О М Ястремська, О М Тімонін, К О Тімонін - Бренди промислових підприємств формування та ефективність використання - страница 14

Страницы:
1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53 

Взаємозв'язок і взаємозумовленість реальних соціально-економіч­них процесів можна виявити й дослідити за допомогою статистичних моделей, атрибутами яких є статистичні показники. Адекватність моделей залежить від раціональності вибора вихідної системи статистичних показників і придатного для їхнього аналізу методу.Основним інструментом, який забезпечує достовірність й обґрунтова­ність результатів дослідження є економіко-статистичне моделювання і багатовимірний статистичний аналіз.

Основною причина багатовимірності в економіці є наявність суб'єктивних факторів, що разом з об'єктивними умовами формування явища, що можуть характеризуватися середнім рівнем статистичного вимірювання, породжують його варіацію. Для проведення глибокого економічного дослідження, забезпечення достовірності розуміння суті явища, яким є економічна діяльність машинобудівних підприємств, потрібне формування і використання багатовимірних економіко-статис-тичних моделей, що враховують недетермінованість показників і факторів, дискретність і безперервність, різношкальність і невизначе­ність у вимірах [33; 91].

Характеристики й просторове представлення об'єктів, що досліджуються та якими є крупні машинобудівні підприємства, - це найбільш розповсюджена і звична форма організації статистичних даних. Однак у багатовимірній статистиці можливі й досить часто зустрічаються випадки з іншою організацією даних, коли оцінні ознаки самі виступають як об'єкти спостереження, характеризують і створюють теоретичний простір вимірювання результатів діяльності підприємств. Таким чином, багатовимірний статистичний аналіз є найбільш адекватним об'єкту і предмету дослідження метод.

При реалізації багатовимірного статистичного аналізу можна виділити такі основні етапи дослідницької роботи [91]:

формулювання завдання дослідження на предметно-змістовному рівні, установлення обсягів вихідної та результуючої інформації, форм вихідних даних;

визначення послідовності обробки вихідної інформації методами багатовимірного статистичного аналізу. При цьому обмежується сам набір методів і уточнюється порядок роботи;

збір та систематизацію вихідної інформації для її наступної обробки за допомогою прикладних програм в автоматизованому режимі;

попередній аналіз даних: однорідності, відповідності висунутим статистичним гіпотезам, підпорядкування відомим законам розподілу, змісту грубих помилок;

з урахуванням попереднього етапу уточнюється математична постановка завдання і визначається можливість застосування раніше відібраних методів, у разі потреби набір методів може бути змінений;проведення обчислень. Через трудомісткість методів багато­вимірного статистичного аналізу практично завжди ця робота планується і виконується поетапно відповідно до обґрунтованої системи показників, яка достатньо повно і комплексно характеризує об'єкт і предмет дослі­дження;

отримані результати аналізу оцінюються на адекватність за допомогою статистичних критеріїв. Визначається несуперечливість математичних результатів і економічних висновків, оцінюється ступінь "інтерпретації" за економічним змістом вихідних даних;

результати дослідження узагальнюються й унаочнюються у таблицях і на графіках, інтерпретуються, формулюються остаточні висновки, ухвалюються управлінські рішення та формуються практичні рекомендації.

На практиці не всі перераховані етапи можуть бути наявними і чітко розмежованими. Деякі з них можуть поєднуватися або виключатися. Але знання цих етапів дозволяє коректно використовувати методи багато­вимірного статистичного аналізу для виявлення основних особливостей і характеристик складних досліджуваних об'єктів.

Після виявлення основних тенденцій у діяльності підприємств за допомогою методу багатовимірного факторного аналізу доцільно щодо контексту цього дослідження визначитися зі ступенем взаємозалежності бренда підприємства та переважних показників його економічної діяль­ності, виявлених за допомогою багатовимірного факторного аналізу, тобто тих, що суттєво впливають на частку нематеріальних активів в активах підприємства, що й буде зумовлювати ефективність використання бренда підприємства, оскільки він становить більшу частку нематеріальних активів та впливає на вартість активів підприємства загалом.

