Основные методы обработки и анализа данных. Методы обработки и анализа данных

по курсу «Основы экономики»

по теме: «Методы анализа и обработки данных»

Введение

1. Общая характеристика методов анализа и обработки данных

2. Основные группы эконометрических методов анализа и обработки данных

3. Факторный анализ экономических данных

Заключение

Экономический анализ как наука представляет собой систему специальных знаний, базирующихся на законах развития и функционирования систем и направленных на познание методологии оценки, диагностики и прогнозирования финансово-хозяйственной деятельности предприятия.

Каждая наука имеет свой предмет и методику исследования. Под предметом экономического анализа понимаются хозяйственные процессы предприятий, их социально-экономическая эффективность и конечные финансовые результаты деятельности, складывающиеся под воздействием объективных и субъективных факторов, находящие отражение через систему экономической информации. Метод экономического анализа представляет собой способ подхода к изучению хозяйственных процессов в их плавном развитии.

В данной работе анализируются способы и методы анализа и обработки данных.

Основная цель экономического анализа – получение наибольшего числа ключевых параметров, дающих объективную картину финансового состояния предприятия, его прибылей и убытков, изменений в структуре активов и пассивов. Экономический анализ позволяет выявить наиболее рациональные направления распределения материальных, трудовых и финансовых ресурсов.

Можно выделить следующие основные принципы анализа и обработки данных:

Научность – базируется на положениях динамической теории познания, учитывать требования экономических законов, использовать достижения научно-технического прогресса, а также методы экономических исследований. Принцип научности реализуется путем совершенствования анализа хозяйственной деятельности, применения методик и ЭВМ.

Объективность, конкретность и точность – предполагает исследование реальных экономических явлений и процессов и их причинно-следственная связь. Он должен базироваться на достоверной, проверенной информации, а выгода его должна обосновываться точными аналитическими расчетами. Из этого требования вытекает необходимость постоянного совершенствования организации учета, внутреннего и внешнего аудита, а так же методики анализа с целью повышения его точности и достоверности расчета.

Системность и комплексность – каждый изучаемый объект рассматривается как сложная динамическая система, состоящая из ряда элементов, определенным образом связанных между собой. Так же изучение каждого объекта должно осуществляться с учетом всех внутренних и внешних связей, взаимозависимости и взаимоподчиненности его отдельных элементов, определенным образом связанных между собой. Изучение каждого объекта должно осуществляться с учетом всех внутренних и внешних связей, взаимозависимости и взаимозачетности его отдельных элементов. Комплектность и исследование требуют охвата всех звеньев и всех сторон деятельности предприятий.

Оперативность и своевременность – предусматривает умение быстро и четко проводить анализ, принимать управленческие решения и проводить их в жизнь. Оперативность анализа заключается в своевременном выявлении и перераспределении причин отклонения от плана, как по количественным, так и по качественным показателям, изыскание путей устранения отрицательно-действующих факторов и закрепления усиления положительных факторов. Все это делает возможным улучшения работы предприятий.

Действенность – активное воздействие на ход процесса производства и его результатов.

Плановость и систематичность – анализ проводится по плану и периодически. Этот принцип позволяет планировать работу.

Демократичность – предполагает участие всех в проведении анализа и предполагает доступность информации всем. Кто принимает решение.

Эффективность – затраты на его проведение должны давать многократный эффект.

Основными функциями финансового анализа являются:

объективная оценка финансового состояния, финансовых результатов, эффективности и деловой активности анализируемой компании;

выявление факторов и причин достигнутого состояния и полученных результатов;

подготовка и обоснование принимаемых управленческих решений в области финансов;

выявление и мобилизация резервов улучшения финансового состояния и финансовых результатов, повышения эффективности всей хозяйственной деятельности.

Проанализируем сущность методов анализа экономических данных. Общим по своему характеру методом, который раскрывает общие законы развития материального мира является диалектический метод. Понимание особенностей диалектического метода определяет метод экономического анализа, и его характерные особенности.

1. Использование диалектического метода в анализе означает, что все явления и процессы необходимо рассматривать в постоянном изменении, развития, то есть в динамике. Отсюда вытекает первая характерная особенность метода анализа – необходимость постоянных сравнений, изучение экономических процессов в динамике. Сравнения могут быть с данными плана, результатами минувших лет, с достижениями других предприятий.

2. Материалистическая диалектика учит, что каждый процесс, каждое явление надо рассматривать как единство и борьбу противоположностей. Отсюда вытекает необходимость изучения внутренних противоречий, положительных и отрицательных сторон каждого явления, каждого процесса. Это тоже одна из характерных особенностей анализа.

3. Использование диалектического метода означает, что изучение хозяйственной деятельности проводится с учетом всех взаимосвязей и взаимозависимостей. Ни одно явление не может быть оценено, если оно рассматривается обособленно, без связи с другими. Значит, чтобы понять и правильно оценить то или другое экономическое явление, необходимо изучить все взаимосвязи и взаимозависимости с другими явлениями. Это одна из методологических черт метода экономического анализа.

4. Взаимосвязь и взаимозависимость экономических явлений обуславливают необходимость комплексного подхода к изучению хозяйственной деятельности. Только комплексное изучение дает возможность правильно оценить результаты работы, раскрыть глубинные резервы в экономике предприятий. Комплексные исследования экономических явлений, процессов являются характерной особенностью метода экономического анализа.

5. Между многими явлениями существует причинная зависимость: одно явление выступает причиной другого. Поэтому важной методологической чертой анализа является установление причинно-следственных связей в изучении экономических явлений, это разрешает давать им количественную характеристику, оценивать влияния факторов на результаты деятельности предприятия. Это делает анализ точным, а его выводы обоснованными.

Изучение и измерение связей можно осуществить методом индукции и дедукци. Индукция заключается в том, что исследование ведется от частного к общему, от изучения частных факторов к обобщениям, от причин к результатам. Дедукция – это способ исследования от общих факторов к частным, от результатов к причинам.

Индукция и дедукция, как логический исследовательский прием причинных связей, широко используется в анализе.

6. Использование диалектического метода в анализе означает, что каждый процесс, каждое экономическое явление надо рассматривать как систему, как совокупность многих элементов, связанных между собой. Из этого следует необходимость системного подхода к изучению объектов анализа.

