Первоначальная стоимость ОПФ, млн. руб. - X3;

Задача решается в STATGRAPHICS Plus for Windows в модуле Cluster Analysis. В результате анализа должна быть была построена дендрограмма – дерево объединения кластеров с порядковыми номерами объектов по одной оси и со шкалой расстояний по другой.

Выбирается метод Wards, т.к. он минимизирует внутрикластерный разброс объектов, дендрограмма получается с четко выраженными разделенными кластерами.

На первом этапе кластерного анализа вся совокупность объектов представляется одним кластером. Матрица исходных данных для построения кластера приведена в табл.1.

Приведенные данные вводятся в электронную таблицу STATGRAPHICS. Выберем Special / Multivariate Methods / Claster Fnalysis. Система отобразит окно диалога для ввода данных в кластерный анализ.

Необходимо щелкнуть левой кнопкой мыши на переменных Y, Х1, Х2, Х3 для задействования их в анализе, нажать ОК и система выдаст оно с первичной сводкой кластерного анализа. Далее щелкнуть правой кнопкой мыши – на экране появится окно диалога для выбора параметров кластерного анализа. Установить флажок Wards, нажать ОК, далее кнопку для задания графических опций (третья слева в верхнем ряду окна анализа). Система предоставит специальное окно диалога. Выбрать отображение в виде дендрограммы (Dendrogram) и нажать ОК. Система добавит к табличному окну графическое окно. Для максимального раскрытия этого окна дважды щелкнуть на дендрограмме. Для изменения числа кластеров необходимо щелкнуть правой кнопкой мыши на окне сводки кластерного анализа появится окно диалога для задания параметров проводимого исследования. Необходимо изменить количество кластеров с 1до 6 (Number of Clacter). Нажать ОК, в соответствии с введенными изменениями будут произведены табличные преобразования. Кластеризация достигает своей цели в том случае, если в каждом кластере оказывается примерно одинаковое число объектов. Визуальный анализ дендрограммы позволяет предположить на сколько кластеров необходимо разбить всю совокупность. Для выявления числа кластеров осуществляется последовательное разбиение всей совокупности на 4, 5 и 6 и т.д. кластеров.

Результаты обработки данных свести в таблицу 2.

В сводке кластерного анализа получается следующий результат: количество объектов в каждом кластере и процент населенности. По координатам центроидов можно судить о том, какие переменные играют важную роль в каждом кластере.

Нажмем кнопку табличных опций (вторая слева в верхнем ряду). Система представит соответствующее окно диалога. Установим Membership Table (таблица принадлежности наблюдений), затем нажмем кнопку ОК. Дважды щелкнем левой кнопкой мыши на таблице населенности для максимального раскрытия окна. Распределение предприятий по кластерам привести в табл. 3, в которой дать полный список всех наблюдений и номера кластеров, в которые входят указанные наблюдения. Разбиение всей совокупности предприятий на кластеры позволяет выявить зависимости показателей производственно-хозяйственной деятельности по каждому кластеру, которые будут использованы для определения конкурентоспособности предприятия. Такие зависимости выявляются на основе корреляционно-регрессионного анализа. Корреляционный анализ позволяет с помощью выборки делать выводы о степени статистической связи между признаками. Для установления статистической зависимости У от Х1, Х2, Х3 проводится регрессионный анализ. Для анализа в практической работе необходимо выбрать кластер, куда вошло большее количество объектов. Задача решается в STATGRAPHICS в модуле Relate | Multiple Regression. Необходимо вывести итоговое уравнение типа

Y = -19, 9015 + 66, 1016 * X1

Уравнение регрессии, построенное по отдельному кластеру предприятий, может быть использовано как инструмент для определения конкурентоспособности предприятия. По зависимости, полученной для рассматриваемого кластера, рассчитывается выпуск продукции исходя из фактического значения признака (Х1, Х2или Х3) каждого конкретного предприятия. Сопоставление расчетной и фактической величины дает отклонение, которое позволяет определить место конкретного предприятия в кластере. Отклонение фактических данных от расчетных рассчитывается по формуле:

Откл % = (Вф – Вр) * 100 / Вр, где

Вф – фактический выпуск продукции, тыс.руб.;

Вр – выпуск продукции расчетный, тыс.руб.

Расчет теоретических значений выпуска продукции при фактической величине производительности труда сводится в табл. 4. Графически конкурентоспособность предприятий просматривается на диаграмме, построенной в Excel. Например:

Предприятия, расположенные выше оси Х- конкурентоспособны, ниже- нет. Далее делается вывод по практической работе.

Контрольные вопросы:

1. Понятие кластерного анализа. Критерии качества кластеризации.

2. Что является определяющим моментом в кластерном анализе?

3. Что отображает дендрограмма?

4. Что указывается в сводке кластерного анализа?

5. Что показывают координаты центроидов?

6. Что такое корреляционный анализ?

7. Что является предметом множественного регрессионного анализа?

8. Для чего применяется пошаговая множественная регрессия?

9. Как рассчитывается отклонение фактических данных от расчетных?

10. Охарактеризуйте блок-схему алгоритма определения конкурентоспособности предприятия.

 

ННК. Разработка и эксплуатация нефтяных и газовых месторождений.

Кильмаматова Л.И.

Экономика, организация и планирование производства на предприятиях нефтяной и газовой промышленности

Практическая работа №8. Расчет конкурентоспособности предприятий в STATGRAPH

Исходные данные для расчета:

 

Таблица 1.