Конспект лекций по курсу «экономическая статистика»




страница3/9
Дата03.05.2016
Размер1.68 Mb.
1   2   3   4   5   6   7   8   9

2. Анализ данных эффективности работы торгового бизнеса города, рассчитанных в С.8 (млн. руб. с 1-го квадратного метра занятых торговых площадей) показывает, что средний по городу товарооборот, полученный с 1-го кв. метра задействованных торговых площадей, равен 0,129 млн. руб. Наиболее результативными являются магазины Южного района города. Их среднемесячный товарооборот составляет 0,165 млн. руб. с 1-го кв. метра торговых площадей. В Северном районе он равен 0,146 млн. руб. с 1-го кв. метра. Бывший «количественный лидер» Центральный район перешел на 3-е место с отдачей в 0,106 млн. руб. с 1-го кв. метра, что меньше средней по городу.

Размеры магазинов, как и местоположение, тоже влияют на эффективность их деятельности. Средние магазины всех районов эффективнее работают, по сравнению с малыми. Так, отдача 1-го квадратного метра торговых площадей средних магазинов Центрального района в 3,7 раза (см. С.8, п.1.1 и 1.2) больше отдачи его малых магазинов. Экономическая эффективность средних магазинов по Южному району больше в 2,35 раза (см. С.8, п.2.1 и 2.2), а по Северному району в 1,85 раза больше (см. С.8, п.3.1 и 3.2) чем их малые формы.



1.2. Абсолютные, относительные и средние величины
Для получения целостной статистической характеристики объекта применяются обобщающие статистические показатели, которые получаются при обработке первичных данных сформированных рядов. Это есть:

- абсолютные величины;

- относительные величины;

- средние величины.


1. Абсолютные величины – это величины, полученные как сумма первичных данных ряда. Фиксируются в таблице как «всего», «итого». Абсолютные величины всегда имеют единицы измерения. В экономике применяют 4 группы единиц измерения: стоимостные натуральные, условно-натуральные и условные единицы измерения. По своему составу единицы измерения бывают:

- простые - руб., $, шт., т., кв.м., час., км. и т.д.;

- сложные – кВт-час., т-км., чел.-час.
Абсолютные величины в стоимостных единицах измерения, это всегда представление данных в рублях или других денежных единицах. Например – доход от реализации за календарный год, остаточная стоимость основных средств на конец года, квартальный фонд заработной платы можно отобразить в рублях, а для совместных предприятий эту информацию следует представить еще и в определенной валюте. Здесь по составу единицы измерения – простые.
Абсолютные величины в натуральных единицах измерения могут иметь как простые, так и сложные по своему составу единицы измерения. Так объем выпуска столов и стульев – это количество штук, а производство электроэнергии - киловатт-час., грузооборот фиксируется в тонно-километрах.
Условно-натуральные единицы измерения применяют в тех случаях, когда для получения абсолютных величин исходные данные в натуральных показателях суммировать нельзя. Например, производство бензинов с разным октановым числом, двигателей разной мощности, несколько видов азотосодержащих удобрений. В таких случаях, по какому-то общему потребительскому признаку все разновидности выпускаемых продуктов приводятся к одному виду. Прием такого приведения дан в Табл. № 6, общий признак для всех видов удобрений – % содержания азота, и сульфат аммония взят за основу пересчета.

Таблица № 6.



Перевод азотосодержащих удобрений в сульфат аммония

Вид удобрения



% содержания азота

Коэф.


пересчета

Объем производства в

натуральных ед., т.



Объем производства в

условно-натуральных ед., у.т.



1.Сульфат аммония

20,5

1

2000

2000

2. Карбамид

41,0

41,0:20,5=2

2500

2500*2 = 5000

3.Натриевая селитра

15,6

15,6:20,5=0,76

1000

1000*0,76 = 760

Всего

x

x

-

7760


Условные единицы измерения. Они применяются для формирования абсолютных величин в случаях, когда объемы производства никак не связаны между собой потребительскими свойствами. Здесь для перевода могут быть использованы затраты времени на производство, расход сырья на единицу продукции и др. Например, при производстве керамических изделий (вазы, статуэтки, амулеты, кашпо и т.д.) их объем представляют через вес затраченного сырья, (т., кг.). В консервной промышленности условной переводной единицей при подсчете результатов производства соков, джемов, компотов служит банка «нетто» весом 400 гр.
2 .Относительные величины есть отношение или одноименных абсолютных величин, или разноименных абсолютных величин. В числителе дроби располагается величина, которая сравнивается, в знаменателе – база для сравнения. Частное от деления мажет быть выражено коэффициентом, или в процентах. Форма выражения относительных величин зависит от количественного соотношения сравниваемых величин, а также от смыслового содержания полученного результата сравнения.
Если проводится сравнение одноименных абсолютных величин, то рекомендуется окончательный результат деления показать как процент. Но, правил без исключения не бывает. В тех случаях, когда сравниваемый показатель больше основания, относительная величина может быть выражена и коэффициентом, и в процентах. В случае, когда сравниваемый показатель меньше основания, относительную величину лучше выразить в процентах. В каждом отдельном случае следует выбирать ту форму выражения относительных величин, которая более наглядна и легче воспринимается. Например, лучше сказать, что объем товарооборота магазина за анализируемый период вырос почти в 2 раза, чем сказать, что объем товарооборота, составил 199,5%. Ниже представлены варианты сравнений одноименных абсолютных величин.
2.1. Относительная величина выполнения договорных обязательств (Д.о.) - показатель, характеризующий уровень выполнения предприятием своих обязательств, предусмотренных в планах, договорах. Расчет этих показателей производится путем соотношения объема фактически выполненных обязательств (например, объема фактической поставки товара) и объема обязательств, предусмотренных в договоре (объем поставки товаров по договору).
Фактический уровень

Д.о. = -------------------------------------------------------------*100%.