У якості методу визначення такої залежності слід використати кореляційно-регресійний аналіз. Його інструментом, критерієм коректності застосування є коефіцієнт кореляції, що характеризує парну або множинну залежність між досліджуваними параметрами. Одним з основних показ­ників взаємозв'язку двох випадкових величин є парний коефіцієнт коре­ляції, що є мірою лінійної статистичної залежності між цими величинами. Цей показник відповідає своєму прямому призначенню, коли статистич­ний зв'язок між відповідними ознаками в генеральній сукупності лінійний. Те ж саме стосується часткових та сукупних коефіцієнтів кореляції. Однією з вимог, що визначають кореляційний метод, є вимога лінійності статистичного зв'язку. Зазначені умови виконуються, якщо генеральна сукупність досліджуваних характеристик розподілена за багатовимірнимнормальним законом [91]. Саме зазначені методи доцільно застосувати для аналізу результатів діяльності підприємств машинобудування з метою виявлення явних та латентних тенденцій у використанні ними економічних ресурсів та ефективному формуванні й використанні брендів підприємств.

З цією метою в дослідження досліджено показники господарської діяльності 15 підприємств Харківської області за період 5 років із 2007 до 2011 року (додаток А, табл. А.1). Усі відібрані підприємства є відомими на ринку машинобудівної продукції виробничо-технічного призначення, їх бренди знаходяться на різних етапах життєвого циклу, проте вони є сформованими і здійснюють вплив на результати діяльності підприємств, їх взаємодію з суб'єктами внутрішнього і зовнішнього середовищ. Тому обрані підприємства відповідають предмету й об'єкту дослідження. За результатами їх діяльності можна зробити обґрунтовані висновки щодо впливу брендів на процеси господарювання та виявити пріоритетні фактори зростання ефективності використання брендів.

У якості системи часткових показників, які достатньо повно і комплексно характеризують результати господарювання підприємств за всіма видами економічних ресурсів, на основі аналізу літературних джерел [98] відібрано 81 показник (додаток А, табл. А.2), що розподілені за групами: ліквідності, рентабельності, ділової активності, фінансової стійкості, ефективності використання основних виробничих фондів, знаходження обігових засобів у сфері виробництва та обігу, ефективності використання людських ресурсів, структури операційних витрат, структури витрат реалізованої продукції, структури матеріальних ресурсів в обігових засобах, ефективності використання інвестицій, фінансування реальних інвестицій, оновлення продукції, ефективності інновацій.

Представлена система показників є складною і включає велику кількість показників, тому її перевірено на мультиколінеарність, що дозволило виявити наявність показників, які вимірюють одну й ту ж характеристику, тобто мають тісний зв'язок, що зумовило необхідність їх виключення з початкової системи з 81 показника і скоротити її склад, ущільнюючи інформації про результати діяльності підприємства без її суттєвих втрат за змістом. Таким чином, до складу системи для застосування методу багатовимірного статистичного аналізу щодо виявлення явних та латентних тенденцій у діяльності досліджуваних підприємств увійшло 32 показники:

коефіцієнт абсолютної ліквідності (X1);

рентабельність сукупного капіталу (X4);рентабельність власного капіталу (X5);

чиста рентабельність продажів (X8);

коефіцієнт оборотності капіталу (X1;0)

коефіцієнт оборотності готової продукції (X14);

коефіцієнт фінансової стійкості (X19);

коефіцієнт фінансового ризику (X20);

коефіцієнт автономії (X21);

коефіцієнт придатності основних фондів (X26);

фондовіддача (X28);

фондоозброєність (X29);

коефіцієнт використання робочого часу (X32);

питома вага працівників у віці від 15 до 55 років (X33);

питома ваги працівників, які є винахідниками та раціоналізаторами

(X35);

питома вага працівників, навчених новим професіям (X37);

питома вага працівників, що підвищили кваліфікацію у звітному році

(X38);

питома вага працівників, які зайняті в умовах, що відповідають санітарно-гігієнічним нормам (за результатами атестації робочих місць за умовами праці) (X39);

питома вага виробничих витрат у загальних витратах на реалізацію продукції (X48);

питома вага адміністративних витрат у загальних витратах на реалізацію продукції (X49);

питома вага витрат на маркетинг та рекламу у загальних витратах на реалізацію продукції (X50);

питома вага інвестицій у загальному капіталі (X56);

питома вага інвестицій у нематеріальні активи в загальному обсязі інвестицій (X59);

питома вага інвестицій на інновації в загальному обсязі інвестицій (X60);

питома вага нематеріальних активів у загальній вартості активів (X63);

питома вага інвестицій на інновації в загальному капіталі (X66);

питома вага інвестицій на інновацію у власному капіталі (X67);

питома вага витрат на дослідження й розробки (без амортизації) у загальному обсязі витрат на інновації (X68);

питома вага витрат на машини, устаткування й програмне забезпе­чення, пов'язане з упровадженням інновацій у загальному обсязі витрат на інновації (X69);питома вага власних інвестицій на технологічні інновації в загаль­ному обсязі витрат на інновації (X71);

питома вага відвантаженої інноваційної продукції в загальному обсязі реалізованої продукції (X75);

питома вага нової продукції, поставленої на експорт, у загальному обсязі реалізованої нової продукції (X81).

