natin ang pamamaraan para sa pagkalkula ng impluwensya ng mga kadahilanan sa paraang ito para sa isang apat na salik na multiplicative na modelo ng kabuuang output:
Kaya, ang paraan ng ganap na pagkakaiba ay nagbibigay ng parehong mga resulta tulad ng paraan ng pagpapalit ng chain. Dito kinakailangan ding tiyakin na ang algebraic sum ng pagtaas sa epektibong tagapagpahiwatig dahil sa mga indibidwal na salik ay katumbas ng kabuuang pagtaas nito.
Isaalang-alang natin ang algorithm para sa pagkalkula ng mga kadahilanan sa ganitong paraan sa halo-halong modelo uri V = (a - b)Na may. Halimbawa, kunin natin ang factor model ng kita mula sa mga benta ng produkto, na ginamit na sa nakaraang talata:
P = VRP(C - MAY).
Pagtaas ng kita dahil sa mga pagbabago sa dami ng benta ng produkto:
mga presyo ng pagbebenta:
gastos sa produksyon:
Pagkalkula ng impluwensya ng isang structural factor gamit ang pamamaraang ito ay isinasagawa tulad ng sumusunod:
Tulad ng makikita mula sa talahanayan. 6.4, dahil sa mga pagbabago sa istraktura ng mga benta, ang average na presyo para sa 1 tonelada ng gatas ay nabawasan ng 40 libong rubles, at para sa buong aktwal na dami ng mga benta ng produkto, mas kaunting kita ang natanggap ng 10 milyong rubles. (40 libong rubles x 250 tonelada).
6.4. Paraan ng kamag-anak na pagkakaiba
Ang kakanyahan at layunin ng pamamaraan ng mga kamag-anak na pagkakaiba. Saklaw ng aplikasyon nito. Isang algorithm para sa pagkalkula ng impluwensya ng mga kadahilanan sa ganitong paraan.
Paraan ng mga kamag-anak na pagkakaiba, tulad ng nauna, ginagamit ito upang sukatin ang impluwensya ng mga salik sa paglago ng isang tagapagpahiwatig ng pagganap lamang sa mga modelong multiplicative at additive-multiplicative tulad ng V= (a - b)c. Ito ay mas simple kaysa sa mga pagpapalit ng chain, na ginagawang napaka-epektibo sa ilalim ng ilang mga pangyayari. Pangunahing nalalapat ito sa mga sitwasyong iyon kapag ang data ng pinagmulan ay naglalaman ng dati nang natukoy na kamag-anak na pagtaas sa mga tagapagpahiwatig ng salik sa mga porsyento o coefficient.
Isaalang-alang natin ang pamamaraan para sa pagkalkula ng impluwensya ng mga kadahilanan sa paraang ito para sa mga multiplicative na modelo ng uri V = A X SA X SA. Una kailangan mong kalkulahin ang mga kamag-anak na paglihis ng mga tagapagpahiwatig ng kadahilanan:
Pagkatapos ang pagbabago sa epektibong tagapagpahiwatig dahil sa bawat kadahilanan ay tinutukoy bilang mga sumusunod:
Ayon sa panuntunang ito, upang makalkula ang impluwensya ng unang kadahilanan, kinakailangan upang i-multiply ang pangunahing (nakaplanong) halaga ng epektibong tagapagpahiwatig sa pamamagitan ng kamag-anak na pagtaas sa unang kadahilanan, na ipinahayag bilang isang porsyento, at hatiin ang resulta sa 100.
Upang kalkulahin ang impluwensya ng pangalawang kadahilanan, kailangan mong idagdag ang pagbabago dito dahil sa unang kadahilanan sa nakaplanong halaga ng epektibong tagapagpahiwatig at pagkatapos ay i-multiply ang nagresultang halaga sa kamag-anak na pagtaas sa pangalawang kadahilanan bilang isang porsyento at hatiin ang resulta ng 100.
Ang impluwensya ng pangatlong kadahilanan ay natutukoy sa katulad na paraan: sa nakaplanong halaga ng epektibong tagapagpahiwatig kinakailangan na idagdag ang pagtaas nito dahil sa una at pangalawang kadahilanan at i-multiply ang nagresultang halaga sa kamag-anak na pagtaas ng ikatlong kadahilanan, atbp .
Pagsamahin natin ang itinuturing na pamamaraan gamit ang halimbawang ibinigay sa Talahanayan. 6.1:
Tulad ng nakikita mo, ang mga resulta ng pagkalkula ay pareho sa paggamit ng mga nakaraang pamamaraan.
Ang paraan ng mga kamag-anak na pagkakaiba ay maginhawang gamitin sa mga kaso kung saan kinakailangan upang kalkulahin ang impluwensya ng isang malaking hanay ng mga kadahilanan (8-10 o higit pa). Hindi tulad ng mga nakaraang pamamaraan, ang bilang ng mga kalkulasyon ay makabuluhang nabawasan.
Ang isang pagkakaiba-iba ng pamamaraang ito ay pagtanggap ng mga pagkakaiba sa porsyento. Isasaalang-alang namin ang paraan ng pagkalkula ng impluwensya ng mga salik na gumagamit nito gamit ang parehong halimbawa (Talahanayan 6.1).
Upang maitatag kung gaano kalaki ang pagbabago ng dami ng kabuuang output dahil sa bilang ng mga manggagawa, kinakailangan na i-multiply ang nakaplanong halaga nito sa porsyento ng paglampas sa plano para sa bilang ng mga manggagawa. HR%:
Upang makalkula ang impluwensya ng pangalawang kadahilanan, kinakailangan upang i-multiply ang nakaplanong dami ng kabuuang output sa pagkakaiba sa pagitan ng porsyento ng katuparan ng plano para sa kabuuang bilang ng mga araw na nagtrabaho ng lahat ng mga manggagawa. D% at ang porsyento ng katuparan ng plano para sa karaniwang bilang ng mga manggagawa HR%:
Ang ganap na pagtaas sa kabuuang output dahil sa mga pagbabago sa average na haba ng araw ng trabaho (intra-shift downtime) ay itinatag sa pamamagitan ng pag-multiply sa nakaplanong dami ng kabuuang output sa pagkakaiba sa pagitan ng porsyento ng katuparan ng plano para sa kabuuang bilang ng mga oras na nagtrabaho ng lahat ng manggagawa t% at ang kabuuang bilang ng mga araw na nagtrabaho sila D%:
Upang kalkulahin ang impluwensya ng average na oras-oras na output sa mga pagbabago sa dami ng kabuuang output, ang pagkakaiba sa pagitan ng porsyento ng katuparan ng plano para sa kabuuang output ay kinakailangan VP% at ang porsyento ng pagkumpleto ng plano para sa kabuuang bilang ng mga oras na nagtrabaho ng lahat ng manggagawa t% i-multiply sa nakaplanong dami ng kabuuang output VPpl:
Ang bentahe ng pamamaraang ito ay kapag ginagamit ito ay hindi kinakailangan upang kalkulahin ang antas ng mga tagapagpahiwatig ng kadahilanan. Sapat na magkaroon ng data sa porsyento ng katuparan ng plano para sa kabuuang output, ang bilang ng mga manggagawa at ang bilang ng mga araw at oras na nagtrabaho sila para sa nasuri na panahon.
6.5. Paraan ng proporsyonal na paghahati at pakikilahok sa equity
Ang kakanyahan, layunin at saklaw ng aplikasyon ng paraan ng proporsyonal na paghahati. Ang pamamaraan at mga algorithm para sa pagkalkula ng impluwensya ng mga kadahilanan sa ganitong paraan.
Sa ilang mga kaso, upang matukoy ang laki ng impluwensya ng mga kadahilanan sa paglago ng isang tagapagpahiwatig ng pagganap, maaari itong gamitin paraan ng proporsyonal na paghahati. Nalalapat ito sa mga kasong iyon kapag nakikitungo kami sa mga additive na modelo tulad ng V = Xi at maramihang uri ng additive
Sa unang kaso, kapag mayroon kaming isang solong antas na modelo ng uri V= A + b+ s. ang pagkalkula ay isinasagawa tulad ng sumusunod:
Halimbawa, ang antas ng kakayahang kumita ay bumaba ng 8% dahil sa pagtaas ng kapital ng negosyo ng 200 milyong rubles. Kasabay nito, ang halaga ng nakapirming kapital ay tumaas ng 250 milyong rubles, at ang kapital ng paggawa ay bumaba ng 50 milyong rubles. Nangangahulugan ito na, dahil sa unang kadahilanan, bumaba ang antas ng kakayahang kumita, at dahil sa pangalawa, tumaas ito:
Ang paraan ng pagkalkula para sa mga halo-halong modelo ay medyo mas kumplikado. Ang kaugnayan ng mga kadahilanan sa pinagsamang modelo ay ipinapakita sa Fig. 6.1.
Kapag kilala SAd, VP At W, at Sinabi ni Yb, pagkatapos ay upang matukoy Yd, Y n, Ym maaari mong gamitin ang paraan ng proporsyonal na paghahati, na batay sa proporsyonal na pamamahagi ng pagtaas ng epektibong tagapagpahiwatig Y dahil sa pagbabago sa kadahilanan SA sa pagitan ng pangalawang antas na mga kadahilanan D, N At M ayon sa laki ng kanilang paglaki. Ang proporsyonalidad ng distribusyon na ito ay nakakamit sa pamamagitan ng pagtukoy ng isang pare-parehong koepisyent para sa lahat ng mga kadahilanan, na nagpapakita ng dami ng pagbabago sa epektibong tagapagpahiwatig Y dahil sa isang pagbabago sa kadahilanan. SA bawat yunit.
