Мультипликативные модели представляют собой. Мультипликативная индексная двухфакторная модель

Простейший подход к моделированию сезонных колебаний – это расчет значений сезонной компоненты методом скользящей средней и построение аддитивной или .
Общий вид мультипликативной модели выглядит так:

Где T - трендовая компонента, S - сезонная компонента и E - случайная компонента.
Назначение . С помощью данного сервиса производится построение мультипликативной модели временного ряда.

Алгоритм построения мультипликативной модели

1. Выравнивание исходного ряда методом скользящей средней.
2. Расчет значений сезонной компоненты S .
3. Устранение сезонной компоненты из исходных уровней ряда и получение выровненных данных (T x E).
4. Аналитическое выравнивание уровней (T x E) с использованием полученного уравнения тренда.
5. Расчет полученных по модели значений (T x E).
6. Расчет абсолютных и/или относительных ошибок. Если полученные значения ошибок не содержат автокорреляции, ими можно заменить исходные уровни ряда и в дальнейшем использовать временной ряд ошибок E для анализа взаимосвязи исходного ряда и других временных рядов.

Пример . Построить аддитивную и мультипликативную модель временного ряда, характеризующую зависимость уровней ряда от времени.
Решение . Построение мультипликативной модели временного ряда .
Общий вид мультипликативной модели следующий:
Y = T x S x E
Эта модель предполагает, что каждый уровень временного ряда может быть представлен как сумма трендовой (T), сезонной (S) и случайной (E) компонент.
Рассчитаем компоненты мультипликативной модели временного ряда.
Шаг 1 . Проведем выравнивание исходных уровней ряда методом скользящей средней. Для этого:
1.1. Найдем скользящие средние (гр. 3 таблицы). Полученные таким образом выровненные значения уже не содержат сезонной компоненты.
1.2. Приведем эти значения в соответствие с фактическими моментами времени, для чего найдем средние значения из двух последовательных скользящих средних – центрированные скользящие средние (гр. 4 табл.).

Анализ мультипликативной модели (Часть1)

В предыдущей статье мы рассмотрели один из методов прогнозирования, используемый для временных рядов - анализ аддитивной модели. Нашей задачей было представить пример расчета трендовых значений объема продаж и дать прогноз на будущие периоды на основе изложенных формул, не углубляясь в обоснование коэффициентов. Тем более, широкие возможности программного продукта Microsoft Excel позволяют расчет тренда сделать быстро, используя встроенные статистические функции.

Очевидно, чтобы выполнить прогноз, применяя стандартные технологии, нужна информация. И вот эта проблема является достаточно серьезной. Как правило, на современных предприятиях статистические ряды не накоплены. Информационная база начинается где-то в 90-х годах, а многое в тот период было неопределенным. Государственные статистические данные стали не актуальными, и достоверность данных далеко не безоговорочна.

Но функции планирования и прогнозирования являются основными видами деятельности любой организации, а стабилизационные процессы, протекающие в нашей стране за последний период, все же позволяют надеяться, что определенный тренд развития существует, и в будущем не будет нарушен. Определенные выводы можно будет делать и без полных статистических данных на маленькой выборке. Главное, правильно сформулировать условия решения задачи и выбрать метод, который был бы адекватен статистической природе изучаемых временных рядов.

Так, например, прежде чем определять метод, которым следует строить прогноз, аналитик должен решить для себя: обладает ли ряд, который он изучает, свойством сезонности.

Сезонность является объективным свойством временных рядов. Сезонная вариация - это повторение данных через небольшой промежуток времени, т.е. если форма кривой, которая описывает продажи товара, повторяет свои характерные очертания и тенденции, то о таком ряде можно говорить, что он обладает сезонностью. В этом случае, период прогнозирования должен быть достаточно большой, чтобы можно было наблюдать сезонные всплески и колебания продаж.

