Особенности конкретной аналитической деятельности предопределяют специфику методов ее осуществления. Под методом анализа понимается диалектический способ подхода к изучению хозяйственных процессов в их становлении и развитии. Характерными особенностями метода анализа являются: использование системы показателей, всесторонне характеризующих хозяйственную деятельность, изучение причин изменения этих показателей, выявление и измерение взаимосвязи между ними в целях повышения социально-экономической эффективности.
Под методикой в широком смысле обычно понимается совокупность способов и правил целесообразного выполнения какой-либо работы. В анализе хозяйственной деятельности методика представляет собой совокупность аналитических способов и правил исследования деятельности муниципального образования, определенным образом подчиненных достижению цели анализа. Различают общую и частные методики. Общую методику понимают как систему исследования, которая одинаково используется при изучении различных объектов анализа во всех отраслях экономики. Частные методики конкретизируют общую в зависимости от отрасли экономики, типа производства или объекта исследования.
Любая методика анализа содержит такие моменты, как:
- цели и задачи анализа;
- объекты анализа;
- системы показателей, с помощью которых будет исследоваться каждый объект анализа;
- описание способов исследования изучаемых объектов;
- источники данных для анализа;
- указания по организации анализа;
- указания по оформлению результатов анализа;
- потребители результатов анализа.
В качестве важнейшего элемента методики АХД выступают технические приемы и методы анализа.
Среди них можно выделить традиционные и нетрадиционные.
К традиционным методам и приемам можно отнести:
- горизонтальный (трендовый) метод;
- вертикальный (структурный) метод;
- метод сравнения;
- метод группировки;
- балансовый метод;
- графический метод;
- методы и приемы факторного анализа.
К нетрадиционным методам и приемам можно отнести:
- методы и приемы функционально-стоимостного анализа;
- методы и приемы маржинального анализа;
- эвристические методы и приемы;
- методы линейного программирования.
Остановимся более подробно на характеристике некоторых из них.
Метод сравнения предусматривает сопоставление:
- фактических значений показателей с плановыми для определения степени их выполнения;
- отчетных показателей с такими же показателями за предшествующий период для определения размера, характера и темпов изменения анализируемых объектов;
- достигнутых результатов со средне территориальными показателями для определения места, занимаемого МО в группе территорий др.
Метод группировки (аналитическая группировка показателей) по определенным признакам применяется, когда изучаемая совокупность включает множество объектов.
Балансовый метод используется для определения суммарного влияния факторов на обобщающий показатель.
Задавайте вопросы нашему консультанту, он ждет вас внизу экрана и всегда онлайн специально для Вас. Не стесняемся, мы работаем совершенно бесплатно!!!
Также оказываем консультации по телефону: 8 (800) 600-76-83, звонок по России бесплатный!
Балансовое сопоставление влияния факторов производится при сравнении различных сторон одного и того же объекта. Этот способ является также средством счетной проверки правильности произведенных расчетов, так как нарушение равенства свидетельствует о наличии ошибки.
Графический метод применяется в основном для того, чтобы сделать более выразительными и понятными тенденции и связи изучаемых показателей. Графическое изображение анализируемых показателей и процессов может быть линейным, столбиковым, круговым, объемным, координатным и др. График независимо от способа его построения должен соответствовать экономической сущности и направлению изменения отражаемых показателей, быть простым, точным, наглядным, масштабным, иметь объяснение смысла линий, расцветок, штриховок, названия показателей и т.д.
Методы линейного программирования применяются для решения многих экстремальных задач, которое сводится к нахождению максимума и минимума некоторых функций переменных величин.
Методы линейного программирования основаны на решении линейных уравнений, когда зависимость между изучаемыми явлениями строго функциональна. В экономике с помощью этих методов может исчисляться оптимальная общая производительность оборудования, решаться задачи оптимального распределения имеющихся ресурсов, транспортные задачи.
Эвристические методы (методы «мозговой атаки», «мозгового штурма», «Дельфи») основаны на результатах опыта, интуиции, экспертных оценок и применяются как для количественного измерения текущих событий, так и для прогнозирования их дальнейшего развития.
Под факторным анализом понимается методика комплексного и системного изучения и измерения воздействия факторов на величину результативных показателей.
В анализе хозяйственной деятельности факторы — движущие силы, оказывающие положительное или отрицательное влияние на хозяйственные процессы и результаты хозяйственной деятельности.
По степени воздействия на результаты хозяйственной деятельности факторы делятся на основные и второстепенные. К основным относятся те факторы, которые оказывают решающее воздействие на результативный показатель. Второстепенными считаются те, которые не оказывают решающего воздействия на результаты хозяйственной деятельности в сложившихся условиях. Следует отметить, что один и тот же фактор в зависимости от обстоятельств может быть и основным, и второстепенным.
Одним из способов систематизации факторов является создание факторных систем. Создать факторную систему — значит представить изучаемое явление в виде алгебраической суммы, частного или произведения нескольких факторов, определяющих его величину и находящихся с ним в функциональной зависимости.
Основными методами и приемами факторного анализа являются метод элиминирования и индексный метод.
Элиминирование применяется в том случае, когда необходимо условно устранить воздействие на обобщающий показатель всех факторов за исключением одного или нескольких основных, влияние которых на изучаемый объект и определяется.
Наиболее распространенными вариантами элиминирования являются методы цепных подстановок, абсолютных и относительных разниц.
Замена базисного частного показателя фактическим называется подстановкой, а способ, с помощью которого эти замены производятся, методом цепных подстановок. Число подстановок равно числу частных показателей, а число расчетных позиций на единицу больше за счет наличия исходных данных. Фактор, влияние которого необходимо определить, рассматривается как переменный, а все другие по отношению к нему — как постоянные. Результат влияния определяется разностью между полученной расчетным путем величиной обобщающего показателя и его предшествующим значением.
Метод абсолютных разниц предусматривает расчет влияния каждого фактора по абсолютному отклонению его фактического значения от базисного (планового, проектного, среднеотраслевого, прогрессивного). Подстановка предусматривает замену базисного частного показателя не полной величиной отчетного, а лишь алгебраическим отклонением отчетного показателя от базисного. Это позволяет без последующего исчисления разности обобщающих показателей определить влияние частного фактора на обобщающий показатель.
Метод относительных разниц считается одним из самых эффективных способов факторного анализа. Он применяется для измерения влияния факторов на прирост результативного показателя, когда исходные данные содержат уже определенные ранее относительные приросты факторных показателей в процентах или коэффициентах.
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 (или к плановому или по другому объекту).
Рассмотренные выше методы относятся к детерминированному факторному анализу, то есть анализу, в котором связь факторов с результативным показателем носит функциональный характер. Кроме детерминированного анализа существует стохастический факторный анализ. Он представляет собой методику исследования факторов, связь которых с результативным показателем является вероятностной (корреляционной). К стохастическому относятся корреляционный анализ, дисперсионный анализ, многомерный факторный анализ.
Функционально-стоимостной анализ — это метод поиска более дешевых способов выполнения главных функций объекта путем организаторских, технических, технологических и др. изменений производства при одновременном исключении лишних функций.
Считается, что каждый объект, продукт и т.д. создается и существует, чтобы удовлетворять определенные потребности, то есть выполнять определенные функции. Все функции, которые выполняет объект, можно разделить на основные, вспомогательные (дополнительные) и ненужные (лишние). Поэтому все затраты на создание объекта подразделяются на необходимые для выполнения объектом его функционального назначения и на излишние затраты в результате несовершенства технологических решений. Кроме того, необходимо отметить, что каждая функция может быть выполнена разными способами путем разных технических и технологических решений и, соответственно, требует разных объемов затрат. Выбирая тот или иной способ осуществления определенной функции, можно заранее определить минимальную сумму затрат на ее создание.
Сущность методики функционально-стоимостного анализа заключается в следующем: он основан на сравнении фактических сумм затрат по определенным статьям и элементам с нормативными. Положительные отклонения и считаются резервами.
Основными этапами функционально-стоимостного анализа являются следующие:
- общая характеристика объекта исследования (подготовительный этап);
- сбор, изучение и обобщение различных данных об исследуемом объекте (информационный этап);
- детализация объекта на функции (аналитический этап);
- группировка выделенных функций на главные, вспомогательные и ненужные (творческий этап);
- исчисление суммы затрат на изготовление объекта при исключении лишних функций и использовании других технических и технологических решений (исследовательский этап);
- разработка предложений по технологическому и организационному усовершенствованию производства (рекомендательный этап).
В качестве способов и приемов функционально-стоимостного анализа можно рассматривать методы экспертных оценок, психологические методы, методы линейного программирования.
Маржинальный анализ — это метод обоснования управленческих решений в бизнесе, который базируется на изучении соотношения между тремя группами важнейших экономических показателей: объемом продаж, себестоимостью и прибылью и прогнозировании величины каждого из этих показателей при заданном значении других.
В основу методики маржинального анализа положено:
- деление затрат в зависимости от изменения объема продаж на условно-переменные и условно-постоянные;
- использование категории маржинального дохода, который определяется как разность между выручкой от реализации и условно-переменными затратами.
Основные этапы проведения маржинального анализа:
1) сбор, подготовка и обработка исходной информации, необходимой для проведения анализа;
2) определение суммы условно-постоянных и условно-переменных издержек на производство и реализацию продукции;
3) расчет величины исследуемых показателей;
4) сравнительный анализ уровня исследуемых показателей;
5) факторный анализ изменения уровня исследуемых показателей;
6) прогнозирование величины показателей в изменяющейся среде.
В системе маржинального анализа можно использовать алгебраические и графические методы определения и оценки исследуемых показателей.
Методы финансового анализа
Основная цель финансового анализа - получение максимального количества наиболее информативных параметров, дающих объективную картину финансового состояния компании, ее прибылей и убытков, изменений в структуре активов и пассивов, в расчетах с дебиторами и кредиторами.
Существуют различные классификации методов финансового анализа. Практика финансового анализа выработала основные правила чтения (методики) анализа финансовых отчетов.
Среди можно выделить основные:
• горизонтальный (временной) анализ - сравнение каждой позиции отчетности с предыдущим периодом;
• вертикальный (структурный) анализ - определение структуры итоговых показателей с выявлением влияния каждой позиции отчетности на результат в целом;
• трендовый анализ - сравнение каждой позиции отчетности с рядом предшествующих периодов и определение тренда, то есть основной тенденции динамики показателя, очищенной от случайных влияний и индивидуальных особенностей отдельных периодов;
• коэффициентный анализ - расчет относительных данных отчетности, выявление взаимосвязей показателей.
Кроме перечисленных методов существует также сравнительный и факторный анализ. Сравнительный анализ - это как внутрипроизводственный анализ сводных показателей отчетности по отдельным показателям предприятия, подразделений, цехов, так и межхозяйственный анализ показателей данной компании с показателями конкурентов, со среднеотраслевыми и средними производственными показателями.
Сравнительный анализ позволяет проводить сравнения:
• фактических показателей с плановыми, что дает оценку обоснованности плановых решений;
• фактических показателей с нормативными, что обеспечивает оценку внутренних резервов производства;
• фактических показателей отчетного периода с аналогичными данными прошлых лет для выявления динамики изучаемых параметров;
• фактических показателей организации с отчетными данными других предприятий (лучших или среднеотраслевых).
Факторный анализ позволяет оценить влияние отдельных факторов на результативный показатель как прямым методом дробления результативного показателя на составные части, так и обратным методом, когда отдельные элементы соединяют в общий результативный показатель.
Эти методы используются на всех этапах финансового анализа, который сопровождает формирование обобщающих показателей хозяйственной деятельности организации. В ходе формирования этих показателей делается: оценка технико-организационного уровня и других условий производства; характеристика использования производственных ресурсов: основных средств, материальных ресурсов, труда и заработной платы; анализ объема структуры и качества продукции; оценка затрат и себестоимость продукции.
Горизонтальный финансовый анализ заключается в построении одной или нескольких аналитических таблиц, в которых абсолютные балансовые показатели дополняются относительными темпами роста (снижения). Обычно здесь используются базисные темпы роста за несколько периодов. Цель горизонтального анализа состоит в том, чтобы выявить абсолютные и относительные изменения величин различных статей финансовой отчетности за определенный период, дать оценку этим изменениям.
Большое значение для оценки финансового состояния имеет вертикальный финансовый анализ актива и пассива баланса, который позволяет судить о финансовом отчете по относительным показателям, что в свою очередь дает возможность определить структуру актива и пассива баланса, долю отдельных статей отчетности в валюте баланса. Цель вертикального анализа заключается в расчете удельного веса отдельных статей в итоге баланса и оценке их динамики с тем, чтобы иметь возможность выявить и прогнозировать структурные изменения активов и источников их покрытия.
Горизонтальный и вертикальный анализ взаимно дополняют друг друга, и на их основе строится сравнительный аналитический баланс, все показатели которого можно разбить на три группы: показатели структуры баланса; показатели динамики баланса; показатели структурной динамики баланса. Сравнительный аналитический баланс лежит в основе анализа структуры имущества и источников его формирования.
Вариантом горизонтального анализа является трендовый финансовый анализ (анализ тенденций развития). Трендовый анализ носит перспективный, прогнозный характер, поскольку позволяет на основе изучения закономерности изменения экономического показателя в прошлом спрогнозировать величину показателя на перспективу. Для этого рассчитывается уравнение регрессии, где в качестве переменной выступает анализируемый показатель, а в качестве фактора, под влиянием которого изменяется переменная - временной интервал. Уравнение регрессии дает возможность построить линию, отражающую теоретическую динамику анализируемого показателя рентабельности.
Анализ относительных показателей (коэффициентный финансовый анализ) - расчет отношений между отдельными позициями отчета или позициями разных форм отчетности по отдельным показателям фирмы, определение взаимосвязи показателей. Соответствующие показатели, рассчитанные на основе финансовой отчетности, называются финансовыми коэффициентами.
Финансовые коэффициенты характеризуют разные стороны экономической деятельности организации: платежеспособность через коэффициенты ликвидности и платежеспособности; финансовую зависимость или финансовую автономию через долю собственного капитала в валюте баланса; деловую активность через коэффициенты оборачиваемости активов в целом или их отдельных элементов; эффективность работы - через коэффициенты рентабельности; рыночные характеристики акционерного общества - через норму дивиденда.
Абсолютные показатели финансовой отчетности являются фактическими данными. Для целей планирования, учета и анализа в организации рассчитываются аналогичные абсолютные показатели, которые могут быть: нормативными, плановыми, учетными, аналитическими.
Для анализа абсолютных показателей используется чаще всего метод сравнения, с помощью которого изучаются абсолютные или относительные изменения показателей, тенденции и закономерности их развития.
Такова общая принципиальная схеме формирования экономических и в том числе финансовых показателей хозяйственной деятельности организации.
Химические методы анализа
Эти методы используются для установления подлинности лекарственных веществ, испытаний их на чистоту и количественного определения.
Для целей идентификации используют реакции, которые сопровождаются внешним эффектом, например изменением окраски раствора, выделением газообразных продуктов, выпадением или растворением осадков. Установление подлинности неорганических лекарственных веществ заключается в обнаружении с помощью химических реакций катионов и анионов, входящих в состав молекул. Химические реакции, применяемые для идентификации органических лекарственных веществ, основаны на использовании функционального анализа.
Чистота лекарственных веществ устанавливается помощью чувствительных и специфичных реакций, пригодных для определения допустимых пределов содержания примесей.
Химические методы оказались самыми надежными и эффективными, они дают возможность выполнить анализ быстро и с высокой достоверностью. В случае сомнения в результатах анализа последнее слово остается за химическими методами.
Количественные методы химического анализа подразделяют на гравиметрический, титриметрический, газометрический анализ и количественный элементный анализ.
Гравиметрический (весовой) метод
Гравиметрический метод основан на взвешивании осажденного вещества в виде малорастворимого соединения или отгонки органических растворителей после извлечения лекарственного вещества. Метод точен, но длителен, так как предусматривает такие операции, как фильтрование, промывание, высушивание (или прокаливание) до постоянной массы.
Из неорганических лекарственных веществ гравиметрическим методом можно определять сульфаты, переводя их в нерастворимые соли бария, и силикаты, предварительно прокаливая до диоксида кремния.
Рекомендуемые ГФ методики гравиметрического анализа препаратов солей хинина основаны на осаждении основания этого алкалоида под действием раствора гидроксида натрия. Аналогично определяют бигумаль. Препараты бензил пенициллина осаждают в виде N-этилпиперидиновой соли бензил пенициллина; прогестерон -- в виде гидра - зона. Возможно применение гравиметрии для определения алкалоидов (взвешиванием свободных от примесей оснований или пикратов, пикролонатов, кремневольфрамовое, тетрафенилборатов), а также для определения некоторых витаминов, которые осаждают в виде нерастворимых в воде продуктов гидролиза (викасол, рутин) или в виде кремневольфрамовая (тиамина бромид). Известны также гравиметрические методики, основанные на осаждении из натриевых солей кислотных форм барбитуратов.
Методы анализа предприятия
В условиях рыночной экономики целью любой организации является получение максимально возможной прибыли. В этих условиях могут осуществлять свою хозяйственно-финансовую деятельность только те предприятия, которые получают от нее наивысший экономический результат. Те же предприятия, которые работают неэффективно, малорентабельно, тем более убыточно, нежизнеспособны. Они неизбежно разоряются и прекращают свое существование. Следовательно, на каждом предприятии необходимо выявлять наличие фактов бесхозяйственности, непроизводительных потерь, неразумного вложения средств и т. п. для их устранения.
Следует выявлять и включать в работу предприятия резервы производства, рационального и эффективного использования материальных, трудовых и финансовых ресурсов, природных богатств.
Поэтому в настоящее время значительно возрастает роль анализа финансово-хозяйственной деятельности предприятий, основная цель которого – выявление и устранение недостатков в деятельности предприятий, поиск и вовлечение в производственный процесс неиспользуемых резервов.
Анализ финансово–хозяйственной деятельности необходим любой организации – коммерческой, некоммерческой, бюджетной.
Анализировать деятельность организации должны уметь все его работники – менеджеры, экономисты, бухгалтеры, технологи, а также руководители всех служб и подразделений.
Анализ деятельности предприятий при любых формах собственности всегда должен быть творческим и разнообразным по содержанию, применению различных аналитических приемов с учетом специфики производства, его организации на конкретном предприятии.
История экономической науки начинается с древних времен: учение мыслителей Древней Греции и Древнего Рима (Ксенофонт, Платон, Аристотель, Варрон, Сенека). В средние века экономическая наука получила дальнейшее развитие в трудах У. Петти, Д. Рикардо, А. Смита, С. Сисмонди и др.
Экономический анализ сформировался на базе таких дисциплин, как баланс ведение, бухгалтерский учет, финансы, статистика. Специальной литературы, посвященной экономическому анализу, в дореволюционной России не издавалось. Кроме трудов И. Аринушкина по балансам акционерных предприятий, опубликованных в 1912 г., разбору балансов посвящалась глава в "Курсе счетоводства" Р.Я. Вейцмана, и несколько статей по вопросам анализа баланса, счетов прибыли и убытков было опубликовано в журнале "Счетоводство".
Первые специальные книги по анализу хозяйственной деятельности появились в начале ХХ в., а в 30-е гг. курс экономического анализа был введен в программы вузов СССР. В 1926 г. была опубликована книга А.Я. Усачева "Экономический анализ баланса", где впервые встречается такое словосочетание, как "экономический анализ".
В Российской Федерации функционируют сотни тысяч организаций различных форм собственности, осуществляющие свою деятельность в соответствии с действующим законодательством. Анализ хозяйственной деятельности позволяет комплексно изучить работу организации, дать ей объективную оценку, выявить закономерности и тенденции развития, определить стоящие перед ним задачи, вскрыть резервы производства и недостатки в работе, определить пути улучшения всех сторон его деятельности. В достижении этих целей и проявляется эта роль и значение аналитической работы в организации. Каждый аналитик должен понимать, что в выявлении резервов в деятельности организации не существует предела. Постоянно идет совершенствование организации технологического процесса, эффективности использования основных и оборотных средств, снижение себестоимости вырабатываемой продукции при повышении ее качества и конкурентоспособности, повышение темпов роста производительности труда, улучшение всех сторон хозяйственной деятельности организации.
Содержание анализа хозяйственно-финансовой деятельности включает:
1. исследование экономических, технических, технологических, организационных и других сторон работы предприятия, факторов и причин, их обуславливающих;
2. научное обоснование бизнес-планов, контроль за их выполнением;
3. объективная оценка эффективности хозяйственно-финансовой деятельности организации и достигнутого организационно-технического уровня производства;
4. выявление внутрихозяйственных резервов и их использование, недостатков и их устранение в целях дальнейшего повышения эффективности работы предприятия;
5. контроль за выполнением намеченных мероприятий.
Непосредственно по материалам анализа деятельности организации разрабатываются мероприятия, направленные на дальнейшее развитие производства и повышение его эффективности. В условиях рыночной экономики только на основе анализа можно установить оптимальный вариант решения поставленных перед предприятием задач на всех этапах планирования и его фактической деятельности, причем не только за отчетный, но и за ряд периодов, т. е. определить тенденции его развития. Это позволяет наиболее полно изучить и выявить резервы не только для текущей работы, но и для дальнейшего развития предприятия.
Предметом анализа выступают все стороны хозяйственно-финансовой деятельности предприятия, получившие отражение через систему показателей планирования, учета, отчетности и других источников информации.
Под сторонами деятельности предприятия понимаются состояние и использование технической базы, технология и организация производства, управление предприятием, состояние финансов, наличие рабочей силы и т. д., т.е. при помощи чего осуществляется деятельность предприятия. При этом изучается хозяйственно-финансовая деятельность предприятия не только за отчетный, но и за предшествующие периоды, прогнозируются перспективы на будущее.
Анализ всегда должен отвечать на три вопроса:
1. Что произошло в хозяйственной деятельности организации?
2. В чем причина произошедшего?
3. Что и каким образом необходимо делать в дальнейшем?
Констатация фактов содержится в ответах на первые два вопроса. В ответе же на третий вопрос заключается самый важный смысл анализа деятельности организации.
Анализ хозяйственной деятельности должен отвечать следующим требованиям:
1. объективности и достоверности, т.е. основываться на точной проверенной информации;
2. комплексности и системности, т.е. любое явление (показатель) должно рассматриваться во взаимосвязи и взаимообусловленности с другими явлениями (показателями);
3. оперативности и своевременности – это требование связано с постоянным и ежедневным контролем за деятельностью организации, скоростью обработки данных;
4. конкретности и результативности, т.е. итоги анализа должны трансформироваться в конкретные и реальные мероприятия по улучшению всех сторон деятельности организации.
Основные задачи анализа хозяйственно-финансовой деятельности следующие:
1. проверка обоснованности показателей бизнес-плана, реальности их выполнения;
2. объективный контроль за ходом выполнения договорных обязательств, бизнес-планов, подведение итогов и оценка деятельности организаций по их выполнению;
3. выявление причин, положительно или отрицательно повлиявших на выполнение договорных обязательств и бизнес-планов;
4. изыскание резервов производства и передовых методов организации труда, применение прогрессивной техники и технологии, передового опыта в целях увеличения объема производства и реализации продукции, улучшения ее качества, снижения себестоимости и издержек обращения, повышения производительности труда, рентабельности, укрепления финансового состояния и т.д.;
5. разработка конкретных мероприятий по использованию выявленных резервов, устранению недостатков;
6. контроль за выполнением этих мероприятий.
Метод анализа – это способ системного комплексного изучения, измерения и обобщения хозяйственной деятельности организации, осуществляемый путем обработки специальными приемами показателей бухгалтерского учета, отчетности и других источников информации.
Характерными особенностями метода экономического анализа являются: использование системы показателей, всесторонне характеризующих хозяйственную деятельность; изучение причин изменения этих показателей; выявление и измерение взаимосвязи между ними.
В каждом конкретном случае выполнения аналитической функции управления метод анализа реализуется через совокупность собственных рабочих приемов, которые можно сгруппировать по важнейшим этапам аналитического процесса: изучения, измерения и обобщения действия различных факторов и явлений хозяйственной деятельности на ее эффективность.
На стадии изучения факторов и явлений, определяющих эффективность хозяйственной деятельности, широко применяются методы системного, комплексного подхода, моделирование, формализация, абстрагирование, собственно анализ, системы взаимосвязанных аналитических показателей (построения расчетных формул), сравнение, группировки, детализация и др.
На стадии измерения действия факторов и явлений на эффективность хозяйственной деятельности используются рабочие приемы документальной обоснованности, корректировки базовых показателей, цепных подстановок, способ разниц, балансовый метод, современные экономико-математические методы выявления и измерения влияния отдельных факторов на результат их взаимодействия и др.
На стадии обобщения - завершающем этапе аналитической работы - применяются методы индукции, дедукции, сравнения, комплексной оценки, балансовой увязки, аналогии, синтеза, логический и современные экономико-математические методы (главных компонент, кластерного анализа, и др.).
В методике анализа должны быть отражены:
1. объект цели и задачи анализа;
2. система показателей анализа;
3. расчетные формулы;
4. последовательность проведения анализа;
5. периодичность проведения анализа;
6. источники информации;
7. распределение обязанностей по анализу между службами и подразделениями;
8. технические средства, используемые при проведении анализа.
Технические приемы анализа позволяют раскрыть специфику метода анализа с помощью применения различных способов обработки информации о деятельности организации.
Технические приемы анализа можно условно подразделить на две группы:
1. традиционные,
2. математические.
Основными традиционными приемами экономического анализа являются использование абсолютных, относительных и средних величин, применение сравнения, группировки, балансовый метод, метод цепных подстановок, индексный метод и интегральный метод.
Относительные величины незаменимы при анализе явлений в динамике. Относительные величины динамики определяются путем построения временного ряда, т.е. они дают характеристику изменению показателя во времени (отношение, например, выручки от продажи продукции за ряд лет к базисному периоду, принятому за 100).
Относительные величины применяются при изучении показателей структуры. Отражая отношение части совокупности к совокупности в целом, они наглядно характеризуют как всю совокупность, так и ее часть (например, удельный вес в внеоборотных активов и оборотных активов в их общей величине активов баланса).
Важное значение имеют в процессе анализа средние величины, которые позволяют обобщить совокупность типичных, однородных показателей. В аналитических расчетах применяют различные формы средних – средняя арифметическая, средняя гармоническая, средняя хронологическая и др.
Характеристика основных приемов и методов экономического анализа
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.
Методы анализа данных
При анализе информации вы часто будете сталкиваться с тем, что теоретическое великолепие методов анализа разбивается о действительность. Ведь вроде все давно решено, известно множество методов решения задач анализа. Почему же довольно часто они не работают?
Дело в том, что безупречные с точки зрения теории методы имеют мало общего с действительностью. Чаще всего аналитик сталкивается с ситуацией, когда трудно сделать какие-либо четкие предположения относительно исследуемой задачи. Модель не известна, и единственным источником сведений для ее построения является таблица экспериментальных данных типа "вход – выход", каждая строка, которой содержит значения входных характеристик объекта и соответствующие им значения выходных характеристик.
В результате они вынуждены использовать всякого рода эвристические или экспертные предположения и о выборе информативных признаков, и о классе моделей, и о параметрах выбранной модели. Эти предположения аналитика основываются на его опыте, интуиции, понимании смысла анализируемого процесса. Выводы, получаемые при таком подходе, базируются на простой, но фундаментальной гипотезе о монотонности пространства решений, которую можно выразить так: "Похожие входные ситуации приводят к похожим выходным реакциям системы". Идея на интуитивном уровне достаточно понятная, и этого обычно достаточно для получения практически приемлемых решений в каждом конкретном случае.
В результате применения такого метода решений академическая строгость приносится в жертву реальному положению вещей. Собственно, в этом нет ничего нового. Если какие – то подходы к решению задачи вступают в противоречие с реальностью, то обычно их изменяют. Возвращаясь к анализу данных, или, вернее, к тому, что сейчас называют Data Mining, следует обратить внимание еще на один момент: процесс извлечения знаний из данных происходит по той же схеме, что и установление физических законов: сбор экспериментальных данных, организация их в виде таблиц и поиск такой схемы рассуждений, которая, во-первых, делает полученные результаты очевидными и, во-вторых, дает возможность предсказать новые факты. При этом имеется ясное понимание того, что наши знания об анализируемом процессе, как и любом физическом явлении, в какой – то степени приближение. Вообще, всякая система рассуждений о реальном мире предполагает разного рода приближения. Фактически термин Data Mining – это попытка узаконить физический подход в отличие от математического к решению задач анализа данных. Что же мы вкладываем в понятие "физический подход"?
Это такой подход, при котором аналитик готов к тому, что анализируемый процесс может оказаться слишком запутанным и не поддающимся точному анализу с помощью строгих аналитических методов. Но можно все же получить хорошее представление о его поведении в различных обстоятельствах, подходя к задаче с различных точек зрения, руководствуясь знанием предметной области, опытом, интуицией и используя различные эвристические подходы. При этом мы движемся от грубой модели ко все более точным представлениям об анализируемом процессе. Слегка перефразировав Р. Фейнмана, скажем так: можно идеально изучить характеристики анализируемой системы, стоит только не гнаться за точностью.
Таким образом, данный подход подразумевает, что:
1. При анализе нужно отталкиваться от опыта эксперта.
2. Необходимо рассматривать проблему под разными углами и комбинировать подходы.
3. Не стоит стремиться сразу к высокой точности. Двигаться к решению нужно от более простых и грубых моделей ко все более сложным и точным.
4. Стоит останавливаться как только получим приемлемый результат, не стремясь получить идеальную модель.
5. По прошествии времени и накоплению новых сведений нужно повторять цикл – процесс познания бесконечен.
Пример работы
В качестве примера можно в общих чертах рассмотреть процесс анализа рынка недвижимости в г. Москве. Цель – оценка инвестиционной привлекательности проектов. Одна из задач, решаемых при этом, – построение модели ценообразования для жилья в новостройках, другими словами, количественную зависимость цены жилья от ценообразующих факторов.
Для типового жилья таковыми, в частности, являются:
• Местоположение дома (престижность района; инфраструктура района; массовая или точечная застройка; окружение дома (напр. нежелательное соседство с промышленными предприятиями, "хрущевками", рынками и т.д.); экология района (близость к лесопарковым массивам)).
• Местоположение квартиры (этаж – первые и последние этажи дешевле; секция – квартиры в торцевых секциях дешевле; ориентация квартиры по сторонам света – северная сторона дешевле; вид из окон).
• Тип дома (самая популярная серия П-44Т).
• Площадь квартиры.
• Наличие лоджий (балконов).
• Стадия строительства (чем ближе к сдаче дома, тем выше цена за кв. м).
• Наличие отделки ("черновая" отделка, частичная отделка, под ключ. Большинство новостроек сдаются с черновой отделкой).
• Телефонизация дома.
• Транспортное сообщение (близость к метро, удаленность от крупных магистралей, удобный подъезд, наличие автостоянки около дома (наличие парковочных мест)).
• Кто продает квартиру ("из первых рук" (инвестор, застройщик) или посредники (риэлтеры). Риэлторы, как правило, берут за свои услуги – 3-6%).
Это далеко неполный перечень, но и он повергает в уныние. Вот тут-то очень кстати приходится высказывание Р. Фейнмана ("можно идеально изучить характеристики анализируемой системы, стоит только не гнаться за точностью"). Для начала из имеющейся истории продаж мы ограничились данными для одного района Москвы. В качестве входных факторов взяли ограниченный набор характеристик с точки зрения экспертов, очевидно влияющих на продажную цену жилья: серия дома, отделка, этаж (первый, последний, средний), готовность объекта, количество комнат, секция (угловая, обычная), метраж. Выходным значением являлась цена за квадратный метр, по которой продавались квартиры. Получилась вполне обозримая таблица с разумным количеством входных факторов.
На этих данных обучили набросать, то есть построили довольно грубую модель. При всей своей приблизительности у нее было одно существенное достоинство: она правильно отражала зависимость цены от учитываемых факторов. Например, при прочих равных условиях квартира в угловой секции стоила дешевле, чем в обычной, а стоимость квартир по мере готовности объекта возрастала. Теперь оставалось ее лишь совершенствовать, делать более полной и точной.
На следующем этапе в обучающее множество были добавлены записи о продажах в других районах Москвы. Соответственно, в качестве входных факторов стали учитываться такие характеристики, как престижность района, экология района, удаленность от метро. Так же в обучающую выборку была добавлена цена за аналогичное жилье на вторичном рынке. Специалисты, имеющие опыт работы на рынке недвижимости, имели возможность в процессе совершенствования модели безболезненно экспериментировать, добавляя или исключая факторы, т. к., напомню, процесс поиска более совершенной модели сводился к обучению непросты на разных наборах данных. Главное здесь вовремя понять, что процесс этот бесконечен.
Это пример, как нам кажется, довольно эффективного подхода к анализу данных: использование опыта и интуиции специалиста в своей области для последовательного приближения ко все более точной модели анализируемого процесса. Основное требование при этом – наличие качественной информации достаточного объема, что невозможно без системы автоматизации сбора и хранения информации, о чем всегда надо помнить тем, кто серьезно занимается информационным обеспечением бизнеса. Но данная тема выходит за рамки статьи.
Описанный подход позволяет решать реальные задачи с приемлемым качеством. Конечно, можно найти у данной методики множество недостатков, но в действительности реальной альтернативы ей нет, разве что отказаться от анализа вообще. Хотя если физики с успехом используют такие методы анализа уже много веков, почему бы не взять его на вооружение и в других областях?
Методы статистического анализа
В математике широко применяется термин «функциональная зависимость переменных». Это такая зависимость «У» от «Х», когда каждому возможному значению «Соответствует строго определенное значение «У». Это, например, зависимость длины окружности от радиуса, площади квадрата от стороны, проч. В действительности, в реальном мире такая зависимость встречается редко. Жизнь, природа, наука, философия – элементы, присутствующие в контексте любого из этих процессов, находятся под влиянием многочисленных, как существенных, так и несущественных факторов. При этом существенные факторы непосредственно формируют закономерности их развития (математик здесь сказал бы: «существенные факторы формируют закономерность распределения результативного признака»), а несущественные - определяют вероятные отклонения от них.
Встречаясь на практике с подобными связями, мы видим, что случайные изменения закона распределения одного признака влекут за собой изменения характера распределения второго признака. В свою очередь, изменения характера распределения второго признака обуславливают изменения закона распределения третьего. И так далее, до бесконечности. Так вот. Такого рода связь переменных именуют стохастической связью.
Частным видом стохастической связи является связь статистическая. Это такая связь двух или нескольких переменных, при которой изменение закона распределения одного признака вызывает изменение вероятности появления другого. Или, как сказали бы математики: «условное математическое ожидание одной переменной становится функцией другой». Это связь, скажем, между возрастом студентов и количеством студентов определенных возрастов в академической группе; связь между наиболее часто употребляемыми в некоторую эпоху философскими терминами и частотой употребления этих терминов в конкретном философском сочинении.
Именно эти связи – статистические связи переменных и конкретно: их наличие, форма и интенсивность - и отслеживаются методами стат. анализа.
Статистический анализ как исследовательская процедура имеет давнюю традицию применения. Теоретической разработкой методического аппарата стат. анализа занимается специальная научная дисциплина: математическая статистика. Нам сейчас нет нужды глубоко вникать в проблематику этой науки: она сложна, а проблематика ее - многообразна.(1) Для нас с Вами сегодня важнее уяснить логическое содержание основных методов стат. анализа; понять, как эти методы можно использовать в историко-философском исследовании.
Дело в том, что корректно отследить статистическую связь переменных очень трудно. Строгая теория мат. статистики определяет, что репрезентативная (т. е. представительная, имеющая научный смысл, значение) оценка математического ожидания возможна лишь при числе наблюдений за поведением объектов, стремящимся к бесконечности. Очевидно, однако, что на практике такое условие соблюсти невозможно. Поэтому ученые исследуют выборочные, то есть ограниченные в объеме совокупности данных. При этом они переходят от оценки условного математического ожидания величины признака переменной к вычислению ее условного среднего значения.
Иначе говоря, ученые, как правило, исследуют не статистическую, но корреляционную связь переменных.
В случае такой связи, при определенном изменении признака одной переменной случайные варианты признака второй группируются с различной степенью плотности около его среднего значения, а величина среднего значения признака второй переменной зависит от величины признака первой. Такова, например, связь между ростом человека и его весом, между понижением жизненного уровня населения и уменьшением количества опубликованных философских трудов.
Тесноту корреляционной связи, т.е. величину приближения фактического значения признака к его условной средней величине, определяют посредством корреляционного анализа. Ее форму - направление и величину изменения результативного признака под влиянием факторного - с помощью анализа регрессионного.
Как регрессионный, так и корреляционный анализ бывает двумерным и многомерным. Двумерным называют анализ связей двух признаков, один из которых - факторный (т.е. тот, который ОКАЗЫВАЕТ ВЛИЯНИЕ), второй – результативный (на который ОКАЗЫВАЕТСЯ влияние). Многомерным называется анализ связи между несколькими факторными признаками и одним результативным. Кроме того, применяют еще и так называемый частный корреляционный анализ. Это – подвид многомерного корреляционного анализа. Суть его состоит в том, что при измерении тесноты связи нескольких факторных и одного результативного признака (в случае, если определенный фактор по своему влиянию значительно превосходит остальные), исследователь измеряет тесноту связи одного факторного признака с результативным, пренебрегая всеми остальными.
Учёные различают два основных вида корреляции (от лат.: «соотношение») признаков: линейная и нелинейная. Отсюда - многомерный и двумерный, регрессионный и корреляционный анализы применяются при исследовании линейных и нелинейных корреляционных связей признаков.
Линейная корреляция – такое соотношение изучаемых признаков, графическое описание которого после выявления закономерной, т.е. не случайной, зависимости «У» от «Х» (выравнивание «У» от «Х» представляет собой прямую линию в декартовой системе координат (при многомерной корреляции - прямую линию в пространстве).
Нелинейная корреляция описывается немного видами кривых.
Ее видами являются:
• параболическая зависимость переменных - эта зависимость проявляется при ускоренном возрастании или убывании одного признака в сочетании с равномерным возрастанием другого;
• гиперболическая зависимость - т. е., зависимость, аналитически описывающаяся коэффициенты регрессии;
• экспонатная зависимость - эта зависимость существует тогда, когда факторный признак изменяется с более или менее постоянным приростом, арезультативный – по геометрической прогрессии.
Итогом корреляционного и регрессионного анализа является величины соответствующих коэффициентов. При их соотнесении результатами, представленными в специальных таблицах, выявляются меры тесноты, форма и характер связи изучаемых объектов.
Труднейшей проблемой, с которой сталкивается исследователь при проведении многомерного корреляционного анализа, является выделение т.н. признаков мультиколлинеарности.
Мультиколлинеарность – это наличие тесной линейной связи между всеми или некоторыми факторами, действующими на результативный признак. Наличие этой связи приводит к искажению точности коэффициента прогрессии и корреляции, а в ряде случаев и невозможности даже их приблизительной оценки.Мультиколлиниарность устраняется применением специальных аналитических процедур, простейшими из которых являются метод исключения факторов (устранение из репрессии высоко коррелированных факторов) и линейное преобразование факторов (замена переменных, которым присуще кол линеарность их линейной комбинацией). Нередко, однако, выявить и устранить мультиколлинеарность бывает сложно. Поэтому Вы должны запомнить правило: корреляционный и регрессионный анализы проводятся только в тех случаях, когда вы уверены, что имеете дело с независимыми переменными.
Упомянутые выше виды статистического анализа обычно используются при работе с цифровыми данными. Например, с результатами контент-анализа. Однако в практике историко-философских исследований мы чаще сталкиваемся не с количественными, а качественными признаками объектов, т.е. с такими, которые не имеют конкретное количественное выражение в единицах измерения метрических шкал. В этих случаях исследователи прибегают к корреляционному анализу качественных признаков и используют его аппарат: эмпирические меры тесноты связи качественных признаков.
Основными приемами корреляционного анализа качественных признаков являются:
• измерения коэффициентов контингенции - т.е. вычисление величины сопряженности признаков;
• измерения коэффициентов ассоциаций - измерения тесноты связи двух качественных признаков, каждый из которых может принимать только альтернативные значения;
• двух строчечная корреляция - метод выявления тесноты и направленности связи признаков, один из которых может быть измерен по шкалам порядка, интервалов, отношений, а другой выражается в альтернативных вариантах: «хорошо-плохо», «мужчина-женщина», проч.;
• корреляция рангов - сравнение признаков по принципу «больше-меньше»;
• измерение коэффициента Фехнера - этот коэффициент характеризует количество совпадений и несовпадений знака отклонения вариантов от их средних арифметических, др.
В ряд случаев эти приемы оказываются весьма эффективными. Но не всегда. Дело в том, что теснота контингенции или ассоциации признаков оценивает не столько взаимозависимость, сколько вероятность прогноза значений одного признака по значениям другого. Такой подход не всегда отвечает задачам историко-философского исследования. Поэтому сегодня связь между фактором и результатом все чаще и чаще оценивается путем выявления т. н. степени энтропии признака, т.е. меры неопределенности связи признаков из аппарата теории информации. Вам следует обратить на него внимание, если Вы в дальнейшем займетесь квантитативными (т.е. ориентированными на использование ЭВМ) историко-философскими исследованиями.
Далее. В традиционной истории философии взаимосвязанные явления (признаки), как правило, рассматриваются синхронно, как будто они существуют в один и тот же момент времени, и диахронно, т.е. как бы отслеживающих связь сквозь время. В математической статистике количественную сторону синхронных и диахронных связей переменных отражают статистические и динамические совокупности данных. Иначе динамические совокупности данных называются динамическими рядами. Динамические ряды строятся по определенным правилам. Эти ряды используют для выявления корреляционной связи между исследуемыми показателями.
Основные проблемы, с которыми сталкивается исследователь при анализе динамических рядов, таковы:
• автокорреляция;
• лаг;
• циклические колебания.
Что означают эти термины?
Вы уже знаете, что обязательным условием корректного применения методов корреляционного анализа является независимость переменных друг от друга. Между тем, значительная часть данных, представленных динамическими рядами, не может удовлетворить этому требованию. Например, философская терминология конкретной эпохи определяется, прежде всего, степенью развитости философского языка эпохи предыдущей и только потом уже - всеми остальными факторами. Такая зависимость последующих членов временного ряда от предыдущих называется автокорреляцией, а преобладающая тенденция, вызванная ею, - трендом.
Другой пример. При изучении связи между содержанием понятийного аппарата некоего философского произведения и понятийным аппаратом конкретной философской эпохи обнаруживается временной разрыв, вызванный тем, что данное произведение писалось не в изучаемый, а в предстоящий изучаемому период времени. Такое несовпадение по времени анализируемых фактора и результата в мат статистике именуется лагом. И ясно, что наличие лага искажает результаты корреляционного анализа.
В некоторых динамических рядах наблюдается всевозможные, нередко необъяснимые периодические колебания. Так, скажем по циклам в пять и двенадцать лет рассчитывается восточный календарь, существуют и другие циклы, не поддающиеся рационалистическому истолкованию. Западные исследователи разработали даже специальную «теорию циклов», которая если не всегда удовлетворительно объясняет, то, по крайней мере, четко фиксирует наличие циклических колебаний наиболее часто встречающиеся при проведении статистических исследований.
Так, например, американские экономисты сумели выявить такие циклы:
Отечественные историки упоминают в своих работах т.н. «сезонные колебания» - результаты влияния смен времени года на те или иные и их показатели. Наличие циклов также влияет на точность результатов корреляционного анализа.
Сущность методов стат. анализа динамических рядов состоит в устранении влияния автокорреляции, лага и временных циклов на результаты корреляционного анализа.
Это достигается посредством различных исследовательских процедур, наиболее простыми их, которых являются:
• механическое сглаживание: использование средней для выравнивания показателей;
• аналитическое выравнивание (для этого применяются специальные формулы);
• метод скользящей средней, проч.
В целом необходимо отметить, что корреляционный анализ динамических рядов является одним из наиболее сложных разделов математической статистики. В тоже время, теория корреляции динамических рядов переживает ещё период своего становления. Однако некоторые методы, разработанные в контексте этого направления, находят свое применение в историко-философских исследованиях. В том числе и методы построения временных рядов по неполным данным, при применении которых, путем выявления закономерности, которой подчиняется ряд, и распространение ее на неизвестный уровень ряда, достигается реконструкция данных.
Как говорилось выше, методы ста анализа используются для изменения тесноты, определения формы связи результативного и факторного (факторных) признаков. Но с этим возможности ста анализа не исчерпываются. Важнейшей его функцией является выявление структуры совокупности историко-философских объектов. Средства её выявления нам предоставляют теория распознавания образов, методы автоматической классификации, кластерный анализ (таксономия), теория нечётких множестви факторный анализ.
Сущность методов распознавания образов состоит в том, чтобы любой вводимый в компьютер объект с наименьшей вероятностью ошибки был отнесён им к одному из заранее сформированных классов. Для этого машине вначале предъявляют т.н. «обучающую последовательность объектов», о каждом из которых известно, к какому классу или «образу» он принадлежит. Затем, «обучившись», т.е. «вычислив» закономерность классификации образов, компьютер сам распознаёт, к каким классам относятся объекты из изучаемой совокупности.
Более общий подход к классификации образов включает не только отнесение объектов к одному из классов, но и одновременно формирование самих «образов», число которых может быть заранее не известно. Классификация последнего вида производится на основе собирания в одну группу сходных по тому или иному признаку объектов. Причем собираются они таким образом, чтобы объекты из разных групп (классов) были бы по возможности несхожими. Совокупность статистических процедур, посредством которых реализуется второй подход, получила название автоматическая классификация.
Отсутствие априорной информации о характере распределения объектов внутри каждой группы делает невозможным «обучение» ЭВМ. В этом случае обычно используется т.н. кластерный анализ. Основная идея, заложенная в основу кластерного анализа (точнее: даже группы методов) заключается в последовательном объединении группируемых объектов: сначала самых близких, затем - все более отдалённых друг от друга. Процедура классификации состоит из последовательных шагов, на каждом из которых производится объединение двух ближайших групп, объектов, кластеров (термин «кластер» переводится с английского, как «гроздь»; он обозначает группу объектов, обладающих общими свойствами). Результаты кластерного анализа удобно изображать в виде «дерева»- иерархической структуры (дендрограммы), содержащей n-уровней, каждый из которых соответствует одному из шагов процесса последовательного укрупнения кластеров. В принципе, кластеров можно строить сколько угодно много. При этом кластерный анализ позволяет не только «разбивать» совокупности объектов на группы, но и измерять меру близости этих групп.
Методы теории нечетких множеств применяются в особых случаях. А именно: когда изучаемые объекты, принадлежащие к одному из типов (классов) имеют еще и черты, характерные для других типов. Философское создание часто поставляет «материал», специфической чертой которого является наличие т.н. «промежуточных объектов», т.е. объектов характеризующих переход от одного типа объектов к другому.
Сложность, неоднородность структуры философского знания проявляется также и в том, что объекты, принадлежащие к одному условному типу, в разной мере могут обладать присущими ему свойствами. Так вот, аппарат теории нечетких множеств позволяет выявить «ядро» совокупности объектов (такую группу объектов, для которых характерно «концентрированное выражение всех специфических свойств типа, определяющих качественное отличие данного типа от всех иных и его окружение. Это, в свою очередь, позволяет выяснить не только принадлежность объектов к тому или иному типу объектов, но и выявить «вес», с которым они относятся к данному типу. Кроме того, указанные методы позволяют определить степень сходства с объектами других типов, т.е. выявить «полосу размыва» между ними.
На решение задачи выявления и анализа структуры историко-философских явлений ориентирован еще один из методов статистического анализа: факторный анализ.
Основная идея этого метода состоит в предположении, что любое явление или процесс могут быть описаны небольшим числом некоторых скрытых, обобщенных характеристик, которые не поддаются непосредственному наблюдению, но воздействуют на «внешние» наблюдаемые показатели, определяют их изменения и обуславливают тем самым взаимосвязи между ними. Эти скрытые характеристики явления называются общими факторами.
Так, например, общими факторами являются:
• культурный уровень какой-то группы населения;
• структура населения;
• его мобильность;
• уровень жизни, проч.
Очевидно, что все эти обобщенные показатели характеризуют реально существующие явления и процессы. Однако, в силу своей многосторонности, они не могут быть измерены, непосредствен но.
Факторный анализ позволяет выявить общие факторы, дает ключ к их содержательному толкованию, оценивает их воздействие на отдельные показатели и на всё изучаемое явление в целом, количественно выражает их значения для каждого из рассматриваемых объектов и, на основании всего этого, открывает возможность решать целый ряд прикладных историко-философских задач. Результаты факторного анализа позволяют уточнить свои представления о структуре исследуемых объектов.
Далее. Методы стат. анализа находят применение и при проверке историко-философских гипотез (разумеется, только в том случае, если указанные гипотезы можно представить как статистическую). Этой цели служит теория статистической проверки гипотез или т.н статистический критерий.
Статистическим критерием называют совокупность строго определённых правил, указывающих, при каких результатах статистическая гипотеза (т.е., предположение о некоторых свойствах совокупностей данных) отклоняется, а при каких – считается допустимой.
В целом « технологию» историко - философского исследования, проводимого с использованием средств стат. анализа можно выразить в программе, состоящей из пяти пунктов:
1. Начальный этап исследования ориентирован на формулировку «эмпирической теории». На этом этапе исследователь систематизирует гипотезы, относящиеся к рассматриваемой проблеме. При этом гипотезы подвергаются процедуре верификацию, т. е,. проходят проверку на соответствие исходным данным. Верный выбор исходных гипотез предопределяет выбор методов стат. анализа.
2. Второй этап указанного исследования можно назвать операциональным. Он создает основу для воспроизведения результатов и их соотнесения с фактическими данными. На этом этапе вводятся дефиниции (определения) используемых категорий анализа, даются точные толкования смысловых индикаторов и терминов.
3. Третий этап связан с выбором источникового материала и проведением источниковедческого анализа. На этом этапе, большое значение предается процедурам выборочного метода, учитывающим специфику историко-философских источников.
4. Этот этап является измерительным. На четвертом этапе, в результате проведенной на втором этапе операционализации, проводится построение переменных (признаков), т. е. таких характеристик объектов, которые имеют несколько уровней.
При этом под термином «измерение» понимается присвоение чисел или символов соответствующих градациями-уровням каждой переменной. На этом этапе важно помнить, что данная процедура должна быть систематической, т.е. характеристики всех объектов должны быть измерены по одним и тем же правилам; процедура должна отвечать критериям единственности и полноты, согласно которому каждому объекту соответствует один и только один уровень по каждой переменной. В случаях, когда эти требования выполняются, обычно говорят, что процедура измерения задает «классификацию». В противном случае считается, что исследователь имеет дело с «типологией».
Надёжность измерений на данном этапе достигается выполнением трех требований:
- временная стабильность - повторные измерения должны давать те же результаты;
- интерсубъективная стабильность - различные исследователи, использующие одинаковые средства измерения должны получать те же результаты для тех же объектов;
- инструментальная стабильность - использование различных измерительных средств должно приводить к тем же результатам.
5. Пятый этап - математический анализ данных. На этом этапе применяются статистические методы, ориентированные на решение изначально поставленных задач.
Методы факторного анализа
Все явления и процессы хозяйственной деятельности предприятий находятся во взаимосвязи и взаимообусловленности. Одни из них непосредственно связаны между собой, другие косвенно. Отсюда важным методологическим вопросом в экономическом анализе является изучение и измерение влияния факторов на величину исследуемых экономических показателей.
Факторный анализ в учебной литературе трактуется как раздел многомерного статистического анализа, объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных или корреляционных матриц.
Свою историю факторный анализ начинает в психомоторике и в настоящее время широко используется не только в психологии, но и в нейрофизиологии, социологии, политологии, в экономике, статистике и других науках. Основные идеи факторного анализа были заложены английским психологом и антропологом Ф. Гальтоном. Разработкой и внедрением факторного анализа в психологии занимались такие ученые как: Ч. Спирмен, Л. Терстоун и Р. Кеттел Математический факторный анализ разрабатывался Хотеллингом, Харманом, Кайзером, Терстоуном, Такером и другими учеными.
Данный вид анализа позволяет исследователю решить две основные задачи: описать предмет измерения компактно и в то же время всесторонне. С помощью факторного анализа возможно выявление факторов, отвечающих за наличие линейных статистических связей корреляций между наблюдаемыми переменными.
К примеру, анализируя оценки, полученные по нескольким шкалам, исследователь отмечает, что они сходны между собой и имеют высокий коэффициент корреляции, в этом случае он может предположить, что существует некоторая латентная переменная, с помощью которой можно объяснить наблюдаемое сходство полученных оценок. Такую латентную переменную называют фактором, который влияет на многочисленные показатели других переменных, что приводит к возможности и необходимости отметить его как наиболее общий, более высокого порядка.
Таким образом, можно выделить две цели факторного анализа:
• определение взаимосвязей между переменными, их классификация, т. е. «объективная R-классификация»;
• сокращение числа переменных.
Для выявления наиболее значимых факторов и, как следствие, факторной структуры, наиболее оправданно применять метод главных компонентов. Суть данного метода состоит в замене коррелированных компонентов некоррелированными факторами. Другой важной характеристикой метода является возможность ограничиться наиболее информативными главными компонентами и исключить остальные из анализа, что упрощает интерпретацию результатов. Достоинство данного метода также в том, что он – единственный математически обоснованный метод факторного анализа.
Факторный анализ – методика комплексного и системного изучения и измерения воздействия факторов на величину результативного показателя.
Существуют следующие типы факторного анализа:
1. Детерминированный (функциональный) – результативный показатель представлен в виде произведения, частного или алгебраической суммы факторов.
2. Стохастический (корреляционный) – связь между результативным и факторными показателями является неполной или вероятностной.
3. Прямой (дедуктивный) – от общего к частному.
4. Обратный (индуктивный) – от частного к общему.
5. Одноступенчатый и многоступенчатый.
6. Статический и динамический.
7. Ретроспективный и перспективный.
Также факторный анализ может быть разведочным – он осуществляется при исследовании скрытой факторной структуры без предположения о числе факторов и их нагрузках и конфирматорным, предназначенным для проверки гипотез о числе факторов и их нагрузках. Практическое выполнение факторного анализа начинается с проверки его условий.
Обязательные условия факторного анализа:
• Все признаки должны быть количественными;
• Число признаков должно быть в два раза больше числа переменных;
• Выборка должна быть однородна;
• Исходные переменные должны быть распределены симметрично;
• Факторный анализ осуществляется по коррелирующим переменным.
При анализе в один фактор объединяются сильно коррелирующие между собой переменные, как следствие происходит перераспределение дисперсии между компонентами и получается максимально простая и наглядная структура факторов. После объединения коррелированность компонент внутри каждого фактора между собой будет выше, чем их коррелированность с компонентами из других факторов. Эта процедура также позволяет выделить латентные переменные, что бывает особенно важно при анализе социальных представлений и ценностей.
Как правило, факторный анализ проводится в несколько этапов.
Этапы факторного анализа:
1 этап. Отбор факторов.
2 этап. Классификация и систематизация факторов.
3 этап. Моделирование взаимосвязей между результативным и факторными показателями.
4 этап. Расчет влияния факторов и оценка роли каждого из них в изменении величины результативного показателя.
5 этап. Практическое использование факторной модели (подсчет резервов прироста 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, т. е. когда результативный показатель факторной модели представлен в виде произведения, частного или алгебраической суммы факторов.
Методы детерминированного факторного анализа:
- Метод цепных подстановок;
- Метод абсолютных разниц;
- Метод относительных разниц;
- Интегральный метод;
- Метод логарифмирования.
Данный вид факторного анализа наиболее распространен, поскольку, будучи достаточно простым в применении (по сравнению со стохастическим анализом), позволяет осознать логику действия основных факторов развития предприятия, количественно оценить их влияние, понять, какие факторы, и в какой пропорции возможно и целесообразно изменить для повышения эффективности производства.
Стохастический анализ представляет собой методику исследования факторов, связь которых с результативным показателем в отличие от функциональной является неполной, вероятностной (корреляционной). Если при функциональной (полной) зависимости с изменением аргумента всегда происходит соответствующее изменение функции, то при корреляционной связи изменение аргумента может дать несколько значений прироста функции в зависимости от сочетания других факторов, определяющих данный показатель.
Методы стохастического факторного анализа:
- Способ парной корреляции;
- Множественный корреляционный анализ;
- Матричные модели;
- Математическое программирование;
- Метод исследования операций;
- Теория игр.
Необходимо также различать статический и динамический факторный анализ. Первый вид применяется при изучении влияния факторов на результативные показатели на соответствующую дату. Другой вид представляет собой методику исследования причинно-следственных связей в динамике.
И, наконец, факторный анализ может быть ретроспективным, который изучает причины прироста результативных показателей за прошлые периоды, и перспективным, который исследует поведение факторов и результативных показателей в перспективе.
Классификация методов анализа
В соответствии с определением аналитической химии как дисциплины, целью которой является развитие методов определения химического состава вещества, различают методы качественного и количественного анализа. В рамках качественного органического анализа весьма важными становятся методы идентификации вещества. Первоначально для определения качественного и количественного состава вещества использовали химические реакции получения соединений, обладающих тем или иным аналитическим признаком, например массой, окраской. Именно эта ситуация, для которой было характерно, что за определение качественного и количественного состава материальных тел несла ответственность химия, и была закреплена, отражена понятием «аналитическая химия». В этот достаточно длительный период развития, как существительное, так и определение к нему почти точно отражали содержание понятия. «Почти» только потому, что уже в самом начале аналитическая химия как часть, пусть небольшую, содержала, например, атомный эмиссионный анализ в виде качественных реакций на щелочные и щелочноземельные элементы, не говоря уже о том, что такой важнейший метод количественного анализа, как гравиметрический, основывался и основывается на измерении массы, т. е. физического свойства.
Однако в настоящее время знание состава окружающего материального мира в буквальном смысле слова стало жизненно важным, что и привело к резкому увеличению предметной области соответствующей научной дисциплины. Задачи аналитической химии перестали быть задачами только химии; реально существующая дисциплина для своих целей использует все формы движения материи. Следуя объектному принципу классификации естественных наук, методы аналитической химии можно разделить на физические, физико-химические, химические и биологические. Налицо ситуация, когда содержание понятия вступило в очевидное противоречие с его общепринятым определением.
Говорит ли это о том, что аналитическая химия исчезла как дисциплина? Конечно, нет, не исчезла, но одновременно необходимо считаться с тем, что аналитическая химия стала частью более общей дисциплины. Здесь не место обсуждать, как ее назвать, как кратко определить понятие этой дисциплины, отметим только, что понятие «химия» част, уходит из названий соответствующей дисциплины, журналов, учебников, и поэтому желающих познакомиться с дискуссией о названии дисциплины отошлем к специальной литературе.
В рамках данной книги мы будем понимать под аналитической химией и дисциплину в целом, и ту ее часть, которая основана на использовании химических реакций.
Большое разнообразие аналитических задач и средств их решения привело к довольно развитой системе терминов, используемых для характеристики методов и методик анализа. Остановимся только на основных обще аналитических терминах. Методики количественного анализа характеризуются, прежде всего, рабочим интервалом определяемых содержаний или динамическим диапазоном, нижней и верхней границей
16
определяемых содержаний. Для характеристики качественного метода определения используют понятие «предел обнаружения», т. е. минимальное количество или концентрацию вещества, которую можно обнаружить с заданной воспроизводимостью. Эти характеристики оценивают на основе общих правил статистической обработки результатов определения.
В зависимости от того, определяется ли содержание каждого компонента в пробе или только некоторых, говорят о полном или частичном анализе. Под элементным анализом понимают такой анализ, в результате которого необходимо определить содержание каждого элемента независимо от того, в составе какого соединения данный элемент находится в пробе.
Напротив, целью функционального анализа является определение содержания элементов в виде тех или иных функциональных групп, а целью фазового анализа — распределение элементов по отдельным фазам образца.
Иногда очень важной величиной является масса пробы,
необходимая и достаточная для проведения анализа, метод
анализа в зависимости от массы пробы (в г) делят на следующие группы: макро 0,1 — 1,0; полумикро 0,01—0,10;
микро 0,001—0,010 и ультрамикрометоды — < 0,001.
Трудоемкость, эффективность анализа часто определяются содержанием элемента в пробе, и в зависимости от содержания говорят о главных (> 1%), второстепенных (0,01 — 0,1%) и микрокомпонентах или компонентах, присутствующих в пробе в следовых количествах (< 0,01 %).
В последнем случае часто необходимо проводить предварительное их концентрирование.
Терминология научного языка вообще и языка аналитической химии в частности отражает реальное развитие дисциплины; термины могут выпадать из языка, если потребность в знании исчезает, и, наоборот, новые, возникающие, вновь зарождающиеся области знания требуют создания новых терминов. К системе терминов нельзя подходить как к чему-то застывшему, неизменному. Например, снижение значения классического качественного химического анализа, основанного на химических реакциях в водных растворах, привело к тому, что термин «предельное разбавление» практически не встречается в современной научной литературе по аналитической химии. Примером обратной ситуации может служить следующая.
До настоящего времени чаще всего при необходимости
определения состава того или иного объекта анализа — воз -
духа, речной воды, потока технологической жидкости — отбирают часть этого объекта — пробу, и эту пробу анализируют.
Такой метод называют дискретным. В последнее время все
чаще стало необходимым определять состав объекта непосредственно в потоке, т. е. используя непрерывные методы анализа. Увеличение объема аналитической работы привело к необходимости создавать устройства, позволяющие интенсифицировать производительность работы аналитика, что в свою очередь привело к созданию лабораторных и промышленных авто анализаторов и автоматических методов анализа.
Первоначально «автоматизировалась» одна или несколько операций анализа. Современные автоанализаторы позволяют автоматизировать всю процедуру анализа, начиная от отбора и подготовки пробы к анализу и кончая записью результатов анализа и выдачи ее потребителю. Автоанализаторы могут использоваться как в лаборатории, так и в промышленности.
Выше, в разд. 1.2, мы уже отмечали, что сейчас фактически оформилась новая область аналитической химии — автоматические методы анализа промышленных потоков. В англоязычной литературе эта область обозначается как Process Analytical Chemistry, в литературе на немецком языке используется соответственно термин ProzefJanalytic. При переводе книги последний термин был переведен как «анализ процессов», или «динамический анализ», задача которого была определена как «контроль за макроскопическими потоками материалов или за ходом производственного процесса». Наконец, совсем недавно для обозначения этой области был предложен термин «промышленная аналитическая химия».
В ответ на требования промышленности аналитическая химия предложила несколько вариантов решения проблемы создания автоанализаторов, удовлетворяющих требованиям промышленности.
Первая реакция, естественно, привела к выбору методов, удовлетворяющих новым требованиям, из классических, уже имеющихся методов анализа. Наряду с этим стали разрабатываться и принципиально новые. Расширение области применения автоанализаторов обусловило создание автономных, дистанционных, миниатюрных и селективных датчиков состава, для обозначения которых в современной научной литературе часто используют термин химический сенсор или просто сенсор. Появление таких терминов, как промышленная аналитическая химия, сенсор, сенсорный анализ, и нечеткость их определений говорят о формировании новой области аналитической химии, новой области знания, ранее не отраженной в понятиях, не зафиксированной отдельным словом. Развитие этой области обусловлено новыми задачами аналитической химии, задачами контроля окружающей среды, автоматизации химических и биотехнологических производств.
Заканчивая обзор основных общенаучных терминов ана-литической химии, можно дополнить этот список, отметив, что в данном учебнике по аналитической химии качественный анализ представлен в варианте дробного качественного анализа, а из количественных методов будут рассмотрены гравиметрические и кислотно-основные, окислительно-восстановительные и комплексон метрические титриметрические методы, причем авторы не делали различия между органическим и неорганическим анализом. Термины, относящиеся к конкретным методам анализа, будут даны в соответствующих главах.
Методы количественного анализа
К основным методам количественного анализа (и синтеза) в психологии относятся следующие:
1. Методы первичной обработки данных (табулирование,
построение диаграмм, гистограмм, полигонов и кривых распределения).
2. Методы вторичной обработки данных (вычисление статистик).
3. Корреляционный анализ.
4. Дисперсионный анализ.
5. Регрессионный анализ.
6. Факторный анализ.
7. Таксономический (кластерный) анализ.
8. Шкалирование.
Выше при освещении этапа обработки данных в психологическом исследовании приводились краткие характеристики всех перечисленных методов кроме двух последних. Восполним этот пробел.
Таксономический анализ
Метод представляет собой математический прием группировки данных в классы (таксоны, кластеры) таким образом, чтобы объекты, входящие в один класс, были более однородны по какому-либо признаку по сравнению с объектами, входящими в другие классы. В итоге появляется возможность определить в той или иной метрике расстояние между изучаемыми объектами и дать упорядоченное описание их взаимоотношений на количественном уровне. В силу недостаточной проработанности критерия эффективности и допустимости кластерных процедур данный метод применяется обычно в сочетании с другими способами количественного анализа данных.
С другой стороны, и сам таксономический анализ используется как дополнительная страховка надежности результатов, полученных с использованием других количественных методов, в частности факторного анализа. Суть кластерного анализа позволяет рассматривать его как метод, явно совмещающий количественную обработку данных с их качественным анализом. Поэтому причислить его однозначно к разряду количественных методов, видимо, не правомерно. Но поскольку процедура метода по преимуществу математическая и результаты могут быть представлены численно, то и метод в целом будем относить к категории количественных.
Шкалирование
Шкалирование в еще большей степени, чем таксономический анализ, совмещает в себе черты количественного и качественного изучения реальности. Количественный аспект шкалирования состоит в том, что в его процедуру в подавляющем большинстве случаев входят измерение и числовое представление данных. Качественный аспект шкалирования выражается в том, что, во-первых, оно позволяет манипулировать не только количественными данными, но и данными, не имеющими единиц измерения, а во-вторых, включает в себя элементы качественных методов (классификации, типологизации, систематизации).
Еще одной принципиальной особенностью шкалирования, затрудняющей определение его места в общей системе научных методов, является совмещение в нем процедур сбора данных и их обработки. Можно даже говорить о единстве эмпирических и аналитических процедур при шкалировании. Не только в конкретном исследовании трудно указать на последовательность и разносность этих процедур (они часто совершаются одновременно и совместно), но и в теоретическом плане не удается обнаружить стадиальную иерархию (невозможно сказать, что первично, а что вторично).
Третий момент, не позволяющий однозначно отнести шкалирование к той или иной группе методов, – это его органическое «врастание» в специфические области знания и приобретение им наряду с признаками общенаучного метода признаков узко специфических. Если другие методы общенаучного значения (например, наблюдение или эксперимент) можно довольно легко представить как в общем виде, так и в конкретных модификациях, то шкалирование на уровне всеобщего без потери необходимой информации охарактеризовать весьма непросто. Причина этого очевидна: совмещение в шкалировании эмпирических процедур с обработкой данных. Эмпирика конкретна, математика абстрактна. Поэтому срастание общих принципов математического анализа со специфическими приемами сбора данных дает указанный эффект. Неплохой иллюстрацией этому служит неясность с научными истоками шкалирования. Сразу несколько наук могут претендовать на звание его «родителя».
Осознав все эти факторы, мы все же помещаем шкалирование в разряд количественных методов обработки данных, поскольку в психологической практике можно различить две ситуации с использованием шкалирования. Первая – это построение шкал, а вторая – их использование. В первом случае все упомянутые особенности шкалирования проявляются в полной мере. Во втором же они отходят на второй план, поскольку использование готовых шкал (например, «стандартных» шкал при тестировании) предполагает просто сравнение с ними показателей, полученных на этапе сбора данных. Таким образом, психолог в этом случае пользуется лишь плодами шкалирования, причем на этапах, следующих за сбором данных. Такая ситуация – обычное явление в психологии. Кроме того, формальное построение шкал, как правило, выносится за пределы непосредственных измерений и сбора данных об объекте. То есть основные шкалообразующие действия математического характера проводятся после сбора данных, что сопоставимо с этапом их обработки.
В самом общем смысле шкалирование есть способ познания мира через моделирование реальности с помощью формальных (в первую очередь, числовых) систем. Применяется этот способ практически во всех сферах научного познания (в естественных, точных, гуманитарных, социальных, технических науках) и имеет широкое прикладное значение.
Наиболее строгим определением представляется следующее: шкалирование – это процесс отображения по заданным правилам эмпирических множеств в формальные. Под эмпирическим множеством понимается любая совокупность реальных объектов (людей, животных, явлений, свойств, процессов, событий), находящихся в определенных отношениях друг с другом.
Эти отношения могут быть представлены четырьмя типами (эмпирическими операциями):
1) равенство (равно – не равно);
2) ранговый порядок (больше – меньше);
3) равенство интервалов;
4) равенство отношений.
По природе эмпирического множества шкалирование делится на два вида: физическое и психологическое. В первом случае шкалированию подвергаются объективные (физические) характеристики объектов, во втором – субъективные (психологические).
Под формальным множеством понимается произвольная совокупность символов (знаков, чисел), связанных между собой определенными отношениями, которые соответственно эмпирическим отношениям описываются четырьмя видами формальных (математических) операций: 1) «равно – не равно» (= ?); 2) «больше – меньше» (> <); 3) «сложение – вычитание» (+ -); 4) «умножение – деление» (х:).
При шкалировании обязательным условием является взаимно-однозначное соответствие между элементами эмпирического и формального множеств. Это означает, что каждому элементу первого множества должен соответствовать только один элемент второго, и наоборот. При этом взаимооднозначное соответствие типов отношений между элементами обоих множеств (изоморфизм структур) не обязательно. В случае изоморфности этих структур производится так называемое прямое (субъективное) шкалирование, при отсутствии изоморфизма производится косвенное (объективное) шкалирование.
Итогом шкалирования является построение шкал (лат. scala – 'лестница'), т. е. некоторых знаковых (числовых) моделей исследуемой реальности, с помощью которых можно эту реальность измерить. Таким образом, шкалы являются измерительными инструментами. Общее представление обо всем многообразии шкал можно получить из работ, где приведена их классификационная система и даны краткие описания каждого вида шкал. Сведения о многообразии модификаций общенаучного метода шкалирования в систематизированном виде представлены в работе.
Отношения между элементами эмпирического множества и соответствующие допустимые математические операции (допустимые преобразования) обусловливают уровень шкалирования и тип получаемой шкалы (по классификации С. Стивенса). Первому, наиболее простому типу отношений (= ?) соответствуют наименее информативные шкалы наименований, второму (> <) – шкалы порядка, третьему (+ -) – шкалы интервалов, четвертому (х:) – самые информативные шкалы отношений.
Процесс психологического шкалирования условно можно разделить на два основных этапа: эмпирический, на котором производится сбор данных об эмпирическом множестве (в данном случае о множестве психологических характеристик исследуемых объектов или явлений), и этап формализации, т. е. математико-ста-тистической обработки данных первого этапа. Особенности каждого из этапов определяют методические приемы конкретной реализации шкалирования. В зависимости от объектов исследования психологическое шкалирование выступает в двух разновидностях: психофизическое или психометрическое.
Психофизическое шкалирование заключается в построении шкал для измерения субъективных (психологических) характеристик объектов (явлений), имеющих физические корреляты с соответствующими физическими единицами измерения. Например, субъективным характеристикам звука (громкости, высоте, тембру) соответствуют физические параметры звуковых колебаний: амплитуда (в децибелах), частота (в герцах), спектр (в показателях составляющих тонов и огибающей). Таким образом, психофизическое шкалирование позволяет выявить зависимость между величинами физической стимуляции и психической реакции, а также выразить эту реакцию в объективных единицах измерения. В результате получают любые виды косвенных и прямых шкал всех уровней измерения: шкалы наименований, порядка, интервалов и отношений.
Психометрическое шкалирование заключается в построении шкал для измерения субъективных характеристик объектов (явлений), не имеющих физических коррелятов. Например, характеристик личности, популярности артистов, сплоченности коллективов, выразительности образов и т. п. Реализуется с помощью некоторых методов косвенного (объективного) шкалирования. В результате получают шкалы суждений, относящиеся по типологии допустимых преобразований, как правило, к шкалам порядка, реже – к шкалам интервалов. В последнем случае в качестве единиц измерения выступают показатели вариативности суждений (ответов, оценок) респондентов.
Наиболее характерными и распространенными психометрическими шкалами являются шкалы оценок и основанные на них шкалы установок. Психометрическое шкалирование лежит в основе разработки большинства психологических тестов, а также методов измерений в социальной психологии (социометрические методики) и в прикладных психологических дисциплинах. Поскольку вынесение суждений, лежащее в основе процедуры психометрического шкалирования, может быть применено и к физической сенсорной стимуляции, постольку эти процедуры применимы и для выявления психофизических зависимостей, но в этом случае получаемые шкалы не будут иметь объективных единиц измерения.
Как физическое, так и психологическое шкалирование может быть одномерным и многомерным. Одномерное шкалирование – это процесс отображения эмпирического множества в формальное по одному критерию. Получаемые одномерные шкалы отображают либо отношения между одномерными эмпирическими объектами (или одними и теми же свойствами многомерных объектов), либо изменения одного свойства многомерного объекта. Реализуется одномерное шкалирование с помощью методов и прямого (субъективного), и косвенного (объективного) шкалирования.
Под многомерным шкалированием понимается процесс отображения эмпирического множества в формальное одновременно по нескольким критериям. Многомерные шкалы отражают либо отношения между многомерными объектами, либо одновременные изменения нескольких признаков одного объекта. Процесс многомерного шкалирования в отличие от одномерного характеризуется большей трудоемкостью второго этапа, т. е. формализации данных. В связи с этим привлекается мощный статистико-мате-матический аппарат, например, кластерный или факторный анализы, входящие неотъемлемой частью в методы многомерного шкалирования.
Исследование проблем многомерного шкалирования связано с именами Ричардсона и Торгерсона, предложивших его первые модели. Начало разработкам методов неметрического многомерного шкалирования положил Шепард. Наиболее распространенный и впервые теоретически обоснованный алгоритм многомерного шкалирования предложил Краскал. Обобщение сведений по многомерному шкалированию провел М. Дэйвисон. Специфика многомерного шкалирования в психологии отражена в работе Г. В. Парамей.
Раскроем опоминавшиеся ранее понятия «косвенное» и «прямое» шкалирования. Косвенное, или объективное шкалирование – это процесс отображения эмпирического множества в формальное при взаимном несоответствии (отсутствие изоморфизма) между структурами этих множеств. В психологии в основе такого несоответствия лежит первый постулат Фехнера о невозможности прямой субъективной оценки величины своих ощущений. Для количественного выражения ощущений используются внешние по отношению к ним (косвенные) единицы измерения, базирующиеся на различных оценках испытуемых: едва заметные различия, время реакции (ВР), дисперсия различения, разброс категориальных оценок.
Косвенные психологические шкалы по способам их построения, исходным допущениям и единицам измерения образуют несколько групп, главные из которых следующие:
1) шкалы накопления, или логарифмические шкалы;
2) шкалы, основанные на измерении ВР;
3) шкалы суждений (сравнительных и категориальных).
Аналитическим выражениям этих шкал присвоен статус законов, названия которых связаны с именами их авторов:
1) логарифмический закон Вебера–Фехнера;
2) закон Пьерона (для простой сенсомоторной реакции);
3) закон сравнительных суждений Терстона и
4) закон категориальных суждений Торгерсона.
Наибольшими прикладными возможностями обладают шкалы суждений. Они позволяют измерять любые психические явления, реализуют как психофизическое, так и психометрическое шкалирование, дают возможность многомерного шкалирования. По типологии допустимых преобразований косвенные шкалы представлены в основном шкалами порядка и интервалов.
Прямое, или субъективное, шкалирование представляет собой процесс отображения эмпирического множества в формальное при взаимно-однозначном соответствии (изоморфизм) структур этих множеств. В психологии в основе этого соответствия лежит допущение о возможности прямой субъективной оценки величины своих ощущений (отрицание первого постулата Фехнера). Реализуется субъективное шкалирование с помощью процедур, выясняющих, во сколько раз (или на сколько) ощущение, вызванное одним стимулом, больше или меньше ощущения, вызванного другим стимулом. Если такое сравнение производится для ощущений разных модальностей, то говорят о кросс-модальном субъективном шкалировании.
Прямые шкалы по способу их построения образуют две основные группы:
1) шкалы, основанные на определении сенсорных отношений;
2) шкалы, основанные на определении величин стимулов.
Второй вариант открывает путь к многомерному шкалированию. Значительная часть прямых шкал хорошо аппроксимируется степенной функцией, что на большом эмпирическом материале доказал С. Стивене, именем которого названо аналитическое выражение прямых шкал – степенной закон Стивенса.
Для количественного выражения ощущений при субъективном шкалировании используются психологические единицы измерения, специализированные для конкретных модальностей и экспериментальных условий. Многие из этих единиц имеют общепринятые наименования: «соны» для громкости, «брилы» для яркости, «густы» для вкуса, «веги» для тяжести и т. д. По типологии допустимых преобразований прямые шкалы представлены главным образом шкалами интервалов и отношений.
В заключение обзора метода шкалирования надо указать на проблему его соотношения с измерением.
На наш взгляд, эта проблема обусловлена отмеченными выше особенностями шкалирования:
1) совмещением в нем эмпирических процедур сбора данных и аналитических процедур обработки данных;
2) единством количественного и качественного аспекта процесса шкалирования;
3) сочетанием обще научности и узко профильности, т. е. «срастанием» общих принципов шкалирования со специфическими процедурами конкретных методик.
Часть исследователей в явном или неявном виде отождествляют понятия «шкалирование» и «измерение». На эту точку зрения особенно сильно «работает» авторитет С. Стивенса, который измерение определял как «приписывание числовых форм объектам или событиям в соответствии с определенным правилами» и тут же указывал, что подобная процедура ведет к построению шкал. Но поскольку процесс разработки шкалы есть процесс шкалирования, то в итоге получаем, что измерение и шкалирование – одно и то же. Противоположная позиция состоит в том, что с измерением сопоставляется только метрическое шкалирование, связанное с построением интервальных и пропорциональных шкал.
Представляется, что вторая позиция строже, поскольку измерение предполагает количественное выражение измеряемого, а, следовательно, наличие метрики. Острота дискуссии может быть снята, если измерение понимать не как исследовательский метод, а как инструментальное сопровождение того или иного метода, в том числе шкалирования, о чем уже упоминалось.
Кстати, метрология (наука об измерениях) в понятие «измерение» включает как его обязательный атрибут средства измерения. Для шкалирования же (по крайней мере, для не метрического шкалирования) измерительные средства не обязательны. Правда, метрология интересуется главным образом физическими параметрами объектов, а не психологическими. Психологию, наоборот, в первую очередь занимают субъективные характеристики (большой, тяжелый, яркий, приятный и т. п.).
Это позволяет некоторым авторам за средство измерения принимать самого человека. При этом имеется в виду не столько использование в качестве единиц измерения частей человеческого тела (локоть, аршин, сажень, стадий, фут, дюйм и т. п.), сколько его способности к субъективному количественному оцениванию любых явлений. Но бесконечная вариативность индивидуальных различий человека, в том числе вариативность оценочных способностей, не может дать общеупотребимых единиц измерения на этапе сбора данных об объекте. Иными словами, в эмпирической части шкалирования субъект не может рассматриваться в роли измерительного инструмента.
Эту роль ему с большой натяжкой можно приписать только после манипуляций уже не с эмпирическими, а с формальными множествами. Тогда искусственно получают субъективную метрику, чаще всего в виде интервальных значений. На эти факты указывает Г. В. Суходольский, когда говорит, что упорядочивание (а именно этим занимается испытуемый на стадии «оценки» эмпирических объектов) «является подготовительной, но не измерительной операцией». И только потом на стадии обработки первичных субъективных данных соответствующие шкалообразующие действия (у Суходольско-го – ранжирование) «метризуют одномерное топологическое пространство упорядоченных объектов и, следовательно, измеряют «величину» объектов».
