Сущностью метода является выявление и устранение физических противоречий, присущих исходной системе.
Физическими противоречия - это взаимоисключающие требования, предъявляемые к элементу системы, состоящие в том, что один из характеризующих его параметров должен иметь два различных значения. При этом параметр элемента называется узловым параметром, а характеризуемый им элемент – узловым элементом.
Очевидно, что для одновременного улучшения каких-либо двух противоречивых показателей системы необходимо заменить соответствующий им узловой элемент объектом, удовлетворяющим требованиям, зафиксированном в физическом противоречии.
В общем случае базу параметрического метода образуют системы, выполняющие ту или иную функцию и удовлетворяющие требованиям какого-либо физического противоречия.
Применение метода возможно в двух вариантах: эвристический (с «ручным» алгоритмом поисковых задач) и направленный (с применением «машинных» алгоритмов).
Все элементы базы эвристического варианта параметрического метода описываются только по одному признаку – «удовлетворять требованиям физического противоречия». А признак «выполнять функцию …» определяется пользователем в результате анализа производных систем на предмет однофункциональности с исходной системой.
В основу формирования базы данных положен принцип выбора из множества объектов с парными свойствами, т. е. объектов, удовлетворяющих требованиям соответствующего физического противоречия.
В описании объекта с парными свойствами указывают как сами эти свойства, так и условия их реализации.
14 приемов устранения эвристических противоречий. Чем меньше номер приема, тем выше вероятность с его помощью устранить физические противоречия.
Прием 1. Заменить узловой элемент системой, состоящей из двух элементов, каждый из которых характеризуется одним из значений параметра, указанного в формуле физического противоречия (ФФП).
Прием 2. заменить узловой элемент объектом, различные части которого имеют различные значения параметра, указанного в ФФП.
Прием 3. Заменить узловой элемент системой, состоящей из множества одинаковых элементов, каждый из которых характеризуется одним значением параметра, указанного в ФФП, а система в целом - другим значением.
Прием 4 Заменить узловой элемент объектом, который характеризуется двумя параметрами, аналогичными узловому параметру, каждый из которых имеет одно из значений, указанных в ФФП.
Прием 5. Изменить условия в которых находится узловой элемент, таким образом, чтобы его различные части имели различные значения параметра, указанного в ФФП.
Прием 6. Изменить условия, в которых находится узловой элемент, т.о., чтобы на различных стадиях жизненного цикла исходной системы он характеризовался различными значениями параметра, указанного в ФФП.
Прием 7. Заменить узловой элемент объектом, который на различных стадиях жизненного цикла исходной системы характеризуется различными значениями параметра, указанного в ФФП.
Прием 8. Заменить узловой элемент объектом, который претерпевает превращение в другой объект, при этом каждый из них характеризуется одним из значений, указанных в ФФП.
Прием 9. Включить узловой элемент в состав системы, которая характеризуется одним значением параметра, указанного в ФФП, а узловой элемент – другим значением.
Прием 10. Заменить узловой элемент объектом, который характеризуется параметром, аналогичным узловому параметру, с таким значением, что его по отношению к различным внешним объектам можно было бы считать «различным».
Прием 11. Изменить условия, в которых находится узловой элемент, т.о., чтобы он превратился в другой объект, причем перед превращением он характеризовался бы одним значением параметра, указанным в ФФП, а после превращения - другим значением.
Прием 12. Изменить условия, в которых находится узловой элемент, т.о., чтобы одна из его частей претерпевала превращения в другой объект, который характеризовался бы одним значением параметра, указанным в ФФП, а оставшаяся часть узлового элемента – другим элементом.
Прием 13. Изменить условия, в которых находится узловой элемент, т.о., чтобы он характеризовался двумя различными параметрами, аналогичными узловому параметру, каждый из которых имел бы одно из значений, указанных в ФФП.
Прием 14. Рассмотреть узловой элемент как систему, которая характеризуется одним значением параметра, указанного в ФФП, а одним из ее элементов – другим значением.
Выбор приемов осуществляется в соответствии с правилами:
Если указанные в ФФП показатели характеризуют исходную систему на различных стадиях и фазах жизненного цикла, то лучшие результаты дает применение приемов устранения физического противоречия «во времени» – приемы 6, 7, 8, 11.
