Faktoranalüüsi olemus majandusteaduses

Definitsioon 1

Faktoranalüüs on majandusanalüüsi liik, mis uurib konkreetsete tegurite mõju majandusnäitajatele. Faktoranalüüsi peamised liigid: deterministlik ja stohhastiline analüüs.

Deterministliku analüüsi aluseks on metoodika nende tegurite mõju uurimiseks, millel on üldnäitajaga funktsionaalne seos.

Stohhastilises faktoranalüüsis uuritakse nende tegurite mõju, millel on tõenäosuslik seos üldnäitajaga, s.o. korrelatsioon.

Ettevõtte efektiivsust mõjutavad paljud tegurid. Neid saab liigitada sisemisteks, mis sõltuvad antud ettevõtte tegevusest, ja välisteks, mis on antud ettevõttest sõltumatud.

Faktoranalüüsis kasutatavad meetodid võivad samuti erineda. Deterministlik faktoranalüüs kasutab:

• Ahelasendusmeetod;
• Absoluutsete ja suhteliste erinevuste meetod;
• Indeksi meetod;
• Tasakaalu meetod;
• Integraalmeetod;
• Logaritmiline meetod jne.

Stohhastiline analüüs kasutab:

• korrelatsioonimeetod;
• Regressioonimeetod;
• Klasteranalüüsi meetod;
• Dispersioonimeetod jne.

Analüütilise uurimistöö suurim terviklikkus ja sügavus, tulemuste suurim täpsus on tagatud läbi majanduslike ja matemaatiliste meetodite kasutamise. Nendel meetoditel on statistiliste ja traditsiooniliste meetodite ees suur eelis, kuna need võimaldavad täpsemalt ja üksikasjalikumalt arvutada üksikute tegurite mõju majandusnäitajate väärtusele ning aitavad lahendada ka mõningaid analüütilisi probleeme.

Suhtelise erinevuse meetod

Märkus 1

Suhteliste erinevuste meetodit kasutatakse deterministlikus faktoranalüüsis, et hinnata konkreetse teguri mõju tulemusnäitajate kasvule. Vaadeldava meetodi kõige olulisem eelis on selle lihtsus. Siiski saab seda kasutada ainult multiplikatiivsete ja multiplikatiivsete-additiivsete tegurite mudelites.

Selle meetodi aluseks on eliminatsioonimeetod. Elimineerimine tähendab teiste tegurite mõju kõrvaldamist, s.o. kõik muud tegurid muutuvad staatiliseks. Meetodi põhiidee on kõigi tegurite sõltumatu muutumine. Esiteks muutub ühe teguri baasväärtus aruandlusväärtuseks, teised tegurid on staatilised ja seejärel muutuvad teine, kolmas jne.

Esimese teguri mõju suuruse arvutamiseks efektiivsele tegurile tuleks efektiivse näitaja põhiväärtus korrutada esimese teguri suhtelise suurenemisega protsentides ja jagada 100-ga. Teise teguri mõju määra arvutamiseks tegur, peate liitma efektiivse näitaja põhiväärtuse ja selle suurenemise esimesest tegurist ning saadud summa korrutama järgmise teguri suhtelise suurenemisega jne.

Selle meetodi kasutamisel on suure tähtsusega tegurite järjekord mudelis ja sellest tulenevalt ka nende väärtuste muutuste järjestus, kuna see määrab iga üksiku teguri mõju kvantitatiivse hinnangu.

Suhteliste erinevuste meetodi kasutamine hõlmab õigesti konstrueeritud deterministliku faktori mudeli kasutamist ja tegurite järjestamisel kindlast järjekorrast kinnipidamist.

Tegurid võivad olla nii kvantitatiivsed kui kvalitatiivsed. Kvalitatiivsed tegurid peegeldavad uuritavate objektide sisemisi omadusi, märke ja omadusi. Näiteks tööviljakus, piima rasvasisaldus, toote kvaliteet. Kvantitatiivsed tegurid iseloomustavad nähtuse kvantitatiivset kindlust. Kvantitatiivsetel teguritel on nii maksumus kui ka füüsiline väljendus. Kvantitatiivsed tegurid võivad iseloomustada kaupade tootmis- ja müügimahte ning selliste tegurite väärtust saab väljendada nii rahas kui ka tükkides jne.