Системный подход предусматривает в изучении явлений и процессов, их максимальную детализацию и систематизацию.

Детализация тех или других явлений необходимая для выявления наиболее важного и главного в исследуемом объекте. Она зависит от объекта и цели анализа.

Систематизация элементов разрешает построить приблизительную модель исследуемого объекта, определить его главные компоненты, функции, соподчиненность элементов, раскрыть логико-методологическую схему анализа.

После изучения отдельных сторон деятельности предприятия, их взаимосвязи, подчиненности и зависимости надо обобщить материалы исследования. При обобщении результатов анализа необходимо из всего множества исследуемых факторов выделить главные и решающие, от которых в основном зависят результаты деятельности.

7. Важной методологической чертой анализа является разработка и использование системы показателей, необходимых для комплексного системного исследования причинно-следственных связей экономических явлений и процессов в хозяйственной деятельности предприятия.

Таким образом, метод экономического анализа представляет собой комплексное системное изучение, измерение и обобщение влияния факторов на результаты деятельности предприятия, выявление и мобилизацию резервов с целью повышения эффективности производства.

Для проведения анализа и обработки данных необходимо, в первую очередь, построение экономической модели, отвечающей целям и задачам исследования. В зависимости от объекта исследования различают два вида экономических моделей: оптимизационные и равновесные. Посредством первых описывается поведение отдельных экономических субъектов, стремящихся к достижению своих целей при заданных возможностях, а посредством вторых представляется результат взаимодействия совокупности хозяйствующих агентов и выявляются условия совместимости их целей.

Взаимодействие отдельных экономических субъектов в ходе реализации своих планов отображается посредством равновесных моделей. Если модели поведения экономических субъектов предназначены для определения наилучшего способа достижения цели при заданных ресурсах, то равновесные модели равновесия определяют условия совместимости индивидуальных планов и выявляют инструменты их согласования.

В этом разделе указывается способ обработки эмпирической информации (ручной или машинный); содержание работы по подготовке информации к обработке (контроль качества заполнения анкет, ручная кодировка ответов на открытые вопросы, редакция анкет, контроль на логическую непротиворечивость и т.п.); объем подготовительной работы и примерные затраты на ее выполнение.

Собранные в эмпирическом исследовании факты получили в социологии название данных. Понятия «социологические данные» и «эмпирические данные» в учебниках и словарях, как правило, специально не определяются и обычно считаются синонимами. Такого рода понятия считаются чем-то само собой разумеющимся, привычным, знакомым для каждого профессионального социолога. Эм пирические данные появляются только на определенном этапе - после проведения полевого обследования (массового сбора информации на объектах).

С социологическими данными можно производить следующие операции: 1) подготавливать их для обработки; шифровать, кодировать и т.д.; 2) обрабатывать (вручную или с помощью компьютера); табулировать, рассчитывать многомерные распределения признаков, классифицировать и т.д.; 3) анализировать; 4) интерпретировать.

Этап анализа данных - комплекс процедур, составляющих стадии преобразования данных. В качестве основных выделяются: этап подготовки к сбору и анализу информации; оперативный этап первичной обработки данных, проверки надежности информации, формирования описательных данных, их интерпретации; результирующий этап обобщения данных анализа и реализации прикладной функции. На каждом этапе решаются относительно самостоятельные задачи. Вместе с тем ход анализа в исследовании отличается достаточно высокой гибкостью. Наряду с общей и установленной последовательностью этапов складываются определенная цикличность и итеративность ряда процедур, возникает необходимость возврата к прежним этапам. Так, в ходе интерпретации полученных показателей и проверки гипотез для уточнения (объяснения) формируются новые подмассивы данных, изменяются или строятся новые гипотезы и показатели. Соответственно, представленные в схемах этапы и процедуры анализа задают лишь общее направление цикла анализа данных.

Анализ данных представляет собою своеобразную «вершину» всей процедуры социологического исследования, ее результатом, ради которого все, собственно, и проделывается. Методы анализа данных описываются в соответствии с разрабатываемой методикой сбора информации. Указываются такие универсальные процедуры анализа, как получение первичных (линейных) распределений ответов на вопросы анкеты; двойные (парные) связи между изучаемыми признаками (переменными); коэффициенты связи, которые будут получены на ЭВМ.

Рис. 6. Анализ данных - наиболее важная часть социологического исследования

Анализ данных - основной вид работ социологического исследования, направленный на выявление устойчивых, существенных свойств, тенденции изучаемого объекта; включает выделение и расчет показателей, обоснование и доказательство гипотез, построение выводов исследования. На его основе поддерживается логическая стройность, последовательность, обоснованность всех процедур исследования.

Основное назначение анализа данных: зафиксировать информацию об изучаемом объекте в виде признаков, определить ее надежность, выработать объективные и субъективно-оценочные характеристики и показатели исследуемого процесса, обосновать и проверить гипотезы, обобщить результаты исследования, установить направления и формы их практического применения.

Основные нормативные требования: руководящая роль теоретических требований, методологических принципов; концептуальная взаимосвязь всех этапов анализа с программой исследования, обеспечение полноты, надежности информации и продедур достоверности результатов исследования; систематизация, сжатие и более полное выражение информации за счет использования на всех этапах анализа логических, математико-статистических и информационных методов, эффективных процедур, современных технических средств; итеративность процесса анализа, повышение уровня обоснованности информации на каждом следующем этапе исследования; всемерное использование компетенции специалистов, развитие творческой инициативы исполнителей.

Программа анализа данных является составной частью программы социологического исследования. Ее ведущие задачи: определение вида и состава необходимой информации, определение способов, средств ее регистрации, измерения, обработки и преобразования, обеспечение надежности данных, определение форм интерпретации, обобщение данных, установление способов практического применения результатов исследования.

Измерение - это приписывание, согласно определенным правилам, числовых значений объектам, их признакам в виде эмпирических индикаторов и математических символов. С его помощью дается количественная и качественная оценка свойств, признаков объекта. Оно может быть рассмотрено как построение математической модели определенной эмпирической системы. Процедура измерения включает три основных этапа: выделение измеряемых величин из всего набора возможных величин, характеризующих объект; нахождение эталона; соотнесение эталона с измеряемой величиной и получение соответствующей числовой характеристики.