Если указанные в ФФП показатели одновременно присущи исходной системе, то лучшие результаты дает применение приемов устранения физического противоречия «в пространстве» - приемы 1, 2, 5, 12.
Если по условиям поисковой задачи замена элементов недопустима, то лучшие результаты дает применение приемов «изменения условий» - приемы 5, 6, 9, 11, 12, 13.
Если требования к элементу сформулированы с т.з. различных внешних объектов или исходя из различных систем отсчета, то – 10, 4.
Если требуется получить наиболее простое решение поисковой задачи, то – 3, 4, 10.
Методы классификации, декомпозиции, стратификации и типологии
Классификация – это разделение явлений, а следовательно и понятий, характеризующих их, на определенные классы, позволяющие увидеть специфику явлений, их разнообразие, свойства, связи и зависимости, общее и специфическое и посредством этого вникнуть в сущность.
Принципы:
- Принцип единства критерия для выделения групп одного порядка.
- Принцип соразмерности деления явлений и понятий.
- Принцип альтернативности и взаимоисключения выделяемых групп. Не должны выделенные явления относится и к одной, и к другой классификационной группе.
- Принцип многоступенчатости классификации, отражающий возможность делать последовательно ступенчатую классификацию
- Принцип полноты классификации для каждой ее ступени. Нельзя делить только часть объекта на виды, а другую на подвиды.
Декомпозиция – это особый вид классификации, не допускающий произвольного критерия. Декомпозиция предназначена для установления связанных между собой содержательных элементов некоторой объективной целостности.
Стратификация – это определение слоев (страт) в многослойном явлении, т. е. зависимостей особого вида. В исследовании управления такими стратами могут быть внешняя и внутренняя среда фирмы, технические средства и человеческие ресурсы, и тактика управления и т. д.
Обобщение – это логическая операция, заключающаяся в том, что для некоторой группы явлений находится новое, более широкое по объему понятие, отражающее общность свойств этих явлений на уровне нового знания о них.
Практический успех классификации определяется следующими правилами:
- Правило соразмерности
- Правило раздельности членов деления
На протяжении определенной классификационной операции нельзя изменять основание деления, его критерий
Комбинаторная классификация. При проведении классификации нередко встречаются ситуации, когда объекты классификации могут иметь несколько равносущественных признаков, которые могут быть основанием классификации. В этом случае можно совместить две иерархические классификации посредством построения матрицы.
Типология – это группировка объектов на основе их подобия некоторому образцу, который именуется типом, эталоном, или идеальным образом. Здесь каждое явление приближается к одному из эталонов.
Отличие типологии от классификации в том, что типология допускает существование таких явлений, которые не соответствуют ни одному из выделенных типов. Типология превосходит классифкацию своей универсальностью. Она является первоначальнй операцией любых систематизаций.
Рассмотренная выше общая стратегия оценки статистических гипотез в первую очередь определяет применение так называемых параметрических методов математической статистики.
Параметрические методы основаны на некоторых, как правило, вполне вероятных предположениях о характере распределения случайной величины. Обычно параметрические методы, используемые в анализе экспериментальных данных, основаны на предположении нормальности распределения этих данных. Следствием такого предположения является необходимость оценки исследуемых параметров распределения. Так, в случае рассматриваемого далее t -теста Стьюдента такими оцениваемыми параметрами являются математическое ожидание и дисперсия. В ряде случаев делаются дополнительные предположения по поводу того, как параметры, характеризующие распределение случайной величины в разных выборках, соотносятся между собой. Так, в тесте Стьюдента, который часто используют для сравнения средних значений (математического ожидания) двух рядов данных на предмет их однородности или неоднородности, дополнительно делается предположение об однородности дисперсий распределения случайных величин в двух генеральных совокупностях, из которых эти данные были извлечены.
Достоинством методов параметрического анализа данных является тот факт, что они обладают достаточно высокой мощностью. Под мощностью теста имеют в виду его способность избегать ошибки второго рода, или β-ошибки. Чем меньше оказывается β-ошибка, тем выше мощность теста. Иными словами, мощность теста = 1 – β.
