<<
>>

Эвристический метод

  Эвристический метод экономического анализа основывается на опыте и интуиции исследователя. Несмотря на отсутствие в нем какой- либо формализации действий, этот метод анализа нередко дает вполне удовлетворительные результаты.

Факторный анализ

Различают два вида связей, существующих между явлениями: функциональные и статистические. Функциональные связи характеризуются полным соответствием между факторным и результативным признаками, а при статистических связях между фактором и результатом наблюдается лишь известное соотношение. Такого рода связи характерны прежде всего для массовых общественных явлений, которые складываются под воздействием множества факторов, действующих одновременно и часто разнонаправленно. Статистические взаимосвязи являются объектом корреляционного анализа.

Кроме названных видов связей явлений необходимо различать также связи прямые и обратные, линейные и нелинейные.

Приемы исследования связей явлений осуществляются в двух видах: детерминированном (функциональном) и стохастическом (вероятностном).

Основные методы детерминированного анализа: индексный метод; способ цепных подстановок; способ абсолютных разниц; способ относительных разниц; способ долевого участия; интегральный способ; способ логарифмирования.

Индексный метод

Статистическим индексом называют обобщающий относительный показатель сравнения двух совокупностей, состоящих из элементов, непосредственно не поддающихся суммированию, например совокупность, где элементами выступают хлопок и станки. Наиболее распространена сравнительная характеристика совокупностей во времени. Здесь индексы выступают как временные показатели (показатели динамики). Индексный метод применяется также в статистике как аналитическое орудие — для оценки роли отдельных факторов в изменении сложного явления.

Классификация индексов представлена на рис.

2.4.

К индексам объемных показателей относятся индексы физического объема продукции, физического объема товарооборота, физического объема валового национального дохода и др. Индексы качественных показателей включают в себя индексы цен, себестоимости, производительности труда и др. Общие индексы характеризуют изменение совокупности в целом, например валовой продукции народного хозяйства в отчетном году по сравнению с предыдущим. Индивидуаль-

Рис. 2.4. Классификация индексов

ные индексы дают сравнительную характеристику динамики отдельных элементов совокупности, например выпуска чугуна в двух периодах. Групповые индексы характеризуют динамику не всей совокупности, а только ее части, например индекс валовой продукции машиностроительной отрасли. Агрегатные и средние из индивидуальных индексов определяются методологией их расчета. Если база для сравнения всех уровней явления остается постоянной, получаемый индекс называют базисным, в противном случае — цепным.

Индивидуальные индексы

При сравнительной характеристике динамики отдельных элементов совокупности индивидуальные индексы могут быть получены непосредственным сопоставлением индексируемых показателей.

Чтобы получить характеристику изменения цен на какой-либо продукт, рассчитывают индекс:

\ = PjPv

где ip — индивидуальный индекс цен; р4, р0 — цена единицы продукта в отчетном и базисном периодах соответственно.

Чтобы получить характеристику изменения количества товара, рассчитывают индекс:


где iq — индивидуальный индекс физического объема; q4, qo — количество товара в отчетном и базисном периодах соответственно. Агрегатные индексы

Непосредственную несуммарность элементов двух и более статистических совокупностей можно преодолеть с помощью введения в индекс некоторого дополнительного неизменного показателя, экономически тесно связанного с индексируемым показателем.

Этот дополнительный неизменный показатель выступает в индексе в виде статистического веса. Указанный подход приводит к получению агрегатного индекса, который является основной формой общего индекса.

Чтобы получить сведения об изменении цен на все продукты в виде единого показателя, необходимо сопоставить цены при помощи неизменного количества товаров. Такой подход приводит к построению двух равноправных индексов цен:

где 1р — общий индекс цен.

В статистике в основном применяется первый индекс, так как он дает возможность узнать, как изменился уровень цен на товарную массу, произведенную в отчетном году. Разность между числителем и знаменателем индекса позволяет получить абсолютную экономию или перерасход от изменения цен.

Чтобы получить сведения об изменении количества различных продуктов в виде единого показателя, необходимо их соизмерить с помощью неизменного уровня цен. Такой подход приводит к построению двух равноправных индексов физического объема продукции:

где Iq — общий индекс физического объема продукции.