Уровень, предусмотренный договором
Пример. Предприятие запланировало увеличить выпуск продукции с 220 тыс. ед. до 260 тыс. ед. Модернизация оборудования позволила увеличить выпуск до 272 тыс. ед. Рассчитаем относительную величину выполнения плана производств. Фактический уровень составил 272 тыс.ед., предусмотренный плановый уровень, составлял 260 тыс.ед. Таким образом, Д.о .= 272/260*100% = 104,6% - есть процент выполнении плана производства.

Вывод. В результате модернизации оборудования план по выпуску продукции перевыполнен на 4,6%.
2.2. Относительная величина структуры (О.с.) характеризует состав изучаемых совокупностей. Исчисляется она как отношение абсолютной величины каждого из элементов совокупности к абсолютной величине всей совокупности. Другими словами – это отношение части к целому, и результат отношения представляет собой удельный вес части в целом. Как правило, относительные величины структуры выражаются в процентах, а база сравнения принимается за 100. Показатели структуры могут быть выражены также в долях, здесь база сравнения принимается за единицу. Сравнивая структуру одной и той же совокупности за разные периоды времени, можно проследить структурные изменения, происшедшие во времени.
Величина изучаемой части совокупности

О.с. = ----------------------------------------------------------------------* 100%.

Величина совокупности в целом


Относительные величины структуры широко используются в анализе производственной и коммерческой деятельности предприятий, в сфере услуг. Они дают возможность изучить состав товарооборота по ассортименту, состав работников по различным признакам (полу, возрасту, стажу работы), состав издержек обращения и т.д. В Табл. № 7 представлен расчет относительных величин структуры товарооборота для различных участников розничной торговли города год, а на Рис.1 дана визуальная интерпретация величин структуры товарооборота в виде диаграммы.

Таблица № 7



Структура розничного товарооборота города



Показатели

Сумма, млрд. руб.

Показатели структуры, %

Розничный товарооборот, всего

в.т.ч.


83,1

100

Организации розничной торговли

42,4

51

Неторговые организации

20,8

25

Физические лица на рынках

19,9

24


Решение. Величина изучаемой части совокупности, т.е. товарооборот организаций розничной торговли составил 42,4 млрд. руб., величина всей совокупности - розничный товарооборот в целом равен 83,1 млрд. руб. Таким образом, расчет относительной величины структуры выглядит так: 42,4*100/83,1 = 51%. Аналогично рассчитаем относительную величину структуры для других элементов.
Вывод. В общем объеме розничного товарооборота за год товарооборот организаций розничной торговли составил 51%, товарооборот неторговых организаций составил 25% и оборот, осуществляемый физическими лицами, составил 24%.


Рис.1. Диаграмма структуры розничного товарооборота города

2.3. Относительная величина сравнения (О.ср.) характеризует количественное соотношение одноименных показателей, относящихся к различным объектам статистического наблюдения.
Показатель С, характеризующий объект А

О.ср. = ---------------------------------------------------------- *100%

Показатель С, характеризующий объект В



Пример. Сравним прибыль двух разных предприятий. Прибыль магазина «Ткани» - объект «А» за год составила 94 млн. руб. Прибыль магазина «Овощи и фрукты» - объект «Б» за этот же период оставила 99 млн. руб. Относительная величина сравнения выглядит так: 94 млн. руб. /99 млн. руб.=0,95. Разница составляет: 1 - 0,95=0,05 или 0,05*100%=5%.
Вывод. Прибыль магазина «Овощи и фрукты», созданная за год, на 5% больше прибыли магазина «Ткани» за тот же период.
2.4. Относительная величина координации (О.к.) представляет собой одну из разновидностей показателей сравнения. Она применяется для характеристики соотношения между отдельными частями одного целого, и показывает, во сколько раз сравниваемая часть совокупности больше или меньше части, которая принимается за основание сравнения. По существу, они характеризуют структуру изучаемой совокупности, причем, иногда более выразительно, чем относительные величины структуры. Относительная величина координации может быть выражена, и как коэффициент, и как %.
Величина части А, изучаемой совокупности в целом

О.к. = -----------------------------------------------------------------------------* 100%.

Величина части В, изучаемой совокупности в целом


Пример 1. На начало года численность специалистов с высшим образованием, занятых в ассоциации «Торговый дом», составила 53 человека, а численность специалистов со средним специальным образованием - 106 человек. Приняв за базу сравнения численность специалистов с высшим образованием, рассчитаем относительную величину координации: 106:53=2,0:1,0, т.е. на двух специалистов со средним специальным образованием приходится один специалист с высшим образованием.
Пример 2. По результатам переписи населения выявлено, что число мужчин в поселении = 67 тыс. чел., женщин – 77,1 тыс. чел. Отношение (77,1 : 67)*100% = 115%, говорит о том, что на 100 мужчин поселения там проживает 115 женщин.

2.5. Относительная величина интенсивности. Она формируется при сравнении разноименных абсолютных величин. Окончательный результат деления рекомендуется отображать как коэффициент. Рассчитывается относительная величина интенсивности делением абсолютной величины изучаемого явления на абсолютную величину, характеризующую объем среды, в которой происходит развитие явления. Относительная величина интенсивности показывает, сколько единиц одной совокупности приходится на единицу другой совокупности. В числителе и в знаменателе сохраняются соответствующие единицы измерения данных, т.к. полученное частное от деления (коэффициент) – есть некая новая экономическая сущность, и показывает, насколько широко распространено изучаемое явление в той или иной среде. Например:

1. Среднегодовая остаточная стоимость основных средств, руб./среднесписочная годовая численность работников, чел. = фондовооруженность 1-го работника, руб./ чел.

2. Годовой доход от реализации продукции/среднегодовая остаточная стоимость основных средств = фондоотдача, руб./руб.

3. Численность населения города, чел./площадь города, кв.км. = плотность населения в городе, чел./км.


3. Средние величины. Исследование производства и рынка на основе показателей относительных величин не способно полностью удовлетворить требованиям скорости принятия решения, которые предъявляет менеджеру экономическая действительность. Для создания целостного представления о экономических процессах и тенденциях их развития используют средние величины. Они обеспечивают воссоздание общих признаков процесса, т. к. абстрагируются от разнообразия отдельных элементов процесса. Средняя величина отвлекается от структуры совокупности. Она отражает то общее, что складывается в каждом отдельном процесса. Благодаря этому средняя величина получает большое значение для выявления закономерностей, присущих массовым процессам и явлениям, и не заметных в единичных явлениях.
Отклонение индивидуального от общего есть проявление процесса развития. Именно конкретные факты, взятые на фоне средних величин, характеризуют процесс развития. Поэтому, в средней величине, одним числом, отражается характерный, типичный, реальный уровень изучаемых явлений. Например: через средние проявляется закономерность изменения производительности труда рабочих. Изменение благосостояния населения находит свое отражение в средних показателях заработной платы одного работника, доходов семьи или отдельных социальных групп, средних показателях уровня потребления продуктов, товаров и услуг
Наиболее часто при исследованиях рассчитываются:

1) Для интервального ряда - средняя арифметическая вида

= ,

где j = (1…n) – число уровней ряда,

yj = уровни ряда.
2) Для моментного ряда с равноотстоящими датами - средняя арифметическая вида

= (y1/2 + y2 +…+ yn-1 + yn/2)/(n-1).
3) Средняя взвешенная при наличии повторяющихся внутри ряда значений:

= ,

где fjчастота повторения уровней ряда.


4) Средняя гармоническая в случае, когда частота повторения fj в явном виде не дана, а входит в состав уровней ряда, применяется:

= .

Средние величины используются для лучшего понимания общей картины. Однако для оценки деятельности субъекта экономики нельзя ограничиваться лишь средними цифрами. За общими благоприятными средними значениями могут скрываться крупные серьезные недостатки в деятельности отдельных предприятий, его подразделений и общества в целом.


1.3. Ряды динамики.
Правила формирования рядов динамики и показатели изменения уровней ряда
1. Правила формирования рядов динамики. При формировании и атрибутивных, и вариационных рядов динамики, для дальнейшей их статистической обработки обязательным является условие «сопоставимость уровней». Условие сопоставимости относится к каждому входящему в ряд уровню. Это означает, что статистические данные должны быть представлены с равнозначных административно- территориальных делений (городов, районов, предприятий), в одинаковых единицах измерения. Временная регистрация и методы расчета, при подготовке первичных данных, тоже должны совпадать и т.д. Если такое не наблюдается, то проводится предварительный пересчет первичных данных. Например, по одному цеху предприятия подсчитали за год (с разбивкой по месяцам) производительность труда в расчете на одного наемного работника, а по другому - на одного работника промышленно- производственного персонала (ППП). В данном случае, для анализа динамики производительности труда 2-х цехов исходные данные должны быть представлены по ППП. Одно сельхозпредприятие дало среднюю урожайность зерновых с засеянной площади, а другое - с убранной площади. Цены сравниваемых совокупностей изменялись во времени, и для выявления изменений в самих совокупностях цены нужно привести к одному уровню. Если выполнено условие сопоставимости уровней в нескольких однотипных рядах динамики, то такие ряды можно сомкнуть.
Смыкание рядов – это объединение в один ряд нескольких первичных рядов. Тем самым, смыкание создает один, непрерывный динамический ряд большей длины. Полученный новый ряд сопоставимых величин анализируется с помощью показателей рядов динамики, и дает более достоверные, более точные результаты, чем его первичные короткие «собратья». В Табл. № 8 дан пример смыкания рядов. За основу пересчета взято соотношение цен 3-го года работы: k = 540:500 = 1,08.

Таблица № 8



Доход предприятия за 6 лет в сопоставимых ценах


Вид ряда

Доход,

млн. руб.



1-й год

работы


2-й год работы

3-й год работы

4-й год работы

5-й год работы

6-й год работы

1-й ряд

В ценах

1-го года



400

450

500

-

-

-

2-й ряд

В ценах

3-го года



-

-

540

580

650

680

Сомкнутый

ряд


В ценах

3-го года



400*1,08

= 432


450*1,08

= 486


500*1,08

= 540

580

650

680



2. Показатели изменения уровней ряда. Изучение рядов динамики предполагает решение следующих основных задач:

- Расчет средних величин (см. п. 1.2.).

- Определение интенсивности изменений в уровнях ряда.

- Выявление основных закономерностей динамики исследуемого объекта (тренда).

- Прогноз развития объекта на будущее.
Определение интенсивности изменений в уровнях ряда строится на сопоставлении уровней динамического ряда. Методов такого сопоставления есть два - базисный и цепной. При базисном методе каждый последующий уровень ряда сопоставляется с одним и тем же уровнем, выбранным за базу. Как правило - это первый уровень ряда и его обозначают «0». При цепном сравнении каждый последующий уровень сопоставляется со своим предыдущим уровнем. Индекс, рассчитанный по базисной схеме сравнение равен произведению цепных индексов, построенных на том же интервале сравнения. На Рис. 2. показана схема сравнений уровней ряда.

Рис.2. Схема вариантов сравнения данных.


Показателями интенсивности изменений в уровнях ряда служат базисные или цепные:

- абсолютные отклонения (+) или (-);

- относительные величины динамики - темп роста () и темп прироста ().
Абсолютное отклонение определяется как разница между двумя величинами. Абсолютные отклонения применяются при сопоставлении данных двух разных моментов времени, при сравнении фактических результатов и плановых. Для расчета абсолютного отклонения одно из значений экономического показателя принимается за базовое - . Это показатель, относящийся к предыдущему моменту времени (например, прибыль предприятия в предыдущем году), или плановое значение показателя (плановая прибыль). Затем, оно сравнивается с показателем текущего момента, или фактическим значением данного показателя - . Исходя из названия сравниваемых величин, абсолютный прирост (или абсолютное уменьшение, а это будет видно по математическому знаку результата) - всегда именованное число, имеет натуральное или денежное измерение и определяется по формуле:

.

Пример 1. Предприятие «Сибкабель» планировало в феврале текущего календарного года реализовать монтажного кабеля на 84 млн. руб., но фактический доход от реализации оказался равным 89 млн. руб. Абсолютный прирост дохода от реализации за февраль месяц составил: 89 млн. руб. - 84 млн. руб. = + 5 млн. руб.

Вывод. План по реализации монтажного кабеля перевыполнен на 5 млн. руб.
Пример 2. Фактический доход от реализации монтажного кабеля предприятием «Сибкабель» в феврале текущего календарного года равен 89 млн. руб., а в январе месяце он был равен 94 млн. руб. Абсолютное отклонение фактического дохода от реализации за сравниваемые периоды времени составило: 89 млн. руб. - 94 млн. руб. = - 5 млн. руб.

Вывод. Доход фактический от реализации продукции в феврале месяце по сравнению с январем уменьшился на 5 млн. руб.

Полученные абсолютные отклонения - просты по способу вычислений, но экономически информативные, необходимы на этапе контроля при реализации бизнес – процессов. Применяется метод абсолютных отклонений как метод сплошного контроля при оперативном управлении теми параметрами деятельности предприятия, которые ранее были рассчитаны с помощью бюджетного, балансового, нормативного и других методов, и были зафиксированы в соответствующих документах предприятия.


Относительная величина динамики, характеризует изменение изучаемого явления во времени. Позволяет выявить направление развития, измерить интенсивность развития. Обозначим: t = 0, 1, 2, 3 T - моменты времени, за которые изучаем явление.
Темп роста базисный:
Величина изучаемой совокупности момента t

= --------------------------------------------------------------------* 100%.

Величина изучаемой совокупности момента 0


Темп роста цепной:
Величина изучаемой совокупности момента t

= --------------------------------------------------------------------* 100%.

Величина изучаемой совокупности момента (t-1)



Темп прироста: = - 100%.
Пример 3. Реализация хлопчатобумажных тканей секцией универмага составила в январе 3956 тыс. руб., в феврале - 4200 тыс. руб., в марте - 4700 тыс. руб. Найти динамику реализации тканей.
Решение.

1. Темпы роста базисные (база для сравнения - уровень реализации января месяца):



ф/я = 4200*100%/3950 = 106,3 %; м/я = 4700*100%/3950 = 118,9 %.

Темпы прироста базисные:



ф/я = 106,3 % - 100% = 6,3%; м/я = 118,9 % - 100% =18,9%.

Вывод 1. Реализация тканей в феврале месяце по сравнению с январем возросла на 6,3%; в марте, по сравнению с январем, реализация увеличилась на 18,9%.
2. Темпы роста цепные (база для сравнения - уровень реализации предыдущего мес.):

ф/я = 4200*100%/3950 = 106,3%; м/ф = 4700*100%/4200 = 111,9 %.

Темпы прироста цепные:



ф/я = 106,3%- 100% = 6,3%; м/ф = 111,9 % - 100% = 11,9%.

Вывод 2. Реализация тканей в феврале месяце по сравнению с январем возросла на 6,3%, в марте, по сравнению с февралем реализация увеличилась на 11,9%.

1.4. Методы «АВС-анализ», «Портфельный анализ»
В 20-м веке классическое применение абсолютных, относительных, и средних величин совокупности (см. п. 1.2) получило свое дальнейшее развитие. На основе этих статистических характеристик были разработаны новые методы, не только для этапа статистического анализа, но и для этапов контроля и планирования. Прежде всего, следует выделить два метода - «АВС – анализ» и «Портфельный анализ», получивших наибольшее практическое распространение.

1. ABC - анализ базируется на принципе Парето (Вильфредо Парето, итальянский экономист и социолог, 1848 – 1923 гг.), сформулировавшего правило, суть которого сводится к следующему: контроль относительно небольшого количества элементов позволяет контролировать ситуацию в целом. Часто еще сформулированное Парето правило именуют правилом 80/20, что можно истолковать следующим образом: надежный контроль 20% номенклатурных позиций системы позволяет на 80% контролировать всю систему. Поэтому «ABC-анализ» разумно использовать при частичном контроле наиболее значимых экономических параметров.
Для практической реализации метода одни и те же экономические параметры разбиваются на группу «А», группу «В», группу «С». В группу «А» входят наиболее значимые, существенные позиции, которые нужно отслеживать постоянно, чуть ли не ежедневно. Группу «В» составляют позиции, требующие периодического анализа и контроля, а группу «С» представляют наименее ценные и несущественные позиции. Понятие «группа» может быть представлена видами производимых и реализуемых продуктов (работ, услуг), элементами затрат в себестоимости, в материально-техническом снабжении рассматриваются количество и стоимость поставок различных видов ресурсов по поставщикам и т.д.
Основу метода образуют относительные величины структуры. Рассчитываются относительные величины структуры в ABC-анализе, одновременно как в стоимостном, так и натуральном выражении. Затем, для сопоставления они объединяются в одной таблице, где четко видна доля вклада каждой группы в общий достигнутый результат. Достоинство метода - исследования по «АВС – анализ» позволяют выявить, какие небольшие в натуральном выражении величины дают наибольший стоимостный результат.

Рассмотрим на примерах (см. Табл. № 9, Табл. № 10) работу метода «ABC-анализ» для различных экономических параметров завода «БытТехника». Завод производит бытовую технику – холодильники, морозильные камеры, стиральные машины.


Пример 1. В Табл. № 9 группу «А» составили высокорентабельные изделия – холодильники. В группу «В» – вошли морозильные камеры, имеющие среднюю рентабельность, в группу «С» – стиральные машины с рентабельностью ниже средней по предприятию. Расчеты по долям величин А, В, С выполнили заранее.

