Взаимосвязь эконометрики с экономической теорией, статистикой и экономико-математическими методами. Статистическая группировка и сводка

1

Осуществлено исследование возможностей математико-статистического инструментов эконометрики, благодаря которым выполнена оценка и анализ общей эффективности работы сотрудника компании. В качестве показателя эффективности работы сотрудника выбран показатель прибыли компании, созданный сотрудником. Определены основные показатели динамики эффективности работы, дана графическая иллюстрация результатов расчетов. Выявлены ключевые факторы, оказывающие влияние на эффективность работы сотрудника компании, для этого использовались возможности корреляционно-регрессионного анализа с использованием матрицы парных корреляций. Осуществлен анализ сезонной составляющей показателя эффективности деятельности сотрудника. Выполнен расчет и анализ коэффициентов эластичности, характеризующих влияние факторных признаков на результативный показатель эффективности работы. Проведен трендовый анализ ключевых факторов. Выполнено построение уравнений парной и множественной регрессий. Осуществлена оценка качества построенных уравнений регрессий с использованием критериев Фишера, t–Статистики Стьюдента и коэффициента детерминации. Выполнен расчет точечного и интервального прогнозов эффективности деятельности сотрудника компании на перспективные периоды. Внесены предложения по повышению эффективности деятельности сотрудников компании.

эффективность деятельности сотрудника

корреляционно-регрессионный анализ

оценка качества регрессий

1. Алексеева Е.В., Гусарова О.М. Эконометрическое исследование финансовых показателей деятельности организации // Международный студенческий научный вестник. – 2016. – № 4–4. – С. 497–500.

2. Голичева Н.Д., Гусарова О.М. Теория и практика моделирования финансово-экономических процессов в условиях экономической неопределенности. – Смоленск: Маджента, 2016. – 227 с.

3. Гусарова О.М. Трендовый анализ приоритетных направлений региональной экономики // Фундаментальные исследования. – 2016. – № 8–1. – С.123–128.

4. Гусарова О.М. Аналитический аппарат моделирования корреляционно-регрессионных зависимостей // Международный журнал прикладных и фундаментальных исследований. – 2016. – № 8–2. – С.219–223.

5. Гусарова О.М., Кузьменкова В.Д. Моделирование и анализ тенденций развития региональной экономики // Фундаментальные исследования. – 2016. – № 3–2. – С.354–359.

6. Гусарова О.М. Эконометрический анализ статистической взаимосвязи показателей социально-экономического развития России // Фундаментальные исследования. – 2016. – № 2–2. – С.357–361.

7. Гусарова О.М. Методы и модели прогнозирования деятельности корпоративных систем // Теоретические и прикладные вопросы образования и науки: сборник научных трудов по материалам Международной научно-практической конференции, 2014. – С. 48–49.

8. Ильин С.В., Гусарова О.М. Эконометрическое моделирование в оценке взаимосвязи региональных показателей // Международный студенческий научный вестник. – 2015. – № 4–1. – С.134–136.

9. Гусарова О.М. Мониторинг ключевых показателей эффективности бизнес-процессов // Актуальные вопросы экономики и управления в условиях модернизации современной России. – Смоленск: Смолгортипография, 2015. – C. 84–89.

10. Гусарова О.М. Моделирование результатов бизнеса в менеджменте организации // Перспективы развития науки и образования: сборник научных трудов по материалам Международной научно-практической конференции, 2014. – С. 42–43.

11. Журавлева М.А., Гусарова О.М. Анализ и совершенствование деятельности акционерных обществ (на примере ОАО «Смоленскоблгаз») // Современные наукоемкие технологии. – 2014. – № 7–3. – С. 10–12.

12. Гусаров А.И., Гусарова О.М. Управление финансовыми рисками региональных банков (на примере ОАО «Аскольд») // Современные наукоемкие технологии. – 2014. – № 7–3. – С. 8–10.

13. Гусарова О.М. Исследование качества краткосрочных моделей прогнозирования финансово-экономических показателей. – М., 1999. – 100 с.

14. Орлова И.В., Половников В.А., Филонова Е.С., Гусарова О.М. и др. Эконометрика. Учебно-методическое пособие. – М.: 2010. – 123 с.

С целью повышения эффективности работы компании в целом и каждого подразделения в отдельности, а также подготовке аналитического отчета для определения стратегической линии развития выполнено исследование эффективности деятельности сотрудника компании. В ходе осуществленного исследования при помощи математическо-статистических методов с использованием возможностей корреляционно-регрессионного анализа осуществлена оценка эффективности деятельности сотрудника компании ООО «Автохолод». В качестве показателей, подлежащих исследованию выбраны: средняя прибыль компании, созданная отдельным сотрудником (Y), чистая прибыль (Х1), объем реализации услуг для юридических лиц (Х2), объем реализации услуг для физических лиц (X3), дополнительная прибыль за счет расширения спектра услуг (Х4).

Выявление динамики исследуемых показателей осуществлено с помощью следующих формул (табл. 1). Иллюстрация результатов расчетов представлена на рис. 1-2.

Таблица 1

Показатели динамики признаков

	Абсолютный прирост	Темп роста	Темп прироста
Базисный

По результатам графической интерпретации результатов расчетов, можно утверждать, что имеет место сезонный фактор в реализации продуктов компании. Также виден рост прибыли предприятия, принесенной сотрудником благодаря расширению спектра оказываемых услуг.

Рис. 1. Абсолютный цепной прирост эффективности деятельности

Рис. 2. Абсолютный базисный прирост эффективности деятельности сотрудника

Выбор факторных признаков для построения регрессионных моделей осуществлен с помощью математико-статистического инструментария, используя возможности корреляционно-регрессионного анализа, с помощью матрицы коэффициентов парной корреляции (рис. 3).

Рис. 3. Матрица парных корреляций

Анализ матрицы парных корреляций позволил выявить ведущий фактор Х2 (объем реализации услуг для юридических лиц) . С целью устранения мультиколлинеарности из рассмотрения исключаем фактор Х3 (объем реализации услуг для физических лиц) . Фактор Х4 (дополнительная прибыль за счет расширения спектра услуг) также целесообразно из рассмотрения исключить ввиду низкой корреляционной зависимости с результативным признаком Y . Результаты построения множественной регрессии представлены на рис. 4.