Высокая мощность параметрических тестов, или критериев, обусловлена тем, что данные методы требуют, чтобы имеющиеся данные были описаны в метрической шкале . Как известно, к метрическим шкалам относят интервальную шкалу и шкалу отношений, которую иногда еще называют абсолютной шкалой. Интервальная шкала позволяет исследователю выяснить не только отношения равенства или неравенства элементов выборки (как это позволяет сделать шкала наименований ) и не только отношения порядка (как это позволяет сделать шкала порядка ), но также и оценивать эквивалентность интервалов. Абсолютная шкала вдобавок к этому позволяет оценивать эквивалентность отношений между элементами множества, полученными в ходе измерения. Именно поэтому метрические шкалы относят к сильным измерительным шкалам. Благодаря этой силе параметрические методы позволяют более точно выразить различия в распределении случайной величины при условии истинности пулевых или альтернативных гипотез.
Следует также отметить, что в целом параметрические методы статистики более разработаны в теории математической статистики и поэтому применяются значительно шире. Практически любой экспериментальный результат может быть оценен с помощью какого-либо из этих методов. Именно такие методы и рассматриваются преимущественно в учебниках и руководствах по статистическому анализу данных.
В то же время трудности, связанные с использованием методов параметрического анализа в статистике, состоят в том, что в ряде случаев априорные предположения о характере распределения исследуемых случайных величин могут оказаться неверными. И эти случаи весьма характерны именно для психологических исследований в тех или иных ситуациях.
Так, если сравнивать две выборки с помощью t -теста Стьюдента, можно обнаружить, что распределение наших данных отличается от нормального, а дисперсии в двух выборках значительно разнятся. В этом случае использование параметрического теста Стьюдента может до некоторой степени исказить выводы, которые хочет сделать исследователь. Такая опасность увеличивается, если значения вычисленной статистики оказываются близкими к граничным значениям квантилей, которые используются для принятия или отвержения гипотез. В большинстве случаев, однако, как, например, в случае использования t -теста, некоторые отклонения от теоретически заданных предположений оказываются некритичными для надежного статистического вывода. В других случаях такие отклонения могут создавать серьезную угрозу такому выводу. Тогда исследователи могут разрабатывать специальные процедуры, которые могут скорректировать процедуру принятия решения по поводу истинности статистических гипотез. Назначение этих процедур состоит в том, чтобы обойти или смягчить слишком жесткие требования параметрических моделей используемой статистики.
Один из вариантов таких действий исследователя, когда он обнаруживает, что полученные им данные по своим параметрам отличаются от того, что задано в структурной модели используемого параметрического теста, может состоять в том, чтобы попытаться преобразовать эти данные к нужному виду. Например, как отмечалось в гл. 1, измеряя время реакции, можно избежать высокого значения асимметрии его распределения, если использовать для анализа логарифмы получаемых значений, а не сами значения времени реакции.
Другой вариант действий состоит в отказе от использования каких-либо априорно заданных предположений о характере распределения случайной величины в генеральной совокупности. А это означает отказ от параметрических методов математической статистики в пользу непараметрических.
Непараметрическими называют методы математической статистики, при которых не выдвигаются какие-либо априорные предположения о характере распределения исследуемых данных и не предполагается каких-либо допущений о соотношении параметров распределения анализируемых величин. В этом заключается главное достоинство этих методов.
В полной мере преимущество непараметрической статистики раскрывается тогда, когда результаты, полученные в эксперименте, оказываются представленными в более слабой неметрической шкале , представляя собой результаты ранжирования. Такая шкала называется шкалой порядка. Конечно, в ряде случаев исследователь может преобразовать эти данные к более сильной интервальной шкале, используя процедуры нормализации данных, но, как правило, оптимальным вариантом в этой ситуации является применение именно непараметрических тестов, специально созданных для статистического анализа.
Как правило, тесты непараметрической статистики предполагают оценивание имеющихся соотношений ранговых сумм в двух или более выборках, и на основании этого формулируется вывод о соотношении этих выборок. Примерами таких тестов являются критерий знаков, критерий знаковых рангов Уилкоксона, а также U-критерий Манна – Уитни, которые используются в качестве аналога параметрического t -теста Стьюдента.