Таблица № 9



Классификация продуктов


Группа продуктов

Доля в общем объеме реализации, %

Доля в доходе от реализации, %

Гр. А, холодильники

15

65

Гр. В, морозильные камеры

25

15

Гр. С, стиральные машины

60

20

Всего

100

100


Вывод. По результатам ABC-анализа видно, что группа «А» - холодильники занимает лидирующие позиции в формировании дохода от реализации продукции завода.
Пример 2. В Табл. № 10 в группы А, В, С объединены возможные поставщики взаимозаменяемых материалов - листового проката для завода «БытТехника». На базе данных Табл. № 10 построена диаграмма структуры поставщиков и поставок (Рис. 3).
Таблица № 10

Классификация поставщиков


Группа поставщиков листового проката


Доля в общем объеме поставок, %

Доля в расходах на приобретение, %

группа А

5

40

группа В

55

30

группа С

40

30

Всего

100

100


Рис. 3. Диаграмма структуры поставщиков и поставок.
Вывод. Если хотим снизить расходы по закупкам материалов, то предпочтительнее работать с поставщиками группы «В» и группы «С». Именно с ними надо решать вопрос ценовой политики, предоставляемых при этом скидках, т.к. они поставляют максимальный объем нужного нам материала.
2. Портфельный анализ – один из методов стратегического статистического анализа и планирования, зародившийся в конце 1960-х годов. В это время мировая экономика характеризовалась усилившейся конкурентной борьбой за доли рынка между его участниками, общим снижением скорости роста рынков. Некоторые сегменты ранка вообще стали неперспективными. В этой ситуации крупные предприятия и многие средние, вынуждены были консолидировать свой бизнес. Они стали превращаться в объединения (компании, корпорации), где налаживался выпуск разнородной продукции с целью одновременного выхода на различные товарные рынки и обеспечения устойчивого развития своих производств. Чтобы выжить в долгосрочной перспективе, да еще в условиях таких структурных преобразований, руководству нужны ответы на ряд ключевых вопросов:
- Какова ситуация с конкуренцией по моим продуктам?

- Мои продукты продаются на привлекательных рынках?

- На какой стадии жизненного цикла находится данный продукт?

- Какие денежные потоки можно ожидать от отдельных продуктов?

- Какие инвестиции необходимы в будущем для отдельных продуктов?

Полезным методом ответа на поставленные вопросы служит «Портфельный анализ».


Основу метода образуют относительные величины структуры, сравнения и их средние значения. В теории и практике стратегического анализа и планирования наибольшее распространение получила разработанная в начале 1970-х годов Бостонской Консультативной Группой модель «Рост рынка – Доли рынка», известная также как матрица БКГ (BCG), см. Рис. 4.
Суть матрицы БКГ (BCG). В основу работы матрицы заложены понятие кривая жизненного цикла продукта и известная предпосылка – чем больше товара на рынке за счет большего объема производства, тем ниже затраты на единицу продукции за счет снижения в них доли условно-постоянных затрат, и тем выше прибыль.

Рис. 4. Портфельная матрица БКГ (BCG)

Матрица составляется на каждую стратегическую бизнес – единицу, входящую в портфель. Само понятие «бизнес – единица» на практике есть не что иное, как программа производства и реализации конкретного продукта, группы продуктов или наборов услуг для одного специфического рынка. «Портфель» - весь набор продуктов и рынков.


По каждому продукту должны быть известны следующие исходные данные: объем продаж в стоимостном или натуральном выражении всего рынка, моего продукта и продукта моего главного конкурента. На базе этих исходных данных рассчитываются: доля моего продукта на рынке, доля относительно главного конкурента, темп роста всего рынка данной отрасли. Критериями рыночного успеха служат относительная доля рынка, которую предприятие занимает, и темп роста всего рынка. Считается, что темпы роста в пределах 10% - это низкие темпы, а чем темпы роста больше 10%, тем активнее развивается система. Другими словами, с помощью портфельного анализа предприятие сверяет свои индивидуальные позиции с общей тенденцией развития отрасли.
Если начать перебор вариантов сочетаний указанных критериев, то образуются четыре состояния, в одном из которых окажется в зависимости от своей прибыльности анализируемая бизнес – единица. В портфельном анализе такие состояния называю стратегические сектора (квадранты, зоны, сегменты)
Сектор «Звезда». Здесь располагаются продукты, которые занимают лидирующее положение на рынке развивающейся отрасли. Рыночный рост у них выше среднеотраслевого. Они приносят максимальную прибыль, но при этом требуют больших объемов финансирования для того, чтобы предприятию удержать у себя высокий темп роста, набранный отраслью в целом. В свою очередь вливаемые ресурсы в продукты - «звезды» нуждаются в жестком контроле со стороны менеджеров. Это – перспектива предприятия, их надо оберегать и укреплять их позиции на рынке.
Сектор «Дойная корова». Продукты занимают лидирующее положение на рынке равномерно развивающейся отрасли, или отрасли, которая начинает уже медленно сворачивать свое производство. Сбыт продукции приносит хорошую прибыль, большую, чем затраты, необходимые для поддержания его доли на рынке. Конкурентная борьба у продуктов - «дойных коров» слабая. Такие продукты для предприятия есть источник получения наличных средств, необходимых для его дальнейшего развития, создания новых товарных групп. Сами они требую незначительных финансовых вложений, и то лишь для поддержания текущих операции. Шансов занять более значительную долю на отраслевом рынке у продуктов - «дойных коров» мало.
Сектор «Собака». Это продукты с малыми рыночными долями (ограниченным объемом сбыта) в сложившейся, зрелой или уже сокращающейся отрасли. Конкурентных преимуществ такие продукты уже не имеют на своем рынке, финансовые вливания, если и будут, дела не спасут. Затраты здесь направлены на сворачивание рынка продуктов –«собак». Значит, они скоро будут заменены новыми, или бизнес вообще будет ликвидирован.
Сектор «Знак вопроса» (или «Дикие кошки», или «Подростки» - другие названия этого сектора). В эту категорию входят продукты с низкими рыночными долями, но высокими темпами роста в развивающейся отрасли. Это новые, внедряемые продукты. Покупатель их еще плохо знает, прибыльность низкая, ведущее положение на рынке занимают продукты - конкуренты. Но продукты - «подростки» находятся на быстрорастущих рынках, поэтому требуют больших финансовых вложений для удержания позиций, а тем более для расширения своего присутствия на рынке. Поскольку это новые продукты, анализировать их следует особенно тщательно, т.к. они могут, как успешно внедриться на рынок, так и быть им отвергнутыми. Это случай рисковых инвестиций, и с этой экономической позиции начинают большинство производств - новичков.
На Рис. 4 пунктирная стрелка показывает, что «Знак вопроса» («Дикие кошки», «Подростки») при определенных условиях и соответствующем финансировании могут стать «звездами». У тех в свою очередь наступит период зрелости, и они превратятся в «Дойных коров», а затем в «Собак». Так осуществятся все стадии жизненного цикла продукта. Сплошная стрелка показывает целевое перераспределение прибыли, которую «дойные коровы» зарабатывают и инвестируют в более перспективные продукты. Таким образом, с помощью портфельного анализа предприятие точнее может решить вопрос о направлении своего перспективного развития и его инвестировании. Согласно характеристике секторов матрицы БКГ у предприятия имеются следующие направления стратегического планирования инвестиций:
1. Знак вопроса инвестиции следует направлять в расширение производства действующих номенклатурных позиций.
2. Звездаинвестиции следует направлять в рационализацию производства действующих позиций.
3. Дойная короваинвестиции следует направлять в реконструкцию и модернизацию производства.
4. Собакаинвестиции следует использовать для сворачивания производства номенклатурных позиций.
Пример 1. По предприятию «Z», выпускающему три вида технологически однородной продукции: А - кофемолки, В – миксеры, С - соковыжималки, и соответствующему отраслевому рынку известны абсолютные и относительные данные по реализации этих продуктов за два календарных года работы (Табл. № 11). Прирост продаж рассчитывается цепным методом сравнений, и для рынка первого года (10,0%, 26,99%, 29,14 %) в таблице он указан по отношению к базисному 0 - году. Оценить позицию каждого из продуктов А, В, С на отраслевом рынке.