Неясность соотношения понятий «шкалирование» и «измерение» в психологии усиливается при их сопоставлении с понятиями «тест» и «тестирование». Не вызывает сомнений отнесение тестов к измерительным инструментам. Однако следует указать на два момента. Первый – это использование теста в процессе тестирования, т. е. обследования (психодиагностики) конкретных психологических объектов. Второй – это разработка, или конструирование теста.
В первом случае с определенным основанием можно говорить об измерении, поскольку к обследуемому объекту (испытуемому) «примеривается» эталонная мера – стандартная шкала.
Во втором случае, очевидно, корректнее говорить о шкалировании, поскольку квинтэссенцией конструирования теста является процесс построения стандартной шкалы и связанные с этим операции определения эмпирического и формального множеств, надежность и изоморфизм которых не в последнюю очередь обеспечиваются стандартизацией процедуры сбора эмпирических данных и набором достоверной «статистики».
Другой аспект проблемы вытекает из того обстоятельства, что тест как измерительный инструмент состоит из двух частей:
1) набора заданий (вопросов), с которыми обследуемый непосредственно имеет дело на стадии сбора данных о нем, и
2) стандартной шкалы, с которой сравниваются эмпирические данные на стадии интерпретации.
Где следует говорить об измерении, где о шкалировании, если это не одно и то же? Нам кажется, что эмпирическая часть процесса тестирования, т. е. выполнение испытуемым тестового задания, не является чисто измерительной процедурой, но к шкалированию ее отнести необходимо. Аргументация такова: сами по себе действия, совершаемые испытуемым, не являются мерой выраженности диагностируемых качеств. Только результат этих действий (затраченное время, число ошибок, тип ответов и т. д.), определяемый уже не испытуемым, а диагностом, представляет собой «сырое» шкальное значение, которое в последующем сравнивается с эталонными значениями. «Сырыми» показатели результатов действий испытуемого здесь названы по двум причинам.
Во-первых, они, как правило, подвергаются переводу в другие единицы выраженности. Часто – в «безликие», абстрактные баллы, стены и т. п.
И, во-вторых, обычное дело в тестировании – многомерность изучаемого психического явления, что предполагает для его оценки регистрацию нескольких изменяющихся параметров, синтезируемых впоследствии в единый показатель. Таким образом, только этапы обработки данных и интерпретации результатов тестирования, где производятся перевод «сырых» эмпирических данных в сравниваемые и наложение последних на «измерительную линейку», т. е. стандартную шкалу, можно без оговорок отнести к измерению.
Еще туже этот проблемный узел затягивается в связи с обособлением и перерастанием в самостоятельные дисциплины таких научных разделов, как «Психометрия» и «Математическая психология». Каждая из них как свои ключевые категории рассматривает обсуждаемые нами понятия. Психометрию можно считать психологической метрологией, охватывающей «весь круг вопросов, связанных с измерением в психологии». Поэтому нет ничего удивительного, что шкалирование входит в этот «круг вопросов». Но и психометрия не проясняет его соотношения с измерением. Более того, дело запутывается многообразием трактовок самой психометрической науки и ее предмета. Например, психометрия рассматривается в контексте психодиагностики. «Часто термины «психометрия» и «психологический эксперимент» употребляются как синонимы... Очень популярно мнение, что психометрия – это математическая статистика с учетом специфики психологии... Устойчивое понимание психометрии: математический аппарат психодиагностики... Психометрия – наука о применении в исследовании психических явлений математических моделей».
Что касается математической психологии, то ее статус еще более расплывчат. «Содержание и структура математической психологии еще не приобрели общепринятой формы, выбор и систематизация математико-психологических моделей и методов в какой-то мере произвольны». Тем не менее, уже намечается тенденция поглощения психометрии математической психологией. Отразится ли это на обсуждаемой проблеме соотношения шкалирования и измерения и прояснится ли их место в общей системе методов психологии – пока сказать трудно.
Метод сравнительного анализа
Сравнительный анализ предусматривает взаимное сопоставление содержания разных (но одинаковых по форме) документов, отображающих аналогичные по своему содержанию операции. Его основу составляет сопоставление сравниваемой хозяйственной операции с аналогичными с целью выявления возможных отклонений, трудно объяснимых обычными причинами.
Названный метод применяется в основном для поиска первичных сведений о фактах возможных злоупотреблений.
Предметом сопоставления могут быть различные реквизиты документов: количественные и качественные измерители, даты составления документов и др.
При этом могут быть установлены такие отклонения содержания отдельного документа от показателей других аналогичных документов, которые обычным, нормальным хозяйственным процессом объяснены быть не могут либо вообще не имеют объективных (экономических) обоснований.
Например, анализ отпуска одного и того же товара с оптовой базы, но в разные магазины, разным предпринимателям может способствовать сужению круга поиска и обращению внимания проверяющих лиц на хозяйственную деятельность конкретного субъекта.
Получение письменных справок от различных предприятий по поводу проверяемой хозяйственной операции или содержания проверяемых документов может осуществляться путем направления письменного запроса, который должен быть составлен на бланках организации и заверен подписью ее руководителя.
Этот прием также широко используется для получения исчерпывающих доказательств от соответствующих специалистов и должностных лиц в ходе проведения проверки. По всем фактам нарушений, растрат недостач, излишков, а также выявленным существенным ошибкам в бухгалтерском учете соответствующие ответственные лица обязаны по письменному запросу правоохранительных или ревизионных органов давать письменные сообщения в виде справок и предоставлять их (непосредственно или по почте) контролирующему органу.
Правом направления запроса и получения сведений обладают многие структуры:
• Антимонопольный комитет;
• Федеральная инспекция труда;
• Государственный комитет по стандартизации, метрологии и сертификации;
• Федеральная служба финансово-бюджетного надзора.
Так, для установления фиктивности операций, отраженных в товарных чеках, контролер-ревизор или следователь могут получить справку от соответствующего магазина о том, что в ассортименте отсутствуют товары, указанные в чеках; для подтверждения подложности наряда, оформленного на имя определенного лица, можно получить справку адресного бюро о том, что по указанному адресу данное лицо не проживает, или справку о том, что указанного в бухгалтерских документах предприятия вообще не существует и т. п.
Методы анализа рисков
В настоящее время наиболее распространенными являются следующие методы анализа рисков:
• статистический;
• экспертных оценок;
• аналитический;
• оценки финансовой устойчивости и платежеспособности;
• оценки целесообразности затрат;
• анализ последствий накопления риска;
• метод использования аналогов;
• комбинированный метод.
Рассмотрим некоторые основные из них.
Статистический метод заключается в изучении статистики потерь и прибылей, имевших место на данном или аналогичном предприятии, с целью определения вероятности события, установления величины риска. Вероятность означает возможность получения определенного результата. Например, вероятность успешного продвижения нового товара на рынке и течение года составляет 3/4, а неуспех — 1/4. Величина, или степень, риска измеряется двумя показателями: средним ожидаемым значением и колеблемостью (изменчивостью) возможного результата.
В последнее время стал популярен метод статистических испытаний — метод «Монте-Карло». Его достоинством является возможность анализировать и оценивать различные «сценарии» реализации проекта и учитывать разные факторы рисков в рамках одного подхода Разные типы проектов имеют разную уязвимость со стороны рисков, что выясняется при моделировании. Недостатком данного метода является то, что в нем для оценок и выводов используются вероятностные характеристики, что не очень удобно для непосредственного практического применения и не удовлетворяет менеджеров проекта. Однако, несмотря на указанные недостатки, этот метод дает возможность выявить риск, сопряженный с теми проектами, в отношении которых принятое решение не претерпит изменений.
Метод экспертных оценок. Данный метод отличается от статистического лишь методом сбора информации для построения кривой риска.
При этом методе предполагаются сбор и изучение оценок, сделанных различными специалистами (данного предприятия или внешними экспертами), касающихся вероятности возникновения различных уровней потерь. Оценки базируются на учете всех факторов финансового риска, а также на статистических данных. Реализация способа экспертных оценок значительно осложняется, если количество показателей оценки невелико.
Вариантный и вероятный характер многих процессов проектов повышает роль экспертных оценок при определении экономических и финансовых показателей. Такие оценки употребляются достаточно регулярно как в отечественной, так и в зарубежной практике. В переходный период роль экспертных заключений при определении соответствующих показателей существенно возрастает, поскольку используемые для расчета показатели не являются директивными. Соответствующая экспертная оценка может быть получена как после проведения специальных исследований, так и при использовании накопленного опыта ведущих специалистов.
Возрастание риска при осуществлении проекта требует более тщательной оценки критических моментов его реализации. Множество исходных показателей, часто конкурирующих между собой, предполагает использование экспертных оценок для конструирования критерия качества проекта. Поэтому система оценки инвестиций в со-временных условиях в силу необходимости становится «человеко-алгоритмической», причем роль человека-эксперта является определяющей.
Экспертная оценка — это выявленное по специальной методике мнение экспертов по определенному вопросу. Экспертная оценка необходима для принятия решения на этапе подготовки ПТЭО. Но уже в ТЭО количество экспертных оценок должно быть минимальным.
Постадийная оценка рисков основана на том, что риски определяются для каждой стадии проекта отдельно, а затем находится суммарный результат по всему проекту. Обычно в каждом проекте выделяются стадии: подготовительная (выполнение всего комплекса работ, необходимых для начала реализации проекта); строительная (возведение необходимых зданий и сооружений, закупка и монтаж оборудования); функционирования (вывод проекта на полную мощность и получение прибыли). Все рас-четы выполняются дважды — на момент составления проекта и после выявления наиболее опасных его элементов.
Оценки экспертов подвергаются анализу на непротиворечивость, который выполняется по определенным правилам. Во-первых, максимально допустимая разница между оценками двух экспертов по любому фактору не должна превышать 50. Сравнения проводятся по модулю (знак плюс или минус не учитывается), что позволяет устранить недопустимые различия в оценках экспертами вероятности наступления отдельного риска. Если количество экспертов больше трех, то оценкам подвергаются попарно сравнимые мнения.
Во-вторых, для оценки согласованности мнений экспертов по всему набору рисков выявляется пара экспертов, мнения которых наиболее сильно расходятся. Для расчетов расхождения оценки суммируются по модулю, и результат делится на число простых рисков. Частное от деления не должно превышать 25. В случае обнаружения между мнениями экспертов противоречий (не выполняется хотя бы одно из приведенных правил) они обсуждаются на совещаниях с экспертами. При отсутствии противоречий все оценки экспертов сводятся в среднюю (среднеарифметическую), которая используется в даль-наших расчетах.
Отдельную проблему представляют обоснование и оценки приоритетов. Суть ее состоит в необходимости освободить экспертов, дающих оценку вероятности риска, от оценки важности каждого отдельного события для всего проекта. Эту работу должны выполнять разработчики проекта, а именно та команда, которая готовит перечень рисков, подлежащих оценке. Задача экспертов состоит в том, чтобы дать оценку рисков.
После определения вероятностей по простым рискам (получения средней экспертной оценки) необходимо получение интегральной оценки риска всего проекта.
Для этого сначала рассчитываются риски каждой под стадий или композиции стадий:
- функционирования,
- финансово-экономической,
- технологической,
- социальной и экологической.
Разновидностью экспертного метода является метод Дельфи. Он характеризуется анонимностью и управляемой обратной связью. Анонимность членов комиссии обеспечивается путем их физического разделения, что не дает им возможности обсуждать ответы на поставленные вопросы. Цель такого разделения — избежать «ловушек» группового принятия решения, доминирования мнения лидера. После обработки результата через управляемую обратную связь обобщенный результат сообщается каждому члену комиссии. Основная цель такого действия — позволить ознакомиться с оценками других членов комиссии, не подвергаясь давлению из-за знания того, кто конкретно дал ту или иную оценку. После этого оценка может быть повторена.
При экспертной оценке предпринимательского риска большое внимание следует уделять подбору экспертов, так как именно от правильности их оценок зависит решение о выборе того или иного предпринимательского проекта.
Еще один важный метод исследования риска — моделирование задачи выбора с помощью «дерева решений». Данный метод предполагает графическое построение вариантов решений, которые могут быть приняты. По ветвям «дерева» соотносят субъективные и объективные оценки возможных событий. Следуя вдоль построенных ветвей и используя специальные методики расчета вероятностей, оценивают каждый путь и затем выбирают менее рискованный.
Однако этот метод очень трудоемкий. Кроме того, в «дереве» учитываются только те действия, которые намерен совершить предприниматель, и только те исходы, которые с его точки зрения могут иметь место. При этом совсем не учитывается влияние внешней среды на деятельность предпринимательской фирмы, а предприниматель не всегда может предвидеть действия партнеров, конкурентов.
Аналитический метод. Аналитический способ построения кривой риска наиболее сложен, поскольку лежащие в основе его элементы теории игр доступны только очень узким специалистам. Чаще используется подвид аналитического метода — анализ чувствительности модели.
Он состоит из следующих шагов:
- выбор ключевого показателя, относительно которого и производится оценка чувствительности (внутренняя норма доходности, чистый приведенный доход и т. п.);
- выбор факторов (уровень инфляции, состояние экономики и др.);
- расчет значений ключевого показателя на разных этапах осуществления проекта (закупка сырья, производство, реализация, транспортировка, капитальное строительство и т. п.).
Cформированные таким образом последовательности затрат и поступлений финансовых ресурсов дают возможность определить потоки фондов денежных средств для каждого момента (или отрезка времени), т. е. определить показатели эффективности. Строятся диаграммы, отражающие зависимость выбранных результирующих показателей от величины исходных параметров. Сопоставляя между собой полученные диаграммы, можно определить так называемые ключевые показатели, в наибольшей степени, влияющие на оценку доходности проекта.
Анализ чувствительности имеет и серьезные недостатки: он не является всеобъемлющим и не уточняет вероятность осуществления альтернативных проектов.
Проблема риска инфляции — одна из основных сравнении и выборе вариантов инвестиций. Для уменьшения риска прибегают к различным методам, позволяющим повысить надежность результатов инвестиций: анализу чувствительности, методу математической статистики экономико-математическому моделированию.
Предполагается, что риск может быть уменьшен при более четком понимании действия механизма формирования прибыли с учетом различных зависимостей, факторов и т. д.
Для фирм и предприятий выбор варианта инвестиционного проекта предполагается на основе любого из перечисленных показателей. Многие фирмы для повышения надежности при выборе вариантов проекта ориентируются не на один, а на два измерителя и более.
После выявления рисков, с которыми может столкнуться фирма в процессе производственной деятельности, определения факторов, оказывающих влияние на уровень риска, и проведения оценки рисков, а также выявления связанных с ними потенциальных потерь, перед фирмой стоит задача разработки программы минимизации выявленных рисков.
Рассмотрим наиболее важные для практического использования универсальные риски, имеющие высокую область эффективного применения.
Методы и приемы анализа
Рассмотрим сущность методов анализа.
Метод сравнения позволяет оценить работу фирмы, определить отклонения от плановых показателей, установить их причины и выявить резервы.
Основные виды сравнений, применяемые при анализе:
• отчетные показатели с плановыми показателями;
• плановые показатели с показателями предшествующего периода;
• отчетные показатели с показателями предшествующих периодов;
• показатели работы за каждый день;
• сравнения со среднеотраслевыми данными;
• показатели качества продукции данного предприятия с показателями аналогичных предприятий-конкурентов и др.
Сравнение требует обеспечения сопоставимости сравниваемых показателей (единство оценки, сравнимость календарных сроков, устранение влияния различий в объеме и ассортименте, качестве, сезонных особенностей и территориальных различий, географических условий и т.д.).
Индексный метод применяется при изучении сложных явлений, отдельные элементы которых неизмеримы. Как относительные показатели индексы необходимы для оценки выполнения плановых заданий, для определения динамики явлений и процессов.
Индексный метод позволяет провести разложение по факторам относительных и абсолютных отклонений обобщающего показателя, в последнем случае число факторов должно быть равно двум, а анализируемый показатель представлен как их произведение.
Балансовый метод предполагает сопоставление взаимосвязанных показателей хозяйственной деятельности с целью выяснения и измерения их взаимного влияния, а также подсчета резервов повышения эффективности производства. При применении балансового метода анализа связь между отдельными показателями выражается в форме равенства итогов, полученных в результате различных сопоставлений.
Метод цепных подстановок заключается в получении ряда корректированных значений обобщающего показателя путем последовательной замены базисных значений факторов — сомножителей фактическими.
Сравнение значений двух стоящих рядом показателей в цепи подстановок позволяет исчислить влияние на обобщающий показатель того фактора, базисное значение которого заменяется на фактическое.
Метод элиминирования позволяет выделить действие одного фактора на обобщающие показатели производственно-хозяйственной деятельности, исключает действие других факторов.
Графический метод является средством иллюстрации хозяйственных процессов и исчисления ряда показателей и оформления результатов анализа.
Графическое изображение экономических показателей различают по назначению (диаграммы сравнения, хронологические и контрольно-плановые графики), а также по способу построения (линейные, столбиковые, круговые, объемные, координатные и др.).
Функционально-стоимостный анализ (ФСА) — это метод системного исследования, применяемого по назначению объекта (изделия, процессы, структуры) с целью повышения полезного эффекта (отдачи) на единицу совокупных затрат за жизненный цикл объекта.
Особенность проведения ФСА заключается в установлении целесообразности набора функций, которые должен выполнять проектируемый объект в конкретных условиях, либо необходимости функций существующего объекта.
Экономико-математические методы анализа (ЭММ) применяются для выбора наилучших, оптимальных вариантов, определяющих хозяйственные решения в сложившихся или планируемых экономических условиях.
Примерным перечнем задач экономического анализа, для решения которых могут быть использованы ЭММ, является:
• оценка разработанного с помощью ЭММ плана производства продукции;
• оптимизация хозяйственной программы, распределения ее по цехам и оборудованию и количеству продукции (работ);
• оптимизация распределения хозяйственных ресурсов, раскроя материала, определения напряженности норм;
• оптимизация уровня унификации составляющих частей изделия и средств технологического оснащения;
• установление оптимальных размеров предприятия, цеха, участка и т.п.;
• определение оптимального ассортимента изделий;
• определение наиболее рациональных маршрутов внутризаводского транспорта, размещение складов;
• определение границ целесообразности проведения капитального ремонта, рациональных сроков эксплуатации оборудования и замена его новым;
• установление и сравнительный анализ экономической эффективности использования единицы ресурса каждого вида с точки зрения оптимального варианта решения;
• определение внутрихозяйственных потерь в связи с возможным оптимальным решением.
Прием сводки и группировки. Сводка предполагает подведение общего результата действия различных факторов на обобщающий показатель производственно-хозяйственной деятельности предприятия.
Группировка заключается в выделении среди изучаемых явлений характерных групп по тем или иным признакам. Сгруппированные данные оформляются в виде таблиц. Такая таблица представляет форму рационального изложения цифровых характеристик, изучаемых явлений и процессов.
Прием абсолютных и относительных величин. Абсолютные величины характеризуют размеры (величины, объемы) экономических явлений. Относительные величины характеризуют уровень выполнения плановых заданий, соблюдение норм, темпы роста и прироста, структуру, удельный вес или показатели интенсивности.
Прием средних величин используется для обобщающей характеристики массовых, качественно однородных, экономических явлений. Выражает собой отличительную особенность данной совокупности явлений, устанавливает ее наиболее типичные черты.
В экономическом анализе в зависимости от конкретной цели используются различные виды средних величин:
Прием динамических рядов предполагает характеристику изменений показателей во времени, показ последовательных значений показателей, вскрытие закономерностей и тенденций развития. Различают ряды моментные — для характеристики изучаемого объекта за различные моменты времени и периодические — за определенный период времени.
Прием сплошных и выборочных наблюдений. Сплошные наблюдения предполагают изучение всей совокупности явлений, характеризующих какую-либо одну сторону производственно-хозяйственной деятельности предприятия.
Выборочные наблюдения предполагают изучение хозяйственной деятельности предприятия на основе типовых представителей всей совокупности явлений, процессов. По данным выборочных наблюдений на основе методов теории вероятностей определяется возможность распространения выводов на всю генеральную совокупность изучаемых явлений.
Прием детализации и обобщения. Детализация проводится путем разложения обобщающего (конечного) показателя на частные. Расчленяя и детализируя сложные показатели по отдельным составным частям и факторам, определяют влияние каждого из них на эти показатели.
Обобщения раскрывают связь между частями целого (объекта, явления, процесса), итогами деятельности и отдельных подразделений и определяют степень их влияния на общие результаты.
Физико-химические методы анализа
Физико-химические методы анализа, основаны на зависимости физических свойств вещества от его природы, причем аналитический сигнал представляет собой величину физического свойства, функционально связанную с концентрацией или массой определяемого компонента. Физико-химические методы анализа могут включать химические превращения определяемого соединения, растворение образца, концентрирование анализируемого компонента, маскирование мешающих веществ и других. В отличие от «классических» химических методов анализа, где аналитическим сигналом служит масса вещества или его объем, в физико-химические методы анализа в качестве аналитического сигнала используют интенсивность излучения, силу тока, электропроводность, разность потенциалов и др.
Важное практическое значение имеют методы, основанные на исследовании испускания и поглощения электромагнитного излучения в различных областях спектра. К ним относится спектроскопия (например, люминесцентный анализ, спектральный анализ, нефелометрия и турбидиметрия и другие). К важным физико-химическим методам анализа принадлежат электрохимические методы, использующие измерение электрических свойств вещества (кондуктометрия, кулонометрия, потенциометрия и т. д.), а также хроматография (например, газовая, жидкостная хроматография, ионообменная хроматография, тонкослойная хроматография). Успешно развиваются методы, основанные на измерении скоростей химических реакций (кинетические методы анализа), тепловых эффектов реакций (термометрическое титрование, смотри Калориметрия), а также на разделении ионов в магн. поле (масс-спектрометрия).
При выполнении физико-химических методов анализа используют специальную, иногда довольно сложную, измерительную аппаратуру, в связи, с чем эти методы часто называют инструментальными. Многие современные приборы оснащены встроенными ЭВМ, которые позволяют находить оптимальные условия анализа (напр., спектральную область получения наиболее точных результатов при анализе смеси окрашенных веществ), выполняют расчеты и т. д.
Почти во всех физико-химических методов анализа применяют два основных приема: методы прямых измерений и титрования. В прямых методах используют зависимость аналитического сигнала от природы анализируемого вещества и его концентрации. Зависимость сигнала от природы вещества - основа качественного анализа (потенциал полуволны в полярографии и т.д.). В некоторых методах связь аналитического сигнала с природой вещества установлена строго теоретически. Например, спектр атома водорода может быть рассчитан по теоретически выведенным формулам. В количественном анализе используют зависимость интенсивности сигнала от концентрации вещества. Чаще всего она имеет вид I = a + bс (уравнение связи), где I- интенсивность сигнала (сила диффузионного тока в полярографии, оптическая плотность в спектрофотомерии и т. д.), с - концентрация, а и b - постоянные, причем во многих случаях, а= 0 (спектрофотомерия, полярография и др.). В ряде физико-химических методов анализа уравнение связи установлено теоретически, например закон Бугера-Ламберта-Бера, уравнение Ильковича.
Численные значения констант в уравнении связи определяют экспериментально с помощью стандартных образцов, стандартных растворов и т.д. Только в кулонометрии, основанной на законе Фарадея, не требуется определение констант.
Наибольшее распространение в практике получили следующие методы определения констант уравнения связи или, что то же самое, методы количеств, анализа с помощью физико-химических измерений:
1) Метод градуировочного графика. Измеряют интенсивность аналитического сигнала у нескольких стандартных образцов или стандартных растворов и строят градировочный график в координатах I = f(с) или I = f(lgc), где с - концентрация компонента в стандартном растворе или стандартном образце. В тех же условиях измеряют интенсивность сигнала у анализируемой пробы и по градировочному графику находят концентрацию.
2) Метод молярного свойства применяют в тех случаях, когда уравнение связи I = bc соблюдается достаточно строго. Измеряют аналитический сигнал у нескольких стандартных образцов или растворов и рассчитывают b = Iст /сст; еслисст измеряется в моль/л, то b -молярное свойство. В тех же условиях измеряют интенсивность сигнала у анализируемой пробы Ix и по соотношению cx = Ix /b или cx = cстIx /IСТ рассчитывают концентрацию.
3) Метод добавок. Измеряют интенсивность аналитического сигнала пробы Ix, а затем интенсивность сигнала пробы с известной добавкой стандартного раствора Ix+стt. Концентрацию вещества в пробе рассчитывают по соотношению сx =сстIx/(Ix+ст - Ix).
Методы титрования. Измеряют интенсивность аналитического сигнала I в зависимости от объема V добавленного титранта. По кривой титрования I=f (V)находят точку эквивалентности и рассчитывают результат по обычным формулам титриметрического анализа.
Физико-химические методы анализа часто используют при определении низких содержаний (порядка 10-3% и менее), где классические химические методы анализа обычно неприменимы. В области средних и высоких концентраций химические и физико-химические методы анализа успешно конкурируют между собой, взаимно дополняя друг друга. Физико-химические методы анализа развиваются в направлении поиска новых химических аналитических свойств вещества, увеличения точности анализа, конструирования новых прецизионных аналитических приборов, совершенствования существующих методик и автоматизации анализа. Интенсивно развивается в последнее время проточно-инжекционный анализ - один из наиболее универсальных вариантов автоматизированного анализа, основанный на дискретном введении микрообъемов анализируемого раствора в поток жидкого носителя с реагентом и последующего детектирования смеси тем или иным физико-химическим методом.
Деление аналитических методов на физические, химические и физико-химические весьма условно. Часто к физико-химическим методам анализа относят, например, ядерно-физические методы. В последнее время наметилась тенденция делить методы анализа на химические, физические и биологические - вовсе без физико-химических.
Методы качественного анализа
Качественный анализ- совокупность химических, физико-химических и физических методов обнаружения и идентификации элементов, радикалов, ионов и соединений, входящих в состав анализируемого вещества или смеси веществ качественного анализа. — один из основных разделов аналитической химии.
Важнейшие характеристики методов качественного анализа:
1) специфичность (селективность), т. е. возможность обнаружения искомого элемента в присутствии другого;
2) чувствительность, определяемая наименьшим количеством элемента, которое может быть обнаружено данным методом в капле раствора (0,01–0,03 мл); в современных методах качественный анализ чувствительность достигает 1 мкг.
Классический качественного анализа неорганических веществ производят т. н. «сухим» или «мокрым» путем. К методам качественного анализа «сухим» путем относят испытания на окрашивание пламени газовой горелки, получение окрашенных перлов (стекловидных сплавов) при нагревании порошка испытуемого вещества (обычно соли или окисла металла) с небольшим количеством буры или «фосфорной соли» (NaNH4HPO4.4H2O). К. а. «мокрым» путем (в растворах) осуществляют макро -, полумикро-, микро- и ультрамикрометодами. При анализе макро методом количество вещества составляет > 100 мг, объем раствора > 5 мл; при анализе ультрамикрометодом — соответственно < 0,1 мг и < 0,05 мл.
Качественного анализа неорганических соединений в водных растворах основан на ионных реакциях; в соответствии с этим он разделяется на анализ катионов и анализ анионов. Наиболее часто катионы делят на 5 групп по растворимости их сернистых солей. Анионы обычно классифицируют по различной растворимости бариевых или серебряных солей. Если в анализируемом веществе определяют ионы, которые могут быть обнаружены селективными реагентами, то анализ ведут дробным методом.
Наряду с классическими химическими методами в качественного анализа широко используют физические и физико-химические (так называемые инструментальные) методы, основанные на изучении оптических, электрических, магнитных, тепловых, каталитических, адсорбционных и др. свойств анализируемых веществ.
Эти методы обладают рядом преимуществ перед химическими, т.к. позволяют во многих случаях исключить операцию предварительного химического разделения анализируемой пробы на составные части, а также непрерывно и автоматически регистрировать результаты анализа. Кроме того, при использовании физических и физико-химических методов для определения малых количеств примесей требуется значительно меньшее количество анализируемой пробы.
Метод анализа иерархий
Метод Анализа Иерархий (МАИ) — математический инструмент системного подхода к сложным проблемам принятия решений. МАИ не предписывает лицу, принимающему решение (ЛПР), какого-либо «правильного» решения, а позволяет ему в интерактивном режиме найти такой вариант (альтернативу), который наилучшим образом согласуется с его пониманием сути проблемы и требованиями к ее решению. Этот метод разработан американским математиком Томасом Саати, который написал о нем книги, разработал программные продукты и в течение 20 лет проводит симпозиумы ISAHP (англ. International Symposium on Analytic Hierarchy Process).
МАИ широко используется на практике и активно развивается учеными всего мира. В его основе наряду с математикой заложены и психологические аспекты. МАИ позволяет понятным и рациональным образом структурировать сложную проблему принятия решений в виде иерархии, сравнить и выполнить количественную оценку альтернативных вариантов решения. Метод Анализа Иерархий используется во всем мире для принятия решений в разнообразных ситуациях: от управления на межгосударственном уровне до решения отраслевых и частных проблем в бизнесе, промышленности,
здравоохранении и образовании. Для компьютерной поддержки МАИ существуют программные продукты, разработанные различными компаниями. Анализ проблемы принятия решений в МАИ начинается с построения иерархической структуры, которая включает цель, критерии, альтернативы и другие рассматриваемые факторы, влияющие на выбор. Эта структура отражает понимание проблемы лицом, принимающим решение. Каждый элемент иерархии может представлять различные аспекты решаемой задачи, причем во внимание могут быть приняты как материальные, так и нематериальные факторы, измеряемые количественные параметры и качественные характеристики, объективные данные и субъективные экспертные оценки.
Иными словами, анализ ситуации выбора решения в МАИ напоминает процедуры и методы аргументации, которые используются на интуитивном уровне. Следующим этапом анализа является определение приоритетов, представляющих относительную важность или предпочтительность элементов построенной иерархической структуры, с помощью процедуры парных сравнений.
Безразмерные приоритеты позволяют обоснованно сравнивать разнородные факторы, что является отличительной особенностью МАИ. На заключительном этапе анализа выполняется синтез (линейная свертка) приоритетов на иерархии, в результате которой вычисляются приоритеты альтернативных решений относительно главной цели. Лучшей считается альтернатива с максимальным значением приоритета.
Метод анализа документов
Методы анализа документов чрезвычайно многообразны и непрерывно пополняются и совершенствуются. Однако, проанализировав литературу нескольких авторов, мы пришли к выводу, что во всем этом многообразии можно выделить два основных типа анализа: традиционный (классический) и формализованный (количественный контент-анализ).
Традиционный (классический) анализ документов
В.А. Ядов пишет: "Под традиционным (классическим) анализом понимается все многообразие умственных операций, направленных на интерпретацию сведений, содержащихся в документе, с определенной точки зрения принятой исследователем в каждом конкретном случае.
Интересующая социолога информация, заложенная в документе, обычно присутствует там, в скрытом виде. Проведение традиционного анализа означает преобразование первоначальной формы этой информации в необходимую исследовательскую форму. Фактически, это не что иное, как интерпретация содержания документа, его толкование.
Традиционный классический анализ позволяет охватывать глубинные, скрытые стороны содержания документа: этот анализ стремиться, как бы до конца проникнуть вглубь документа, исчерпать его содержание.
Основной слабостью этого метода является субъективность. Как бы ни был добросовестен исследователь, как бы не старался он предельно беспристрастно рассмотреть материал, интерпретация всегда в большей или меньшей степени будет субъективна.
Анализ документа в рамках каждого исследования есть самостоятельный творческий процесс, зависящий от формы и содержания самого документа, целей и условий проведения исследования, богатства опыта и творческой интуиции исследователя".
Далее в "Рабочей книге социолога" мы находим описание внешнего и внутреннего анализов документа: "В традиционном анализе различают внешний и внутренний.
Цель внешнего анализа-установить вид документа, но форму, время и место появления, автора, инициатора, цели его создания, насколько он надежен и достоверен. Каков его контекст. Пренебрежение таким анализом во многих случаях грозит неверным истолкованием содержания документа.
Цель внутреннего анализа-исследование содержания документа. По существу вся работа социолога направлена на проведение внутреннего анализа документа, включающего выявление различия между фактическим и литературным содержанием, установление уровня компетенции автора документа в делах, о которых он высказывается, выяснение его личного отношения к описываемым в документе фактам".
Предубеждения или симпатии автора часто являются источником намеренных или ненамеренных искажений. Но искажения могут возникать не только в результате личной симпатии или антипатии автора; источником искажения выступает и методологическая позиция автора. Так, авторы, придерживающиеся разных мировоззренческих теорий, могут признать существенным в объяснении конкретного явления два разных факта.
Как я раньше уже говорила, к личным документам необходимо относиться серьезно, не пренебрегать проверкой на достоверность содержащихся в нем сведений. Поэтому при анализе личных документов основной задачей социолога-исследователя является извлечение из источника только той информации, которая требуется ему в соответствии с решаемыми задачами и проверяемыми гипотезами. Поэтому первоочередной задачей социолога-исследователя, обратившегося к любому виду личных документов, является выяснение возможностей использования их для своих целей. Это предполагает оценку надежности, достоверности и точности документа.
Оценка надежности-это, прежде всего оценка подлинности документа: установление личности автора, обстоятельств времени и места создания, мотивов, побудивших автора к созданию документа, а также оценка степени сохранности документа с точки зрения его полноты, наличия более поздних направлений, ошибок и т.д.
Исследователь-социолог в зависимости от стоящих перед ним задач должен установить не простую достоверность информации, скажем, перепроверив сведения по другим источникам, но также выяснить причины того, почему одни факты в документе опущены, а другим уделено чрезмерно большее внимание; каковы мотивы создания документа; какова природа той или иной оценки происходящего и отражают ли эти оценки исключительно частное мнение автора документа или же служат отображением специальной позиции или мнения более определенного круга людей, начиная от непосредственного окружения и кончая специальной группой, слоем, классом, к которой автор принадлежит.
Приведение такого анализа требует определенной подготовленности, методической культуры исследователя. Ретроспективный и хроникальный характер документов и содержащихся в них сведений предполагают у исследователя знаний о той эпохе, к которой относится время создания документа, таких, как знание хода общеизвестных событий, содержания выступлений политических деятелей, имен известных актеров, художников, спортсменов, писателей, ученых, особенности моды того времени, наконец-распространенности жаргонных слов, терминов и аббревиатур. Документ может также исходить от культуры или социальной группы, от которых сам исследователь стоит очень далеко. Поэтому следует обращать серьезное внимание на язык, стиль изложения, на мировоззрение и уровень интеллектуального развития, зрелости автора документа, его социально-профессиональное положение, связи, пол, возраст и другие биографические подробности. Анализируя опубликованные в печати личные документы, нельзя упускать из виду то, что на их форме и содержании, кроме личности автора, отражаются действия редактора и цензуры, определенная коньюнктура, распространенные концепции и т.д.
Все вышесказанное относилось главным образом к сфере общего или так называемого внешнего анализа документов.
Характеристика внутреннего анализа представлена в "Рабочей книге социолога":
"Социолог, обращающийся к личным документам воспринимает их не просто как "хроники эпохи", а прежде всего как преломленное в субъективном восприятии конкретно-историческое отображение тех проблем, общественных отношений, связей, образа жизни, свойственных социальной группе, к которой принадлежит автор документа в период его создания. Такой теоретический и конкретно-исторический подход к документальным источникам, свойственный социологической науке, предполагает особый акцент на направленном или так называемом внутреннем их анализе. Последний же означает выявление социальных факторов, обусловивших появление документа, социального лица автора, а тем самым и социальной ситуации в целом".
Отдельные документы в силу своей специфики требуют специальных методов анализа и привлечения для их выполнения специалистов данных областей знаний.
Юридический анализ-применяется для всех видов юридических документов. Его специфика заключается, прежде всего, в том, что в правовой науке разработан особый словарь терминов, в котором значение каждого слова строго однозначно определено. Незнание юридического словаря при анализе юридических документов может привести исследователя к грубым ошибкам.
Формализованный анализ документов
Как замечает В.А.Ядов: "Желание избавиться от субъективности традиционного анализа породило разработку принципиально иных, формализованных, или, как часто их называют, количественных методов анализа документов (контент-анализ).
Суть этих методов сводится к тому, чтобы найти такие легко подсчитываемые, признаки, черты, свойства документа (например, частота употребления определенных терминов), которые с необходимостью отражали бы определенные существенные стороны содержания. Тогда содержание делается измеримым, доступным точным вычислительным операциям. Основные методики были сформулированы английскими социологами Г. Лассуэллом и Б. Барельсоном. Техника контент-анализа находит широкое распространение в социальных исследованиях.
Применявшиеся вначале для изучения эффективности массовой пропаганды, этот прием стал ныне сильным средством анализа всевозможных официальных документов. Контент-анализ применяют также в практике изучения писем, поступающих в различные организации и органы управления, в политологии, в социальной психологии и педагогике и т.д.
Хотя контент-анализ представляет собой относительно недорогой метод, опирающийся на доступные базы данных, и хотя при его проведении мы не рискуем столкнуться со сложностями и весьма специфическими проблемами (кроме тех случаев, когда анализу подвергается информация конфиденциальная или засекреченная), нам все же надо проявлять определенную внимательность чтобы избежать кое-каких трудностей, заключенных в этом методе.
В практической реализации этой методики возникает ряд методологических проблем. Одна из наиболее существенных-принципы категоризации материала, выяснение оснований для классификации ключевых узлов. Эта задача решается в зависимости от целей конкретного исследования.
Группой эстонских социологов, изучавших эффективность местной прессы, была разработана своя классификация материала, связанного с выделением в сообщаемом тексте:
Хотя границы между этими родами сообщений весьма условны, все же такого рода подход позволяет проанализировать важные проблемы коммуникативного процесса и добиться определенных практических результатов.
Одно из необходимых условий реализации данного метода-полнота охвата материала и систематическое его накопление.
Важно определять не только те смысловые узлы и ключевые понятия, которые соответствуют гипотезе исследователя. В выделении этих понятий и их классификации следует идти от самого материала.
При анализе содержания пропаганды и определении меры ее эффективности существенным моментом оказывается выделение экспрессивной и инструментальной функции коммуникации. В первом случае коммуникация выражает некоторое внутреннее состояние субъекта, коммуникатора, во втором случае непосредственно выражается его ближайшее намерение и цель. Выделение экспрессивной функции позволяет рассмотреть вопросы о соотношении явных и скрытых намерений пропаганды и таким образом более глубоко подойти к пониманию проблем.
Одна из наиболее существенных методологических трудностей, связанных с реализацией процедуры контент-анализа, состоит в определении взаимоотношения качественного и количественного подходов.
Приемы качественно - количественного анализа документов
Основная трудность при работе с доступными (т.е. нецелевыми) документами-умение читать данные на языке гипотез исследования. Ведь документ был составлен вовсе не для того, чтобы проверить гипотезы социолога. Поэтому, прежде чем анализировать документальные материалы по существу, социолог вынужден проделать утомительную работу поиска в документе индикаторов (признаков) ключевых понятий исследования.
Количественный подход может содействовать выявлению устойчивых тенденций в стратегии пропаганды, определению в ней наиболее важных тем, направлений, задач. Однако здесь возникает опасность просмотреть определенные сдвиги в ее стратегии, которые могут быть выражены в незначительных на первый взгляд высказываниях.
Поэтому количественный анализ должен постоянно дополняться качественным. На основании последнего могут быть изложены определенные уточнения и усовершенствованы способы количественного анализа.
Качественный анализ документов-необходимое условие для всех количественных операций. Но прежде следует заметить, что квантификация текстов далеко не всегда целесообразна.
В каких случаях не следует прибегать к количественному анализу?
Видимо, это неразумно, если мы имеем дело с уникальными документами, где главная цель изучения-всесторонняя содержательная интерпретация материала. Не следует обращаться к количественному анализу, если перед нами описания весьма сложных явлений, если документальных данных недостаточно для обработки или они неполные (нерепрезентативны).
Когда количественный анализ текстов уместен?
Прежде всего, отмечает один из основателей этого метода Б.Берельсон, если требуется высокая степень точности при сопоставлении одно порядковых данных. Далее, когда достаточно много материала, чтобы оправдать усилия, связанные с его количественной обработкой, и если этот материал репрезентирует области изучения. Квантификация необходима, когда текстового материала не только достаточно, но столь много, что его нельзя охватить без суммарных оценок. Квантификация возможна при условии, что изучаемые качественные характеристики появляются с достаточной частотой.
Наиболее целесообразно использовать количественный анализ, если квантифицированные тексты сопоставляются с иными, также количественными характеристиками. Например, выраженные в статистических распределения особенности содержания газетных сообщений сопоставляются с численностью подписчиков, их мнениями об этих материалах, тоже выраженными в числах".
Дж.Б.Мангейм пишет: "Возвращаясь к вопросу о трудностях, возникающих при применении количественного контент-анализа, хотелось бы добавить, что исследователю необходимо учитывать, что сообщения публикуются и соответствующим образом составляются не просто так, а с какой-то определенной целью, с целью то ли информирования, то ли описания, то ли призыва, предписания, самозащиты или даже с целью дезинформации! Поэтому при анализе сообщений мы должны стараться интерпретировать их содержание не иначе, как в контексте очевидных целей.
Сходным образом и характер распространения того или иного сообщения может неявно выражать многое в его значении. Предвыборная листовка, распространенная по списку адресов избирателей, является примером сообщений с ограниченной или особой сферой распространения. Даже общедоступная газета может иметь ограниченный или особый круг читателей. Следовательно, если мы должны дать адекватную оценку значимости некоторого сообщения, нам зачастую надо при этом знать, кому оно адресуется и как распространяется. Опираясь на чье-то индивидуальное мнение (например, на мнение хорошо осведомленных лиц), то ли на наведение справок, когда мы пытаемся узнать у отправителей сообщения список его получателей, то ли на самоочевидные свидетельства, когда к документу прилагается список всех ознакомившихся с ним лиц, иногда с их личными подписями, то ли на опрос читательской аудитории (типа тех, которые обычно проводят газеты, чтобы документально их обосновать свои претензии по доставке), мы должны постараться измерить или оценить круг распространения сообщения. Эта информация позволит нам судить о значимости и о важности материала.
Мы должны правильно оценить степень доступности интересующих нас сообщений. Обеспечена ли нам возможность свободного отбора материалов для анализа? Доступны ли нам все материалы в неискаженном виде или же нам навязан некий контроль извне? Имеем ли мы доступ, например, только к рассекреченным документам (к газетам, издаваемым в расчете на иностранных читателей; к стенограммам только официальных заседаний правительственных комиссий)? Здесь мы имеем дело с проблемой обобщенности результатов: вопрос в том, на сколько репрезентативна исследуемая совокупность сообщений, не говоря уже о выборке из нее.
Если совокупность непредставительна, то исследователь, при отсутствии у него должной бдительности, может быть, самое малое, введен в заблуждение, а то и хуже может стать объектом сознательной манипуляции.
В каждом из этих случаев основная сложность заключается в том, что информация, необходимая для адекватной оценки, может быть нам просто недоступна. Мы можем не знать и не иметь возможности уточнить цели сообщений, сферу их распространения и реальную степень своего доступа к ним. За этим скрывается весьма многообразные опасности, и контент-анализ должен быть наготове, чтобы вовремя с ними справиться. Нельзя строить свои оценки на первом впечатлении,- напротив, надо сохранять здоровый скептицизм в отношении имеющихся данных, до тех пор, пока не будут получены ответы на все обсуждавшийся явления выше вопросы.
Сказанное, конечное, не означает, что в условиях неопределенности проведение контент-анализа исключается; оно значит только, что, приступив к анализу, исследователь не должен забывать об этой неопределенности. Наконец, следует сказать несколько слов о надежности интерполирования. За исключением полностью компьютеризованных контент-аналитических процедур (существует целый ряд программ, специально разработанных в расчете на составление словарей ключевых слов, а так же на поиск в тексте и числовую обработку последних), контент-анализ целиком опирается на суждение совершенно определенного человека о содержании сообщения.
В конце концов, информация сама себя не анализирует. Она изучается, обрабатывается, обсчитывается и классифицируется человеком, в лице конкретного исследователя. При этом разные исследователи могут расходиться между собой в понимании данного сообщения. Однако измерения могут считаться достаточно надежными лишь тогда, когда относительно их содержания, между исследователями достигнут определенный уровень консенсуса. Надежность интерполирования-термин, используемый в политологии для описания степени такого консенсуса. Чем она выше, тем лучше.
Повысить надежность интеркодирования, а вместе с тем и надежность информации получаемой контент-анализом можно следующими способами:
• К операционализмами любой переменной подходить следует с осторожностью и тщательностью. Удостоверьтесь в том, что все значения сформулированы ясно и по возможности недвусмысленно. На деле такая мера поможет формированию общих критериев оценки, которую можно последовательно использовать при классификации и измерении содержания.
• Обоснование полноты объема выделяемых смысловых единиц осуществлять методом "снежного кома". Это делается следующим способом. Первоначально выделяются все смысловые единицы из первого анализируемого текста, далее из второго текста-те же плюс дополнительные, ранее не встречающиеся, из третьего документа-те же, что уже встречались в двух предыдущих, плюс дополнительные и т.д. После изучения 3-5 текстов, в которых уже не попадается ни одной новой единицы, ранее фиксированной в предыдущих документах, можно полагать что "поле" смысловых единиц из изучаемого массива исчерпано.
• Контроль на обоснованность содержания смысловых единиц необходимо проводить с помощью судей. Специалисты в этой области обсуждают, насколько предложенные качественные единицы соответствуют поставленным задачам.
• Обоснованность проверять по независимому критерию. Например, данные контент-анализа дневников или сочинений учащихся с целью выявить их профессиональную склонность выборочно проверяются путем опросов, или по данным наблюдений, или тестом по известной группе.
• Используйте услуги как можно большего числа наблюдателей кодировщиков. Чем больше людей участвует в достижении консенсуса, тем он более значим. Конечно, это может привести к сильному увеличению объема работы (а в случае если наблюдатели плохо подготовлены, то и к риску увеличения ошибки измерения), но и отдача от этой меры может быть очень велика. Ограничивающим фактором здесь обычно выступает нехватка денежных средств.
• Устойчивость данных определяется при помощи кодирования одного текста разными кодировщиками на основе единой инструкции. Можно использовать стабильную единицу анализа и разные единицы счета (по частотам смысловых единиц и по физической протяженности одновременно).
• Всячески способствуйте тому, чтобы наблюдатели как можно больше взаимодействовали между собой. Проводите совместные практические занятия с обязательным обсуждением всех нюансов в интерпретации данных; это приведет к достижению консенсуса не только в отношении самих данных, но и в отношении истинных значений общенациональных определений".
Таким образом, мы видим, что контент-анализ-это методика с широким спектром применения, с определенными преимуществами в виде дешевизны, небольшого объема выборки доступности данных. Однако, возможно операционализмами всех переменных и постоянного мониторинга процесса наблюдения. Благодаря ему можно получить высокоформатиные результаты, которые, однако, должны интерпретироваться лишь в контексте, подчас не достижимом средствами только контент-анализа. По этой причине этот метод используется чаще всего в сочетании с другими методами сбора данных.
Метод анализа продуктов
Анализ продуктов деятельности - метод психологии, позволяющий на основе изучения объективных продуктов деятельности сделать выводы о психологических особенностях ее субъекта или субъектов.
Анализ продуктов деятельности исходит из общей предпосылки о связи внутренних психических процессов и внешних норм поведения и деятельности. Изучая объективные продукты деятельности, можно сделать выводы о психологических особенностях ее субъекта или субъектов.
Анализ продуктов деятельности широко распространен в исторической психологии, в антропопсихологии, психологии творчества. Данный метод предоставляет важный материал для клинических психологов: при определенных заболеваниях (таких, как шизофрения, маниакально-депрессивные психозы) резко изменяется характер продуктивности, что проявляется в особенностях текстов, рисунков, поделок больных.
Распространенным методом данной группы является анализ документов.
По форме фиксации информации документы обычно делятся на:
а) письменные (сведения изложены в форме буквенного текста);
б) содержащие статистические данные (в них форма изложения в основном цифровая);
в) иконографические (кино-фото-видеодокументы, картины и т.д.);
г) фонетические (магнитофонные записи, лазерные диски, грампластинки).
В последние годы появилось большое число новых документальных источников для хранения письменной документации. Все более распространенным способом хранения и распространения является представление информации в машиночитаемой форме на магнитных носителях (лентах или гибких дисках) для ЭВМ.
По содержанию информации документальные источники делятся на:
а) нормативные документы (приказы, директивы, руководства, наставления и инструкции, спецификации, стандарты (ГОСТы) и т.п.
б) документы информационно-справочного, научного и литературного характера (справочные издания, базы данных, диссертации, отчеты по НИР, монографии, учебная и методическая литература, художественная литература).
Одним из вариантов данного метода является контент-анализ - метод психологического изучения текстов, позволяющий по их содержанию определенно судить о психологии авторов этих текстов или тех людей, о которых говорится в тексте.
Контент-анализ – метод систематизированной фиксации и квантификации единиц содержания в исследуемом материале.
Вследствие выделения определенных элементов (фактов, единиц анализа) и подсчета их частоты становится возможным статистическая обработка получаемых данных, а по соотношению этих частот делаются психологические выводы.
Стандартными единицами при анализе текста в контент-анализе являются:
1) слово (термин, символ);
2) суждение или законченная мысль;
3) тема;
4) персонаж;
5) автор;
6) целостное сообщение.
Контент-анализ может использоваться как основной, параллельный или вспомогательный метод.
Для каких целей социально-психологического анализа может применяться контент-анализ?
Выделим главные из них:
- изучение через содержание сообщений психологических особенностей их создателей (авторов; как отдельных личностей, так и группы, в том числе скрытых (порой неосознаваемых) проявлений и тенденций, дающих себе знать лишь кумулятивно, в потоке сообщений;
- изучение реальных социально-психологических явлений, которые отражены в содержании сообщений (в том числе явлений, имевших место в прошлом, которые недоступны для исследования другими методами);
- изучение через содержание сообщений социально-психологических особенностей их адресатов;
- изучение через содержание сообщений (и ответных на них сообщений) социально-психологических аспектов воздействия авторов на адресатов как представителей личных социальных микро- и макро групп, а также изучение успешности общения;
- обработка и уточнение данных, полученных другими методами (обработка открытых вопросов анкет и интервью, данных проективных методик и т. д.);
- анализ высказываний при диагностике особенностей групповой коммуникации.
Потенциальными объектами изучения могут быть любые документальные источники - книги, газеты, речи, выступления, письма, дневники, песни, поэмы, ответы на открытые вопросы анкет и т. п.
При этом подразумевается, что изучаемая характеристика определенным образом распределена в некоторой массовой совокупности слов, фраз, параграфов, книг, журналов, авторов и т. д.
При контент-анализе содержание текста определяется как совокупность имеющихся в нем сведений, оценок, объединенных в некую целостность единой концепцией, замыслом. В данном случае формализованный анализ документов имеет дело с текстом, но направлен он, прежде всего, на изучение той социально-психологической реальности, которая стоит за текстом.
Следует особо подчеркнуть, что вне текстовой реальностью являются не только события, факты, человеческие отношения, отраженные в тексте, но и принципы отбора материалов при подготовке текстов. Другими словами, для психолога может быть в равной степени важно и то, что вошло в содержание текста, и то, что оказалось вне его рамок.
Необходимо обратить внимание на словарный состав речи в тексте. Автор следует, как правило, доминирующему содержанию общественных и индивидуальных настроений, социальных установок.
Существует несколько способов обработки данных контент-анализа. Один из них – регистрация частоты появления тех или иных единиц в тексте. Исследователь может сопоставлять частоту появления тех или иных единиц в разных текстах, определять ее изменение от начала сообщения до его завершения. Вычисляются «коэффициенты неустойчивости» встречаемости, или «удельные веса» тех или иных единиц. Второй тип анализа – построение матриц совместных появлений единиц контент-анализа в текстах. При этом, например, регистрируются частоты независимой встречаемости единиц А и В в разных сообщениях. Вычисляется условная (теоретическая) вероятность совместной встречаемости, равная Р. (АВ) = Р. (А) х Р. (В). Затем регистрируется частота совместного появления этих двух единиц в одном сообщении.
Сравнение эмпирической частоты совместного появления двух единиц с теоретической (условной) вероятностью их встречи дает информацию о не случайности или случайности их появления в текстах. Специфической формой метода анализа результатов деятельности выступает также графология - метод исследования почерка с точки зрения отражения в нем индивидуально-психологических особенностей пишущего человека.
Методы анализа рынка
Для рассмотрения данного вопроса введем необходимые определения.
Рынок - совокупность существующих и потенциальных потребителей.
Потребность - категория, определяющая содержание спроса. Она развивается под воздействием производства, и удовлетворение потребностей происходит путем потребления конкретного вида товара, обладающего определенной потребительной стоимостью.
Спрос форма выражения потребности, представленной на рынке и обеспеченной соответствующими денежными средствами.
Уровень спроса состояние спроса на продукцию на рынке, определяемое продолжительностью и условиями жизненного цикла продукции. Возможны следующие виды спроса: отрицательный, отсутствие спроса, скрытый, падающий, нерегулярный, полноценный, чрезмерный, иррациональный.
Ниша рынка небольшой по емкости, узкоспециализированный сегмент рынка, характеризующийся сравнительно новым видом торговой деятельности.