Kui analüüsi käigus on mitu kvantitatiivset ja kvalitatiivset näitajat, siis muutub kõigepealt nende tegurite suurusjärk, mis on esimesel alluvustasemel ja seejärel madalamal.

Esimese taseme tegurid on tulemusnäitajat otseselt mõjutavad tegurid ning tulemusnäitajat kaudselt mõjutavad tegurid kuuluvad madalamale tasemele (teine, kolmas jne).

Arvutusalgoritm suhtelise erinevuse meetodil on toodud joonisel 1.

Koguste $∆X_A$, $∆X_B$ summa peab olema identne $X_1$ ja $X_0$ vahega.

Näide suhtelise erinevuse meetodi kasutamisest

Vaatleme konkreetse näite abil suhtelise erinevuse meetodi kasutamist. Aasta toodangu maht sõltub aasta keskmisest töötajate arvust (N) ja keskmisest aastatoodangust töötaja kohta (B). Ehitatakse kahefaktoriline multiplikatiivne mudel, milles töötajate arv on kvantitatiivne tegur, seega on see esikohal ja tootmine on kvalitatiivne tegur ning asub kvantitatiivse teguri taga.

$OP = H V$

Kõik kasutatavad andmed on toodud tabelis (joonis 2).

Esimeses etapis arvutatakse tegurite suhteline suurenemine (joonis 3).

Joonis 3. Tegurite suhtelise suurenemise arvutamine. Autor24 - õpilastööde veebivahetus

Teises etapis määratakse esimese teguri mõju määr tulemuslikkuse näitajale (joonis 4).

Joonis 4. Faktori mõjuastme arvutamine. Autor24 - õpilastööde veebivahetus

Saadud andmetest järeldub, et keskmise aastase töötajate arvu suurenemisega 2 inimese võrra suureneb tootmismaht 400 tuhande rubla võrra.

Kolmandas etapis jätkub mudelitegurite järjestikune arvestamine (joonis 5).

Saadud andmete põhjal võime järeldada, et ühe töötaja keskmise aastatoodangu suurendamisega suurenes toodangu maht 810 tuhande rubla võrra.

Neljandas etapis kontrollitakse arvutusi (joonis 6).

Seega on tehtud arvutused õiged.

Absoluutse erinevuse meetod

Seda kasutatakse multiplikatiivsetes ja multiplikatiivsetes-aditiivsetes mudelites ning see seisneb tegurite mõju suuruse arvutamises, korrutades uuritava teguri absoluutse suurenemise sellest paremal asuva teguri baasväärtusega ja teguri tegeliku väärtusega. vasakul asuvad tegurid. Näiteks mitmekordse faktori mudeli jaoks nagu Y = a-b-s-y iga teguri mõju suuruse muutus tulemusnäitajale määratakse avaldiste abil:

kus /> th, laupäev, ¿4- näitajate väärtused baasperioodil; jaf,bf, sf - aruandeperioodil sama (st tegelik); Aa = bf - Ob, AB = bf - b6, Ac = sf - sb; Asi = b?f - A.

Suhtelise erinevuse meetod

Suhteliste erinevuste meetodit, nagu ka absoluutsete erinevuste meetodit, kasutatakse ainult multiplikatiivsetes ja multiplikatiiv-liitemudelites, et mõõta tegurite mõju tulemusnäitaja kasvule. See seisneb faktorinäitajate väärtuste suhteliste hälvete arvutamises koos järgneva efektiivse näitaja Uf muutuse arvutamisega, mis on tingitud igast tegurist Uf baasi suhtes. Näiteks mitmekordse faktori mudeli jaoks nagu

Y = abc iga teguri mõju suuruse muutus tulemuslikkuse näitajale määratakse järgmiselt:

Suhteliste erinevuste meetod, millel on kõrge selgus, annab samad tulemused kui absoluutsete erinevuste meetod väiksema arvutuste arvuga, mis on üsna mugav, kui mudelites on palju tegureid.