Coefficient value (TO) ay tinukoy bilang mga sumusunod:
Pagpaparami ng koepisyent na ito sa ganap na paglihis SA dahil sa kaukulang kadahilanan, nakita namin ang pagbabago sa epektibong tagapagpahiwatig:
Halimbawa, ang gastos ng 1 tkm ay nadagdagan ng 180 rubles dahil sa isang pagbawas sa average na taunang produksyon ng isang kotse. Ito ay kilala na ang average na taunang produksyon ng isang kotse ay nabawasan dahil sa:
a) sa itaas na binalak na downtime ng makina -5000 tkm
b) sa itaas-planong idle run -4000 tkm
c) hindi kumpletong paggamit ng kapasidad ng pagdadala -3000 tkm
Kabuuan - 12000 tkm
Mula dito matutukoy mo ang pagbabago sa gastos sa ilalim ng impluwensya ng mga salik sa pangalawang antas:
Upang malutas ang ganitong uri ng problema, maaari mo ring gamitin ang equity method. Una, ang bahagi ng bawat salik sa kabuuang halaga ng kanilang mga pagtaas ay tinutukoy, na pagkatapos ay i-multiply sa kabuuang pagtaas sa epektibong tagapagpahiwatig (Talahanayan 6.5):
Mayroong maraming mga katulad na halimbawa ng aplikasyon ng pamamaraang ito sa ACD, tulad ng makikita mo sa proseso ng pag-aaral ng isang kurso sa industriya sa pagsusuri ng mga aktibidad sa ekonomiya ng isang negosyo.
6.6. Integral na pamamaraan sa pagsusuri ng aktibidad sa ekonomiya
Ang mga pangunahing disadvantages ng paraan ng pag-aalis. Ang problema ng agnas ng karagdagang paglago mula sa pakikipag-ugnayan ng mga kadahilanan sa pagitan nila. Ang kakanyahan ng integral na pamamaraan at ang saklaw ng aplikasyon nito. Algorithm para sa pagkalkula ng impluwensya ng mga kadahilanan sa iba't ibang mga modelo sa isang mahalagang paraan.
Ang pag-aalis bilang isang paraan ng deterministic factor analysis ay may makabuluhang disbentaha. Kapag ginagamit ito, ipinapalagay na ang mga kadahilanan ay nagbabago nang nakapag-iisa sa bawat isa. Sa katunayan, sila ay nagbabago nang sama-sama, magkakaugnay, at mula sa pakikipag-ugnay na ito ay nakuha ang karagdagang pagtaas sa epektibong tagapagpahiwatig, na, kapag gumagamit ng mga pamamaraan ng pag-aalis, ay idinagdag sa isa sa mga kadahilanan, kadalasan ang huli. Sa pagsasaalang-alang na ito, ang laki ng impluwensya ng mga kadahilanan sa pagbabago sa tagapagpahiwatig ng pagganap ay nagbabago depende sa lugar kung saan inilalagay ang isa o isa pang kadahilanan sa isang deterministikong modelo.
Tingnan natin ito gamit ang halimbawang ibinigay sa talahanayan. 6.1. Ayon sa data na ipinakita dito, ang bilang ng mga manggagawa sa negosyo ay tumaas ng 20%, produktibidad ng paggawa - ng 25%, at ang dami ng kabuuang output - ng 50%. Nangangahulugan ito na 5% (50 - 20 - 25), o 8000 milyong rubles. ang kabuuang output ay isang karagdagang pagtaas mula sa pakikipag-ugnayan ng parehong mga kadahilanan.
Kapag kinakalkula natin ang kondisyong dami ng kabuuang output batay sa aktwal na bilang ng mga manggagawa at ang nakaplanong antas ng produktibidad sa paggawa, kung gayon ang lahat ng karagdagang paglago mula sa pakikipag-ugnayan ng dalawang salik ay nauugnay sa qualitative factor - ang pagbabago sa produktibidad ng paggawa:
Kung, kapag kinakalkula ang kondisyon na dami ng kabuuang output, kinukuha namin ang nakaplanong bilang ng mga manggagawa at ang aktwal na antas ng produktibidad ng paggawa, kung gayon ang buong karagdagang pagtaas sa kabuuang output ay nauugnay sa quantitative factor, na binago namin pangalawa:
Magpapakita kami ng graphical na solusyon sa problema sa iba't ibang bersyon (Larawan 6.2).
Sa unang opsyon sa pagkalkula, ang conditional indicator ay may form: VP conv = CHRF X GV pl, sa pangalawa - VP cond = CR pl X GVf.
Alinsunod dito, ang mga paglihis dahil sa bawat kadahilanan sa unang kaso
sa pangalawa
Sa mga graph, ang mga paglihis na ito ay tumutugma sa iba't ibang mga parihaba, dahil sa iba't ibang mga pagpipilian sa pagpapalit, ang halaga ng karagdagang pagtaas sa epektibong tagapagpahiwatig ay katumbas ng parihaba A B C D, tumutukoy sa unang kaso sa magnitude ng impluwensya ng taunang output, at sa pangalawa, sa magnitude ng impluwensya ng bilang ng mga manggagawa. Bilang isang resulta, ang laki ng impluwensya ng isang kadahilanan ay pinalaking, at ang isa pa ay understated, na nagiging sanhi ng kalabuan sa pagtatasa ng impluwensya ng mga kadahilanan, lalo na sa mga kaso kung saan ang karagdagang pagtaas ay medyo makabuluhan, tulad ng sa aming halimbawa.