Для обробки даних у дослідженні було обрано метод багато­вимірного факторного аналізу - статистичний метод головних компонент.

Метод головних компонент став поширюватися з появою ЕОМ унаслідок зручності математичних процедур і наявності стандартних програм, що виявилося можливим застосувати для організації матема­тичного забезпечення алгоритму розрахунку [55; 91].

Незважаючи на те, що за умовою методу головних компонент, для точного відтворення коефіцієнтів кореляції між змінними необхідно знайти усі компоненти, велика частка мінливості ознак (дисперсії) може бути пояснена невеликим числом компонент. Крім того, відповідно до можливостей методу головних компонент сутність компонент можна описати достатньо точно за ознаками, які увійшли до їх складу. До того ж метод головних компонентів однаково добре наближає дисперсії і коваріації.

Метод головних компонент вважається статистичним методом, але є підхід, за яким він використовується як нестатистичний. Цей підхід пов'язаний з одержанням найкращої проекції сукупності крапок спостереження в просторі меншої розмірності. У цьому випадку треба знати матрицю других моментів. При статистичному підході завдання полягає у виділенні лінійних комбінацій випадкових величин, що мають максимально можливу дисперсію. Загальним між статистичним і нестатистичним підходом є використання матриці других моментів як вихідної для початку аналізу. Тому для оволодіння методом головних компонент необхідно користуватися методами теорії ймовірностей і математичної статистики на основі моделей лінійної алгебри.

Досвід дослідження в різних областях показав, що число найбільш вагомих компонентів найчастіше складає 10 - 25 % числа ознак. Залежно від конкретних завдань вирішується питання про те, скільки і які компоненти варто залишити для подальшого дослідження: одну, дві, 25 % загального числа витягнутих або більше. У зв'язку з цим часто використовується поняття групової дисперсії, що пояснюється, за допомогою якої проводиться змістовна інтерпретація отриманих результатів. Для економічної інтерпре­тації отриманих результатів самими наочними є випадки, коли групова або кумулятивна дисперсія становить не менше 70 % від загальної.

97Модель методу головних компонент записується в такий спосіб [33]:

 

n

y =^Щ&> (2.1)

де    y'j - центроване (нормоване) значення j-ї ознаки; ajr- вага r-ї головної компоненти на j змінній; fr - r-та головна компонента.

Алгоритм методу головних компонент складається з таких етапів [33]:

1.    Формування матриці вихідних даних:

 

X=j)=;j= (2.2)

де    xji - зареєстроване значення вимірюваної j-ї ознаки в i-го об'єкта;

N - число об'єктів, що досліджуються; n - число вимірюваних ознак.

2.    Нормування елементів матриці вихідних даних. У результаті одержуємо матрицю Y порядку n х N, елементами якої є нормовані

значення j -ї ознаки для i -го об'єкта - yji.

Визначення матриці спостережених коефіцієнтів кореляції. Вона є вихідною для проведення аналізу і представлена в такому виді:

 

(2.3)де    Y - матриця нормованих значень ознак; Yj - транспонована матриця.

4.    Обчислення власних значень матриці, що розташовуються в порядку убування - ^l^^^&^^n0 і відповідний їм ортогональний

базис із власних векторів Ч^-- 4-і.

5.    З отриманих векторів конструюється ортогональна матриця '^^І4^- ЦП, єднальні ознаки і фактори.

6.    Ранжирування факторів за убуванням дисперсій ^F^feP^ Більш важливим вважається той фактор, у якого більше дисперсія. Якщо головний фактор fm+1 вносить малу частку дисперсії     +1 у загальну

n

дисперсію ознак       =n, то ним і подальшими факторами fnr+r,...fn

i=1зневажають і вважають, що явище описується факторами т-ь^Ь-- -fm. При

n

цьому, звичайно, губиться дисперсія n -ХЛ.

7.   Визначення матриці вагових коефіцієнтів:

 

АА=Л' (2.4) де    л - діагональна матриця, елементами якої є власні значення матриці R.

Страницы:
1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53 


Похожие статьи

О М Ястремська, О М Тімонін, К О Тімонін - Бренди промислових підприємств формування та ефективність використання