Важным инструментом измерения выступают в социологии измерительные шкалы. Измерительная шкала - основной инструмент социального измерения, в качестве эталона служит средством фиксации той или иной совокупности значений, интересующих исследователя. Шкала устанавливает определенную последовательность индикаторов. Она является средством анализа статистического материала. В ходе измерения с ее помощью качественно разнородные данные приводятся к сопоставимым количественным показателям. В зависимости от характера измеряемых признаков и задач их анализа используются различные шкалы: номинальная (для классификации объектов, их признаков), порядковая (для сравнения интенсивности проявления признака по возрастанию и убыванию), интервальная (для анализа интенсивности свойств объектов, выраженных величинами, разбитыми на равные интервалы), шкала отношений (для отражения отношений пропорции).

Организационный план исследования

Организационный план описывает распределение во времени выполнения этапов и отдельных процедур исследования. Он строится по схеме, традиционной для любого плана работы, включающего содержание выполняемых видов работ, исполнителей и сроки выполнения. В плане исследования социолог указывает лишь наиболее крупные разделы.

Организационная работа в целом состоит из следующих этапов:

♦ организация отношений с заказчиками и соисполнителями исследования: а) оформление договоров и соглашений; б) обеспечение доступности источников информации (документов, наблюдаемых ситуаций, респондентов); в) обеспечение организационных условий для проведения полевого исследования (время, помещение, условия, оргтехника);

♦ финансовое и кадровое обеспечение исследования;

♦ тиражирование методического инструментария;

♦ проведение пробного исследования;

♦ проведение основного исследования;

♦ обработка результатов исследования;

♦ интерпретация эмпирических данных и проверка рабочих гипотез исследования;

♦ обоснование теоретических выводов исследования;

♦ обсуждение с заказчиками результатов и практических рекомендаций;

♦ оценка эффективности внедрения практических рекомендаций.

Таким образом, в методическую часть программы социологического исследования входят три важных компонента, по отношению к которым другие элементы занимают второстепенное место:

♦ Методы выборки.

♦ Методы сбора данных.

♦ Методы анализа данных.

Методы обработки и анализа числовых данных представлены большим многообразием и включают в себя как классические методы элементарной математики (методы приближенных вычислений, комбинаторики, алгебраические методы и др.), так и методы, оформившиеся в результате развития отрасли системно-кибернетических исследований. Следует сразу оговориться, что по предмету анализа (тому, что стоит за числами) эти методы различаются существенно, а вот, что касается формального аппарата, то в целом он универсален для всей математики. Речь не идет о том, что авторы не видят различий между формализмом методов дифференциального исчисления и методов комбинаторики. Речь идет о другом - о том, что ни один из методов обработки числовых данных при анализе сложных систем не является самодостаточным.

Семантическая компонента формальной системы, используемой для представления данных, полученных в результате процедур принципиально различного типа, обычно остается вне поля зрения аналитика вплоть до завершения цикла аналитической обработки, когда привлекается модель интерпретации результатов. Но, в то же время, именно семантическая компонента определяет саму схему обработки данных (содержание метода) .

В рамках рассмотрения методов обработки и анализа числовых данных мы не будем рассматривать математические процедуры и операции, традиционно используемые для обработки результатов инструментальных измерений. Наше внимание будет сосредоточено на проблемах обработки численных данных, полученных в результате проведения опроса экспертов, поскольку этот класс данных отличается отсутствием возможности аналитическим путем оценить точность полученных данных. В числе таких методов следует выделить два класса:

методы экспертных оценок;

метод решающих матриц.

Методы экспертных оценок представляют собой еще одну разновидность способов привлечения опыта и знаний экспертов для решения задач управления и анализа сложных систем. Метод экспертных оценок представлен множеством модификаций, и, по мнению некоторых авторов, является более широким классом, нежели такие классы методов, как мозговые атаки, методы типа Дельфи и иные, основанные на опросе мнений экспертов. Но авторы этой книги считают иначе - не стоит смешивать различные виды классификаций: классификацию по способу активизации мышления, классификацию по источнику знаний и классификацию по способу обработки полученных данных.

По причине такого смешения и возникла путаница - методы экспертных оценок по источнику знаний равноценны методам коллективной генерации идей, методам типа Дельфи и методам опроса экспертов, по способу обработки - включает перечисленные методы, а к классу методов активизации мышления вообще никак не относится. Заметим, что в данном случае мы сосредоточим внимание на способе обработки данных, полученных в ходе экспертных опросов, на методах анализа экспертных оценок .

Рассматривая возможность использования экспертных оценок, обычно исходят из того, что неизвестная характеристика исследуемого явления может трактоваться как случайная величина, знаниями о законе распределения которой располагает специалист-эксперт. Также предполагается, что эксперт в силах оценить достоверность и значимость того или иного события, происходящего в системе. То есть, применительно к группе экспертов, считается, что истинное значение исследуемой характеристики находится внутри диапазона экспертных оценок, полученных от группы, и что в результате обобщения мнений экспертов может быть получена достоверная оценка.

Однако это не всегда так, поскольку все зависит от первоначального объема знаний о системе и степени изученности проблемы. Если знания экспертов в данной предметной области достаточно обширны, для того, чтобы полагать группу экспертов «хорошим измерителем», тогда, действительно, предположение об адекватности коллективной оценки небеспочвенно. Но если такой уверенности нет, многие приемы обработки данных экспертных опросов оказываются не только неэффективны, но и вредны. Организатор опроса должен сознавать, в какой из перечисленных ситуаций он пребывает . В зависимости от этого, внимание может концентрироваться на «случайных выбросах», как элементе нового знания, которое стоит рассматривать, как вероятно плодотворный подход (коль скоро общепринятые теории не дают желаемого результата).

Надо сказать, что должность эксперта не является экзотической для государственного устройства России. Так, мало кто из опрошенных нами сотрудников информационно-аналитических подразделений смог расшифровать хорошо известное по школьному курсу русской литературы словосочетание «коллежский асессор». Каково же было их удивление, когда они узнали, что на самом деле оно соответствует современной должности «эксперт коллегии», «научный консультант»!

Обычно, когда речь идет о применении экспертных оценок, рассматривается целый комплекс проблем, так или иначе связанных с этой процедурой, при этом рассматривают:

Процедуры формирования экспертных групп (это и требования к квалификации экспертов, их психологическим характеристикам, размерам групп, и вопросы тренировки экспертов);

Формы проведения экспертного опроса (способы проведения анкетирования, интервьюирования, смешанные формы) и методики организации опроса (создание психологической мотивации, методики анкетирования, применения методов активизации мышления);

Подходы к оцениванию результатов (ранжирование, нормирование, различные виды упорядочения, включая методы предпочтений, попарных сравнений и др.) и методы обработки экспертных оценок;

Способы определения согласованности мнений экспертов, достоверности экспертных оценок (например, статистические методы оценки дисперсии, оценки вероятности для заданного диапазонаизменений оценок, оценки ранговой корреляции, коэффициента конкордации и иные);

Методы повышения согласованности оценок путем применения соответствующих способов обработки результатов экспертного опроса.

Пункты 1 и 2 данного перечня отчасти рассмотрены в подразделе, посвященном методам активизации мышления, и в большей степени относятся к проблемам организационного плана. Здесь же наш интерес будет сосредоточен на проблемах, перечисленных в пунктах 3‑5.

Существенный интерес с точки зрения механизмов обработки экспертных оценок представляет проблема выбора вида шкал, используемых в ходе опроса. Выделяются следующие классы шкал :

шкалы равномерные и неравномерные;

шкалы абсолютные и нормированные;

шкалы дискретные и непрерывные;

шкалы одноуровневые и иерархические;

шкалы измерений и отношений;

шкалы одномерные и многомерные.

Равномерные шкалы представляют собой такой вид шкал, для которых расстояние (модуль метрики) между любой парой ближайших терминов является постоянным, это условие должно выполняться и для пространственной интерпретации шкалы.

Неравномерные шкалы представляют собой такой вид шкал, для которых либо геометрическое расстояние, либо расстояние измеренное в пространстве признаков (модуль метрики) между соседними двумя терминами не является постоянным в рамках шкалы. Используются тогда, когда некий интервал значений представляет особый интерес для исследователя, для чего число терминов в этом интервале увеличивается, либо производится смена масштаба отображения (что редко обходится без введения новых терминов или их квантификаторов).

Абсолютные шкалы - это шкалы, на которых в качестве терминов выступают конкретные значения абсолютных величин. Чаще всего такие шкалы используются при отображении результатов, полученных на выборках равного объема, либо для протоколирования оценок экспертов.

Нормированные шкалы - это шкалы, на которых расстояние между соседними терминами измеряется в долях или кратно (в разах) некоторой величине, то есть, эти шкалы выражаются в относительных единицах. В качестве «нормы» может быть взят объем конкретной выборки (при сопоставлении частотно-рангового распределения выборок разного объема), максимальное значение некоторой величины и иные величины, относительно которых могут выполняться операции сравнения. Например, в качестве величины, относительно которой может быть нормирована некая шкала, иногда рассматривают и значение наименьшей величины - в этом случае расстояние между терминами этой шкалы будет по модулю равно этой величине.

Применение дискретных шкал основано на установлении соответствия между некоторым фиксированным множеством терминов-оценок и совокупностью численных показателей, подлежащих дальнейшей обработке. Такой подход позволяет сократить разброс характеристик к необходимому уровню разнообразия и стандартизировать тезаурус. Существует ряд ограничений на мощность множества терминов, связанных с тем, что чрезмерное разрастание этого множества ухудшает восприятие шкалы из-за усложнения процедуры различения смежных терминов экспертом. В ряде случаев это может привести к снижению темпов работы экспертов, возникновению стрессовых ситуаций в ходе опроса, вызванных сложностью идентификации термина с оценкой эксперта. Другой крайностью является излишняя терминологическая бедность шкалы, приводящая к снижению точности оценки. Разрешению этой проблемы отчасти может способствовать использование иерархических шкал.

Непрерывные шкалы получили особое распространение в системах анкетирования, реализованных на базе ЭВМ, однако используются и на традиционных носителях. Данная разновидность шкал отличается тем, что для оценивания используется пространственная интерпретация шкалы, в виде некоторого непрерывного интервала, заданного двумя терминами, используемыми для обозначения верхней и нижней границы диапазона (этот диапазон ставится в соответствие шкале оценок заданной инструментальной точности). Этим снимается проблема «терминологического» стресса, однако возникает проблема точности установления экспертом пространственной координаты, соответствующей его субъективной оценке. В случаях, когда перед экспертом стоит задача ранжирования оценок, такой вид шкал может оказаться менее удобен, поскольку отсутствие явной маркировки осложняет решение задачи сравнения.

Одноуровневые или плоские (flat) шкалы предполагают размещение всего множества терминов в рамках одного диапазона без введения элементов иерархического упорядочения. Этот вид шкал наиболее распространен, и по своей сути представляет собой разновидность одноуровневой классификации. Применение такого вида шкал является оправданным при малом количестве терминов, выражающих субъективную оценку эксперта, однако по мере роста мощности множества терминов, точность результатов начинает снижаться. Для непрерывных шкал одноуровневое представление является наиболее естественным.

Иерархические шкалы представляют собой интерпретацию иерархической классификации, в которой разделение на классы осуществляется на основе критерия принадлежности к некоторому диапазону. Использование иерархических шкал позволяет улучшить различимость терминов, упорядочить их и обеспечить их согласование с тезаурусом пользователя. Попадая в тот или иной диапазон, заданный термином (или парой терминов) более высокого уровня в иерархической классификации, эксперт получает возможность уточнить его на более низком (детальном) уровне. За счет использования такого подхода компенсируются недостатки дискретных одноуровневых шкал, снимается «терминологический» стресс и повышается инструментальная точность измерения. В сочетании с непрерывными шкалами, как правило, не применяются. Наиболее распространены при проведении опроса с помощью ЭВМ.

Шкалы измерений предназначены для протоколирования субъективных оценок экспертами некоторых величин и позволяют сформулировать мнение о значении или диапазоне значений некоторой величины в абсолютных терминах.

Шкалы отношений отличаются тем, что предназначены для протоколирования субъективных оценок экспертами отношений порядка, причинно-следственных отношений и иных. Данная разновидность шкал оперирует относительными терминами. Наиболее распространены они при решении задач с высокой неопределенностью.