В то же время, если результаты измерения оказываются представленными в более сильной шкале, использование непараметрической статистики означает отказ от части информации, содержащейся в данных. Следствием этого является опасность возрастания ошибки второго рода, свойственной этим методам.
Таким образом, методы непараметрической статистики оказываются более консервативными по сравнению с методами параметрической статистики. Их использование грозит в большей мере ошибкой второго рода, т.е. ситуацией, когда исследователь, например, не может обнаружить отличия двух выборок, когда такие отличия на самом деле имеют место. Иными словами, такие методы оказываются менее мощными по сравнению с параметрическими методами. Поэтому использование параметрической статистики в анализе экспериментальных данных, отличающихся от простого ранжирования, как правило, является предпочтительным.
Параметрические методы ценообразования
Затратные методы ценообразования ориентируют цены в первую очередь на производителя, так как в основу цен закладываются издержки производства (себестоимость). Однако цена должна отражать интересы не только производителя, но и потребителя. Полезность вещи - это такое же объективно присущее цене условие, как и затраты. Каждый товар обладает набором потребительских параметров, которые в определенной мере отражают его полезность. Цены, сформированные с учетом потребительских параметров, ориентируют потребителей на приобретение товаров с нужными потребительскими свойствами и тем самым учитывают интересы потребителей. Параметры изделия для потребителя служат наряду с затратами на его приобретение важнейшими показателями, с помощью которых определяется эффект применения данного товара, в зависимости от которого потребитель в конечном счете решает проблему выбора конкретного товара. Поэтому параметрические методы можно охарактеризовать как определение расчетной цены на основе симбиоза затрат и оценки полезности продукции с позиций потребителя. При этом в цене учитываются наиболее существенные параметры изделия, на которые ориентируется потребитель.
Для определенной группы изделий характерен один существенный параметр, который и определяет главное свойство товара с позиций потребителя. По другим изделиям потребитель ориентируется на несколько параметров, которые в совокупности удовлетворяют его интересы. В этом случае полезность товара определяется совокупностью его свойств. При этом потребитель может ранжировать эти параметры с позиций значимости их в общей оценке полезности.
На практике используется система параметрических методов ценообразования, включающая метод удельной цены, корреляционный метод, балловый метод и агрегатный метод.
Обоснование цен с помощью параметрических методов основано на двух важных положениях. Во-первых, предполагается, что конструктивно-технические и другие потребительские параметры достаточно полно отражают потребительские свойства изделия. Во-вторых, параметрические данные и затраты на производство товаров в пределах одного параметрического ряда взаимосвязаны между собой с достаточно высоким коэффициентом корреляции. Эта связь, по существу, и определяет основные сферы применения параметрических методов ценообразования на аналогичную и взаимозаменяемую продукцию:
обоснование цен на новые изделия, входящие в конкретный параметрический ряд;
обоснование соотношений цен на изделия в пределах параметрического ряда.
Применение параметрических методов осуществляется на основе специально разработанных формул, которые, в конечном счете, характеризуют связь цен с параметрами изделия. Однако возможны и промежуточные расчеты, характеризующие связь потребительских параметров с отдельными конкретными или с совокупными затратами (себестоимостью). Причем цены и затраты выступают в качестве неизвестных величин функции от конкретных потребительских параметров.
В качестве базовых цен при параметрическом ценообразовании, как правило, выступают действующие цены на аналогичную или взаимозаменяемую продукцию, входящую в конкретный параметрический ряд.
В случае, когда в качестве базовой, функциональной величины используются затраты, они могут быть фактическими, нормативными, стандартными и даже рассчитанными на основе анализа гипотетического предприятия.
Каждый метод параметрического ценообразования имеет свои особенности. На конкретных примерах рассмотрим условия применения конкретных методов параметрического ценообразования.
Метод удельной цены
Данный метод применяется для обоснования цен, а также себестоимости и отдельных элементов затрат. Объектом применения метода удельной цены являются изделия, характеризующиеся наличием одного основного параметра и входящие в относительно небольшой параметрический ряд однотипных товаров. Основной параметр, как правило, отражает потребительские свойства продукции, ее качество; определяет уровень цены, себестоимости или отдельных элементов затрат. К таким параметрам могут быть отнесены следующие: производительность, мощность, содержание полезных компонентов, емкость и др. Данный метод эффективен в основном для:
обоснования цен на новую продукцию, входящую в параметрический ряд;
расчета лимитных (предельных) цен производителя;
обоснования цен потребителями (покупателями) продукции;
обоснования цен на стадии ее технического проектирования;
анализа действующих цен на изделия параметрического ряда.
