установление спецификации эконометрической модели; оценка степени коррелированности составляющих рейтинга; оценка параметров эконометрической модели. Разработка эконометрической модели является необходимым, но не достаточным условием для решения глобальной задачи —прогнозирования инвестиционной привлекательности предприятий. Для этого еще требуется определить, в какой степени составляющие рейтинга предприятий обладают дискриминирующей способностью, т.е. насколько они пригодны для разделения предприятий по крайней мере на две группы предприятия-лидеры и предприятия-аутсайдеры. Здесь необходимо применить аппарат дискриминантного анализа, что может потребовать привлечение экспертов для априорной классификации предприятий на группы по степени их инвестиционной привлекательности. В методическом плане решение сформулированных выше задач сводится к последовательной реализации графических и аналитических процедур с помощью пакета анализа данных общественных наук SPSS Base [183], являющего «стандартом де факто» для органов региональной статистики, а также к нейросетевому моделированию в пакете Neural Connection [181]. В методологическом плане в настоящей работе авторы придерживались принципа интеллектуального анализа данных (data mining), в последнее время находящего все большее применение в экономических приложениях (см., например, [93]). Ниже излагаются полученные нами результаты. Итак, первый вопрос, требующий решения каков характер распределения исходных показателей рейтинга? Анализ эмпирических гистограмм распределения с нанесенными на них теоретическими нормальными кривыми показал, что практически все перечисленные показатели характеризуются правосторонней асимметрией. С помощью рекомендуемого в подобных случаях логарифмического преобразования [44] удалось симметризовать рас114 |
Третья задача также связана со второй, но формулируется более ш ироко в какой степени составляющие рейтинга предприятий обладают дискриминирующ ей способностью, т.е. применимы для разделения предприятий на лидеры и аутсайдеры. Здесь необходимо применить аппарат дискриминантного анализа, что предполагает также привлечение экспертов для априорной классификации предприятий на группы по степени и х развития. Четвертая задача решается статистическими методами ф акторного анализа и последующим построением регрессионной модели на главных факторах. Перейдем к решеншо первой задачи ~ определению статистической зависимости итогового рейтинга, как результирующ его показателя инвестиционной привлекательности предприятий, от следующ их предикторов: 1 ) In ДГ1 —логарифм чистой прибыли; 2 ) In х-1 —логарифм общей рентабельности отчетного периода; 3) In Хз —логарифм рентабельности основной деятельности; 4 ) 1пл!4 логарифм рентабельности активов; 5) In xs —логарифм производительности труда; 6 ) In xg —логарифм коэффициента текущ ей ликвидности; 7) In Х7 —логарифм коэффициента абсолютной ликвидности; 8 ) In xg —логарифм коэффициента автономии. Т ак ка к для некоторы х предприятий пищ евой промыш ленности логарифм коэффициента автономии не определен, соответствую щ ую модель находили по меньшему объему вы борки —не 4 4, а 38 предприятий. Для предприятий машиностроения объем выборки составил 51 предприятие (одно из предприятий характеризовалось нулевым значением коэффициента абсолютной ликвидности). Важны м вопросом является выбор специф икации модели. В ажной предпосылкой регрессионного анализа является нормальность распределения как входных переменных (предикторов), так и вы ходной —результирующ ей — 87 |