В некоторых временных рядах значение сезонной вариации - это определенная доля трендового значения, т.е. сезонная вариация увеличивается с возрастанием значений тренда. В таких случаях используется мультипликативная модель.

Для мультипликативной модели фактическое значение рассчитывается по формуле:

Расчет фактического значения в мультипликативной модели

Т - трендовое значение

S - сезонная вариация

Е - ошибка прогноза

Анализ мультипликативной модели рассмотрим на примере. В таблице указан объем продаж за последние одиннадцать кварталов. На основании этих данных дадим прогноз объема продаж на следующие два квартала.

Опираясь на предложенный алгоритм, на первом этапе исключим влияние сезонной вариации. Воспользуемся методом скользящей средней, заполним следующие столбцы таблицы.

Метод скользящей средней

Простое скользящее среднее (Simple Moving Avarage) - это средний арифметический показатель (объем продаж, объем производства, цена) за определенный период времени.

Одним важным достоинством скользящих средних является их способность давать сигналы о развороте тренда, подтверждать рост, спад.

Общая формула для вычисления SMA за n-ый период такая:

Простое скользящее среднее за период N

где n - период усреднения,

Р(i) - усредняемый объем (i - 1) период тому назад (i-е измерение или отсчет),

P(1) - объем продаж за последний период,

P(n) - самый старый по оси времени объем рассматриваемого нами временного промежутка.

1 год = 4 квартала. Поэтому найдем среднее значение объема продаж за 4 последовательных квартала. Для этого нужно сложить 4 последовательных числа из второго столбца, разделить на 4 (количество слагаемых) и результат запишем в третий столбец напротив третьего слагаемого: (63 74 79 120)/4=84 ; (74 79 120 67)/4=85; и т.д.

Если скользящая средняя вычисляется для нечетного числа сезонов, то результат не центрируется, в нашем примере число сезонов - восемь, поэтому сумму двух чисел из третьего столбца, разделим на 2 и запишем в четвертый столбец напротив верхнего из них: (84 85)/2=2=84,5.

Оценка сезонной вариации для аддитивной модели рассчитывается как разность объема продаж и центрированной скользящее средней. Для мультипликативных моделей - это отношение. Числа второго столбца делим на числа четвертого и результат округляем до трех цифр и запишем в пятый столбец: 79/84,5=0,935.

Следующим этапом необходимо исключить сезонную вариацию из фактических данных - провести десезонализация данных. Но это уже в следующем выпуске.

Детерминированный факторный анализ – это методика исследования влияния факторов, связь которых с результативным показателем носит функциональный характер, т.е. когда результативный показатель представлен в виде произведения, частного или алгебраической суммы факторов.

При моделировании детерминированных факторных систем необходимо выполнять ряд требований:

1. Факторы, включаемые в модель, и сами модели должны иметь определенно выраженный характер, реально существовать, а не быть придуманными абстрактными величинами или явлениями.

2. Факторы, которые входят в систему, должны быть не только необходимыми элементами формулы, но и находиться в причинно-следственной связи с изучаемыми показателями.

3. Каждые показатели факторной модели должны быть количественно измеримыми, т.е. должны иметь единицу измерения и необходимую информационную обеспеченность.

4. Факторная модель должна обеспечивать возможность измерения влияния отдельных факторов, это означает, что в ней должна учитываться соразмерность измерений результативного и факторных показателей, а сумма влияния отдельных факторов должна равняться общему приросту результативного показателя.

Типы факторных моделей встречающихся в детерминированном анализе:

Аддитивные модели, используются в случаях, когда результативный показатель представляет собой алгебраическую сумму нескольких факторных показателей;

Мультипликативные модели, применяются, когда результативный показатель представляет собой произведение нескольких факторов;

Кратные модели, применяются, когда результативный показатель получают делением одного факторного показателя на величину другого;

Смешанные (комбинированные) модели – сочетание в различных комбинациях предыдущих моделей.