Удельная цена представляет собой цену, приходящуюся на единицу основного параметра изделия. В формализованном виде удельные цены рассчитываются по следующей формуле:
Цу = Цб \ Тб
где Цу - цена единицы основного параметра базового изделия, входящего в параметрический ряд,
Цб - уровень цены выбранного базового аналогичного изделия, входящего в параметрический ряд,
Тб - количественное значение основного параметра базового изделия.
Зная величину удельной цены можно обосновать уровень цены нового изделия по формуле
Цн = Цу ∙ Тн,
где Цн - цена нового изделия,
Тн - количественное значение основного параметра нового изделия.
Расчет цены с использованием метода удельной цены осуществляется в несколько этапов.
Первый этап - это выбор и обоснование основного показателя изделия, характеризующего его потребительские свойства и определяющего цену изделия. Иногда возможно формировать совокупный (комплексный) показатель из нескольких конкретных показателей. К примеру, при обосновании цены на алкогольные напитки можно использовать показатель «грамм-градус». Такой способ применяется, если в параметрический ряд входят товары, отличающиеся «крепостью» и объемом расфасовки.
Второй этап - выбор стоимостного показателя, по которому и будет определяться удельное значение. Как правило, в качестве стоимостного показателя выступает цена. Однако при необходимости можно рассчитывать и удельную себестоимость, и удельные затраты на конкретные элементы расходов.
Третий этап - выбор наиболее близкого по параметрическому ряду базового изделия. Иногда для определения удельной цены используются данные по нескольким базовым товарам.
Четвертый этап - расчет удельной цены (или иного стоимостного показателя) по базовому изделию (или нескольким базовым изделиям).
Пятый этап - на основе полученной удельной цены и основного количественного значения показателя нового изделия определяется расчетная оптовая цена изготовителя.
Пример расчета цены с использованием метода удельной цены одного параметра. Предприятие намерено производить новый бензиновый двигатель мотоблока «МК-Н». В качестве основного параметра, характеризующего потребительские свойства мотоблоков и от величины которого зависит цена изделия, принята мощность двигателя мотоблоков. Мощность двигателя новой модели мотоблока «МК-Н» составляет 7,5 КВт.
В качестве базовой модели уже выпускаемого мотоблока, входящего в параметрический ряд, принята модель «МК» с мощностью двигателя 6,0 КВт. Действующая оптовая цена изготовителя базовой модели - 15000 руб. Техническая сравнимость нового и базового изделий достаточно высока. На основе приведенной выше формулы рассчитаем удельную оптовую цену базовой модели мотоблока «МК». Она составит 2500 руб./КВт мощности.
В этом случае расчетная оптовая цена изготовителя нового мотоблока марки «МК-Н» составит 18750 руб. (2500 ∙ 7,5).
Следует отметить, что цены, обоснованные с помощью метода удельных цен, основываются на том, что цена полезного эффекта нового изделия не изменяется по сравнению с ценой эффекта базового изделия. Однако научно-технический прогресс, результатом которого является создание новых продуктов, предполагает снижение цены на единицу полезного эффекта. Такое же требование предъявляют к новым товарам и потребители, которые считают, что темпы роста цен на новые товары должны отставать от темпов роста качества. В связи с этим одним из условий успешного применения метода удельных цен является относительное удешевление цены единицы параметра нового изделия по сравнению базовым. Практика ценообразования должна исходить из условия, при котором. Для того, чтобы соблюдалось это условие, при расчете цены на новое изделие применяется специальный коэффициент торможения, величина которого зависит от группы товаров и находится, как правило, в пределах от 0,9 до 0,97. Формула расчета цены нового товара с учетом коэффициента торможения выглядит следующим образом
Цн = Цб ∙ Тн ∙ К т,
где К т - коэффициент торможения.
