ความสัมพันธ์ของเศรษฐมิติกับทฤษฎีเศรษฐศาสตร์ สถิติ และวิธีการทางเศรษฐศาสตร์และคณิตศาสตร์ การจัดกลุ่มและสรุปสถิติ

การศึกษาทำขึ้นจากความเป็นไปได้ของเครื่องมือทางคณิตศาสตร์และสถิติของเศรษฐมิติ ซึ่งได้ทำการประเมินและวิเคราะห์ประสิทธิภาพโดยรวมของพนักงานบริษัท ในฐานะที่เป็นตัวบ่งชี้ประสิทธิภาพการทำงานของพนักงานจึงได้เลือกตัวบ่งชี้กำไรของ บริษัท ที่สร้างโดยพนักงาน มีการกำหนดตัวบ่งชี้หลักของพลวัตของประสิทธิภาพการทำงานโดยมีภาพประกอบกราฟิกของผลการคำนวณ มีการระบุปัจจัยสำคัญที่มีอิทธิพลต่อประสิทธิภาพการทำงานของพนักงานบริษัท ด้วยเหตุนี้จึงใช้ความเป็นไปได้ของความสัมพันธ์และการวิเคราะห์การถดถอยโดยใช้เมทริกซ์ของความสัมพันธ์คู่ ทำการวิเคราะห์องค์ประกอบตามฤดูกาลของตัวบ่งชี้ประสิทธิภาพการทำงานของพนักงาน ดำเนินการคำนวณและวิเคราะห์ค่าสัมประสิทธิ์ความยืดหยุ่นที่แสดงลักษณะอิทธิพลของลักษณะปัจจัยต่อตัวบ่งชี้ประสิทธิภาพของประสิทธิภาพการทำงาน มีการวิเคราะห์แนวโน้มของปัจจัยสำคัญ การสร้างสมการคู่และการถดถอยพหุคูณเสร็จสมบูรณ์แล้ว คุณภาพของสมการถดถอยที่สร้างขึ้นได้รับการประเมินโดยใช้เกณฑ์ของฟิชเชอร์ สถิติ t ของนักเรียน และค่าสัมประสิทธิ์ของการกำหนด ดำเนินการคำนวณจุดและช่วงเวลาการคาดการณ์ประสิทธิภาพของพนักงานของ บริษัท สำหรับช่วงเวลาที่คาดหวัง มีการเสนอให้ปรับปรุงประสิทธิภาพของพนักงานของบริษัท

ประสิทธิภาพของพนักงาน

การวิเคราะห์ความสัมพันธ์และการถดถอย

การประเมินคุณภาพการถดถอย

1. Alekseeva E.V. , Gusarova O.M. การศึกษาทางเศรษฐมิติของตัวบ่งชี้ทางการเงินของกิจกรรมขององค์กร // International Student Scientific Bulletin - 2559. - ครั้งที่ 4–4. -ส.497-500.

2. Golicheva N.D. , Gusarova O.M. ทฤษฎีและปฏิบัติการจำลองกระบวนการทางการเงินและเศรษฐกิจภายใต้ความไม่แน่นอนทางเศรษฐกิจ - Smolensk: Magenta, 2016. - 227 น.

3. กูซาโรวา โอ.เอ็ม. การวิเคราะห์แนวโน้มของพื้นที่สำคัญของเศรษฐกิจภูมิภาค // การวิจัยขั้นพื้นฐาน - 2559. - ฉบับที่ 8–1. – หน้า 123–128.

4. กูซาโรวา โอ.เอ็ม. เครื่องมือวิเคราะห์สำหรับการสร้างแบบจำลองการพึ่งพาความสัมพันธ์และการถดถอย // วารสารนานาชาติของการวิจัยประยุกต์และพื้นฐาน – พ.ศ. 2559 – ฉบับที่ 8–2. – หน้า 219–223.

5. Gusarova O.M. , Kuzmenkova V.D. การสร้างแบบจำลองและการวิเคราะห์แนวโน้มการพัฒนาเศรษฐกิจระดับภูมิภาค // การวิจัยขั้นพื้นฐาน - 2559. - ฉบับที่ 3–2. – หน้า 354–359.

6. กูซาโรวา โอ.เอ็ม. การวิเคราะห์ทางเศรษฐมิติของความสัมพันธ์ทางสถิติของตัวบ่งชี้การพัฒนาเศรษฐกิจและสังคมของรัสเซีย // การวิจัยขั้นพื้นฐาน - 2559. - ครั้งที่ 2–2. – หน้า 357–361.

7. กูซาโรวา โอ.เอ็ม. วิธีการและแบบจำลองสำหรับการทำนายกิจกรรมของระบบองค์กร // ประเด็นทางทฤษฎีและประยุกต์ของการศึกษาและวิทยาศาสตร์: ชุดเอกสารทางวิทยาศาสตร์ตามเนื้อหาของการประชุมวิทยาศาสตร์และการปฏิบัติระหว่างประเทศ พ.ศ. 2557 - หน้า 48–49

8. Ilyin S.V. , Gusarova O.M. การสร้างแบบจำลองทางเศรษฐมิติในการประเมินความสัมพันธ์ของตัวบ่งชี้ภูมิภาค // International Student Scientific Bulletin. - 2558. - ฉบับที่ 4–1. – หน้า 134–136.

9. กูซาโรวา โอ.เอ็ม. การติดตามตัวบ่งชี้ประสิทธิภาพหลักของกระบวนการทางธุรกิจ // ปัญหาที่แท้จริงของเศรษฐศาสตร์และการจัดการในเงื่อนไขของความทันสมัยของรัสเซียสมัยใหม่ - Smolensk: Smolgortipografiya, 2015. - หน้า 84–89.

10. กูซาโรวา โอ.เอ็ม. การสร้างแบบจำลองผลลัพธ์ทางธุรกิจในการจัดการองค์กร // โอกาสในการพัฒนาวิทยาศาสตร์และการศึกษา: ชุดเอกสารทางวิทยาศาสตร์ตามเนื้อหาของการประชุมวิทยาศาสตร์และการปฏิบัติระหว่างประเทศ พ.ศ. 2557 - หน้า 42–43

11. Zhuravleva M.A. , Gusarova O.M. การวิเคราะห์และปรับปรุงกิจกรรมของ บริษัท ร่วมหุ้น (ในตัวอย่างของ OAO Smolenskoblgaz) // เทคโนโลยีสมัยใหม่ที่เน้นวิทยาศาสตร์ - 2014. - ฉบับที่ 7–3. – หน้า 10–12.

12. Gusarov A.I. , Gusarova O.M. การจัดการความเสี่ยงทางการเงินของธนาคารในภูมิภาค (ในตัวอย่างของ JSC "Askold") // เทคโนโลยีวิทยาศาสตร์สมัยใหม่ที่เข้มข้น - 2014. - ฉบับที่ 7–3. – หน้า 8–10.

13. กูซาโรวา โอ.เอ็ม. ศึกษาคุณภาพของแบบจำลองการพยากรณ์ระยะสั้นสำหรับตัวชี้วัดทางการเงินและเศรษฐกิจ - ม., 2542. - 100 น.

14. Orlova I.V. , Polovnikov V.A. , Filonova E.S. , Gusarova O.M. เป็นต้น เศรษฐมิติ เครื่องช่วยสอน. – ม.: 2553. – 123 น.

เพื่อปรับปรุงประสิทธิภาพของ บริษัท โดยรวมและแต่ละแผนกแยกจากกันรวมถึงจัดทำรายงานเชิงวิเคราะห์เพื่อกำหนดสายงานเชิงกลยุทธ์ของการพัฒนา การศึกษาได้จัดทำขึ้นจากประสิทธิภาพของพนักงานของ บริษัท ในระหว่างการศึกษาโดยใช้วิธีการทางคณิตศาสตร์และสถิติโดยใช้ความสามารถในการวิเคราะห์สหสัมพันธ์และการวิเคราะห์การถดถอย มีการประเมินประสิทธิภาพของพนักงานของ บริษัท "Avtoholod" LLC เลือกตัวบ่งชี้ต่อไปนี้เป็นตัวบ่งชี้เพื่อศึกษา: กำไรเฉลี่ยของบริษัทที่สร้างโดยพนักงานแต่ละคน (Y) กำไรสุทธิ (X1) ปริมาณการขายบริการสำหรับนิติบุคคล (X2) ปริมาณการขายของ บริการสำหรับบุคคลทั่วไป (X3) กำไรเพิ่มเติมจากการขยายบริการ (X4)

การระบุไดนามิกของตัวบ่งชี้ที่ศึกษาได้ดำเนินการโดยใช้สูตรต่อไปนี้ (ตารางที่ 1) ภาพประกอบของผลการคำนวณแสดงในรูปที่ 1-2.

ตารางที่ 1

ตัวบ่งชี้การเปลี่ยนแปลงของสัญญาณ

	การเติบโตอย่างแน่นอน	อัตราการเจริญเติบโต	อัตราการเพิ่มขึ้นของ

ขั้นพื้นฐาน

จากผลการตีความแบบกราฟิกของผลการคำนวณอาจเป็นที่ถกเถียงกันอยู่ว่ามีปัจจัยตามฤดูกาลในการขายผลิตภัณฑ์ของ บริษัท นอกจากนี้เรายังเห็นการเพิ่มขึ้นของผลกำไรขององค์กรที่พนักงานนำมาจากการขยายขอบเขตของบริการที่มีให้

ข้าว. 1. การเพิ่มประสิทธิภาพในการทำงานของห่วงโซ่แบบสัมบูรณ์

ข้าว. 2. การเพิ่มประสิทธิภาพขั้นพื้นฐานอย่างสมบูรณ์ในการปฏิบัติงานของพนักงาน

การเลือกคุณสมบัติของตัวประกอบสำหรับการสร้างแบบจำลองการถดถอยได้ดำเนินการโดยใช้เครื่องมือทางคณิตศาสตร์และสถิติ โดยใช้ความสามารถในการวิเคราะห์สหสัมพันธ์และการวิเคราะห์การถดถอย โดยใช้เมทริกซ์ของค่าสัมประสิทธิ์สหสัมพันธ์คู่ (รูปที่ 3)

ข้าว. 3. เมทริกซ์ของความสัมพันธ์แบบคู่

การวิเคราะห์เมทริกซ์ความสัมพันธ์ของคู่ทำให้สามารถระบุปัจจัยนำ X2 (ปริมาณการขายบริการสำหรับนิติบุคคล) เพื่อกำจัด multicollinearity เราจึงไม่รวมปัจจัย X3 (ปริมาณบริการสำหรับแต่ละบุคคล) ออกจากการพิจารณา ปัจจัย X4 (กำไรเพิ่มเติมเนื่องจากการขยายช่วงของบริการ) ก็สมควรที่จะไม่รวมอยู่ในการพิจารณาเนื่องจากมีความสัมพันธ์ต่ำกับคุณลักษณะที่มีประสิทธิภาพ Y ผลลัพธ์ของการสร้างการถดถอยพหุคูณแสดงในรูปที่ สี่

ข้าว. 4. ผลการวิเคราะห์การถดถอย

จากการคำนวณ สมการถดถอยพหุคูณมีรูปแบบ:

Y=0.871179777.X1+ +0.919808093.X2+152.4197205.