Рыночная доля процент, который приходится на долю товаров с определенной маркой.
Под анализом рынка понимается сбор, сведение в систему и анализ числовых показателей, касающихся рынка и продаж в целях обоснования сбытовой политики на предстоящий период. В том числе если показатели сбыта плавно растут и нет изменений в объеме продаж и методах сбыта, то достаточно учесть только обобщенные показатели фактической продажи без проведения структурного анализа. Во всех же остальных случаях необходимо выяснение проблем и определение путей их преодоления. Выбор методов анализа рынка в значительной степени определяется целями и задачами маркетинговой деятельности организации
На основе целей и задач формируется план маркетинга. Такой план удобнее представлять в табличной форме, причем намечаемые к реализации мероприятия целесообразно разделить на два раздела регулярные (в этом случае срок - это периодичность) и разовые (контрольная дата, отчетность). Результат может быть выражен как в количественных, так и в качественных показателях деятельности организации.
Анализ рынка является инструментом для предварительной оценки проблем и проверки положения организации на рынке в соответствии с видом его коммерческой деятельности, и здесь нет необходимости использовать излишне сложные методы и проводить большой по объему многоцелевой анализ.
Рассмотрим основные способы систематизации информации, отражающей изменения на рынке:
1. Составление аналитических таблиц изменений. Создается несколько таблиц изменений ситуаций на рынке с выбором сочетаний факторов и показателей. В сжатой форме описываются потребитель и его запросы, продаваемые товары, конкуренты, тенденции продаж на рынке в целом.
2. Составление карты позиционирования. Карта позиционирования представляет собой график, по осям координат которого откладывают выбранные в соответствии с целями исследования характеристики и определяют место организации на рынке по каждой группе товаров.
3. Анализ с помощью расчета фактических показателей сбыта и с использованием временны2х рядов (тенденций, сезонности и т. д.). Когда в условиях резких изменений маркетинговой обстановки фактические показатели сбыта не растут, то необходимо по-иному взглянуть на них и по-иному оценить.
В качестве возможных критериев оценки могут быть использованы:
- оценка динамики сбыта в целом за последние несколько лет и динамики отдельных элементов (по видам товаров, по группам потребителей, по районам, по каналам сбыта и др.);
- выдвижение и практическая проверка гипотез о существовании причинно-следственной связи между фактическими показателями и конкретным фактором, причем рассматриваются не только предметные факторы, но и абстрактные явления типа «восприимчивость» или «система ценностей»;
- оценка степени вклада по различным сферам продвижения и сбыта товара и выявление тех моментов, на которые особо следует обратить внимание при управлении сбытом в организации.
При использовании временных рядов происходит сравнительный анализ данных за долговременный период и выявление тренда в изменении этих показателей с течением времени. Под трендом понимается тенденция развития явления во времени, которая определяется при анализе данных ряда динамики для характеристики изменений явления во времени. Существует три основных вида трендов: долговременный (долговременные колебания), сезонный (сезонные колебания) и периодический (периодические колебания). Для прогнозирования и формирования планов сбыта наиболее часто используется долговременный и сезонный тренды. При анализе долговременного тренда используют следующие типичные методы анализа: метод критериев, метод двух средних, метод скользящей средней, метод наименьших квадратов и корреляционный анализ.
При обработке огромного объема сведений о показателях продаж по отдельным видам продукции и отдельным категориям потребителей используется метод разделения важных и не важных данных (уровни А, В, С характеризуют важность объекта исследования).
При анализе рынка нет необходимости использовать все методы. Выбирают те из них, которые отвечают цели анализа и будут наиболее эффективны в конкретном случае. Также необходимо подобрать для этих способов данные, которые дадут наилучший результат при обработке выбранным способом.
Например, при проведении анализа по сферам деятельности организации в качестве критериев могут использоваться:
- объем продаж в абсолютном выражении;
- маржинальная рентабельность, которая определяется как отношение разницы между объемом продаж и переменными затратами к объему продаж в целом по организации, по подразделениям или отдельным группам и видам товаров;
- темпы прироста прибыли;
- окупаемость.
В тоже время в процессе анализа не следует сосредотачивать внимание на одном результате, так как существует опасность одностороннего взгляда. Например, если рассматривать товар, имеющий наибольший объем продаж даже при низких темпах роста, может создаться впечатление, что стратегию надо связывать именно с ним. Для того чтобы избежать этой опасности, надо вводить в расчет весовые коэффициенты по каждому показателю и использовать произведения параметров, а не их абсолютные значения.
Критическая норма прибыли здесь характеризует уровень прибыли товара с учетом нормы валовой прибыли и оборачиваемости. В приведенном выше примере доля товара в общем объеме продаж- 10%, в то время как вклад его в критическую норму прибыли - всего 1%.
Анализируя рынок в целом, следует понимать, что тенденции рынка невозможно точно определить одним исследованием, за основными показателями следует наблюдать постоянно. При этом если речь идет о товарах массового потребления, то изучать нужно также изменения демографической структуры, географических аспектов, сезонных условий потребления, торговой обстановки в регионе, социально-экономических факторов, поведения потребителей в отношении покупки, стиля жизни, импорта и т. п.
Для товаров производственного назначения необходимо учитывать рынок сырья и материалов, новые технологические разработки, экономические факторы и т. д.
Величина рынка в целом называется масштабом рынка.
Потенциалом рынка называется спрос, который может быть, достигнут благодаря маркетинговым усилиям всех организаций-поставщиков данного вида товара, иначе говоря, это предел возможностей потребления данного вида товара на какой-то определенный период времени.
Любые предположения о возможных объемах спроса на предстоящие периоды, масштабах и потенциале рынка называются прогнозом рынка. Для их составления используются различные модели и методы.
1. Метод прогноза по суждениям потребителей. Прогноз осуществляется на основе обобщенных ответов потребителей на вопрос: купили бы они данный товар или нет, когда и в каком количестве. В отдельных случаях вопрос предваряют демонстрацией продукции или его описанием.
2. Метод пред рыночного тестирования. Его используют в том случае, если нужно сделать прогноз продаж по новому виду товара. Товар в порядке эксперимента выводится на ограниченный рынок, и по полученной реакции и объемам продаж делается прогноз о реакции всего рынка.
3. Метод написания сценария подразумевает составление сценария в виде текста или диаграммы о том, какие изменения будут происходить в будущем и как в результате изменится рынок. Несколько написанных сценариев показываются экспертам для получения оценки по каждому из них.
Индексный метод анализа
На практике анализ динамики в большинстве случаев не заходит дальше расчета индексов. А зря. Существующий математический аппарат стат. анализа позволяет из данных извлечь гораздо больше полезной информации, чем просто расчет темпов роста.
Не открою Америку, если скажу, что все в мире взаимосвязано. Это значит, что на любое более-менее сложное явление оказывает влияние множество факторов. В статистике существует набор методов для анализа тесноты связи и меры воздействия явлений друг на друга. Один из таких методов заключается в анализе совместной динамики взаимосвязанных показателей. Метод называется – индексный анализ, а его основой служит экономико-математическая модель. На деле все не так страшно, как может показаться с первого раза. Такие длинные слова придумали ученые для устрашения студентов и придания веса своей работе. С другой стороны, надо же все это дело как-то обозвать. В целом, шестиклассник вполне способен разобраться.
Начнем с понятия экономико-математической модели. Ее еще называют индексной моделью, что, как мне кажется, более корректно, так как стат. анилиз разрешается использовать не только в экономике. Итак, индексная модель – это уравнение, описывающее зависимость результативного показателя от факторных показателей. Фактически функция с несколькими переменными, в качестве которых используются статистические показатели. Не нужно пугаться слово "функция" – не будет здесь всяких эф от икс. Основной упор делается на анализ динамики интересующих показателей, а не на сложность модели. Поэтому в качестве уравнение берется либо простая сумма, либо произведение показателей.
Итак, имеем мультипликативную индексную модель. Но откуда она берется? Да ниоткуда – сами придумываем. Хотя в экономическом анализе существует не так много имеющих смысл вариантов, и их уже давно все перебрали и придумали до нас. Все же с общими принципами построения и интерпретации моделей неплохо бы ознакомиться.
Здесь с самого начала следует хорошо разобраться в природе этой модели, и какое она имеет отношение к реальности. На интуитивном уровне понятно, что вряд ли в жизни встречаются явления, которые являлись бы подобной (или другой) математической комбинацией других явлений. Явлений – не бывает, а вот с показателями – сколько угодно. Никто нам не запретит придумать такие показатели, которые потом, как кубики можно складывать и перемножать друг на друга, как нашей душе будет угодно. Никто не запрещает результативный показатель разложить на какие угодно составляющие, лишь бы сохранялось математическое тождество. Вот здесь, кстати, и зарыта главная собака, которая отрывает малограмотных аналитиков от реальности. Собака заключается в искусственном разделении результативного показателя на составляющие элементы, которые далеко не всегда являются истинными факторами.
Мы имеем дело с показателями, которые не всегда напрямую отражают явления. К примеру, производство продукции – явление, количество работников – явление, а производительность труда – искусственный индикатор, который, конечно, имеет свой смысл, но не отражает явление как таковое. То же самое с рентабельностью. Прибыль – понятно, затраты – понятно. А рентабельность – это соотношение прибыли и затрат – невозможно пощупать или хотя бы внятно вообразить. Оборачиваемость складских запасов – та же аналогия (никто их не оборачивает).
Так вот индексная или экономико-математическая модель – это манипуляция с показателями, а не с реальными факторами, влияющими на результат. Однако показатели все же отражают явления, иначе в них не было бы смысла. Просто эти явления могут отражаться в виде соотношений, структуры, динамики и проч. Все это необходимо для качественного статистического анализа, чтобы рассмотреть объект исследования со всех сторон, заглянуть в каждый скрытый уголок. В конце концов, объекты и явления имеют не только внешнюю форму, но и внутреннюю структуру, которая также влияет на внешнюю форму. Поэтому изучение внутренней структуры явлений, пусть даже придуманной, также важно, как и анализ "внешних" признаков.
Итак, определились: индексная модель – это искусственное разделение результата на составляющие элементы, в роли которых выступает произведение определенных показателей. Нетрудно догадаться, что факторные показатели из индексной модели и реальные факторы, влияющие на тот же результативный показатель, будут обладать различиями. Основные отличия я вижу в следующем.
В индексной модели между множителями в правой части и результатом существует функциональная взаимосвязь. То бишь предполагается, что результативный показатель полностью «объясняется» показателями из правой части и меняется только в зависимости от их значений. Понятное дело, что это условность – истинные причины «где-то рядом», и они только проявляются через анализируемый набор показателей.
Второе отличие такое. Каждый показатель в индексной модели влияет на результат независимо друг от друга. То есть изменение каждого из показателей ведет к изменению только результата, но не других показателей. Учитывая, что модель является мультипликативной, геометрически результат в двухфакторной модели можно изобразить, как площадь прямоугольника.
В трехфакторной модели – как объем прямоугольного параллелепипеда (в быту прямоугольного аквариума).
И вот, стало быть, индексная модель. Какое она имеет отношение к реальности, если мы сами придумываем (не ищем, а придумываем) факторные признаки, да еще такие, что каждый из них живет в своем собственном мире? Все многообразие реального факторного пространства (включая неизвестные факторы) мы заменяем искусственным пространством отобранных показателей для нашей экономико-математической модели (которые на 100% объясняют динамику результата), причем все показатели в модели математически и статистически независимы. Другими словами, все реальные факторы с их внутренней взаимосвязью проецируются на независимые показатели из правой части модели. Если совсем образно, то реальное факторное пространство "натягивается" на искусственную систему ортогональных (независимых) координат. Такое искривление пространства не снилось даже Эйнштейну.
Итак, основные отличия реальных факторов от факторных признаков в мультипликативной модели заключаются в следующем:
1. В индексной модели показатели на 100% формируют результативный показатель, чего невозможно добиться от реальных факторов, так как их невозможно все учесть.
2. Индексная модель – набор формально независимых друг от друга факторных показателей. Реальные факторы воздействуют не только на результат, но и друг на друга, представляя собой систему с внутренними взаимосвязями.
Как видно, индексная модель достаточно далека от реальности, но в чем эффект от ее использования? Эффект заключается в наглядности и схематичности, а также возможности увидеть объект в нужном разрезе.
В нашем примере с прибылью мы понимаем, что на нее могут влиять как указанные факторы (a, b,c), так еще и другие (количество работников, конкуренты, откаты, неожиданные затраты, штрафы, экономии и проч.). Однако такой анализ может быть очень сложным и трудоемким для осмысления, контроля и постановки задач на будущее. Гораздо проще и правильнее результат искусственно разделить на составляющие элементы, которые представляют собой некоторые общепринятые и понятные показатели. Так и рождаются экономико-математические модели – их придумывают для удобного отображения структуры анализируемого показателя. При этом вопросов с взаимосвязью между факторными признаками и неполным объяснением вариации результата не возникает. А это при ответственном подходе к анализу и интерпретации гора с плеч.
В общем, минус т.н. индексной экономико-математической модели – это искусственность и некоторая оторванность от реальности, плюс – аналитическая простота и прозрачность отображения анализируемого объекта.
Итак, с составом индексной модели разобрались, но причем здесь индексы? Сейчас расскажу, усаживаемся поудобней.
Допустим, у нас есть модель указанного типа
(показателей может быть больше или меньше, не важно)
ну и что? Какую полезную информацию можно извлечь? Можно решать задачки на оптимизацию, рассматривать различные варианты формирования результата. Вот, пожалуй, и все. Совсем другое дело, если рассмотреть эту модель в динамике. Тогда будет видно, какой показатель, в какой мере повлиял на изменение результативного показателя. А динамику в данном случае очень хорошо рассмотреть с помощью индекса. Собственно, поэтому и называется «индексная модель». Произведение показателей само по себе не очень полезная вещь, а вот в динамике все начинает играть другими красками.
Индексный метод разработан для совместного анализа динамики нескольких взаимосвязанных показателей. Это позволяет получить информацию о мере влияния явлений (или, по крайней мере, анализируемых показателей) друг на друга.
Метод анализа и синтеза
Метод исследования, или познания экономической действительности включает в себя целый набор способов и приемов, с помощью которых достигается раскрытие ее сущности и содержания. Прежде всего, рассмотрим анализ и синтез. При анализе происходит мысленное разложение явления на составные части и выделение отдельных его сторон с целью выявить то специфическое, что отличает их друг от друга. Это важно для решения последующей задачи теоретического объяснения тех особенностей, от которых отвлекаются первоначально.
При помощи анализа раскрывается существенное в явлении. Если говорить о процессе познания, то анализ используется при движении от созерцания действительности к абстрактному мышлению, т.е. от конкретного к абстрактному, и завершается выработкой экономических научных абстракций. При синтезе происходит мысленное объединение расчлененных анализом частей, сторон с целью выявить то общее, что связывает эти части, стороны в единое целое. Синтез происходит при движении от абстрактного к конкретному. В процессе синтеза изучаемое явление исследуется во взаимосвязи составляющих его сторон, в целостности и единстве, в движении противоречий, благодаря чему открываются пути и формы их разрешения.
Для демонстрации использования анализа и синтеза обратимся к миру окружающих нас товаров. Например, хлеб, вино, костюм, туфли и прочие товары нас интересуют как объекты для выяснения того, что лежит в основе их обмена. Путем анализа, т.е. посредством расчленения каждого конкретного блага на составные части, можно выяснить следующее. Первая сторона — все блага приобретаются потому, что они способны удовлетворить ту или иную конкретную потребность человека. В результате получаем экономическую категорию — потребительную стоимость, которая представляет свойство товара удовлетворить определенную потребность.
Таким образом, можно сделать первое заключение, что все товары обладают полезностью, или потребительной стоимостью. Теперь сконцентрируем внимание на меновых пропорциях в процессе обмена. Предположим, что шесть буханок хлеба обмениваются на одну бутылку вина, один костюм — на две пары туфель. Следовательно, можно сказать, что все товары обладают меновой стоимостью, или способностью обмениваться в определенных пропорциях между собой. Итак, на уровне анализа выявлены две экономические категории: полезность (потребительная стоимость) и меновая стоимость.
Теперь необходимо воспринять данные товары не как расчлененные на отдельные свойства, а как единое целое. Эту функцию и выполняет синтез, устанавливая взаимосвязь между полезностью и меновой стоимостью. Эта взаимосвязь выражается в других категориях, а именно, в ценности и стоимости, которые отражают и полезность блага, и его меновую стоимость. Категория «ценность» свидетельствует о необходимости и полезности блага для общества, а «стоимость» — об его оценке обществом относительно других благ или денег. Иными словами, происходит определение, «чего оно стоит» на самом деле в едином товарном мире.
Методы социального анализа
Методология – наиболее разработанная часть социологии. Основными методами сбора социологической информации являются анализ документов, социологическое наблюдение и социологический опрос, эксперимент.
Под анализом документов в социологии понимается метод, исследующий специально созданные людьми предметы, предназначенные для передачи или хранения информации. По своему статусу документы делятся на официальные и неофициальные, по своей форме - на письменные, иконографические (фотодокументы, картины), статистические (цифровые) и фонетические (магнитофонные записи, пластинки), по способу анализа - неформализованные (традиционные) и формализованные (например, контент-анализ).
Социологическое наблюдение - это направленное, систематическое исследование объекта путем непосредственного восприятия и прямой регистрации факторов, значимых с точки зрения целей исследования.
Наблюдения делятся на включенные (социолог входит в изучаемую группу и изнутри анализирует процессы) и не включённые; на полевые (проводятся в естественных условиях) и лабораторные.
Одним из основных методов в социологии является метод опроса. Опрос - способ получения вербальной (словесной) информации путем непосредственного (интервью) или опосредованного (анкета) контакта исследователя и исследуемого (респондента).
Анкетирование может быть групповым или индивидуальным; прессовым (опубликованным в средствах массовой информации), почтовым или непосредственным.
Интервью по технике проведения подразделяются на формализованное (стандартизированное на основе заранее сформулированных вопросов) и неформализованное (свободное, не стандартизированное).
Вопросы, содержащиеся в анкетах и формализованных интервью, принято подразделять:
- по структуре: на закрытые (респонденту предлагаются готовые варианты ответов), открытые (респондент самостоятельно, в свободной форме отвечает на вопросы) и полузакрытые (даны несколько вариантов ответов, кроме того, опрашиваемый может внести и собственный вариант ответа);
- по функциям: на основные (их цель - получение значимой информации в соответствии с целями исследования), контактные (или социально-психологические, их цель - создание мотивации для ответов); фильтрующие (определяющие, какой категории респондентов следует или не следует отвечать на последующие вопросы) и контрольные (их задача - проверить, насколько искренен респондент или насколько он понимает поставленную перед ним проблему);
- по содержанию: на вопросы о событиях, фактах, вопросы о знаниях, вопросы о мнениях, установках, мотивах поведения.
В целом, характеризуя методы, используемые социологами, необходимо отметить главное - с их помощью люди исследуют людей, имеют дело с информацией весьма субъективного характера.
Методы инвестиционного анализа
Поскольку корпоративные инвестиции в регион являются, как правило, долгосрочными, им должен предшествовать достаточно глубокий и всесторонний анализ с привлечением необходимого количества экспертов и специалистов. При проведении достаточно масштабных исследований необходимо применять на каждом из всех его этапов различные подходы и методы для повышения достоверности получаемых результатов.
Оценка стоимости инвестиционной ценности
Для определения стоимости приобретаемого пакета акций корпорациями, как правило, используются следующие методы:
• анализ дисконтных потоков средств;
• сравнительный анализ компаний;
• сравнительный анализ операций;
• анализ заменяемой стоимости.
В случае с анализом дисконтных потоков средств, в частности важнейшую роль, обычно играет качество информации об инвестиционной ценности, как источник исходной информации для обеспечения качества оценки конечной стоимости.
Кроме формальных на рыночную цену влияют следующие факторы:
• уровень конкурентного напряжения между группами участников торгов при проведении тендера;
• структура процесса продажи, в частности, объем покупаемых акций, а также возможность реструктуризации приобретаемой компании после приобретения;
• проблема обеспечения финансовых условий приобретения.
Оценка приобретаемой инвестиционной ценности обычно рассматривается с двух позиций:
• стоимость как единого целого (совокупная стоимость);
• стоимость основных составных частей (по объектная стоимость).
Оценка дисконтных потоков средств («ДПС»)
Данная оценочная процедура является общей методологией, используемой при оценке компаний. При наличии соответствующего качества информации рассматриваемый метод обычно является приоритетным для использования корпорацией как потенциальным покупателем.
Рассмотрим кратко некоторые основные шаги этого алгоритма. Определение дисконтной ставки. Прибыль, получаемая держателями акций и долговых обязательств, представляет собой стоимость долгового обязательства, зависящую от рыночной стоимости этого обязательства, а также стоимость акции, зависящую от рыночной стоимости этих акций. Среднее значение, определенное в соответствии с рыночной стоимостью, называется средневзвешенной стоимостью капитала (ССК). Прогнозируемые свободные потоки средств дисконтируются в соответствии с ССК.
Сравнительный анализ компаний
Оценку компании также необходимо проводить путем анализа некоторых показателей других компаний-аналогов, которые могут сравниться с анализируемой. Например, при анализе пакета нефтяной компании можно воспользоваться данными по нескольким другим нефтяным компаниям. Выбираются различные показатели, например, отношение стоимости компании-аналога к ее запасам, а также рыночной капитализации к запасам компании. Далее рассчитываются показатели в отношении общих запасов и тех, на которые у нее имеются права (как правило, после поправки на мелкие пакеты акций в производственных объединениях).
Запасы, на которые у компании имеются права, рассчитываются на основании коммерческого (без права голоса) пакета акций. Сравнивая значения полученных показателей можно определить приблизительную стоимость приобретаемой компании.
Сравнительный анализ операции поглощения
Одним из методов оценки стоимости инвестиционной ценности является сравнительный анализ операции поглощения. Этот метод построен на анализе операций приобретения аналогичных инвестиционных ценностей. В качестве основания для расчетов определяется базовый показатель (например, балансовая стоимость активов и цена акции), затем с помощью пропорций оценивается возможная стоимость инвестиционной ценности.
Основанием к использованию данного метода является то, что он обеспечивает надлежащую степень реализма в отношении случаев приобретения пакетов акций российских предприятий российскими корпорациями.
Анализ заменяемой стоимости
Еще одним методом инвестиционного анализа является метод оценки заменяемой стоимости инвестиционной ценности. В частности, для реальных инвестиций с помощью этого метода можно учесть стоимость строительства нового объекта инвестиций по сегодняшней стоимости денег и с применением скидки с такой стоимости для расчета стоимости существующей инвестиционной ценности.
Обычно скидка в отношении заменяемой стоимости составляет 30-40% или выше с поправкой на регион. В российских условиях обычно используется заменяемая стоимость в размере 10-20% в связи с необходимостью значительной модернизации из-за низкой технологической оснащенности и низкого платежеспособного спроса.
Специфика оценки пакетов акций
Учитывая же специфику российского рынка, можно предложить еще два метода, позволяющих существенно приблизить начальную цену пакета акций к рыночным котировкам:
1. Метод расчетной капитализации.
2. Метод группировок.
Суть методов следующая: если акции поглощаемой компании не котируются на фондовом рынке, то определение рыночной стоимости можно проводить с использованием следующих исходных данных:
• бухгалтерская отчетность анализируемой компании;
• бухгалтерская отчетность компаний отрасли, акции которых имеют рыночную стоимость (котируются на рынке);
• значения рыночных котировок по акциям этих компаний.
Анализ репутации (ретроспективный анализ)
Для проведения ретроспективного анализа инвестиционной ценности используются методы, которые позволяют оценить прошлые колебания показателей, и на этой основе прогнозировать их будущие колебания, а также методы, позволяющие выявить причины колебаний и оценить влияние изменения различных показателей на изменение результирующих показателей объекта инвестиций.
Для решения первой задачи применяют регрессионный анализ, позволяющий по исходным данным прошлых периодов строить уравнения регрессии и прогнозировать поведение инвестиционной ценности в будущем.
Перед расчетом коэффициентов уравнения регрессии необходимо определить следующие исходные данные:
• кортеж показателей, характеризующих инвестиционную ценность;
• значения выбранных показателей за определенный промежуток времени в прошлом.
В результате определения исходных данных получаются векторы Xi, каждый из которых является набором значений показателя i в интервалы времени (1, 2, ..., N). На основании этих векторов строится матрица А значений выбранных показателей вида M x N (M – количество выбранных показателей; N –количество интервалов анализа).
После построения матрицы вычисляются индексы парной корреляции для каждой пары (Xi Xj), а затем строится матрица B вида M х M, элементами которой являются коэффициенты парной корреляции элемент.
После расчета значений коэффициентов парной корреляции определятся степень тесноты связи между различными Xi. Векторы, имеющие наиболее тесную связь, имеют функциональную зависимость, поэтому можно строить уравнения регрессии, для всех пар коэффициентов, значение коэффициента парной корреляции которых больше 0,7.
После построения уравнений регрессии можно прогнозировать будущие значения одних показателей в зависимости от изменения других.Таким образом, репутация инвестиционной ценности может быть проанализирована с точки зрения регрессионного анализа.
Помимо регрессионного анализа проводится анализ влияния изменения одних выбранных показателей инвестиционной ценности на изменение других. Для этих целей используется факторный анализ.
В частности факторный анализ доходности инвестиционной ценности проводится на основе выражения, устанавливающего взаимосвязь между текущей доходностью инвестиционной ценности и тремя инвестиционными характеристиками, которые являются факторами влияющими на доходность инвестиционной ценности: прибыльность продаж, оборачиваемостью всех активов и финансовым рычагом в одной из его модификаций.
Таким образом, можно определить влияние изменения одних выбранных показателей на изменение других, это позволяет выявить наиболее значимые факторы, от которых зависит текущая доходность инвестиционной ценности.
Оценка неформальных показателей
Экспертная оценка риска инвестиционной ценности. Многообразие факторов риска усложняет процесс получения исходных данных и проведение самой оценки риска. В связи с этим из возможных методов оценки риска инвестиционных ценностей необходимо использовать только те методы, которые учитывают многокритериальность и много вариантность влияния различных видов риска на инвестиционные ценности. В этой связи, по нашему мнению, для анализа риска может быть использован метод экспертных оценок.
Метод экспертных оценок включает комплекс логических и математических процедур, направленных на получение от специалистов информации, ее анализ и обобщение с целью подготовки и выбора рациональных решений. Сущность этого метода заключается в проведении квалифицированными специалистами интуитивно-логического анализа проблемы с качественной или количественной оценкой суждений и формализованной обработкой результатов.
Комплексное использование интуиции, логического мышления и соответствующего математического аппарата позволяет получить решение поставленной задачи (проблемы). Для оценки риска инвестиционной ценности по выбранным показателям составляется анкета. Форма анкеты имеет универсальный вид и несложна в заполнении.