В нашем примере расчетная оптовая цена изготовителя нового мотоблока марки «МК-Н» с учетом коэффициента торможения, принятого в размере 0,95, составит 17812,5 руб. (18750 руб. ∙ 0,95).
Пример расчета цены с использованием метода удельной цены совокупного показателя. В качестве основного показателя принимается совокупный (комплексный) показатель, характеризующий потребительские свойства изделия и его цену.
Так, в современной практике ценообразования на грузовые автомобили применяется удельная цена на единицу комплексного показателя (Кк), который является производным от таких конкретных показателей как мощность двигателя в лошадиных силах (Мд), грузоподъемность автомобиля в тоннах (Гп), вес автомобиля в тоннах (Ва). Комплексный показатель рассчитывается по формуле:
Кк = Мд * Гп / Ва
Данный комплексный показатель при прочих равных условиях в достаточно полной мере характеризует потребительские свойства автомобилей и их техническую и стоимостную эквивалентность.
Фирмы часто испытывают необходимость в проектировании и освоении производства такой продукции, которая не заменяет ранее освоенную, а дополняет или расширяет уже существующий параметрический ряд изделий. Под параметрическим рядом понимается совокупность конструктивно и технологически однородных изделий, предназначенных для выполнения одних и тех же функций и отличающихся друг от друга значениями технико-экономических параметров в соответствии с выполняемыми производственными операциями.
Нормативно-параметрические методы – это методы установления цен на новую продукцию в зависимости от уровня ее потребительских свойств с учетом нормативов затрат на единицу параметра. К данной группе методов ценообразования можно отнести:
1) метод удельных показателей;
2) метод регрессионного анализа;
3) агрегатный метод;
4) балловый метод.
Метод удельных показателей используется для определения и анализа цен небольших групп продукции, характеризующихся наличием одного основного параметра, величина которого в значительной степени определяет общий уровень цены изделия. При данном методе первоначально рассчитывается удельная цена P ’ по формуле:
P ’ = P b / N b ,
где P b - цена базисного изделия;
N b - величина параметра базисного изделия.
Затем рассчитывается цена нового изделия P по формуле:
P = P ’ x N,
где N - значение основного параметра нового изделия в соответствующих единицах измерения.
Этот метод можно применять для обоснования уровня и соотношения цен небольших параметрических групп продукции, имеющих несложную конструкцию и характеризующихся одним параметром. Он крайне несовершенен, поскольку игнорирует все другие потребительские свойства изделия, не учитывает альтернативные способы использования продукции, а также полностью игнорирует спрос и предложение.
Агрегатный метод заключается в суммировании цен отдельных конструктивных частей изделий, входящих в параметрический ряд, с добавлением стоимости оригинальных узлов, затрат на сборку и нормативной прибыли.
Метод регрессионного анализа применяется для определения зависимости изменения цены от изменения технико-экономических параметров продукции, относящейся к данному ряду, построения и выравнивания ценностных соотношений и определяется по формуле:
P = f (Х 1, Х 2 , … Х n),
где Х 1, 2 ,… n - параметры изделия.
Этот метод позволяет моделировать изменение цен в зависимости от их параметров, строго определять аналитическую форму связи и использовать рассчитанные уравнения регрессии для определения цен изделий, входящих в параметрический ряд. Метод регрессионного анализа является более точным, более совершенным среди других параметрических методов. Увязка цен с качеством достигается с помощью экономико-параметрических приемов и вычислительной техники.
где P ’ - цена одного балла;
P b
M - балловая оценка i
V i - весомость параметра.
P = S(M ni x V i) x P ’ ,
где M ni - балловая оценка i -го параметра нового изделия.
13. Метод удельных показателей
Метод удельных показателей используется для определения и анализа цен небольших групп продукции, характеризующейся наличием одного основного параметра, величина которого в значительной мере определяет общий уровень цены изделия. При данном методе первоначально рассчитывается удельная цена Ц УД:
Ц уд = Ц б / П б,
где Ц б – цена базисного изделия,
П б – величина параметра базисного изделия.
Затем рассчитывается цена нового изделия Ц Н:
Ц Н = Ц УД ´ П Н,
где П Н – значение основного параметра нового изделия в соответствующих единицах измерения.