Рис. 4. Результаты итогов регрессионного анализа

На основании выполненных расчетов уравнение множественной регрессии имеет вид:

Y=0,871179777.Х1+ +0,919808093.Х2+152,4197205.

Оценим качество полученного уравнения множественной регрессии: величина коэффициента детерминации, равная R = 0,964 достаточно близка к 1, следовательно, качество полученного уравнения регрессии можно признать высоким; значение критерия Фишера F=229,8248 превосходит табличное значение, равное 3,591, следовательно, уравнение регрессии можно признать статистически значимым и использовать его для оценки эффективности работы сотрудника компании . Для оценки статистической значимости факторных признаков используется t-критерий Стьюдента. С помощью функции =СТЬЮДЕНТ.ОБР.2Х(0,05;17) определено табличное значение t табл = 2,109815578. Сравнив расчетные значения t-статистики, взятые по модулю, с табличным значением этого критерия, можно сделать вывод о статистической значимости факторов Х1 и Х2 .

Оценим степень влияния факторов на результативный признак, используя коэффициенты эластичности, b - и D - коэффициенты (рис.5).

Рис. 5. Расчет дополнительных коэффициентов взаимосвязи признаков

Частный коэффициент эластичности показывает изменение среднего значения результативного показателя при изменении среднего значения факторного признака на 1 %, т.е., при увеличении на 1 % величины чистой прибыли (Х1) прибыль компании увеличится на 0,287 % (Э1 = 0,287), при увеличении на 1 % объема реализации услуг для юридических лиц (X2) объём прибыли увеличится на 0,535 % (Э2 =0,535) .

β-коэффициент показывает величину изменения среднего квадратического отклонение результативного признака при изменении СКО факторного признака на 1 единицу, т.е. при увеличении на 1 единицу СКО чистой прибыли (X1), СКО объёма прибыли увеличится на 0,304 (=0,304); при увеличении на 1 единицу СКО объема реализации услуг для юридических лиц СКО прибыли организации увеличится на 0,727 единицы (=0,727) .

Δ - коэффициент показывает, каково удельное влияние отдельно взятого факторного признака на результативный признак при фиксировании на определенном уровне влияния всех других факторов, т.е. удельный вес влияния объема реализации услуг для юридических лиц (X2) на объём прибыли (результативный признак) составляет 72,6 % (Δ2 = 0,726369), а удельное влияние чистой прибыли (Х1) на прибыль составляет 27,3 % (Δ1 = 0,273631) .

Используя уравнение множественной регрессии со статистически значимыми факторами, рассчитаем прогноз прибыли, характеризующей эффективность деятельности компании, используя возможности трендового анализа (см. табл. 2) .

Таблица 2

Результаты трендового анализа факторных признаков

На основании полученных данных рассчитаем точечный прогноз Y.

X1 = 1,3737 t - 20,029 t + 294,38, X2 = =2,099 t - 16,372 t + 368,2.

Для определения прогноза факторных признаков получим:

Х1прогн =1,3737.21.21-20,029.21+294,38=479,5727 (тыс. руб.);

Х2 прогн = 2,099.21.21- -16,372.21+368,2=950,047 (тыс. руб.).

Для определения прогноза эффективности деятельности сотрудника:

Yпрогн = 0,871179777.Х1прогн + +0,919808093.Х2прогн+152,4197205 = =1444,07468 (тыс. руб.)

Для определения интервального прогноза результативного эффективности деятельности сотрудника (Y) рассчитаем ширину доверительного интервала по формуле:

Осуществим подстановку промежуточных результатов расчетов, получим:

U(k)=80,509.2,1098*КОРЕНЬ(1+0,05+((1444-855)*(1444-855))/3089500)= =183,1231 (тыс. руб.).

Таким образом, прогнозное значение прибыли компании Yпрогн=1444,07468, будет находиться между

Верхней границей, равной 1444,07468 + 183.1231= 1627,2 и

Нижней границей, равной1444,07468 - 183,1231=1261 (тыс.руб.).

По результатам исследования можно сделать следующие выводы:

Осуществлена оценка эффективности работы отдельного сотрудника ООО «Автохолод», основной деятельностью которого является продажа и монтаж дополнительного оборудования для коммерческого автомобильного транспорта;

Осуществлено построение уравнения множественной регрессии, характеризующее зависимость эффективности деятельности сотрудника от ряда факторов;

Прогнозное значение прибыли компании, рассчитанное по уравнению множественной регрессии, будет находиться в интервале от 1261 тыс.руб. до 1627 тыс.рублей;

Данное уравнение регрессии признано статистически значимым по критерию Фишера и обладает достаточно высоким качеством, следовательно, результаты расчетов можно признать надежными и достоверными.

Для повышения эффективности деятельности, как компании, так и сотрудников необходимо осуществлять взвешенную и сбалансированную политику продвижения товаров и услуг компании на региональном рынке, расширять маркетинговые исследования по продвижению услуг, внедрять инновационные методы ведения бизнеса с использованием современных информационных технологий и методов моделирования и бизнес-аналитики деятельности компании.

Библиографическая ссылка

Царьков А.О., Гусарова О.М. ИСПОЛЬЗОВАНИЕ МАТЕМАТИКО-СТАТИСТИЧЕСКИХ ИНСТРУМЕНТОВ ЭКОНОМЕТРИКИ В ОЦЕНКЕ ЭФФЕКТИВНОСТИ РАБОТЫ СОТРУДНИКА // Международный студенческий научный вестник. – 2018. – № 4-6.;
URL: http://eduherald.ru/ru/article/view?id=19011 (дата обращения: 25.11.2019). Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»

Эконометрика – измерения в экономике. Слово «эконометрика» введено в 1926 году норвежским экономистом и статистиком, лауреатом Нобелевской премии Рагнаром Фришем. Современное экономическое образование на западе держится на трех китах: макроэкономике, микроэкономике и эконометрике. В централизованной плановой экономике эконометрика была не нужна, поскольку все планы спускались сверху, не возникало необходимости прогнозировать возможные модели экономического поведения в той или иной ситуации, например. Кроме того, эконометрические методы способны были выявить те или иные нежелательные для властей тенденции экономического развития. В настоящее время наши вузы стали перестраиваться в этом направлении. Почему же эконометрика так важна? Ответить на этот вопрос сложно, и, я надеюсь, что к концу нашего курса вы немного на этот вопрос ответите. Чем больше профессионалом становится экономист, тем он больше понимает, что в экономике все зависит от всего. Для того чтобы понять, каким именно образом выражается эта зависимость, и служат эконометрические методы.

