Многомерные сравнения в АХД

Интересны многомерные сравнения в анализе, когда сопоставляются несколько показателей (подчас широкий их круг) по нескольким объектам. Многомерные сравнения используются для комплексной оценки результатов деятельности при конкурентных сопоставлениях с целью установления финансовых рисков. Для таких сравнений разработаны и используются на практике специальные алгоритмы (некоторые из них рассматриваются ниже).  [c.23]


Приведите алгоритмы многомерных сравнений для комплексной оценки хозяйственной деятельности.  [c.49]

Многомерные сравнения в анализе хозяйственной деятельности  [c.55]

Задачи, возможности и направления использования многомерных сравнений в АХД. Алгоритм многомерных сравнений.  [c.55]

Для исследования стохастических соотношений используются следующие способы экономического анализа, с которыми мы уже знакомились в предыдущих главах сравнение параллельных и динамических рядов, аналитические группировки, графики. Однако они позволяют выявить только общий характер и направление связи. Основная же задача факторного анализа -определить степень влияния каждого фактора на уровень результативного показателя. Для этой цели применяются способы корреляционного, дисперсионного, компонентного, современного многомерного факторного анализа и т.д.  [c.128]

Математические методы имеют более широкие аналитические возможности по сравнению с традиционными и экономико-статистическими, так как обеспечивают более полный охват влияния факторов на результаты деятельности предприятия, повышают точность вычислений, позволяют решать многомерные и оптимизационные задачи, не выполнимые традиционными методами.  [c.24]


Морфологический анализ позволяет генерировать огромное число идей, систематизировать выбранные варианты, исключить их повторы и возврат к одним и тем же идеям, которые характерны для других методов. Рассматриваемая проблема может иметь более трех параметров или измерений. Если определены четыре или более параметра, можно получить многомерную модель, насчитывающую несколько тысяч различных сочетаний (идей). В этом случае для их сравнения используются специальные компьютерные программы. Недостатком метода является отсутствие конкретных правил отбора вариантов решений, что при огромном числе возможных комбинаций создает большие сложности.  [c.247]

Приемы и методы экономического анализа также весьма разнообразны. В ходе анализа широко применяется метод сравнений, детализации, элиминирования, факторного разложения, балансовый, группировки, взаимосвязанного изучения. Последние годы в анализе все шире применяются приемы и методы, заимствованные из математики, кибернетики и других наук. Отметим, в частности, корреляционный, регрессионный, вариационный, дисперсионный, многомерный, факторный анализ линейное и динамическое программирование, статистическое моделирование.  [c.17]

При проведении таких оценок органами управления нужно учитывать ограниченность располагаемой ими информации, важность охвата сравнениями большого круга предприятий. Для этих целей могут быть широко использованы статистические модели (корреляционные, многомерные и т. д.).  [c.186]

Сравнение показателей качества, значения которых измерены или получены расчетным путем, может производиться по шкале интервалов либо по шкале отношений. При этом нужно иметь в виду, что качество как объект измерения является многомерным. В природе такими объектами являются, например, пространство, электромагнитное поле, океаническая среда и многие другие. Ни один из этих объектов не может быть охарактеризован только одной физической величиной — мерой одного из свойств многомерного по своей природе объекта измерения. Районирование Мирового океана производится, например, по температуре, солености, электропроводности, прозрачности, освещенности, звукопроводности и целому ряду других физических, химических и физико-химических величин. Подобным же образом качество как многомерный объект измерения характеризуется множеством показателей качества, значения которых одновременно нужно сравнивать у двух сопоставляемых образцов. Ситуации, которые при этом могут возникнуть, показаны на рис. 76 и 77, где значения третьего и седьмого показателей качества получены расчетным путем без использования результатов измерений.  [c.199]


На многомерных картах отметка делается путем соединения линией крайних результатов, что показывает размах результатов измерения для данной единицы продукции. Длина и расположение линий, нанесенных для ряда изделий, составляющих выборку, показывают изменчивость отдельных изделий и изменчивость от одного изделия к другому. Сравнение линий различных выборок, производимых через одинаковые интервалы, позволяет обнаружить тренд, а также выявить изменение размаха вариации или рассеяния.  [c.139]

Предлагалось несколько методик попарного сравнения. Одна из них предполагает включение ответов нейтральных (безразличных, с отсутствием мнений). Другой вариант развития метола — использование попарных сравнений с градацией. При его применении респондента просят не просто выбрать предпочтительную торговую марку, но и указать, насколько она предпочтительнее. Степень предпочтения может быть выражена суммой, которую опрашиваемый готов заплатить за понравившуюся торговую марку. В результате получают денежную метрическую шкалу. Еще одна модификация шкалы попарного сравнения широко используется для получения суждений о сходствах при многомерном шкалировании.  [c.325]

Опишем методы выполнения дисперсионного и ковариационного анализа и обсудим их соотношение с другими методами проверки связей. Затем опишем однофакторный дисперсионный анализ, самый простой из этих методов, следом за ним — многофакторный дисперсионный и ковариационный анализ. Особое внимание мы уделим вопросам интерпретации результатов, а именно, взаимодействию факторов, их относительной важности и множественным сравнениям. Мы широко осветим некоторые специальные темы, такие как повторные измерения в дисперсионном анализе, неметрический дисперсионный анализ и многомерный дисперсионный анализ. Рассмотрим примеры, иллюстрирующих применение дисперсионного анализа.  [c.604]

Обсуждать основные положения совместного анализа в сравнении с многомерным рованием, а также рассматривать различные аспекты его применения.  [c.775]

Реструктуризацию организационной структуры можно рассматривать как упрощенную задачу реинжиниринга. Задачи реинжиниринга бизнес-процессе в представляются более сложными и многомерными по сравнению с задачами изменения организационной структуры. В центр внимания эти задачи попали только в 90-х годах. Соответственно, белых пятен здесь больше, а успешной практики и приемов — меньше.  [c.23]

Наличие широкой базы для сравнения как в рамках отдельного предприятия, так и в масштабах района, области позволяет чаще использовать в анализе следующие приемы сопоставление параллельных и динамических рядов, аналитические группировки, корреляционный анализ, многомерный сравнительный анализ и др.  [c.7]

Известно, что для человека сложными являются задачи с большой нагрузкой на понятийный аппарат задачи, требующие параллельной обработки многомерной информации сравнение альтернатив с малыми уровнями различимости задачи, имеющие значительное число критериев (5—6—7 и больше), значительное число оценок на шкалах критериев (5 и больше), значительное число результирующих классов решений (5—6 и больше).  [c.336]

Для выявления внутренних резервуаров улучшения использования действующих объектов нефтебазового хозяйства предлагается использовать несколько способов. Один из них заключается в том, что на основе решения задачи многомерной классификации нефтебаз по объективным факторам производства по каждому классу определяется зависимость фондоотдачи от объективных факторов. Путем сравнения расчетной и фактической (за базисный год) фондоотдач по каждой иефтебазе определяется тот резерв повышения объема реализации нефтепродуктов, который может быть достигнут при лучшем использовании объективных факторов. Другой способ выявления резервов заключается в анализе использования наиболее активной части основных фондов нефтебаз — резервуарного парка. С помощью методов теории вероятностей на основе отчетных данных о месячном поступлении и реализации нефтепродуктов по каждой нефтебазе определяются оптимальные размеры резервуарного парка и его оптимальная оборачиваемость. Исходя из последней рассчитывается максимально возможный объем реализации нефтепродуктов, соответствующий имеющимся емкостям. Сравнивая полученные результаты, можно более достоверно определить внутренние резервы повышения объема реализации на действующих объектах нефтебазового хозяйства.  [c.26]

Стало общепринятым утверждение о том, что структура профессиональной квалифицированности руководителя многомерна в сравнении с одномерной квалифицированностью простого рабочего или инженерно-технического работника. Рассмотрим ряд типичных ситуаций. Представим себе, что во время обеденного перерыва сотрудники обсуждают политические проблемы, новую книгу или театральный спектакль. К ним подходит руководитель и за-  [c.3]

По сравнению с 13-2-1 сетью значения MSE и на обучающем, и на проверочном множествах получаются чуть-чуть лучше. Перед тем, как делать выводы собственно о структуре сети, разумно сравнить ее результаты с такими классическими методами, как многомерная регрессия или модель ARIMA (собственной разработки MoF).  [c.102]

Вследствие недостатков вышерассмотренных подходов часто используется многомерное шкалирование, не требующее четкого выявления атрибутов, а определяющее сходство и различие исследуемых товаров по ним в целом. Например, потребителей на основе парного сравнения просят определить степень сходства каждой пары изучаемых товаров. В данном случае атрибуты в явном виде не используются. Затем исследуемые товары располагают в зависимости от степени их сходства в двух- или трехмерных координатах (строится карта восприятия). Например, в разделе о позиционировании товара приведены результаты изучения мнения потребителей корпорацией Крайслер относительно позиции марок легковых автомобилей. Было использовано два недостаточно четко определенных атрибута консервативность — одухотворенность и представительность — практичность.  [c.245]

Закрытые вопросы строятся в форме альтернативных вопросов, вопросов с выборочным ответом, вопросов, построенных методом шкалирования, например в виде шкалы Лайкерта, когда альтернативные ответы строятся от самого решительного согласия к самому категоричному несогласию и опрашиваемому предлагается отметить ответ в соответствующем диапазоне метода семантического дифференциала, когда опрашиваемому предлагается перечень противоположных, биполярных определений шкалы влажности, оценочной шкалы (с ранжированием любого признака), с использованием метода многомерного шкалирования, позволяющего учитывать отношение опрашиваемых ко многим характеристикам товара, рекламы и др., которое далее подвергается обработке с помощью компьютеров и сводится, например, в четырехмерный или восьмимерный график, а также метода ранжирования путем расположения по достоинствам и с помощью парных сравнений.  [c.87]

Следует отметить, что возможность нетранзитивности есть одно из нежелательных следствий многомерного характера сравнения нескольких эмпирических методов. Это вполне аналогично парадоксу голосования и может возникнуть всякий раз, когда выбор эмпирического метода определяется решением какой из претендующих эмпирических методов имеет большее количество предпочтительных характеристик. Для обсуждения парадокса голосования см. [1, р. 2-3].  [c.451]

Качество продукции охватывает потребительские и технологич. её свойства, конструкторско-художеств. особенности, надёжность, долговечность, уровень стандартизации и унификации деталей и узлов и т. д. Свойства, составляющие качество продукции, характеризуются с помощью непрерывных или дискретных величин, к-рые могут быть абсолютными, относительными или удельными в зависимости от условий и методов их определения. Измерение качества — это определение величины полезного эффекта к.-л. продукта труда путём сопоставления его с соответств. единицей измерения. Под уровнем качества понимается его относит, характеристика, основанная на сравнении совокупности П. к. продукции с соответств. мировыми стандартами. В зависимости от того, одно или неск. свойств продукции характеризует показатель, он может быть единичным или комплексным. Уровень качества характеризуется численным значением полезного эффекта и является величиной многомерной, т. к. общий полезный эффект продукта труда складывается из совокупности эффектов, получаемых в результате использования его отд. свойств. Поэтому очень важно, чтобы показатель уровня качества отражал эффект, получаемый вследствие изменения как структуры, так и всей совокупности свойств предмета в целом. По этой же причине при оценке качества необходимо использовать стандартную номенклатуру П. к., поскольку изменение  [c.274]

Кластерный анализ ( luster analysis) — это математическая процедура многомерного анализа, позволяющая на основе множества показателей, характеризующих ряд объектов, сгруппировать их в классы (кластеры) таким образом, чтобы объекты, входящие в один класс, были более однородными, сходными по сравнению с объектами, входящими в другие классы.  [c.79]

Метод многомерного шкалирования (MDS — multi-dimensional s aling) имеет очень специфическое, но мощное применение на рынках. MDS изучает ощущения и дает способ интегрировать собранные данные в карты восприятия. В этом случае обычно значимой характеристикой является ценность товара, например важность цвета для выбора hi-fi системы по сравнению с альтернативными. MDS-ана-лиз изучает концепции, чтобы найти ценную часть каждого элемента. Сила MDS состоит в способности выяснять эту информацию без обращения к исчерпывающему набору перестановок и комбинаций характеристик продукта. MDS дает результаты по каждому опрошенному лицу, которые анализируются в рамках выборки с помощью кластерного анализа, чтобы сформировать сегменты. Результат может показать, что один сегмент покупателей машин не готов платить за дополнительную мощность, но будет вполне рад заплатить за качества, облегчающие использование продукта. Напротив, другой сегмент может не пожелать платить за внешний вид, но с готовностью заплатит за улучшенные характеристики и мощность.  [c.109]

Данные, касающиеся предпочтений респондентов. С данных о предпочтениях маркетолог-исследователь может увидеть порядок предпочтения объектов респондентами с точки зрения какого-либо их свойства. Обычный способ получения таких данных — ранжирование предпочтений. От респондентов требуется торговые марки в порядке снижения их предпочтения (от наиболее предпочитаемого к наименее). Альтернативно, респондентов можно попросить выполнить попарное сравнение и указать, какую торговую марку они предпочитают в данной паре. Другой метод сбора данных о предпочтениях — получение оценок предпочтений для разных торговых марок. (Ранжирование, попарное сравнение и определение рейтинга изложены в главах 8 и 9 при обсуждении методов шкалирования). Если в основе пространственной карты лежат данные о предпочтениях, то расстояние означает различие в предпочтениях. Конфигурация, из данных о предпочтениях, может сильно отличаться от конфигурации, полученной на основе данных сходства объектов. Две торговые марки можно воспринимать как различные на карте восприятий, и как одинаковые на карте предпочтений, и наоборот, зубные пасты rest и Pepsodent могут восприниматься группой респондентов как совершенно разные, и поэтому соответствующие им точки будут далеко отстоять друг от друга на карте восприятий. Однако респонденты могут в равной степени предпочитать эти две марки зубной пасты, и поэтому на карте предпочтений точки, соответствующие маркам этих зубных паст, находятся недалеко одна от другой. Чтобы проиллюстрировать процедуру многомерного шкалирования, мы используем данные восприятий, полученные в примере с зубной а затем рассмотрим шкалирование данных о предпочтениях.  [c.782]

Преимущество анализа соответствий по сравнению с другими методами многомерного шкалирования состоит в том, что он снижает требования к набору данных, налагаемые на респондентов, потому что достаточно иметь только бинарные или категориальные данные. Респондентов просто просят проверить, какие из характеристик относятся к каждой из нескольких торговых марок, Исходные данные представляют собой число "Да" для каждой марки по каждой характеристик товара. Затем торговые марки и характеристики товара показывают в одном и том же многомерном пространстве. Недостаток анализа соответствий заключается в том, что расстояние между колонкой и рядком не подда-  [c.790]

В третьей главе мы перейдем от прогнозирования процентных ставок к управлению портфелем активов. В ней Гвидо Дебок показывает, каким образом с помощью самоорганизующихся карт многомерные данные по взаимным инвестиционным фондам могут быть представлены в виде простых двумерных карт, доступных восприятию руководителей этих фондов. Основываясь на данных, публикуемых корпорацией Morningstar , он исследует паттерны (образы) в структуре данных о взаимных инвестиционных фондах. Несколько показателей из базы Morningstar используются им в качестве входных данных. Далее автор показывает, каким образом СОК позволяет упростить классификацию фондов и создать таблицы для обеспечения принятия решений, более информативные по сравнению с простыми сортированными списками, построенными исходя из единичных и множественных критериев. Данный подход иллюстрирует визуальное представление информации по взаимным инвестиционным фондам, построение эталонных тестов и выведение более приемлемых показателей для сравнения эффективности помещения средств в различные взаимные фонды.  [c.34]

Метод самоорганизующихся карт Кохонена может быть использован для представления многомерных данных по взаимным инвестиционным фондам в виде простой двумерной карты. Эти карты позволяют значительно повысить качество информации, традиционно публикуемой по взаимным фондам, предоставляя лучшую основу для выбора, сравнения и ранжирования данных. Пользуясь данными, публикуемыми компанией Morningstar, мы применим СОК для демонстрации четких различий и структурных особенностей данных по лучшим взаимным фондам. В качестве входных данных мы использовали показатели эффективности взаимных фондов, оценки рисков, приводимые компанией Morningstar, опыт ряда экспертов в области инвестиционной деятельности, а также данные о доле активов фондов, используемых для покрытия расходов. Метод СОК упрощает классификацию фондов и облегчает процесс принятия решений, позволяя классифицировать данные более осмысленно, чем при использовании множественного рангового критерия.  [c.80]

Метод СОК основан на использовании нейронных сетей, обучаемых без учителя. По сравнению с другими нейросетевыми методами (некоторые из которых описываются в работе Дебока (Deboe k, 1994)), требующими, чтобы один или несколько выходов были ассоциированы с одним или более входами, СОК сводит многомерные данные к дву- или трехмерным картам или нейронным решеткам. Алгоритм СОК построен по принципу конкурентного обучения без учителя. Элементы карты, или нейроны, образуют обычно двумерную решетку, т.е. в конечном итоге мы имеем дело с отображением многомерного пространства на плоскости или в трехмерном пространстве. Метод СОК сохраняет топологию данных. Это означает, что СОК объединяет похожие векторы входных данных в рамках одних и тех же нейронов или узлов решетки. Точки, расположенные в пространстве входных векторов близко друг к другу, отображаются в элементах карты, также располагающихся рядом. Таким образом, СОК может служить инструментом для кластерного анализа многомерных данных. СОК обладает также способностью к обобщению. Способность нейронной сети к обобщению означает, что сеть может распознавать или давать характеристику входных данных, которые не встречались ей ранее.  [c.81]

Многокритериальное сравнение объектов карты рынка обеспечивает метод многомерного Portfolio - анализа.  [c.271]