Таблица № 11



Реализация продукции на отраслевом рынке

Вид


продукта

года



работы

Продажи всего на рынке

Продажи предпр. Z на рынке

Объем продаж основного

конкурента,

тыс. шт.


Объем, тыс. шт.

Прирост,%

Объем, тыс. шт.

Доля,

%


А - кофемолки

1

2500

10,0

300

12,0

350

2

2900

16,0

250

8,6

350

Среднегодовое значение

x

2700

13,0

275

10,3

350

В - миксеры

1

1300

26,99

390

30,0

300

2

1500

15,81

410

27,3

300

Среднегодовое значение

x

1400

21,4

400

28,65

300

С-соковыжималки

1

3500

29,14

580

16,6

570

2

3600

2,86

490

13,6

570

Среднегодовое значение

x

3550

16,0

535

15,2

570


Портфельный анализ данных.
1. Продукт А - кофемолки. Имеет среднегодовой объем продаж меньше, чем у его основного конкурент (275 тыс. шт. и 350 тыс. шт. или 78,6%). Темп его продаж падал, и в среднем за два года составил 10,3 % - самый низкий их трех анализируемых продуктов, и он меньше темпа прироста рынка, равного 13%. Продукт А - «Собака».
2. Продукт В - миксеры. Его среднегодовой объем продаж больше, чем у его основного конкурента (400 тыс. шт. и 300 тыс. шт. или 136,7%), темп прироста продаж самый высокий, среднее значение - 28, 65%, выше, чем 21,4% темпа прироста всего рынка. Продукт В - «Звезда».
3. Продукт С - соковыжималки. Среднегодовой объем продаж сопоставим с объемом продаж основного конкурента (535 тыс. шт. и 570 тыс. шт. или 93,86%), темп прироста рынка из трех аналогичных показателей – средний, 15,2% и близок к темпу прироста рынка в 16%. Продукт С – «Дойная корова».

Итоговая матрица БКГ анализа представлена на Рис. 5.


Преимущества портфельного анализа. В результате проведения портфельного анализа с помощью матрицы БКГ, предприятие получает возможность оценить баланс своего портфеля, принять решение о долгосрочном планировании стратегий продуктов с учетом их конкурентоспособности, определить потребности в размерах и источниках инвестирования по каждой из стратегий. Метод за счет матрицы БКГ очень наглядный, и показывает практическую важность используемых факторов.

Недостатки метода:

  • не учитываются возможные реакции конкурентов;

  • трудности учета границ и масштаба рынка, большое количество критериев;

  • субъективность оценок;

  • слишком общий характер рекомендаций;

  • ограниченный учет различных внутренних параметров и внешних факторов среды деятельности предприятия.



Рис. 5. Матрица БКГ продуктов А, В, С.


1.5 Структура ряда. Методы выравнивания рядов динамики
1. Структура ряда. В перечень основных задач статистики входит выявление и изучение основных закономерностей динамики исследуемого объекта. Поскольку в реальной действительности уровни ряда исследуемого объекта формируются под воздействием множества внутренних, внешних факторов и разного рода случайных обстоятельств, то необходимо разделить эти составляющие. Теоретически динамический ряд по своей внутренней структуре может быть представлен в виде составляющих:

- систематическая составляющая - тренд, т.е. основная тенденция изменения динамического ряда;

- периодические колебания (в экономике – это, прежде всего, сезонные колебания);

- случайная составляющая.

Поэтому, при анализе динамического ряда, прежде всего, необходимо выделить:


  1. систематическую и случайную составляющие, периоды колебания;

  2. оценить их статистические характеристики для проведения в дальнейшем интерполяции или экстраполяции ряда.

