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

При моделировании детерминированных факторных систем необходимо выполнять ряд требований:

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

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

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

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

Типы факторных моделей встречающихся в детерминированном анализе:

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

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

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

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

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

Таблица 2.1 – Область применения основных приемов детерминированного факторного анализа

Методы элиминирования

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

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

Рассмотрим алгоритм расчета способом цепной подстановки для различных моделей:

Мультипликативная модель

Двухфакторная мультипликативная модель (Y = a ´ b):

; ; .

.

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

; .

; ; ; .

Кратная модель

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

; ;

.

Смешанные модели

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

; ;

; ;

; ;

; .

Кратно-аддитивного типа ():

;

; ;

; .

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

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

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

Рассмотрим алгоритм расчета индексного метода для мультипликативной модели.

; ; ; .

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

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

Мультипликативная модель

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

Изменение величины результативного показателя за счет каждого фактора:

; .

Смешанные модели

Алгоритм расчета факторов этим способом в смешанных моделях типа :

; ; .

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

Мультипликативная модель

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

Сначала рассчитываются относительные отклонения факторных показателей:

; ; .

Изменение результативного показателя за счет каждого фактора определяется следующим образом:

Они используются в тех случаях, когда результативный показатель представляет собой алгебраическую сумму нескольких факторных показателей.

2. Мультипликативные модели

Y=
.

Этот тип моделей применяется тогда, когда результативный показатель представляет собой произведение нескольких факторов.

3. Кратные модели

Y=.

Они применяются тогда, когда результативный показатель получают делением одного факторного показатели на величину другого.

4. Смешанные (комбинированные) модели - это сочетание в различных комбинациях предыдущих моделей:

Y=; Y=; Y=(a+b)c .

Преобразование факторных систем

1. Преобразование мультипликативных факторных систем осуществляется путем последовательного расчленения факторов исходной системы на факторы-сомножители .

Например, при исследовании процесса формирования объема производства продукции (см.рис.6.1) можно применять такие детерминированные модели, как

ВП=КРГВ; ВП=КРДДВ, ВП=КРДПСВ.

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

2. Аналогичным образом осуществляется моделирование аддитивных факторных систем за счет расчленения одного из факторных показателей на его составные элементы-слагаемые .

Пример. Как известно, объем реализации продукции

VРП = VВП – VИ,

где VВП - объем производства;

VИ – объем внутрихозяйственного использования продукции.

В сельскохозяйственном предприятии зернопродукция использовалась в качестве семян (С) и кормов (К) Тогда приведенную исходную модель можно записать следующим образом: VП = VВП - (С + К).

3. К классу кратных моделей применяют следующие способы их преобразования:

удлинения;

формального разложения;

расширения;

сокращения.

Первый метод предусматривает удлинение числителя исходной модели путем замены одного или нескольких факторов на сумму однородных показателей .

Например, себестоимость единицы продукции можно представить в качестве функции двух факторов: изменение суммы затрат (3) и объема выпуска продукции (VВП). Исходная модель этой факторной системы будет иметь вид

С=.

Если общую сумму затрат (3) заменить отдельными их элементами, такими, как оплата труда (ОТ), сырье и материалы (СМ), амортизация основных средств (А), накладные затраты (НЗ) и др., то детерминированная факторная модель будет иметь вид аддитивной модели с новым набором факторов

С=+++=X+ X+ X+ X,

где X– трудоемкость продукции; X– материалоемкость продукции; X– фондоемкость продукции; X– уровень накладных затрат

Способ формального разложения факторной системы предусматривает удлинение знаменателя исходной факторной модели путем замены одного или нескольких факторов на сумму или произведение однородных показателей .

Если b=l+m+n+р , то

Y=
.

В результате получили конечную модель того же вида, что и исходной факторной системы (кратную модель). На практике такое разложение встречается довольно часто. Например, при анализе показателя рентабельности производства (Р):

Р=,

где /7 - сумма прибыли от реализации продукции;

3 - сумма затрат на производство и реализацию продукции.

