ЕКОНОМЕТРИЧНЕ
МОДЕЛЮВАННЯ В УПРАВЛІННІ ПРИБУТКОМ ПІДПРИЄМСТВА
Креньова
К.К.
студентка
Харківського торговельно-економічного інституту КНТЕУ
Анотація. У статті
проаналізована та побудована економетрична регресійна модель для прогнозування
прибутку підприємства у короткостроковій перспективі.
Ключові
слова:
прибуток, витрати, собівартість, дохід, адміністративні витрати, економетрична
модель.
Постановка проблеми. У сучасних економічних
умовах, що супроводжуються фінансовою кризою, нагальним питанням є планування
та прогнозування прибутку підприємства. Своєчасне визначення прогнозних
результатів дає можливість підприємству внести корективу у діяльність з метою
її покращення. Тому питання ефективного прогнозування прибутку є актуальним.
Аналіз останніх досліджень і публікацій. Значний внесок у дослідження прибутку та прибутковості
підприємства зробили такі зарубіжні та вітчизняні науковці, як: І. А. Бланк, Н.
М. Бондар, О. О. Гетьман, С. Ф. Покропивний, А. М. Поддєрьогін, В. М.
Шаповал, Л. І. Шваба та інші. Враховуючи значимість питання максимізації
прибутку підприємства та оцінки впливу факторів, дане питання потребує
подальшого дослідження.
Метою статті є дослідження
теоретичних аспектів впливу факторів на прибуток підприємства та побудова
економетричної моделі для прогнозування прибутку.
Виклад основного матеріалу. Економетрична модель — це функція чи система
функцій, що описує кореляційно-регресійний зв'язок між економічними
показниками, причому залежно від причинних зв’язків між ними один чи кілька із
цих показників розглядаються як залежні змінні, а інші – як незалежні [1, с.
19].
Під час побудови будь-якої економетричної
моделі важливим етапом є встановлення взаємозв’язків між фінансовими
показниками, які не є ізольованими, автономними, а мають між собою прямий і
навіть зворотний зв’язок. Враховуючи аналіз факторів які визначають прибуток
підприємства, перевіримо наявність зв’язку між прибутком підприємства та
доходом і витратами.
Припустимо, що: У – це залежна змінна
(чистий прибуток); Х1 – чистий дохід; Х2 – інші операційні доходи; Х3 –
собівартість продукції; Х4 – адміністративні витрати; Х5 – витрати на збут; Х6
– інші операційні витрати;
Побудуємо регресійну багатофакторну
економетричну модель для прогнозування прибутку підприємства і визначимо всі її
характеристики, перевіримо адекватність моделі за критерієм Фішера на
адекватність. У таблиці 1 наведені дані для побудови та аналізу моделі.
Таблиця 1
Дані для побудови моделі, тис. грн.
|
Період |
Чистий дохід |
Інші опер. доходи |
Собівартість реалізованої продукції |
Адміністра-тивні витрати |
Витрати на збут |
Інші операційні витрати |
При-буток |
|
|
рік |
квар-тал |
Х1 |
Х2 |
Х3 |
Х4 |
Х5 |
Х6 |
У |
|
2012 |
I |
810 |
677 |
-671 |
-125 |
-52 |
-655 |
-39 |
|
II |
855 |
685 |
-679 |
-129 |
-56 |
-678 |
-47 |
|
|
III |
830 |
755 |
-692 |
-132 |
-62 |
-700 |
-49 |
|
|
IV |
810 |
683 |
-687 |
-144 |
-65 |
-737 |
-51 |
|
|
2013 |
I |
1420 |
1240 |
-877 |
-155 |
-72 |
-1205 |
89 |
|
II |
1450 |
1188 |
-945 |
-169 |
-74 |
-1280 |
93 |
|
|
III |
1320 |
1205 |
-985 |
-168 |
-75 |
-1295 |
98 |
|
|
IV |
1505 |
1319 |
-1251 |
-182 |
-82 |
-1298 |
102 |
|
|
2014 |
I |
1577 |
1205 |
-1155 |
-167 |
-68 |
-1204 |
29 |
|
II |
1504 |
1288 |
-1244 |
-168 |
-72 |
-1219 |
31 |
|
|
III |
1590 |
1190 |
-1255 |
-172 |
-70 |
-1235 |
35 |
|
|
IV |
1632 |
1205 |
-1484 |
-179 |
-71 |
-1242 |
38 |
|
Перевіримо чинники на наявність
мультиколінеарності за допомогою редактора Microsoft Excel [2].
Одним із способів цієї перевірки є
розрахунок матриці парних кореляцій. Матриця парних кореляцій наведена у
таблиці 2.