Например, фирме необходимо определить цену электродвигателя мощностью 20 кВт. В качестве конкурентного принимается электродвигатель мощностью 10 кВт по цене 210 000 руб., все прочие технико-экономические показатели обоих электродвигателей одинаковы. Тогда в соответствии с методом удельных показателей цена электродвигателя мощностью 10 кВт составит (210 000 /10) х 20 = 420 000 руб.
Этот метод можно применять для обоснования уровня и соотношений цен небольших параметрических групп продукции, имеющих несложную конструкцию и характеризующихся одним параметром. Он крайне несовершенен, поскольку игнорирует все другие потребительские свойства изделия, не учитывает альтернативные способы использования продукции, а также полностью игнорирует спрос и предложение.
14. Метод структурной аналогии
Суть данного метода заключается в том, что при установлении цены нового товара определяют структурную формулу цены по его аналогу. Для этого используют фактические или статистические данные о доле основных элементов в цене или себестоимости аналогичного товара. Если возможно точно определить для нового товара один из элементов цены, например материальные затраты по рабочим чертежам, нормы расхода и т.п., то, перенося структуру аналога на новый товар, можно рассчитать ориентировочную цену.
Например, производство нового подшипника для трактора потребует затрат на материалы в размере 600 руб. Поскольку на предприятии выпускается однотипная продукция, структура цен которой практически одинакова (60% - материальные затраты, 30% - заработная плата, 10% - остальные расходы), то возможная цена подшипника составит 1000 руб. (600 руб. : 60% х 100). В тех случаях, когда в цене важно учесть качественные параметры продукции, используют параметрические методы расчета цен. Частное от деления цены на значение главного показателя качества изделия характеризует удельную цену.
В отечественной практике затратные методы применяются при установлении цен:
· на принципиально новую продукцию, когда ее невозможно сопоставить с выпускаемой продукцией и недостаточно известна величина спроса;
· продукцию, производимую по разовым заказам с индивидуальными особенностями производства (строительные, проектные работы, опытные образцы);
· товары и услуги, спрос на которые ограничен платежеспособностью населения (ремонтные услуги, продукты первой необходимости).
Затратные методы достаточно популярны не только в отечественной практике ценообразования, но и в зарубежной. Во-первых, производители всегда лучше осведомлены о своих затратах, чем о потребительском спросе. Поэтому затратные методы считаются достаточно простыми. Во-вторых, они являются наиболее справедливыми по отношению и к продавцам, и к покупателям. При достаточно высоком спросе продавцы не наживаются за счет покупателей и вместе с тем получают необходимую прибыль для нормальной деятельности. Наряду с достоинствами затратные методы имеют и недостатки, связанные с невозможностью учета при установлении цены спроса, потребительских свойств товаров.
15. Агрегатный метод
Агрегатный метод (метод стола заказов) состоит в том, что цена (Ц) определяется как сумма цен на отдельные конструктивные элементы товара (Цм): Ц=∑Цэi
Метод применяется по товарам, состоящим из сочетаний отдельных изделий (мебельные гарнитуры, сервизы и т.п.),каждый из которых может функционировать самостоятельно, а также состоящим из отдельных элементов, узлов, деталей (станки) на которые уже известна цена.
Агрегатный метод ценообразования прост для производителя. Но он так же ориентирован на затраты. При ошибке в определении цен на сменяемые элементы возникает ошибка в цене всего изделия. Метод применим там, где хорошо известны, определяемы цены на сменяемые элементы.
16. Балловый метод
Балловый метод состоит в том, что на основе экспертных оценок значимости параметров изделий для потребителей каждому параметру присваивается определенное количество баллов, суммирование которых дает своего рода оценку технико-экономического уровня изделия. Он незаменим в тех случаях, когда цена зависит от многих параметров качества, в том числе от таких, которые не поддаются количественному соизмерению. К последним относятся удобство изделия, эстетичность, дизайн, экологичность, противопожарность, органолептические свойства (запах, вкус, цвет), модность.
где P ’ - цена одного балла;
P b - цена базового изделия-эталона;
M - балловая оценка i -го параметра базового изделия;
V i - весомость параметра.
P = S(M ni x V i) x P ’ ,
где M ni - балловая оценка i -го параметра нового изделия.
