CC BY
214
DOI: 10.24412/2304-6139-2022-11249
Н.Н. Яроменко - к.э.н., доцент кафедры статистики и прикладной математики, Кубанский государственный аграрный университет, natalia-ya79@mail.ru,
N.N. Yaromenko - Ph.D., Associate Professor, Department of Statistics and Applied Mathematics, Kuban state agrarian University;
Е.Д. Бубенок - студентка Кубанский государственный аграрный университет,
E.D. Bubenok - studentKuban state agrarian University;
Е.А. Хахалева - студентка Кубанский государственный аграрный университет,
E.A. Khakhaleva - student, Kuban state agrarian University.
КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ КАК СПОСОБ ПРОГНОЗИРОВАНИЯ ЭКОНОМИЧЕСКОГО РАЗВИТИЯ ПРЕДПРИЯТИЯ CORRELATION-REGRESSION ANALYSIS AS A METHOD OF FORECASTING THE ECONOMIC
DEVELOPMENT OF AN ENTERPRISE
Аннотация. Металлургия является одной из наиболее развитых отраслей в экономике Российской Федерации. По важности для экономики страны, она занимает второе место после нефтегазовой промышленности. Ее доля составляет около 6 % общей капитализации рынка. В представленной статье рассматривается роль и значение корреляционно-регрессионного анализа металлургического предприятия при анализе и планировании деятельности организации.
Статья посвящена анализу деятельности промышленных предприятий с помощью корреляционно-регрессионного анализа, а также нахождению зависимостей между факторами производства с учетом статистических данных. Анализ проведен на примере использованием официальных статистических данных ОАО ЕВРАЗ ЗСМК, данная организация является крупнейшем в Сибири и самым восточным в Российской Федерации сталелитейным предприятием. Также в данной статье определены базовые категории в рамках корреляционно-регрессионного анализа промышленного предприятия.
Abstract. Metallurgy is one of the most developed industries in the economy of the Russian Federation. In terms of importance for the country's economy, it ranks second after the oil and gas industry. Its share is about 6 % of the total market capitalization. The article deals with the role and significance of correlation and regression analysis of a metallurgical enterprise in the analysis and planning of the organization's activities.
The article is devoted to the analysis of the activities of industrial enterprises using correlation and regression analysis, as well as finding dependencies between production factors, taking into account statistical data. The analysis is based on the use of official statistical data of EVRAZ ZSMK, which is the largest steel company in Siberia and the easternmost in the Russian Federation. This article also defines the basic categories in the framework of correlation and regression analysis of an industrial enterprise.
Ключевые слова: анализ, предприятие, корреляционно-регрессионный анализ, промышленное предприятие, финансовая устойчивость, прогноз, прогнозирование, прогнозирование развития.
Keywords: analysis, enterprise, correlation-regression analysis, industrial enterprise, financial stability, forecast, forecasting, development forecasting.
Эффективное управление современным предприятием невозможно без использование современных методов экономико-математического моделирования и экономического и статистического анализа. На деятельность любого предприятия влияют некоторые факторы. Оценить результаты их действия возможно методами статистики, основу которых составляют построение и анализ соответствующей математической модели.
Для многофакторных моделей или явлений целесообразно использовать методы множественного корреляционно-регрессионного анализа, которые позволяют изучить и количественно оценить внутренние и внешние следственные связи между образующими модель факторами и установить закономерности функционирования и тенденции развития исследуемой организации и результативного признака. В условиях реальной экономики между результативными показателями и факторами действуют вероятностный (стохастические) связи [5]. Считаем целесообразным дополнять результаты факторного анализа использованием аппарата экономико -математического моделирования.
Основная задача корреляционного и регрессионного методов анализа заключается в анализе статистических данных для выявления математической зависимости между исследуемыми признаками и установки с помощью коэффициентов корреляции сравнительной оценки плотности взаимосвязи, которые имеют определенное числовое выражение. Целью проведенного исследования является применение корреляционно -регрессионного анализа для прогнозирования результатов деятельности и динамики экономического развития предприятия. На основе предложенной регрессионной модели могут быть выбраны наиболее оптимальные варианты развития предприятия в предстоящем периоде [6]. Для анализа выбрано предприятие - ЕВРАЗ ЗСМК.
ЕВРАЗ ЗСМК является крупнейшим в Сибири и самым восточным в Российской Федерации предприятием по производству стали. По объему производства он входит в пятерку крупнейших в России и тридцатку крупнейших в мире сталелитейных заводов [3].
Корреляционно-регрессионный анализ для ЕВРАЗ ЗСМК обеспечивает определение влияния факторов, для которых невозможно построить жесткую детерминированную факторную модель. Для своей реализации, корреляционно-регрессионный анализ требует выполнения ряда условий:
- для построения уравнения регрессии необходимо определенное совокупность объектов: в нашем исследовании - пространственно-временная (данные по базовому предприятию за 2018-2020 годы распределялись по кварталам);
- необходимый достаточный объем наблюдений (по оценкам экспертов количество наблюдений имеет хотя бы в 3-4 раза превышать количество факторов);
- совокупность должна быть однородной [5].