Proportsionaalse jagamise meetod (osalus aktsiakapitalis)

Kohaldatav lisandi Y = puhul a + b + c ja mitu mudelit nagu Y= a/(b + c + d), sealhulgas mitmetasandilised. See meetod seisneb efektiivse näitaja kasvu proportsionaalses jaotamises U muutes iga nendevahelist tegurit. Näiteks aditiivse mudeli puhul Y = a + b + c mõju arvutatakse järgmiselt

Eeldame, et Y on tootmiskulu; a, b, c - vastavalt materjali-, töö- ja amortisatsioonikulud. Las ettevõtte üldise kasumlikkuse tase väheneb 10% tootmiskulude suurenemise tõttu 200 tuhande rubla võrra. Samal ajal vähenesid materjalikulud 60 tuhande rubla võrra, tööjõukulud kasvasid 250 tuhande rubla võrra ja amortisatsioonikulud suurenesid 10 tuhande rubla võrra. Siis esimese teguri tõttu (A) kasumlikkuse tase on tõusnud:

Teise tõttu (b) ja kolmandad (c) tegurid, kasumlikkuse tase langes:

Diferentsiaalarvutuse meetod

Eeldab, et funktsiooni summaarne juurdekasv jagatakse osadeks, kus igaühe väärtus määratakse vastava osatuletise ja selle tuletise arvutamise aluseks oleva muutuja juurdekasvu korrutisena.

Vaatleme kahe muutuja funktsiooni: g=/(x, y). Kui see funktsioon on diferentseeritav, saab selle juurdekasvu esitada kui

Kus Ag = (2(- 2о)- funktsiooni muutus; Oh = ("Г] - ,г0) - esimese teguri muutus; Ау = (у^ - r/()) - teise teguri muutus.

Summa (dg/dh)Ah + (dg/du)Ay – diferentseeruva funktsiooni juurdekasvu põhiosa (mida võetakse arvesse diferentsiaalarvutuse meetodis); 0Ud~r ^+d7/ - lagunematu jääk, mis on lõpmata väike väärtus piisavalt väikeste muutuste korral tegurites x ja u. Seda komponenti ei võeta vaadeldava diferentsiaalarvutuse meetodi puhul arvesse. Küll aga oluliste tegurite muutumisega (Oh Ja oi) Olulisi vigu võib esineda tegurite mõju hindamisel.

Näide 16.1. Funktsioon G paistab nagu z = x-y, mille puhul on teada mõjutegurite alg- ja lõppväärtused ning sellest tulenev näitaja (x&y0, r0,X,y, 2). Seejärel määratakse avaldiste abil mõjutegurite mõju saadud näitaja väärtusele

Arvutame jääkliikme väärtuse funktsiooni Dg = kogumuutuse väärtuse vahena X ■ y - x0 o g/o ja mõjutegurite mõjude summa g,. + Dg(/ = y0-Ax + xn■ &y:

Seega jäetakse diferentsiaalarvutuse meetodi puhul lagunematu jääk lihtsalt kõrvale (loogiline

diferentseerimismeetodi viga). See vaadeldava meetodi lähendus on miinus majanduslikel arvutustel, kus on vaja saadava näitaja muutuste täpset tasakaalu ja mõjutegurite mõju summat.

Kohaldatav ka absoluutse erinevuse meetodiga sama tüüpi multiplikatiivsetele mudelitele ja segamudelitele.

Suhteliste erinevuste meetodit kasutatakse juhtudel, kui lähteandmed sisaldavad juba eelnevalt määratud tegurinäitajate suhtelisi hälbeid protsentides või koefitsientidena.

Selle reegli kohaselt tuleb esimese teguri mõju arvutamiseks korrutada efektiivne põhinäitaja selle teguri suhtelise suurenemisega kümnendmurru kujul.
Teise teguri mõju määratakse nii, et efektiivse näitaja baasväärtusele liidetakse selle esimesest tegurist tingitud muutuse suurus ja korrutatakse saadud summa teise teguri suhtelise suurenemisega.