Upang mapupuksa ang disbentaha na ito, ginagamit ang deterministic factor analysis integral na pamamaraan, na ginagamit upang sukatin ang impluwensya ng mga salik sa multiplicative, multiple at mixed models ng multiple additive form
Ang paggamit ng pamamaraang ito ay ginagawang posible na makakuha ng mas tumpak na mga resulta para sa pagkalkula ng impluwensya ng mga kadahilanan kumpara sa mga pamamaraan ng pagpapalit ng kadena, ganap at kamag-anak na mga pagkakaiba, at upang maiwasan ang hindi maliwanag na pagtatasa ng impluwensya ng mga kadahilanan dahil sa kasong ito ang mga resulta ay hindi nakasalalay sa lokasyon ng mga kadahilanan sa modelo, ngunit ang isang karagdagang pagtaas sa epektibong tagapagpahiwatig, na nabuo mula sa pakikipag-ugnayan ng mga kadahilanan, ay nahahati nang pantay sa pagitan nila.
Sa unang sulyap, maaaring mukhang upang ipamahagi ang karagdagang pagtaas ay sapat na upang kunin ang kalahati nito o isang bahagi na naaayon sa bilang ng mga kadahilanan. Ngunit ito ay kadalasang mahirap gawin, dahil ang mga kadahilanan ay maaaring kumilos sa iba't ibang direksyon. Samakatuwid, sa integral na paraan, ginagamit ang ilang mga formula. Narito ang mga pangunahing para sa iba't ibang mga modelo.
Ang logarithm method ay ginagamit upang sukatin ang impluwensya ng mga salik sa multiplicative models. Sa kasong ito, ang resulta ng pagkalkula, tulad ng sa pagsasama, ay hindi nakasalalay sa lokasyon ng mga salik sa modelo at, kumpara sa integral na paraan, kahit na mas mataas na katumpakan ng pagkalkula ay sinisiguro. Kung, sa panahon ng pagsasama, ang karagdagang pakinabang mula sa pakikipag-ugnayan ng mga kadahilanan ay ibinahagi nang pantay-pantay sa pagitan nila, pagkatapos gamit ang logarithm, ang resulta ng magkasanib na pagkilos ng mga kadahilanan ay ipinamamahagi sa proporsyon sa bahagi ng nakahiwalay na impluwensya ng bawat kadahilanan sa antas ng tagapagpahiwatig ng pagganap. Ito ang kalamangan nito, at ang kawalan nito ay ang limitadong saklaw ng aplikasyon.
Hindi tulad ng integral na pamamaraan, kapag kumukuha ng logarithms, hindi ganap na pagtaas sa mga tagapagpahiwatig ang ginagamit, ngunit ang mga indeks ng kanilang paglago (pagbaba).
Sa matematika, ang pamamaraang ito ay inilarawan bilang mga sumusunod. Ipagpalagay natin na ang mabisang tagapagpahiwatig ay maaaring katawanin bilang isang produkto ng tatlong salik: f = xyz. Ang pagkuha ng logarithms ng magkabilang panig ng pagkakapantay-pantay, nakukuha natin
Isinasaalang-alang na ang parehong relasyon sa pagitan ng mga indeks ng mga pagbabago sa mga tagapagpahiwatig ay nananatili sa pagitan ng mga tagapagpahiwatig mismo, papalitan namin ang kanilang mga ganap na halaga ng mga indeks:
Ito ay sumusunod mula sa mga formula na ang kabuuang pagtaas sa epektibong tagapagpahiwatig ay ibinahagi sa mga kadahilanan sa proporsyon sa ratio ng mga logarithms ng mga indeks ng kadahilanan sa logarithm ng index ng epektibong tagapagpahiwatig. At hindi mahalaga kung aling logarithm ang ginagamit - natural o decimal.
Gamit ang data mula sa talahanayan. 6.1, kinakalkula namin ang pagtaas sa kabuuang output dahil sa bilang ng mga manggagawa (CR), bilang ng mga araw na nagtrabaho ng isang manggagawa bawat taon (D) at average na pang-araw-araw na output (DV) ayon sa modelo ng kadahilanan:
Sa pamamagitan ng paghahambing ng mga nakuhang resulta ng pagkalkula ng impluwensya ng mga kadahilanan gamit ang iba't ibang mga pamamaraan gamit ang modelong ito ng kadahilanan, ang isa ay maaaring kumbinsido sa bentahe ng pamamaraan ng logarithm. Ito ay makikita sa relatibong pagiging simple ng mga kalkulasyon at tumaas na katumpakan ng mga kalkulasyon.
Ang pagkakaroon ng pagsasaalang-alang sa mga pangunahing pamamaraan ng pagsusuri ng deterministikong kadahilanan at ang saklaw ng kanilang aplikasyon, ang mga resulta ay maaaring ma-systematize sa anyo ng sumusunod na matrix:
Ang kaalaman sa kakanyahan ng mga diskarteng ito, ang saklaw ng aplikasyon nito, at mga pamamaraan ng pagkalkula ay isang kinakailangang kondisyon para sa kwalipikadong quantitative na pananaliksik.
Pagsusuri sa ekonomiya
Mga pamamaraan sa pagsusuri sa ekonomiya:
1. Tradisyonal
· Mga paraan ng pang-ekonomiyang istatistika (mga ganap na halaga, kamag-anak na halaga, average na halaga, indeks, pagpapangkat)
· Mga klasikal na pamamaraan ng pagsusuri sa ekonomiya (paraan ng balanse, paghahambing, aktwal na plano, paghahambing sa mga nakaraang panahon, paghahambing sa mga tagapagpahiwatig ng pagganap ng nangungunang mga tagapagpahiwatig ng industriya, paghahambing sa pamamagitan ng mga average na tagapagpahiwatig, pahalang na pagsusuri, patayong pagsusuri, pagsusuri ng trend - ginagamit upang bumuo ng serye ng dinamika, pagsusuri ng mga pamamaraan ng deterministikong kadahilanan)
2. Matematika
· Stochastic factor analysis (correlation analysis, regression analysis, variance analysis)
· Mga pamamaraan para sa pag-optimize ng mga tagapagpahiwatig (pang-ekonomiya at matematikal na pamamaraan, pag-optimize ng programming)
Deterministic factor analysis (DFA)
Ito ay isang pamamaraan para sa pag-aaral ng impluwensya ng mga kadahilanan na ang koneksyon sa isang epektibong tagapagpahiwatig ay gumagana sa kalikasan.
Teknik ng DFA
1. Tukuyin ang resultang indicator at ang mga salik na nakakaimpluwensya dito
2. Bumuo ng isang modelo ng mga relasyon
3. Piliin ang paraan ng pagsusuri
4. Kinakalkula ang impluwensya ng mga salik (unang quantitative, pagkatapos ay qualitative)
5. Ang mga konklusyon ay nabuo (kung ang stimulant ay isang quantitative indicator, kung gayon ito ay malawak na pag-unlad, kung ito ay qualitative, ito ay intensive)
Mga limitasyon kapag nagsasagawa ng pagsusuri sa kadahilanan: lahat ng mga salik ay kumikilos nang nakapag-iisa; kung mayroong ilang mga kadahilanan ng isang grupo, una ang mga promising pangunahin, at pagkatapos ay ang mga pangalawang.
1. Additive na modelo
2. Multiplicative
3. Maramihang modelo
4. Pinagsama (mixed)
Mga katangian ng mga pamamaraan ng DFA
1. Ang paraan ng mga pagpapalit ng chain - binubuo ng pagtukoy ng isang bilang ng mga intermediate na halaga ng epektibong tagapagpahiwatig sa pamamagitan ng sunud-sunod na pagpapalit ng mga pangunahing halaga ng mga kadahilanan sa mga nag-uulat, ang pagkakaiba sa mga intermediate na halaga ay katumbas ng pagbabago sa epektibong tagapagpahiwatig dahil sa variable na kadahilanan (unibersal para sa lahat ng uri).
Algorithm: ang magnitude ng paglihis sa pagitan ng aktwal at pangunahing mga halaga ay natutukoy; ang laki ng impluwensya ng isang indibidwal na kadahilanan ay natukoy, para dito, ang isa sa mga kadahilanan sa kadena ng mga kadahilanan ay sunud-sunod na binago at ang tinantyang halaga ng mga tagapagpahiwatig ay kinakalkula, sa kondisyon na ang natitirang mga kadahilanan ay mananatiling hindi nagbabago; pagsusuri.
Gawain: upang matukoy ang pagbabago sa dami ng produksyon dahil sa mga pagbabago sa mga kadahilanan tulad ng average na bilang ng mga empleyado, oras na nagtrabaho ng isang empleyado at average na oras-oras na output.
Konklusyon: ang output ng produksyon sa panahon ng pag-uulat ay tumaas ng 1120 kumpara sa base period, kabilang ang dahil sa pagtaas ng bilang ng mga manggagawa, ang dami ng output ay tumaas ng 320 libong rubles. Dahil sa pagtaas ng oras na nagtrabaho ng isang manggagawa, ang dami ng output ay tumaas ng 262 libong rubles. at dahil sa pagtaas ng output ng isang manggagawa, tumaas ang output ng 538 tr.
Ang absolute difference method ay isang pinasimpleng teknikal na pamamaraan ng chain substitution method, ngunit ito ay ginagamit lamang sa multiplicative at ilang pinagsamang diskarte.
Algorithm: ang impluwensya ng mga indibidwal na kadahilanan ay kinakalkula sa pamamagitan ng pagpaparami ng ganap na pagbabago sa kadahilanan na pinag-aaralan ng mga pangunahing o aktwal na halaga ng iba pang mga kadahilanan, depende sa napiling pagkakasunud-sunod.
Ang kakanyahan at layunin ng pamamaraan ng mga kamag-anak na pagkakaiba. Saklaw ng aplikasyon nito. Isang algorithm para sa pagkalkula ng impluwensya ng mga kadahilanan sa ganitong paraan.
Paraan ng mga kamag-anak na pagkakaiba, tulad ng nauna, ginagamit ito upang sukatin ang impluwensya ng mga salik sa paglago ng isang tagapagpahiwatig ng pagganap lamang sa mga modelong multiplicative at additive-multiplicative tulad ng V = (a - b)c. Ito ay mas simple kaysa sa mga pagpapalit ng chain, na ginagawang napaka-epektibo sa ilalim ng ilang mga pangyayari. Pangunahing nalalapat ito sa mga sitwasyong iyon kapag ang data ng pinagmulan ay naglalaman ng dati nang natukoy na kamag-anak na pagtaas sa mga tagapagpahiwatig ng salik sa mga porsyento o coefficient.
Isaalang-alang natin ang pamamaraan para sa pagkalkula ng impluwensya ng mga kadahilanan sa paraang ito para sa mga multiplicative na modelo ng uri V = A X SA X SA. Una kailangan mong kalkulahin ang mga kamag-anak na paglihis ng mga tagapagpahiwatig ng kadahilanan:
Pagkatapos ang pagbabago sa epektibong tagapagpahiwatig dahil sa bawat kadahilanan ay tinutukoy bilang mga sumusunod:
Ayon sa panuntunang ito, upang makalkula ang impluwensya ng unang kadahilanan, kinakailangan upang i-multiply ang pangunahing (nakaplanong) halaga ng epektibong tagapagpahiwatig sa pamamagitan ng kamag-anak na pagtaas sa unang kadahilanan, na ipinahayag bilang isang porsyento, at hatiin ang resulta sa 100.
Upang kalkulahin ang impluwensya ng pangalawang kadahilanan, kailangan mong idagdag ang pagbabago dito dahil sa unang kadahilanan sa nakaplanong halaga ng epektibong tagapagpahiwatig at pagkatapos ay i-multiply ang nagresultang halaga sa kamag-anak na pagtaas sa pangalawang kadahilanan bilang isang porsyento at hatiin ang resulta ng 100.
Ang impluwensya ng pangatlong kadahilanan ay natutukoy sa katulad na paraan: sa nakaplanong halaga ng epektibong tagapagpahiwatig kinakailangan na idagdag ang pagtaas nito dahil sa una at pangalawang kadahilanan at i-multiply ang nagresultang halaga sa kamag-anak na pagtaas ng ikatlong kadahilanan, atbp .
Pagsamahin natin ang itinuturing na pamamaraan gamit ang halimbawang ibinigay sa Talahanayan. 6.1:
Tulad ng nakikita mo, ang mga resulta ng pagkalkula ay pareho sa paggamit ng mga nakaraang pamamaraan.
Ang paraan ng mga kamag-anak na pagkakaiba ay maginhawang gamitin sa mga kaso kung saan kinakailangan upang kalkulahin ang impluwensya ng isang malaking hanay ng mga kadahilanan (8-10 o higit pa). Hindi tulad ng mga nakaraang pamamaraan, ang bilang ng mga kalkulasyon ay makabuluhang nabawasan.
Ang isang pagkakaiba-iba ng pamamaraang ito ay pagtanggap ng mga pagkakaiba sa porsyento. Isasaalang-alang namin ang paraan ng pagkalkula ng impluwensya ng mga salik na gumagamit nito gamit ang parehong halimbawa (Talahanayan 6.1).
Upang maitatag kung gaano kalaki ang pagbabago ng dami ng kabuuang output dahil sa bilang ng mga manggagawa, kinakailangan na i-multiply ang nakaplanong halaga nito sa porsyento ng paglampas sa plano para sa bilang ng mga manggagawa. HR%:
Upang makalkula ang impluwensya ng pangalawang kadahilanan, kinakailangan upang i-multiply ang nakaplanong dami ng kabuuang output sa pagkakaiba sa pagitan ng porsyento ng katuparan ng plano para sa kabuuang bilang ng mga araw na nagtrabaho ng lahat ng mga manggagawa. D% at ang porsyento ng katuparan ng plano para sa karaniwang bilang ng mga manggagawa HR%:
Ang ganap na pagtaas sa kabuuang output dahil sa mga pagbabago sa average na haba ng araw ng trabaho (intra-shift downtime) ay itinatag sa pamamagitan ng pag-multiply sa nakaplanong dami ng kabuuang output sa pagkakaiba sa pagitan ng porsyento ng katuparan ng plano para sa kabuuang bilang ng mga oras na nagtrabaho ng lahat ng manggagawa t% at ang kabuuang bilang ng mga araw na nagtrabaho sila D%:
Upang kalkulahin ang impluwensya ng average na oras-oras na output sa mga pagbabago sa dami ng kabuuang output, ang pagkakaiba sa pagitan ng porsyento ng katuparan ng plano para sa kabuuang output ay kinakailangan VP% at ang porsyento ng pagkumpleto ng plano para sa kabuuang bilang ng mga oras na nagtrabaho ng lahat ng manggagawa t% i-multiply sa nakaplanong dami ng kabuuang output VPpl:
Ang bentahe ng pamamaraang ito ay kapag ginagamit ito ay hindi kinakailangan upang kalkulahin ang antas ng mga tagapagpahiwatig ng kadahilanan. Sapat na magkaroon ng data sa porsyento ng katuparan ng plano para sa kabuuang output, ang bilang ng mga manggagawa at ang bilang ng mga araw at oras na nagtrabaho sila para sa nasuri na panahon.
PARAAN NG CHAIN SUBSTITUTION
Ang paraan ng mga pagpapalit ng chain ay ang pinaka-unibersal sa mga paraan ng pag-aalis. Ginagamit ito upang kalkulahin ang impluwensya ng mga kadahilanan sa lahat ng uri ng mga modelo ng deterministikong kadahilanan: additive, multiplicative, maramihang at halo-halong (pinagsama). Binibigyang-daan ka ng pamamaraang ito na matukoy ang impluwensya ng mga indibidwal na salik sa mga pagbabago sa halaga ng tagapagpahiwatig ng pagganap sa pamamagitan ng unti-unting pagpapalit ng batayang halaga ng bawat tagapagpahiwatig ng salik sa saklaw ng tagapagpahiwatig ng pagganap sa aktwal na halaga sa panahon ng pag-uulat. Para sa layuning ito, ang isang bilang ng mga kondisyon na halaga ng tagapagpahiwatig ng pagganap ay tinutukoy, na isinasaalang-alang ang mga pagbabago sa isa, pagkatapos ay dalawa, tatlo, atbp. na mga kadahilanan, sa pag-aakalang ang natitira ay hindi nagbabago. Ang paghahambing ng halaga ng isang epektibong tagapagpahiwatig bago at pagkatapos ng pagbabago ng antas ng isa o isa pang kadahilanan ay ginagawang posible na alisin ang impluwensya ng lahat ng mga kadahilanan maliban sa isa, at matukoy ang epekto ng huli sa pagtaas ng epektibong tagapagpahiwatig.
Ang antas ng impluwensya ng isa o ibang tagapagpahiwatig ay ipinahayag sa pamamagitan ng sunud-sunod na pagbabawas: ang una ay ibawas mula sa pangalawang pagkalkula, ang pangalawa ay ibawas mula sa pangatlo, atbp. Sa unang pagkalkula, ang lahat ng mga halaga ay binalak, sa huli - aktuwal. Sa kaso ng isang three-factor multiplicative na modelo, ang algorithm ng pagkalkula ay ang mga sumusunod:
Y 0 = a 0 ⋅b 0 ⋅C 0 ;
Y conv.1 = a 1 ⋅b 0 ⋅C 0 ; U a = Y kondisyon.1 – U 0 ;
Y conv.2 = a 1 ⋅b 1 ⋅C 0 ; Y b = Y kondisyon.2 – Y kondisyon.1;
Y f = a 1 ⋅b 1 ⋅C 1 ; Y c = Y f – Y kondisyon.2 at atbp.
Ang algebraic na kabuuan ng impluwensya ng mga salik ay dapat na katumbas ng kabuuang pagtaas sa epektibong tagapagpahiwatig:
Y a + Y b + Y c = Y f – Y 0.
Ang kawalan ng naturang pagkakapantay-pantay ay nagpapahiwatig ng mga pagkakamali sa mga kalkulasyon.
Ito ay nagpapahiwatig ng panuntunan na ang bilang ng mga kalkulasyon sa bawat yunit ay mas malaki kaysa sa bilang ng mga tagapagpahiwatig ng formula ng pagkalkula.
Kapag ginagamit ang paraan ng pagpapalit ng kadena, napakahalagang tiyakin ang isang mahigpit na pagkakasunud-sunod ng pagpapalit, dahil ang pagpapalit nito nang basta-basta ay maaaring humantong sa mga hindi tamang resulta. Sa pagsasagawa ng pagsusuri, ang impluwensya ng mga tagapagpahiwatig ng dami ay unang nakilala, at pagkatapos ay ang impluwensya ng mga tagapagpahiwatig ng husay. Kaya, kung kinakailangan upang matukoy ang antas ng impluwensya ng bilang ng mga manggagawa at produktibidad ng paggawa sa laki ng output ng industriya, pagkatapos ay itatag muna ang impluwensya ng quantitative indicator ng bilang ng mga manggagawa, at pagkatapos ay ang qualitative indicator ng labor productivity. . Kung ang impluwensya ng dami at mga kadahilanan ng presyo sa dami ng mga produktong pang-industriya na ibinebenta ay tinutukoy, pagkatapos ay ang impluwensya ng dami ay unang kinakalkula, at pagkatapos ay ang impluwensya ng pakyawan na mga presyo. Bago simulan ang mga kalkulasyon, kinakailangan, una, upang makilala ang isang malinaw na ugnayan sa pagitan ng mga tagapagpahiwatig na pinag-aaralan, pangalawa, upang makilala sa pagitan ng dami at husay na mga tagapagpahiwatig, pangatlo, upang matukoy nang tama ang pagkakasunud-sunod ng pagpapalit sa mga kaso kung saan mayroong maraming mga tagapagpahiwatig ng dami at husay. (pangunahin at derivatives, pangunahin at pangalawa). Kaya, ang paggamit ng paraan ng pagpapalit ng kadena ay nangangailangan ng kaalaman sa ugnayan ng mga salik, ang kanilang subordination, at ang kakayahang wastong pag-uri-uriin at pag-systematize ang mga ito.
Ang isang arbitrary na pagbabago sa pagkakasunud-sunod ng pagpapalit ay nagbabago sa dami ng timbang ng isang partikular na tagapagpahiwatig. Kung mas malaki ang paglihis ng mga aktwal na tagapagpahiwatig mula sa mga nakaplano, mas malaki ang mga pagkakaiba sa pagtatasa ng mga salik na kinakalkula sa iba't ibang mga pagkakasunud-sunod ng pagpapalit.