Одномерные шкалы применяются в тех случаях, когда свойства объекта/процесса достаточно полно могут быть выражены в одномерном пространстве признаков. При этом одномерная шкала может быть как дискретной, так и непрерывной.

Многомерные шкалы применяются, если свойства объекта/процесса не могут быть адекватно выражены в одномерном пространстве признаков (такое, например, бывает в случае, когда одним термином описывается некое комплексное явление, характеризующееся большим разбросом несвязанных между собой параметров). Нередко используются так называемые номографические шкалы, для которых характерно выделение на шкале, построенной в некоторой системе координат, кривых или поверхностей, для которых выполняется некоторое условие (функциональная зависимость), связывающее параметры, отложенные по координатным осям. Номографические шкалы позволяют оценить область пространства, в которой находится некоторая группа решений задачи или, наоборот, выдвинуть гипотезу о принадлежности априори неизвестной функциональной зависимости некоторому классу. Для представления многомерных шкал часто используются различные двухмерные отображения объемных тел, выступающих в качестве метафоры многомерного пространства. Однако, в силу действия ограничений пространственного мышления человека, в случае необходимости отображения многомерной шкалы с количеством параметров, превышающим три, как правило, используются связные развертки таких тел или совокупность связных (по одному или двум параметрам) двухмерных или трехмерных шкал.

Приведенная классификация шкал позволяет осмыслить ранее введенное понятие метрики или меры близости, поскольку использование шкал дает возможность перейти от абстрактного к предметному мышлению, благодаря возможности пространственной интерпретации терминов. Следует заметить, что переход от абстрактного мышления к предметному является одним из мощнейших инструментов активизации мышления , такие переходы на некоторых этапах анализа обеспечивают возможность априорной верификации гипотез (без проведения эксперимента). В явном виде представленное пространство признаков позволяет выбрать класс метрик, пригодных для сравнения экспертных оценок, и методов их анализа.

В зависимости от типа геометрической интерпретации пространства могут использоваться различные методы упорядочения, сравнения, вычисления среднего значения и так далее. Пространства признаков могут быть векторными (с учетом направления), скалярными, неметризованными, евклидовыми, сферическими и иными - в зависимости от выбора для выполнения перечисленных операций используется различный математический аппарат. Наиболее распространенными видами геометрической интерпретации пространства признаков являются так называемые евклидовы векторные пространства, в которых определены операции сложения и умножения на действительные числа, а также операция скалярного произведения, что позволяет вводить метрику для определения расстояний, длин векторов и решения иных задач. Характерно, что такие системы могут быть переведены в ортонормированный базис, что позволяет воспользоваться привычными приемами тригонометрических вычислений.

После того, как некоторым способом (анкетирование, опрос по системе Дельфи, мозговой штурм и т. п.) была получена совокупность экспертных оценок по некоторой проблеме, от этапа сбора данных методом экспертных оценок переходят к процедуре обработки и оценивания результатов . Здесь большую роль играет то, каким образом на этапе составления анкеты или логической схемы опроса было организовано пространство признаков, соответствовала ли система шкал задачам, решаемым в ходе опроса, существует ли возможность сопоставить полученные результаты и вывести по ответам экспертов некую закономерность. Мы не случайно вновь упомянули шкалы и пространство признаков: очевидно, что одно дело обрабатывать величины дискретные, а другое - непрерывные, или, что решение задачи меньшей размерности проще, чем решение задачи большой размерности, в которой трудно выделить логически независимые блоки.

Для решения задачи обработки и анализа экспертных оценок широко используются как общие математические и статистические методы, так и специфические методы - такие, как:

методы ранжирования и гиперупорядочения;

методы попарных сравнений;

метод отбрасывания альтернатив;

алгоритмы отыскания медианы и иные.

Важную группу методов образуют методы математической обработки результатов измерений 76:

методы отбраковки результатов аномальных измерений;

методы оценки ошибок и погрешностей;

методы обработки неравноточных измерений;

метод наименьших квадратов;

методы корреляционного анализа.

При обработке индивидуальных экспертных оценок обычно применяется метод согласования оценок , имеющий массу вариантов реализации, различающихся способами, при помощи которых из индивидуальных оценок получается обобщенная. Для этого в качестве оценки могут использоваться усредненная вероятность, средневзвешенное значение вероятности (когда учитываются также и веса, приписываемые оценке каждого эксперта) - вплоть до специальных методов оценки измерения и повышения коэффициентов согласованности (конкордации или коэффициентов непротиворечивости) мнений экспертов. Кроме того, еще на этапе формирования экспертной группы могут применяться методы, основанные на отборе экспертов с высоким коэффициентом согласованности мнений.

Существенную роль в обработке числовых данных - именно к этому типу преобразовывается большинство терминов, используемых для обозначения точек в пространстве признаков - играют методы, основанные на преобразовании типов шкал. К числу таких преобразований могут быть отнесены преобразования дискретной шкалы в непрерывную, абсолютной - в нормированную и иные. Такие методы могут применяться как до, так и после выполнения процедуры ранжирования (например, до построения частотно-рангового распределения оценок и группирования экспертов по степени согласованности ответов на поставленные вопросы).

В качестве одного из методов повышения согласованности экспертных оценок применяют метод Дельфи.

Метод решающих матриц , идея которого была предложена Г.С. Поспеловым, относится к еще одному классу методов - к методам организации сложных экспертиз. Идея метода заключается в управлении процессом синтеза нового знания в ходе многоэтапного экспертного опроса. Это достигается за счет стратифицированного (послойного) рассмотрения проблемы по уровням, относящимся к различным этапам ее решения. Для научных исследований рассматриваются слои, соответствующие этапам фундаментальных научно-исследовательских работ, прикладных научно-исследовательских работ, опытно-конструкторских работ и подпроблем. Для решения проблем управленческой деятельности эти слои могут быть иными, например, следующими: методологический, организационный, технологический слои и слой подпроблем.

На начальном этапе в результате проведения экспертного опроса в общей (глобальной) проблеме выделяются подпроблемы (направления), сумма весов которых (полученных опять же в результате опроса) равна ста процентам. Количество столбцов матрицы определяется числом подпроблем или направлений работы, строки же соответствуют слоям. В каждом слое некоторому направлению ставится в соответствие одно мероприятие, преимущественно нацеленное на решение той или иной задачи в сфере методологического, организационного или технологического обеспечения решения подпроблемы (перечень мероприятий также получают в ходе очередного тура экспертного опроса). Однако, поскольку любое мероприятие дает помимо основного результата еще и ряд косвенных, постольку в ходе следующего тура эксперты оценивают относительный вклад предшествующих мероприятий в проведение последующих (сумма весов дуг входящих в элемент более высокого уровня со стороны элементов более низкого уровня также должна быть равна ста процентам). В результате пересчета весов каждого элемента решающей матрицы могут быть аналитически исчислены коэффициенты важности мероприятий. Соответственно, неопределенность снижается поэтапно, и те данные, которые не могли быть получены методом прямого экспертного опроса, становятся доступными, благодаря разбиению исходной неопределенности на меньшие фрагменты, не требующие от эксперта стратегического мышления.

В завершение этой главы отметим, что ни одна сложная реальная задача, стоящая перед коллективом аналитиков, не может быть решена исключительно за счет применения какой-то одной неизменной совокупности процедур. Чаще всего, новый проект становится в том числе и вкладом в методологическое, технологическое и организационное обеспечение аналитической деятельности. Это и не удивительно - достаточно обратиться к реальным примерам масштабных проектов, чтобы убедиться в этом и понять причины, по которым так происходит.

Пример организации процесса комплексного перспективного моделирования приведен в Приложении 1 к этой книге . Данный пример иллюстрирует то, каким образом в 1996-98 годах специалистами ВВС США проводилось формирование перспективного плана развития ВВС на период до 2025 года в контексте оценки альтернатив развития мировой ситуации. Многие пункты подготовленного в результате этой работы отчета сегодня подтверждаются реальным развитием мировой ситуации.

В этой главе мы попытались вчерне, без прорисовки деталей, обозначить контуры методологии информационно-аналитической деятельности. К сожалению, штрихи, которыми мы пытались очертить эти контуры, оказались слишком крупными - многих проблем, существующих в этой области, нам даже вскользь затронуть не удалось… Это вызвано многообразием методов аналитической деятельности и ограниченностью объема данной книги. Еще одним фактором сдерживания явилась ограниченная применимость ряда специфических методов и методик.

Однако авторы надеются, что им удалось главное - пробудить интерес к аналитике и ее методам, а также показать, что в сущности, ничего особенно сложного и недоступного пониманию в аналитике нет - все определяется уровнем изложения. Этот раздел, как это ни странно, совершенно не содержит формул... Плохо ли это? - Для кого-то - да, для кого-то - нет. Формулы чаще всего требуются тем, кому еще не удалось выйти на тот уровень, на котором требуется практическая аналитика, вернее ее результаты. Но уж, коль скоро вышел на него, то знания столь высокой степени детализации могут оказаться и бесполезными, более того, их может оказаться мало. А управлять аналитиками нужно, причем весьма квалифицированно - иначе шансов получить от них именно то, что требуется, очень мало.

Неслучайно, что авторами книги особый упор был сделан на методы системно-кибернетических исследований - идеи, изначально заложенные в эту отрасль научного знания, оказались настолько плодотворны, что у них оказалось большое число последователей в других отраслях. Таким образом, системно-кибернетическая отрасль стала тем ядром, вокруг которого в настоящее время сформировалось множество школ аналитической мысли. Мы считаем, что крайне опасно оставаться в плену какой-то одной группы дисциплин - будь то естественнонаучные, технические или гуманитарные дисциплины. Следует видеть, сколь тесно переплетаются различные дисциплины, как только речь заходит об аналитике.

В ходе дальнейшего рассмотрения аналитики, как комплексной научной дисциплины, мы сконцентрируем внимание на организационных и технологических аспектах аналитической деятельности.

Несмотря на довольно обширную отечественную литературу по различным проблемам научной деятельности, число работ, специально посвященных методологии аналитической работы в научных исследованиях, бизнесе и других сферах деятельности, относительно невелико.

Среди них можно отметить следующие работы: Рузавин Г.И. Методология научного исследования. М.:ЮНИТИ, 1999; Гроза П.И. Организация и методика проведения научно-исследовательских работ.- М.,1988; Дорожкин А.М. Научный поиск как постановка и решение проблем -Нижний Новгород, 1995; Мерзон Л.С. Проблемы научного факта.- Ленинград, 1972; Варшавский К.М. Организация труда научных работников - М.:Экономика, 1975; Кара-Мурза С.Г. Проблемы организации научных исследований - М.: Наука, 1981; На пути к теории научного знания - М.:Наука, 1984; Волкова В.Н.. Денисов А.А. Основы теории систем и системного анализа,- С.-Петербург: изд-во СПбГТУ, 1997 и др.

Более обширна литература, посвященная отдельным аспектам и этапам научного поиска. К ней относятся работы В.Ф.Беркова, В.Е.Никифорова, И.Г.Герасимова, Е.С.Жарикова, А.А.Ивина, Е.А.Режабека, В.С.Степина, В.А.Лекторского и др.

Эмпирические данные, полученные в ходе социологического исследования, еще не позволяют сделать верные выводы, обнаружить закономерности и тенденции, проверить выдвинутые программой исследования гипотезы. Полученную первичную социологическую информацию следует обобщить, проанализировать и научно интегрировать. Для этого все собранные анкеты, карточки наблюдения или бланки интервью необходимо проверить, закодировать, ввести в ЭВМ, сгруппировать полученные данные, составить таблицы, графики, диаграммы и т.д. Иными словами, необходимо применить методы анализа и обработки эмпирических данных.

В социологии под методами анализа и обработки социологической информации понимают способы преобразования эмпирических данных, полученных в ходе социологического исследования. Преобразование производится с целью сделать данные обозримыми, компактными и пригодными для содержательного анализа, проверки исследовательских гипотез и интерпретации. Хотя невозможно провести достаточно четкую границу между методами анализа и методами обработки, под первыми обычно понимают более сложные процедуры преобразования данных, которые переплетаются с интерпретацией, а под вторыми -- в основном рутинные, механические процедуры преобразования полученной информации.