Näide

Efektiivse näitaja kogumuutus koosneb efektiivse näitaja muutuste summast, mis on tingitud iga teguri muutusest, kusjuures muud tegurid on fikseeritud.

Selle meetodi kasutamise tulemusena võib tekkida lagunematu jääk, mis liidetakse viimase teguri mõju suurusele.

Indeksi meetod

Põhineb faktori (koond)indeksite konstrueerimisel.

Analüüsis indekseid kasutades lahendatakse järgmised ülesanded:

1) Nähtuse taseme muutuste hindamine

2) Individuaalsete tegurite mõju tuvastamine tulemuseks oleva tunnuse muutustele

3) Rahvastiku struktuuri mõju hindamine nähtuse dünaamikale

Majandusanalüüsis kasutatakse lihtsaid ja analüütilisi indekseid.

Indeks lihtsalt tähistab atribuudi taseme suhet aruandeperioodil võrreldes baastasemega.

Märgitud väikese tähega i kui nad räägivad hindadest

Analüütiline indeks koosneb alati kahest elemendist: indekseeritud tunnusest (mille dünaamikat uuritakse) ja kaaluelemendist, mis toimib kaasmõõtjana.

Analüütiliste indeksite abil uuritakse keeruka majandusnähtuse dünaamikat, mille üksikud elemendid ei ole võrreldavad.

Tähistatakse suure algustähega I

Analüütiliste indeksite keskne probleem on kaalumise probleem. Oluline on esmalt määrata kaaluatribuut ja seejärel valida tase, millelt kaaluatribuut võetakse.

Esimene probleem lahendatakse seotud tunnuste süsteemi leidmisega, mille korrutis annab majanduslikult arusaadava näitaja.

Kvalitatiivsete näitajate jaoks on vaja kvantitatiivset kaalu ja vastupidi.

Uuritava nähtusega otseselt seotud ja seda iseloomustavat märki nimetatakse esmane või kvantitatiivne. Peamised märgid võib kokku võtta. Nimetatakse tunnuseid, mis seostuvad uuritava nähtusega mitte otseselt, vaid ühe või mitme muu tunnuse kaudu ja iseloomustavad uuritava nähtuse kvalitatiivset poolt. teisejärguline või kvaliteet. Need on alati suhtelised näitajad ja reeglina ei saa neid otseselt kokku võtta.

Analüütiliste indeksite koostamisel on kaaluatribuudi valimisel järgmine reegel:
Põhinäitajatel põhinevate analüütiliste indeksite koostamisel on soovitatav kaaluda baasperioodi, kõrvalnäitajate puhul aruandeperioodi tasemel.

Soovitatav on kasutada indeksmeetodit, kui iga tegur on kompleksnäitaja.

Erinevuste meetodi täiustamine kaasaegses analüüsis. Logaritmi- ja integraalmeetodid

Korrelatsioonianalüüs

korrelatsioonianalüüs – on meetod seose loomiseks ja selle läheduse mõõtmiseks vaatluste vahel, mida võib pidada juhuslikeks ja valida mitme muutujaga normaalseaduse järgi jaotatud populatsioonist.

Korrelatsioonisuhe on statistiline seos, milles ühe muutuja erinevad väärtused vastavad teise muutuja erinevatele keskmistele väärtustele.

Eristama leiliruum Ja mitmekordne korrelatsioon. Paaripõhises korrelatsioonis tekib seos kahe näitaja vahel, millest üks on tegur ja teine ​​tulemus.

Mitu korrelatsiooni tekib siis, kui efektiivset indikaatorit mõjutavad mitmed tegurid.

