//
you're reading...
Analizy

Analiza dyskryminacyjna

Spośród wszystkich metod statystycznej analizy wielowymiarowej, stosowanych w badaniu prawdopodobieństwa analizy upadłości, właśnie analiza dyskryminacyjna jest najczęściej stosowana. Zapoczątkowana przez Fishera w 1936 roku, jest metodą statystyczną, która za cel obiera rozróżnienie dwóch grup składających się z różnych elementów.

Według K. Jajugi „zadanie analizy dyskryminacyjnej polega na przydzieleniu zbioru obserwacji do k klas mających własność jednorodności, przy czym charakterystyki tych klas są przynajmniej częściowo znane.” M. Lasek istotę analizy dyskryminacyjnej „ubrała” w następujących słowach: na podstawie obserwacji, które są sklasyfikowane na dwie lub więcej grup, według określonego kryterium klasyfikacji, znaleźć funkcję, która umożliwia klasyfikowanie nowych obserwacji na grupy według tego samego kryterium klasyfikacji. Innymi słowy, na podstawie próby elementów (w tym przypadku przedsiębiorstw) scharakteryzowanych za pomocą określonej grupy zmiennych (wskaźników finansowych) znajduje się podgrupę zmiennych, które – ze względu na pewien klucz – przypisują te elementy do zbiorów elementów podobnych ze względu na jakąś cechę (tu: przedsiębiorstwa upadłe i „nieupadłe”, czyli cechą jest kondycja finansowa). Ostatecznie, zbiory mają własność jednorodności. Po odnalezieniu tych zmiennych, które rozróżniają (dyskryminują) w założony sposób pierwotną populacje, można dokonywać klasyfikacji nowych elementów do poszczególnych zbiorów.

W znaczeniu ekonomicznym omawianych w pracy modeli, za pomocą analizy dyskryminacyjnej znajduje się wskaźniki finansowe, które w założonym czasie i miejscu w szczególny sposób opisują kondycję finansową populacji przedsiębiorstw (czasami jedynie pewnej części przedsiębiorstw). Ta cecha modeli jest wykorzystywana w przewidywaniu zagrożenia upadłością. Chociaż ostatnimi czasy nie tylko. „Modele dyskryminacyjne służyły pierwotnie do oceny prawdopodobieństwa bankructwa analizowanego podmiotu, jednak z biegiem czasu są coraz powszechniej stosowane dla całościowej oceny sytuacji finansowej podmiotów gospodarczych.”[1] [2] [3]

„Produktem” końcowym analizy dyskryminacyjnej jest funkcja dyskryminacyjna, powstała w oparciu o dane źródłowe. Ogólna postać tej funkcji wygląda następująco:

Z = a0 + aixi + a2x2 + a3x3 + … + anxn .[4]

Wartość Z jest syntetycznym miernikiem informującym o kondycji finansowej przedsiębiorstwa. Zmienne objaśniające są odpowiednio dobranymi wskaźnikami finansowymi, a parametry są wielkościami, których wartość zależy od siły dyskryminacyjnej wskaźników. Wyraz wolny ao ma na celu sprowadzenie wartości funkcji Z, która rozdziela elementy na dwie rozróżniane populacje, do zera. „W interesującym nas przykładzie dwóch populacji postuluje się zazwyczaj, by wartością funkcji dyskryminacyjnej rozdzielającą obiekty na te populacje było zero.” [5] [6] Każdej firmie przypisana jest pewna wartość wskaźnika Z i na tej podstawie zostaje zakwalifikowana do grupy przedsiębiorstw upadłych lub do grupy przedsiębiorstw zdrowych. Wartość ta zawiera duże pokłady informacji, choć sama w sobie nie określa szczegółowego stanu finansowego firmy.

Innym zarzutem stawianym analizie dyskryminacyjnej jest niemożność uwzględnienia, objaśniających zjawisko, zmiennych jakościowych. Z drugiej jednak strony może to być zaleta tej analizy, ponieważ uwzględnianie jedynie ilościowych zmiennych zmniejsza subiektywizm oceny. Bardzo ważnym ograniczeniem w stosowaniu modeli dyskryminacyjnych, o którym praktycy gospodarczy często zapominają, jest ograniczenie w przenoszeniu modeli między branżami czy między gospodarkami. Modele analizy dyskryminacyjnej nie są modelami uniwersalnymi, mają charakter lokalny. Wiele modeli nadaje się do analizy kondycji finansowej przedsiębiorstw z określonej branży, w której w specyficzny sposób zarządza się płynnością finansową. Równie problematyczne jest przenoszenie modeli pomiędzy różnymi gospodarkami (ten problem został omówiony w podrozdziale 1.4.). Ostatnią słabością analizy dyskryminacyjnej, o której warto wspomnieć, jest założenie, że zmienne objaśniające maja rozkład normalny. W rzeczywistości tak nie jest. W przypadku finansów przedsiębiorstw, odbieganie wielkości rzeczywistych od wartości przeciętnych jest raczej regułą niż wyjątkiem. Nie spełnienie warunku normalności rozkładu zmiennych objaśniających powoduje obniżenie trafności przewidywań.

[1]Jajuga K., Kowalewski G., Ekonometria: metody i analiza problemów ekonomicznych, Wydawnictwo AE we Wrocławiu, Wrocław 1998,

[2]Lasek M., Wielokryterialna ocena kondycji ekonomicznej firmy- klientów banku Wydawnictwo UW, Warszawa 1996,

[3]Hołda A, Wykorzystanie analizy dyskryminacyjnej w predykcji bankructwa – doświadczenie światowe, Zeszyty teoretyczne rachunkowości 5(61), 2001 Warszawa, str. 66

[4]    Za Zopounidis C., Dimitras A., The forecasting of business failure: overview of methods and new avenues, Janssen J., Skiadas C. H., Applied Stochastic Models and Data Analysis, Editors 1993 World Scientific Publ. Co. str. 1086

[5]    Appenzeller D., Wykorzystanie analizy dyskryminacyjnej do oceny kondycji finansowej polskich spółek giełdowych, w: Prace z ekonometrii finansowej, Zeszyty naukowe AE w Poznaniu nr 277, Poznań 2000r., str. 6

[6]    Trudnym i bezowocnym byłoby wnioskowanie o stanie finansów portalu internetowego na podstawie modelu stworzonego dla firm zajmujących się przemysłem ciężkim.

About pracemagisterskie

Piszę prace magisterskie

Dyskusja

Brak komentarzy.

Skomentuj

Wprowadź swoje dane lub kliknij jedną z tych ikon, aby się zalogować:

Logo WordPress.com

Komentujesz korzystając z konta WordPress.com. Wyloguj /  Zmień )

Zdjęcie na Google

Komentujesz korzystając z konta Google. Wyloguj /  Zmień )

Zdjęcie z Twittera

Komentujesz korzystając z konta Twitter. Wyloguj /  Zmień )

Zdjęcie na Facebooku

Komentujesz korzystając z konta Facebook. Wyloguj /  Zmień )

Połączenie z %s

Ta witryna wykorzystuje usługę Akismet aby zredukować ilość spamu. Dowiedz się w jaki sposób dane w twoich komentarzach są przetwarzane.

%d blogerów lubi to: