CC BY
206
Вестник Челябинского государственного университета. 2014. № 15 (344).
Экономика. Вып. 45. С. 135-141.
УДК 338.2
ББК 330.45
ФАКТОРНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ ОРГАНИЗАЦИИ ПРОИЗВОДСТВА МЕТАЛЛУРГИЧЕСКОГО ПРЕДПРИЯТИЯ
В. Н. Артамонов
ФГБОУ ВПО «Челябинский государственный университет», Челябинск, Россия
Анализируются результаты деятельности крупного металлургического предприятия, оценивается влияние различных факторов на результаты деятельности предприятия. Построена эконометрическая модель для выявления скрытых факторов повышения эффективности производства. С помощью данной модели оценивается эффективность организации производства.
Ключевые слова: повышение эффективности производства, эконометрический анализ, метод главных компонент, скрытые факторы.
Вступление России во Всемирную торговую организацию (ВТО) пока не принесло видимых результатов для страны: для этого требуется определенное время. Нормы и правила ВТО создают для российского бизнеса принципиально новую среду функционирования. Несовершенная законодательная база, слабый менеджмент, отсталые технологии отличают наше государство от стран — участниц ВТО и выступают преградой на пути реального присоединения России к их союзу. Поэтому сегодня необходима целевая подготовка России к членству в ВТО без ущерба экономической безопасности страны и с учетом интересов российской экономики. Актуальность исследования данной темы обусловлена тем, что состояние и развитие металлургической промышленности в конечном итоге определяют уровень научно-технического прогресса во всех отраслях народного хозяйства. Доля России в суммарном мировом производстве шести основных видов цветных металлов (алюминия, никеля, меди, цинка, свинца, олова) составляет почти 8,5 %. Предприятия металлургической промышленности в значительной степени определяют жизнеспособность экономики нашей страны, поставляя 95 % конструкционных материалов, без которых невозможны функционирование и технический прогресс в машиностроении, атомной энергетике, строительстве и других отраслях.
Анализ литературы показывает, что проблема эффективности организации производства занимает важное место в экономических исследованиях. В системе показателей, характеризующих эффективность производства, ведущие места
принадлежат себестоимости продукции и производительности труда.
В себестоимости продукции, как в синтетическом показателе, отражаются все стороны производственной и финансово-хозяйственной деятельности организации: степень использования материальных, трудовых и финансовых ресурсов, качество работы отдельных работников и руководства в целом. От уровня себестоимости зависит величина прибыли предприятия. Именно себестоимость продукции является основным фактором, определяющим цену производимой продукции. Проблемой анализа себестоимости в настоящее время занимаются много зарубежных и российских ученых. Среди отечественных авторов можно назвать Т. В. Чернову, О. В. Грищенко, Т. В. Яркину и многих других.
Производительность труда является выражением эффективности затрат труда. От уровня производительности труда зависят темпы развития производства, увеличение заработной платы и доходов, размеры снижения себестоимости продукции. Изучение проблем производительности труда находит отражение в работах отечественных и зарубежных авторов. Изучению проблем производительности на современном этапе экономического развития России посвящены публикации Б. П. Плышевского, Б. А. Фурмана, С. В. Седовой, А. Л. Жукова, Г. И. Просветова, М. И. Бухалкова, О. Е. Германовой.
Оптимальное сочетание себестоимости и качества продукции позволяет определить такую цену изделий, которая обеспечивает экономическую устойчивость и конкурентоспособность предприятия. Традиционный расчет себестоимости
методом суммирования всех затрат не всегда позволяет это сделать оперативно. Что касается производительности труда, то также недостаточно разработаны как вопросы количественной и качественной ее оценки, так и теоретические вопросы, касающиеся описания механизмов управления производительностью. Обычно показатели, о которых идет речь, анализируются по отдельности, но данная работа посвящена выявлению влияния на себестоимость и производительность одних и тех же факторов, что при дальнейшем исследовании позволит выявить взаимосвязь этих показателей.