В общем виде динамический ряд (yt), как функция времени при t = (0, 1, 2, 3 T), отображается как

yt = f(xt, t) + t, где
f(xt, t) - систематическая составляющая, которая учитывает одновременно и момент времени t, и меняющиеся уровни ряда xt;

- случайная составляющая.

В экономике примером такого построения динамического ряда служит зависимость условно-постоянных затрат (Cconst.) от самих моментов времени t и объемов производства (Vt) продукции (работ, услуг), тоже меняющихся с течением времени. Математически это запишется:

Cconst = f(Vt, t) + t.
1. Если, систематическая составляющая f(t) зависит только от t, то динамический ряд выражается как yt = f(t) + t, и называется трендом.

2. Если систематическая составляющая представлена в виде f(yt-1,), то динамический ряд yt = f(yt-1) + t, описывает тренд с автокорреляцией.


Автокорреляция – это зависимость между последовательными уровнями ряда, характеризует его внутреннюю структуру. В экономике причиной такой взаимозависимости многих первичных данных является процесс накопления всех видов капиталов - натуральных ресурсов, денежных запасов через получаемую выручку от продаж произведенной продукции и излишних активов. Для последующего статистического анализа динамического ряда автокорреляцию сначала нужно обнаружить (измерить), а затем уничтожить, чтобы она не искажала результаты анализа.

Измеряется автокорреляция с помощью коэффициента автокорреляции ra = . В основе расчета коэффициента автокорреляции лежит формула линейного коэффициента корреляции, куда встроены 2 ряда: yt и yt+1. Исходным является ряд yt. Уровни ряда yt+1 образуются путем сдвига вправо на единицу уровней исходного ряда yt . Чтобы ряд yt+1 не укорачивался, последнее значение ряда yt переносится в начало формируемого ряда. Сдвиг вправо по ряду yt можно делать разумное m - число раз. Сам сдвиг вправо по ряду называется временным лагом, а число m – есть размах лага.


Пример 1, с размахом лага m = 1.

Ряд yt = 51, 49, 45, 36, 29, 20, сумма уровней ряда = 230.

Ряд yt+1 = 20, 51, 49, 45, 36, 29, сумма уровней ряда = 230.
Пример 2, с размахом лага m = 2.

Ряд yt = 51, 49, 45, 36, 29, 20, сумма уровней ряда = 230.

Ряд yt+1 = 20, 29, 51, 49, 45, 36, сумма уровней ряда = 230.
Для всех пар рядов yt и yt+1 с размахом лага m 1 находятся расчетные коэффициенты автокорреляции - ra расчетное и сверяются с табличными, критическими значениями коэффициентов автокорреляции, которые соответствуют данной длине ряда Т и принятому уровню значимости (a % ).

Если, фактическое ra расчетноеra табличное, то делается вывод об отсутствии автокорреляции между уровнями ряда yt.

Если, фактическое ra расчетноеra табличное, то делается вывод о наличии автокорреляции между уровнями ряда yt.

Набор ra расчетное, полученных по нескольким парам рядов yt и yt+1, используют для нахождения размаха лага m.



2. Методы выравнивания рядов динамики. Для выделения систематической и случайной составляющих динамического ряда, уровни которого имеют резкие колебания, и тренд в явном виде не просматривается, динамический ряд предварительно выравнивается. Это делается следующими методами:

- укрупнение временных интервалов ряда;

- сглаживание уровней ряда скользящей средней;

- аналитическое выравнивание уровней ряда по формулам.


2.1. Метод «укрупнение временных интервалов». Суть его заключается в том, что уровни ряда, первоначально представленные, например, по месяцам, суммируются и подаются как квартальные данные, полугодовые. При такой замене идет существенная потеря данных, поэтому применение этого метода возможно при достаточно большом числе первичных данных. Автокорреляция, если она присутствует внутри ряда, методом «укрупнение временных интервалов» не устраняется.

2.2. Метод «скользящая средняя». По этому методу фактические уровни ряда yt заменяются их средними значениями . Значения рассчитываются на частном интервале tn = 1, 2, n, где n – число элементов частного интервала. Располагаются найденные значения в середине каждого скользящего частного интервала из n = 3, 5 и т.д. (см. Табл. № 12). Сам исходный ряд существенно преображается, наблюдается тренд, но:

- сглаживаемый ряд укорачивается на (n - 1)/2 элементов с каждого края, и чем длиннее частный интервал, тем больше элементов теряется;

- присутствующая автокорреляция уровней ряда не устраняется.

Таблица № 12



Сглаживание уровней ряда скользящей средней


№ уровня yt,

1 2 3 4 5 6 7 8 9 10 11 12

Длина n = 3




Уровни ряда yt

3,0 2,0 3,0 4,0 2,0 4,0 5,0 4,0 6,0 5,0 6,0 5,0

Уровни ряда

- 2,67 3,0 3,0 3,33 3,67 4,33 5,0 5,0 5,67 5,33 -



2.3. Аналитическое выравнивание уровней ряда. При использовании этого метода поэтапно проводится аналитическая аппроксимация уровней динамического ряда, вследствие чего:

- тенденция развития изучаемого показателя выражается как функции от времени;

- устраняется имеющаяся в ряде автокорреляция!!!

Экономические показатели объекта имеют различные типы своего развития (тренда), и каждому типу развития необходимо подобрать и соответствующий класс функций тренда – растущие, падающие, выпуклые, вогнутые.

В экономических системах наблюдаются следующие типы развития:

1). Экономический рост с постоянным абсолютным приростом уровней на . Описывается линейной функцией



= a1 + a2t , где

а1 – теоретический начальный уровень ряда;

а2 = – прирост уровней;

lt = а 2/a 1 + a 2t – темп прироста, с ростом t монотонно убывает.
2). Экономический рост (падение) с увеличивающимся абсолютным приростом уровней и постоянным темпом прироста lt. Развитие такой системы описывается экспоненциальной функцией.