В статистике в основном используют первый индекс, позволяющий устранить влияние изменения цен на величину индекса. Разность между числителем и знаменателем индекса дает возможность получить абсолютную величину прироста или падения количества продукции.

Агрегатный индекс физического объема товарооборота строится как отношение стоимости количества продукции отчетного периода в отчетных ценах к стоимости базисного количества продукции в базисных ценах, т. е.

где Ipq — индекс физического объема товарооборота.

Средние индексы из индивидуальных

Если исходные данные не позволяют исчислить общий индекс в агрегатной форме, прибегают к построению среднего индекса из индивидуальных. Критерием правильности построения среднего индекса является его равенство агрегатному. При исчислении средних индексов используются только две формы средних: средняя арифметическая и средняя гармоническая.

Средний арифметический индекс может быть получен с помощью преобразования агрегатного индекса физического объема продукции

Весами индивидуальных индексов являются слагаемые знаменателя агрегатного индекса.

Средний гармонический индекс может быть получен преобразованием агрегатного индекса цен

Весами индивидуальных индексов являются слагаемые числителя агрегатного индекса.

Индексный метод анализа факторов динамики явлений Индексный метод анализа факторов динамики явлений применяется в тех случаях, когда между результативным и факторными показателями существует функциональная связь. Первым этапом анализа является установление формы связи признаков, затем строится система взаимосвязанных индексов.

Построение системы взаимосвязанных индивидуальных индексов Если результативный показатель представляется произведением факторов-сомножителей, то система взаимосвязанных индексов

может быть построена двумя методами:

во-первых, в этом случае выявляется воздействие каждого фактора при условии, что все остальные не изменяются, т. е. находятся на базисном уровне, и, во-вторых, в виде последовательной цепи (цепной метод):

Этот метод требует предварительного обоснования порядка фиксирования факторов.

Построение системы взаимосвязанных общих индексов Системы взаимосвязанных общих индексов можно подразделить на системы взаимосвязи индексов количественных показателей и системы взаимосвязи индексов средних уровней качественного показателя.

Системы взаимосвязи количественных показателей аналогично системам индивидуальных индексов могут быть построены двумя методами. Первый — метод изолированного влияния:

где х — качественный признак; у — количественный признак.

В формуле дополнительный сомножитель в квадратных скобках — индекс ковариации — характеризует степень дополнительного влияния (сверх изолированного изменения х и у), которое является результатом того, что факторы х и у изменялись не изолированно, а во взаимосвязи.

Второй — цепной метод — разлагает результативный индекс только на произведение сомножителей-факторов. Например, индекс товарооборота может быть разложен так:


В системе взаимосвязанных индексов средних уровней качественного показателя динамика среднего показателя (индекс переменного состава I с) выступает как произведение двух индексов: индекса показателя в неизменной структуре (индекс постоянного состава) и индекса влияния изменения структуры явлений на динамику среднего показателя (индекс, структурных сдвигов

или


где х — уровень качественного показателя; m — удельный вес или численность отдельных групп.

Способ цепных подстановок

Используется в моделях различного типа. Находит широкое применение в анализе. Позволяет определить влияние отдельных факторов на результат путем последовательной замены их базисных значений на фактические. Сравнение результативного показателя до и после изменения уровня того или иного фактора позволяет определить абсолютное фактора на результат.

Способ абсолютных разниц

Пусть имеется мультипликативная зависимость следующего вида:

У = А х В х С.

Необходимо найти воздействие каждого из трех факторов на результативный фактор У.

Рассчитываем абсолютные отклонения (разницы):

Здесь и далее «1» относится к отчетным данным, а «0» — к базисным. Определим теперь влияние факторов А, В и С на результат У:


Способ относительных разниц

Рассчитываем относительные отклонения (разницы): А% = (А1 - А0) : А0 х 100%; В% = (В1- В0) : В0 х 100%; С% = (С1 - С0) : С0 х 100%.

Определим теперь влияние факторов А, В и С на результат У: Способ долевого участия

Пусть имеется адитивная зависимость У = А + В + С. Определим влияние ее факторов на результат:

Интегральный способ

Покажем его применение на мультипликативной модели У = А х В х С. Оценим влияние факторов на результат:

Способ логарифмирования

Используем предыдущую мультипликативную модель. Предварительно рассчитываем индивидуальные индексы ее факторов и результата — /А; 1в; 1с; 1у

Области применения рассмотренных способов факторного анализа

Способ абсолютных и относительных разниц применяется для расчета влияния факторов на прирост результативного показателя только в мультипликативных и смешанных моделях типа:

У = (А - В) х С и У = А X (В - С).

Способ долевого участия применяется ддя анализа аддитивных моделей и моделей смешанного типа:

У = А : (В + С).

Интегральный способ применяется в моделях смешанного типа, а способ логарифмирования — для факторного анализа мультипликативных моделей.

Следует также отметить, что эти два последних способа в отличие от предыдущих учитывают и совместное изменение факторов, что, естественно, приводит к более точным результатам в проведенном анализе.

Методы вероятностного анализа: метод взаимосвязанных параллельных рядов; метод корреляционной таблицы; метод корреляционного анализа; метод дисперсионного анализа; метод экспертных оценок; метод тестирования.

Метод взаимозависимых параллельных рядов

Суть его заключается в том, что социально-экономические или техникоэкономические показатели, связь которых определяется существом отражаемых ими явлений, располагаются двумя параллельными рядами, причем ряд вариантов факторного признака ранжируется. Путем сравнения таких рядов выявляются характер и направление связи. Сравнивать можно временные, территориальные ряды, а также ряды распределения.

Метод корреляционной таблицы

Если в примере для иллюстрации метода аналитических группировок мы пользовались таблицей с распределением только факторного признака, то корреляционная таблица охватывает два независимых ряда распределения: кроме распределения факторного признака еще и распределение результативного признака. Особенностью установления связи между признаками с помощью корреляционной таблицы является возможность оценки интенсивности связи.

Метод корреляционного анализа

Особенность изучения связи явлений методом корреляции состоит в том, чтобы оценить зависимость между избранными факторными и результативными признаками, устраняя при этом сложное взаимодействие их со всеми прочими факторами.

Случайный характер явлений, лежащий в основе экономических процессов, позволяет выделить два основных типа зависимостей между переменными величинами. Во-первых, зависимость случайной переменной от неслучайной переменной и, во-вторых, зависимость между двумя случайными величинами. Первый случай приводит к схеме регрессионного анализа (построение конкретного вида зависимости между переменными, различные оценки ее точности), второй — к схеме корреляционного анализа, который кроме указанных действий предусматривает исследование вопросов степени тесноты связи между переменными.

Следует также сказать, что аппарат корреляционного и регрессионного анализа разработан применительно к совокупности, имеющей нормальное распределение. В экономических исследованиях чаще встречаются скошенные распределения. Для таких распределений до сих пор не существует аппарата анализа связей, поэтому практически используются методы, разработанные в предположении нормального распределения, например при определении параметров уравнения регрессий — методом наименьших квадратов. Однако выводы должны делаться с известной осторожностью.

Корреляционный анализ социально-экономических явлений можно подразделить на следующие взаимосвязанные этапы: определение цели исследования; сбор технико-экономической информации; выбор формы связи; нахождение параметров модели; анализ и интерпретация полученных результатов.

Цели регрессионного анализа могут быть весьма разнообразными: вывод формул для укрупненных расчетов, исследование зависимостей социальных процессов технико-экономических показателей с целью их анализа и использования для разработки плана, для прогнозирования, для оптимального управления и пр.

При решении экономических задач полученные результаты в значительной степени зависят от качестве исходной информации. Поэтому важно, чтобы она была достоверной, представлена количественными признаками и в объеме, достаточном для характеристики генеральной совокупности с заданной вероятностью.

Сложность экономических явлений, наличие в них разнонаправленных влияний, очень большого числа факторов делает непростым вопрос отбора независимых переменных для включения их в модель. Для объективной оценки факторов, влияющих на исследуемое явление, при многофакторном моделировании может применяться метод учета мнений различных специалистов по этому вопросу.

Сложным вопросом является выбор формы связи между признаками. В случае парной корреляции решающее значение имеет характер расположения точек на поле корреляции. Однако для многофакторных зависимостей выбор формы связи остается еще делом достаточно неопределенным. Некоторые указания на соответствующий тип функции можно получить на основе теоретического анализа данного экономического явления. Однако это далеко не всегда осуществимо. В настоящее время в связи с использованием в статистических расчетах ЭВМ вид связи признаков находят эмпирически: строят корреляционные модели, разные по алгебраической форме и набору включенных в них переменных, и выбирают наилучшую с помощью некоторых статистических критериев. Параметры модели чаще всего находят методом наименьших квадратов.

Сложной частью корреляционного анализа являются анализ и истолкование полученных результатов. Рассмотрение коэффициентов регрессии и построение функций абсолютной и относительной эластичности признака позволяют сделать те или иные выводы об исследуемых показателях.

Прежде чем установить количественную зависимость между факторными и результативными признаками исследуемых явлений, необходимо определить степень тесноты взаимосвязи указанных признаков. Понятие тесноты связи между признаками возникает вследствие того, что на результативный признак кроме избранных нами факторных признаков действуют и другие. Необходимо разделить количественное влияние этих факторов и прочих, оставленных вне исследования.

Простейшей характеристикой тесноты связи является коэффициент Фехнера (К), который рассчитывается как частное от деления разности между количеством совпадений и несовпадений знаков отклонений индивидуальных величин каждого признака от средней на общую сумму количества этих отклонений:

К, = (n - n )/(n + n ),

ф 4 а              в'/ 4 а в/?

где na — количество совпадений знаков; ne — количество несовпадений знаков; Кф изменяется в диапазоне от +1 до -1.

Другим показателем тесноты корреляционной зависимости является показатель корреляции рангов Спирмена (р):

где n — число пар наблюдений;— сумма квадратов разностей ран

гов; р изменяется в пределах от -1 до +1.

Наиболее точными показателями степени тесноты связи признаков являются коэффициент корреляции r (если предполагается их линейная связь) и корреляционное отношение п:

где х — факторный признак; у — результативный признак; r изменяется в пределах от -1 до +1;

где показывает колеблемость, вызванную действием только исследуемого признака; — общая дисперсия; п изменяется от 0 до +1.

Принято считать связь между признаками слабой, если значение показателя тесноты связи по абсолютной величине не превышает 0,3; тесной, если значение лежит в диапазоне от 0,3 до 0,7, а если в диапазоне от 0,7 до 1,0 — очень тесной.

В случае предположения линейной связи признаков теснота связи между ними определяется коэффициентом множественной корреляции R. При двух факторных признаках х и х2


где r — парные коэффициенты корреляции результативного и факторного признаков; R изменяется в диапазоне от 0 до +1.

В общем случае для оценки степени тесноты связи между признаками применяется показатель множественного корреляционного отношения пмн (индекс корреляции):


где у — теоретическое значение результативного признака; пмн изменяется в пределах от 0 до +1. Квадрат змз называется коэффициентом детерминации, который показывает долю общей вариации, вызванную учтенными в расчете факторами.

Количественное выражение связи признаков является одной из важных задач статистического исследования. Линия, при изучении корреляционной связи двух признаков отражающая те изменения величины результативного признака, которые имели бы место при устранении влияния на этот признак всех других, кроме принятого фактора, называется теоретической линией регрессии. Если параметры уравнения линии регрессии выражены численно, то оно называется корреляционным уравнением.

Общий вид уравнения прямой линии регрессии:


где х — наблюдаемые значения факторного признака; а0, ах — параметры уравнения регрессии.

Найдя численные значения параметров а0 и а4, получаем корреляционное уравнение, количественно характеризующее связь двух изучаемых признаков. Эти численные значения параметров уравнения определяются на основе имеющихся данных наблюдения способом наименьших квадратов. Если обозначить ординаты фактических точек поля корреляции, т. е. индивидуальных значений величины результативного признака (рис. 2.5), через у, а ординаты теоретической линии регрессии через у, то условие метода наименьших квадратов можно сформулировать так.

Если переписать условие наименьших квадратов = min, взять последовательно первую производную данной функции по а0 и а и приравнять производную к нулю, получим систему уравнений для нахождения искомых параметров корреляционного уравнения:


где n — число наблюдений.

Рис. 2.5. Поле корреляции. Иллюстрация метода наименьших квадратов

При парной зависимости между признаками расположение точек на поле корреляции может свидетельствовать о нелинейной связи факторного и результативного признаков. Здесь наиболее часто используются следующие уравнения регрессии: парабола второй степени; гипербола; степенная функция; показательная функция.

Процедура нахождения параметров указанных зависимостей аналогична описанной выше.

Способ наименьших квадратов используется также и при исследовании зависимости результативного признака от двух и более факторных признаков.

Здесь также можно выделить линейную и нелинейную формы связи. Для линейной зависимости трех факторов уравнение множественной регрессии имеет вид


Наиболее часто нелинейная зависимость признаков отображается степенным уравнением регрессии, которое для случая трех факторов имеет вид

Для нахождения параметров методом наименьших квадратов это уравнение необходимо прологарифмировать.

Полученные уравнения регрессии, естественно, не являются самоцелью исследования, а используются для анализа явлений на самых различных уровнях. Для этого необходима интерпретация статистических моделей. Социально-экономическое истолкование полученных уравнений регрессии производится в основном с помощью абсолютных и относительных функций эластичности.

Функция абсолютной эластичностиопределяется как частная производная уравнения регрессиипо соответствующей переменной (х), т. е.

Функция относительной эластичности Е(х) определяется какпроизведение функции абсолютной эластичности и(х) на отношениет. е.

Поясним сказанное. Пусть имеется линия регрессии третьей степени:

Возьмем производную по х:

Если ограничиться показателем степени при х = 1, то мы получим значение показателя абсолютной эластичности для парной прямолинейной регрессии: 9(х) = а , а функция относительной эластичности для этого случая такова:

Определим функцию относительной эластичности для кубической параболы:


Рассмотрим теперь построение показателей эластичности для многофакторных регрессионных моделей.

Как известно, уравнение множественной регрессии имеет вид

Для получения показателя абсолютной эластичности возьмем частную производную по х:


Таким образом, при множественной линейной регрессии коэффициенты регрессии являются показателями абсолютной эластичности результативного признака и соответствующего фактора. Найдем теперь функцию относительной эластичности:


Перейдем к рассмотрению 9(г) и Е(х) в степенном многофакторном уравнении регрессии:


Для 9(х) найдем частную производную:


Таким образом, относительная эластичность для степенной функции — величина постоянная, равная коэффициенту регрессии. Когда сумма коэффициентов регрессии больше единицы, зависимая пере

менная увеличивается в большей степени, чем факторы, влияющие на ее уровень, и наоборот, если сумма коэффициентов регрессии меньше единицы, то зависимая переменная увеличивается в меньшей степени, чем факторы.

Несколько слов о свободном члене уравнений регрессии а0. Он характеризует начальную ординату линии регрессии для случая парной зависимости и начальную ординату гиперплоскости множественной регрессии в и-мерном пространстве. Величина а0 зависит от единиц измерения исследуемых признаков.

В заключение отметим, что регрессионные уравнения, построенные по одним факторным признакам, с целью исследования и анализа могут быть преобразованы путем перехода на удельные показатели в статистической модели с иными (качественными) факторными и результативными признаками. Например, если построена зависимость уровня цеховых расходов у от заработной платы х, численности работников х2 и объема валовой продукции х3:

то, поделив обе части на х2, получим

где— средняя заработная плата; .— производительность труда.

Такой подход позволяет иногда углубить экономический анализ исследуемых явлений.

Как правило, корреляционные вычисления в социально-экономических исследованиях производятся на основе ограниченного числа данных, которые можно рассматривать как выборочные. Поэтому, естественно, возникает вопрос о вероятностной оценке полученных данных, или, иными словами, о значимости полученных результатов корреляционного анализа. Оценке могут быть подвергнуты показатели тесноты связи изучаемых признаков, параметры полученного корреляционного уравнения, точность аппроксимации, индивидуальные значения теоретического уровня признака и, наконец, уравнение корреляции в целом. Оценка вышеперечисленных результатов корреляционного анализа производится с применением распределения Стью- дента и распределения Фишера—Снедекора.

Рассмотрим статистическую оценку некоторых результатов корреляционного анализа для линейной зависимости.

Значение коэффициента парной корреляции является случайной величиной, изменяющейся от выборки к выборке. Оценку «истинного» коэффициента корреляции в генеральной совокупности р, который характеризует «истинную» тесноту связи явлений в генеральной совокупности, можно произвести с помощью построения доверительного интервала:

где sr — средняя квадратическая ошибка выборочного парного коэффициента корреляции:

где n — число наблюдений.

Величина r (табличное значение) имеет распределение Стьюдента с числом степеней свободы, равным n - 2, уровень значимости а и определяется как единица минус принятая величина вероятности.

Если мы хотим определить значимость отличия r от р, то при уровне значимости а проверяем нулевую гипотезу Н0 : р = 0 (о равенстве нулю р). Для этого вычислим наблюдаемое значение критерия:

нет оснований отвергать нулевую гипотезу; нулевую гипотезу отвергают.

При небольшом числе наблюдений в выборке и при высоком коэффициенте корреляции (gt; 0,9) для построения доверительного интервала и проверки значимости используют преобразование Фишера:

Наблюдаемое значение критерия определяют как

и сравнивают с теоретическим t б (интеграл вероятностей).

Значимость полученной величины коэффициента регрессии а1 в выборочном теоретическом уравнении у проверяется аналогично значимости коэффициента корреляции г. Средняя квадратическая ошибка:


Для проверки нулевой гипотезы вычисляем наблюдаемое значение критерия:


и сравниваем с табличным распределением Стьюдента при избранном уровне значимости а.

Доверительные интервалы для индивидуальных значений у при принятой вероятности определяются так:


Графически приведенное выражение — это две симметричные прямые, параллельные линии регрессии.

Остаточная дисперсия 52ост, т. е. та часть дисперсии зависимой переменной, которая не объясняется влиянием рассматриваемого фактора х, определяется следующим образом:


где г2 — коэффициент детерминации, показывает долю дисперсии у, объясняемую аргументом х.

Остаточная дисперсияможет быть также определена по формуле:


Проверку значимости найденной зависимости можно произвести с помощью распределения Фишера—Снедекора F:


Полученное значение ^факг сравнивается с табличным при избранном уровне значимости и соответствующем числе степеней свободы[1]. Если оно окажется больше табличного, то гипотеза о том, что выравнивание по уравнению корреляции хуже, чем по уравнению У = У, отвергается.

Для оценки адекватности можно также воспользоваться показателем средней ошибки аппроксимации:


Исследователь сам задает величину средней ошибки. Обычно в социально-экономических исследованиях считается приемлемым е lt; 10%.

Метод дисперсионного анализа

Дисперсионный анализ — это изучение влияния одного или нескольких факторных признаков на результативный при небольшом числе наблюдений.

Специфической особенностью дисперсионного анализа являются особые методы измерения колеблемости.

После группировки совокупности по факторному признаку и нахождения в каждой группе средней величины результативного признака рассчитывают соответствующие дисперсии; в дисперсионном анализе сумму квадратов отклонений от общей средней называют дисперсией комплекса или общей дисперсией.

Общая дисперсия расчленяется на дисперсию по факторам: факторную (аналогичную межгрупповой дисперсии) и остаточную (внутригрупповой дисперсии).

Дисперсионный анализ двух- и трехфакторных комплексов производится для оценки влияния двух- или трехфакторных независимых признаков на результативный. Он дает возможность общее действие всех факторов, значение каждого фактора в отдельности и роль того или другого сочетания факторов.

При двухфакторном комплексе для каждого фактора находят отношение факторной дисперсии к остаточной и сравнивают его с табличной величиной. При трехфакторном комплексе определяют три отношения дисперсий по факторам и четыре отношения по сочетанию признаков.

Метод экспертных оценок

Экспертиза позволяет получить порядковые оценки процессов или явлений, которые непосредственно не поддаются измерению. Они основываются на суждениях специалистов. Результаты экспертизы подвергаются специальной математической обработке, которая дает возможность оценить степень надежности полученных результатов.

При решении многих практических задач часто бывает необходимо расположить некоторые факторы или альтернативы в порядке возрастания или убывания их по какому-либо присущему им свойству, это — ранжирование. Оно применяется в следующих ситуациях: когда необходимо упорядочить явления (объекты) во времени и пространстве; если нужно упорядочить объекты в соответствии с их каким- либо измеримым качеством, но при этом не требуется производить его точное измерение; когда какое-либо качество в принципе измеримо, но в данный момент по какой-либо причине не может быть измерено.

При ранжировании каждый участник должен расположить объекты (альтернативы) в порядке, который представляется ему наиболее рациональным, и приписать каждому из них числа натурального ряда — ранги. При этом ранг 1 получает наиболее предпочтительная альтернатива, а ранг N — наименее предпочтительная.

Следовательно, порядковая шкала, получаемая в результате ранжирования, должна удовлетворять условию равенства числа рангов N числу ранжируемых объектов.

Сумма рангов Sn должна быть равна сумме чисел натурального ряда:


где x — ранг i-го объекта.

После проведения экспертной оценки проводят анализ согласованности ответов экспертов. Если экспертная группа состоит всего из двух человек, то оценку согласованности их ответов можно провести по коэффициенту ранговой корреляции Спирмена (р):


где d — разность между рангами пар оценок экспертов; n — число сопоставляемых пар.

Если число экспертов больше двух, оценка степени согласованности их мнений производится с помощью коэффициента конкордации W:

где m — число экспертов в группе; n — число ранжируемых объектов (факторов, альтернатив).


В случае когда какой-либо эксперт не может установить ранговое различие между несколькими объектами и присваивает им одинаковые ранги, расчет коэффициента W производится по формуле


где t — число одинаковых рангов в j-м ряду.

Для проверки значимости W используется распределение сn - 1 степенями свободы и уровнем значимости 0,01 или 0,05:


Кроме того, в ходе проведения экспертизы решаются вопросы формирования экспертной группы — ее численности и компетентности. Метод тестирования

Тестирование наряду с экспертизой является действенным орудием в исследовании и анализе экономических процессов. В основе теста лежит высказывание, которое подлежит оценке специалистов.

Не всякие высказывания пригодны для включения в тест, а только те, которые: логически осмыслены и, следовательно, выражают те или иные суждения; имеют отношение к предмету изучения.

Посредством высказываний до сознания респондентов доводятся определенные суждения, придающие мысли законченную форму.

Цель и задачи конструирования теста во многом определяют тип тестовых высказываний. Как и вопросы анкеты, они могут быть открытыми (тесты незаконченных предложений): «Классическая музыка вызывает во мне...» и закрытыми. Открытые высказывания используются редко — сложна их количественная обработка. Их применяют в психиатрии, педагогике. Закрытые высказывания выражают суждения в законченной форме, и потому респонденту остается выбрать один из предлагаемых ответов.

При формулировке высказываний теста полезно придерживаться следующих правил. Высказывания должны быть по возможности краткими, содержать не более одного придаточного предложения. Все высказывания должны быть понятны для всех без исключения респондентов. В высказываниях не должно содержаться намека на «правильный» ответ. Число альтернатив-ответов по каждому высказыванию должно быть одинаковым в пределах от 5 до 11. Тест должен состоять на 50% из позитивных и на 50% из негативных утверждений. В каждом высказывании теста утверждается что-либо одно. Составленный тест требует проверки его надежности, т. е. внутренней состоятельности теста.

Покажем эту процедуру на примере. В табл. 2.1 приведены результаты ответов пяти респондентов по высказываниям теста. Элементы этой таблицы (х) представляют собой баллы, полученные г-м респондентом в j-м высказывании; 1, 3, 5, 7 представляют собой сумму баллов в нечетных предложениях, 2, 4, 6, 8 — в четных.

Таблица 2.1 Результаты тестирования

Респондент

Высказывания теста

^1, 3, 5, 7

^2, 4, 6, 8

i

2

3

4

5

6

7

8

i

5

7

6

6

5

6

5

4

21

23

2

6

6

5

5

4

3

4

5

19

19

3

7

5

4

3

4

4

3

3

18

15

4

3

2

3

2

3

2

2

i

11

7

5

2

i

i

2

i

i

i

i

5

5

Коэффициент состоятельности (надежности) теста (r) равен:


Величина надежности двух половин теста, а надежность теста в целом:

Ответ очень близок к единице, это хороший результат. Далее тест проверяется на валидность.

Под валидностью понимается способность теста измерять то, что он должен измерять по замыслу. Например, тест может быть пригодным для оценки удовлетворенности результатами вь боров пенсионеров, но непригодным для той же оценки у людей среднего возраста. Следовательно, понятие «валидность» относится не столько к тесту, сколько к процедуре, цели и ситуации его применения.

Показателем валидности теста п служит корреляционное отношение:

где— уравнение регрессии (линейное), построенное на матрице Х. Диапазон значений '              _              _2              _

<< | >>
Источник: Гинзбург А. И.. Экономический анализ: Учебник для вузов. 2011

Еще по теме Эвристический метод:

  1. Эвристические методы принятия решений
  2. Эвристические и экстраполяционные методы
  3. 2.3 Эвристические методы анализа
  4. Метод эвристического прогнозирования (МЭП)
  5. Эвристические методы определения показателей качества
  6. 4.3.10. Эвристические методы и приемы решения творческих задач
  7. 14. Эвристические приемы решения экономических задач
  8. Эвристические правила принятия рискового решения
  9. 9.2. ДИНАМИКА: ЭВРИСТИЧЕСКИЙ ПОДХОД •
  10. Эвристические приемы решения экономических задач
  11. ПРИЛОЖЕНИЕ ЭВРИСТИЧЕСКОЕ ДОКАЗАТЕЛЬСТВО ГИПОТЕЗЫ КОУЗА
  12. Эвристические приемы решения и анализа экономических задач
  13. P.S. Эвристический потенциал политической экономии социализма в XXI веке: вопросы методологии и теории
  14. §50. Два метода производства двух совместных продуктов; или один метод их производства и два метода их использования в производстве третьего товара
  15. СУТЬ МЕТОДА ABC. СРАВНЕНИЕ ЕГО С ТРАДИЦИОННЫМИ МЕТОДАМИ РАСПРЕДЕЛЕНИЯ ЗАТРАТ
  16. Методы развития компетенций вне работы и методы обучения, основанные на практике
- Бюджетная система - Внешнеэкономическая деятельность - Государственное регулирование экономики - Инновационная экономика - Институциональная экономика - Институциональная экономическая теория - Информационные системы в экономике - Информационные технологии в экономике - История мировой экономики - История экономических учений - Кризисная экономика - Логистика - Макроэкономика (учебник) - Математические методы и моделирование в экономике - Международные экономические отношения - Микроэкономика - Мировая экономика - Налоги и налолгообложение - Основы коммерческой деятельности - Отраслевая экономика - Оценочная деятельность - Планирование и контроль на предприятии - Политэкономия - Региональная и национальная экономика - Российская экономика - Системы технологий - Страхование - Товароведение - Торговое дело - Философия экономики - Финансовое планирование и прогнозирование - Ценообразование - Экономика зарубежных стран - Экономика и управление народным хозяйством - Экономика машиностроения - Экономика общественного сектора - Экономика отраслевых рынков - Экономика полезных ископаемых - Экономика предприятий - Экономика природных ресурсов - Экономика природопользования - Экономика сельского хозяйства - Экономика таможенного дел - Экономика транспорта - Экономика труда - Экономика туризма - Экономическая история - Экономическая публицистика - Экономическая социология - Экономическая статистика - Экономическая теория - Экономический анализ - Эффективность производства -