Если сумму затрат заменить на отдельные ее элементы, конечная модель в результате преобразования приобретет следующий вид:

Р=
.

Себестоимость одного тонно-километра (С
) зависит от суммы затрат на содержание и эксплуатацию автомобиля (3) и от его среднегодовой выработки (ГВ). Исходная модель этой системы будет иметь вид

С
=.

Учитывая, что среднегодовая выработка машины в свою очередь зависит от количества отработанных дней одним автомобилем за год (Д), продолжительности смены (П) и среднечасовой выработки (СВ), мы можем значительно удлинить эту модель и разложить прирост себестоимости на большее количество факторов:

С
=
.

Метод расширения предусматривает расширение исходной факторной модели за счет умножения числителя и знаменателя дроби на один или несколько новых показателей. Например, если в исходную модель

ввести новый показатель с, то модель примет вид

.

В результате получилась конечная мультипликативная модель в виде произведения нового набора факторов.

Этот способ моделирования очень широко применяется в анализе. Например, среднегодовую выработку продукции одним работником (показатель производительности труда) можно записать таким образом: ГВ = ВП / КР. Если ввести такой показатель, как количество отработанных дней всеми работниками (Д), то получим следующую модель годовой выработки:

ГВ=
,

где ДВ – среднедневная выработка; Д – количество отработанных дней одним работником.

После введения показателя количества отработанных часов всеми работниками (Т) получим модель с новым набором факторов: среднечасовой выработки (СВ), количества отработанных дней одним работником (Д) и продолжительности рабочего дня (П):

Способ сокращения представляет собой создание новой факторной модели путем деления числителя и знаменателя дроби на один и тот же показатель :

.

В данном случае получается конечная модель того же типа, что и исходная, однако с другим набором факторов.

Другой пример. Экономическая рентабельность активов предприятия (ROA) рассчитывается делением суммы прибыли (П) на среднегодовую стоимость основного и оборотного капитала предприятия (A): ROA=П/A.

Если числитель и знаменатель разделим на объем продажи продукции (S), то получим кратную модель, но с новым набором факторов: рентабельности реализованной продукции и капиталоемкости продукции:

Результативные показатели могут быть разложены на составные элементы (факторы) различными способами и представлены в виде различных типов детерминированных моделей. Выбор способа моделирования зависит от объекта исследования, поставленной цели, а также от профессиональных знаний и навыков исследователя. Процесс моделирования факторных систем - очень сложный и ответственный момент в экономическом анализе. От того, насколько реально и точно созданные модели отражают связь между исследуемыми показателями, зависят конечные результаты анализа .

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

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

Алгоритм построения мультипликативной модели

Построение мультипликативной моделей сводится к расчету значений T , S и E для каждого уровня ряда.
Процесс построения модели включает в себя следующие шаги.

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

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

t	y t	Скользящая средняя	Центрированная скользящая средняя	Оценка сезонной компоненты
1	898	-	-	-
2	794	1183.25	-	-
3	1441	1200.5	1191.88	1.21
4	1600	1313.5	1257	1.27
5	967	1317.75	1315.63	0.74
6	1246	1270.75	1294.25	0.96
7	1458	1251.75	1261.25	1.16
8	1412	1205.5	1228.63	1.15
9	891	1162.75	1184.13	0.75
10	1061	1218.5	1190.63	0.89
11	1287	-	-	-
12	1635	-	-	-

Шаг 2 . Найдем оценки сезонной компоненты как частное от деления фактических уровней ряда на центрированные скользящие средние (гр. 5 табл.). Эти оценки используются для расчета сезонной компоненты S. Для этого найдем средние за каждый период оценки сезонной компоненты S j . Сезонные воздействия за период взаимопогашаются. В мультипликативной модели это выражается в том, что сумма значений сезонной компоненты по всем кварталам должна быть равна числу периодов в цикле. В нашем случае число периодов одного цикла равно 4.