= a 1e, где

а1 – теоретический начальный уровень ряда;

lt = а2 – темп прироста, при а 2 < 0 экспонента описывает убывающие процессы.
3). Экономический рост (падение) с постоянным абсолютным приростом (падением) уровней на . Описывается:

- параболой второго порядка = a1 + a2t + a3 t2,

где темп прироста lt - переменная величина;

- или степенной функцией =

с темпом прироста lt = а2/t, монотонно снижающимся с ростом t.

4). Уменьшающийся экономический рост не имеющий предела описывается

- линейно-логарифмической функцией

= ,

с падающим темпом прироста lt ;


- или гиперболой второго типа

,

темп прироста которой lt резко уменьшается с ростом t.


5). Уменьшающийся рост, имеющий предел. Для его описания используется гипербола первого типа

= ,

с ростом t ее темп прироста lt тоже падает.


6). Наличие сезонных колебаний экономического процесса. Темпы прироста lt в таком случае и возрастают, и убывают в рассматриваемом интервале времени t = 1, 2, T. Здесь для аппроксимации можно применить ряд Фурье или

- параболу третьего порядка



,

с темпом прироста

lt .

3. Этапы аналитического выравнивания уровней ряда. Аналитическое, поэтапное описание типа экономического развития приводит к построению трендовой модели. Этап I - выбор класса функции тренда; этап II – оценка параметров выбранных аппроксимирующих функции = f(t), и расчет новых теоретических значений , которые максимально приближены к исходным уровням ряда yt; этап III- расчёт критериев аппроксимации; этап IV- выбор по критериям наилучшей функции тренда и прогнозирование.

Классические трендовые функции (см. п. 2.3) широко применяются в экономике для идентификации функции связи между экономическими показателями двух динамических рядов x = (хj) и y = (уj). Между уровнями хj и уj существует количественная причинно-следственная, и одновременно, временная связь, которые и нужно установить. В этом случае параметр t = (1, 2, T) в трендовой модели заменяется на уровни хj, и они становятся аргументами в расчетах при длине рядов j = (1, 2 n). Момент T заменяется на n, а функция тренда - регрессионной моделью +. Ее новые теоретические значения , используются для статистического анализа полученных ранее результатов и прогнозирования развития объекта на будущее (см. п. 2, стр. 24). Этапы построения регрессионной модели, на основе которой реализуется процесс идентификации, аналогичны этапам построения трендовой модели.


Этап I. Выбор класса функции тренда. При необходимости исходные уровни рядов хj, yj выравниваются методом скользящей средней. Далее визуально осуществляется выбор класса функций тренда экономической системы на основе графика, отображающего в декартовой системе координат распределение уровней ряда yj по хj. Для зрительного восприятия графической информации оптимальным соотношением уровней ряда по осям абсцисс и ординат считается пропорция от 1,5 : 1,0 до 1,3 : 1,0 – правило «золотого сечения». Это следует учитывать при выборе масштаба отображения данных.
Этап II. Оценка параметров аi, i = (1, 2 m) выбранного класса аппроксимирующих функций связи производится на основе системы “нормальных” уравнений, полученной по методу наименьших квадратов при работе с динамическими рядами x = (хj) и y = (уj).

Для линейной зависимости = a1 + a2*xj эта система имеет вид:



Для других функций используется, приведенная к нужному виду, система уравнений для линейной зависимости


Этап III. Расчёт критериев аппроксимации. Целью этого этапа является проверка статистических гипотез относительно полученного уравнения регрессии + и оценка ряда дополнительных статистик аi этого уравнения. Интенсивность нелинейной зависимости между переменными хj, yj выражается через индекс корреляции , который следует отличать от коэффициента корреляции . Коэффициент корреляции выражает интенсивность только линейной зависимости между переменными, и изменяется в интервале [-1 ¸ +1]. Индекс корреляции указывает не только тесноту связи, но и степень близости линии регрессии к фактическим данным уj, т.е. «точность», и принимает значения в интервале [0 ¸ 1]. Вычисляется для каждой выбранной на этапе I функции тренда. Рассчитывается индекс корреляции по формуле:
,

где - расчётное значение переменной y в j- наблюдении;



- дисперсия ошибок по уравнению регрессии;

- дисперсия фактического ряда.

После проверки уравнения регрессии на «точность» необходимо провести проверку найденных коэффициентов аi на «надёжности», т.е. проверить статистическую гипотезу о равенстве нулю коэффициентов регрессии.



В случае проверки относительно свободного члена а1 уравнений 1) – 6) на стр. 34-35, проверяется гипотеза о том, проходит ли уравнение регрессии + через точку начала координат (0,0). В случае проверки относительно коэффициентов а2, а3, …аm, проверяется статистическая гипотеза о «надёжности» связи между хj и .
При малых выборках 2 ¸ 30 единиц из генеральной совокупности для проверки нулевой гипотезы H0 : ai = 0, H1 : ai ¹ 0, рекомендуется пользоваться критерием t-Cтьюдента, расчетное значение которого имеет вид:

, где

- дисперсия оценки коэффициента аi уравнения регрессии, и вычисляется по формуле: , i=(1…m),

хii - диагональный элемент обратной матрицы А-1 , построенной из значений аргументов системы “нормальных” уравнений.
Распределение критерия подчиняется t-распределению Стьюдента с числом степеней свободы , где n – объём наблюдений, m – число коэффициентов в уравнении регрессии. Поэтому, по числу степеней свободы f и заданному (самим исследователем) уровню значимости a, находят табличные критические .

  • Если табличное, то принимается гипотеза H1:ai ¹ 0 с «надёжностью» Р = (1-a)*100%, т.е. ai «устойчиво» по отношению к своему математическому ожиданию.

  • Если табличное, то принимается гипотеза H0 :ai = 0 с «надёжностью» Р = (1-a)*100%, т.е. ai «неустойчиво» по отношению к своему математическому ожиданию.
1   2   3   4   5   6   7   8   9


База данных защищена авторским правом ©ekonoom.ru 2016
обратиться к администрации

    Главная страница