Seose tihedust statistikas saab määrata erinevate koefitsientide abil. Majandusanalüüsis kasutatakse sagedamini lineaarset korrelatsioonikordajat. Väärtused muutuvad [-1;1]. Väärtus -1 näitab rangelt määratud pöördvõrdelise seose olemasolu tegurite vahel. Väärtus 1 näitab rangelt määratud otse proportsionaalset seost. Kui korrelatsioonikordaja on 0, pole tegurite vahel seost. Teiste korrelatsioonikordaja väärtuste puhul on stohhastiline seos. Mida lähemal on väärtus r ühtsusele, seda tugevam on ühendus.
|r|<3 – слабая связь
3<|r|<7 – средняя теснота
|r|>7 – tihe seos

Korrelatsioonianalüüsi läbiviimine hõlmab järgmisi samme:

1) Teabe kogumine ja selle esmane töötlemine
Selles etapis viiakse läbi rühmitamine, anomaalsete vaatluste välistamine ja ühemõõtmelise jaotuse normaalsuse kontrollimine.

2) Suhete esialgne iseloomustus. Analüütiliste rühmituste ja graafikute koostamine

3) Multikollineaarsuse kõrvaldamine ja indikaatorite komplekti täpsustamine paarvutamise teel.

4) Tegursõltuvuse uurimine ja selle olulisuse kontrollimine.

5) Analüüsi tulemuste hindamine ja soovituste koostamine nende praktiliseks kasutamiseks.

Regressioonanalüüs

See on meetod uuritavate tunnuste vahelise stohhastilise sõltuvuse analüütilise avaldise loomiseks.

Regressioonivõrrand näitab, kuidas keskmiselt Y muutub, kui nende X muutub

Kui on ainult üks sõltumatu muutuja X, on meil lihtne regressioonanalüüs. Kui sõltumatuid muutujaid on 2 või enam, on tegemist mitme muutujaga analüüsiga.

Regressioonanalüüsi käigus lahendatakse 2 põhiülesannet:

1) Regressioonivõrrandi koostamine (tulemusnäitaja ja sõltumatute tegurite vahelise seose tüübi leidmine).

2) Saadud võrrandi olulisuse hindamine, s.o. määrates kindlaks, kui palju valitud teguri karakteristikud selgitavad tunnuse Y varieerumist.

Regressioonanalüüs, erinevalt korrelatsioonianalüüsist, annab seose formaliseeritud väljenduse ega määra lihtsalt korrelatsiooni olemasolu.

Korrelatsioonanalüüs uurib igasugust seost tegurite vahel ja regressioonanalüüs ainult ühepoolset sõltuvust, s.t. selline seos, mis näitab, kuidas faktortunnuste muutus mõjutab efektiivset tunnust.

Regressioonanalüüsis kasutatakse ainult lineaarseid mudeleid.

Võrrandi parameetrite leidmiseks kasutatakse kõige sagedamini vähimruutude meetodit.

Dispersioonanalüüs

Meetod, mis võimaldab kinnitada või ümber lükata hüpoteesi, et 2 andmevalimi kuuluvad samasse populatsiooni.

Seoses ettevõtte tegevuse analüüsiga võimaldab dispersioonanalüüs kindlaks teha, kas erinevate vaatluste rühmad kuuluvad samasse andmekogumisse või mitte. (kas rühmadevahelised erinevused on olulised)

Dispersioonanalüüsi kasutatakse sageli koos rühmitamismeetoditega ja selle ülesandeks on antud juhul hinnata rühmadevaheliste erinevuste olulisust. Selleks määratakse rühmade dispersioonid ning seejärel kontrollitakse Student-Fisheri statistiliste testide abil rühmadevaheliste erinevuste olulisust.

Klasteranalüüs

Üks mitmemõõtmelise analüüsi meetoditest, mis on mõeldud populatsiooni rühmitamiseks (klastriks), mille elemente iseloomustavad paljud tunnused. Iga tunnuse väärtus toimib objektide mitmemõõtmelises ruumis uuritava populatsiooni iga üksuse koordinaatidena.

Iga vaatlust, mida iseloomustavad mitme indikaatori väärtused, saab esitada punktina nende indikaatorite ruumis, mille väärtusi peetakse koordinaatideks mitmemõõtmelises ruumis.

Klastritevahelised erinevused peaksid olema olulisemad kui samale klastrile määratud vaatluste vahel.