Показатели	1	2	3	4
1	-	-	1.21	1.27
2	0.74	0.96	1.16	1.15
3	0.75	0.89	-	-
Всего за период	1.49	1.85	2.37	2.42
Средняя оценка сезонной компоненты	0.74	0.93	1.18	1.21
Скорректированная сезонная компонента, S i	0.73	0.91	1.16	1.19

Для данной модели имеем:
0.744 + 0.927 + 1.183 + 1.211 = 4.064
Корректирующий коэффициент: k=4/4.064 = 0.984
Рассчитываем скорректированные значения сезонной компоненты S i и заносим полученные данные в таблицу.
Шаг 3 . Разделим каждый уровень исходного ряда на соответствующие значения сезонной компоненты. В результате получим величины T x E = Y/S (гр. 4 табл.), которые содержат только тенденцию и случайную компоненту.
Находим параметры уравнения методом наименьших квадратов .
Система уравнений МНК:
a 0 n + a 1 ∑t = ∑y
a 0 ∑t + a 1 ∑t 2 = ∑y t
Для наших данных система уравнений имеет вид:
12a 0 + 78a 1 = 14659.84
78a 0 + 650a 1 = 96308.75
Из первого уравнения выражаем а 0 и подставим во второе уравнение
Получаем a 1 = 7.13, a 0 = 1175.3
Среднее значения

t	y	t 2	y 2	t y	y(t)	(y-y cp) 2	(y-y(t)) 2
1	1226.81	1	1505062.02	1226.81	1182.43	26.59	1969.62
2	870.35	4	757510.32	1740.7	1189.56	123413.31	101895.13
3	1238.16	9	1533048.66	3714.49	1196.69	272.59	1719.84
4	1342.37	16	1801951.56	5369.47	1203.82	14572.09	19194.4
5	1321.07	25	1745238.05	6605.37	1210.96	9884.65	12126.19
6	1365.81	36	1865450.09	8194.89	1218.09	20782.63	21823.45
7	1252.77	49	1569433.89	8769.39	1225.22	968.3	759.1
8	1184.64	64	1403371.14	9477.12	1232.35	1369.99	2276.31
9	1217.25	81	1481689.26	10955.22	1239.48	19.42	494.41
10	1163.03	100	1352627.82	11630.25	1246.61	3437.21	6987
11	1105.84	121	1222883.47	12164.25	1253.75	13412.51	21875.75
12	1371.73	144	1881649.21	16460.79	1260.88	22523.77	12288.93
78	14659.84	650	18119915.49	96308.75	14659.84	210683.05	203410.13

Шаг 4 . Определим компоненту T данной модели. Для этого проведем аналитическое выравнивание ряда (T + E) с помощью линейного тренда. Результаты аналитического выравнивания следующие:
T = 1175.298 + 7.132t
Подставляя в это уравнение значения t = 1,...,12, найдем уровни T для каждого момента времени (гр. 5 табл.).

t	y t	S i	y t /S i	T	TxS i	E = y t / (T x S i)	(y t - T*S) 2
1	898	0.73	1226.81	1182.43	865.51	1.04	1055.31
2	794	0.91	870.35	1189.56	1085.21	0.73	84801.95
3	1441	1.16	1238.16	1196.69	1392.74	1.03	2329.49
4	1600	1.19	1342.37	1203.82	1434.87	1.12	27269.14
5	967	0.73	1321.07	1210.96	886.4	1.09	6497.14
6	1246	0.91	1365.81	1218.09	1111.23	1.12	18162.51
7	1458	1.16	1252.77	1225.22	1425.93	1.02	1028.18
8	1412	1.19	1184.64	1232.35	1468.87	0.96	3233.92
9	891	0.73	1217.25	1239.48	907.28	0.98	264.9
10	1061	0.91	1163.03	1246.61	1137.26	0.93	5814.91
11	1287	1.16	1105.84	1253.75	1459.13	0.88	29630.23
12	1635	1.19	1371.73	1260.88	1502.87	1.09	17458.67

