- •1.Теоретические основы анализа финансовой устойчивости
- •1.1Понятие финансовой устойчивости предприятия
- •1.2 Основные показатели финансовой устойчивости предприятия
- •1.3Существующие методы анализа финансовой устойчивости предприятия
- •2.1Краткая характеристика предприятия оао «Казанский завод медтехника»
- •2.2Анализ деятельности предприятия
- •3.1 Использование эконометрических методов для анализа показателей финансовой устойчивости предприятия
- •3.2 Применение logitмодели прогнозирования банкротства на предприятии
3.1 Использование эконометрических методов для анализа показателей финансовой устойчивости предприятия
Становление и развитие эконометрического метода происходила на основе математической статистики, на основе законов теории вероятностей; на методах парной и множественной регрессии, полной, частной и множественной корреляции, на математическом анализе временных рядов; на статистическом оценивании достоверности полученных характеристик.
Последняя позиция особенно важна в эконометрическом методе. Что такое «закон»? – это общее в явлении. Охватить же наблюдением все экономические явления на практике невозможно, поэтому исследователь чаще всего имеет дело с выборочными совокупностями. Из курса математической статистики известно, что любой выборке свойственна случайная ошибка. Отсюда возникает необходимость проверки достоверности полученных характеристик.
Любое эконометрическое исследование всегда предполагает объединение теории (экономической модели) и практики (статистических данных). Эконометрика использует теоретические модели для описания и объяснения наблюдаемых процессов и собирает статистические данные с целью эмпирического построения и обоснования моделей.
Существует несколько основных эконометрических методов:
1.Сводка и группировка информации. Статистическая сводка – это научно организованная обработка материалов наблюдения, включающая в себя систематизацию, группировку данных, составление таблиц, подсчет итогов, расчет производных показателей (средних, относительных величин). Статистическая группировка – это процесс образования однородных групп на основе расчленения статистической совокупности на части или объединения изучаемых единиц в частные совокупности по существенным для них признакам.
2. Вариационный и дисперсионный анализ. Дисперсия признака – это средний квадрат отклонений вариантов от их средней величины. В эконометрических расчетах, как правило, используют общую, межгрупповую и внутригрупповую дисперсии. При этом общая дисперсия характеризует вариацию признака в статистической совокупности в результате влияния всех факторов. Межгрупповая дисперсия показывает размер отклонения групповых средних от общей средней, то есть характеризует влияние фактора, положенного в основание группировки. Внутригрупповая (остаточная) дисперсия характеризует вариацию признака в середине каждой группы статистической группировки. В эконометрических расчетах используется среднее квадратическое отклонение – обобщающая характеристика размеров вариации признака в совокупности. Оно равно корню квадратному из дисперсии. Для осуществления сравнений колеблемости одного и того же признака в нескольких совокупностях используется относительный показатель вариации — коэффициент вариации.
3. Регрессионный и корреляционный анализ. Применение метода наименьших квадратов (МНК) позволяет получить достаточно точные теоретические значения модели однофакторной регрессии и соответственно ее графическое изображение (термин "регрессия" - движение назад, возвращение в прежнее состояние, - был введен ФрэнсисомГалтоном в конце XIX века при анализе зависимости между ростом родителей и ростом детей; в любом случае средний рост детей и у низких, и у высоких родителей стремится (возвращается) к среднему росту людей в данном регионе).
5. Статистические уравнения зависимости.
6. Статистические индексы. Статистические индексы могут быть использованы в качестве меры изменения количества независимо от изменения качественного признака (цены, себестоимости, производительности труда и т.п.), а также для характеристики качественного признака независимо от изменения количества (объема продукции в натуральном выражении, численности работников и т.п.).
Экономическая теория формирует качественные гипотезы. Эконометрика имеет дело с конкретными экономическими данными и занимается количественным описанием конкретных взаимосвязей, то есть заменяет коэффициенты, представленные в общем виде, конкретными численными значениями.
Однако, экономические данные часто содержат ошибки измерения. В эконометрике разрабатываются специальные методы анализа, позволяющие, если не устранить, то, по крайней мере, снизить влияние этих ошибок на полученные результаты. Эконометрическая модель - формализованное описание количественных взаимосвязей между переменными. Это главный инструмент эконометрики.
Моделирование - циклический процесс. Это означает, что за первым четырехэтапным циклом может последовать второй, третий и т.д. При этом знания об исследуемом объекте расширяются и уточняются, а исходная модель постепенно совершенствуется. Недостатки, обнаруженные после первого цикла моделирования, обусловленные малым знанием объекта и ошибками в построении модели, можно исправить в последующих циклах. В методологии моделирования заложены большие возможности саморазвития.
Эконометрическая модель имеет следующий вид:
Y=f(X) + е
где Y - наблюдаемое значение переменной (объясняемая переменная);
f(X) - объясненная часть, зависящая от значений объясняющих переменных;
X={x1,x2,…,xn}
е - случайная составляющая (возмущения).
Можно выделить три класса эконометрических моделей:
- модель временных данных;
- регрессионная модель с одним уравнением;
- система одновременных уравнений.
В модели временных данных результатный признак является функцией
переменной времени или переменных, относящихся к другим моментам времени.
Модели временных данных, представляющих собой зависимость результативного признака от времени:
- модели тренда;
- модели сезонности;
- модели тренда и сезонности.
Модели временных данных, представляющих собой зависимость результативного признака от переменных, датированных другими моментами времени:
- модели с распределенным лагом (объясняют поведение результативного признака в зависимости от предыдущих факторных переменных Х);
- модели авторегрессии (объясняют поведение результативного признака в зависимости от предыдущих значений результативных переменных;
- модели ожиданий(объясняют поведение результативного признака взависимости от будущих значений факторных переменных). В регрессионных моделях с одним уравнением результативный признак представляется в виде функции факторных переменных.
Системы регрессионных уравнений описываются системами взаимосвязанных регрессионных уравнений. Система объясняет, а также прогнозирует сколько результативных признаков, сколько поведенческих уравнений входит в систему.