HEURISTILISED MEETODID MAJANDUSALAS

Need on muutunud äritegevuse uurimisel laialt levinud tegevust juhtivate tegurite suure ebakindluse tõttu.
Nende hulka kuuluvad otsingu- ja hindamismeetodid, mis võimaldavad teil leida lahenduse loomingulisele probleemile lähteandmete ebatäielikkuse või ebausaldusväärsuse tingimustes.

Heuristilised meetodid võib jagada kahte klassi: otsimine ja hindamine

Majandusanalüüs

Majandusanalüüsi meetodid:

1. Traditsiooniline

· Majandusstatistika meetodid (absoluutväärtused, suhtelised väärtused, keskmised väärtused, indeksid, rühmitused)

· Klassikalised majandusanalüüsi meetodid (bilansimeetod, võrdlused, faktiplaan, võrdlused eelmiste perioodidega, võrdlused juhtivate tööstusharu näitajate tulemusnäitajatega, võrdlus keskmiste näitajate järgi, horisontaalanalüüs, vertikaalanalüüs, trendianalüüs – kasutatakse dünaamikaseeriate koostamiseks, deterministlike tegurite meetodite analüüs)

2. Matemaatiline

· Stohhastiline faktorianalüüs (korrelatsioonanalüüs, regressioonanalüüs, dispersioonanalüüs)

· Näitajate optimeerimise meetodid (majanduslikud ja matemaatilised meetodid, optimeerimise programmeerimine)

Deterministlik faktorianalüüs (DFA)

See on metoodika selliste tegurite mõju uurimiseks, mille seos efektiivse näitajaga on oma olemuselt funktsionaalne.
DFA tehnika

1. Määrake saadud näitaja ja seda mõjutavad tegurid

2. Loo suhete mudel

3. Valige analüüsimeetod

4. Arvutatakse tegurite mõju (kõigepealt kvantitatiivne, seejärel kvalitatiivne)

5. Sõnastatakse järeldused (kui stimulant on kvantitatiivne näitaja, siis see on ulatuslik areng, kui see on kvalitatiivne, siis intensiivne)

Piirangud faktorianalüüsi läbiviimisel: kõik tegurid toimivad üksteisele sõltumatult; kui ühe rühma tegureid on mitu, siis esmalt paljulubavad esmased ja seejärel sekundaarsed.

1. Lisamudel

2. Korrutav

3. Mitu mudelit

4. Kombineeritud (segatud)

DFA meetodite omadused

1. Ahelasenduste meetod - koosneb efektiivse indikaatori mitme vaheväärtuse määramisest, asendades järjestikku tegurite põhiväärtused aruandvate väärtustega, vaheväärtuste erinevus võrdub muutusega efektiivses indikaatoris muutuva teguri tõttu (universaalne kõikidele tüüpidele).

Algoritm: määratakse tegelike ja põhiväärtuste vahelise kõrvalekalde suurus; tuvastatakse üksiku teguri mõju suurus, selleks muudetakse järjestikku ühte tegurite ahela tegurit ja arvutatakse näitajate hinnanguline väärtus eeldusel, et ülejäänud tegurid jäävad muutumatuks; läbivaatus.

Ülesanne: teha kindlaks tootmismahu muutus, mis on tingitud muutustest sellistes tegurites nagu keskmine töötajate arv, ühe töötaja töötunnid ja keskmine tunnitoodang.

Järeldus: tootmismaht kasvas aruandeperioodil võrreldes baasperioodiga 1120 võrra, sh töötajate arvu kasvu tõttu kasvas toodangumaht 320 tuhande rubla võrra. Ühe töötaja tööaja pikenemise tõttu kasvas toodangumaht 262 tuhande rubla võrra. ja toodangu suurenemise tõttu ühe töölise võrra suurenes toodang 538 tr.

Absoluutse erinevuse meetod on ahelasendusmeetodi lihtsustatud tehniline tehnika, kuid seda kasutatakse ainult korduva ja mõne kombineeritud tehnika puhul.

Algoritm: üksikute tegurite mõju arvutatakse, korrutades uuritava teguri absoluutse muutuse muude tegurite põhi- või tegelike väärtustega, sõltuvalt valitud järjestusest.

Suhteliste erinevuste meetodi olemus ja eesmärk. Selle kohaldamisala. Algoritm tegurite mõju arvutamiseks sel viisil.

suhteliste erinevuste meetod, nagu eelmine, kasutatakse seda tegurite mõju mõõtmiseks tulemusnäitaja kasvule ainult multiplikatiivsetes ja aditiivsetes-multiplikatiivsetes mudelites nagu V = (a - b)c. See on palju lihtsam kui ahela asendused, mis muudab selle teatud tingimustel väga tõhusaks. Eelkõige puudutab see juhtumeid, kui lähteandmed sisaldavad eelnevalt kindlaks määratud tegurinäitajate suhtelisi suurenemisi protsentides või koefitsientidena.

Vaatleme metoodikat tegurite mõju arvutamiseks sellisel viisil V tüüpi multiplikatiivsete mudelite puhul = A X IN X KOOS. Kõigepealt peate arvutama tegurite näitajate suhtelised kõrvalekalded:

Seejärel määratakse igast tegurist tingitud efektiivse näitaja muutus järgmiselt:

Selle reegli kohaselt tuleb esimese teguri mõju arvutamiseks korrutada efektiivse indikaatori põhiväärtus (planeeritud) esimese teguri suhtelise suurenemisega, väljendatuna protsentides, ja jagada tulemus 100-ga.

Teise teguri mõju arvutamiseks peate efektiivse näitaja kavandatud väärtusele liitma esimesest tegurist tingitud muutuse ja seejärel korrutama saadud summa teise teguri suhtelise suurenemisega protsentides ja jagama tulemus 100.

Kolmanda teguri mõju määratakse sarnaselt: efektiivse näitaja kavandatud väärtusele on vaja liita selle tõus esimesest ja teisest tegurist ning saadud summa korrutada kolmanda teguri suhtelise suurenemisega jne. .

Konsolideerime vaadeldava metoodika tabelis toodud näite abil. 6.1:

Nagu näete, on arvutustulemused samad, mis eelmiste meetodite kasutamisel.

Suhteliste erinevuste meetodit on mugav kasutada juhtudel, kui on vaja arvutada suure hulga tegurite (8-10 või enama) mõju. Erinevalt eelmistest meetoditest on arvutuste arv oluliselt vähenenud.

Selle meetodi variatsioon on protsentuaalsete erinevuste aktsepteerimine. Vaatleme sama näite abil tegurite mõju arvutamise meetodit (tabel 6.1).

Et teha kindlaks, kui palju on brutotoodangu maht töötajate arvu tõttu muutunud, on vaja selle planeeritud väärtus korrutada töötajate arvu plaanist ületamise protsendiga. HR%:

Teise teguri mõju arvutamiseks on vaja planeeritud kogutoodangu maht korrutada plaani täitmise protsendi vahega kõigi töötajate töötatud päevade koguarvu kohta. D% ja plaani täitmise protsent keskmise töötajate arvu kohta HR%:

Brutotoodangu absoluutne suurenemine keskmise tööpäeva pikkuse muutumisest (vahetusesisesed seisakud) leitakse, korrutades planeeritud kogutoodangu mahu plaani täitmise protsendi vahega töötundide koguarvust kõik töölised t% ja nende tööpäevade koguarv D%:

Et arvutada keskmise tunnitoodangu mõju kogutoodangu mahu muutustele, on vajalik brutotoodangu plaani täitmise protsendi vahe VP% ja plaani täitmise protsent kõigi töötajate töötatud tundide koguarvust t% korrutada kavandatud kogutoodangu mahuga VPpl:

Selle meetodi eeliseks on see, et selle kasutamisel ei ole vaja arvutada faktorinäitajate taset. Piisab andmete olemasolust kogutoodangu plaani täitmise protsendi, töötajate arvu ning nende tööpäevade ja tundide arvu kohta analüüsitud perioodil.

Vaata ka: