2015-07-14
471
1. Коэффициент оборачиваемости оборотных средств. Определяется как стоимость реализованной продукции (выручка) / на средний остаток оборотных средств. Характеризует объем продаж с 1 руб. Обс и показывает сколько оборотов за время анализируемого периода совершает каждый рубль вложенный в оборотный капитал.
2. Средняя продолжительность одного оборота в днях. Может исчисляться как частное от деления продолжительность периода на коэффициент оборачиваемости. Показывает время необходимое для прохождения Обс всех стадий кругооборота и через сколько дней Обс возвращаются в организацию в виде выручки.
3. Среднесуточный оборот капитала – выручка от реализации/ на количество дней в периоде.
4. Коэффициент закрепления оборотных средств - величина обратная коэфф. оборачиваемости. Характеризует средний остаток Обс, приходящийся на 1 рубль выручки.
Главная задача организации использования оборотных средств – это обеспечение непрерывности процесса производства и реализации продукции с наименьшим размером средств. Основная цель – ускорение оборачиваемости. Средства для достижения цели и решения задачи: повышение роли и значимости организации использования оборотных средств; использование денег как средства воздействия н процесс производства; совершенствование системы расчетов и договорных взаимоотношений; формирование условий, которые могут снижать размеры запасов путем сокращения производственного цикла.
|
|
|
15. Мультиколлинеарность - тесная корреляционная взаимосвязь между отбираемыми для анализа факторами, совместно воздействующими на общий результат, которая затрудняет оценивание регрессионных параметров.Определяют ее на основе линейного коэффициента корреляции,при этом подставляют те факторные признаки,которые исслед(х1,х2,х3) RXY=xy|-xy|/гаммаУ-гаммаХ
Rx1x2=x1x2|-x1x2|/гаммаХ1-гаммаХ2
Определение мультикалиниарности необходимо 1) для искл завис друг от друга факторов и таким образом это последний этап исключающий факторный признак 2) если между факторами ур-е регрессии получ линейным-это значит, что модель лин регрессии так же будет линейной,т.е. опред форма связи в многомерных рядах
Если получается коэффициент корреляции будет больше 0,6 следовательно 1 из факторов исключаем тот, у которого коэффициент корреляции между у и х меньше
Если регрессоры в модели связаны строгой функциональной зависимостью, то имеет место полная (совершенная) мультиколлинеарность. Данный вид мультиколлинеарности может возникнуть, например, в задаче линейной регрессии, решаемой методом наименьших квадратов, если определитель матрицы 
будет равен нулю. Полная мультиколлинеарность не позволяет однозначно оценить параметры исходной модели и разделить вклады регрессоров в выходную переменную по результатм наблюдений.
|
|
|
В задачах с реальными данными случай полной мультиколлинеарности встречается крайне редко. Вместо этого в прикладной области часто приходится иметь дело с частичной мультиколлинеарностью, которая характеризуется коэффициентами парной корреляции между регрессорами. В случае частичной мультиколлинеарности матрица 
будет иметь полный ранг, но ее определитель будет близок к нулю. В этом случае формально можно получить оценки параметров модели и их точностные показатели, но все они будут неустойчивыми.
Среди последствий частичной мультиколлинеарности можно выделить следующие:увеличение дисперсий оценок параметров,уменьшение значений t-статистик для параметров, что приводит к неправильному выводу об их статистической значимости,получение неустойчивых оценок параметров модели и их дисперсий,возможность получения неверного с точки зрения теории знака у оценки параметра
Точные количественные критерии для обнаружения частичной мультиколлинеарности отсутствуют. В качестве признаков ее наличия чаще всего используют следующие:Превышение некого порога модулем парного коэффициента корреляции между регрессорами Xi и Xj Близость к нулю определителя матрицы 
,Большое количество статистически незначимых параметров в модели,Методы устранения мультиколлинеарности