Корреляционно-регрессионный анализ деятельности ЕВРАЗ ЗСМК решает две основные задачи: определения с помощью уравнения регрессии аналитической формы связи между результативным и факторным показателями и установления уровня плотности связи между ними.
Для создания многофакторной модели применяют следующие этапы: отбор важнейших факторов, под воздействием которых происходит формирование результативного показателя; подбор необходимой информации анализ и первичная обработка исходной информации; построение экономико-математической модели. Для выявления зависимости между прибылью предприятия, себестоимости реализованной продукции и другими операционными затратами, если такая зависимость существует, необходимо провести корреляционно-регрессионный анализ данных показателей и в случае их существования, построить соответствующую эконо-метрическую модель.
В таблице 1 приведены, входные данные статистических наблюдений по ЕВРАЗ ЗСМК, для выявления влияния себестоимости реализованной продукции и других операционных расходов на чистую прибыль.
Таблица 1 - Входные данные для корреляционно-регрессионного анализа ЕВРАЗ ЗСМК [4]
Период Чистая прибыль, млн. руб. (у) Себестоимость реализованной продукции, млн. руб. (х1) Другие операционные затраты, млн руб. (х2)
1 кв.2018 14 337 79
2 кв.2018 31 366 80,2
3 кв.2018 16 400,3 80
4кв.2018 28 492,5 94,2
1 кв.2019 35 400,5 79,2
2 кв.2019 60,6 400 81
3 кв.2019 27 412,5 84
4 кв.2019 33 491 84
1 кв.2020 -3,1 340 104
2 кв.2020 1,9 369 112
3 кв.2020 1,5 356,5 115
В качестве зависимой переменной (у) выступает объем чистой прибыли предприятия, а независимые переменные (Х1) себестоимость реализованной продукции и (х2) прочие операционные расходы. Исследуется влияние чистого дохода предприятия (х^ и себестоимости реализованной продукции (х2) на зависимую переменную [2]. На основе приведенных данных наблюдений строится линейная многомерная модель (ЛБМ), которая имеет следующий вид.
у = а0 + а1 х2 +а1х2 (1)
где у - чистая прибыль (млн. руб.), эндогенная переменная;
х1 - себестоимость реализованной продукции (млн. руб.), экзогенная переменная; х2 - другие операционные расходы (млн. руб.), экзогенная переменная; ао - свободная переменная;
аь а2 - коэффициенты модели, которые указывают на уровень изменения хь х2 соответственно. Проведем корреляционный анализ данных прибыльности (доходности).
Таблица 2 - Результаты корреляционного анализа деятельности ЕВРАЗ ЗСМК
У Х1 Х2 Теснота связи по шкале Чеддока
У 1 - - -
Х1 0,544052348 1 заметный
Х2 -0,732630841 -0,293245582 1 обратный, тесная
Корреляционный анализ показал, что коэффициент корреляции между переменной у (чистая прибыль) и переменной х1 (себестоимость реализованной продукции) составляет 0,54, между переменной у и переменной х2 (другие операционные расходы) составляет — (0,29), между переменными х1 и х2 —0,73. Отсюда делаем
вывод, что зависимая переменная у (чистая прибыль) имеет очень сильную связь с изменением X! (себестоимостью реализованной продукции). Теснота связи между переменной у (чистая прибыль) и переменной X! (себестоимость реализованной продукции) является заметной и очевидной [1].
Используя таблицу исходных данных (табл.1), рассчитываем многомерную линейную регрессионную модель с помощью пакета инструмента, анализа данных в прикладном программном обеспечении МюшБОЙЕхсе!, результаты расчетов приведены в табл.3.
Таблица 3 - Регрессионная статистика анализа деятельности ЕВРАЗ ЗСМК
Множественный R 0,719521473
R2 0,513525015
Нормированный R2 0,757830574
Стандартная погрешность 11,25727528
Количество наблюдений 11
Как видно из результатов проведенного регрессионного анализа нормированный R2 равен 0,579. Итак, выбранные факторы обусловливают изменение чистой прибыли на 57,9%, а на 42,1% его изменение обусловлено влиянием факторов, не учтенных в исследовании.
Таблица 4 - Результаты дисперсионного анализа деятельности ЕВРАЗ ЗСМК
Показатель df SS MS F Значение F
Регрессия 2 2026,49154 1321,54346 8,6457528 0,0085854
Остаток 9 1345,14547 141,865412
Всего 11 3585,567565
Исходя из данных табл.4 можно сделать вывод, что построена модель является значимой (F = 8.566 > Fkp = 0,008). Исходя из результатов регрессионного анализа приведенных в табл.3 можно составить уравнение многомерной линейной регрессии.
y = 0,126 x1 -0,852 x2 + 48,485 (2)
Итак, как видно из проведенного анализа между объемом чистой прибыли себестоимостью реализованной продукции и других операционных расходов существует зависимость, которая описывается формулой 2. Увеличение суммы дохода от себестоимости реализованной продукции увеличит объем чистой прибыли предприятия, а увеличение величины других операционных расходов уменьшит чистую прибыль предприятия [2].
