В экономических исследованиях нашли применение следующие математико-статистические методы стохастического моделирования хозяйственных явлений и процессов оценка связи и корреляции между показателями оценка статистической значимости связей регрессионный анализ выявление параметров периодических колебаний экономических показателей группировка многомерных наблюдений, дисперсионный анализ современный факторный (компонентный) анализ трансформационный анализ. [c.110]
Современная аналитическая наука имеет в своем арсенале достаточное число методов и моделей, с помощью которых исходные данные можно подвергать некоторой аналитической обработке с целью выявления закономерностей и тенденций, присущих этим данным или тем явлениям, которые они характеризуют (один из вариантов классификации приемов и моделей анализа деятельности фирмы см. в [Ковалев, 2001, с. 63-68]). В зависимости от вида анализа, поставленных целей, имеющейся информационной базы, различных ограничений, например по времени и инструментарию, могут применяться методы той или иной сложности, тех или иных апалитико-поз-навательных возможностей и др. Так, для выявления тенденции изменения выручки от продаж можно воспользоваться аппаратом корреляционно-регрессионного анализа (чисто инструментальный метод), а можно привлечь экспертов с последующим усреднением приведенных ими оценок (в этом случае имеет место комбинирование неформализованных и формализованных методов анализа). В данной главе мы рассмотрим лишь те методы, которые, на наш взгляд, представляются наиболее практичными при этом мы исходим из предпосылки, что сложность выбираемого метода или модели должна быть адекватной целям и имеющемуся информационному сырью. Говоря об адекватности, мы имеем в виду следующее сложность аналитического инструментария не всегда способствует получению более обоснованных и практичных выводов. В подтверждение приведем два примера. Для любого аналитика при известных навыках не составляет труда построить многофакторную жестко детерминированную модель для выявления причинно-следственных связей между показателями, однако неоправданное усложнение модели может иметь обратный эффект - полученные результаты будут в практическом плане бесполезными. Можно строить регрессионное уравнение по множеству из трех-четырех точек, однако прогностическая ценность подобного уравнения будет близка к нулю, а пользователь, которому будет предложена эта модель как инструмент прогнозирования, не будет испытывать ничего иного, кроме раздражения от ее бесполезности и бессмысленной наукообразности. [c.177]