Что же за наука эконометрика? Дать определение живой, развивающейся науке, описать ее предмет и метод достаточно трудно. «Эконометрика» – наука об экономических измерениях, но это то же самое, что сказать, что математика – наука о числах. Понятие эконометрика имеет несколько более узкое содержание и назначение, чем это выражено в буквальном переводе и, в то же время, более широкое, чем просто набор статистических инструментов. Современный взгляд на эконометрику отражен в следующем определении:

Эконометрика – научная дисциплина, объединяющая совокупность теоретических результатов, приемов, методов и моделей, предназначенных для того, чтобы на базе

экономической теории;

экономической статистики;

математико-статистического инструментария

придавать конкретное количественное выражение общим (качественным) закономерностям, обусловленным экономической теорией. (С. А. Айвазян, В. С. Мхитарян. Прикладная статистика и основы эконометрики.)

Иными словами, эконометрика позволяет на базе положений экономической теории и исходных данных экономической статистики, используя необходимый математико-статистический инструментарий, придавать конкретное количественное выражение общим (качественным) закономерностям.

Другие взгляды:

Метод экономического анализа, который объединяет экономическую теорию со статистическими и математическими методами анализа. Это попытка улучшить экономические прогнозы и сделать возможным успешное планирование [экономической] политики. В эконометрике экономические теории выражаются в виде математических соотношений, а затем проверяются эмпирически статистическими методами. Данная система используется, чтобы создать модели народного хозяйства с целью прогнозирования таких важных показателей, как валовой национальный продукт, уровень безработицы, темп инфляции и дефицит федерального бюджета. Эконометрика используется все более широко, несмотря на то, что полученные с помощью нее прогнозы не всегда оказывались достаточно точными.

The Concise Columbia Electronic Encyclopedia, Third Edition. http://www.encyclopedia.com/

«Подобно математической экономике, эконометрика - это скорее нечто, чем занимаются экономисты, чем определенная предметная область. Эконометрика связана с изучением эмпирических данных статистическими методами; цель этого - проверка гипотез и оценка соотношений, предложенных экономической теорией. В то время как математическая экономика занимается чисто теоретическими аспектами экономического анализа, эконометрика пытается подвергнуть проверке теории, которые уже представлены в явной математической форме. Однако часто эти две области экономической науки пересекаются».

из статьи Марка Блауга для Британской энциклопедии

«Проблемы в эконометрики многочисленны и разнообразны. Экономика - это сложный, динамический, многомерный и эволюционирующий объект, поэтому изучать ее трудно. Как общество, так и общественная система изменяются со временем, законы меняются, происходят технологические инновации, поэтому найти в этой системе инварианты непросто. Временные ряды коротки, сильно агрегированы, разнородны, нестационарны, зависят от времени и друг от друга, поэтому мы имеем мало эмпирической информации для изучения. Экономические величины измеряются неточно, подвержены значительным позднейшим исправлениям, а важные переменные часто не измеряются или ненаблюдаемы, поэтому все наши выводы неточны и ненадежны. Экономические теории со временем меняются, соперничающие объяснения сосуществуют друг с другом, и поэтому надежная теоретическая основа для моделей отсутствует. И среди самих эконометристов, по-видимому, нет согласия по поводу того, как следует заниматься их предметом».

из книги Д. Хендри D. F. Hendry, Dynamic Econometrics, Oxford University Press, 1995, p.5.

«Существует две вещи, процесс изготовления которых лучше не видеть: сосиски и эконометрические оценки». Э. Лимер E. E. Leamer, "Lets’s Take the Con out of Econometrics," American Economic Review, 73 (1983), 31-43.

В редакционной статье, открывающей первый номер журнала Econometrica (старейшего эконометрического журнала) нобелевский лауреат Р. Фриш писал:

«... Основной целью [Эконометрического общества] будет стимулирование исследований, которые направлены на объединение теоретико- количественного и эмпирико- количественного подходов к экономическим проблемам, и которые проникнуты конструктивными и строгими рассуждениями того рода, которые преобладают в естественных науках.

Но количественный подход к экономике имеет несколько аспектов, и сам по себе ни один из этих аспектов не следует путать с эконометрикой. Таким образом, эконометрика - это ни в коей мере не то же самое, что экономическая статистика. Она также не совпадает и с тем, что мы называем общей экономической теорией, хотя значительная часть этой теории, безусловно, имеет количественный характер. Эконометрику нельзя также рассматривать как синоним применения математики в экономической теории. Опыт показал, что каждая из этих точек зрения, т.е. статистики, экономической теории и математики, является необходимым, но по отдельности не достаточным, условием реального понимания количественных отношений современной экономической жизни. Сила заключается в объединении этих трех элементов. И именно это объединение составляет эконометрику».

Frisch, R. "Editorial," Econometrica, 1 (1933), 1-4.

Согласно же нашему определению, эконометрика – синтез экономической статистики, экономической теории и математики, наука, связанная с эмпирическим выводом экономических законов, синтез экономической статистики, экономической теории и математики. Т. е. мы используем данные или наблюдения для того, чтобы получить количественные зависимости для экономических законов. Заметим, что отсюда уже следует, что для использования эконометрических методов, нам нужны данные или наблюдения состояния или поведения какого-то экономического объекта. Данные эти как правило, не являются экспериментальными, в отличие от других наук, где используются методы мат. статистики – физики, биологии и др. В экономике мы не можем проводить многократные эксперименты, для того, чтобы проверить правильность наших выводов и в этом специфика экономических данных.

Прикладные цели эконометрики.