Между тем анализ и обработка социологической информации как целостное образование составляет этап эмпирического социологического исследования, в ходе которого с помощью логико-содержательных процедур и математико-статистических методов на основе первичных данных раскрываются связи исследуемых переменных. С определенной долей условности методы обработки информации можно разделить на первичные и вторичные. Для первичных методов обработки исходной информацией служат данные, полученные в ходе эмпирического исследования, т. е. так называемая "первичная информация": ответы респондентов, оценки экспертов, данные наблюдения и пр. Примерам таких методов являются группировка, табулирование, расчет многомерных распределений признаков, классификация и др.

Вторичные методы обработки используют, как правило, для данных первичной обработки, т. е. это методы получения показателей, рассчитываемых по частотам, сгруппированным данным и кластерам (средних величин, мер рассеяния, связей, показателей значимости и т. д.). К методам вторичной обработки можно также отнести методы графического представления данных, исходной информацией для которых служат проценты, таблицы, индексы.

Кроме того, методы анализа и обработки социологической информации можно разделить на методы статистического анализа информации, в том числе методы описательной статистики (расчет многомерных распределений признаков, средних величин, мер рассеяния), методы статистики вывода (например, корреляционный, регрессивный, факторный, кластерный, причинный, логлинейный, дисперсионный анализ, многомерное шкалирование и др.), а также методы моделирования и прогнозирования социальных явлений и процессов (например, анализ временных рядов, имитационное моделирование, цепи Маркова и пр.). Методы анализа и обработки социологической информации могут быть разделены также на универсальные, которые пригодны для анализа большинства видов информации, и специальные, пригодные лишь для анализа данных, представленных в специальном виде информации (например, анализ социометрических данных или контент-анализ текстов).

С точки зрения использования технических средств выделяют два вида обработки социологической информации: ручную и машинную (с использованием средств вычислительной техники). Ручную обработку используют в основном в качестве первичной при небольших массивах информации (от нескольких десятков до сотни анкет), а также при относительно простых алгоритмах ее анализа. Вторичную обработку информации проводят с помощью микрокалькулятора или другой вычислительной техники. Примером социологических исследований, в которых часто используется ручная обработка, являются пилотажные, экспертные и социометрические опросы. Однако основным средством анализа и обработки данных в настоящее время являются ЭВМ, в том числе персональные компьютеры, на которых осуществляется первичная и большинство видов вторичной обработки и анализа социологической информации. При этом анализ и обработка социологической информации на ЭВМ проводятся, как правило, посредством специально разрабатываемых машинных программ, реализующих методы анализа и обработки социологических данных. Эти программы обычно оформляются в виде специальных наборов программ или так называемых пакетов прикладных программ анализа социологической информации. В крупных социологических центрах анализ и обработка социологической информации наряду с пакетами прикладных программ опираются на архивы и банки социологических данных, позволяющих не только хранить необходимую информацию, но и эффективно использовать ее при осуществлении вторичного анализа социологических данных.

по курсу «Основы экономики»

по теме: «Методы анализа и обработки данных»

Введение

1. Общая характеристика методов анализа и обработки данных

2. Основные группы эконометрических методов анализа и обработки данных

3. Факторный анализ экономических данных

Заключение

Литература

Введение

В данной работе анализируются способы и методы анализа и обработки данных.

1. Общая характеристика методов анализа и обработки данных

Можно выделить следующие основные принципы анализа и обработки данных:

Действенность – активное воздействие на ход процесса производства и его результатов.

Эффективность – затраты на его проведение должны давать многократный эффект.

Основными функциями финансового анализа являются:

выявление факторов и причин достигнутого состояния и полученных результатов;

подготовка и обоснование принимаемых управленческих решений в области финансов;

2. Основные группы эконометрических методов анализа и обработки данных

Результаты взаимодействия экономических субъектов зависят от промежутка времени, в котором они рассматриваются. В связи с этим различают методы статического анализа, сравнительной статики и динамического анализа.

При статическом анализе рассматривают ситуацию на определенный момент времени, например, как при существующих спросе и предложении формируется цена. Метод сравнительной статики сводится к сопоставлению результатов статического анализа в различные моменты времени, например, на сколько и почему цена данного блага различается в периоды t и (t - 1). Для выявления характера динамики экономического показателя между двумя моментами времени и обнаружения факторов, ее определяющих, служит динамический анализ. Если посредством метода сравнительной статики можно установить, что цена зерна через месяц будет в 1,5 раза больше нынешней, то выяснить, как она будет повышаться – монотонно или колебательно, позволяет лишь динамический анализ, при котором все факторы, формирующие цену зерна, представляются функциями времени.

В динамических моделях иной смысл приобретает понятие экономического равновесия. Вместо статического равновесия, выражающего совпадение планов экономических субъектов на определенный момент, используется понятие стационарное состояние (steady state), представляющее сохраняющееся во времени равновесие при неизменных факторах формирования спроса и предложения.

Методика микроэкономического анализа базируется на пересечении трех областей знаний: экономики, статистики и математики.

К экономическим методам анализа относят сравнение, группировку, балансовый и графический методы.

Статистические методы включают в себя использование средних и относительных величин, индексный метод, корреляционный и регрессивный анализ и др.

Математические методы можно разделить на три группы: экономические (матричные методы, теория производственных функций, теория межотраслевого баланса); методы экономической кибернетики и оптимального программирования (линейное, нелинейное, динамическое программирование); методы исследования операций и принятия решений (теория графов, теория игр, теория массового обслуживания).

Сравнение – сопоставление изучаемых данных и фактов хозяйственной жизни. Различают:

горизонтальный сравнительный анализ, который применяется для определения абсолютных и относительных отклонений фактического уровня исследуемых показателей от базового;

вертикальный сравнительный анализ, используемый для изучения структуры экономических явлений;

трендовый анализ, применяемый при изучении относительных темпов роста и прироста показателей за ряд лет к уровню базисного года, т.е. при исследовании рядов динамики.

Обязательным условием сравнительного анализа является сопоставимость сравниваемых показателей, предполагающая:

единство объемных, стоимостных, качественных, структурных показателей;

единство периодов времени, за которые производится сравнение;

сопоставимость условий производства;

сопоставимость методики исчисления показателей.

