1.5. классификация методов и приемов анализа

1.5. классификация методов и приемов анализа

Под методом анализа следует подразумевать способы исследования объекта анализа, а под приемом анализа — одну или несколько математических или логических операций, направленных на получение конкретного результата анализа.

По соотношению объективных и субъективных начал методы и приемы анализа подразделяют на математические и эвристические. Эвристические методы основываются на интуиции, на субъективных началах. Математические методы объективны. Разные аналитики, используя их, получают одинаковые результаты. В комплексном анализе эти методы, как правило, сочетают. Так, тип математической модели часто выбирают интуитивно, а параметры модели определяют методами математической статистики.

Нейросетевые модели, находящие все более широкое применение в анализе и представляющие собой компьютерные программы, имитирующие искусственный интеллект, способный к обучению в процессе тренировок, в известной мере сочетают математические и эвристические методы. Нейронные сети пока редко применяются в отечественной практике анализа, поэтому в настоящей книге конкретные примеры их применения не приводятся. Укажем лишь, что они используются для тех задач, которые решаются с помощью моделей прикладной математической статистики. Распространителем одного из наиболее популярных в России нейросетевых пакетов «STATISTICA Neural Networks* является американская компания StatSoft — разработчик популярного статистического пакета «STATISTICA».

Математические модели. В анализе широко используются модели математической экономики — теоретические и прикладные модели. Теоретические модели позволяют изучать общие свойства экономики и ее отдельных элементов дедукцией выводов из формальных предпосылок. Они важны для понимания возможных свойств объекта анализа. Это макроэкономические и микроэкономические модели, в том числе модели теории фирмы и теории рынков. Прикладные модели дают возможность оценить параметры функционирования конкретного экономического объекта и сформулировать конкретные рекомендации для принятия решения. К прикладным моделям относятся, прежде всего, эконометричес-кие модели, оперирующие числовыми значениями экономических переменных и позволяющие статистически значимо оценивать их на основе имеющихся наблюдений.

Математические модели, кроме того, подразделяют на равновесные, которые описывают равновесие, поэтому их можно назвать описательными (дискриптивными), и модели оптимизации, которые позволяют установить оптимальные, т.е. наилучшие по какому-то определенному критерию, параметры системы. Выделяют статические модели, описывающие состояние объекта в конкретный момент или период времени, и динамические модели, включающие взаимосвязи переменных во времени.

Выделяют также детерминированные модели, которые предполагают жесткие функциональные связи между переменными модели. В отличие от них, стохастические модели предполагают наличие случайных воздействий на исследуемые показатели и потому используют методы теории вероятностей и математической статистики для их описания. В качестве примеров простейших детерминированных моделей укажем здесь следующие:

. Модели дифференцирования — факторные модели приращения функции, подобные представлению ее рядом Тейлора. Например, если прирост производства обусловлен приростом производительности труда и численности работников, то можно построить модель АВ = Р х Дп + п х ДР, где ДВ — прирост объемов производства; Р — плановая производительность; п — плановая численность работников; ДР и Дп — прирост соответственно производительности и численности работников по сравнению с планом.

. Индексные модели. Например, предполагается, что индекс объемов производства обусловлен производительностью труда и численностью работников, поэтому можно построить модель 1в = = 1р х 1п, где 1в — индекс изменения объемов производства; 1Р — индекс изменения производительности труда; 1п — индекс изменения численности работников. В частности, если 1Р = 110\%, 1п = = 90\%, то 1в = 1,1 х 0,9 = 0,99, или 99\%.

Необходимо заметить, что часто рекомендуется широкое использование детерминированных моделей. Следует от этого предостеречь, поскольку нередко эти модели представляют собой лишь гипотезы о связи между переменными, о факторах, определяющих поведение систем, причем подтверждение выдвинутых гипотез нередко остается за рамками анализа, что может приводить к заблуждениям и ошибкам.