Типы факторного анализа. Детерминированное моделирование факторных систем
Все явления и процессы финансово-хозяйственной деятельности компаний взаимосвязаны, взаимозависимы и условны. Каждый показатель эффективности зависит от многих и разнообразных факторов. Чем детальнее изучено влияние факторов на значение результативного показателя, тем точнее будут результаты анализа и оценки качества работы предприятия.
Под факторным анализом понимается метод комплексного и систематического изучения и измерения влияния факторов на величину результативных показателей. Различают следующие виды факторного анализа 1 :
- • детерминированные и стохастические;
- • прямой и наоборот;
- • одно- и многоступенчатые;
- • статические и динамические;
- • ретроспективный и перспективный (прогноз).
Детерминированный факторный анализ
методология изучения влияния факторов, связь которых с показателем эффективности носит функциональный характер, т е когда показатель эффективности представлен в виде произведения, частной или алгебраической суммы факторов.
Стохастический факторный анализ – это методика изучения факторов, связь которых с показателем эффективности, в отличие от функциональной, носит неполный, вероятностный (корреляционный) характер. Если при функциональной (полной) зависимости всегда имеется соответствующее изменение функции при изменении аргумента, то при корреляционной зависимости изменение аргумента может дать несколько значений прироста функции в зависимости от совокупность других факторов, определяющих этот показатель.
При прямом факторном анализе исследование ведется дедуктивным путем — от общего к частному.
Обратный факторный анализ осуществляет исследование причинно-следственных связей методом логической индукции — от частных, индивидуальных факторов к общим.
Одноуровневый факторный анализ применяется для изучения факторов только одного уровня (одной ступени) подпорядка без детализации их на составные части.
В многоэтапном факторном анализе факторы на первом этапе разбиваются на составные элементы для изучения их поведения.
Статический факторный анализ используется при изучении влияния факторов на показатели эффективности на соответствующую дату.
Динамический факторный анализ – это методика изучения причинно-следственных связей в динамике.
Факторный анализ может быть ретроспективным, изучающим причины роста показателей деятельности за предыдущие периоды, и проспективным, исследующим поведение факторов и показателей деятельности в будущем.
Одной из задач факторного анализа является моделирование связи между показателями эффективности и факторами, определяющими их значение.
Моделирование – один из важнейших методов научного познания, с помощью которого создается модель (условный образ) объекта исследования. Суть его заключается в том, что связь между изучаемым показателем и факториалами переводится в виде определенного математического уравнения.
Факторный анализ различает детерминированные (функциональные) и стохастические (корреляционные) модели. С помощью детерминированных факторных моделей исследуется функциональная связь между показателем эффективности (функцией) и факторами (аргументами).
При моделировании детерминированных систем факторов должны выполняться следующие требования.
- 1. Факторы, входящие в модель, и сами модели должны иметь конкретный характер и реально существовать.
- 2. Факторы, входящие в систему, должны находиться в причинно-следственной связи с изучаемыми показателями.
- 3. Все показатели факторной модели должны быть количественными и иметь необходимую информационную защищенность.
- 4. Факторная модель должна обеспечивать возможность измерения влияния отдельных факторов, а сумма их влияния должна быть равна общему приросту результативного показателя.
В детерминированном анализе выделяют следующие типы наиболее распространенных факторных моделей.
1. Аддитивные модели используются в случаях, когда показатель эффективности представляет собой алгебраическую сумму нескольких факторных показателей:
U = ?LG. = Х, + Х2 + ^3 + . +Х„.
- 1=1
- 2. Мультипликативные модели используются, когда показатель эффективности является произведением нескольких факторов:
3. Множественные модели используются, если результативный показатель получается путем деления одного факторного показателя на значение другого:
Способы детерминированного факторного анализа.
Известен ряд методов моделирования факторных систем.
Моделирование аддитивных мультипликативных факторных систем осуществляется путем последовательного деления факторов исходной системы на факторные факторы.
К классу нескольких моделей применяются следующие методы их преобразования: расширение, формальная декомпозиция, расширение и редукция. В результате процесса моделирования из двухфакторной множественной модели формируются аддитивные множественные, мультипликативные и мультипликативные многофакторные системы.
Первый способ предполагает расширение числителя исходной модели заменой одного или нескольких факторов суммой однородных показателей. В результате, например, может быть получена аддитивная модель с новым набором факторов.
Метод формальной декомпозиции факторной системы предполагает расширение знаменателя исходной факторной модели путем замены одного или нескольких факторов суммой или произведением однородных показателей. На практике такое разложение происходит довольно часто.
Метод расширения множественной модели предусматривает расширение исходной факторной модели путем умножения числителя и знаменателя дроби на один или несколько новых показателей. В результате получается окончательная мультипликативная модель в виде произведения нового набора факторов. Этот метод моделирования также широко используется в анализе.
Метод редукции заключается в создании новой факторной модели путем деления числителя и знаменателя на дробь с одинаковым показателем. В этом случае получается окончательная модель того же типа, что и исходная, но с другим набором факторов.
Таким образом, показатели эффективности могут по-разному разлагаться на составляющие факторы и представляться в виде разных типов детерминированных моделей. Выбор метода моделирования зависит от объекта исследования и поставленной задачи. Конечные результаты анализа зависят от того, насколько реалистично и точно созданные модели отражают взаимосвязь между изучаемыми показателями.