Основные приемы детерминированного факторного анализа и сфера их применения систематизированы в виде таблице 2.1.

Таблица 2.1 – Область применения основных приемов детерминированного факторного анализа

Методы элиминирования

Элиминировать– значит устранить, отклонить, исключить воздействие всех факторов на величину результативного показателя, кроме одного. Этот метод исходит из того, что все факторы изменяются независимо друг от друга: сначала изменяется один, а все другие остаются без изменения, потом изменяются два, затем три и т.д. Это позволяет определить влияние каждого фактора на величину исследуемого показателя в отдельности. К методам элиминирования относятся способ цепной подстановки, индексный метод, способ абсолютных и способ относительных разниц.

Способ цепной подстановки. Данный способ является универсальным, так как используется для расчета влияния факторов во всех типах детерминированных факторных моделей: аддитивных, мультипликативных, кратных и смешанных. Этот способ позволяет определить влияние отдельных факторов на изменение величины результативного показателя путем постепенной замены базисной величины каждого факторного показателя в объеме результативного показателя на фактическую в отчетном периоде. С этой целью определяют ряд условных величин результативного показателя, которые учитывают изменение одного, затем двух, трех и т.д. факторов, допуская, что остальные не меняются. Сравнение величины результативного показателя до и после изменения уровня того или иного фактора позволяет элиминироваться от влияния всех факторов, кроме одного, и определить взаимодействие последнего на прирост результативного показателя.

Рассмотрим алгоритм расчета способом цепной подстановки для различных моделей:

Мультипликативная модель

Двухфакторная мультипликативная модель (Y = a ´ b):

; ; .

.

Трехфакторная мультипликативная модель(Y = a ´ b ´ с):

; .

; ; ; .

Кратная модель

В кратных моделях (Y = a ÷ b) алгоритм расчета факторов на величину результативного показателя следующий:

; ;

.

Смешанные модели

Мультипликативно-аддитивного типа (Y = a ´ (b – c)):

; ;

; ;

; ;

; .

Кратно-аддитивного типа ():

;

; ;

; .

Используя способ цепной подстановки, рекомендуется придерживаться определенной последовательности расчетов: в первую очередь нужно учитывать изменение количественных, а затем качественных показателей. Если же имеется несколько количественных и несколько качественных показателей, то сначала следует изменить величину факторов первого уровня подчинения, а потом более низкого.

Индексный метод. Индексный метод основан на относительных показателях динамики, пространственных сравнений, выполнения плана, выражающих отношение фактического уровня анализируемого показателя в отчетном периоде к его уровню в базисном периоде.

С помощью агрегатных индексов можно выявить влияние различных факторов на изменение уровня результативных показателей в мультипликативных и кратных моделях.

Рассмотрим алгоритм расчета индексного метода для мультипликативной модели.

; ; ; .

Способ абсолютных разниц. Как и способ цепной подстановки, данный способ применяется для расчета влияния факторов на прирост результативного показателя в детерминированном анализе, но только в мультипликативных и мультипликативно-аддитивных моделях: и . Особенно эффективно применяется данный способ в том случае, если исходные данные уже содержат абсолютные отклонения по факторным показателям.

При его использовании величина влияния факторов рассчитывается умножением абсолютного прироста исследуемого фактора на базовую (плановую) величину факторов, которые находятся справа от него, и на фактическую величину факторов, расположенных слева от него в модели.

Мультипликативная модель

Алгоритм расчета для мультипликативной факторной модели типа . Имеются плановые и фактические значения по каждому факторному показателю, а также их абсолютные отклонения:

Изменение величины результативного показателя за счет каждого фактора:

; .

Смешанные модели

Алгоритм расчета факторов этим способом в смешанных моделях типа :

; ; .

Способ относительных разниц применяется для изменения влияния факторов на прирост результативного показателя только в мультипликативных моделях и мультипликативно-аддитивных моделях: . Он значительно проще цепных подстановок, что при определенных обстоятельствах делает его очень эффективным. Это касается тех случаев, когда исходные данные содержат уже определенные ранее относительные приросты факторных показателей в процентах или коэффициентах.