вывод экономических законов;

формулировка экономических моделей, основываясь на экономической теории и эмпирических данных;

оценка неизвестных величин (параметров) в этих моделях;

прогнозирование и оценка точности прогноза;

Как же экономист добивается поставленных перед собой целей. В ходе эконометрического исследования экономист последовательно проходит несколько этапов. Этапы эконометрического моделирования:

Человек, начинающий изучать экономику, первым делом приходит к мысли, что в экономике некоторые переменные взаимосвязаны. Формирующийся на рынке спрос на товар рассматривается как функция его цены, затраты, связанные с изготовлением некоторого продукта предполагаются зависимыми от объема производства, потребительские расходы связаны с доходом и др. – примеры связей между двумя переменными, причем одна из переменных выступает в роли объясняемой переменной, другая в роли объясняющей. Для большей реалистичности приходится вводить в соотношение другие объясняющие переменные и случайный фактор. Спрос на товар –цена, потребительский доход, цены на конкурирующие, дополняющие и замещающие товары и др. (писать на доске обозначения). Переменную, процесс формирования значений которой нас по каким-то причинам интересует, будем обозначать Y и называть зависимой или объясняемой. Переменные, которые, как мы предполагаем, оказывают влияние на переменную Y , будем обозначать X j и называть независимыми или объясняющими. Значения этих переменных являются для нее внешними, ничего о том, как формируются эти значения

На этом этапе процесс формирования значений объясняемой переменной можно представить в виде следующей схемы:

X 1 ,…X k – выделенные переменные (наиболее существенно влияющие или представляющие для нас определенный интерес).

Группировка отдельных соотношений в модель – формулирование некоторых гипотез относительно того, как должны быть связаны переменные. Гипотезы эти возникают на основе теоретических экономических предпосылок, интуиции, опыта исследователя, его здравого смысла. Сразу же возникает вопрос, как проверить правильность модели? В физике, биологии все просто – проводим эксперимент и смотрим, подтверждают ли его результаты наши гипотезы. В экономике все сложнее. Как в экономике проводить эксперименты -? Мы можем только наблюдать за действительностью.

Таким образом, на этом этапе эконометрист занимается моделированием поведения экономических объектов. Моделирование – упрощение реальности объекта. Задача, искусство моделирования состоит в том, чтобы как можно более лаконично и адекватно именно те стороны реальности, которые интересуют исследователя.

Математическая модель схемы:

Если , то уравнение (1) называютуравнение регрессии Y на X 1 ,…X k . Функция f – регрессионная функция , линия, которую эта функция описывает в пространстве – линия регрессии .

Пример с заработной платой и возрастом – заработная плата с возрастом растет.

Первая задача – перевести эти предположения на математический язык. К сожалению, проделать это единственным образом нельзя. Что означает возрастающая функция. Есть много функций, которые являются возрастающим функциями своих аргументов. Линейные, нелинейные, разные.

Выход – первоначально сформулировать самую простую модель. Введем следующие обозначения для наблюдаемых экономических параметров:

W – Заработная плата человека;

А – возраст человека;

Простейшая модель (линейная):

Уравнение поведения здесь имеют форму точных функциональных зависимостей. Однако, как мы увидим позднее, это нереалистично и нельзя приступать к эконометрической разработке, не пользуясь некоторыми дополнительными стохастическими спецификациями. Мы добавляем в поведенческие уравнения стохастический член. Поскольку ни для каких реальных экономических данных нельзя обеспечить постоянное соблюдение простых соотношений. Кроме того, из всех возможных объясняющих переменных в спецификацию включается лишь небольшое их подмножество, т. е. мы можем говорить только об аппроксимации моделью некоторых, по-видимому достаточно сложных, но неизвестных нам взаимосвязей. Чтобы обеспечить равенство между правой и левой частью, в каждое соотношение приходится вводить случайную ошибку.

В нашей модели рассматриваются зависимости между некоторыми переменными. Переменные, значения которых объясняются в рамках нашей модели, называются эндогенными . Переменные, значения которых нашей моделью не объясняются, являются для нее внешними, ничего о том, как формируются эти значения, мы не знаем, называются экзогенными . Еще одна переменная – лаговое значение эндогенной переменной. Она тоже для нашей модели внешняя. Экзогенные переменные и лаговые значения эндогенных переменных – предопределенные переменные.

В ходе нашего с вами курса мы с вами столкнемся с несколькими типами эконометрических моделей, которые применяются для анализа и прогноза:

а) модели временных рядов. Такие модели объясняют поведение переменной, меняющейся с течением времени, исходя только из его предыдущих значений. К этому классу относятся модели тренда, сезозонности, тренда и сезонности (аддитивная и мультипликативная формы) и др.

б) регрессионные модели с одним уравнением. В таких моделях зависимая (объясняемая) переменная представляется в виде функции от независимых (объясняющих) переменных и параметров. В зависимости от вида функции модели бывают линейными и нелинейными. Будем изучать именно их.

в) Системы одновременных уравнений. Ситуация экономическая, поведение экономического объекта описывается системой уравнений (наш пример). Системы состоят из уравнений и тождеств, которые могут содержать в себе объясняемые переменные из других уравнений (поэтому вводят понятия экзогенных и эндогенных переменных).

Пункт 2 носит название спецификация модели. Необходимо:

а) определить цели моделирования;

б) определения списка экзогенных и эндогенных переменных;

в) определение форм зависимостей между переменными;

г) формулировка априорных ограничений на случайный член, что важно для свойств оценок и выбора метода оценивания, и некоторые коэффициенты

Теперь необходимо модель проверить. Как это сделать, если мы не физики и не биологи? Методы эконометрии, позволяющие проводить эмпирическую проверку теоретических утверждений и моделей, выступают мощным инструментом развития самой экономической теории. С их помощью отвергаются теоретические концепции и принимаются новые, более полезные гипотезы. Теоретик, не привлекающий эмпирический материал для проверки своих гипотез и не использующий для этого эконометрические методы, рискует оказаться в мире своих фантазий. Собрать данные – необходимый статистический материал. Здесь нам на помощь приходят методы экономической статистики и статистики вообще. Разговор на эту тему.

Типы данных, с которыми эконометристу приходится сталкиваться при моделировании экономических процессов:

а) cross-sectional data – пространственные данные – набор сведений по разным экономическим объектам в один и тот же момент времени;

б) time-series data – временные ряды – наблюдение одного экономического параметра в разные периоды или моменты времени. Эти данные естественным образом упорядочены во времени. Инфляция, денежная эмиссия (годовые), курс доллара США (ежедневные);

в) panel data – панельные данные – набор сведений по разным экономическим объектам за несколько периодов времени (данные переписи населения).

