Наши журналы
Опубликовать статью Вход и регистрация
Расширенный поиск
Разделы статьи

ГРУППИРОВКА ПРЕДПРИЯТИЙ ПО ПОКАЗАТЕЛЯМ ИХ РАБОТЫ

Научная статья
Ткаченко В.Я.
Кузнецов С.М.
Холомеева Н.В.
Ольховиков С.Э.
Колтунова А.А.
Выпуск: № 1 (20), 2014
Опубликована:
2014/02/08
PDF

Ткаченко В.Я.1, Кузнецов С.М.2, Холомеева Н.В.3, Ольховиков С.Э.4, Колтунова А.А.5

1Доктор экономических наук, профессор;

2Кандидат технических наук, доцент;

3Кандидат экономических наук, доцент;

4Аспирант, старший преподаватель;

5Аспирант, старший преподаватель,

Сибирский государственный университет путей сообщения

ГРУППИРОВКА ПРЕДПРИЯТИЙ ПО ПОКАЗАТЕЛЯМ ИХ РАБОТЫ

Аннотация

Совершенствование анализа хозяйственной деятельности различных производственных образований (предприятий, подразделений, бригад, технологических комплексов и др.) на основе данных статистической отчетности требует разбивки предприятий на группы по показателям их работы.

Ключевые слова: экономический анализ, экономико-статистическое моделирование, железнодорожный транспорт.

Tkachenko V.Ya.1, Kuznetsov S. M.2, Holomeeva N.V.3, Olkhovikov S.E.4, Koltunova A.A.5

1Doctor of Economics, professor;

2PhD in Engineering, docent;

3PhD in Engineering, docent;

4Postgraduate stuent, Senior Lecturer;

5Senior Lecturer Koltunova,

Sibirian Transport University

GROUP OF THE ENTERPRISES FOR INDICATORS OF THEIR WORK

Abstract

Improvement of the analysis of economic activity of various production educations (the enterprises, divisions, crews, technological complexes, etc.) on the basis of data of the statistical reporting demands breakdown of the enterprises on groups on indicators of their work.

Keywords: economic analysis, economical and statistical modeling, railway transport.

Введение

Проведенный в [1] анализ тесноты и характера парных связей между показателями работы производственных предприятий показал, что следующим этапом исследования является разбивка предприятий на группы по показателям их работы. Для этой цели авторами создан алгоритм группировки предприятий (объектов) по данным статистических показателей работы последних [2, 3].

Назначение алгоритма

Алгоритм предназначен для группировки объектов выборки в группы и вычисления статистических характеристик каждой группы и выборки в целом.

Содержательная постановка задачи

Имеется совокупность NO объектов 09-08-2018 10-54-14. Функционирование каждого объекта описывается рядом количест­венных признаков 09-08-2018 10-54-53. Один из этих признаков 09-08-2018 10-55-16  является зависимым от остальных 09-08-2018 10-55-46 .

Форма зависимости известна. Необходимо определить теорети­ческие значения зависимого признака (Y*) для каждого объекта выборки и сгруппировать по нему объекты в группы. Границы групп (по выравненному Y*) заданы. Для каждой группы и выборки в целом определить статистические характеристики.

Алгоритм решения

Решение осуществляется на основе исходной матрицы данных X(NO, NP) по следующей схеме:

а) среди признаков, характеризующих объекты выборки, устанавливается зависимый (Y);

б) задается вид уравнения многофакторной регрессии;

в) задаются число групп и границы каждой по теоретичес­кому значению зависимого признака Y;

г) по заданному уравнению регрессии и фактическим значениям 09-08-2018 10-56-41 определяются теоретические значения за­висимого признака (Y*) для каждого объекта выборки;

д) по выравненному Y * объекты группируются;

е) для каждой группы устанавливаются номера объектов, вошедших в группу, фактическое и выравненное значение зависимого признака, отклонение выравненного значения от факти­ческого, среднемодульная ошибка аппроксимации зависимого признака;

ж) для выборки в целом определяются среднее значение каждого признака, среднее значение зависимого признака, среднемодульная ошибка аппроксимации зависимого признака.

Описание алгоритма.

Пусть значение 09-08-2018 11-05-41  характеризует i-й объект выборки 09-08-2018 11-13-21. Форма  зависимости    задана   уравнением:

09-08-2018 11-13-46,                                        (1)

где Y* - теоретическое значение зависимого признака;

       Xj - фактическое значение независимой переменной,  j = 1,…, NP;

        09-08-2018 11-14-26- коэффициенты регрессии.

Задано число групп (KG) и нижняя граница B (KG) каждой группы по выравненному значению зависимого признака (Y*).

Определить вектор 09-08-2018 11-15-04, среднее значение зависимого признака 09-08-2018 11-15-45, среднемодульную ошибку аппроксимации зависимого признака 09-08-2018 11-16-04, среднее значение не­зависимого признака 09-08-2018 11-17-08  для выборки в целом. Сгруппировать объекты в группы, определить номера объектов, вошедших в группу, среднемодульную ошибку аппрок­симации зависимого признака в группе. Вектор 09-08-2018 11-17-37  определяется по формуле.

Среднее значение зависимого признака 09-08-2018 11-15-45 определяется по формуле:

09-08-2018 11-18-33,                                                                      (2)

где NO - число объектов выборки;

Yi - фактическое значение зависимого признака для i-го объекта.

Среднемодульная ошибка аппроксимации зависимого при­знака 09-08-2018 11-16-04определяется по формуле

09-08-2018 11-19-38,                                                                 (3)

где 09-08-2018 11-20-01 - теоретическое значение зависимого признака для i-го объекта.

Среднее значение независимого признака 09-08-2018 11-20-22 определяется по формуле

09-08-2018 11-20-50,                                                                   (4)

где  09-08-2018 11-21-42- фактическое значение j-го признака для i-го объекта.

Пусть 09-08-2018 11-21-59- нижняя граница K-ой группы объектов по выравненному значению Y*, 09-08-2018 11-22-43 - нижняя граница следующей по порядку 09-08-2018 11-23-22-ой группы. Тогда в группу K войдут те объекты, для которых 09-08-2018 11-23-43.

Среднемодульная ошибка аппроксимации зависимого признака Y в K-й  группе  определяется по формуле

09-08-2018 11-24-16,                                                            (5)

где l - число объектов, вошедших в K -ю группу;

09-08-2018 11-24-51  - теоретическое значение зависимого признака для объекта i в группе K.

Выводы. С помощью экономико-статистического моделирования разработан способ группировки производственных предприятий по показателям их работы [4]. Способ позволяет более точно планировать деятельность групп предприятий на конкретный промежуток времени (месяц, квартал, год и т.д.). Данный способ является универсальный [5], его можно применять при анализе работы бригад [6], комплексов машин [7], парков [8] и систем [9].

Литература

  1. Ткаченко В.Я. Анализ тесноты и характера парных связей между показателями работы производственных предприятий / В.Я. Ткаченко, С.М. Кузнецов, Н.В. Холомеева // Экономика ж. д. - 2013. - № 6. - С. 38 - 43.
  2. Кузнецов С.М. Обработка результатов натурных испытаний при техническом и тарифном нормировании / С.М. Кузнецов, К.С. Кузнецова // Экономика железных дорог, 2010. №7. – С. 88–99.
  3. Кузнецов С.М. Совершенствование обработки результатов натурных испытаний при техническом и тарифном нормировании / С.М. Кузнецов // Экономика ж. д. - 2013. -№ 7. -С. 90 - 97.
  4. Котюков В.И., Ткаченко В.Я., Кузнецов С.М. Свидетельство об отраслевой регистрации разработки № 3057 «Программный комплект «КОМПАС»» от 19.12.2003 г.
  5. Кузнецов С.М. Системотехника ресурсосберегающей технологии строительства зданий и сооружений / С.М. Кузнецов // Изв. вузов. Строительство. -2005. -№ 3. -С. 110 - 117.
  6. Кузнецов С.М. Подбор состава строительных бригад / С.М. Кузнецов // Экономика ж. д. -2005. -№ 9. -С. 73 - 77.
  7. Исаков А.Л. Оптимизация работы комплекса машин при строительстве объектов / А.Л. Исаков, К.С. Кузнецова, С.М. Кузнецов// Изв. вузов. Строительство. -2012. -№ 1. -С. 52 - 57.
  8. Кузнецова К.С. Формирование ресурсосберегающего парка машин / К.С. Кузнецова, С.М. Кузнецов // Путь и путевое хозяйство. -2006. – № 8. -С. 11 - 12.
  9. Лизунов Е.В. Организационно-технологическая надёжность гидротранспортных систем / Е.В. Лизунов, В.А. Седов, С.М. Кузнецов // Строительные и дорожные машины. -2005. -№ 5. -С. 19 - 21.