Мультипликативная модель

Алгоритм расчета влияния факторов на величину результативного показателя для мультипликативных моделей типа (Y = a ´ b ´ с).

Сначала рассчитываются относительные отклонения факторных показателей:

; ; .

Изменение результативного показателя за счет каждого фактора определяется следующим образом:

Рассмотрим алгоритм расчета факторов этим способом в моделях мультипликативно-аддитивного вида. Для примера возьмем факторную модель прибыли от реализации продукции  

Модель мультипликативная - жестко детерминированная факторная модель , в которую факторы входят в виде произведения.  

Строго говоря, все сезонные модели мультипликативны и имеют лишь один линейный элемент (роп), он и будет аддитивным.  

В данном случае для преобразования исходной факторной модели , построенной на математических зависимостях, использованы способы удлинения и расширения. В результате получилась более содержательная модель мультипликативно-аддитивно-кратного вида, которая имеет большую познавательную ценность, поскольку учитывает причинно-следственные связи между показателями. Данная модель позволяет исследовать, как влияют на доходность капитала объем продаж , отпускные цены , себестоимость реализованной продукции, внереализационные финансовые результаты , а также скорость обращения капитала.  

Итак, мы рассмотрели четыре способа выявления сезонной компоненты аддитивную модель , мультипликативную модель, метод экспоненциального сглаживания с тремя параметрами, гармонический анализ Фурье (рис. П-7). В нашем примере оказалось, что наименьшую ошибку дает мультипликативная модель, т. е. применение индексов сезонности.  

Поскольку модель мультипликативная, то применимы следующие способы ее обработки.  

Методика построения мультипликативных моделей эффективности производства.  

Вычислительная схема реализации расчетов по модели (2)- (9) на основе мультипликативного алгоритма симплекс. - метода показана на рисунке.  

Эти модели отражают процесс детализации исходной факторной системы мультипликативного вида и расширения ее за счет расчленения на сомножители комплексных факторов. Степень детализации и расширения модели зависит от цели исследования, атакже от возможностей детализации и формализации показателей в пределах установленных правил.  

Наиболее универсальным из них является способ цепной подстановки . Он используется для расчета влияния факторов во всех типах детерминированных факторных моделей аддитивных, мультипликативных, кратных и смешанных (комбинированных). Этот способ позволяет определить влияние отдельных факторов на изменение величины результативного показателя путем постепенной замены базисной величины каждого факторного показателя в объеме результативного показателя на фактическую в отчетном периоде . С этой целью определяют ряд условных величин результативного показателя, которые учитывают изменение одного, затем двух, трех и последующих факторов, допуская, что остальные не меняются. Сравнение величины результативного показателя до и после изменения уровня того или другого фактора позволяет элиминировать влияние всех факторов, кроме одного, и определить воздействие последнего на прирост результативного показателя. Порядок применения этого способа рассмотрим на примере, приведенном в табл. 4.1.  

Как нам уже известно, объем валовой продукции (ВП) зависит от двух основных факторов первого порядка численности рабочих (ЧР) и среднегодовой выработки (ГВ). Имеем двухфакторную мультипликативную модель  

Мультипликативные модели - модели умножения. Например, объем продукции может быть определен по выражению  

Корреляционная модель себестоимости добычи нефти и попутного газа по указанным факторам была рассчитана по мультипликативной функции Кобба - Дугласа (41). В результате решения этой модели было составлено сводное уравнение по нефтедобывающей промышленности Украинской ССР  

Основным недостатком логарифмического метода анализа является то, что он не может быть универсальным, его нельзя применять при анализе любого вида моделей факторных систем. Если при анализе мультипликативных моделей факторных систем при использовании логарифмического метода достигается получение точных величин влияния факторов (в. случае, когда Az = 0), то при таком же анализе кратных моделей факторных систем получение точных величин влияния факторов не удается.  