идентификация модели – статистический анализ модели и, прежде всего – статистическое оценивание параметров. Выбор метода оценивания сюда тоже входит. Зависит от особенностей модели.

верификация модели – сопоставление реальных и модельных данных, проверка оцененной модели с тем, чтобы прийти к выводу о достаточной реалистичности получаемой с ее помощью картины объекта, либо признать необходимость оценки другой спецификации модели.

Итак, эконометрические методы разработаны, в основном, для оценивания параметров экономических моделей. Каждая модель содержит, как правило, несколько уравнений, а в уравнение входит несколько переменных. Начнем с самого простого – парной линейной регрессионной модели.

Связь эконометрики с другими дисциплинами. В чем состоит специфика синтеза экономической теории и эконометрики? Эконометрика, исходя из объективно существующих экономических законов, которые определены в экономической теории качественно, на понятийном уровне, формирует подходы к их формализации, количественному выражению связей между экономическими показателями.

Экономическая статистика дает эконометрике методы формирования необходимых экономических показателей, способы их отбора, измерения и др.

Математико-статистический инструментарий, развиваемый в эконометрике, использует и развивает такие разделы математической статистики, как модели линейной регрессии, анализ временных рядов, построение систем одновременных уравнений.

Именно приземление экономической теории на базу конкретной экономической статистики и извлечение из этого приземления с помощью подходящего математического аппарата вполне определенных количественных взаимосвязей являются ключевыми моментами в понимании сущности эконометрики, разграничении её с математической экономикой, описательной статистикой и математической статистикой. Так математическая экономика – это математически сформулированная экономическая теория, которая изучает взаимосвязи между экономическими переменными на общем (неколичественном) уровне. Она становится эконометрикой, когда символически представленные в этих взаимосвязях коэффициенты заменяются конкретными численными оценками, полученными из конкретных экономических данных.

Этапы построения эконометрической модели. Главная цель эконометрики – это модельное описание конкретных количественных взаимосвязей, существующих между анализируемыми показателями в изучаемом социально-экономическом явлении.

Среди прикладных целей можно выделить три:

- прогноз экономических и социально-экономических показателей (переменных), характеризующих состояние и развитие анализируемой системы;

- имитация различных возможных сценариев социально-экономического развития анализируемой системы, когда статистически выявленные взаимосвязи между характеристиками производства, потребления, социальной и финансовой политики и т.п. используются для прослеживания того, как планируемые (возможные) изменения тех или иных поддающихся управлению параметров производства или распределения скажутся на значениях интересующих нас “выходных” характеристик;

- анализ механизма формирования и состояния анализируемого социально-экономического явления. Как работает механизм формирования доходов домохозяйств, реально ли существует дискриминация в оплате труда мужчин и женщин и насколько она велика? Знание реальных количественных соотношений в изучаемом явлении поможет глубже понять следствия принимаемых решений, проводимых экономических реформ, вовремя их откорректировать.

По уровню иерархии анализируемой экономической системы выделяются макроуровень (т.е. страны в целом), мезоуровень (регионы, отрасли, корпорации), микроуровень (семьи, предприятия, фирмы).

Профиль эконометрического исследования определяет проблемы, на которых оно сконцентрировано: инвестиционная, финансовая, социальная политика, распределительные отношения, ценообразование и т.д. Чем конкретнее определен профиль исследования, тем, как правило, адекватнее выбранный метод и эффективнее результат.

Одна из фундаментальных концепций экономики состоит в связи между экономическими явлениями и, соответственно, характеризующими их признаками (переменными). Спрос на некоторый товар на рынке является функцией цены; потребительские расходы семьи – функция её доходов и др, себестоимость продукции зависит от производительности труда. Во всех этих примерах одна из переменных (факторов) играет роль объясняемой (результирующей), а другая – объясняющей (факторной).

Процесс эконометрического моделирования можно разбить на шесть основных этапов.

1. Постановочный. На данном этапе формулируется цель исследования, определяется набор участвующих в модели экономических переменных. Целями эконометрического исследования могут быть:

· анализ исследуемого экономического объекта;

· прогноз его экономических показателей;

· анализ возможного развития процесса при различных значениях независимых переменных и т.д.

2. Априорный. Представляет собой предмодельный анализ экономической сущности изучаемого явления, формирование и формализацию априорной информации, в частности, относящейся к природе и генезису исходных статистических данных и случайных остаточных составляющих.

3. Параметризация. Осуществляется собственно моделирование, т.е. выбор общего вида модели, в том числе состава и формы входящих в неё связей.

4. Информационный. Осуществляется сбор необходимой статистической информации, т.е. регистрация значений участвующих в модели факторов и показателей.

5. Идентификация модели. Осуществляется статистический анализ модели и в первую очередь статистическое оценивание неизвестных параметров модели.

6. Верификация модели. Проводится проверка адекватности модели; выясняется, насколько удачно решены проблемы спецификации, идентификации и идентифицируемости модели; осуществляется сопоставление реальных и модельных данных, оценка точности модельных данных.

Последние три этапа (4-й, 5-й, 6-й) сопровождаются крайне трудоемкой процедурой калибровки модели, которая заключается в переборе большого числа вариантов вычислений с целью получения совместной, непротиворечивой и идентифицируемой модели.

Собственно математическая модель изучаемого явления может быть сформулирована на общем уровне, без настройки на конкретные статистические данные, т.е. она может иметь смысл и без 4-го и 5-го этапов. Однако в таком случае она не является эконометрической. Суть эконометрической модели состоит в том, что она, будучи представленной в виде набора математических соотношений, описывает функционирование конкретной экономической системы, а не системы вообще. Поэтому она «настраивается» на работу с конкретными статистическими данными и, следовательно, предусматривает реализацию 4-го и 5-го этапов моделирования.

4. Статистическая база эконометрических моделей. Одним из важнейших этапов построения эконометрических моделей является сбор, агрегирование и классификация статистических данных.

Основной базой для эконометрических исследований служат данные официальной статистики, либо данные бухгалтерского учета, которые являются отправной точкой любого эконометрического исследования.

При моделировании экономических процессов используют три вида данных:

1) пространственные (структурные) данные, представляющие собой набор показателей экономических переменных полученных в конкретный момент времени (пространственный срез). К ним относят данные об объеме производства, количестве работников, доходе разных фирм в один и тот же момент времени;

2) временные данные, характеризующие один и тот же объект исследования в различные моменты времени (временной срез), например, ежеквартальные данные об инфляции, средней заработной плате и т.д.;

3) панельные (пространственно-временные) данные, занимающие промежуточное положение и отражающие наблюдения по большому количеству объектов, показателей в различные моменты времени. К ним относят: финансовые показатели работы нескольких крупных паевых инвестиционных фондов за несколько месяцев; суммы уплаченных налогов нефтяными компаниями за последние несколько лет и т.п.

Собранные данные могут быть представлены в виде таблиц, графиков и диаграмм.

5. Основные типы эконометрических моделей. В зависимости от имеющихся данных и целей моделирования в эконометрике различают следующие три класса моделей.

Регрессионные модели с одним уравнением. Регрессией принято называть зависимость среднего значения какой-либо величины (y) от некоторой другой величины или от нескольких величин (x i).

В таких моделях зависимая (объясняемая) переменная представляется в виде функции , где - независимые (объясняющие) переменные, а - параметры. В зависимости от количества факторов, включенных в уравнение регрессии, принято различать простую (парную) и множественную регрессии.

Простая (парная) регрессия представляет собой модель, где среднее значение зависимой (объясняемой) переменной у рассматривается как функция одной независимой (объясняющей) переменной х. В неявном виде парная регрессия – это модель вида:

В явном виде:

где a и b – оценки коэффициентов регрессии.

Множественная регрессия представляет собой модель, где среднее значение зависимой (объясняемой) переменной у рассматривается как функция нескольких независимых (объясняющих) переменных х 1 , х 2 , … х n . В неявном виде парная регрессия – это модель вида:

В явном виде:

где a и b 1 , b 2 , b n – оценки коэффициентов регрессии.

Примером такой модели может служить зависимость заработной платы работника от его возраста, образования, квалификации, стажа, отрасли и т.д.

Относительно формы зависимости различают:

· линейную регрессию;

· нелинейную регрессию, предполагающую существование нелинейных соотношений между факторами, выражающихся соответствующей нелинейной функцией. Зачастую нелинейные по внешнему виду модели могут быть приведены к линейному виду, что позволяет их относить к классу линейных.

Например, можно исследовать заработную плату, как функцию социально-демографических, квалификационных характеристик работника.

Понятие эконометрики

Определение 1

Эконометрика представляет собой науку об экономических измерениях.

В современном понимании эконометрика является научной дисциплиной, которая объединила систему теоретических результатов (приемы, методы и модели) следующих направлений:

• экономическая теория;
• экономическая статистика;
• математико-статистический инструментарий и др.

Замечание 1

Таким образом, эконометрика на основе положений экономической теории и базовых положений экономической статистики дает возможность при использовании необходимого математико-статистического инструментария придать определенное (количественное) выражение качественным (общим) закономерностям.

Практически методы эконометрики применяются для следующих целей:

1. Вывести экономические законы,
2. Сформулировать экономические модели, опираясь на знание экономической теории и эмпирических данных,
3. Оценить неизвестные величины (параметры) рассматриваемых моделей,
4. Планировать и оценивать точность прогнозов,
5. Разрабатывать рекомендации в области экономической политики.

Основные методы эконометрики

Можно выделить несколько основных методов эконометрики:

• Сводка и группировка информации;
• Анализ, который может быть вариационным и дисперсионным;
• Применение регрессионного и корреляционного анализа;
• Уравнения зависимостей;
• Индексы статистики.

Статистическая группировка и сводка

Статистическая сводка представляет собой научно-организованную обработку материалов наблюдения, которая состоит из следующих элементов:

• систематизация,
• группировка данных,
• составление таблиц,
• расчет итогов,
• вычисление производных показателей (средние и относительные величины).

Статистическая группировка включает в себя процесс образования однородных групп следующими методами:

• разделение статистических совокупностей на части,
• объединение исследуемых единиц в частные совокупности по соответствующим признакам.

Дисперсия и вариация

Дисперсия признака представляет собой средний квадрат отклонений вариантов от их средней величины. В эконометрике используют несколько типов дисперсии:

• Общая дисперсия, характеризующая вариацию признаков в статистической совокупности в процессе воздействия всех факторов;
• Межгрупповая дисперсия, показывающая размеры отклонений средних групповых величин от общей средней величины, характеризуя при этом влияние фактора, который положен в основу данной группировки;
• Внутригрупповая дисперсия (остаточная), характеризующая вариацию признака в середине каждой группы.

Замечание 2

Одним из методов эконометрики является использование среднего квадратического отклонения, которое представляет собой обобщающую характеристику размеров вариации признака в совокупности.

Квадратическое отклонение равно корню квадратному от дисперсии. При этом для сравнения изменения одного и того же признака в нескольких совокупностях применяют относительный показатель вариации, который называется коэффициент вариации.

Другие методы эконометрики

Рассмотрим еще несколько методов эконометрики:

1. Метод наименьших квадратов определяет точные теоретические значения моделей однофакторной регрессии, включая ее графическое отображение;
2. Статистические индексы, используемые в качестве меры изменения количества, вне зависимости от изменения качественных признаков (цена, себестоимость, производительность труда и др.). Также данные индексы применяют в процессе характеристики качественного признака независимо от изменений в количестве (объем товара в натуральном выражении, численность работников и др.).

УДК: 336 ББК: 65.05

ПРИМЕНЕНИЕ ИНСТРУМЕНТАРИЯ ЭКОНОМЕТРИКИ ДЛЯ ФОРМИРОВАНИЯ МНОГОФАКТОРНОГО КРИТЕРИЯ ОЦЕНКИ СОСТОЯТЕЛЬНОСТИ ОРГАНИЗАЦИИ

Suvorova L. V., Suvorova T.E., Kuklina M.V.

USING THE TOOLS OF ECONOMETRICS FOR FORMATION OF

MULTIFACTOR EVALUATION CRITERIA OF ORGANIZATION VIABILITY

Ключевые слова: компания, вероятность, банкротство, вероятность банкротства, эконометрика, оценка состоятельности, интегральный критерий оценки, модель, оценка, критерий, прогнозная вероятность.

Keywords: company, probability, bankruptcy, the probability of bankruptcy, econometrics, viability assessment, integral evaluation criterion, model, evaluation, criterion, the forecast probability.

Аннотация: в статье рассматривается возможность применения эконометрическо-го инструментария для формирования многофакторного критерия оценки состоятельности организации. Модель оценки, сформированная с помощью метода анализа иерархий, тестируется на данных ста российских нефинансовых компаний, полученные результаты сравниваются с начальными параметрами модели, после чего делается вывод о ее практической применимости.

Abstract: the article discusses the possibility of using econometric tools for the formation of multifactor criteria for evaluating the organization viability. Assessment model, formed by the analytic hierarchy process is tested on data of hundred Russian non-financial companies; these results are compared with the initial parameters of the model, and then conclude its practical applicability.

В условиях ухудшения экономической ситуации как внутри, так и за пределами страны многие компании сталкиваются с финансовыми трудностями. Несостоятельность организации как субъекта экономических отношений может стать предметом судебного делопроизводства. Таким образом, перед современными финансовыми менеджерами встает задача не только предотвратить кризисные явления и обеспечить устойчивое финансовое положение своего предприятия, но и доказать его состоятельность третьим лицам.

В настоящее время существует достаточно много многофакторных критериев оценки состоятельности компаний, предложенных различными авторами, как отечественными, так и зарубежными (Э. Альтман, Р. Таффлер и Г. Тишоу, Р. Лис, Р.С. Сайфулин и Г.Г. Кадыков, ученые Иркутской государственной экономической академии, О.П. Зайцева, У. Бивер, Ж. Кон-

нан и М. Гольдер, Д. Фулмер, Г. Сприн-гейт). Следует отметить, что зарубежные модели не всегда приемлемы для российских организаций, поскольку в них используются коэффициенты-константы, рассчитанные в соответствии с иными экономическими условиями, особенностями кредитования и налогообложения.

Диагностика факторов, приводящих организации к банкротству, может проводится различными методами, в том числе аналитическим, экспертным, методами линейного и динамического программирования, а также с использованием имитационных моделей.

Цель работы - апробировать новую модель оценки состоятельности компаний при помощи эконометрического инструментария.

На основе метода анализа иерархий нами была разработана новая модель оценки состоятельности организации и опреде-

лено пороговое значение интегрального показателя1:

X = 0,194*P(12) + 0,186*P(15) + 0,19*P(27) + 0,232*P(30) + 0,197*P(33),

P(12) - степень платежеспособности организации;

P(15) - коэффициент текущей ликвидности;

P(27) - рентабельность оборотного капитала;

P(30) - фондоотдача;

P(33) - рентабельность продаж

Метод анализа иерархий представляет собой многокритериальный прием оценки, с помощью которого выбираются показатели-факторы, а также формируется многофакторная модель. В целях нахождения приоритетных показателей-факторов была использована шкала относительной важности Т.Саати и К.Кернса.2 С ее помощью построена матрица попарных сравнений показателей-факторов и сделан выбор локальных приоритетов.

Наиболее приоритетными среди рассматриваемых факторов были признаны: степень платежеспособности, коэффициент текущей ликвидности, рентабельность оборотного капитала, фондоотдача и рентабельность продаж.

Для дальнейшего исследования были скорректированы значения приоритетов выделенных факторов путем деления их начальных значений на сумму последних и таким образом получен нормализованный вектор приоритетов по усеченному набору критериев.

Пороговое значение было найдено с помощью эмпирического анализа на реальных данных. Была сформирована выборка из 100 нефинансовых российских компаний

Суворова Л.В., Суворова Т.Е., Куклина М.В.

с помощью базы данных выборку вошли 50 компаний, которые являются состоятельными, и 50 компаний, которые признаны судом банкротами. Для каждой организации был рассчитан интегральный показатель и построен график зависимости интегрального показателя от состояния компаний.

В рамках разработанной нами модели несостоятельными оказались компании, интегральный показатель которых не превышает 15.

Для оценки взаимосвязи вероятности банкротства организаций и значения интегрального критерия мы применили эконо-метрический инструментарий. Для этого использовалась та же выборка из 100 нефинансовых российских компаний.

Тестировались модели бинарного выбора: РгоЬк-модель4 (кумулятивная функция стандартного нормального распределения) и Logit-модель (интегральная функция вероятности логистического распределения). Бинарные модели позволяют определить зависимость вероятности банкротства компании и значения интегрального критерия.

Согласно моделям такого типа зависимая переменная принимает два значения: 0 и 1. В качестве зависимой переменной нами выбрано состояние компании. Значение «0» присваивается состоятельной организации, а значение «1» - несостоятельной компании. В сформированной выборке количество состоятельных и несостоятельных компаний совпадает и равно 50.

Все рассчитанные коэффициенты, в том числе и интегральный показатель по выбранным компаниям, представлены в таблице 1.

1 Суворова, Л.В., Суворова, Т.Е. Оценка несостоятельности организации с применением метода анализа иерархий // Материалы VIII Международной научно-практической конференции «Инфраструктурные отрасли экономики: проблемы и перспективы развития». - Новосибирск: НГТУ, 2015.

2 Макаров, А.С. К проблеме выбора критериев анализа состоятельности организаций // Экономический анализ: теория и практика. 2008. №3.

3 FIRA PRO - Информационно-аналитическая система, первое независимое рейтинговое агентство [Электронный ресурс]. - URL: http://www.fira.ru/. -Загл. с экрана

4 Шандор, Золт. Эконометрический ликбез: ограниченные зависимые переменные. Мультиномиальные модели дискретного выбора // Квантиль. - 2009. -№7. - С. 9-20.

Компания Показатель-фактор Интегральный критерий Y: 1- несостоятельная компания 0- состоятельная компания

Фондоотдача, доли Коэффициент текущей ликвидности, доли Степень пла-тежеспособ-ности по текущим обязательствам, доли Рентабельность оборотного капитала, % Рентабельность продаж, %

1 10,82 1,97 3,28 47,66 40 20,48 0

2 1,68 1,17 14,69 65,88 50 25,88 0

3 7,4 3,24 4,64 79,75 100 38,15 0

4 18,08 3,8 4,2 8,37 100 27,05 0

5 6,01 1,08 4,24 23,77 100 26,69 0

50 1,11 20,76 0,62 96,63 100 42,40 0

51 3,52 5,32 0,45 0,43 8,7 3,69 1

52 1,85 0,1 66,96 0,78 2,2 14,03 1

59 1,65 0,91 74,25 115 3,3 37,52 1

66 0,1 1 77,45 1 10 17,41 1

99 3,38 0,024 38,03 -1,47 -2,4 7,41 1

100 0,38 0,05 2,25 1,42 9,6 2,70 1

Две регрессионные модели тестирова- зультаты тестирования моделей представ-лись с помощью программы «Eviews». Ре- лены в таблице 2.

Таблица 2 - Тестирование моделей

Параметры Модель

Количество наблюдений 100 100

Интегральный показатель -0,149***(0,043) -0,338**(0,138)

Константа 2,391***(0,569) 5,155***(1,858)

Prob(LR statistic) 0,000 0,000

McFadden R-squared 0,769 0,804

Примечание. В скобках указаны стандартные ошибки, звездочками обозначены уровни значимости: *p <0,1; **p <0,05; ***p <0,01.

По полученным результатам был сделан вывод, что обе регрессии в целом значимы на 1% уровне. Оценки коэффициентов также значимы на 1% уровне для Probit-модели и нам 5% для Logit-модели. Оценка коэффициента перед переменной, отвечающей за значение интегрального показателя,

отрицательна. Это говорит о том, что чем выше значение интегрального показателя, тем ниже вероятность банкротства.

Полученные результаты оценки регрессий можно представить в следующем виде:

Рг = 2,391 - 0,149 * х{)

Pi =Л (5,155 - 0,338 * xt)

Зависимость значения интегрального показателя от прогнозной вероятности, определенной с помощью Logit и Probit моделей отражена на рисунке 1. Можно заме-

тить, что обе модели дают практически одинаковые результаты, не наблюдается никаких существенных различий. Однако имеется одно отклонение от общей динамики.

1-1-1-1-0 -,-■

♦ Logit-модель ■ Probit-модель

Значение интегрального показателя

Рисунок 1 - Графическое представление соотношения значения интегрального критерия

и оценки вероятности банкротства

Для определения порогового значения были построены прогнозные вероятности банкротства для всех компаний из выборки для обеих бинарных моделей. На рисунках 2 и 3 представлена зависимость прогнозной вероятности от номера наблюдения. Первые 50 компаний выборки являются состоятельными, а последние 50 компаний признаны судом банкротами.

Данные графики также показывают, что имеется одно отклонение. Компания, соответствующая номеру 59, в действительности является банкротом, однако интегральный критерий показал обратный вывод. Для данной компании была спрогнозирована очень низкая прогнозная вероятность банкротства.

Рисунок 2 - Графическое представление соотношения прогнозной вероятности банкротства и номера компаний для Logit-модели

Таким образом, был сделан вывод, что тельной, а если прогнозная вероятность если прогнозная вероятность банкротства больше 50% - компания несостоятельна. меньше 50%, то компания является состоя-

10 20 30 40 50 60 70 80 90 100

Рисунок 3 - Графическое представление соотношения прогнозной вероятности банкротства и номера компаний для РшЬк-модели

Как было отмечено ранее, при расчете многофакторного критерия с помощью МАИ были допущены две неточности, а именно, 2 компании с прогнозом состоятельности являются на самом деле несостоятельными. Это соответствует ошибке I рода. Аналогичная неточность произошла при прогнозировании вероятности банкротства с использованием эконометрического инструментария, но ошибка I рода в этом слу-

чае составила 1% (только для одной несостоятельной компании была спрогнозирована низкая вероятность банкротства). Ошибка II рода не наблюдалась в обоих случаях. Объясняющая способность модели находится как 100% за вычетом ошибок I и II рода. Обе сформированные модели, как с помощью МАИ, так и с помощью инструментария эконометрики, имеют высокую объясняющую способность (таблица 3).

Таблица 3 - Сравнительная характеристика МАИ и инструментария эконометрики

Критерий МАИ Инструментарий эконометрики

Пороговое значение Х<15 - компания несостоятельна, Х>15 - компания состоятельна Р <50% - компания состоятельна, Р >50% - компания несостоятельна

Ошибка I рода (компания с прогнозом состоятельности является несостоятельной) 2% 1%

Ошибка II рода (компания с прогнозом несостоятельности является состоятельной) 0% 0%

Объясняющая способность модели 98% 99%

Исходя из полученных результатов, полученная с помощью метода анализа можно сделать вывод, что новая модель, иерархий и проверенная с использованием

инструментария эконометрики, является ки банкротства российских компаний. оптимальной и применимой для диагности-

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Макаров, А.С. К проблеме выбора критериев анализа состоятельности организаций // Экономический анализ: теория и практика. - 2008. - №3.

2. Суворова, Л.В., Суворова, Т.Е. Оценка несостоятельности организации с применением метода анализа иерархий // Материалы 8 Международной научно-практической конференции «Инфраструктурные отрасли экономики: проблемы и перспективы развития», НГТУ, Новосибирск, 2015.

3. Шандор, Золт. Эконометрический ликбез: ограниченные зависимые переменные. Мультиномиальные модели дискретного выбора // Квантиль. - 2009. - №7. - С. 9-20.

4. Altman, E. & Haldeman, R. (1977) ZETA Analysis: A new model to indentify bankruptcy risk of corporations. Journal of Banking and Finance, 1, 29-35.

5. Beaver, W. (1966) Financial Ratios as Predictors of Failure. Journal of Accounting Research, 4,71-111.

6. Conan, J. & Holder, M. (1979) Explicatives variables of performance and management control, Doctoral Thesis, CERG, Universite Paris Dauphine.

7. FIRA PRO - Информационно-аналитическая система, первое независимое рейтинговое агентство [Электронный ресурс]. - URL: http://www.fira.ru/. - Загл. с экрана

8. Fulmer, J. & Moon, J. (1984) A Bankruptcy Classification Model for Small Firms. Journal of commercial Bank Lending, 25-37.

9. Springate, G. (1978) Predicting the Possibilty of Falture in a Canadian Firm. Unpublished M.B.A. Research Project, Simon Fraser Universit