Используя методы оптимальной обработки экспертной информации и решения многокритериальных задач оптимизации, можно определить и оценить основные виды рисков и очередность необходимых мероприятий по их минимизации, а также выработать предложения по изменению структуры инвестиционного портфеля.
Общие методы экспертных оценок разрабатывались в рамках исследований в области прогнозирования.
К их числу относятся, например, известный метод Дельфи, метод использования матрицы балльных оценок, сворачиваемых далее через использование линейных коэффициентов весомости по каждому варианту.
Центральной проблемой при этом (и далеко не всегда разрешимой) оказывается субъективность экспертных суждений. Этот же недостаток в принципе присущ и методу попарных сравнений критериев, в котором сначала формулируются критерии, которые должны быть затем упорядочены в соответствии с приданными им весами.
В основе попарных сравнений лежит идея упорядочения факторов, имеющих различные веса. Отсутствие материала для определения весов компенсируется суждениями экспертов, которым предлагаются для попарных сравнений различные критерии или цели. Здесь важно то, что сравниваются между собой лишь два критерия или две цели. На основе частоты предпочтений и с помощью арифметической средней можно осуществить ранжирование объектов и определить среднеквадратическое отклонение.
В каждой строке этой матрицы, начиная сверху, записаны номера соответствующих критериев, которым отдано предпочтение. Сравнение произведено по строкам. Сначала критерий 1 сравнивается со всеми остальными, затем критерий 2 попарно сравнивается со всеми остальными и т.д. Суммируя предпочтения, получаем основу для определения рангов. Этот метод можно применять различным образом.
Так, критерии и проекты можно поначалу подвергать предварительному ранжированию. Затем на основе попарных сравнений каждому критерию присвоить ранг. Далее можно ранжировать идеи, связанные с решениями для каждого критерия, и либо получить непосредственное суждение о предпочтительном варианте с помощью суммирования, либо исчислить коэффициенты относительной важности.
Недостаток метода заключается в том, что с увеличением числа целей и критериев в соответствии с законами комбинаторики значительно возрастет количество оценочных суждений. Этот недостаток становится особенно серьезным при использовании многоступенчатых методов ранжирования, когда приходится сравнивать много целей и подцелей. Однако самый существенный недостаток этого метода это то, что ранжирование критериев производится только в пределах заданного набора.
Региональные инвестиционные риски
Инвестиционный риск является одной из наиболее важных составляющих инвестиционного климата. Он характеризует вероятность потери инвестиций и дохода от них, показывает, почему не следует (или следует) инвестировать в данное корпорация, отрасль, регион или страну. Риск как бы суммирует правила игры на инвестиционном рынке.
Степень риска зависит от политической, социальной, экономической, экологической, криминальной ситуаций. Важнейшей составляющей инвестиционного риска является законодательство. На территории большинства регионов действует единый общегосударственный или, применительно к России, "общефедеральный" законодательный фон, который слегка видоизменяется в отдельных регионах (субъектах федерации) под воздействием региональных законодательных норм, регулирующих инвестиционную деятельность только в пределах своих полномочий.
Кроме того, законодательство, как правило, не только влияет на степень инвестиционного риска, но и регулирует возможности инвестирования в те или иные сферы или отрасли, определяет порядок использования отдельных факторов произвоства – составляющих инвестиционного потенциала региона.
Рассматривая привлекательность того или иного российского региона необходимо обратить внимание на следующие два основных момента:
1) инвестиционную привлекательность самого региона (при этом анализируется, прежде всего, правовое поле деятельности инвесторов, налогообложение, возможности репатриации прибыли, правовая защита прав инвесторов и т.д.);
2) инвестиционную привлекательность конкретных объектов инвестирования (здесь уже анализируется экономическое и финансовое положение предприятий и организаций).
Инвестиционная привлекательность региона является определяющим условием для интенсивной инвестиционной деятельности.
Однако инвестиционная деятельность в регионе сопряжена со следующими видами рисков:
Охарактеризуем эти виды рисков более подробно, исходя из задач исследования. Как уже отмечалось, риски служат основанием требовать большей доходности, то есть заведомо снижают объем инвестируемых ресурсов. Финансовые риски в регионе характеризуются как общим балансом задолженностей между регионом и Федеральным центром, так и внутренней взаимной задолженностью предприятий региона.
Основное внимание при анализе финансовых рисков в регионе должно уделяться таким факторам как:
1. финансовый статус региона в Федеральном бюджете (донор, реципиент);
2. валовый региональный продукт;
3. наличие финансовых гарантий инвесторам и прочие факторы.
Экономический риск региона характеризуется, определяется, прежде всего, структурой экономики региона, при анализе экономического риска региона можно использовать такие факторы как:
1. удельный вес убыточных предприятий;
2. индекс роста стоимости потребительской корзины;
3. доля региона в валовой национальном продукте и другие.
Социальный риск региона определяет возможность создания и развития производств с привлечением новой рабочей силы.
В этой связи для оценки социального риска могут быть использованы следующие факторы:
1. наличие жилья и социальной инфраструктуры;
2. уровень доходов населения;
3. состояние рынка труда в регионе;
4. состояние здоровья и уровень медицинского обслуживания в регионе;
5. демографическая и экологическая ситуация и другие.
Криминогенный риск предназначен для оценки степени зависимости успешности инвестиционной деятельности от уровня преступности, коррупции. При оценке криминогенного риска появляется возможность оценить безопасность инвестиций. В этой связи, возникает необходимость оценки такого обобщающего показателя как экономическая безопасность региона.
Также для стратегических инвесторов большое значение имеет политический риск, поскольку от таких факторов как уровень сепаратизма, соотношение и поведение основных правящих группировок во многом зависит успешность и прибыльность инвестиционной деятельности. Политический риск неразрывно связан с правовым риском, ведь от того насколько полна законодательная база в регионе, а также формы государственной защиты инвестиций зависит привлекательность региона как объекта инвестиций.
Однако если оценивать инвестиционный риск по его отдельным видам, это зачастую приводит к лавинообразному нарастанию неопределенности консолидированного риска. По нашему мнению, при оценке инвестиционного риска в регионе альтернативой является оценка консолидированного инвестиционного риска по возможному уровню потерь корпорации от реализации инвестиционной программы.
Если под инвестиционным риском понимать уровень возможных опасностей материальных и других потерь корпорации, которые могут наступить в результате претворения в жизнь рискованного решения, то для оценки риска выделяют три уровня риска:
• допустимый риск, который ведет к снижению объема прибыли корпорации;
• критический риск, когда корпорация несет ощутимые потери вплоть до убытков и снижения курсовой стоимости своих акций;
• катастрофический риск, который может привести к краху корпорации.
Критерием отнесения рисков к тому или иному уровню является уровень потерь корпорации при реализации инвестиционной программы. Если прогнозируемые потери не превышают расчетную прибыль, запланированную при реализации инвестиционной программы, то риск является допустимым. Если возможные прогнозируемые потери превышают расчетную прибыль по инвестиционной программе, то риск может быть критическим. В случае же, если возможные потери превышают инвестиционный потенциал корпорации, то риск является катастрофическим.
Таким образом, инвестиционный риск – это один из основных факторов эффективности инвестиционной программы, поэтому его расчет – необходимая процедура. Существует целый ряд специальных методов, позволяющих достаточно объективно оценить риск по инвестиционной программе. Все подобные методы можно объединить в три группы.
Вероятностный анализ (его суть заключается в том, что для каждого параметра исходных данных, например, выручка от реализации или чистая приведенная стоимость, строится кривая вероятности значений. Далее анализ идет либо путем определения и использования в расчетах средневзвешенных величин, либо путем построения дерева вероятностей и выполнения расчетов по каждому возможному сочетанию варьируемых величин. Такого рода анализ может, проводится для каждой стадии реализации проекта).
Расчет критических точек (обычно, точки безубыточности), в результате, которого определяются критические значения внутренних и внешних показателей инвестиционной программы, при которых корпорация может понести убытки.
Анализ чувствительности проекта к изменениям ключевых параметров исходных данных, иными словами, исследуется, каким образом изменяется чистая прибыль или рентабельность инвестиций при различных значениях исходных данных (продажной цены продукции, объема продаж, удельных издержек ит. д.).
Методы анализа затрат
В зависимости от целей, задач анализ затрат на качество и возможностей получения необходимых для его осуществления данных аналитические методы существенно различаются. Влияет на это различие и прохождение продукцией определенного этапа деятельности предприятия, и ее место в цепочке формирования затрат в конкретный момент.
Метод функционально-стоимостного анализа
На этапах проектирования, технологического планирования, подготовки и освоения производства целесообразно применение функционально-стоимостного анализа (ФСА). Это – метод системного исследования функций отдельного изделия или технологического, производственного, хозяйственного процесса, структуры, ориентированный на повышение эффективности использования ресурсов путем оптимизации соотношения между потребительскими свойствами объекта и затратами на его разработку, производство и эксплуатацию.
Основными принципами применения ФСА являются:
• функциональный подход к объекту исследования;
• системный подход к анализу объекта и выполняемых им функций;
• исследование функций объекта и их материальных носителей на всех стадиях жизненного цикла изделия;
• соответствие качества и полезности функций продукции затратам на них;
• коллективное творчество.
Выполняемые изделием и его составляющими функции можно сгруппировать по ряду признаков. По области проявления функции подразделяются на внешние и внутренние. Внешние – это функции, выполняемые объектом при его взаимодействии с внешней средой. Внутренние – функции, которые какие-либо элементы объекта и их связи в границах объекта.
По роли в удовлетворении потребностей среди внешних функций различают главные и второстепенные. Главная функция отражает главную цель создания объекта, а второстепенная – побочную.
По роли в рабочем процессе внутренние функции можно подразделить на основные и вспомогательные. Основная функция подчинена главной и обуславливает работоспособность объекта. С помощью вспомогательных реализуются главные, второстепенные и основные функции.
По характеру проявления все перечисленные функции делятся на номинальные, потенциальные и действительные. Номинальные задаются при формировании, создании объекта и обязательны для выполнения. Потенциальные отражают возможность выполнения объектом каких-либо функций при изменении условий его эксплуатации. Действительные – это фактически выполняемые объектом функции.
Все функции объекта могут быть полезными и бесполезными, а последние нейтральными и вредными.
Цель функционально-стоимостного анализа состоит в развитии полезных функций объекта при оптимальном соотношении между их значимостью для потребителя и затратами на их осуществление, т.е. в выборе наиболее благоприятного для потребителя и производителя, если речь идет о производстве продукции, варианта решения задачи о качестве продукции и ее стоимости. Математически цель ФСА можно записать следующим образом:
где ПС – потребительная стоимость анализируемого объекта, выраженная совокупностью его потребительных свойств (ПС = еn•ci), а З – издержки на достижение необходимых потребительных свойств.
Функционально-стоимостной анализ проводится в несколько этапов
На первом, подготовительном, этапе уточняют объект анализа – носитель затрат. Это особенно важно при ограниченности ресурсов производителя. Например, выбор и разработка или усовершенствование продукции, выпускаемой в массовом порядке, может принести предприятию значительно больше выгод, чем более дорогого изделия, производимого мелкосерийно. Данный этап завершается, если найден вариант с низкой по сравнению с другими себестоимостью и высоким качеством.
На втором, информационном, этапе собираются данные об исследуемом объекте (назначение, технико-экономические характеристики) и составляющих его блоках, деталях (функции, материалы, себестоимость). Они идут несколькими потоками по принципу открытой информационной сети. В сеть информация по улучшению качества изделия и снижению затрат на его производство поступает из конструкторских, экономических подразделений предприятия и от потребителя к руководителям соответствующих служб. Оценки и пожелания потребителей аккумулируются в маркетинговом отделе. В процессе работы исходные данные обрабатываются, преобразуюсь в соответствующие показатели качества и затрат, проходя все заинтересованные подразделения, и поступают к руководителю проекта.
Виды и методы анализа
Внутренний анализ проводится финансовыми службами предприятия, его результаты используются для планирования, контроля и прогнозирования финансового состояния предприятия. Цель данного вида анализа - обеспечить планомерное поступление денежных средств и разместить собственные и заемные средства таким образом, чтобы получить максимальную прибыль и исключить банкротство.
Внешний анализ осуществляется кредитными и финансовыми учреждениями, инвесторами, поставщиками материальных и финансовых ресурсов, контролирующими органами на основе отчетности предприятия. Его целью является изучение платежеспособности предприятия, оценка его эффективной деятельности и возможности выполнения в установленные сроки своих финансовых обязательств.
Особенностями внешнего финансового анализа являются:
- множественность субъектов анализа, пользователей информации о деятельности предприятия;
- разнообразие целей и интересов субъектов анализа;
- наличие типовых методик анализа, стандартов учета и отчетности;
- ориентация анализа только на публичную, внешнюю отчетность предприятия;
- ограниченность задач анализа как следствие предыдущего фактора;
- максимальная открытость результатов анализа для пользователей информации о деятельности предприятия.
Финансовый анализ, основывающийся на данных только бухгалтерской отчетности, приобретает характер внешнего анализа, т.е. анализа, проводимого за пределами предприятия его заинтересованными контрагентами, собственниками или государственными органами. Этот анализ на основе только отчетных данных, которые содержат лишь весьма ограниченную часть информации о деятельности предприятия, не позволяет раскрыть всех секретов успеха или неудач в деятельности предприятия.
Основное содержание внешнего финансового анализа, осуществляемого партнерами предприятия по данным публичной финансовой отчетности, составляют:
- анализ абсолютных показателей прибыли;
- анализ относительных показателей рентабельности;
- анализ финансового состояния, рыночной устойчивости, ликвидности баланса, платежеспособности предприятия;
- анализ эффективности использования заемного капитала;
- экономическая диагностика финансового состояния предприятия и рейтинговая оценка эмитентов.
Анализ, осуществляемый на основе данных прошлого периода, позволяет установить определенные тенденции состояния материальных и финансовых ресурсов и использовать это для обоснования плановых заданий.
Текущий анализ дает возможность контролировать ход выполнения принятых решений, корректировать свои задания, успешно маневрировать денежными ресурсами с целью повышения их эффективности.
Анализ, осуществляемый на основе прогнозных показателей, широко применяется при оценке эффективности инвестиционных проектов и является основой для выбора оптимального варианта.
Полный анализ охватывает все стороны финансовой деятельности предприятия, оценку множества параметров, факторов, влияющих на эффективность и финансовое положение хозяйствующего субъекта.
Объектом частичного анализа является конкретный участок финансовой деятельности или группа однородных показателей, которая в данном периоде нуждается в совершенствовании (финансовые результаты, запасы).
Анализ финансовой деятельности осуществляется на основе данных бухгалтерского учета, отчетности, которая характеризует состояние имущества, источников их финансирования, финансовые результаты, уровень затрат, доходов и т.д. Основными источниками информации являются: «бухгалтерский баланс» предприятия (форма 1 годовой и квартальной отчетности), «Отчет о прибылях и убытках» (форма 2), «Отчет о движении денежных средств» (форма 4) и другие положения к балансу.
Для проведения финансового анализа используются методы, которые можно применять на всех предприятиях без учета отраслевой принадлежности, организации управления и формы собственности. Все они имеют количественную и качественную сторону осуществления финансового анализа.
Целью финансового анализа является получение достаточного числа информативных параметров, характеризующих финансовое состояние компании: прибыли и убытки, изменения в структуре активов и пассивов, в расчетах с дебиторами и кредиторами и др.
Анализ может быть ретроспективным, перспективным и отражать состояние сегодняшнего дня. Цели анализа достигаются в результате решения определенного взаимосвязанного набора аналитических задач, реализация которых возможна на основе организационных, информационных, технических и методических возможностей предприятия. Практика финансового анализа выделяет шесть общепринятых методов.
1. Горизонтальный (временной) — сравнение отчетных финансовых показателей с плановыми, либо с показателями предыдущего периода (базисного).
2. Вертикальный (структурный) — определение структуры итоговых финансовых показателей с выявлением влияния каждой позиции отчетности на результат в целом. Эти данные в последующем используются для прогноза структурных изменений активов и источников их покрытия.
3. Трендовый анализ – сравнение каждой позиции отчётности с позициями ряда предшествующих периодов и определение тренда, т.е. основной тенденции динамики показателя, очищенной от случайных влияний и индивидуальных особенностей отдельных периодов. С помощью тренда формируются возможные значения показателей в будущем, a, следовательно, ведется перспективный, прогнозный анализ.
• с планом;
• со среднеотраслевым уровнем;
• с данными конкурентов;
• со средними общеэкономическими данными;
• с данными отдельных подразделений компании между собой;
• с экономической моделью.
Это наиболее распространенный и применяемый на практике метод.
Сравнительный метод основывается на сравнении фактических достижений конкретных показателей с плановыми данными, а также с данными прошлого периода. Кроме того, отдельные показатели аналогичных предприятий сопоставляются со среднеотраслевыми данными (рентабельность, ликвидность и т.д.), установленными нормами или международными стандартами. Целью этого анализа является выявление отклонений фактических данных от принятых заданий или достигнутых результатов. В литературе выделяются следующие разновидности этого метода: горизонтальный и вертикальный анализ.
5. Анализ относительных показателей (коэффициентов) — расчет отношений данных отчетности, определение взаимосвязей показателей. Абсолютные показатели недостаточно характеризуют исследуемые явления и процессы, т.к. не имеют базы сравнения, поэтому используются относительные показатели. Исчисляются в процентах, коэффициентах или индексах.
6. Факторный — анализ влияния отдельных факторов (причин) на результативный (обобщающий) показатель. Факторный анализ может быть как прямым (собственно анализ, представляющий раздробление результативного показателя на составные части), так и обратным (синтез), когда его отдельные элементы соединяют в общий результативный показатель. Перечисленные методы анализа способствуют аналитическому прочтению финансовых отчетов, исходной базой которых прежде всего, являются данные бухгалтерского учета и отчетности.
Помимо перечисленных методов анализа используются статистические, экономико-математические и другие методы.
Многофакторный метод заключается в установлении влияния отдельных факторов на изменения анализируемых параметров. С этой целью используется метод цепных подстановок, который базируется на исключении воздействия всех факторов на величину анализируемого показателя, кроме одного (выбранного).
Реальная оценка аналитических исследований в значительной степени зависит от полноты и достоверности информации, эффективных методов оценки явлений, а также последовательности проведения аналитических действий.
Первостепенное значение для конкретных выводов аналитических действий имеет точное определение объекта, а также установление критериев, которые будут использоваться при оценке деятельности предприятия (например, анализ структуры источников финансирования с учетом уровня риска и цены соответствующих ресурсов). Кроме этого, необходимо соблюдать правила сохранения уравнивания показателей во времени и в единицах
Методы анализа цен
Из расчетных методов наиболее часто используются методы удельной стоимости и приближенной калькуляции.
Удельная стоимость – стоимость технико-экономической единицы товара: единицы веса, мощности и т. д. – весьма приближенный показатель, и базироваться только на нем нельзя. Он может служить лишь для предварительного сравнения цен, главным образом на оборудование, которое имеет одну определяющую техническую характеристику.
При расчете цены оборудования по удельной стоимости принимают во внимание так называемый коэффициент торможения цены, т. е. отношение удельной стоимости машины или агрегата большей производительности к удельной стоимости однотипной машины или агрегата меньшей производительности.
Цена любой машины при прочих равных условиях изменяется в зависимости от ее производительности. Однако изменение цены не прямо пропорционально изменению производительности. Обычно изменение удельной стоимости машины с возрастанием мощности происходит по нисходящей кривой, т. е., чем выше мощность, тем меньше удельная стоимость единицы мощности.
В некоторых случаях для определения и проверки цен на товар используют метод приближенной калькуляции. Он применяется, когда по товару вообще нет информации о цене (новый товар, первая сделка), а также в случае дополнительной проверки данных, полученных другими методами.
Метод приближенной калькуляции – это определение стоимости товара путем суммирования стоимостей составных элементов: материалов, заработной платы, накладных расходов и др. Все это подсчитывается по среднемировой стоимости и суммируется. При расчетах этим методом возможны значительные ошибки, поскольку многие статьи, входящие в калькуляцию, определяются приближенно.
Основной метод, принятый в международной торговле, – изучение цен конкурентов на аналогичные товары с внесением необходимых поправок на изменение технических характеристик, а также с учетом различий в коммерческих условиях сделок и тенденций изменения цен во времени. Такая работа называется приведением цен.
...
Ценовой анализ и расчет цен по экспорту и импорту в практике специализированных внешнеторговых организаций оформляются путем заполнения конкурентного листа или расчета цены. Этот документ готовится специалистами фирмы до проведения переговоров с фирмой.
Конкурентный лист представляет собой сравнительную таблицу предложений иностранных фирм по коммерческим и техническим условиям, анализируя и сопоставляя которые можно установить, какое из предложений является наиболее приемлемым и каков уровень цены предстоящей сделки.
Внесение поправок при определении контрактных цен осуществляется в строгой последовательности.
1. Цены на конкурирующие товары приводятся к масштабу цен базового товара по количественным показателям – рассчитывается цена одного изделия (весовой единицы и т. п.).
2. Поправка на комплектацию поставки особенно важна при покупке (продаже) сложного комплектного оборудования. В этом случае из цены за комплектное оборудование исключают цены тех комплектующих изделий, которые будут получены иным путем (например, закуплены у отечественных предприятий).
3. Пересчет цен конкурентов в цены, выраженные в валюте предстоящей сделки, осуществляется по курсу соответствующих валют на момент сделки.
4. Цену, пересчитанную в валюту предстоящей сделки, приводят к сроку предстоящей сделки, чтобы учесть изменения цен при удорожании товаров, мировой инфляции и изменении курсов валют.
5. Условия платежа оказывают влияние на расчетные экспортную и импортную цены.
Цена товара при платеже наличными, как правило, ниже, чем при продаже в кредит, на величину банковского процента кредитуемой части цены и на скрытые в кредитной контрактной цене затраты продавца в связи с кредитом.
6. Приведение по базису поставки осуществляется с учетом разницы между затратами по предстоящей сделке и возможными затратами конкурентов на фрахт при условиях СИФ (СIF) – и на страхование грузов.
7. Поправка на уторговывание применяется чаще всего при расчете импортной цены, поскольку обычно продавец, приславший коммерческое предложение, выдвигает в нем несколько завышенную цену.
8. Поправка на технико-экономические различия.
Фотометрические методы анализа
Фотометрический метод анализа (Фотометрия), совокупность методов мол. - абсорбционного спектрального анализа, основанных на избирать. поглощении электромагнитного излучения в видимой, ИК и УФ областях молекулами определяемого компонента или его соединения с подходящим реагентом. Концентрацию определяемого компонента устанавливают по закону Бугера -Ламберта - Бера. Фотометрический метод включает визуальную фотометрию, спектрофотомерию и фото колориметрию. Последняя отличается от спектрофотомерии тем, что поглощение света измеряют гл. обр. в видимой области спектра, реже - в ближних УФ и ИК областях (т. е. в интервале длин волн от ~ 315 до ~ 980 км), а также тем, что для выделения нужного участка спектра (шириной 10-100 км) используют не моно-хроматоры, а узкополосные светофильтры.
Приборами для фотоколориметрии служат фотоэлектроколориметры (ФЭК), характеризующиеся простотой оптической и электрической схем. Большинство фотометров имеет набор из 10-15 светофильтров и представляет собой двухлучевые приборы, в которых пучок света от источника излучения (лампа накаливания, редко ртутная лампа) проходит через светофильтр и делитель светового потока (обычно призму), который делит пучок на два, направляемые через кюветы с исследуемым р-ром и с р-ром сравнения. После кювет параллельные световые пучки проходят через калиброванные ослабители (диафрагмы), предназначенные для уравнивания интенсивностей световых потоков, и попадают на два приемника излучения (фотоэлементы), подключенные по дифференциальной схеме к нуль-индикатору (гальванометр, индикаторная лампа). Недостаток приборов - отсутствие монохроматора, что приводит к потере селективности измерений; достоинства фотометров - простота конструкции и высокая чувствительность благодаря большой светосиле.
Измеряемый диапазон оптической плотности составляет приблизительно 0,05-3,0, что позволяет определять мн. элементы и их соед. в широком интервале содержаний - от ~ 10-6 до 50% по массе. Для дополнительного повышения чувствительности и селективности определений существенное значение имеют подбор реагентов, образующих интенсивно окрашенные комплексные соед. с определяемыми веществами, выбор состава р-ров и условий измерений. Погрешности определения составляют около 5%.
При т. наз. дифференциальном Фотометрическом анализе оптическая плотность анализируемого р-ра измеряют относительно оптической плотности (которая не должна быть меньше 0,43) раствора сравнения. Последний содержит определяемый компонент в концентрации, близкой к концентрации этого компонента в анализируемом растворе. Это позволяет определять сравнительно большие концентрации в-в с погрешностью 0,2-1% (в случае спектрофотометрии). При фотометрическом титровании получают зависимость оптич. плотности титруемого раствора от объема прибавляемого титранта (кривую титрования). По излому на этой кривой определяют конечную точку титрования и, следовательно, концентрацию исследуемого компонента в растворе.
Иногда Фотометрический анализ понимают более широко, как совокупность методов качественного и количественного анализа по интенсивности ИК, видимого и УФ излучения, включающую атомно-абсорбционный анализ, фотометрию пламени, турбидиметрию, нефелометрию, люминесцентный анализ, спектроскопию отражения и мол .-абсорбционный спектральный анализ.
Метод морфологического анализа
Под морфологией понимают внешнее строение объекта, а также форму, размеры и взаимное расположение (топографию) образующих его структурных элементов (частей целого, включений, деформаций, дефектов и т. п.) на поверхности и в объеме, возникающих при изготовлении, существовании и взаимодействии объекта в расследуемом событии.
Наиболее распространенными методами морфологического анализа являются методы оптической микроскопии — совокупность методов наблюдения и исследования с помощью оптического микроскопа:
• Ультрафиолетовая и инфракрасная микроскопия позволяет проводить исследования за пределами видимой области спектра. Ультрафиолетовая микроскопия (250—400 км) применяется для исследования биологических объектов (например, следы крови, спермы), инфракрасная микроскопия (0,75—1,2 мкм) дает возможность изучать внутреннюю структуру объектов, непрозрачных в видимом свете (кристаллы; минералы; некоторые виды стекла; следы выстрела; залитые, заклеенные тексты).
• Стереоскопическая микроскопия позволяет видеть предмет объемным. Применяется для исследования практически всех видов объектов (следы человека и животных, документы, лакокрасочные покрытия, металлы и сплавы, волокна, минералы, пули и гильзы и т.д.). С помощью двух окуляров создают объемное изображение. Микроскопы, как правило, снабжены насадкой для фотографирования.
• Сравнительные микроскопы (типа МИС, МС, МСК) имеют спаренную оптическую систему, что позволяет производить одновременное исследование двух объектов. Микроскопы специальные криминалистические типа МСК позволяют наблюдать изображение не только с помощью окуляра, но и на специальном экране. Современные сравнительные микроскопы, оснащенные 'телекамерами и управляемые персональными компьютерами, позволяют получать комбинированное изображение сравниваемых объектов на телеэкране (телевизионная микроскопия), исследовать объекты в поляризованном свете, со светофильтрами, в инфракрасных или ультрафиолетовых лучах, дают возможность чисто электронным путем изменять масштаб контрастность и яркость изображения.
• Просвечивающая электронная микроскопия основана на рассеянии электронов без изменения энергии при прохождении их через вещество или материал. Просвечивающий электронный микроскоп используют для изучения деталей микроструктуры объектов, находящихся за пределами разрешающей способности оптического микроскопа (мельче 0,1 мкм). Позволяет исследовать объекты — вещественные доказательства в виде тонких срезов (например, волокон или лакокрасочных покрытий для исследования особенностей морфологии их поверхности); суспензий, например, горюче-смазочных материалов. Микроскопы просвечивающего типа имеют разрешающую способность порядка 10-8см.
• Растровая электронная микроскопия (РЭМ), получившая широкое распространение в экспертных исследованиях, основана на облучении изучаемого объекта хорошо сфокусированным с помощью специальной линзовой системы электронным пучком предельно малого сечения (зонд), обеспечивающим достаточно большую интенсивность ответного сигнала (вторичных электронов) от того участка объекта, на который попадает пучок. Разного рода сигналы представляют информацию об особенностях соответствующего участка объекта. Размер участка определяется сечением зонда (10-8 - 10-7 см). Чтобы получить информацию о достаточно большой области, дающей представление о морфологии объекта, зонд заставляют обегать («сканировать» от англ. scanning — обегание) заданную площадь по определенной программе. РЭМ позволяет повысить глубину резкости почти в 300 раз по сравнению с обычным оптическим микроскопом и достигать увеличения до 200 000х. Широко используется в экспертной практике для микро-трасологических исследований, изучения морфологических признаков самых разнообразных микрочастиц (металлов, лакокрасочных покрытий, волос, волокон, почвы, минералов). Многие растровые электронные микроскопы снабжены так называемыми микрозондами — приставками, позволяющими проводить рентгеноспектральный анализ элементного состава изучаемой микрочастицы.
Методы кластерного анализа
Методы, представленные в модуле Обобщенные методы кластерного анализа программы схожи с алгоритмом k-средних, включенным в стандартные настройки модуля Кластерный анализ, и вы можете просмотреть раздел Кластеризация k-средних для основного обзора этих методов и их приложений. Назначение этих методов в основном определять кластеры в наблюдениях (или переменных), и для назначения этих наблюдений кластерам.
Типичный пример приложения такого типа анализа - маркетинговые исследования, в которых число связанных переменных поведения потребителя измеряется для больших выборок респондентов; цель изучения - определить "сегмент рынка", т.е. групп респондентов, каким-нибудь образом схожих друг с другом (для всех членов одного кластера) в сравнении с респондентами, которые "принадлежат к" другим кластерам. Вместе с идентификацией таких кластеров, представляет интерес определение различий между этими кластерами, т.е. специфики переменных или измерений, которыми различаются члены кластеров, и как.
Кластеризация k-средними. Классический алгоритм кластеризации k-средними стал общеизвестным благодаря Hartigan`у (1975; см. также Hartigan и Wong, 1978). Основная операция этого алгоритма относительно проста: заданное фиксированное число (желательное или гипотетическое) k кластеров, наблюдения сопоставляются кластерам так, что средние в кластере (для всех переменных) максимально возможно отличаются друг от друга.
Расширения и обобщения.
Методы, представленные в модуле Обобщенные методы кластерного анализа , расширяют эти основные приближения кластеризации тремя важными методами:
1. Вместо того чтобы задавать соответствие наблюдений кластерам так, чтобы максимизировать разницу в средних для непрерывных переменных, алгоритм кластеризации EM (поиск максимума) вычисляет вероятности членства в кластере, основываясь на одном или более вероятностном распределении. Цель алгоритма кластеризации - максимизировать вероятность полного правдоподобия данных, задаваемых в (последних) кластерах.
2. В отличие от классической реализации алгоритма кластеризации k-средними в модуле Кластерный анализ, алгоритмы k-средних и EM в модуле Обобщенные методы кластерного анализа могут быть применены равно для непрерывных и категориальных переменных.
3. Основное отличие алгоритма кластеризации k-средними в том, что вы должны указать число кластеров перед началом анализа (то есть, число кластеров должно быть априори известно); модуль Обобщенные методы кластерного анализа использует измененную схему v-кратной кросс-проверки (схожую с реализованной в модулях Деревья классификации, Общие модели деревьев классификации и регрессии, и Общие CHAID) для определения наилучшего числа кластеров по данным. Это расширение делает модуль Обобщенные методы кластерного анализа весьма полезным инструментом добычи данных для неконтролируемого обучения и распознавания образов.
Полный обзор различных методов кластеризации, в контексте добычи данных представлен в Witten и Frank (2000). Имеются также разделы модуля: Нейронные сети,Самоорганизующаяся карта Кохонена (СОКК) или сети Кохонена; эти архитектуры нейронных сетей могут применяться для схожих типов проблем, таких как методы, описанные в этом разделе. Однако методы EM кластеризации и кластеризации k-средними реализованные в этом модуле обычно быстрее и легче масштабируются на очень большие множества данных и аналитических проблем.
Неконтролируемое обучение против Контролируемого обучения
Важное различие в машинном обучении, также применимое к добыче данных, между контролируемым и неконтролируемым алгоритмами обучения. Раздел "контролируемое" обучение обычно применим в случаях, где текущая классификация уже выяснена и сохранена в тестовой выборке, и вы хотите построить модель для прогнозирования этой классификации (в новой тестовой выборке). Например, у вас может быть множество данных, содержащее информацию о том, кто из списка клиентов, направленных на специальное поощрение примет или не примет это предложение; цель классификационного анализа - построить модель для прогнозирования того, кто (из различных списков потенциальных клиентов) вероятно, ответит на такое же (или схожее) предложение в будущем. Можно просмотреть также описание методов к разделам Общие модели деревьев классификации и регрессии (GCRT), Общие CHAID модели (GCHAID), Анализ дискриминантных функций и Общие модели дискриминантного анализа (GDA), и Нейронные сети (см. Справка к системе) для изучения различных методов, используемых для построения или подгонки моделей по данным, где наблюдаются итоговые переменные (например, клиент ответил или не ответил на предложение). Эти методы называются алгоритмы контролируемого обучения, так как обучение (подгонка моделей) "управляется" или "контролируется" наблюденными классификациями, записанными в файле данных.
При неконтролируемом обучении ситуация другая. Здесь итоговые переменные непосредственно не наблюдаются (не могут наблюдаться) Взамен мы хотим выявить некоторую "структуру" или кластеры данных, которые заведомо не могут наблюдаться. Например, у вас может иметься база данных на клиентов с различными демографическими индикаторами и переменными, потенциально важными для поведения потребителя.
Ваша цель - найти сегменты рынка, то есть группы наблюдений, сравнительно похожих друг на друга по некоторым переменным; задав однажды, вы можете затем определять, насколько хорошо достигается один или несколько кластеров при предоставлении определенных товаров или услуг, которые, по вашему мнению, могут иметь особую полезность или индивидуальную привлекательность в сегменте (кластере). Такой тип заданий называется алгоритмом неконтролируемого обучения, так как обучение (подгонка моделей) в этом случае не может управляться уже известной классификацией. Только после определения известных кластеров вы сможете начать задавать метки, например, основываясь на последующих наблюдениях (например, после определения одной группы клиентов как "молодые опасные воры"). Другие методы (отличные от кластеризации k-средними или EM), которые попадут в категорию алгоритмов неконтролируемого обучения: Факторный анализ, Главные компоненты и результаты анализа классификаций, Многомерное шкалирование, Анализ соответствий, Нейронные сети - Самоорганизующаяся карта Кохонена (СОКК) и т.д.
Алгоритм k-средних
Классический алгоритм k-средних описан в деталях в разделе Кластерный анализ; полный вводный курс и обзор можно найти в Hartigan и Wong (1978). Для повторения, базовый алгоритм кластеризации k-средними достаточно прост: Дано заданное пользователем фиксированное число кластеров k, перемещайте наблюдения в кластере для максимизации расстояния между центрами кластеров; центры кластеров обычно определяются вектором средних значений для всех (непрерывных) переменных в анализе.
Кластеризация категориальных переменных. Модуль Кластерный анализ включает реализацию классического алгоритма k-средних, который типично применим только к непрерывным переменным. В модуле Обобщенные методы кластерного анализа вы можете задать категориальные переменные для анализа. Вместо определения центра кластера для текущего кластера и переменной с помощью среднего соответствующей (непрерывной) переменной (для наблюдения в том же кластере), для категориальной переменной определяется одиночный класс (значение категориальной переменной), которому принадлежит большинство наблюдений этого кластера. Например, если текущий кластер анализа, включающий переменную Пол, содержит больше (>50%) мужчин, тогда центральное значение для этого кластера будет установлено Мужской.
Мера расстояний. Реализация алгоритма k-средних в модуле Кластерный анализ всегда будет вычислять кластерное расстояние, базируясь на простом (квадратичном) евклидовом расстоянии между кластерными центр идами (вектор значений для непрерывных переменных в анализе). В модуле Обобщенные методы кластерного анализа, у вас есть выбор различных мер расстояний для использования в анализе: евклидово, Квадрат евклидова, Манхэттенское и Чебышева.
Эти различные меры расстояний всегда вычисляются из нормализованных расстояний; смотрите также Различия между алгоритмами k-средних в обобщенных методах кластерного анализа и кластерным анализом (ниже). Отметьте, что для категориальных переменных, все расстояния могут быть только 0 (ноль) или 1 (один): 0, если класс, которому принадлежит соответствующее наблюдение, принадлежит в тоже время к классу, в котором встречается лучшая частота соответствующего кластера (см. предыдущий параграф), и 1, если он отличает от такого класса. Следовательно, за исключением расстояния Чебышева, различные меры расстояния для категориальных переменных, доступные в программе, приведут к идентичным результатам.
EM алгоритм
EM алгоритм кластеризации детально разобран в Witten и Frank (2001). Базовое приближение и логика этого кластерного метода в следующем: Пусть вы измеряете одиночную непрерывную переменную в большой выборке наблюдений. Дальше, предположите, что выборка состоит из двух кластеров наблюдений с различными средними (и возможно с различным стандартным отклонением); в рамках каждой выборки, распределение значений для непрерывной переменной соответствует нормальному распределению.
Смешение распределений. Рисунок показывает два нормальных распределения с различными средними и различным стандартным отклонением и сумму двух распределений. Только смесь (сумма) двух нормальных распределений (различными средними и различным стандартным отклонением) должна быть выведена. Цель EM кластеризации - вычислить средние и стандартное отклонение для каждого кластера, так что правдоподобие наблюдаемых данных (распределения) максимально. С другой стороны, EM алгоритм пытается приблизить наблюдаемые распределения значений, основываясь на смеси различных распределений в различных кластерах.
Реализация EM алгоритма в модуле Обобщенные методы кластерного анализа позволяет вам выбирать (для непрерывных переменных) распределение: Нормальное, Логнормальное, и Пуассоновское. Вы можете выбрать различные распределения для различных переменных, и, таким образом, получить кластеры для смеси различных типов распределений.
Категориальные переменные. Реализация EM алгоритма в также может обрабатывать категориальные переменные. Программа сперва случайно задаст различные вероятности (точнее, веса) для каждого класса или категории каждого кластера; в последующих итерациях эти вероятности улучшаются (подгоняются) к максимальному правдоподобию данных, давая указанное число кластеров.
Классификационные вероятности вместо классификаций. Результаты EM кластеризации отличаются от таких же, вычисленных методом кластеризации k-средних: Позднее будут заданы наблюдения кластеров для максимизации расстояния между кластерами. EM алгоритм не вычисляет фактического назначения наблюдений кластерам, но вычисляет вероятности классификации. Другими словами, каждое наблюдение принадлежит каждому кластеру с определенной вероятностью.
Поиск верного числа кластеров: V-кратная кросс-проверка
Методы кластеризации, доступные в модуле Обобщенные методы кластерного анализа, специально оптимизированы и усовершенствованы для типичных приложений в добыче данных. Основное сравнение добычи данных - ситуация аналитического поиска полезных структур и "самородков" в данных, обычно безаприори устойчивых ожиданий того, что можно найти (контраст с гипотетически-тестовым приближением научного исследования). На практике аналитик обычно не знает наперед, сколько кластеров может быть в выборке. По этой причине, программа включает реализацию алгоритма V-кратной кросс-проверки для автоматического определения числа кластеров по данным.
Этот уникальный алгоритм весьма полезен во всех основных задачах "обучения распознавания". Для определения числа сегментов рынка в маркетинговых исследованиях, числа моделей индивидуальных затрат на изучение потребительского поведения, числа кластеров различных медицинских симптомов, числа различных типов (кластеров) документов в текстовой добыче, числа погодных моделей в метеорологических исследованиях, числа моделей отбраковки кремниевых вафель и т.д.
Алгоритм v-кратной кросс-проверки в приложении к кластеризации. Алгоритм v-кратной кросс-проверки детально описывается в контексте модулей Деревья классификации, Общие модели деревьев классификации и регрессии (GCRT), и Общие CHAID (см. Справка к системе ). Основная идея этого метода - разделить выборку на v частей или случайно вытащить (нарушив структуру) под выборки. Затем несколько типов анализов последовательно наложатся на наблюдения, принадлежащие к v-1 частям (обучающая выборка) и результаты анализов наложатся на выборку v (выборка или часть, не использующаяся при вычислении параметров, построения дерева, определения кластеров, и т.д.; то есть это - тестовая выборка) для вычисления индексов предсказательной точности. Результаты для v ответов собраны (усреднены) для одиночной выборки стабильности соответствующей модели, то есть обоснованности модели для прогнозирования нового наблюдения.
Как упомянуто ранее, кластерный анализ - метод неконтролируемого обучения, и мы не можем наблюдать (реальное) число кластеров по данным. Однако разумно заменить понятие (применимое к контролируемому обучению) "соответствие" на "расстояние": В общем, мы можем использовать метод V-кратной кросс-проверки для упорядочивания чисел кластеров, и наблюдать результаты среднего расстояния от наблюдений (в кросс-проверке тестовых выборок) до центров их кластеров (для кластеризации k-средними); для EM кластеризации, подходящим эквивалентом меры может стать среднее значение отрицательного (лог -) правдоподобия, вычисленного для наблюдений в тестовой выборке.
Здесь показаны результаты анализа множества широко известных данных, содержащих три кластера наблюдений (особенно, популярен файл данных Iris (Ирис) описанный Fisher, 1936, на который много ссылаются в литературе по дискриминантному анализу). Также показаны (в правом верхнем углу графика) результаты анализа нормально распределённых случайных чисел. "Реальные" данные (показанные слева) выражают характеристики шаблона график осыпи, где функция стоимости (в этом наблюдении, 2 раза лог-правдоподобие кросс-проверки данных дают вычисляемые параметры) быстро снижается, в то время как число кластеров растет, но затем (после 3 кластеров) выравнивается, и даже растет, пока данные пере подгоняются. С другой стороны, случайные числа показывают, что такой схемы не должно быть, на самом деле, существенного понижения функция стоимости вовсе нет, она быстро начинает расти вместе с ростом числа кластеров и процессом пере подгонки.
По этому рисунку легко видеть, насколько полезна схема v-кратной кросс-проверки, применимо к кластеризации k-средними и EM кластеризации при определении "верного" числа кластеров данных.
Реализация методов кластеризации в модуле Обобщенные методы кластерного анализа сильно расширяема, и эти методы могут быть использована даже для очень большого множества данных.
Методы многомерного анализа
Методы многомерного анализа (multivariate analysis methods) Многомерность свойственна психол. данным по природе, поскольку они чаще всего состоят по крайней мере из неск. наблюдений за поведением одного человека или группы лиц. Методы многомерного анализа . и были созданы для совместной обработки таких данных, напр. для их исслед. с целью обнаружения присущих им базисных характеристик либо, в случае дедуктивного подхода, для проверки или оценки априорных гипотез в отношении этих данных. В своих лучших образцах многомерный анализ представляет собой обобщение одномерного анализа, так что в тех случаях, когда данные состоят из значений только одной переменной, многомерный метод будет давать тот же результат, что и соотв. одномерный метод. Так, есть статистики, базирующиеся на многомерном распределении случайных величин, к-рые можно свести к таким хорошо известным одномерным статистикам, как хи-квадрат или t-критерий. Многомерный анализ включает широкий спектр мат. и статистических методов и, вообще говоря, не существует общепринятого определения границ этой области. По общей договоренности, однако, такие специализированные предметы, как теория надежности или теория латентных черт, не считаются разделами многомерного анализа в силу их обособленных традиций в сфере психологических исследованиях.
Методы анализа множественных дихотомических переменных часто рассматриваются и изучаются под своими названиями, напр. логлинейные модели. Также анализ повторных наблюдений, проведенных на одном человеке или на каком-то др. объекте, скажем, классе, обычно относится к особой области, наз. анализом временных рядов. Модели Многомерный анализ требует соединения трех различных типов информ. в одном методе, который можно применять на практике. С точки зрения психолога, из накопленных в психологии действенных идей и знаний необходимо извлекать наиболее существенное и применять к ситуации анализа исходных данных. Такое очищенное знание, особенно если оно формализовано, наз. психол. моделью.
Психол. модель обеспечивает контекст для выбора наиболее подходящего метода из множества многомерных или др. методов анализа (либо статистического описания) данных. Второй тип используемой информ. - это мат. или структурная модель, устанавливающая отношения между основными переменными, наблюдениями, параметрами и пр. Структурная модель является формально-математическим представлением, к-рое предполагается релевантным многомерной ситуации в силу психол. модели. В общем, многомерные методы основываются на линейных по своей природе моделях. Т. к. психол. теории часто предполагают существование нелинейных связей, иногда бывает трудно сделать допущение о линейности. И все-таки принятие этого допущения может быть оправданным в тех случаях, когда большинство зависимых (т. е. предсказываемых) переменных имеют аппроксимативно непрерывный характер. Если же эти переменные являются дихотомическими или порядковыми, будет трудно обосновать допущение о линейности иначе как соображениями удобства или аппроксимации. Третий тип информ. - это статистическая модель.
Такую модель нужно разрабатывать всякий раз, когда предполагается что-то большее, чем простое описание данных. В этом случае, помимо статистического описания данных, интерес могут представлять выводы о более широкой совокупности, на выборке из которой и были получены изучаемые данные. Основной вопрос при состыковке структурной и статистической моделей - ошибка, обусловленная структурой наблюдений (error structure of observations).
Недавно полученное обобщение многомерного нормального распределения, допускающее ненулевой, но постоянный эксцесс кривых плотности распределения переменных, оказалось полезным в качестве основы для расширения традиционных методов; был тж введен ряд непараметрических методов. В добавление к описанию распределения переменных статистическая модель должна описывать модель выборки, используемой для получения наблюдений. Обычно полагают, что таковая является моделью независимых случайных наблюдений, при которой на оценки каждого отдельного человека не влияют оценки др. людей. Наконец, статистическая модель должна точно определять границы области действия определенных статистических или случайных процессов. Хотя М. м. а. можно и нужно использовать как разведочные, для проникновения в суть собранных данных и формулирования гипотез о скрывающихся за ними факторах, большой класс этих методов составляют конфирматорные (подтверждающие) по своему характеру методы, предназначенные для проверки теорий.
В общем, конфирматорный подход к многомерному анализу претендует на решение следующих задач:
а) оценивание параметров распределения для проверки гипотез об этих параметрах;
б) определение доверительных областей измеренных значений переменных на основе обоснованного применения теории выборок и стандартных ошибок;
в) оценивание адекватности гипотетической структурной модели;
г) сравнение контрастных моделей;
д) придание вероятностных формулировок разным результатам и
е) доверительное оценивание выводов.
Методы основные многомерные методы можно разбить на 3 категории: методы линейных моделей, методы линейной композиции и линейные структурные методы. Их классификация зависит от того, в какой степени включаемые в анализ переменные можно считать случайными, а не заданными или известными, и в какой мере можно опираться на теорию малых выборок, а не только на теорию больших выборок, учитывая, что теория линейных моделей является наиболее разработанной, а структурные методы, по крайней мере, достаточно хорошо разработаны в статистическом плане. Как уже упоминалось, существуют еще и нелинейные методы.
Метод дисперсионного анализа
В практической деятельности врачей при проведении медико-биологических, социологических и экспериментальных исследований возникает необходимость установить влияние факторов на результаты изучения состояния здоровья населения, при оценке профессиональной деятельности, эффективности нововведений.
Существует ряд статистических методов, позволяющих определить силу, направление, закономерности влияния факторов на результат в генеральной или выборочной совокупностях (расчет критерия I, корреляционный анализ, регрессия, ?2 — (критерий согласия Пирсона и др.). Дисперсионный анализ был разработан и предложен английским ученым, математиком и генетиком Рональдом Фишером в 20-х годах XX века.
Дисперсионный анализ чаще используют в научно-практических исследованиях общественного здоровья и здравоохранения для изучения влияния одного или нескольких факторов на результативный признак. Он основан на принципе "отражения разнообразий значений факторного (ых) на разнообразии значений результативного признака" и устанавливает силу влияния фактора (ов) в выборочных совокупностях.
Сущность метода дисперсионного анализа заключается в измерении отдельных дисперсий (общая, факториальная, остаточная), и дальнейшем определении силы (доли) влияния изучаемых факторов (оценки роли каждого из факторов, либо их совместного влияния) на результативный (е) признак (и).
Дисперсионный анализ — это статистический метод оценки связи между факторными и результативным признаками в различных группах, отобранный случайным образом, основанный на определении различий (разнообразия) значений признаков. В основе дисперсионного анализа лежит анализ отклонений всех единиц исследуемой совокупности от среднего арифметического. В качестве меры отклонений берется дисперсия (В)— средний квадрат отклонений. Отклонения, вызываемые воздействием факторного признака (фактора) сравниваются с величиной отклонений, вызываемых случайными обстоятельствами. Если отклонения, вызываемые факторным признаком, более существенны, чем случайные отклонения, то считается, что фактор оказывает существенное влияние на результативный признак.
Для того чтобы вычислить дисперсию значения отклонений каждой варианты (каждого зарегистрированного числового значения признака) от среднего арифметического возводят в квадрат. Тем самым избавляются от отрицательных знаков. Затем эти отклонения (разности) суммируют и делят на число наблюдений, т.е. усредняют отклонения. Таким образом, получают значения дисперсий.
Важным методическим значением для применения дисперсионного анализа является правильное формирование выборки. В зависимости от поставленной цели и задач выборочные группы могут формироваться случайным образом независимо друг от друга (контрольная и экспериментальная группы для изучения некоторого показателя, например, влияние высокого артериального давления на развитие инсульта). Такие выборки называются независимыми.
Нередко результаты воздействия факторов исследуются у одной и той же выборочной группы (например, у одних и тех же пациентов) до и после воздействия (лечение, профилактика, реабилитационные мероприятия), такие выборки называются зависимыми.
Дисперсионный анализ, в котором проверяется влияние одного фактора, называется однофакторным (одномерный анализ). При изучении влияния более чем одного фактора используют многофакторный дисперсионный анализ (многомерный анализ).
Факторные признаки — это те признаки, которые влияют на изучаемое явление.
Результативные признаки — это те признаки, которые изменяются под влиянием факторных признаков.
Для проведения дисперсионного анализа могут использоваться как качественные (пол, профессия), так и количественные признаки (число инъекций, больных в палате, число койко-дней).
Методы дисперсионного анализа:
1. Метод по Фишеру (Fisher) — критерий F (значения F см. в приложении N 1);
Метод применяется в однофакторном дисперсионном анализе, когда совокупная дисперсия всех наблюдаемых значений раскладывается на дисперсию внутри отдельных групп и дисперсию между группами.
2. Метод "общей линейной модели".
В его основе лежит корреляционный или регрессионный анализ, применяемый в многофакторном анализе.
Обычно в медико-биологических исследованиях используются только однофакторные, максимум двухфакторные дисперсионные комплексы. Многофакторные комплексы можно исследовать, последовательно анализируя одно- или двухфакторные комплексы, выделяемые из всей наблюдаемой совокупности.
Условия применения дисперсионного анализа:
1. Задачей исследования является определение силы влияния одного (до 3) факторов на результат или определение силы совместного влияния различных факторов (пол и возраст, физическая активность и питание и т.д.).
2. Изучаемые факторы должны быть независимые (несвязанные) между собой. Например, нельзя изучать совместное влияние стажа работы и возраста, роста и веса детей и т.д. на заболеваемость населения.
3. Подбор групп для исследования проводится рандомизированно (случайный отбор). Организация дисперсионного комплекса с выполнением принципа случайности отбора вариантов называется рандомизацией (перев. с англ. — random), т.е. выбранные наугад.
4. Можно применять как количественные, так и качественные (атрибутивные) признаки.
При проведении однофакторного дисперсионного анализа рекомендуется (необходимое условие применения):
1. Нормальность распределения анализируемых групп или соответствие выборочных групп генеральным совокупностям с нормальным распределением.
2. Независимость (не связанность) распределения наблюдений в группах.
3. Наличие частоты (повторность) наблюдений.
Нормальность распределения определяется кривой Гаусса (Де Мавура), которую можно описать функцией у = f(х), так как она относится к числу законов распределения, используемых для приближенного описания явлений, которые носят случайный, вероятностный характер. Предмет медико-биологических исследований — явления вероятностного характера, нормальное распределение в таких исследованиях встречается весьма часто.
Принцип применения метода дисперсионного анализа
Сначала формулируется нулевая гипотеза, то есть предполагается, что исследуемые факторы не оказывают никакого влияния на значения результативного признака и полученные различия случайны.
Затем определяем, какова вероятность получить наблюдаемые (или более сильные) различия при условии справедливости нулевой гипотезы.
Если эта вероятность мала*, то мы отвергаем нулевую гипотезу и заключаем, что результаты исследования статистически значимы. Это еще не означает, что доказано действие именно изучаемых факторов (это вопрос, прежде всего, планирования исследования), но все же маловероятно, что результат обусловлен случайностью.
Классический дисперсионный анализ проводится по следующим этапам:
1. Построение дисперсионного комплекса.
2. Вычисление средних квадратов отклонений.
3. Вычисление дисперсии.
4. Сравнение факторной и остаточной дисперсий.
5. Оценка результатов с помощью теоретических значений распределения Фишера-Снедекора.
Статью подготовил ведущий маркетолог-аналитик Воронов Валерий Иванович. 