Требуется такой подход, который с высокой степенью точности позволит учесть влияние скрытых факторов и на себестоимость продукции, и на производительность труда. Одним из современных подходов в решении таких задач является факторный анализ, основанный на определении главных факторов, влияющих на величину себестоимости и уровень производительности труда, а также на построении математической модели, использующей данные факторы и позволяющей находить оптимальные решения. Актуальность данной темы заключается в том, что вопрос о способах анализа себестоимости и производительности труда особенно остро стоит на предприятиях, занимающихся выпуском материалоемкой и трудоемкой продукции. К числу таких предприятий можно отнести Челябинский металлургический комбинат (ЧМК), анализу эффективности производства которого и посвящена данная работа.
В качестве объекта исследования выступают показатели эффективности организации производства. Предметом исследования являются факторы, оказывающие влияние на изменение показателей эффективности производства.
Открытое акционерное общество «Челябинский металлургический комбинат» — крупнейшее в России предприятие полного металлургического цикла по выпуску качественных и высококачественных сталей. ЧМК — одно из немногих предприятий страны, которому дано право присваивать продукции собственный индекс — ЧС («челябинская сталь»). На сегодняшний день выпускается более 130 таких марок стали. Комбинат также является крупнейшим производителем нержавеющей стали в России.
ЧМК выпускает широкий сортамент продукции металлургического производства: чушковый чугун, стальные полуфабрикаты для дальнейшего передела, сортовой и листовой металлопрокат
из углеродистых, конструкционных, инструментальных и коррозионно-стойких марок стали. В качестве основной продукции комбинат производит широкий профильный сортамент металлопроката: от катанки до арматурного проката периодического профиля. ОАО «ЧМК» является основным предприятием «Мечела», выпускающим листовой прокат.
Работа проводится в несколько этапов [1]:
1. Качественный анализ (постановка цели, определение совокупности, определение результативных и факторных признаков, выбор метода анализа).
2. Предварительный анализ моделируемой совокупности (проверка однородности совокупности, установление законов распределения показателей).
3. Построение стохастической (регрессионной) модели (расчет оценок параметров уравнения регрессии, перебор конкурирующих вариантов моделей).
4. Оценка адекватности модели (проверка статистической значимости уравнения в целом и его отдельных параметров, проверка соответствия формальных свойств оценок задачам исследования).
5. Экономическая интерпретация и практическое использование модели (оценка практических свойств модели).
Основным преимуществом такого подхода является то, что факторный анализ предполагает использование совокупности методов, которые на основе реально существующих связей признаков позволяют выявить латентные обобщающие характеристики организационной структуры и механизм развития изучаемых явлений и процессов. Под латентностью понимается свойство экономических объектов, процессов, отношений не проявлять себя явным образом, находиться в скрытой форме [2].
Для проведения факторного анализа показателей эффективности производства ОАО «Челябинский металлургический комбинат» было решено использовать квартальную информацию за девять лет (с I квартала 2004 г. по III квартал 2012 г. включительно). Данные были взяты из бухгалтерской отчетности предприятия, а конкретно из бухгалтерского баланса и отчета о прибылях и убытках за указанный период. Для формирования информационной базы анализа было решено обратиться к помощи экспертов, которые из всего массива информации предложили выбрать девять признаков. В состав
показателей, на основе которых проводилось исследование, вошли следующие переменные (единица измерения — тыс. р.):
- NemA — нематериальные активы предприятия;
- FinVl — долгосрочные финансовые вложения;
- Zap — запасы (полные);
- Mater — сырье, материалы и другие аналогичные ценности;
- Prod — готовая продукция и товары для перепродажи;
- Nalog — налог на добавленную стоимость по приобретенным ценностям;
- DebZad — дебиторская задолженность (платежи по которой ожидаются в течение 12 месяцев после отчетной даты);
- DolgOb — долгосрочные обязательства (итого по разделу);
- KratkOb — краткосрочные обязательства (итого по разделу).