Шаг 5 . Найдем уровни ряда, умножив значения T на соответствующие значения сезонной компоненты (гр. 6 табл.).
Расчет ошибки в мультипликативной модели производится по формуле:
E = Y/(T * S) = 12
Для сравнения мультипликативной модели и других моделей временного ряда можно использовать сумму квадратов абсолютных ошибок:
Среднее значения

t	y	(y-y cp) 2
1	898	106384.69
2	794	185043.36
3	1441	47016.69
4	1600	141250.69
5	967	66134.69
6	1246	476.69
7	1458	54678.03
8	1412	35281.36
9	891	111000.03
10	1061	26623.36
11	1287	3948.03
12	1635	168784.03
78	14690	946621.67

Следовательно, можно сказать, что мультипликативная модель объясняет 79% общей вариации уровней временного ряда.
Проверка адекватности модели данным наблюдения.

где m - количество факторов в уравнении тренда (m=1).
Fkp = 4.96
Поскольку F> Fkp, то уравнение статистически значимо
Шаг 6 . Прогнозирование по мультипликативной модели. Прогнозное значение F t уровня временного ряда в мультипликативной модели есть сумма трендовой и сезонной компонент. Для определения трендовой компоненты воспользуемся уравнением тренда:T = 1175.298 + 7.132t
Получим
T 13 = 1175.298 + 7.132*13 = 1268.008
Значение сезонного компонента за соответствующий период равно: S 1 = 0.732
Таким образом, F 13 = T 13 + S 1 = 1268.008 + 0.732 = 1268.74
T 14 = 1175.298 + 7.132*14 = 1275.14
Значение сезонного компонента за соответствующий период равно: S 2 = 0.912
Таким образом, F 14 = T 14 + S 2 = 1275.14 + 0.912 = 1276.052
T 15 = 1175.298 + 7.132*15 = 1282.271
Значение сезонного компонента за соответствующий период равно: S 3 = 1.164
Таким образом, F 15 = T 15 + S 3 = 1282.271 + 1.164 = 1283.435
T 16 = 1175.298 + 7.132*16 = 1289.403
Значение сезонного компонента за соответствующий период равно: S 4 = 1.192
Таким образом, F 16 = T 16 + S 4 = 1289.403 + 1.192 = 1290.595

1. Факторная модель: Р = Z ´ N.

Тип модели: двухфакторная мультипликативная.

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

Цепной подстановки;

Абсолютных разниц;

Простого прибавления неразложимого остатка;

Взвешенных конечных разниц;

Логарифмический;

Интегральный.

3. Аналитическая таблица для решения:

4. Расчет влияния факторов.

4.1. Применение способа цепной подстановки:

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

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

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

г) Р 3 = 205 ´ 0,11 = 22,55 (т);

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

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

4.2. Применение способа абсолютных разниц:

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

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

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

4.3. Применение способа относительных разниц:

а) Р(Z) = (т);

б) Р(N) = (т);

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

Совокупное влияние факторов рассчитанных способом цепной подстановки и абсолютных разниц:

4.4. Применение способа простого прибавления неразложимого остатка:

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

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

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

г) Р = Р (N) + Р (Z) =-0,85 (т).

4.5. Применение способа взвешенных конечных разностей:

а) Р(N) 1 = N ´ Z 0 = 1,2;

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

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

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

Применение логарифмического способа

в) К N + К Z = -1,35+2,35 =1 ;

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

(2,35)= -2;

Общее влияние +1,15 – 2 = - 0, 85.

Применение интегрального способа

а) (т)

б) (т)

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

Применение указанных способов дает возможность получить уточненный результат расчетов.

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

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

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

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

ЗАДАЧИ

для самостоятельного решения

18. На основе приведенных данных:

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

Сделать вывод.