Ang paraan ng pagpapalit ng kadena ay may isang makabuluhang disbentaha, ang kakanyahan nito ay bumababa sa paglitaw ng isang hindi nabubulok na natitira, na idinagdag sa numerical na halaga ng impluwensya ng huling kadahilanan. Ipinapaliwanag nito ang pagkakaiba sa mga kalkulasyon kapag binabago ang pagkakasunud-sunod ng pagpapalit. Ang disbentaha na ito ay inalis sa pamamagitan ng paggamit ng isang mas kumplikadong integral na paraan sa analytical na mga kalkulasyon.
INDEX METHOD SA FACTOR ANALYSIS
Sa mga istatistika, pagpaplano at pagsusuri ng aktibidad sa ekonomiya, ang mga modelo ng index ay ang batayan para sa dami ng pagtatasa ng papel ng mga indibidwal na kadahilanan sa dinamika ng mga pagbabago sa pangkalahatang mga tagapagpahiwatig. Ang paraan ng index ay isa sa mga pamamaraan ng pag-aalis. Ito ay batay sa mga kamag-anak na tagapagpahiwatig ng dinamika, spatial na paghahambing, pagpapatupad ng plano, na nagpapahayag ng ratio ng aktwal na antas ng nasuri na tagapagpahiwatig sa panahon ng pag-uulat sa antas nito sa batayang panahon (o sa binalak, o para sa isa pang bagay). Ang anumang index ay kinakalkula sa pamamagitan ng paghahambing ng sinusukat (iniulat) na halaga sa base. Ang mga indeks na nagpapahayag ng ratio ng mga direktang maihahambing na dami ay tinatawag na indibidwal, at ang mga nagpapakilala sa ratio ng mga kumplikadong phenomena ay tinatawag na pangkat o kabuuan.
Gumagana ang mga istatistika sa iba't ibang anyo ng mga indeks (aggregate, arithmetic, harmonic, atbp.) na ginagamit sa analytical na gawain.
Ang pinagsama-samang index ay ang pangunahing anyo ng anumang pangkalahatang index; maaari itong ma-convert sa parehong arithmetic mean at harmonic mean index. Gamit ang pinagsama-samang mga indeks, posibleng matukoy ang impluwensya ng iba't ibang mga kadahilanan sa mga pagbabago sa antas ng mga tagapagpahiwatig ng pagganap sa multiplicative at maramihang mga modelo.
Ang kawastuhan ng pagtukoy sa laki ng bawat salik ay nakasalalay sa:
1) ang bilang ng mga decimal na lugar (hindi bababa sa apat);
2) ang bilang ng mga kadahilanan sa kanilang sarili (ang relasyon ay inversely proportional).
Mga prinsipyo para sa pagbuo ng mga indeks: isang pagbabago sa isang kadahilanan na may parehong halaga ng lahat ng iba, habang kung ang isang pangkalahatang tagapagpahiwatig ng ekonomiya ay produkto ng dami (volume) at husay na mga tagapagpahiwatig-mga kadahilanan, kung gayon kapag tinutukoy ang impluwensya ng isang dami na kadahilanan, ang Ang tagapagpahiwatig ng husay ay naayos sa pangunahing antas, at kapag tinutukoy ang impluwensya ng isang kadahilanan ng husay na kadahilanan, ang tagapagpahiwatig ng dami ay naayos sa antas ng panahon ng pag-uulat.
Hayaan ang Y = a⋅b⋅c⋅d. Pagkatapos:
kung saan: l Y =l a ⋅l b ⋅l c ⋅l d .
Ang paraan ng index ay ginagawang posible na mabulok sa mga kadahilanan hindi lamang kamag-anak, kundi pati na rin ang ganap na mga paglihis ng pangkalahatang tagapagpahiwatig. Sa kasong ito, ang impluwensya ng mga indibidwal na kadahilanan ay tinutukoy gamit ang pagkakaiba sa pagitan ng numerator at denominator ng kaukulang mga indeks, ibig sabihin, kapag kinakalkula ang impluwensya ng isang kadahilanan, ang impluwensya ng isa pa ay tinanggal:
Hayaan ang Y = a⋅b, kung saan ang a ay isang quantitative factor, ang ab ay isang qualitative. Pagkatapos:
a 1 ⋅b 0 -a 0 ⋅b 0 – ganap na pagtaas sa resultang indicator dahil sa factor a;
a 1 ⋅b 1 -a 1 ⋅b 0 – ganap na pagtaas sa resultang indicator dahil sa factor b;
a 1 ⋅b 1 -a 0 ⋅b 0 – ganap na pagtaas sa resultang indicator dahil sa impluwensya ng lahat ng salik.
Ang prinsipyong ito ng pag-decompose ng ganap na pagtaas (paglihis) ng isang pangkalahatang tagapagpahiwatig sa mga kadahilanan ay angkop para sa kaso kung ang bilang ng mga kadahilanan ay katumbas ng dalawa (isa sa mga ito ay quantitative, ang isa ay husay), at ang nasuri na tagapagpahiwatig ay ipinakita bilang kanilang produkto.
Ang teorya ng index ay hindi nagbibigay ng isang pangkalahatang pamamaraan para sa pag-decomposing ng mga ganap na paglihis ng isang pangkalahatang tagapagpahiwatig sa mga kadahilanan kapag ang bilang ng mga kadahilanan ay higit sa dalawa. Upang malutas ang problemang ito, ginagamit ang paraan ng mga pagpapalit ng chain.
Naglo-load...
