Планирование с помощью экономических сравнений

Сравнение - самый ранний и наиболее распространенный метод экономического анализа.
Сравнение – сопоставление изучаемых данных и фактов хозяйственной жизни. Различают горизонтальный сравнительный анализ, который применяется для определения абсолютных и относительных отклонений фактического уровня исследуемых показателей от базового; вертикальный сравнительный анализ, используемый для изучения структуры экономических явлений; трендовый анализ, применяемый при изучении относительных темпов роста и прироста показателей за ряд лет к уровню базисного года, т.е. при исследовании рядов динамики.

Обязательным условием сравнительного анализа является сопоставимость сравниваемых показателей, предполагающая:

единство объемных, стоимостных, качественных, структурных показателей;

единство периодов времени, за которые производится сравнение;

сопоставимость условий производства;

сопоставимость методики исчисления показателей.

Существует несколько форм сравнения: с планом; с прошлыми периодами; с лучшим; со средними данными.

Важной задачей анализа хозяйственной деятельности является всесторонняя оценка выполнения бизнес-плана. Этим обусловлена роль способа сравнения фактических показателей с планом. Непременным условием такого сравнения должны быть сопоставимость плановых и отчетных показателей. Выявленные в результате сравнения отчетных показателей с плановыми величины отклонения являются объектом дальнейшего анализа.

Сравнение с предшествующим периодом времени выражается в сопоставлении хозяйственных показателей текущего дня, декады, месяца, квартала, года с аналогичными предшествующими периодами. Сравнение с прошедшим временем связано с большими трудностями, которые вызываются значительными нарушениями условий сопоставимости. Экономически неграмотным будет, например, сопоставление валовой, товарной и реализованной продукции за ряд лет в текущих ценах; неверным будет и динамический ряд, характеризующий уровень издержек за 3-5 и более лет (а иногда и за смежные годы), построенный без необходимых корректировок. Сравнение с прошедшим периодом требует пересчета оборотов в одинаковые цены (чаще всего в цены базисного периода), пересчета ряда статей издержек с применением индекса цен, тарифов, ставок, а сравнение с доперестроечным периодом вызывает необходимость учитывать и ряд других факторов: социальных, этнографических, природных.

Сравнение с лучшим - с лучшими методами работы и показателями, передовым опытом, новыми достижениями науки и техники - может осуществляться как в рамках предприятия, так и вне его. Внутри предприятия сравниваются показатели работы лучших цехов, участков, отделов, наиболее передовых работников. Большой эффект дает экономический анализ показателей данного предприятия путем сравнения их с показателями лучших предприятий данной системы, работающих примерно в одинаковых условиях, а также с показателями предприятий других ведомств (собственников).

Часто используется сравнение показателей предприятия со средними показателями (объединения, отрасли, аналогичных зарубежных предприятий и т.д.).

Процедура сравнения в анализе финансово-хозяйственной деятельности предприятия включает в себя несколько этапов: выбор сравниваемых объектов; выбор вида сравнения (динамическое, пространственное, по отношению к плановым значениям); выбор шкал сравнения и степени значимости различий; выбор числа признаков, по которым должно производиться сравнение; выбор вида признаков, а также определение критериев их существенности и несущественности; выбор базы сравнения.

37. Статистические оценки и регрессивные модели прогнозирования. Прогнозирование по регрессионной модели можно оценить уровень заболеваемости астмой не только для тех значений концентрации угарного газа, которые были получены путем измерений, но и для других значений. Это очень важно с практической точки зрения. Например, если в городе планируется построить завод, который будет выбрасывать в атмосферу угарный газ, то, рассчитав его возможную концентрацию, можно предсказать, как это отразится на заболеваемости астмой жителей города.

Существует два способа прогнозов по регрессионной модели. Если прогноз производится в пределах экспериментальных значений независимой переменной (в нашем случае это концентрация угарного газа С), то это называется восстановлением значения.

Прогнозирование за пределами экспериментальных данных называется экстраполяцией. Имея регрессионную модель, легко прогнозировать, производя расчеты с помощью электронных таблиц. Выберем для нашего примера в качестве наиболее подходящей квадратичную зависимость. Построим следующую электронную таблицу:

	А	В
	Концентрация угарного газа (мг/куб. м)	Число больных астмой на 1 тыс. жите­лей
		=21,845*А2*А2-106,97*А2+150,21

Подставляя в ячейку А2 значение концентрации угарного газа, в ячейке В2 будем получать прогноз заболеваемости. Вот пример восстановления значения:

	А	В
	Концентрация угарного газа (мг/куб. м)	Число больных астмой на 1 тыс. жителей

Заметим, что число, получаемое по формуле в ячейке В2, на самом деле является дробным. Однако не имеет смысла считать число людей, даже среднее, в дробных величинах. Дробная часть удалена — в формате вывода числа указано 0 цифр после запятой.

Экстраполяционный прогноз выполняется аналогично.

Табличный процессор дает возможность производить экстраполяцию графическим способом, продолжая тренд за пределы экспериментальных данных. Как это выглядит при использовании квадратичного тренда для С = 7, показано на рис. 6.5.

В ряде случаев с экстраполяцией надо быть осторожным. Применимость всякой регрессионной модели ограничена, особенно за пределами

экспериментальной области. В нашем примере при экстраполяции не следует далеко уходить от величины 5 мг/м³. Вполне возможно, что далее характер зависимости существенно меняется. Слишком сложной является система «экология — здоровье человека», в ней много различных факторов, которые связаны друг с другом. Полученная регрессионная функция является всего лишь моделью, экспериментально подтвержденной в диапазоне концентраций от 2 до 5 мг/м³. Что будет вдали от этой области, мы не знаем. Всякая экстраполяция держится на гипотезе: «предположим, что за пределами экспериментальной области закономерность сохраняется». А если не сохраняется?
Квадратичная модель в данном примере в области малых значений концентрации, близких к 0, вообще не годится. Экстраполируя ее на С = 0 мг/м³, получим 150 человек больных, т. е. больше, чем при 5 мг/м³. Очевидно, это нелепость. В области малых значений С лучше работает экспоненциальная модель. Кстати, это довольно типичная ситуация: разным областям данных могут лучше соответствовать разные модели.
Система основных понятий

Модели статистического прогнозирования
Статистика: наука о сборе, измерении и анализе массовых количественных данных
Статистические данные
Приближенный характер	Требуют многократных измерений
Регрессионная модель
Описывает зависимость между количественными характеристиками сложных систем	Вид регрессионной функции определяется подбором по эксперимен­тальным данным	Может использоваться для прогнозирования
Метод наименьших квадратов
Используется для вычис­ления параметров регрес­сионной модели	Вид регрессионной модели задаетпользователь	Содержится в математи­ческом арсенале электрон­ных таблиц

Дата добавления: 2015-06-28