Реализацию факторного анализа было решено проводить с помощью метода главных компонент
и выполнить в программе StatisticalO. Данная программа предназначена для комплексного статистического анализа и обработки данных в компьютерной среде Windows [4]. Основной задачей метода главных компонент является получение таких факторов, которые имеют слабую корреляционную связь между собой.
Основным первичным документом для анализа является матрица парных корреляций между исходными переменными, представленная в табл. 1.
Первым этапом работы является выявление достаточного числа факторов, то есть главных компонент. Для этого было использовано два критерия — критерий «каменной осыпи» и критерий Кайзера.
Использование критерия «каменной осыпи» Кэттеля является довольно простым методом, суть его заключается в графическом отображении собственных значений, представленных в табл. 2 и на рисунке. Кэттель предложил найти такое место на графике, где убывание собственных значений максимально замедляется [3].
Таблица 1
Матрица парных корреляций
Variable NemA FinVI Zap Mater Prod Nalog DebZad DolgOb KratkOb
NemA 1,00 0,08 0,52 0,34 0,51 -0,59 0,47 0,55 0,47
FinVI 0,08 1,00 -0,07 0,03 -0,07 -0,28 0,32 0,48 0,42
Zap 0,52 -0,07 1,00 0,92 0,92 -0,63 0,60 0,44 0,58
Mater 0,34 0,03 0,92 1,00 0,74 -0,53 0,41 0,34 0,46
Prod 0,51 -0,07 0,92 0,74 1,00 -0,58 0,73 0,52 0,67
Nalog -0,59 -0,28 -0,63 -0,53 -0,58 1,00 -0,70 -0,64 -0,66
DebZad 0,47 0,32 0,60 0,41 0,73 -0,70 1,00 0,68 0,90
DolgOb 0,55 0,48 0,44 0,34 0,52 -0,64 0,68 1,00 0,59
KratkOb 0,47 0,42 0,58 0,46 0,67 -0,66 0,90 0,59 1,00
Таблица 2
Собственные значения факторов
Value Eigenvalue Total variance, % Cumulative Eigenvalue Cumulative, %
1 5,274915 58,61017 5,274915 58,6102
2 1,559456 17,32729 6,834371 75,9375
3 0,746528 8,29475 7,580899 84,2322
4 0,584397 6,49330 8,165296 90,7255
5 0,357267 3,96963 8,522563 94,6951
6 0,317599 3,52888 8,840162 98,2240
7 0,095205 1,05783 8,935367 99,2819
8 0,059662 0,66291 8,995029 99,9448
9 0,004971 0,05524 9,000000 100,0000
Сущность критерия Кайзера заключается в отборе только тех факторов, собственные значения которых больше единицы. Это означает, что если фактор не выделяет дисперсию, эквивалентную, по крайней мере, дисперсии одной переменной, то он не учитывается. В табл. 2 приведены собственные значения факторов и проценты объясняемой ими общей дисперсии признаков. По критерию Кайзера следует сохранить не более двух главных факторов.
В результате было решено принять к исследованию два фактора, которые в достаточной степени смогли бы описывать взаимосвязь признаков. Для дальнейшего анализа главных компонент следует рассмотреть нагрузки (корреляции) между переменными и выбранными факторами. Результаты приведены в табл. 3.
В таблице выделены те ячейки, в которых абсолютное значение коэффициента корреляции больше 0,7. Анализируя данные, показанные в табл. 3, можно сделать вывод, что первый фактор сильнее коррелирует с исходными переменными, чем второй. Кроме того, переменная №тА оказалась слабо коррелируемой с другим фактором. Для получения более интерпретируемой матрицы нагрузок на практике используют различные методы вращения, в данной работе вращение общих факторов осуществлялось с помощью метода «Уаптах». Суть данного метода заключается в том, что окончательная матрица факторных нагрузок получается с помощью ортогонально-
Nunber of Eigenvalues
График собственных значений
го преобразования исходной матрицы нагрузок, приводящего к максимуму функции.
Таблица 3
Факторные нагрузки до вращения системы
Variable Factor 1 Factor 2
NemA -0,671309 0,006423
FinVI -0,276039 0,820773
Zap -0,857679 -0,477358
Mater -0,729734 -0,467280
Prod -0,872981 -0,363174
Nalog 0,832968 -0,131321
DebZad -0,866144 0,231065
DolgOb -0,747257 0,412261
KratkOb -0,845817 0,258908
Expl. Var 5,274915 1,559456
Prp. Totl 0,586102 0,173273
Результаты вращения содержатся в новой матрице факторных нагрузок, представленной в табл. 4.
В новой матрице, изображенной в табл. 4, число нагрузок с абсолютным значением больше 0,7 с восьми увеличилось до девяти. К тому же теперь вторая компонента стала коррелировать с пятью признаками, хотя до вращения коррелировала только с одним.
Рассмотрим подробнее полученные результаты улучшенной факторной модели после ортогонального вращения системы методом Лаптах»:
Таблица 4 Факторные нагрузки после вращения системы
VariaЫe Райог 1 Райог 2
№тА 0,727617 0,415112
РтУТ -0,282750 0,818486
2ар 0,970670 0,145887
Mater 0,863209 0,075720
0,913044 0,245644
-0,579332 -0,712744
DebZad 0,544679 0,711985
DolgOb 0,339873 0,782841
Кга1ШЬ 0,511577 0,721615
Ехр1. Уаг 3,888832 2,945540
Ргр. Той 0,432092 0,327282
1. Первый фактор (Ра^ог1) в большей степени определяют четыре переменные: нематериальные активы, запасы (полные) и сырье, материалы и другие аналогичные ценности, готовая продукция и товары для перепродажи. Данной компоненте можно дать название «показатель организации производственно-логистической деятельности».
2. Второй фактор (Ра^ог2) принял нагрузки пяти переменных: долгосрочные финансовые вложения, краткосрочная дебиторская задолженность, долгосрочные и краткосрочные обязательства, налог на добавленную стоимость по приобретенным ценностям. Данной компоненте можно дать название «показатель организации учетной политики».
Далее рассмотрим матрицу остатков корреляций, приведенную в табл. 5. Как следует из данной таблицы, только восемь остатков из 81 элемента (около 7 %) имеют абсолютное значение больше 0,1. Это подтверждает достаточность
числа компонент, используемых в анализе. Несомненно, при увеличении количества факторов сходимость исходной и воспроизведенной матриц будет увеличиваться, так как при использовании в модели всех девяти факторов эти матрицы полностью совпадут. Но тогда перераспределение нагрузок будет еще сильней отличаться от матрицы «простой структуры», что, естественно, противоречит цели факторного анализа.
По результатам факторного анализа были получены коэффициенты факторного вклада для каждого признака (табл. 6), а также матрица факторных значений для каждого квартала.
Таблица 6 Коэффициенты факторного вклада
для каждого признака
УапаЫе Райог 1 Райог 2
№тА -0,127264 0,004119
РшУ[ -0,052330 0,526320
Zap -0,162596 -0,306105
Mater -0,138340 -0,299643
Prod -0,165497 -0,232885
0,157911 -0,084210
DebZad -0,164201 0,148170
Do1gOb -0,141662 0,2264362
Кга1ШЬ -0,160347 0,166025
Следующим этапом необходимо провести линейно-регрессионный анализ. В качестве зависимых переменных будут выступать показатели себестоимости продукции и производительности труда, а в качестве регрессоров — данные из матрицы факторных значений. Одним из основных достоинств метода главных компонент является то, что в его основе лежит ортогональное преобразование исходных переменных, то есть
Таблица 5
Матрица остатков корреляции
УапаЫе №тА РinУI Zap Ыа1ег Ргоё Ыа^ DebZad Do1gOb К^ЮЬ
№тА 0,11 0,10 0,03 0,07 -0,03 0,06 -0,06 -0,07 0,01
РтУТ 0,10 0,05 0,05 0,011 -0,03 0,01 -0,13 -0,01 -0,09
Zap 0,03 0,05 0,02 0,04 -0,01 0,00 -0,04 0,01 -0,04
Mater 0,07 0,011 0,04 0,15 -0,09 -0,03 -0,014 0,04 -0,09
Prod -0,03 -0,03 -0,01 -0,09 0,10 0,08 0,05 0,03 0,02
0,06 0,01 0,00 -0,03 0,08 0,27 0,04 0,06 0,05
DebZad -0,06 -0,13 -0,04 -0,14 0,05 0,04 0,19 -0,06 0,10
Do1gOb -0,07 -0,01 0,01 0,04 0,03 0,06 -0,06 0,24 -0,12
Кга!^ 0,01 -0,09 -0,04 -0,09 0,02 0,05 0,10 -0,12 0,19
полученные факторы имеют очень слабую корреляционную связь между собой.
