Методы анализа управленческих решений (стр. 4 из 9)

Исходные данные приведены в табл. 4.2.

Таблица 4.2.

Исходные данные для определения влияния трудовых факторов на объем продаж

Факторы и функция	План	Факт
1. Объем продаж (V), тыс $2. Среднесписочное число рабочих (Ч)3. Среднее число часов, отработанных рабочим в год (Д)4. Среднее число часов, отработанных одним рабочим в день (t)5. Средняя выработка продукции на отработанный человеко-час (В)	2803,89003016,91,5	3155,210002906,81,6

План продаж перевыполнен на 351,4 тыс. $ (3155,2 - 2803,8). Для того, чтобы определить, каким образом влияли на функцию (V) различные факторы, сделаем следующие расчеты.

Первый расчет

Все показатели плановые

900 • 301 • 6,9 • 1,5 = 2803,8 тыс.$

Второй расчет

Среднесписочное число рабочих фактическое, а остальные показатели плановые

1000-301-6,9 .1,5 =3115,4 тыс.$.

Третий расчет

Число рабочих и число отработанных ими дней фактические, а остальные показатели плановые

1000 • 290 • 6,9 • 1,5 = 3001,5 тыс.$.

Четвертый расчет

Число рабочих, число отработанных дней и часов фактические, а выработка плановая

1000 • 290 • 6,8 • 1,5 = 2958,0 тыс. $.

Пятый расчет

Все показатели фактические

1000-290-6,8-1,6=3155,2 тыс.$. Далее сделаем анализ влияния факторов на объем продаж.

Отклонение фактического объема продаж от планового произошло за счет влияния следующих факторов:

1) увеличения количества рабочих определяется путем вычитания из второго расчета первого

3115,4 - 2803,8 = +311,6 тыс. $;

2) уменьшения числа отработанных дней - из третьего вычитается второй результат

3001,5 - 3115,4 = -113,9 тыс. $;

3) уменьшения средней продолжительности рабочего дня - из четвертого вычитается третий

2958,0 - 3001, 5 = -43,5 тыс. $;

4) повышения средней часовой выработки 3155,2 - 2958,0 = +197,2 тыс. $.

Общее отклонение 3155,2 - 2803,8 = +351,4 тыс. $. Или 311,6 - 113,9 - 43,5 + 197,2 = +351,4.

При использовании МЦП очень важно обеспечить строгую последовательность подстановки: сначала выявляется влияние количественных показателей, а потом - качественных. К качественным относятся, например, выработка, производительность труда, цена.

Факторный анализ с применением ЭВМ

Факторный анализ — это процедура установления силы влияния факторов на функцию или результативный признак (полезный эффект машины.элементы совокупных затрат, производительности труда и т.д.) с целью ранжирования факторов для разработки плана организационно-технических мероприятий по улучшению функции.

Применение методов факторного анализа требует большой подготовительной работы и трудоемких по установлению моделей расчетов. Поэтому без ЭВМ не рекомендуется применять методы корреляционного и регрессионного анализа, главных компонент. К тому же в настоящее время для ЭВМ различных классов имеются стандартные программы по этим методам. В свою очередь пользоваться установленными с помощью ЭВМ моделями очень просто.

На подготовительной стадии факторного анализа большое внимание следует уделять качеству матрицы исходных данных для ЭВМ. С этой целью сначала рекомендуется на основе логического анализа определять группы факторов, влияющих на исследуемую функцию.

К исходным данным предъявляются следующие требования:

а) в объем выборки должны включаться данные только по однородной совокупности объектов анализа, т.е. одного назначения и класса, используемых (изготавливаемых, функционирующих) в аналогичных условиях по характеру и типу производства, режиму работы, географическому району и т.д. В том случае, когда необходимо увеличить размер матрицы, исходные данные отдельных объектов могут быть приведены в сравнимый вид с большинством объектов по отличающимся признакам путем умножения их на корректирующие, коэффициенты;

б) период динамического ряда исходных данных должен быть небольшим, но, по возможности, одинаковым для всех объектов. Устойчивый период упреждения (зона прогноза) обычно в два и более раза меньше периода динамического ряда. Например, по данным за 1985-1995гг. можно разработать прогноз до 2000г., а в последующие годы по фактическим данным модель должна обновляться (уточняться);

в) исходные данные должны быть качественно однородными, с небольшими интервалами между собой;

г) следует применять одинаковые методы или источники формирования данных. Если динамический ряд имеет крупные структурные сдвиги (например из-за изменения цен, ассортимента выпускаемой продукции, программы ее выпуска и т.д.), то все данные должны быть приведены в сравнимый вид или одинаковые условия;

д) отдельные исходные данные должны быть независимы от предыдущих и последующих наблюдений.