17. Методы ценообразования, ориентированные на конкурентов
Похожая информация.
Из всех видов распределения в медико-биологических исследованиях наиболее часто
Какая зависимость между степенью разнообразия вариационного ряда и значением
Тесты
(Выберите один или несколько правильных ответов)
1. Модой принято называть:
Г. Выскакивающая варианта
2. Медианой принято называть:
А. Варианта с наибольшей частотой
Б. Варианта с наименьшей частотой
В. Варианта͵ находящаяся в середине ряда
Г. Выскакивающая варианта
среднего квадратического отклонения:
А. Прямая
Б. Обратная
4. Коэффициент вариации применяется в целях:
А. Определения разности между наибольшей и наименьшей вариант
Б. Определения частоты вариант в вариационном ряду
В. Сравнения признаков, выраженных в разных единицах измерения
5. Средняя арифметическая величина применяется для:
А. Обобщения качественных признаков
Б. Обобщения числовых значений варьирующего признака
В. Выявления взаимосвязи между явлениями
встречается:
А. Биномиальные
Б. Нормальное
В. Пуассена
Г. Альтернативное
Д. Все вышеперечисленные встречаются с одинаковой частотой
7. Основным условием применения параметрических методов анализа является:
А. Формирование случайной выборки
Б. Наличие двух независимых выборок
В. Корреляционная связь между признаками
Г. Невозможность применения непараметрических методов
Д. Нормальное распределение признака
8. Вариационный ряд состоит из:
А. Набора вариант
Б. Набора ошибок репрезентативности
В. Набора частот
Г. Набора отклонений
Ответ: А, В
9. Укажите виды вариационных рядов:
А. Непрерывный
Б. Частотный
В. Полный
Г. Прерывный (дискретный)
Д. Интервальный (сгруппированный)
Ответ: А, Г, Д
А. Размах (амплитуда)
В. Медиана
Г. Среднее квадратическое отклонение
Д. Коэффициент вариации
Ответ: А, Г, Д
11. Укажите виды средних арифметических величин:
А. Простая
Б. Взвешенная
В. Алгебраическая
Г. По способу моментов
Д. Квадратическая
Ответ: А, Б, Г
12. Для графического изображения структурных показателей следует применять:
А. Столбиковые диаграммы
Б. Секторные диаграммы
В. Линейные графики
Д. Диаграммы рассеивания
Ответ: Б, Г
13. Для графического изображения динамики изучаемого явления следует применять:
А. Линейные графики
В. Секторные диаграммы
Г. Внутристолбиковые диаграммы
Д. Все вышеперечисленное
Ответ: А, Б
14. Статистические таблицы:
А. Являются рациональной формой представления сводных количественных данных
Б. Должны иметь четкое и краткое заглавие, отражающее содержание статистического
материала
В. Не требуют итоговых граф/строк
Г. Используются для группировки материалов статистического наблюдения
Ответ: А, Б, Г
15. К статистической таблице можно отнести:
А. Таблицу умножения
Б. Таблицу, содержащую показатели заболеваемости населения
В. Таблицу «Периодическая система элементов Д.И. Менделеева»
Г. Таблицу, характеризующую численность населения по полу и возрасту
Д. Табличную форму анкеты
Ответ: Б, Г
16. Перцентилями называют значения изучаемого количественного признака:
17. Квартили это значения изучаемого количественного признака:
А. Повторяющиеся в вариационному ряду с наибольшей частотой
Б. Делящие вариационный ряд на десять равных частей
В. Находящиеся в центре вариационного ряда
Г. Делящие вариационный ряд на сто равных частей
Д. Делящие вариационный ряд на четыре равновеликие части
18. Децили - ϶ᴛᴏ значения изучаемого количественного признака:
А. Повторяющиеся в вариационному ряду с наибольшей частотой
Б. Делящие вариационный ряд на десять равных частей
В. Находящиеся в центре вариационного ряда
Г. Делящие вариационный ряд на сто равных частей
Д. Делящие вариационный ряд на четыре равновеликие части
С. Гланц. Медико-биологическая статистика.
Пер. с англ. - М., Практика, 1998. - 459 с.
Сравнение двух групп: критерий