Построение линейно-регрессионной модели реализовывалось в пакете EViews 5.1. Качество и значимость модели зависимости себестоимости продукции от двух выбранных компонент представлено в табл. 7.
Таблица 7
Значение критериев для линейно-регрессионной модели себестоимости
Для удобной интерпретации модели рассмотрим ее в следующей форме:
SEBEST = 36 605 009,37 + 13 475 267,28 • F1 + + 5 217 260,367 • F2,
где БЕБЕБТ — себестоимость продукции (тыс. р.).
Полученная линейная модель в целом является значимой на 95 %-м уровне доверия. Выделенные факторы являются значимыми на 10 %-м уровне значимости. Полученное уравнение регрессии позволяет определить форму и степень влияния каждой выделенной компоненты на зависимую переменную, то есть на себестоимость продукции.
Таким образом, можно сделать вывод о том, что за девять лет величина себестоимости продукции выросла на 18 692 527,647 тыс. р. за счет влияния выделенных компонент.
Показатель организации производственно-логистической деятельности и показатель организации учетной политики сильно сказываются на росте себестоимости продукции, причем степень воздействия первой компоненты на себестоимость оказалась в два с половиной раза больше, чем второй.
Качество и значимость модели зависимости производительности труда от двух выбранных компонент представлено в табл. 8.
Таблица 8
Значение критериев для линейно-регрессионной модели себестоимости
DependentVariable: PRTRUD
Method: LeastSquares
8атрк: 2004Q1 20^3
Indudedobservations: 35
Vari-аЬк Coefficient Std. Еггог t-Statistic РгоЬ.
С 2358,481 191,2896 12,32937 0,0000
1129,321 194,0823 5,818773 0,0000
Б2 526,6062 194,0823 2,713315 0,0106
Для удобной интерпретации модели рассмотрим ее в следующей форме:
PRTRUD = 2358,480 + 1129,320 • F1 + + 526,606 • F2,
где PRTRUD — производительность труда (тыс. р./чел.).
Полученная линейная модель в целом является значимой на 95 %-м уровне доверия. Выделенные факторы являются значимыми на 10 %-м уровне значимости. Полученное уравнение регрессии позволяет определить форму и степень влияния каждой выделенной компоненты на зависимую переменную, то есть на производительность труда одного работника.
Таким образом, можно сделать вывод о том, что за девять лет величина производительности труда одного работника выросла на 1655,93 тыс. р. за счет влияния выделенных компонент. Показатель организации производственно-логистической деятельности и показатель организации учетной политики существенно сказываются на росте производительности труда, причем степень воздействия первой компоненты на производительность труда оказалась в два с половиной раза сильнее, чем второй.
В итоге по результатам всего исследования можно сделать несколько выводов:
Во-первых, выявленные факторы неоднозначно влияют на рассмотренные показатели эффективности производства ОАО «ЧМК». Они воздействуют как на повышение величины себестоимости продукции, так и на повышение производительности труда одного работника.