Таким образом, данная модель дает возможность руководству ЕВРАЗ ЗСМК строить более детальные планы деятельности, исходя из модели влияния себестоимости реализованной продукции и других операционных расходов на формирование чистой прибыли предприятия.
В общем, полученные результаты дают основания утверждать, что построенную модель можно применять для решения задач анализа и прогнозирования основных показателей деятельности ЕВРАЗ ЗСМК. Дальнейшие перспективы развития модели заключаются в поиске новых факторов, которые смогли бы эффективнее объяснить динамику чистой прибыли, прочих операционных расходов и себестоимости реализованной продукции.
Источники:
1. Вильчинская О. В., Тарханова Л. А. Корреляционно'-регрессионный анализ в оценке взаимосвязи показателей социально-экономического развития муниципальных образований // Пространство экономики. 2016. №3-2.
2. Кливак, А. А. Корреляционно-регрессионный анализ как способ прогнозирования экономического развития предприятия (на примере ПАО «Севастопольгаз») / А. А. Кливак, А. А. Рихерт, М. Г. Рожкова. - Текст: непосредственный // Молодой ученый. - 2016. -№ 11.1 (115.1). - С. 28-30.
3. Захарова Ю.Н. Корреляционно - регрессионный анализ - как инструмент поиска резервов / Ю.Н. Захарова, Н.Н. Яроменко // Конкурентоспособность в глобальном мире: экономика, наука, технологии. 2017. № 4-3 (39) С. 82-86.
4. Официальный сайт ОАО «ЕВРАЗ Объединенный Западно-Сибирский металлургический комбинат»// [Электронный ресурс] / Режим доступа: http://www.evraz.com/.
5. Официальная финансовая годовая статистика ОАО «ЕВРАЗ Объединенный Западно-Сибирский металлургический комбинат» за 2018-2020 гг. // [Электронный ресурс] / Режим доступа: http://www.evraz.com/.
6. Нормова Т.А. Учетно-аналитическое обеспечение анализа дебиторской и кредиторской задолженности в сельскохозяйственных организациях / Нормова Т.А., Сидорчукова Е.В., Яроменко Н.Н. Краснодар, 2019.
7. Носко В.П. Эконометрика. В 2-х т. Книга 1: Часть 1: Основные понятия, элементарные методы; Часть 2: Регрессионный анализ временных рядов: Учебник / В.П. Носко. - М.: ИД Дело РАНХиГС, 2018. - 672 с.
8. Адаменко А.А. Применение системы показателей эффективности деятельности экономического субъекта по данным бухгалтерской отчетности / А.А. Адаменко, Т.Е. Хорольская, Т.Ш. Анаников // Вестник Академии знаний. -2018. - № 6 (29). - С. 10-14.
9. Петров Д.В. Введение в направление подготовки: учебное пособие / Д.В. Петров, Х.Ш. Хуако, А.А. Адаменко, Н.А. Шишкина. - Краснодар, 2014. - 132 с. References:
1. Vilchinskaya O. V., Tarkhanova L. A. Correlation and regression analysis in assessing the relationship of indicators of socio-economic development of municipalities. 2016. No. 3-2.
2. Klivak, A. A. Correlation and regression analysis as a method of forecasting the economic development of an enterprise (on the example of PJSC "Sevastopolgaz") / A. A. Klivak, A. A. Richert, M. G. Rozhkova. - Text: direct / / Young scientist. - 2016. - № 11.1 (115.1). - P. 28-30.
3. Zakharova Yu. N., Yaromenko N. N. Correlation and regression analysis - as a tool for searching for reserves / / Competitiveness in the global world: economics, science, technologies. 2017. No. 4-3 (39) pp. 82-86.
4. Official website of JSC "EVRAZ United West Siberian Metallurgical Combine" / / [Electronic resource] / Access mode: http://www.evraz.com/.
5. Official financial annual statistics of JSC "EVRAZ United West Siberian Metallurgical Combine" for 2018-2020 / / [Electronic resource] / Access mode: http://www.evraz.com /.
6. Normova T. A. Accounting and analytical support for the analysis of receivables and payables in agricultural organizations / Normova T. A., Sidorchukova E. V., Yaromenko N. N. Krasnodar, 2019.
7. Nosko V. P. Econometrica. In 2 vols.Book 1: Part 1: Basic concepts, elementary methods; Part 2: Regression analysis of time series: Textbook / V. P. Nosko. - M.: ID Delo RANEPA, 2018. - 672 p.
8. Adamenko A.A. Application of a system of indicators of the efficiency of an economic entity according to accounting data Adamenko, T.E. Khorolskaya, T.Sh. Ananikov // Bulletin of the Academy of Knowledge. - 2018. - No. 6 (29). - S. 10-14.
9. Petrov D.V. Introduction to the direction of training: textbook / D.V. Petrov, H. Sh. Huako, A.A. Adamenko, N.A. Shish-kin. - Krasnodar, 2014. - 132 p.