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

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

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

Периоды	Товарооборот, тыс. руб., (N)
		2,1
		2,15

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

Показатели	Предприятие № 1	Предприятие № 2	Предприятие № 3
Базисный период	Отчетный период	Базисный период	Отчетный период	Базисный период	Отчетный период
Товарооборот, тыс. руб., (N)
Средний остаток оборотных средств, тыс. руб., (С об)	156,4	162,5	228,4	226.5	44,5	48,6
Оборачиваемость (обор.), К об	8,6	8,4	12,1	12,8	4,9	5,2

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

Показатели	Предприятие № 1	Предприятие № 2	Предприятие № 3
Базисный период	Отчетный период	Базисный период	Отчетный период	Базисный период	Отчетный период
Выпуск продукции, тыс. руб., (N)
Средняя стоимость основных средств, тыс. руб.,( ост)		538,0	564,2	565,6	265,8	268,4
Фондоотдача,	1,806	1,862	1,206	1,200	14,5	14,8

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

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

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

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

где - фондоотдача активной части основных фондов;

Доля активной части основных фондов в стоимости основных фондов.

РЕЗУЛЬТАТЫ РЕШЕНИЯ ЗАДАЧ

Мультипликативная модель.

Пример 2. Выручка от реализации продукции (объем продукции - V) может быть выражена как произведение комплекса факторов: численность персонала (Чп), доля рабочих в общей численности персонала (dр); среднегодовая выработка одного рабочего (Вр)

V = Чп * dр * Вр

Смешанная (комбинированная) модель представляет собой сочетание в различных комбинациях предыдущих моделей: Пример 4. Рентабельность предприятия (Р) определяется как частное от деления балансовой прибыли (Пбал) на среднегодовую стоимость основных (ОС) и нормируемых оборотных (ОБ) средств:

Ø Преобразования детерминированных факторных моделей

Для моделирования различных ситуаций в факторном анализе применяются специальные методы преобразования типовых факторных моделей. Все они основаны на приеме детализации . Детализация – разложение более общих факторов на менее общие. Детализация позволяет на основе знания экономической теории упорядочить анализ, содействует комплексному рассмотрению факторов, указывает значимость каждого из них.

Развитие детерминированной факторной системы достигается, как правило, за счет детализации комплексных факторов. Элементные (простые) факторы не раскладываются.

Пример 1. Факторы

Большая часть традиционных (специальных) приемов детерминированного факторного анализа основана на элиминировании . Прием элиминирования используется для определения изолированного фактора путем исключения воздействия всех остальных. Исходной посылкой данного приема является следующая: Все факторы изменяются независимо друг от друга: сначала изменяется один, а все другие остаются без изменения, затем изменяются два, три и т.д. при неизменности остальных. Прием элиминирования является в свою очередь основой для других приемов детерминированного факторного анализа, цепных подстановок, индексных, абсолютных и относительных (процентных) разниц.

Ø Прием цепных подстановок

Цель.

Область применения . Все виды детерминированных факторных моделей.

Ограничение на использование.

Порядок применения . Рассчитывается ряд скорректированных значений результативного показателя путем последовательной замены базисных значений факторов на фактические.

Расчет влияния факторов целесообразно проводить в аналитической таблице.

Исходная модель: П = А х В х С х Д

А

Ø Прием абсолютных разниц

Цель. Измерение изолированного влияния факторов на изменение результативного показателя.

Область применения. Детерминированные факторные модели; в том числе:

1. Мультипликативные

2. Смешанные (комбинированные)

типа Y = (A-B)C и Y = A(B-C)

Ограничения на использование. Факторы в модели должны быть последовательно расположены: от количественных к качественным, от более общих к более частным.

Порядок применения. Величина влияния отдельного фактора на изменение результативного показателя определяется путем умножения абсолютного прироста исследуемого фактора на базисную (плановую) величину факторов, которые в модели находятся справа от него, и на фактическую величину факторов, расположенных слева.

В случае исходной мультипликативной модели П = А х В х С х Д получим: изменение результативного показателя

1. За счет фактора А:

DП А = (А 1 – А 0) х В 0 х С 0 х Д 0

2. За счет фактора В:

DП В = А 1 х (В 1 - В 0) х С 0 х Д 0

3. За счет фактора С:

DП С = А 1 х В 1 х (С 1 - С 0) х Д 0

4. За счет фактора Д:

DП Д = А 1 х В 1 х С 1 х (Д 1 - Д 0)

5. Общее изменение (отклонение) результативного показателя (баланс отклонений)

D П = D П а + D П в + D П с + D П д

Баланс отклонений должен соблюдаться (так же как в приеме цепных подстановок).