Средние величины – исчисляются на основе массовых данных о качественно однородных явлениях. Они помогают определять общие закономерности и тенденции в развитии экономических процессов.

Группировки – используются для исследования зависимости в сложных явлениях, характеристика которых отражается однородными показателями и разными значениями (характеристика парка оборудования по срокам ввода в эксплуатацию, по месту эксплуатации, по коэффициенту сменности и т.д.)

Балансовый метод состоит в сравнении, соизмерении двух комплексов показателей, стремящихся к определенному равновесию. Он позволяет выявить в результате новый аналитический (балансирующий) показатель.

Например, при анализе обеспеченности предприятия сырьем сравнивают потребность в сырье, источники покрытия потребности и определяют балансирующий показатель – дефицит или избыток сырья.

Как вспомогательный, балансовый метод используется для проверки результатов расчетов влияния факторов на результативный совокупный показатель. Если сумма влияния факторов на результативный показатель равна его отклонению от базового значения, то, следовательно, расчеты проведены правильно. Отсутствие равенства свидетельствует о неполном учтете факторов или о допущенных ошибках:

где у – результативный показатель; x– факторы; – отклонение результативного показателя за счет фактора хi.

Балансовый метод применяют также для определения размера влияния отдельных факторов на изменение результативного показателя, если известно влияние остальных факторов:

Графики являются масштабным изображением показателей и их зависимости с помощью геометрических фигур.

Графический способ не имеет в анализе самостоятельного значения, а используется для иллюстрации измерений.

Индексный метод основывается на относительных показателях, выражающих отношение уровня данного явления к его уровню, взятому в качестве базы сравнения. Статистика называет несколько видов индексов, которые применяются при анализе: агрегатные, арифметические, гармонические и т.д.

Использовав индексные пересчеты и построив временной ряд, характеризующий, например, выпуск промышленной продукции в стоимостном выражении, можно квалифицированно проанализировать явления динамики.

Метод корреляционного и регрессионного (стохастического) анализа широко используется для определения тесноты связи между показателями не находящимися в функциональной зависимости, т.е. связь проявляется не в каждом отдельном случае, а в определенной зависимости.

С помощью корреляции решаются две главные задачи:

составляется модель действующих факторов (уравнение регрессии);

дается количественная оценка тесноты связей (коэффициент корреляции).

Матричные модели представляют собой схематическое отражение экономического явления или процесса с помощью научной абстракции. Наибольшее распространение здесь получил метод анализа «затраты-выпуск», строящийся по шахматной схеме и позволяющий в наиболее компактной форме представить взаимосвязь затрат и результатов производства.

Математическое программирование – это основное средство решения задач по оптимизации производственно-хозяйственной деятельности.

Метод исследования операций направлен на изучение экономических систем, в том числе производственно-хозяйственной деятельности предприятий, с целью определения такого сочетания структурных взаимосвязанных элементов систем, которое в наибольшей степени позволит определить наилучший экономический показатель из ряда возможных.

Теория игр как раздел исследования операций – это теория математических моделей принятия оптимальных решений в условиях неопределенности или конфликта нескольких сторон, имеющих различные интересы.

3. Факторный анализ экономических данных

Особо выделим такой метод анализа данных как факторный анализ. Под экономическим факторным анализом понимается постепенный переход от исходной факторной системы к конечной факторной системе, раскрытие полного набора прямых, количественно измеримых факторов, оказывающих влияние на изменение результативного показателя.

По характеру взаимосвязи между показателями различают методы детерминированного и стохастического факторного анализа.

Детерминированный факторный анализ представляет собой методику исследования влияния факторов, связь которых с результативным показателем носит функциональный характер.

Различают четыре типа детерминированных моделей:

Аддитивные модели представляют собой алгебраическую сумму показателей и имеют вид

К таким моделям, например, относятся показатели себестоимости во взаимосвязи с элементами затрат на производство и со статьями затрат; показатель объема производства продукции в его взаимосвязи с объемом выпуска отдельных изделий или объема выпуска в отдельных подразделениях.

Мультипликативные модели в обобщенном виде могут быть представлены формулой

Примером мультипликативной модели является двухфакторная модель объема реализации

где Ч – среднесписочная численность работников;

CB – средняя выработка на одного работника.

Кратные модели:

Примером кратной модели служит показатель срока оборачиваемости товаров (в днях).

где ЗТ – средний запас товаров;

ОР – однодневный объем реализации.

Смешанные модели представляют собой комбинацию перечисленных выше моделей и могут быть описаны с помощью специальных выражений:

Примерами таких моделей служат показатели затрат на 1 руб. товарной продукции, показатели рентабельности и др.

Построение факторной модели – первый этап детерминированного анализа. Далее определяют способ оценки влияния факторов. Выделяют следующие способы:

1. Способ ценной подстановки.

3. Абсолютных разниц.

4. Относительных разниц.

5. Пропорциональные деления.

6. Интегральный метод.

7. Логарифмирование и т.д.

Заключение

Подводя итоги работы, можно сделать следующие выводы. В экономическом анализе методика представляет собой совокупность аналитических средств и правил исследования экономики предприятия, определенным образом направленных на достижение цели анализа.

Характерными особенностями методов анализа и обработки данных являются:

использование системы показателей, которые всесторонне характеризуют хозяйственную деятельность;

комплексное использование источников информации;

изучение и количественное измерение влияния факторов на изменение того или другого показателя;

выявление резервов повышения эффективности хозяйствования;

разработка необходимых мероприятий, по устранению выявленных в процессе анализа недостатков;

контроль за устранением установленных в процессе анализа недостатков.

Литература

Ващенко Л.А. Экономический анализ. – Донецк, изд. Донецкого государственного университета экономики и торговли им. М. Туган-Барановского, 2007.

Гиляровская Л. Т. Экономический анализ. – М., 2005.

Гиляровская Л. Т., Вехорева А.А. Анализ и оценка финансовой отчетности коммерческого предприятия. – СПб., 2003.

Грищенко О.В. Анализ и диагностика финансово-хозяйственной деятельности предприятия: – Учебное пособие Таганрог: Изд-во ТРТУ, 2004.

Донцова Л.В., Никифорова Н.А. Комплексный анализ бухгалтерской отчетности. – М., 2001.