Например, наблюдение не должно определяться расчетным путем по предыдущему наблюдению.

Основные параметры корреляционно-регрессионного анализа в связи с их сложностью не приводятся, поскольку все расчеты предполагается выполнять на ЭВМ по стандартной программе. Конечные результаты расчета выдаются на печать (табл. 4.3).

Факторный анализ следует проводить в следующей последовательности:

1. Обоснование объекта анализа, постановка цели.

2. Сбор исходных данных и их уточнение в соответствии с ранее описанными требованиями.

Основные параметры корреляционно- регрессионного анализа.

Назначениепараметра	Обозначение	Что характеризует параметр и для чего применяется	Оптимальное значение параметра
1	2	3	4
1. Объем выработки	м	Количество данных по фактору (размер матрицы по вертикали). Применяется для установления тенденций изменения фактора	Не менее чем в 3-5 раз больше количества факторов (Nxi)
2. Коэффициент вариации	Vi	Уровень отклонения значений факторов от средней анализируемой совокупности	Меньше 33%
3. Коэффициент парной корреляции	Rxy	Тесноту связи между i-м фактором и функцией. Применяется для отбора факторов	Больше 0,1
4. Коэффициент частной корреляции	Rxx	Тесноту связи между факторами. Применяется для отбора факторов	Чем меньше, тем лучше модель
5. Коэффициент множественной корреляции	R	Тесноту связи одновременно между всеми факторами и функцией. Применяется для выбора модели	Больше 0,7
6. Коэффициент множественной детерминации	D	Долю влияния на функцию включенных в модель факторов. Равен квадрату коэффициента множественной корреляции	Больше 0,5
7. Коэффициент асиметрии	A	Степень отклонения фактического распределения случайных наблюдений от нормального по центру распределения. Применяется для проверки нормальности распределения	Метод наименьших квадратов может применяться при А меньше трёх
8. Коэффициент эксцесса	E	Плосковершинность случайных наблюдений от нормального по центру распределения. Применяется для проверки нормальности распределения функции	Е должен быть меньше трёх
9. Критерий Фишера	F	Математический критерий характеризующий значимость уравнения регрессии. Применяется для выбора модели	F должен быть больше табличного значения, установленного для различных размеров матрицы и вероятностей
10. Критерий Стьюдента	t	Существенность факторов, входящих в модель. Применяется для выбора модели	Больше 2 (при вероятности, равной 0,95
11. Среднеквадратическая ошибка коэффициентов регрессии	ai	Точность полученных коэффициентов регрессии. Применяется для оценки коэффициентов регрессии	В 2 и более раза меньше соответствующего коэффициента регрессии
12. Ошибка аппроксимации	E	Допуск прогноза или степень несоответствия эмпирической зависимости теоретической. Применяется для оценки адекватности (точности) модели	Меньше +-15%
13. Коэффициент эластичности	Эi	Показывает, на сколько процентов изменяется функция при изменении соответствующего фактора на 1%. Применяется для ранжирования факторов по их значимости	Больше 0,01

3. Построение гистограмм по каждому фактору с целью определения форм распределения случайных наблюдений.

Построение по каждому фактору корреляционных полей, т.е. графическое изображение функций от фактора с целью предварительного определения тесноты и формы связи между функцией и каждым фактором. Примеры корреляционных полей показаны на рис 4.2.

Корреляционные поля построены по исходным статистическим данным X)—Х4 (факторы) и Y (функция). Анализ корреляционных полей показывает, что:

а) между Y и X1 теснота связи слабая, по форме она линейная, обратно пропорциональная;

б) между Y и Х2 теснота связи высокая, по форме она линейная, прямо пропорциональная;

в) между Y и Х3 связи нет, т.к. функцию Y = f(X3) можно провести в любом направлении;

г) между Y и Х4 теснота связи высокая, форма связи — гиперболическая, после линии А—А фактор Х4 на Y уже не оказывает влияния.

4. Составление матрицы исходных данных производится по следующей форме:

№ п.п.	Y	X1	X2	Xn	Принадлежность строки
1	5,80	0,93	1,47	Цех №1, I квартал 1997г
2	6,15	0,82	1,59	Цех №1, II квартал 1997г

и т.д.

В матрицу исходных данных следует включать факторы, имеющие примерно такую форму связи, как Y с X1 и Х2 на рис. 4.2. Фактор Х3 с Y не имеет связи, поэтому этот фактор не следует включать в матрицу, фактор Х4 тоже не следует включать в матрицу, поскольку после линии А—А этот фактор влияния на Y не оказывает. Влияние подобных факторов на Y следует учитывать при помощи коэффициентов, определяемых отдельно для каждого фактора и группы предприятий.