Ø Прием относительных (процентных) разниц

Цель. Измерение изолированного влияния факторов на изменение результативного показателя.

Область применения . Детерминированные факторные модели, включая:

1) мультипликативные;

2) комбинированные типа Y = (А – В) С,

целесообразно применять, когда известны определенные ранее относительные отклонения факторных показателей в процентах или коэффициентах.

Требования к последовательности расположения факторов в модели отсутствуют.

Исходная посылка . Результативный признак изменяется пропорционально изменению факторного признака.

Порядок применения . Величина влияния отдельного фактора на изменение результативного показателя определяется путем умножения базисного (планового)значения результативного показателя на относительный прирост факторного признака.

Исходная модель:

Изменение результативного показателя:

1. За счет фактора А:

За счет фактора В:

2. За счет фактора С:

Баланс отклонений . Общее отклонение результативного показателя складывается из отклонений по факторам:

D Y = Y 1 - Y 0 = D Y A + D Y B + D Y C

Ø Индексный метод

Цель. Измерение относительного и абсолютного изменения экономических показателей и влияния на него различных факторов.

Область применения .

1. Анализ динамики показателей, в том числе агрегированных (сложенных).

2. Детерминированные факторные модели; включая мультипликативные и кратные.

Порядок применения . Абсолютное и относительное изменение экономических явлений.

Агрегатный индекс стоимости продукции (товарооборота)

I pq – характеризует относительное изменение стоимости продукции в действующих ценах (ценах соответствующего периода)

Разность числителя и знаменателя (åp 1 q 1 - åp o q 0) – характеризует абсолютное изменение стоимости продукции в отчетном периоде по сравнению с базисным.

Агрегатный индекс цен:

I p – характеризует относительное изменение средней цены на совокупность видов продукции (товаров).

Разность числителя и знаменателя (åp 1 q 1 - åp o q 1) – характеризует абсолютное изменение стоимости продукции вследствие изменения цен на отдельные ее виды.

Агрегатный индекс физического объема продукции:

характеризует относительное изменение объема продукции в фиксированных (сопоставимых) ценах.

åq 1 p 0 - åq 0 p 0 – разность числителя и знаменателя характеризует абсолютное изменение стоимости продукции вследствие изменения физических объемов различных ее видов.

На основе индексных моделей проводится факторный анализ.

Так, классической аналитической задачей является определение влияния на стоимость продукции фактора количества (физического объема) и цен:

В абсолютных величинах

å p 1 q 1 - å p 0 q 0 = (å q 1 p 0 - å q 0 p 0) + (å p 1 q 1 - å p 0 q 1).

Аналогично, используя индексную модель, можно определить влияние на полную себестоимость продукции (zq) факторов ее физического объема (q) и себестоимости единицы продукции различных видов (z)

В абсолютном выражении

å z 1 q 1 - å z 0 q 0 = (å q 1 z 0 - å q 0 z 0) + (å z 1 q 1 - å z 0 q 1)

Ø Интегральный метод

Цель. Измерение изолированного влияния факторов на изменение результативного показателя.

Область применения . Детерминированные факторные модели, в том числе

· Мультипликативные

· Кратные

· Смешанные типа

Преимущества. По сравнению с приемами, основанными на элиминировании, дает более точные результаты, поскольку дополнительный прирост результативного показателя за счет взаимодействия факторов распределяется пропорционально их изолированному воздействию на результативный показатель.

Порядок применения . Величина влияния отдельного фактора на изменение результативного показателя определяется на основе формул для разных факторных моделей, выведенных с применением дифференцирования и интегрирования в факторном анализе.

Изменение результативного показателя за счет фактора х

D¦ х = D ху 0 +DхDу / 2

за счет фактора у

D¦ у = D ух 0 +DуDх / 2

Общее изменение результативного показателя: D¦ = D¦ х + D¦ у

Баланс отклонений

D¦ = ¦ 1 - ¦ 0 = D¦ х +D¦ у