Во-вторых, рассмотренные показатели сильно зависят от уровня организации производствен-
DependentVariaЫe: 8ЕБЕ8Т
Method: LeastSquares
8атрк: 2004Q1 20^3
IncludedoЬservations: 35
Variable Coefficient Std. Егтог t-Statistic РгоЬ.
С 36 605 009 2 853 339 12,828 83 0,000 0
13 475 267 2 894 996 4,654 676 0,000 1
Б2 5 217 260 2 894 996 1,802 165 0,080 9
но-логистической деятельности. Следовательно, данному предприятию в целях повышения эффективности производства стоит искать оптимальные подходы к организации производствен-
но-логистической деятельности и проведению учетной политики, при которых себестоимость продукции будет снижаться, а производительность труда расти.
Список литературы
1. Артамонов, В. Н. Факторный анализ себестоимости продукции предприятия / В. Н. Артамонов, В. А. Малеев // Вестн. Челяб. гос. ун-та. 2004. Т. 8, № 1. С. 106-112.
2. Артамонов, В. Н. Эконометрическая оценка функционирования рынка туристических услуг на Южном Урале / В. Н. Артамонов // Вестн. Челяб. гос. ун-та. 2012. № 8. Экономика. Вып. 36. С. 104-108.
3. Артамонов, В. Н. Скрытые факторы повышения производительности труда в металлургической компании / В. Н. Артамонов // Изв. высш. учеб. заведений. Урал. регион. 2013. № 1. С. 34-39.
4. Артамонов, В. Н. Факторный анализ деятельности торговой компании / В. Н. Артамонов // Изв. высш. учеб. заведений. Урал. регион. 2013. № 3. С. 37-44.
Сведения об авторах
Артамонов Владимир Николаевич — кандидат педагогических наук, доцент кафедры математических методов в экономике Челябинского государственного университета, Челябинск, Россия. [email protected]
Bulletin of Chelyabinsk State University. 2014. № 15 (344). Economy. Issue. 45. P. 135-141.
FACTOR ANALYSIS OF THE EFFECTIVE ORGANIZATION OF PRODUCTION OF A METALLURGICAL ENTERPRISE
V. N. Artamonov
Candidate ofpedagogical Sciences. Assistant Professor Department of mathematical methods in economy of the Chelyabinsk state University. Chelyabinsk, Russia. [email protected]
Analysis of the results of activity of the large metallurgical enterprises, estimated impact of different factors on the company's results. Built an econometric model for the detection of hidden factors of increase of efficiency of production. Using this model to estimate the efficiency of organization of production.
Keywords: increase of production efficiency, econometric analysis, principal component method, hidden factors.
References
1. Artamonov, V. N. Faktornyj analiz sebestoimosti produkcii predpriyatiya [Factor analysis of production costs of the enterprise] / V. N. Artamonov, V. A. Maleev // Vestn. Chelyab. gos. un-ta. 2004. T. 8, № 1. S. 106-112.
2. Artamonov, V. N. Ekonometricheskaya ocenka funkcionirovaniya rynka turisticheskih uslug na Yuzh-nom Urale [Econometric estimation of functioning of the market of tourist services in the southern Urals] / V. N. Artamonov // Vestn. Chelyab. gos. un-ta. 2012. № 8. Ekonomika. Vyp. 36. S. 104-108.
3. Artamonov, V. N. Skrytye faktory povysheniya proizvoditelnosti truda v metallurgicheskoj kompanii [Hidden factors of increase of labor productivity in the steel company] / V. N. Artamonov // Izv. vyssh. ucheb. zavedenij. Ural. region. 2013. № 1. S. 34-39.
4. Artamonov, V. N. Faktornyj analiz deyatelnosti torgovoj kompanii [Factor analysis of the activities of trading companies. /Izvestia of higher schools] / V. N. Artamonov // Izv. vyssh. ucheb. zavedenij. Ural. region. 2013. № 3. S. 37-44.