ลองประเมินคุณภาพของสมการถดถอยพหุคูณที่ได้: ค่าของสัมประสิทธิ์การกำหนดเท่ากับ R = 0.964 ค่อนข้างใกล้เคียงกับ 1 ดังนั้นคุณภาพของสมการถดถอยที่เป็นผลลัพธ์จึงถือว่าสูง ค่าของเกณฑ์ฟิชเชอร์ F=229.8248 เกินค่าตารางเท่ากับ 3.591 ดังนั้น สมการถดถอยจึงถือว่ามีนัยสำคัญทางสถิติและสามารถนำมาใช้ในการประเมินผลการปฏิบัติงานของพนักงานบริษัทได้ ในการประเมินนัยสำคัญทางสถิติของสัญญาณปัจจัย จะใช้การทดสอบของนักเรียน การใช้ฟังก์ชัน \u003d STUDENT.OBR.2X (0.05; 17) จะกำหนดค่าตาราง t ตาราง \u003d 2.109815578 เมื่อเปรียบเทียบค่าที่คำนวณได้ของสถิติ t, โมดูโลที่ได้รับกับค่าตารางของเกณฑ์นี้ เราสามารถสรุปได้ว่าปัจจัย X1 และ X2 มีนัยสำคัญทางสถิติ

มาประเมินระดับอิทธิพลของปัจจัยบนเครื่องหมายผลลัพธ์โดยใช้ค่าสัมประสิทธิ์ความยืดหยุ่น ค่าสัมประสิทธิ์ b และ D (รูปที่ 5)

ข้าว. 5. การคำนวณค่าสัมประสิทธิ์เพิ่มเติมของความสัมพันธ์ของสัญญาณ

ค่าสัมประสิทธิ์ความยืดหยุ่นบางส่วนแสดงการเปลี่ยนแปลงในค่าเฉลี่ยของตัวบ่งชี้ที่มีผลเมื่อค่าเฉลี่ยของเครื่องหมายปัจจัยเปลี่ยนแปลง 1% เช่น กำไรสุทธิเพิ่มขึ้น (X1) 1% กำไรของบริษัทจะเพิ่มขึ้น 0.287 % (E1 = 0.287) โดยเพิ่มขึ้น 1% 1% ของปริมาณการขายบริการสำหรับนิติบุคคล (X2) ปริมาณกำไรจะเพิ่มขึ้น 0.535% (E2 \u003d 0.535) .

ค่าสัมประสิทธิ์ β แสดงค่าของการเปลี่ยนแปลงในส่วนเบี่ยงเบนมาตรฐานของแอตทริบิวต์ผลลัพธ์เมื่อ RMS ของแอตทริบิวต์แฟคเตอร์เปลี่ยนแปลง 1 หน่วย เช่น ด้วยการเพิ่มขึ้น 1 หน่วยของ RMS ของกำไรสุทธิ (X1) RMS ของปริมาณกำไรจะเพิ่มขึ้น 0.304 (=0.304) ด้วยการเพิ่มขึ้น 1 หน่วยของส่วนเบี่ยงเบนมาตรฐานของปริมาณการขายบริการสำหรับนิติบุคคล ส่วนเบี่ยงเบนมาตรฐานของกำไรขององค์กรจะเพิ่มขึ้น 0.727 หน่วย (= 0.727) .

Δ - ค่าสัมประสิทธิ์แสดงให้เห็นว่าอะไรคืออิทธิพลเฉพาะของแอตทริบิวต์ปัจจัยเดียวในแอตทริบิวต์ที่มีประสิทธิผลเมื่อกำหนดอิทธิพลของปัจจัยอื่นทั้งหมดในระดับหนึ่ง เช่น น้ำหนักเฉพาะของอิทธิพลของปริมาณการขายบริการสำหรับนิติบุคคล (X2) ต่อปริมาณกำไร (เครื่องหมายมีผล) คือ 72.6% (Δ2 = 0.726369) และผลกระทบเฉพาะของกำไรสุทธิ (X1) ต่อกำไรคือ 27.3% (Δ1 = 0.273631) .

การใช้สมการการถดถอยพหุคูณกับปัจจัยที่มีนัยสำคัญทางสถิติ เราคำนวณการคาดการณ์ผลกำไรที่แสดงลักษณะเฉพาะของประสิทธิภาพของบริษัทโดยใช้ความสามารถในการวิเคราะห์แนวโน้ม (ดูตารางที่ 2)

ตารางที่ 2

ผลการวิเคราะห์แนวโน้มสัญญาณปัจจัย

จากข้อมูลที่ได้รับ เราคำนวณจุดคาดการณ์ Y

X1 = 1.3737t - 20.029t + 294.38, X2 = =2.099t - 16.372t + 368.2

ในการพิจารณาการคาดการณ์สัญญาณปัจจัย เราได้รับ:

Х1progn \u003d 1.3737.21.21-20.029.21 + 294.38 \u003d 479.5727 (พันรูเบิล);

Х2 progn = 2.099.21.21- -16.372.21+368.2=950.047 (พันรูเบิล)

เพื่อกำหนดการคาดการณ์ประสิทธิภาพของพนักงาน:

Yprogn = 0.871179777.Х1progn + +0.919808093.Х2progn+152.4197205 = =1444.07468 (พันรูเบิล)

ในการกำหนดช่วงเวลาการคาดการณ์ของประสิทธิภาพที่มีประสิทธิผลของกิจกรรมของพนักงาน (Y) เราจะคำนวณความกว้างของช่วงความเชื่อมั่นตามสูตร:

มาดำเนินการแทนผลการคำนวณระดับกลาง เราจะได้รับ:

U(k)=80.509.2.1098*ROOT(1+0.05+((1444-855)*(1444-855))/3089500)==183.1231 (พันรูเบิล)

ดังนั้น ค่าคาดการณ์กำไรของบริษัท Yprogn = 1444.07468 จะอยู่ระหว่าง

ขอบเขตบนเท่ากับ 1444.07468 + 183.1231= 1627.2 และ

ขีดจำกัดล่างเท่ากับ 1444.07468 - 183.1231=1261 (พันรูเบิล)

จากผลการศึกษาสามารถสรุปได้ดังต่อไปนี้:

มีการประเมินการปฏิบัติงานของพนักงานแต่ละคนของ Avtoholod LLC ซึ่งกิจกรรมหลักคือการขายและติดตั้งอุปกรณ์เพิ่มเติมสำหรับรถยนต์เพื่อการพาณิชย์

มีการสร้างสมการถดถอยพหุคูณขึ้น ซึ่งระบุลักษณะการพึ่งพาผลงานของพนักงานจากปัจจัยหลายประการ

ค่าคาดการณ์ของกำไรของ บริษัท ซึ่งคำนวณโดยสมการถดถอยพหุคูณจะอยู่ในช่วงตั้งแต่ 1261,000 รูเบิล มากถึง 1,627,000 รูเบิล;

สมการถดถอยนี้ได้รับการยอมรับว่ามีนัยสำคัญทางสถิติตามเกณฑ์ของ Fisher และมีคุณภาพที่สูงพอ ดังนั้น ผลการคำนวณจึงถือว่าน่าเชื่อถือและเชื่อถือได้

เพื่อปรับปรุงประสิทธิภาพของทั้งบริษัทและพนักงาน มีความจำเป็นต้องดำเนินนโยบายที่สมดุลและสมดุลสำหรับการส่งเสริมสินค้าและบริการของบริษัทในตลาดระดับภูมิภาค ขยายการวิจัยทางการตลาดเพื่อส่งเสริมการบริการ แนะนำวิธีการทางธุรกิจที่เป็นนวัตกรรมใหม่โดยใช้เทคโนโลยีสารสนเทศที่ทันสมัยและการสร้างแบบจำลอง วิธีการและกิจกรรมของบริษัทวิเคราะห์ธุรกิจ

ลิงค์บรรณานุกรม

Tsarkov A.O., Gusarova O.M. การใช้เครื่องมือทางคณิตศาสตร์และสถิติของเศรษฐมิติในการประเมินประสิทธิภาพของพนักงาน // แถลงการณ์ทางวิทยาศาสตร์ของนักเรียนต่างชาติ - 2018. - ฉบับที่ 4-6.;
URL: http://eduherald.ru/ru/article/view?id=19011 (วันที่เข้าถึง: 25/11/2019) เราขอนำเสนอวารสารที่จัดพิมพ์โดยสำนักพิมพ์ "Academy of Natural History"

เศรษฐมิติ - การวัดในระบบเศรษฐกิจ คำว่า "เศรษฐมิติ" ถูกนำมาใช้ในปี พ.ศ. 2469 โดยนักเศรษฐศาสตร์และนักสถิติชาวนอร์เวย์ Ragnar Frisch ผู้ได้รับรางวัลโนเบล การศึกษาเศรษฐศาสตร์สมัยใหม่ในตะวันตกตั้งอยู่บนเสาหลักสามประการ: เศรษฐศาสตร์มหภาค เศรษฐศาสตร์จุลภาค และเศรษฐมิติ ในระบบเศรษฐกิจแบบวางแผนจากส่วนกลาง ไม่จำเป็นต้องใช้เศรษฐมิติ เนื่องจากแผนทั้งหมดมาจากเบื้องบน จึงไม่มีความจำเป็นต้องทำนายแบบจำลองที่เป็นไปได้ของพฤติกรรมทางเศรษฐกิจในสถานการณ์ที่กำหนด เป็นต้น นอกจากนี้ วิธีการทางเศรษฐมิติยังสามารถระบุแนวโน้มบางอย่างในการพัฒนาเศรษฐกิจที่ทางการไม่ต้องการ ปัจจุบันมหาวิทยาลัยของเราเริ่มปรับโครงสร้างไปในทิศทางนี้แล้ว ทำไมเศรษฐมิติจึงสำคัญ? เป็นการยากที่จะตอบคำถามนี้ และฉันหวังว่าเมื่อจบหลักสูตร คุณจะตอบคำถามนี้ได้บ้างเล็กน้อย ยิ่งนักเศรษฐศาสตร์เป็นมืออาชีพมากเท่าไหร่ เขาก็ยิ่งเข้าใจว่าในทางเศรษฐศาสตร์ทุกอย่างขึ้นอยู่กับทุกสิ่ง เพื่อให้เข้าใจอย่างถ่องแท้ถึงวิธีการแสดงการพึ่งพานี้ วิธีการทางเศรษฐมิติจะให้บริการ

วิทยาศาสตร์ของเศรษฐมิติคืออะไร? เป็นการยากที่จะให้คำจำกัดความของสิ่งมีชีวิต, วิทยาศาสตร์ที่กำลังพัฒนา, เพื่ออธิบายเรื่องและวิธีการของมัน "เศรษฐมิติ" คือศาสตร์แห่งการวัดทางเศรษฐศาสตร์ แต่ก็เหมือนกับการกล่าวว่าคณิตศาสตร์เป็นศาสตร์แห่งตัวเลข แนวคิดของเศรษฐมิติมีเนื้อหาและจุดประสงค์ค่อนข้างแคบกว่าที่แสดงไว้ในการแปลตามตัวอักษร และในขณะเดียวกันก็กว้างกว่าชุดเครื่องมือทางสถิติ มุมมองสมัยใหม่ของเศรษฐมิติสะท้อนให้เห็นในคำจำกัดความต่อไปนี้:

เศรษฐมิติ - ระเบียบวินัยทางวิทยาศาสตร์ที่รวมชุดของผลลัพธ์ทางทฤษฎี เทคนิค วิธีการ และแบบจำลองที่ออกแบบมาบนพื้นฐานของ

ทฤษฎีเศรษฐศาสตร์

สถิติเศรษฐกิจ

เครื่องมือทางคณิตศาสตร์และสถิติ

ให้การแสดงออกเชิงปริมาณที่เฉพาะเจาะจงกับระเบียบทั่วไป (เชิงคุณภาพ) ที่กำหนดโดยทฤษฎีเศรษฐศาสตร์ (S. A. Ayvazyan, V. S. Mkhitaryan. สถิติประยุกต์และรากฐานของเศรษฐมิติ)

กล่าวอีกนัยหนึ่ง เศรษฐมิติช่วยให้บนพื้นฐานของบทบัญญัติของทฤษฎีเศรษฐศาสตร์และข้อมูลเริ่มต้นของสถิติทางเศรษฐกิจ โดยใช้เครื่องมือทางคณิตศาสตร์และสถิติที่จำเป็น เพื่อให้การแสดงออกเชิงปริมาณที่เฉพาะเจาะจงกับรูปแบบทั่วไป (เชิงคุณภาพ)

มุมมองอื่นๆ:

วิธีการวิเคราะห์ทางเศรษฐศาสตร์ที่ผสมผสานทฤษฎีทางเศรษฐศาสตร์เข้ากับวิธีการวิเคราะห์ทางสถิติและคณิตศาสตร์ เป็นความพยายามที่จะปรับปรุงการคาดการณ์ทางเศรษฐกิจและทำให้การวางแผนนโยบายประสบความสำเร็จได้ ในเศรษฐมิติ ทฤษฎีทางเศรษฐศาสตร์จะแสดงเป็นอัตราส่วนทางคณิตศาสตร์ แล้วทดสอบเชิงประจักษ์ด้วยวิธีทางสถิติ ระบบนี้ใช้ในการสร้างแบบจำลองของเศรษฐกิจของประเทศเพื่อทำนายตัวชี้วัดที่สำคัญ เช่น ผลิตภัณฑ์มวลรวมประชาชาติ อัตราการว่างงาน อัตราเงินเฟ้อ และการขาดดุลงบประมาณของรัฐบาลกลาง เศรษฐมิติถูกนำมาใช้กันอย่างแพร่หลายมากขึ้นแม้ว่าการคาดการณ์ที่ได้รับด้วยความช่วยเหลือของมันจะไม่แม่นยำเพียงพอเสมอไป

สารานุกรมอิเล็กทรอนิกส์ฉบับย่อของโคลัมเบีย พิมพ์ครั้งที่สาม http://www.encyclopedia.com/

“เช่นเดียวกับเศรษฐศาสตร์เชิงคณิตศาสตร์ เศรษฐมิติเป็นสิ่งที่นักเศรษฐศาสตร์ทำมากกว่าวิชาเฉพาะ เศรษฐมิติเกี่ยวข้องกับการศึกษาข้อมูลเชิงประจักษ์ด้วยวิธีการทางสถิติ จุดประสงค์คือเพื่อทดสอบสมมติฐานและประเมินความสัมพันธ์ที่เสนอโดยทฤษฎีเศรษฐศาสตร์ ในขณะที่เศรษฐศาสตร์เชิงคณิตศาสตร์เกี่ยวข้องกับการวิเคราะห์ทางเศรษฐศาสตร์เชิงทฤษฎีเพียงอย่างเดียว เศรษฐมิติพยายามทดสอบทฤษฎีที่นำเสนอในรูปแบบทางคณิตศาสตร์ที่ชัดเจนอยู่แล้ว อย่างไรก็ตาม เศรษฐกิจทั้งสองด้านมักจะทับซ้อนกัน

จากบทความของ Mark Blaug สำหรับ Encyclopædia Britannica

“ปัญหาทางเศรษฐมิติมีมากมายและหลากหลาย เศรษฐกิจเป็นวัตถุที่ซับซ้อน มีพลวัต หลายมิติและกำลังพัฒนา ดังนั้นจึงเป็นเรื่องยากที่จะศึกษามัน ทั้งสังคมและระบบสังคมเปลี่ยนแปลงตลอดเวลา กฎหมายเปลี่ยน นวัตกรรมทางเทคโนโลยีเกิดขึ้น ดังนั้นจึงไม่ง่ายเลยที่จะหาค่าคงที่ในระบบนี้ อนุกรมเวลาสั้น รวมกันสูง ต่างกัน ไม่คงที่ ขึ้นอยู่กับเวลาและซึ่งกันและกัน ดังนั้นเราจึงมีข้อมูลเชิงประจักษ์เพียงเล็กน้อยให้ศึกษา ปริมาณทางเศรษฐกิจวัดได้ไม่แม่นยำ ขึ้นอยู่กับการแก้ไขที่สำคัญในภายหลัง และตัวแปรที่สำคัญมักวัดไม่ได้หรือไม่สามารถสังเกตได้ ดังนั้นข้อสรุปทั้งหมดของเราจึงไม่ชัดเจนและไม่น่าเชื่อถือ ทฤษฎีทางเศรษฐศาสตร์เปลี่ยนแปลงตลอดเวลา คำอธิบายที่แข่งขันกันดำรงอยู่ร่วมกัน ดังนั้นจึงไม่มีพื้นฐานทางทฤษฎีที่เชื่อถือได้สำหรับแบบจำลอง และในหมู่นักเศรษฐมิติเองก็ดูเหมือนจะไม่มีข้อตกลงว่าควรจะจัดการกับเรื่องของพวกเขาอย่างไร

จาก D. F. Hendry, Dynamic Econometrics, Oxford University Press, 1995, p.5

"มีสองสิ่งที่คุณไม่ต้องการเห็นในกระบวนการผลิต: ไส้กรอกและการประมาณการทางเศรษฐมิติ" E. Leamer E. E. Leamer, "Lets' Take the Con out of Econometrics," American Economic Review, 73 (1983), 31-43

ในบทบรรณาธิการเปิดตัว Econometrica ฉบับแรก (วารสารเศรษฐมิติที่เก่าแก่ที่สุด) ผู้ได้รับรางวัลโนเบล R. Frisch เขียนว่า:

“... เป้าหมายหลัก [ของสมาคมเศรษฐมิติ] คือการกระตุ้นการวิจัยที่มีจุดมุ่งหมายเพื่อรวมแนวทางเชิงปริมาณเชิงทฤษฎีและเชิงประจักษ์เชิงปริมาณเข้ากับปัญหาทางเศรษฐกิจ ซึ่งเต็มไปด้วยเหตุผลที่สร้างสรรค์และเข้มงวดของประเภทที่มีอยู่ใน วิทยาศาสตร์ธรรมชาติ

แต่วิธีการเชิงปริมาณของเศรษฐศาสตร์มีหลายแง่มุม และโดยตัวมันเองแล้ว ไม่ควรสับสนแง่มุมเหล่านี้กับเศรษฐมิติ ดังนั้นเศรษฐมิติจึงไม่เหมือนกับสถิติทางเศรษฐกิจ นอกจากนี้ยังไม่ตรงกับสิ่งที่เราเรียกว่าทฤษฎีเศรษฐศาสตร์ทั่วไป แม้ว่าส่วนสำคัญของทฤษฎีนี้แน่นอนว่ามีลักษณะเป็นเชิงปริมาณ ไม่ควรมองว่าเศรษฐมิติมีความหมายเหมือนกันกับการประยุกต์ใช้คณิตศาสตร์กับทฤษฎีเศรษฐศาสตร์ ประสบการณ์ได้แสดงให้เห็นว่าแต่ละมุมมองเหล่านี้ เช่น สถิติ ทฤษฎีเศรษฐศาสตร์ และคณิตศาสตร์เป็นเงื่อนไขที่จำเป็น แต่ไม่เพียงพอสำหรับความเข้าใจที่แท้จริงเกี่ยวกับความสัมพันธ์เชิงปริมาณของชีวิตทางเศรษฐกิจสมัยใหม่ พลังอยู่ที่การรวมกันขององค์ประกอบทั้งสามนี้ และการรวมกันนี้ถือเป็นเศรษฐมิติ”

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

ตามคำจำกัดความของเรา เศรษฐมิติคือการสังเคราะห์สถิติเศรษฐกิจ ทฤษฎีเศรษฐศาสตร์และคณิตศาสตร์ วิทยาศาสตร์ที่เกี่ยวข้องกับการอนุมานเชิงประจักษ์ของกฎหมายเศรษฐกิจ การสังเคราะห์สถิติเศรษฐกิจ ทฤษฎีเศรษฐศาสตร์และคณิตศาสตร์ นั่นคือเราใช้ข้อมูลหรือการสังเกตเพื่อให้ได้ความสัมพันธ์เชิงปริมาณสำหรับกฎหมายเศรษฐกิจ โปรดทราบว่าต่อจากนี้ไปในการใช้วิธีทางเศรษฐมิติ เราต้องการข้อมูลหรือการสังเกตสถานะหรือพฤติกรรมของหน่วยงานทางเศรษฐกิจบางอย่าง ตามกฎแล้วข้อมูลเหล่านี้ไม่ใช่การทดลองซึ่งแตกต่างจากวิทยาศาสตร์อื่น ๆ ที่ใช้วิธีการทางคณิตศาสตร์ สถิติ - ฟิสิกส์ ชีววิทยา ฯลฯ ในทางเศรษฐศาสตร์ เราไม่สามารถทำการทดลองหลายครั้งเพื่อตรวจสอบความถูกต้องของข้อสรุปของเราได้ และนี่คือความจำเพาะของข้อมูลทางเศรษฐกิจ

เป้าหมายประยุกต์ของเศรษฐมิติ

ที่มาของกฎหมายเศรษฐกิจ

การกำหนดแบบจำลองทางเศรษฐศาสตร์จากทฤษฎีเศรษฐศาสตร์และข้อมูลเชิงประจักษ์

การประมาณค่าของปริมาณที่ไม่รู้จัก (พารามิเตอร์) ในแบบจำลองเหล่านี้

การพยากรณ์และการประมาณค่าความแม่นยำของการพยากรณ์

นักเศรษฐศาสตร์บรรลุเป้าหมายได้อย่างไร ในระหว่างการศึกษาทางเศรษฐมิติ นักเศรษฐศาสตร์ต้องผ่านหลายขั้นตอนอย่างสม่ำเสมอ ขั้นตอนของการสร้างแบบจำลองทางเศรษฐมิติ:

คนที่เริ่มเรียนเศรษฐศาสตร์ก่อนอื่นมาถึงแนวคิดที่ว่าตัวแปรบางตัวมีความเชื่อมโยงกันในทางเศรษฐศาสตร์ ความต้องการที่เกิดขึ้นใหม่สำหรับผลิตภัณฑ์ในตลาดถือเป็นฟังก์ชันของราคา ต้นทุนที่เกี่ยวข้องกับการผลิตผลิตภัณฑ์บางอย่างจะขึ้นอยู่กับปริมาณการผลิต การใช้จ่ายของผู้บริโภคเกี่ยวข้องกับรายได้ เป็นต้น - ตัวอย่าง ของความสัมพันธ์ระหว่างตัวแปร 2 ตัว โดยตัวแปรตัวใดตัวหนึ่งทำหน้าที่เป็นตัวแปรอธิบาย อีกตัวหนึ่งทำหน้าที่อธิบาย เพื่อความสมจริงยิ่งขึ้น จำเป็นต้องเพิ่มตัวแปรอธิบายอื่นๆ และปัจจัยสุ่มเข้าไปในอัตราส่วน ความต้องการสินค้า - ราคา, รายได้ของผู้บริโภค, ราคาสำหรับการแข่งขัน, สินค้าเสริมและทดแทน ฯลฯ (เขียนบนกระดานกำหนด) ตัวแปรกระบวนการสร้างค่าซึ่งด้วยเหตุผลบางประการที่เราสนใจจะถูกแสดง วายและเรียกว่าขึ้นอยู่กับหรืออธิบายได้ ตัวแปรที่เราคาดว่าจะมีผลต่อตัวแปร วายเราจะแสดงว่า เอ็กซ์ เจและเรียกว่าเป็นอิสระหรืออธิบาย ค่าของตัวแปรเหล่านี้อยู่ภายนอกไม่มีอะไรเกี่ยวกับการสร้างค่าเหล่านี้

ในขั้นตอนนี้ กระบวนการสร้างค่าของตัวแปรที่อธิบายสามารถแสดงเป็นโครงร่างต่อไปนี้:

เอ็กซ์ 1 ,…เอ็กซ์ เค- ตัวแปรที่เลือก (มีอิทธิพลมากที่สุดหรือเป็นที่สนใจของเราโดยเฉพาะ)

การจัดกลุ่มความสัมพันธ์แต่ละรายการในรูปแบบ - กำหนดสมมติฐานบางอย่างเกี่ยวกับความสัมพันธ์ของตัวแปร สมมติฐานเหล่านี้เกิดขึ้นบนพื้นฐานของทฤษฎีทางเศรษฐศาสตร์, สัญชาตญาณ, ประสบการณ์ของนักวิจัย, สามัญสำนึกของเขา คำถามเกิดขึ้นทันทีว่าจะตรวจสอบความถูกต้องของแบบจำลองได้อย่างไร? ในฟิสิกส์ ชีววิทยา ทุกอย่างเป็นเรื่องง่าย - เราทำการทดลองและดูว่าผลลัพธ์นั้นยืนยันสมมติฐานของเราหรือไม่ ทุกอย่างซับซ้อนมากขึ้นในระบบเศรษฐกิจ จะทำการทดลองทางเศรษฐศาสตร์ได้อย่างไร? เราสามารถสังเกตความเป็นจริงเท่านั้น

ดังนั้น ในขั้นตอนนี้ นักเศรษฐมิติจึงมีส่วนร่วมในการสร้างแบบจำลองพฤติกรรมของวัตถุทางเศรษฐกิจ การสร้างแบบจำลองเป็นการทำให้ความเป็นจริงของวัตถุง่ายขึ้น งานซึ่งเป็นศิลปะของการสร้างแบบจำลองคือการรัดกุมและเพียงพอที่สุดเท่าที่จะเป็นไปได้ในแง่มุมของความเป็นจริงที่ผู้วิจัยสนใจ

แบบจำลองทางคณิตศาสตร์ของวงจร:

ถ้า สมการ (1) เรียกว่า สมการถดถอยวายบนเอ็กซ์ 1 ,…เอ็กซ์ เค. การทำงาน ฉ – ฟังก์ชันการถดถอยบรรทัดที่ฟังก์ชันนี้อธิบายในช่องว่าง - เส้นถดถอย.

ตัวอย่างค่าจ้างและอายุ - ค่าจ้างเพิ่มขึ้นตามอายุ

ภารกิจแรกคือการแปลสมมติฐานเหล่านี้เป็นภาษาทางคณิตศาสตร์ น่าเสียดายที่ไม่มีวิธีเดียวในการทำเช่นนี้ ฟังก์ชั่นที่เพิ่มขึ้นหมายถึงอะไร มีฟังก์ชันมากมายที่เพิ่มฟังก์ชันของการโต้แย้ง เชิงเส้น, เชิงเส้น, แตกต่างกัน

ทางออกคือการสร้างแบบจำลองที่ง่ายที่สุดในขั้นต้น ให้เราแนะนำสัญกรณ์ต่อไปนี้สำหรับพารามิเตอร์ทางเศรษฐกิจที่สังเกตได้:

ว– เงินเดือนของบุคคล

แต่- อายุของบุคคล

โมเดลที่ง่ายที่สุด (เชิงเส้น):

สมการของพฤติกรรมนี้อยู่ในรูปแบบของการพึ่งพาการทำงานที่แน่นอน อย่างไรก็ตาม ดังที่เราจะได้เห็นในภายหลัง สิ่งนี้ไม่สมจริงและเราไม่สามารถดำเนินการพัฒนาทางเศรษฐมิติได้หากไม่มีข้อกำหนดสุ่มเพิ่มเติม เราเพิ่มคำสุ่มในสมการพฤติกรรม เนื่องจากสำหรับข้อมูลทางเศรษฐกิจจริงใด ๆ จึงเป็นไปไม่ได้ที่จะรับประกันการปฏิบัติตามอัตราส่วนอย่างง่ายอย่างต่อเนื่อง นอกจากนี้ จากตัวแปรอธิบายที่เป็นไปได้ทั้งหมด มีเพียงเซตย่อยเล็กๆ ของตัวแปรเท่านั้นที่รวมอยู่ในข้อมูลจำเพาะ นั่นคือ เราสามารถพูดคุยเกี่ยวกับแบบจำลองที่ประมาณค่าบางอย่างเท่านั้น ซึ่งดูเหมือนจะค่อนข้างซับซ้อน แต่ความสัมพันธ์ของเราไม่รู้จัก เพื่อให้แน่ใจว่าความเท่าเทียมกันระหว่างด้านขวาและด้านซ้าย ต้องมีการแนะนำข้อผิดพลาดแบบสุ่มในแต่ละอัตราส่วน

ในแบบจำลองของเรา จะพิจารณาการพึ่งพาระหว่างตัวแปรบางตัว ตัวแปรที่มีการอธิบายค่าภายในแบบจำลองของเราเรียกว่า ภายนอก. ตัวแปรซึ่งเป็นค่าที่ไม่ได้อธิบายโดยโมเดลของเรานั้นอยู่ภายนอกเราไม่รู้อะไรเลยเกี่ยวกับค่าเหล่านี้ที่เกิดขึ้นเรียกว่า ภายนอก. ตัวแปรอื่นคือค่าล่าช้าของตัวแปรภายนอก นอกจากนี้ยังเป็นภายนอกโมเดลของเรา ตัวแปรภายนอกและค่าความล่าช้าของตัวแปรภายนอกเป็นตัวแปรที่กำหนดไว้ล่วงหน้า

ในหลักสูตรของเรากับคุณ เราจะพบกับแบบจำลองทางเศรษฐมิติหลายประเภทที่ใช้สำหรับการวิเคราะห์และการคาดการณ์:

ก) แบบจำลองอนุกรมเวลา แบบจำลองดังกล่าวจะอธิบายลักษณะการทำงานของตัวแปรที่เปลี่ยนแปลงตลอดเวลาตามค่าก่อนหน้าเท่านั้น คลาสนี้รวมถึงแบบจำลองของเทรนด์ ฤดูกาล เทรนด์และฤดูกาล (แบบบวกและแบบทวีคูณ) เป็นต้น

b) แบบจำลองการถดถอยด้วยสมการเดียว ในรูปแบบดังกล่าว ตัวแปรตาม (อธิบาย) จะแสดงเป็นฟังก์ชันของตัวแปรและพารามิเตอร์อิสระ (อธิบาย) โมเดลจะเป็นแบบเชิงเส้นหรือไม่เชิงเส้นก็ได้ ทั้งนี้ขึ้นอยู่กับประเภทของฟังก์ชัน ลองศึกษาพวกเขา

c) ระบบสมการพร้อมกัน สถานการณ์เป็นเรื่องเศรษฐกิจ พฤติกรรมของวัตถุทางเศรษฐกิจอธิบายโดยระบบสมการ (ตัวอย่างของเรา) ระบบประกอบด้วยสมการและอัตลักษณ์ ซึ่งอาจประกอบด้วยตัวแปรที่อธิบายได้จากสมการอื่นๆ (ดังนั้น จึงมีการนำเสนอแนวคิดของตัวแปรภายนอกและตัวแปรภายนอก)

รายการที่ 2 เรียกว่าข้อมูลจำเพาะของรุ่น จำเป็น:

ก) กำหนดเป้าหมายของการสร้างแบบจำลอง

b) การกำหนดรายการของตัวแปรภายนอกและภายนอก;

c) การกำหนดรูปแบบการพึ่งพาระหว่างตัวแปร

d) การกำหนดเงื่อนไขเบื้องต้นเกี่ยวกับเงื่อนไขสุ่ม ซึ่งมีความสำคัญต่อคุณสมบัติของการประมาณค่าและการเลือกวิธีการประมาณค่า และค่าสัมประสิทธิ์บางตัว

ตอนนี้เราต้องตรวจสอบโมเดล จะทำอย่างไรถ้าเราไม่ใช่นักฟิสิกส์และไม่ใช่นักชีววิทยา? วิธีการทางเศรษฐมิติซึ่งช่วยให้สามารถยืนยันเชิงประจักษ์ของข้อความทางทฤษฎีและแบบจำลองได้ เป็นเครื่องมือที่ทรงพลังสำหรับการพัฒนาทฤษฎีทางเศรษฐศาสตร์ ด้วยความช่วยเหลือของพวกเขา แนวคิดทางทฤษฎีจึงถูกปฏิเสธและยอมรับสมมติฐานใหม่ที่มีประโยชน์มากกว่า นักทฤษฎีที่ไม่ใช้วัสดุเชิงประจักษ์เพื่อทดสอบสมมติฐานของเขาและไม่ใช้วิธีการทางเศรษฐมิติสำหรับสิ่งนี้จะเสี่ยงต่อการลงเอยในโลกแห่งจินตนาการของเขา การรวบรวมข้อมูลเป็นวัสดุทางสถิติที่จำเป็น วิธีการของสถิติเศรษฐกิจและสถิติโดยทั่วไปมาช่วยเราได้ การสนทนาในหัวข้อนี้

ประเภทของข้อมูลที่นักเศรษฐมิติต้องจัดการเมื่อสร้างแบบจำลองกระบวนการทางเศรษฐกิจคือ:

ก) ข้อมูลภาคตัดขวาง - ข้อมูลเชิงพื้นที่ - ชุดข้อมูลเกี่ยวกับวัตถุทางเศรษฐกิจที่แตกต่างกันในเวลาเดียวกัน

b) ข้อมูลอนุกรมเวลา - อนุกรมเวลา - การสังเกตพารามิเตอร์ทางเศรษฐกิจหนึ่งตัวในช่วงเวลาหรือจุดต่างๆ ของเวลา ข้อมูลนี้ได้รับการจัดลำดับตามเวลาตามธรรมชาติ อัตราเงินเฟ้อ ปริมาณเงิน (รายปี) อัตราแลกเปลี่ยนดอลลาร์สหรัฐ (รายวัน)

c) ข้อมูลแบบกลุ่ม - ข้อมูลแบบกลุ่ม - ชุดข้อมูลเกี่ยวกับวัตถุทางเศรษฐกิจต่างๆ ในช่วงเวลาต่างๆ (ข้อมูลสำมะโนประชากร)

การระบุแบบจำลอง - การวิเคราะห์ทางสถิติของแบบจำลองและเหนือสิ่งอื่นใด การประมาณค่าทางสถิติของพารามิเตอร์ รวมทางเลือกของวิธีการประเมินไว้ที่นี่ด้วย ขึ้นอยู่กับคุณสมบัติของรุ่น

การตรวจสอบแบบจำลอง - การเปรียบเทียบข้อมูลจริงและแบบจำลอง การตรวจสอบแบบจำลองโดยประมาณเพื่อสรุปว่าภาพของวัตถุที่ได้รับด้วยความช่วยเหลือนั้นมีความสมจริงเพียงพอ หรือเพื่อให้ทราบถึงความจำเป็นในการประเมินข้อกำหนดแบบจำลองที่แตกต่างกัน

ดังนั้นวิธีการทางเศรษฐมิติจึงได้รับการพัฒนาขึ้นเพื่อประมาณค่าพารามิเตอร์ของแบบจำลองทางเศรษฐกิจเป็นหลัก ตามกฎแล้ว แต่ละโมเดลประกอบด้วยสมการหลายสมการ และสมการประกอบด้วยตัวแปรหลายตัว เริ่มจากสิ่งที่ง่ายที่สุด - แบบจำลองการถดถอยเชิงเส้นคู่

การเชื่อมโยงเศรษฐมิติกับสาขาวิชาอื่นๆความจำเพาะของการสังเคราะห์ทฤษฎีเศรษฐศาสตร์และเศรษฐมิติคืออะไร? เศรษฐมิติ ดำเนินการจากกฎหมายเศรษฐกิจที่มีอยู่อย่างเป็นกลาง ซึ่งกำหนดไว้ในเชิงคุณภาพในทฤษฎีเศรษฐศาสตร์ ในระดับแนวคิด ก่อให้เกิดแนวทางสู่การทำให้เป็นรูปเป็นร่าง การแสดงออกเชิงปริมาณของความสัมพันธ์ระหว่างตัวชี้วัดทางเศรษฐกิจ

สถิติเศรษฐกิจให้วิธีการทางเศรษฐมิติในการสร้างตัวบ่งชี้ทางเศรษฐกิจที่จำเป็น วิธีการเลือก การวัด ฯลฯ

เครื่องมือทางคณิตศาสตร์และสถิติที่พัฒนาขึ้นในเศรษฐมิติใช้และพัฒนาส่วนต่างๆ ของสถิติทางคณิตศาสตร์ เช่น แบบจำลองการถดถอยเชิงเส้น การวิเคราะห์อนุกรมเวลา และการสร้างระบบสมการพร้อมกัน

เป็นการลงจอดของทฤษฎีเศรษฐศาสตร์บนพื้นฐานของสถิติทางเศรษฐกิจเฉพาะและการสกัดจากการลงจอดนี้ด้วยความช่วยเหลือของเครื่องมือทางคณิตศาสตร์ที่เหมาะสมของความสัมพันธ์เชิงปริมาณที่ชัดเจนซึ่งเป็นประเด็นสำคัญในการทำความเข้าใจสาระสำคัญของเศรษฐมิติ แตกต่างจากเศรษฐศาสตร์คณิตศาสตร์ สถิติเชิงพรรณนาและสถิติเชิงคณิตศาสตร์ ดังนั้น เศรษฐศาสตร์เชิงคณิตศาสตร์จึงเป็นทฤษฎีทางเศรษฐศาสตร์ที่มีสูตรทางคณิตศาสตร์ที่ศึกษาความสัมพันธ์ระหว่างตัวแปรทางเศรษฐกิจในระดับทั่วไป (ไม่ใช่เชิงปริมาณ) มันจะกลายเป็นเศรษฐมิติเมื่อค่าสัมประสิทธิ์ที่แสดงเป็นสัญลักษณ์ในความสัมพันธ์เหล่านี้ถูกแทนที่ด้วยการประมาณการตัวเลขเฉพาะที่ได้มาจากข้อมูลทางเศรษฐกิจที่เฉพาะเจาะจง

ขั้นตอนของการสร้างแบบจำลองทางเศรษฐมิติ เป้าหมายหลักของเศรษฐมิติคือคำอธิบายแบบจำลองของความสัมพันธ์เชิงปริมาณเฉพาะที่มีอยู่ระหว่างตัวบ่งชี้ที่วิเคราะห์ในปรากฏการณ์ทางเศรษฐกิจและสังคมที่ศึกษา

ท่ามกลาง วัตถุประสงค์การใช้งานสามารถแยกแยะได้สามประการ:

- พยากรณ์ตัวบ่งชี้ทางเศรษฐกิจและสังคม (ตัวแปร) ที่แสดงลักษณะสถานะและการพัฒนาของระบบที่วิเคราะห์

- การเลียนแบบสถานการณ์ต่างๆ ที่เป็นไปได้สำหรับการพัฒนาทางเศรษฐกิจและสังคมของระบบที่วิเคราะห์ เมื่อระบุความสัมพันธ์ทางสถิติระหว่างลักษณะของการผลิต การบริโภค นโยบายทางสังคมและการเงิน ฯลฯ ใช้เพื่อติดตามการเปลี่ยนแปลงที่วางแผนไว้ (เป็นไปได้) ในพารามิเตอร์ที่จัดการได้บางอย่างของการผลิตหรือการจัดจำหน่ายจะส่งผลต่อค่าของลักษณะ "ผลผลิต" ที่เราสนใจ

- การวิเคราะห์กลไกการก่อตัวและสถานะของปรากฏการณ์ทางเศรษฐกิจและสังคมที่วิเคราะห์ กลไกการสร้างรายได้ของครัวเรือนทำงานอย่างไร มีการเลือกปฏิบัติด้านค่าจ้างระหว่างชายกับหญิงจริงหรือไม่ และใหญ่แค่ไหน? การทราบอัตราส่วนเชิงปริมาณที่แท้จริงในปรากฏการณ์ที่กำลังศึกษาจะช่วยให้เข้าใจผลที่ตามมาจากการตัดสินใจ การปฏิรูปเศรษฐกิจที่กำลังดำเนินอยู่ และแก้ไขได้ทันท่วงที

ตามระดับ ลำดับชั้นของระบบเศรษฐกิจที่วิเคราะห์ไว้แตกต่างกัน ระดับมหภาค(เช่น ประเทศโดยรวม) ระดับกลาง(ภูมิภาค อุตสาหกรรม บริษัท) ระดับไมโคร(ครอบครัว ธุรกิจ บริษัท)

ประวัติโดยย่อการวิจัยทางเศรษฐมิติกำหนดปัญหาที่มีความเข้มข้น: การลงทุน การเงิน นโยบายสังคม ความสัมพันธ์ในการกระจาย การกำหนดราคา ฯลฯ ยิ่งมีการกำหนดรายละเอียดของการศึกษาอย่างเฉพาะเจาะจงมากเท่าใด วิธีการที่เลือกก็จะยิ่งเพียงพอและผลลัพธ์ก็จะยิ่งมีประสิทธิภาพมากขึ้นเท่านั้น ตามกฎแล้ว

หนึ่งในแนวคิดพื้นฐานทางเศรษฐศาสตร์คือความเชื่อมโยงระหว่างปรากฏการณ์ทางเศรษฐกิจและคุณลักษณะ (ตัวแปร) ที่แสดงลักษณะของปรากฏการณ์ทางเศรษฐกิจ ความต้องการสินค้าบางอย่างในตลาดเป็นหน้าที่ของราคา การใช้จ่ายของผู้บริโภคในครอบครัวเป็นหน้าที่ของรายได้ ฯลฯ ต้นทุนการผลิตขึ้นอยู่กับผลิตภาพแรงงาน ในตัวอย่างทั้งหมดนี้ หนึ่งในตัวแปร (ปัจจัย) มีบทบาทในการอธิบาย (ผลลัพธ์) และอีกตัวแปรหนึ่ง - อธิบาย (แฟกทอเรียล)

กระบวนการสร้างแบบจำลองทางเศรษฐมิติสามารถแบ่งออกเป็นหกขั้นตอนหลัก

1. ฉากในขั้นตอนนี้มีการกำหนดวัตถุประสงค์ของการศึกษาชุดของตัวแปรทางเศรษฐกิจที่เข้าร่วมในแบบจำลอง เป้าหมายของการวิจัยทางเศรษฐมิติสามารถ:

· การวิเคราะห์วัตถุทางเศรษฐกิจที่ศึกษา

การคาดการณ์เครื่องชี้เศรษฐกิจ

·การวิเคราะห์ความเป็นไปได้ในการพัฒนากระบวนการสำหรับค่าต่างๆ ของตัวแปรอิสระ ฯลฯ

2. เบื้องต้นเป็นการวิเคราะห์แบบจำลองล่วงหน้าของสาระสำคัญทางเศรษฐกิจของปรากฏการณ์ภายใต้การศึกษา การก่อตัวและการทำให้เป็นทางการของข้อมูลเบื้องต้น โดยเฉพาะอย่างยิ่ง ที่เกี่ยวข้องกับธรรมชาติและการกำเนิดของข้อมูลสถิติเริ่มต้นและส่วนประกอบที่เหลือแบบสุ่ม

3. การกำหนดพารามิเตอร์มีการจำลองตัวเองเช่น ทางเลือกของมุมมองทั่วไปของแบบจำลอง รวมถึงองค์ประกอบและรูปแบบของการเชื่อมโยงที่เป็นส่วนประกอบ

4. ข้อมูลกำลังรวบรวมข้อมูลทางสถิติที่จำเป็น เช่น การลงทะเบียนค่าของปัจจัยและตัวบ่งชี้ที่เข้าร่วมในแบบจำลอง

5. การระบุรุ่นการวิเคราะห์ทางสถิติของแบบจำลองนั้นดำเนินการและประการแรกคือการประมาณค่าทางสถิติของพารามิเตอร์ที่ไม่รู้จักของแบบจำลอง

6. การตรวจสอบแบบจำลองมีการตรวจสอบความเพียงพอของแบบจำลอง ปรากฎว่าปัญหาของข้อมูลจำเพาะการระบุและการระบุตัวตนของโมเดลประสบความสำเร็จเพียงใด เปรียบเทียบข้อมูลจริงและแบบจำลอง และประเมินความถูกต้องของข้อมูลแบบจำลอง

สามขั้นตอนสุดท้าย (4, 5, 6) มาพร้อมกับขั้นตอนการสอบเทียบแบบจำลองที่ใช้เวลานานมาก ซึ่งประกอบด้วยการจัดเรียงผ่านตัวเลือกการคำนวณจำนวนมาก เพื่อให้ได้แบบจำลองร่วมที่สอดคล้องกันและสามารถระบุได้

แบบจำลองทางคณิตศาสตร์ที่เกิดขึ้นจริงของปรากฏการณ์ภายใต้การศึกษาสามารถกำหนดขึ้นในระดับทั่วไป โดยไม่ต้องปรับให้เข้ากับข้อมูลทางสถิติที่เฉพาะเจาะจง เช่น มันอาจจะสมเหตุสมผลหากไม่มีขั้นตอนที่ 4 และ 5 อย่างไรก็ตาม ในกรณีนี้ ไม่ใช่เศรษฐมิติ สาระสำคัญของแบบจำลองทางเศรษฐมิติคือการที่นำเสนอเป็นชุดของความสัมพันธ์ทางคณิตศาสตร์ อธิบายการทำงานของระบบเศรษฐกิจเฉพาะ ไม่ใช่ระบบทั่วไป ดังนั้นจึง "ปรับแต่ง" เพื่อทำงานกับข้อมูลทางสถิติที่เฉพาะเจาะจง ดังนั้นจึงจัดเตรียมสำหรับการดำเนินการตามขั้นตอนที่ 4 และ 5 ของการสร้างแบบจำลอง

4. ฐานทางสถิติของแบบจำลองทางเศรษฐมิติขั้นตอนที่สำคัญที่สุดขั้นตอนหนึ่งในการสร้างแบบจำลองทางเศรษฐมิติคือการรวบรวม การรวม และการจำแนกข้อมูลทางสถิติ

ฐานหลักสำหรับการวิจัยทางเศรษฐมิติคือสถิติอย่างเป็นทางการหรือข้อมูลทางบัญชี ซึ่งเป็นจุดเริ่มต้นของการวิจัยทางเศรษฐมิติ

เมื่อสร้างแบบจำลองกระบวนการทางเศรษฐกิจ จะใช้ข้อมูลสามประเภท:

1) ข้อมูลเชิงพื้นที่ (โครงสร้าง) ซึ่งเป็นชุดของตัวบ่งชี้ของตัวแปรทางเศรษฐกิจที่ได้รับ ณ เวลาใดเวลาหนึ่ง (ชิ้นส่วนเชิงพื้นที่) ซึ่งรวมถึงข้อมูลเกี่ยวกับปริมาณการผลิต จำนวนพนักงาน รายได้ของบริษัทต่างๆ ในเวลาเดียวกัน

2) ข้อมูลชั่วคราวที่แสดงลักษณะวัตถุของการศึกษาเดียวกัน ณ จุดต่างๆ ของเวลา (การแบ่งเวลา) เช่น ข้อมูลรายไตรมาสเกี่ยวกับอัตราเงินเฟ้อ ค่าจ้างเฉลี่ย เป็นต้น

3) ข้อมูลแผง (เชิงพื้นที่ - ชั่วขณะ) ครอบครองตำแหน่งกลางและสะท้อนการสังเกตวัตถุจำนวนมากตัวบ่งชี้ที่จุดต่าง ๆ ในเวลา ซึ่งรวมถึง: ประสิทธิภาพทางการเงินของกองทุนรวมขนาดใหญ่หลายแห่งเป็นเวลาหลายเดือน จำนวนภาษีที่จ่ายโดยบริษัทน้ำมันในช่วงไม่กี่ปีที่ผ่านมา เป็นต้น

ข้อมูลที่รวบรวมได้สามารถนำเสนอในรูปแบบของตาราง กราฟ และแผนภูมิ

5. ประเภทหลักของแบบจำลองทางเศรษฐมิติเศรษฐมิติแบ่งแบบจำลองสามประเภทต่อไปนี้ขึ้นอยู่กับข้อมูลที่มีอยู่และวัตถุประสงค์ของการสร้างแบบจำลอง

แบบจำลองการถดถอยด้วยสมการเดียว การถดถอยเป็นเรื่องปกติที่จะเรียกการพึ่งพาค่าเฉลี่ยของปริมาณ (y) กับปริมาณอื่นหรือหลายปริมาณ (x i)

ในรูปแบบดังกล่าว ตัวแปรตาม (อธิบาย) จะแสดงเป็นฟังก์ชัน โดยที่ตัวแปรอิสระ (อธิบาย) และเป็นพารามิเตอร์ ขึ้นอยู่กับจำนวนของปัจจัยที่รวมอยู่ในสมการถดถอย เป็นเรื่องปกติที่จะต้องแยกความแตกต่างระหว่างการถดถอยแบบง่าย (คู่) และการถดถอยหลายครั้ง

การถดถอยอย่างง่าย (คู่)เป็นแบบจำลองที่ค่าเฉลี่ยของตัวแปรตาม (อธิบาย) y ถือเป็นฟังก์ชันของตัวแปรอิสระ (อธิบาย) x โดยนัยแล้ว การถดถอยแบบคู่เป็นแบบจำลองของรูปแบบ:

อย่างชัดเจน:

โดยที่ a และ b เป็นค่าประมาณของสัมประสิทธิ์การถดถอย

การถดถอยพหุคูณเป็นแบบจำลองที่ค่าเฉลี่ยของตัวแปรตาม (อธิบาย) y ถือเป็นฟังก์ชันของตัวแปร (อธิบาย) อิสระหลายตัว x 1 , x 2 , … xn โดยนัยแล้ว การถดถอยแบบคู่เป็นแบบจำลองของรูปแบบ:

อย่างชัดเจน:

โดยที่ a และ b 1 , b 2 , b n เป็นค่าประมาณของสัมประสิทธิ์การถดถอย

ตัวอย่างของรูปแบบดังกล่าวคือการพึ่งพาเงินเดือนของพนักงานตามอายุ การศึกษา คุณสมบัติ อายุงาน อุตสาหกรรม ฯลฯ

เกี่ยวกับรูปแบบการพึ่งพามี:

การถดถอยเชิงเส้น

· การถดถอยแบบไม่เชิงเส้น ซึ่งถือว่าการมีอยู่ของความสัมพันธ์แบบไม่เชิงเส้นระหว่างปัจจัยต่างๆ แสดงโดยฟังก์ชันแบบไม่เชิงเส้นที่สอดคล้องกัน บ่อยครั้ง แบบจำลองที่มีลักษณะไม่เป็นเชิงเส้นสามารถลดขนาดลงเป็นรูปแบบเชิงเส้นได้ ซึ่งทำให้สามารถจัดประเภทเป็นแบบเชิงเส้นได้

ตัวอย่างเช่น คุณสามารถสำรวจค่าจ้างเป็นฟังก์ชันของลักษณะทางสังคมและประชากร คุณสมบัติของพนักงาน

แนวคิดของเศรษฐมิติ

คำจำกัดความ 1

เศรษฐมิติเป็นวิทยาศาสตร์ของการวัดทางเศรษฐศาสตร์

ในความหมายสมัยใหม่ เศรษฐมิติเป็นวินัยทางวิทยาศาสตร์ที่รวมระบบของผลลัพธ์ทางทฤษฎี (เทคนิค วิธีการ และแบบจำลอง) ในพื้นที่ต่อไปนี้:

ทฤษฎีเศรษฐศาสตร์
สถิติเศรษฐกิจ
เครื่องมือทางคณิตศาสตร์และสถิติ เป็นต้น

หมายเหตุ 1

ดังนั้น เศรษฐมิติตามบทบัญญัติของทฤษฎีเศรษฐศาสตร์และบทบัญญัติพื้นฐานของสถิติเศรษฐกิจ ทำให้เป็นไปได้ โดยใช้เครื่องมือทางคณิตศาสตร์และสถิติที่จำเป็น เพื่อให้การแสดงออก (เชิงปริมาณ) บางอย่างกับรูปแบบเชิงคุณภาพ (ทั่วไป)

ในทางปฏิบัติ จะใช้วิธีทางเศรษฐมิติเพื่อวัตถุประสงค์ดังต่อไปนี้:

อนุมานกฎหมายเศรษฐกิจ
กำหนดแบบจำลองทางเศรษฐศาสตร์จากความรู้ทางทฤษฎีเศรษฐศาสตร์และข้อมูลเชิงประจักษ์
ประมาณการปริมาณที่ไม่รู้จัก (พารามิเตอร์) ของแบบจำลองที่พิจารณา
วางแผนและประเมินความแม่นยำของการพยากรณ์
จัดทำข้อเสนอแนะในด้านนโยบายเศรษฐกิจ

วิธีพื้นฐานของเศรษฐมิติ

มีหลายวิธีหลัก ๆ ของเศรษฐมิติ:

สรุปและจัดกลุ่มข้อมูล
การวิเคราะห์ ซึ่งสามารถแปรผันและกระจาย;
การประยุกต์ใช้การวิเคราะห์การถดถอยและสหสัมพันธ์
สมการการพึ่งพา
ดัชนีสถิติ

การจัดกลุ่มและสรุปสถิติ

บทสรุปทางสถิติคือการประมวลผลวัสดุการสังเกตที่จัดระบบทางวิทยาศาสตร์ซึ่งประกอบด้วยองค์ประกอบต่อไปนี้:

การจัดระบบ
การจัดกลุ่มข้อมูล
ตาราง,
การคำนวณผลลัพธ์
การคำนวณตัวบ่งชี้ที่ได้รับ (ค่าเฉลี่ยและค่าสัมพัทธ์)

การจัดกลุ่มทางสถิติรวมถึงกระบวนการสร้างกลุ่มที่เป็นเนื้อเดียวกันโดยวิธีการต่อไปนี้:

การแบ่งการรวมสถิติออกเป็นส่วนๆ
การเชื่อมโยงหน่วยที่ศึกษาเข้ากับมวลรวมส่วนตัวตามลักษณะที่เกี่ยวข้อง

การกระจายตัวและการแปรผัน

ความแปรปรวนของลักษณะคือค่าเฉลี่ยกำลังสองของความเบี่ยงเบนของตัวเลือกจากค่าเฉลี่ย มีการกระจายหลายประเภทที่ใช้ในเศรษฐมิติ:

ความแปรปรวนทั่วไปซึ่งเป็นลักษณะการเปลี่ยนแปลงของสัญญาณในประชากรทางสถิติในกระบวนการสัมผัสกับปัจจัยทั้งหมด
การกระจายระหว่างกลุ่มแสดงขนาดของการเบี่ยงเบนของค่าเฉลี่ยของกลุ่มจากค่าเฉลี่ยทั้งหมดในขณะที่ระบุลักษณะอิทธิพลของปัจจัยที่สนับสนุนการจัดกลุ่มนี้
ความแปรปรวนภายในกลุ่ม (ส่วนที่เหลือ) แสดงลักษณะการเปลี่ยนแปลงของลักษณะที่อยู่ตรงกลางของแต่ละกลุ่ม

หมายเหตุ 2

วิธีการทางเศรษฐมิติวิธีหนึ่งคือการใช้ส่วนเบี่ยงเบนมาตรฐานซึ่งเป็นลักษณะทั่วไปของขนาดของการเปลี่ยนแปลงของคุณลักษณะในมวลรวม

ส่วนเบี่ยงเบนมาตรฐานจะเท่ากับรากที่สองของความแปรปรวน ในเวลาเดียวกัน เพื่อเปรียบเทียบการเปลี่ยนแปลงในลักษณะเดียวกันในหลายประชากร จะใช้ตัวบ่งชี้สัมพัทธ์ของการแปรผัน ซึ่งเรียกว่าสัมประสิทธิ์ของการแปรผัน

วิธีอื่นของเศรษฐมิติ

พิจารณาวิธีการทางเศรษฐมิติอีกสองสามวิธี:

วิธีกำลังสองน้อยที่สุดกำหนดค่าทางทฤษฎีที่แน่นอนของแบบจำลองการถดถอยเดียวรวมถึงการแสดงกราฟิก
ดัชนีทางสถิติที่ใช้เป็นตัวชี้วัดการเปลี่ยนแปลงปริมาณ โดยไม่คำนึงถึงการเปลี่ยนแปลงในลักษณะเชิงคุณภาพ (ราคา ต้นทุน ผลิตภาพแรงงาน ฯลฯ) นอกจากนี้ ดัชนีเหล่านี้ยังใช้ในกระบวนการกำหนดคุณลักษณะเชิงคุณภาพ โดยไม่คำนึงถึงการเปลี่ยนแปลงของปริมาณ (ปริมาณของสินค้าในเชิงกายภาพ จำนวนพนักงาน ฯลฯ)

UDK: 336 LBC: 65.05

การประยุกต์ใช้เครื่องมือทางเศรษฐศาสตร์เพื่อสร้างเกณฑ์หลายโรงงานสำหรับการประเมินผลลัพธ์ขององค์กร

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

การใช้เครื่องมือทางเศรษฐมิติสำหรับการก่อตัวของ

เกณฑ์การประเมินหลายปัจจัยของความมีชีวิตขององค์กร

คำสำคัญ: บริษัท, ความน่าจะเป็น, การล้มละลาย, ความน่าจะเป็นของการล้มละลาย, เศรษฐมิติ, การประเมินความสามารถในการละลาย, เกณฑ์การประเมินแบบบูรณาการ, แบบจำลอง, การประเมิน, เกณฑ์, ความน่าจะเป็นในการทำนาย

คำสำคัญ: บริษัท, ความน่าจะเป็น, ความล้มเหลว, ความน่าจะเป็นของความล้มเหลว, เศรษฐมิติ, การประเมินความมีชีวิต, เกณฑ์การประเมินแบบรวม, แบบจำลอง, การประเมิน, เกณฑ์, ความน่าจะเป็นที่คาดการณ์

บทคัดย่อ: บทความกล่าวถึงความเป็นไปได้ของการใช้เครื่องมือทางเศรษฐมิติสำหรับการสร้างเกณฑ์หลายปัจจัยสำหรับการประเมินความมีชีวิตขององค์กร แบบจำลองการประเมินค่าที่สร้างขึ้นโดยใช้วิธีการวิเคราะห์ลำดับชั้นได้รับการทดสอบกับข้อมูลของบริษัทที่ไม่ใช่สถาบันการเงินของรัสเซียหนึ่งร้อยแห่ง ผลลัพธ์ที่ได้จะถูกเปรียบเทียบกับพารามิเตอร์เริ่มต้นของแบบจำลอง หลังจากนั้นจึงสรุปผลเกี่ยวกับการนำไปใช้จริง

บทคัดย่อ: บทความกล่าวถึงความเป็นไปได้ในการใช้เครื่องมือทางเศรษฐมิติสำหรับการสร้างเกณฑ์หลายปัจจัยสำหรับการประเมินความมีชีวิตขององค์กร รูปแบบการประเมินที่สร้างขึ้นโดยกระบวนการลำดับชั้นของการวิเคราะห์ได้รับการทดสอบกับข้อมูลของบริษัทที่ไม่ใช่สถาบันการเงินของรัสเซียหลายร้อยแห่ง ผลลัพธ์เหล่านี้จะถูกเปรียบเทียบกับพารามิเตอร์เริ่มต้นของแบบจำลอง จากนั้นสรุปการนำไปใช้จริง

ด้วยภาวะเศรษฐกิจที่ถดถอยทั้งภายในและภายนอกประเทศ ทำให้หลาย ๆ บริษัทประสบปัญหาทางการเงิน การล้มละลายขององค์กรซึ่งเป็นเรื่องของความสัมพันธ์ทางเศรษฐกิจอาจกลายเป็นประเด็นของการพิจารณาคดี ดังนั้น ผู้จัดการการเงินสมัยใหม่จึงต้องเผชิญกับหน้าที่ที่ไม่เพียงแต่ป้องกันปรากฏการณ์วิกฤตและรับรองสถานะทางการเงินที่มั่นคงขององค์กรของตนเท่านั้น แต่ยังต้องพิสูจน์ความสามารถของตนต่อบุคคลที่สามด้วย

ปัจจุบัน มีเกณฑ์หลายปัจจัยค่อนข้างน้อยสำหรับการประเมินความสามารถในการละลายของบริษัทที่เสนอโดยผู้เขียนหลายคน ทั้งในและต่างประเทศ (E. Altman, R. Taffler และ G. Tishaw, R. Lis, R.S. Saifulin และ G.G. Kadykov นักวิทยาศาสตร์ของ Irkutsk State Academy of Economics, O.P. Zaitseva, W. Beaver, J. Con-

แนน และเอ็ม. โกลเดอร์, ดี. ฟุลเมอร์, จี. สปริงเกต) ควรสังเกตว่าแบบจำลองต่างประเทศไม่เป็นที่ยอมรับสำหรับองค์กรของรัสเซียเสมอไป เนื่องจากใช้ค่าสัมประสิทธิ์คงที่ซึ่งคำนวณตามเงื่อนไขทางเศรษฐกิจ คุณลักษณะการให้กู้ยืมและภาษีอื่น ๆ

การวินิจฉัยปัจจัยที่นำองค์กรไปสู่การล้มละลายสามารถดำเนินการได้หลายวิธี รวมถึงวิธีการวิเคราะห์ ผู้เชี่ยวชาญ วิธีการเขียนโปรแกรมเชิงเส้นและไดนามิก ตลอดจนการใช้แบบจำลองสถานการณ์

วัตถุประสงค์ของงานคือเพื่อทดสอบรูปแบบใหม่สำหรับการประเมินความสามารถในการละลายของ บริษัท โดยใช้เครื่องมือทางเศรษฐมิติ

ตามวิธีการวิเคราะห์ลำดับชั้น เราได้พัฒนารูปแบบใหม่สำหรับการประเมินความมีชีวิตขององค์กรและกำหนด

ค่าเกณฑ์ของอินทิกรัลอินดิเคเตอร์1:

X = 0.194*P(12) + 0.186*P(15) + 0.19*P(27) + 0.232*P(30) + 0.197*P(33),

P(12) - ระดับความสามารถในการละลายขององค์กร

P(15) - อัตราส่วนสภาพคล่องปัจจุบัน

P(27) - ผลตอบแทนจากเงินทุนหมุนเวียน

P(30) - ผลผลิตทุน

P(33) - ผลตอบแทนจากการขาย

วิธีการวิเคราะห์ลำดับชั้นเป็นเทคนิคการประเมินหลายเกณฑ์ โดยมีการเลือกตัวบ่งชี้ปัจจัยและรูปแบบหลายปัจจัย เพื่อค้นหาตัวบ่งชี้-ปัจจัยลำดับความสำคัญ จึงใช้มาตราส่วนความสำคัญสัมพัทธ์ของ T. Saaty และ K. Kearns2 ด้วยความช่วยเหลือของมัน จึงมีการสร้างเมทริกซ์ของการเปรียบเทียบตัวบ่งชี้-ปัจจัยแบบคู่และเลือกลำดับความสำคัญของท้องถิ่น

ปัจจัยที่สำคัญที่สุดในบรรดาปัจจัยที่พิจารณาได้รับการยอมรับ: ระดับของความสามารถในการละลาย, อัตราส่วนสภาพคล่องในปัจจุบัน, ความสามารถในการทำกำไรของเงินทุนหมุนเวียน, ผลผลิตของเงินทุนและความสามารถในการทำกำไรของการขาย

สำหรับการวิจัยเพิ่มเติม ค่าลำดับความสำคัญของปัจจัยที่ระบุได้รับการแก้ไขโดยการหารค่าเริ่มต้นด้วยผลรวมของค่าสุดท้าย และได้รับเวกเตอร์ลำดับความสำคัญปกติสำหรับชุดเกณฑ์ที่ถูกตัดทอน

พบค่าเกณฑ์โดยใช้การวิเคราะห์เชิงประจักษ์จากข้อมูลจริง มีการจัดตั้งบริษัทรัสเซียที่ไม่ใช่สถาบันการเงิน 100 แห่งขึ้น

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

โดยใช้ฐานข้อมูล กลุ่มตัวอย่างประกอบด้วย 50 บริษัทที่มั่งคั่ง และ 50 บริษัทที่ศาลประกาศล้มละลาย สำหรับแต่ละองค์กรจะมีการคำนวณตัวบ่งชี้แบบรวมและกราฟของการพึ่งพาตัวบ่งชี้แบบอินทิกรัลกับสถานะของ บริษัท ต่างๆ

ภายในกรอบของแบบจำลองที่เราพัฒนา บริษัท ที่มีตัวบ่งชี้รวมไม่เกิน 15 กลายเป็นล้มละลาย

ในการประเมินความสัมพันธ์ระหว่างความน่าจะเป็นของการล้มละลายขององค์กรและมูลค่าของเกณฑ์รวม เราใช้เครื่องมือทางเศรษฐมิติ สำหรับสิ่งนี้ มีการใช้ตัวอย่างเดียวกันของบริษัทที่ไม่ใช่สถาบันการเงินของรัสเซีย 100 แห่ง

แบบจำลองตัวเลือกไบนารีได้รับการทดสอบ: Probk-model4 (ฟังก์ชันสะสมของการแจกแจงแบบปกติมาตรฐาน) และ Logit-model (ฟังก์ชันความน่าจะเป็นแบบอินทิกรัลของการแจกแจงแบบโลจิสติก) แบบจำลองไบนารีทำให้สามารถระบุการพึ่งพาความน่าจะเป็นของการล้มละลายของบริษัทและมูลค่าของเกณฑ์รวม

ตามแบบจำลองประเภทนี้ ตัวแปรตามมีค่าสองค่า: 0 และ 1 เราเลือกสถานะของบริษัทเป็นตัวแปรตาม ค่า "0" ถูกกำหนดให้กับองค์กรตัวทำละลาย และค่า "1" ถูกกำหนดให้กับบริษัทที่มีหนี้สินล้นพ้นตัว จากตัวอย่างที่เกิดขึ้น จำนวนบริษัทที่ร่ำรวยและมีหนี้สินล้นพ้นตัวเท่ากันและเท่ากับ 50

ค่าสัมประสิทธิ์ที่คำนวณได้ทั้งหมด รวมถึงตัวบ่งชี้รวมสำหรับบริษัทที่เลือก แสดงอยู่ในตารางที่ 1

1 Suvorova, L.V., Suvorova, T.E. การประเมินการล้มละลายขององค์กรโดยใช้วิธีการวิเคราะห์ลำดับชั้น // การดำเนินการประชุมทางวิทยาศาสตร์และการปฏิบัติระดับนานาชาติ VIII "ภาคโครงสร้างพื้นฐานของเศรษฐกิจ: ปัญหาและแนวโน้มการพัฒนา" - โนโวซีบีสค์: NSTU, 2558

2 มาคารอฟ เอ.เอส. ปัญหาการเลือกเกณฑ์สำหรับการวิเคราะห์การละลายขององค์กร // การวิเคราะห์ทางเศรษฐศาสตร์: ทฤษฎีและการปฏิบัติ. 2551. ครั้งที่ 3.

3 FIRA PRO - ระบบข้อมูลและการวิเคราะห์ หน่วยงานจัดอันดับอิสระแห่งแรก [ทรัพยากรอิเล็กทรอนิกส์] - URL: http://www.fira.ru/ -ชื่อ จากหน้าจอ

4 ซานดอร์, ซอลท์. โปรแกรมการศึกษาทางเศรษฐมิติ: ตัวแปรตามจำกัด โมเดลพหุนามของตัวเลือกที่ไม่ต่อเนื่อง // ควอนไทล์ - 2552. -№7. - ส. 9-20.

ปัจจัยบ่งชี้บริษัท เกณฑ์รวม Y: 1- บริษัทที่ล้มละลาย 0- บริษัทที่ล้มละลาย

ผลตอบแทนจากสินทรัพย์, หุ้น อัตราส่วนสภาพคล่องในปัจจุบัน, หุ้น ระดับความสามารถในการชำระหนี้ของหนี้สินหมุนเวียน, หุ้น ผลตอบแทนจากเงินทุนหมุนเวียน, % ผลตอบแทนจากการขาย, %

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

ทดสอบแบบจำลองการถดถอย 2 แบบ ผลการทดสอบแบบจำลองนำเสนอโดยใช้โปรแกรม Eviews รีเลย์ในตารางที่ 2

ตารางที่ 2 - การทดสอบแบบจำลอง

แบบจำลองพารามิเตอร์

จำนวนการสังเกต 100 100

ตัวบ่งชี้รวม -0.149***(0.043) -0.338**(0.138)

คงที่ 2.391***(0.569) 5.155***(1.858)

ปัญหา (สถิติ LR) 0.000 0.000

McFadden อาร์สแควร์ 0.769 0.804

บันทึก. ข้อผิดพลาดมาตรฐานระบุไว้ในวงเล็บ ระดับนัยสำคัญระบุด้วยเครื่องหมายดอกจัน: *p<0,1; **p <0,05; ***p <0,01.

จากผลลัพธ์ที่ได้ สรุปได้ว่าโดยทั่วไปแล้วการถดถอยทั้งสองมีนัยสำคัญที่ระดับ 1% การประมาณค่าสัมประสิทธิ์ยังมีนัยสำคัญที่ระดับ 1% สำหรับโมเดล Probit และสำหรับเราที่ 5% สำหรับโมเดล Logit การประเมินค่าสัมประสิทธิ์หน้าตัวแปรที่รับผิดชอบค่าของอินทิกรัลอินดิเคเตอร์

เชิงลบ. สิ่งนี้ชี้ให้เห็นว่ายิ่งค่าของอินดิเคเตอร์มีค่าสูงเท่าใด ความน่าจะเป็นของการล้มละลายก็จะยิ่งน้อยลงเท่านั้น

ผลการประเมินการถดถอยสามารถนำเสนอในรูปแบบต่อไปนี้:

Rg \u003d 2.391 - 0.149 * x ()

Pi \u003d L (5.155 - 0.338 * xt)

การพึ่งพาค่าของตัวบ่งชี้อินทิกรัลกับความน่าจะเป็นเชิงทำนายที่กำหนดโดยใช้โมเดล Logit และ Probit แสดงไว้ในรูปที่ 1

แม้ว่าทั้งสองรุ่นจะให้ผลลัพธ์เกือบเหมือนกัน แต่ก็ไม่พบความแตกต่างที่มีนัยสำคัญ อย่างไรก็ตาม มีความเบี่ยงเบนจากไดนามิกทั่วไปอยู่อย่างหนึ่ง

1-1-1-1-0 -,-■

♦ โมเดล Logit ■ โมเดล Probit

ค่าของอินทิกรัลอินดิเคเตอร์

รูปที่ 1 - การแสดงกราฟิกของอัตราส่วนของค่าของเกณฑ์รวม

และการประมาณการความน่าจะเป็นของการล้มละลาย

ในการกำหนดค่าเกณฑ์นั้น ระบบคาดการณ์ความน่าจะเป็นของการล้มละลายที่คาดการณ์ไว้สำหรับทุกบริษัทจากตัวอย่างสำหรับโมเดลไบนารีทั้งสอง รูปที่ 2 และ 3 แสดงการพึ่งพาของความน่าจะเป็นในการทำนายกับหมายเลขการสังเกต 50 บริษัทแรกในกลุ่มตัวอย่างร่ำรวย และ 50 บริษัทสุดท้ายถูกศาลตัดสินให้ล้มละลาย

กราฟเหล่านี้ยังแสดงให้เห็นว่ามีค่าเบี่ยงเบนหนึ่งค่า บริษัทที่ตรงกับหมายเลข 59 นั้นล้มละลายจริง แต่เกณฑ์รวมแสดงข้อสรุปที่ตรงกันข้าม มีการทำนายความน่าจะเป็นของการล้มละลายที่ต่ำมากสำหรับบริษัทนี้

รูปที่ 2 - การแสดงกราฟิกของอัตราส่วนของความน่าจะเป็นของการล้มละลายที่คาดการณ์ไว้และจำนวนบริษัทสำหรับโมเดล Logit

ดังนั้นจึงสรุปได้ว่าบริษัทมีหนี้สินล้นพ้นตัว และหากความน่าจะเป็นที่คาดการณ์ไว้ หากความน่าจะเป็นของการล้มละลายที่คาดการณ์ไว้มีมากกว่า 50% แสดงว่าบริษัทมีหนี้สินล้นพ้นตัว น้อยกว่า 50% แล้วบริษัทนั้นๆ

10 20 30 40 50 60 70 80 90 100

รูปที่ 3 - การแสดงกราฟิกของอัตราส่วนของการคาดการณ์ความน่าจะเป็นของการล้มละลายและจำนวนบริษัทสำหรับแบบจำลอง Pmbk

ตามที่ระบุไว้ก่อนหน้านี้ เมื่อคำนวณเกณฑ์หลายปัจจัยโดยใช้ AHP เกิดความไม่ถูกต้องสองประการ กล่าวคือ บริษัท 2 แห่งที่มีการคาดการณ์ความสามารถในการชำระหนี้มีหนี้สินล้นพ้นตัว สิ่งนี้สอดคล้องกับข้อผิดพลาดประเภทที่ 1 ความไม่ถูกต้องที่คล้ายกันเกิดขึ้นเมื่อทำนายความน่าจะเป็นของการล้มละลายโดยใช้เครื่องมือทางเศรษฐมิติ แต่ข้อผิดพลาดประเภทที่ 1 ในกรณีนี้

ชาอยู่ที่ 1% (มีบริษัทล้มละลายเพียงแห่งเดียวที่คาดการณ์ว่ามีโอกาสล้มละลายต่ำ) ไม่พบข้อผิดพลาด Type II ในทั้งสองกรณี อำนาจการอธิบายของแบบจำลองพบว่าเป็น 100% ลบข้อผิดพลาดประเภท I และประเภท II ทั้งสองรูปแบบที่ประกอบขึ้นด้วยความช่วยเหลือของ AHP และด้วยความช่วยเหลือของเครื่องมือทางเศรษฐมิติมีพลังในการอธิบายสูง (ตารางที่ 3)

ตารางที่ 3 - ลักษณะเปรียบเทียบของเครื่องมือ AHP และเศรษฐมิติ

ชุดเครื่องมือเศรษฐมิติเกณฑ์ AHP

เกณฑ์ X<15 - компания несостоятельна, Х>15 - บริษัท ร่ำรวย P<50% - компания состоятельна, Р >50% - บริษัทล้มละลาย

ข้อผิดพลาดประเภทที่ 1 (บริษัทที่มีการคาดการณ์ความสามารถในการชำระหนี้จะล้มละลาย) 2% 1%

ข้อผิดพลาดประเภท II (บริษัทที่มีการคาดการณ์การล้มละลายเป็นตัวทำละลาย) 0% 0%

พลังอธิบายโมเดล 98% 99%

จากผลลัพธ์ที่ได้รับโดยใช้วิธีการวิเคราะห์ เราสามารถสรุปได้ว่าโมเดลใหม่ ลำดับชั้น และการตรวจสอบโดยใช้

ชุดเครื่องมือเศรษฐมิติเป็นกุญแจสำคัญในการล้มละลายของ บริษัท รัสเซีย เหมาะสมที่สุดและเหมาะสมสำหรับการวินิจฉัย

อ้างอิง

1. มาคารอฟ, A.S. ปัญหาการเลือกเกณฑ์สำหรับการวิเคราะห์การละลายขององค์กร // การวิเคราะห์ทางเศรษฐศาสตร์: ทฤษฎีและการปฏิบัติ. - 2551. - ครั้งที่ 3.

2. Suvorova, L.V. , Suvorova, T.E. การประเมินการล้มละลายขององค์กรโดยใช้วิธีการวิเคราะห์ลำดับชั้น // การดำเนินการประชุมทางวิทยาศาสตร์และการปฏิบัติระหว่างประเทศครั้งที่ 8 "ภาคโครงสร้างพื้นฐานของเศรษฐกิจ: ปัญหาและโอกาสในการพัฒนา", NSTU, โนโวซีบีร์สค์, 2558

3. แซนเดอร์, ซอลท์. โปรแกรมการศึกษาทางเศรษฐมิติ: ตัวแปรตามจำกัด โมเดลพหุนามของตัวเลือกที่ไม่ต่อเนื่อง // ควอนไทล์ - 2552. - ครั้งที่ 7. - ส. 9-20.

4. Altman, E. & Haldeman, R. (1977) การวิเคราะห์ ZETA: รูปแบบใหม่ในการระบุความเสี่ยงในการล้มละลายขององค์กร วารสารการธนาคารและการเงิน, 1, 29-35.

5. Beaver, W. (1966) อัตราส่วนทางการเงินเป็นตัวทำนายความล้มเหลว วารสารวิจัยการบัญชี, 4.71-111.

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

7. FIRA PRO - ระบบข้อมูลและการวิเคราะห์ หน่วยงานจัดอันดับอิสระแห่งแรก [ทรัพยากรอิเล็กทรอนิกส์] - URL: http://www.fira.ru/ - ซาเกล จากหน้าจอ

8. Fulmer, J. & Moon, J. (1984) แบบจำลองการจัดประเภทการล้มละลายสำหรับบริษัทขนาดเล็ก วารสารสินเชื่อธนาคารพาณิชย์, 25-37.

9. Springate, G. (1978) การทำนายความเป็นไปได้ของความผิดพลาดในบริษัทของแคนาดา MBA ที่ไม่ได้เผยแพร่ โครงการวิจัย มหาวิทยาลัยไซมอน เฟรเซอร์