Нужна помощь в написании работы?

Приемы (инструменты) экономического анализа делятся на традиционные приемы, которые широко применяются и в других дисциплинах для обработки и изучения информации, и нетрадиционные (специальные) приемы экономического анализа. К специальным методам отностятся:

Баланс увязки – прием экономического анализа, широко используемый при  анализе для проверки взаимосвязанных исходных данных или итогов подсчета и при сравнении. Балансовый прием увязки используется, когда необходимо установить наличие соответствия между анализируемыми величинами.

Сущность приема пересчета заключается в корректировке плановых показателей в зависимости от процента выполнения плана.

В технико-экономическом анализе для исследования влияния факторов на значение результирующего показателя применяется способ цепных подстановок. Его сущность заключается в последовательной замене плановых показателей фактической величиной. Величина влияния любого фактора определяется получаемым  результатом по сравнению с предыдущим. При этом факторы, влияющие на результат, подразделяются на количественные и качественные. Общепринятым считается определить влияние сначала количественных, а затем качественных факторов

К приемам исключения также относятся способ абсолютных разниц и способ относительных разниц. С помощью способа абсолютных разниц получаются те же результаты что и способом цепных подстановок.Способ относительных разниц применяется для измерения влияния факторов на прирост результативного показателя только в мультипликативных моделях. Здесь используются относительные приросты факторных показателей, выраженные в виде коэффициентов или процентов.

Экстраполяция – это прогнозирование неизвестных значений путем продолжения функций за границы области известных значений. Зачастую, прогностические модели используются для построения прогноза отклика для произвольных точек, которые не были включены в множество. Такого рода прогнозы называются экстраполяцией. Нужно с большой осторожностью относиться к прогнозам, полученным с помощью прогностической модели для данных, лежащих на значительном расстоянии от множества. В таких областях предсказания становятся ненадежными.


Поделись с друзьями