Формирование рабочих формул интегрального метода для мультипликативных моделей. Применение интегрального метода факторного анализа в детерминированном экономическом анализе наиболее полно решает проблему получения однозначно определяемых величин влияния факторов.  

Выше было установлено, что любую модель конечной факторной системы можно привести к двум видам - мультипликативной и кратной. Это условие предопределяет то, что исследователь имеет дело с двумя основными видами моделей факторных систем, так как остальные модели - это их разновидности.  

При формировании рабочих формул расчета влияния факторов в условиях применения ЭВМ пользуются следующими правилами, -отражающими механику работы с матрицами подынтегральные выражения элементов структуры факторной системы для мультипликативных моделей строятся путем произведения полного набора элементов значений, взятых по каждой строке матрицы , отнесенных к определенному элементу структуры факторной системы с последующей расшифровкой  

Элементы мультипликативной модели  

В случае отсутствия универсальных вычислительных средств предложим чаще всего встречающийся в экономическом анализе набор формул расчета элементов структуры для мультипликативных (табл. 5.4) и кратных (табл. 5.3) моделей факторных систем, которые были выведены в результате выполнения процесса интегрирования. Учитывая потребность наибольшего их упрощения, выполнена вычислительная процедура по сжатию формул, полученных после вычисления определенных интегралов (операции интегрирования).  

Набор частных свойств специфичен, как и формы их синтеза. В большинстве случаев отдельные свойства коррелируют, что обусловливает т.н. мультипликативный эффект взаимоусиления (чаще) или взаимовлияния на полезность (качество) изделия. Поэтому приближенный к истине при отсутствии теоретически обоснованной модели является способ выражения интегрального показателя качества функцией вида  

Алгоритм расчета для мультипликативной четырехфакторнон модели валовой продукции выглядит следующим образом  

Интегральный метол применяется для измерения влияния факторов в мультипликативных, кратных и кратно-а 1дитии ых моделях. Его использование позволяет получать более точные результаты расчета влияния факторов по сравнению со способами г пной подстановки, абсолютных и относительных разниц, поскольку дополнительный прирост результативного показателя от взаимодействия факторов присоединяется не к последнему фактору, а делится поровну между ними.  

Построенные многофакторные корреляционные модели по нефте-х добывающей промышленности Украины,

1. Факторная модель: Р = Z ´ N.

Тип модели: двухфакторная мультипликативная.

2. Способы факторного детерминированного анализа, применяемые для решения задач подобного типа:

Цепной подстановки;

Абсолютных разниц;

Простого прибавления неразложимого остатка;

Взвешенных конечных разниц;

Логарифмический;

Интегральный.

3. Аналитическая таблица для решения:

4. Расчет влияния факторов.

4.1. Применение способа цепной подстановки:

а) Р 1 = N 0 ´ Z 0 = 195 ´ 0,12 = 23,4 (т);

б) Р 2 = N 1 ´ Z 0 = 205 ´ 0,12 = 24,6 (т);

в) Р(N) = Р 2 – Р 1 = 24,6 – 23,4 = + 1,2 (т);

г) Р 3 = 205 ´ 0,11 = 22,55 (т);

д) Р(Z) = Р 3 – Р 2 = 22.55 – 24,6 = -2,05 (т);

е) Р = Р (N) + Р (Z) = 1,2 –2,05 = -0,85 (т).

4.2. Применение способа абсолютных разниц:

а) Р(N) = N ´ Z 0 = +10 ´ 0,12 = 1,2 (т);

б) Р( Z) = Z ´ N 1 = -0,01 ´ 205 = -2,05 (т);

в) Р = Р (N) + Р (Z) = 1,2 –2,05 = --0,85 (т).

4.3. Применение способа относительных разниц:

а) Р(Z) = (т);

б) Р(N) = (т);

в) Р (Z) + Р (N) = -1,94+1,09= --0,85 (т).

Совокупное влияние факторов рассчитанных способом цепной подстановки и абсолютных разниц:

4.4. Применение способа простого прибавления неразложимого остатка:

а) неразложимый остаток: N ´ Z = -0,01 ´ 10 = -0,1 (т);

б) Р 1 (N) = N ´ Z 0 + = 1,2 + (--0,1) = 1,15(т);

в) Р(Z) = Z ´ N 1 - = -2,05 - (-0,1) = -2 (т);

г) Р = Р (N) + Р (Z) =-0,85 (т).

4.5. Применение способа взвешенных конечных разностей:

а) Р(N) 1 = N ´ Z 0 = 1,2;

Р(N) 2 = N ´ Z 1 =+10 ´ 0,11 = 1,1 (т);

б) Р(Z) 1 = Z ´ N 0 = --0,01 ´ 195 = -1,95 (т);

Р(Z) 2 = Z ´ N 1 = - 0,01´ 205 =-2,05 (т);

Применение логарифмического способа

в) К N + К Z = -1,35+2,35 =1 ;

(-1,35)= +1,15;

(2,35)= -2;

Общее влияние +1,15 – 2 = - 0, 85.

Применение интегрального способа

а) (т)

б) (т)

Совокупное влияние факторов, рассчитанное способом взвешенных конечных разниц, простого прибавления неразложимого остатка, логарифмического и интегрального.

Применение указанных способов дает возможность получить уточненный результат расчетов.

5) Вывод: норма расхода сырья снизилась на 0,85 т при увеличении выпуска продукции, что потребовало дополнительного использования сырья в размере 1,15 т.

Снижение нормы расходы сырья способствовало экономии сырьевых ресурсов в размере 2,0 т. Влияние снижения нормы расходы превышает влияние увеличения производственной программы в 1,71 раза – удельный вес влияния нормы расхода превышает удельный вес влияния производственной программы в 1,73 раза ().

Более сильное влияние снижения нормы расхода по сравнению с увеличением используемого сырья в результате увеличения выпуска продукции явилось фактором экономии сырья в размере 0,85 т.

Примечание : Специфика данной ситуации в том, что знак «минус» влияния фактора – норма расхода не означает его отрицательного влияния на результирующий показатель, т.к. снижение расхода материальных ресурсов при увеличении производственной программы является показателем интенсивного развития производства.

ЗАДАЧИ

для самостоятельного решения

18. На основе приведенных данных:

Составить факторную модель зависимости расхода сырья от нормы расхода и производственной программы;

Сделать вывод.

19. Способом цепной подстановки и методом абсолютных разниц провести анализ расходов на инкассацию выручки.

21. Проанализировать всеми возможными способами влияния на товарооборот выработки и численности работников.

22. Проанализировать всеми возможными способами влияние на товарооборот площади торгового зала и нагрузки на 1 кв.м площади.

23 . Составить факторную модель зависимости товарооборота от среднего остатка оборотных средств и их оборачиваемости.

24. Составить факторную модель зависимости выпуска продукции от фондоотдачи и средней стоимости основных средств.

25. . Составить факторную модель зависимости рентабельности капитала от рентабельности продаж и коэффициента оборачиваемости капитала.

Определить влияние рентабельности продаж и коэффициента оборачиваемости капитала на рентабельность капитала всеми возможными способами.

26 . Составить и решить всеми возможными способами факторную модель зависимости фонда заработной платы от численности персонала и средней заработной платы одного работника.

27 . Определить влияние изменений в составе основных фондов и фондоотдачи активной части основных фондов на фондооотдачу основных фондов, используя следующую модель:

где - фондоотдача активной части основных фондов;

Доля активной части основных фондов в стоимости основных фондов.

РЕЗУЛЬТАТЫ РЕШЕНИЯ ЗАДАЧ