Таблиця 2
Матриця парних кореляцій
|
|
Х1 |
Х2 |
Х3 |
Х4 |
Х5 |
Х6 |
У |
|
Х1 |
1 |
|
|
|
|
|
|
|
Х2 |
0,955616 |
1 |
|
|
|
|
|
|
Х3 |
-0,90554 |
-0,82329 |
1 |
|
|
|
|
|
Х4 |
-0,92871 |
-0,91974 |
0,899433 |
1 |
|
|
|
|
Х5 |
-0,7736 |
-0,8766 |
0,674795 |
0,902882 |
1 |
|
|
|
Х6 |
-0,95047 |
-0,98094 |
0,808411 |
0,94696 |
0,891018 |
1 |
|
|
У |
0,790422 |
0,896572 |
-0,57674 |
-0,80774 |
-0,87249 |
-0,92106 |
1 |
У даному випадку тісний зв'язок між собою
мають змінні Х2, Х1 та Х3, Х6; Х4; Х2 та Х4; Х4 та Х5, Х6. З таблиці видно, що
між собівартістю продукції та іншими факторами зв'язок відсутній; найбільше
зв’язків з іншими факторами має чистий дохід.
Це негативне явище і для його виправлення
необхідно один із цих факторів виключити. Отже побудову регресійної
багатофакторної моделі необхідно проводити на основі методу покрокового виключення
незалежних змінних. Результати найбільш адекватної моделі, яка має найбільш
високі показники ефективності та відповідності наведемо у таблиці 3.
Отже, модель має вигляд: Y =
-329,789+0,225 X2+0,165Х3 -1,808 X4
Таблиця 3
Результати регресійного аналізу
|
Показник |
Коефіцієнти |
Стандартна похибка |
t-статистика |
P-значення |
|
Y-точка перетину |
-329,789 |
87,44775 |
-3,77127 |
0,005456 |
|
X2 |
0,224991 |
0,059702 |
3,76857 |
0,005477 |
|
X3 |
-0,16553 |
0,050498 |
3,277933 |
0,011222 |
|
X6 |
-1,80769 |
1,022868 |
-1,76727 |
0,115164 |
Таким чином, можна зробити наступні
висновки:
- коефіцієнт при
X2 показує, що при збільшення Х2 (інші операційні доходи) на 1 грн. прибуток
збільшиться на 22,5 копійки;
- коефіцієнт при
X3 показує, що при збільшення Х3 (собівартості) на 1 грн. Y прибуток
підприємства зменшиться на 16,5 копійок;
- параметр Х6 у
даному випадку не є значущим, про що свідчить P-значення, яке дорівнює
0,115164;
Звідси, можна
зробити висновок, що найбільший вплив на чистий прибуток мають собівартість та
інші операційні доходи.
У таблиці 4
представимо результати регресійної статистики, яка проведена за допомогою
редактора Microsoft Excel.
Таблиця 4
Регресійна статистика (3
фактора)
|
Показник |
Значення |
|
Множинний R |
0,957638 |
|
R-квадрат |
0,917071 |
|
Нормований R-квадрат |
0,885973 |
|
Стандартна похибка |
20,5556 |
|
Спостереження |
12 |
Проаналізуємо отримані результати моделі:
- R = 0,959=8 – коефіцієнт множинної
кореляції – характеризує тісноту зв’язку між залежною та незалежними змінними;
у даному випадку зв'язок між чистим прибутком та визначеними вище факторами
зв'язок дуже великий;
– коефіцієнт детермінації моделі – це
частка поясненої дисперсії відхилень залежної змінної від її середнього
значення, отже, 91 % зміни чистого прибутку пояснюється зміною визначених
факторів, а вплив інших факторів займає 9 %.
У таблиці 5
представимо результати дисперсійного аналізу за методом найменших квадратів.
Отже, за
результатами таблиці можна зробити висновок, що модель є адекватною, адже критерій
адекватності Фішера F (4, 7) = 29,49 більше
табличним значення критерія Фішера (0,000112).
Таблиця 5
Дисперсійний аналіз (3
фактори)
|
Показник |
df |
Сумарний квадрат Sum Square (SS) |
Середній квадрат Mean Square (MS) |
F-критерій |
Значимість F-критерія |
|
Регресія |
3 |
37380,65 |
12460,22 |
29,48934 |
0,000112 |
|
Залишок |
8 |
3380,263 |
422,5329 |
|
|
|
Разом |
11 |
40760,92 |
|
|
|
Оскільки модель є адекватною, то за
моделлю можна скласти прогноз. Прогнозні значення обсягів доходів і витрат на І
квартал 2015 дозволили спрогнозувати прибуток, використовуючи побудовану
модель. Таким чином, на кінець першого кварталу 2015 року чистий прибуток
підприємства складе 45,04 тис. грн.
Висновки. Таким чином, проведено всебічний аналіз
багатофакторної регресійної моделі залежності чистого прибутку від доходів та
витрат.
Проведений аналіз довів, що для аналізу
прибутку ефективним є побудова регресійної моделі, адже вона дозволяє провести
не тільки оцінку ступеня впливу факторних ознак на результат, а й найбільш
ефективно спрогнозувати розмір прибутку на короткострокову перспективу.
Література
1. Лещинський О.Л. Економетрія: навч.
посібник для студентів вищ. навч. закл. / Лещинський О.Л., Рязанцева В.В.,
Юнькова О.О. – К.: МАУП, 2003. – 208 с.