CC BY
89
5. Shadow economy according to Rosstat [Electronic resource]. - Access mode: https://rosinfostat.ru/tenevaya-ekonomika/ (date of access: 04/13/2022).
6. Corruption perceptions index [Electronic resource]. - Access mode: https://www.transparency.org/en/cpi/2021 (Accessed 13.04.2022).
7. Shadow Economies Around the World: What Did We Learn Over the Last 20 Years? [Electronic resource]. -Access mode: https://www.imf.org/en/Publications/WP/Issues/2018/01/25/Shadow-Economies-Around-the-World-What-Did-We-Learn-Over-the-Last-20-Years-45583 (accessed 04/13/2022).
EDN: QUHUYA
Е.В. Сидорчукова - к.э.н., доцент кафедры экономического анализа, Кубанский государственный аграрный университет, Краснодар, Россия, [email protected],
E.V. Sidorchukova - candidate of economic sciences, associate professor of the Department of Economic analysis, Kuban state agrarian university, Krasnodar, Russia;
И.П. Бойко - студентка учетно-финансового факультета, Кубанский государственный аграрный университет, Краснодар, Россия,
I.P. Boyko - student of Accounting and Finance Faculty, Kuban state agrarian university, Krasnodar, Russia;
В.А. Сергеева - студентка учетно-финансового факультета, Кубанский государственный аграрный университет, Краснодар, Россия,
V.A. Sergeeva - student of Accounting and Finance Faculty, Kuban state agrarian university, Krasnodar, Russia;
А.А. Шелакова - студентка учетно-финансового факультета, Кубанский государственный аграрный университет, Краснодар, Россия,
A.A. Shelakova - student of Accounting and Finance Faculty, Kuban state agrarian university, Krasnodar, Russia.
КОРРЕЛЯЦИОННЫЙ И РЕГРЕССИОННЫЙ АНАЛИЗ КАК МЕТОД ИЗУЧЕНИЯ
И ПРОГНОЗИРОВАНИЯ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ CORRELATION AND REGRESSION ANALYSIS AS THE METHOD OF STUDYING AND FORECASTING ECONOMIC INDICATORS
Аннотация. В статье проведена оценка коэффициентов финансовой устойчивости предприятия на основе корреляционно - регрессионного анализа. Была осуществлена выборка однородных предприятий, по которым был проведен анализ, построена матрица коэффициентов корреляции, чтобы выявить тесноту связи между показателями. Также был использован расчет параметров уравнения регрессии и сформулирован вывод о том, как каждый фактор (x1, x2, x3) повлиял на рентабельность основных средств (y). Проведено исчисление средних показателей, стандартной ошибки, стандартного отклонения, медианы и сформулированы соответствующие выводы к ним. Рассчитаны коэффициенты множественной корреляции и детерминации, выявлена связь между признаками и объяснена вариация факторов по отношению к рентабельности основных средств. А также представлены рисунки с показателями и значениями, по которым были сформулированы итоговые выводы по всему представленному анализу.
Abstract. The article evaluates the coefficients of financial stability of the enterprise on the basis of correlation and regression analysis. A sample of homogeneous enterprises was carried out, for which an analysis was carried out, a matrix of correlation coefficients was built to reveal the closeness of the relationship between the indicators. The calculation of the parameters of the regression equation was also used and a conclusion was formulated about how each factor (x1, x2, x3) affected the profitability of fixed assets (y). The calculation of averages, standard error, standard deviation, median was carried out and the corresponding conclusions to them were formulated. The coefficients of multiple correlation and determination are calculated, the relationship between the signs and the explained variation of factors in relation to the profitability of fixed assets are revealed. Figures with indicators and values are also presented, according to which the final conclusions were formulated for the entire presented analysis.
Ключевые слова: корреляционно - регрессионный анализ, финансовая устойчивость, множественная корреляция, парная корреляция, частная корреляция, показатели рентабельности, коэффициент регрессии.
Keywords: correlation and regression analysis, financial stability, multiple correlation, pair correlation, private correlation, profitability indicators, regression coefficient.
В настоящей действительности появляется все больше компаний, которые быстро набирают популярность и приобретают большую аудиторию, заинтересованную продукцией или услугами данных предприятий.
Следует отметить, что далеко не каждая организация способна поддержать данный уровень и популярность, а также экономическую стабильность и конкурентоспособность.
В постоянно меняющихся экономических ситуациях каждое предприятие стремиться расположить к себе как можно больше покупателей для увеличения прибыли и закрепления своих позиций на том или ином рынке или отрасли. Однако в ходе своей деятельности предприятие может сталкиваться с ситуациями, которые могут оказать негативное влияние на их финансовое положение и сказаться на дальнейшей работе организации.
Многие из таких ситуаций на ранних этапах остаются незамеченными сотрудниками их замечают лишь тогда, когда они в значительной степени усугубили деятельность предприятия.
Для выявления и предотвращения различных уязвимостей на предприятии проводят анализ ее финансового состояния, который позволяет после обнаружения отклонений в короткие сроки разработать меры для их устранения, а также выявляют резервы повышения эффективности производства.
Финансовая устойчивость предприятия отражает финансовые потоки, которые способствуют поддержанию всех видов ее деятельности, отраслей, бесперебойном процессе производства и реализации продукции, а также о возможности свободного распоряжения денежными средствами и эффективном их использовании.
Другими словами, финансовая устойчивость характеризует стабильность финансового положения предприятия, которая обеспечивается большой долей собственного капитала в сумме используемых им финансовых средств.
Результаты оценки и анализа финансовой устойчивости определяют эффективность деятельности предприятия и отражают дальнейшие перспективы его развития.
Для проведения такого анализа и составления плана дальнейшей хозяйственно - экономической деятельности широко применяют корреляционно - регрессионный анализ.
В системе статистической обработки данных и аналитики часто используется сочетание методик корреляции и регрессии. Создателем корреляционно-регрессионного анализа считается Фрэнсис Гальтон, который разработал теоретическую основу методологии в 1795 году.
В конце 19 века многие европейские ученые в области теории статистики углубили познания в вопросе использования количественных измерителей для отражения связей между явлениями.
Корреляция - это статистическая зависимость между случайными величинами, при которой изменение одной из случайных величин приводит к изменению математического ожидания другой.
Различают парную, частную и множественную корреляцию.
Парная корреляция - это связь между двумя признаками (результативным и факторным или между двумя факторными).
Частная корреляция - это связь между двумя признаками (результативным и факторным или между двумя факторными) при фиксированном значении других факторных признаков.
Множественная корреляция - это связь между результативным и двумя или более факторными признаками, включенными в исследование.
Корреляционный анализ - это раздел математической статистики, посвященный изучению взаимосвязей между случайными величинами.
Корреляционный анализ заключается в количественном определении тесноты связи между двумя признаками (при парной связи) и между результативным и несколькими факторными признаками (при многофакторной связи) [1].
Коэффициент корреляции как статистическая величина подвергается оценке на достоверность. Это объясняется тем, что любая совокупность наблюдений представляет собой некую выборку, следовательно, значение любого показателя, вычисленное на основе выборки, не может рассматриваться как истинное, а является только более или менее точной его оценкой [1].
Факторными (или независимыми) признаками называются признаки, обуславливающие изменения других признаков (х1, х2, х3 и т.д.).
Результативным (или зависимым) признаком называется признак, который изменяется под влиянием факторных признаков (у1, у2, у3 и т.д.).
Для проведения множественного корреляционно-регрессионного анализа была проведена выборка из 600 предприятий, из которых были выбраны 30 организаций по более однородным показателям, необходимых для дальнейшего исследования и расчета соответствующих коэффициентов. Данные показателей по организациям представлены в рисунке 1.
Рентабельность Рентабельность Доля активной Фондоотдача активной основных средств, % продаж, % (XI) части основных части основных
Рисунок 1 - Показатели рентабельности основных средств и факторы, влияющие на них
Для анализа представленных выше показателей построим матрицу коэффициентов корреляции. Данные представим на рисунке 2.
Из данных рисунка, сделаем вывод о том, что предпочтение отдается фактору Rx1x2, который составляет около 0,182 %, так как он при достаточно слабой взаимозависимости с результатом имеет наименьшую тесноту связи с другими факторами.
Показатели Рентабельность основных средств, % (У) Рентабельность продаж, % (XI) Доля активной части основных средств, % (Х2) Фондоотдача активной части основных средств, руб. (ХЗ)
Рентабельность основных средств, % (У) 1
Рентабельность продаж, % (XI) -0,586983329 1
Доля активной части основных средств, % (Х2) 0,182078205 1
Фондоотдача активной части основных средств, руб. (ХЗ) 0,051197621 -0,327276451 -0,432553659 1
Рисунок 2 - Матрица коэффициентов корреляции
Рассчитаем параметры уравнения множественной регрессии: а, Ь1, Ь2, Ь3, -и отразим результаты их вычисления на рисунке 3.
_Коэффициенты
У-пересечение 14,12027642
Рентабельность продаж, % (XI) 0,157111631
Доля активной части основных средств, % (Х2) 0,091773826
Фондоотдача активной части основных средств, руб. (ХЗ) 1,565710933
Рисунок 3 - Параметры уравнения регрессии
После проведенных исчислений уравнение регрессии имеет вид: У = 14,120 + 0,157x1 + 0,091x2 + 1,566x3
Коэффициенты регрессии показывают, что при увеличении рентабельности продажна 1 %, доли активной части основных средств на 1% и фондоотдачи активной части основных средств на 1 руб. рентабельность основных средств увеличивается на 0,157 %, 0,091 % и 1,566 % соответственно.
Рассчитаем показатели среднего значения, стандартной ошибки, медианы, стандартного отклонения и представим результаты на рисунке 4.
Рентабельность основных средств, % (У) Рентабельность продаж, % (XI) Доля активной части основных средств, % (Х2) Фондоотдача активной части основных средств, руб. (ХЗ)
Среднее 92,557132 Среднее 25,20658 Среднее 41,51 Среднее 2,4227744
Стандартная ошибка 1,565353 Стандартная ошибка 6,28699793 Стандартная ошибка 2,86318 Стандартная ошибка 0,2278763
Медиана 95,97927 Медиана 14,5842895 Медиана 39,5 Медиана 2,3286952
Стандартное отклонение 3,5737916 Стандартное отклонение 34,4353058 Стандартное отклонение 15,6823 Стандартное отклонение 1,2481301
Дисперсия выборки 73,509903 Дисперсия выборки 1185,79029 Дисперсия выборки 245,934 Дисперсия выборки 1,5578287
Эксцесс 2,1583878 Эксцесс 23,0053701 Эксцесс -0,56388 Эксцесс 1,8077087
Асимметричность -1,6439546 Асимметричность 4,55305421 Асимметричность 0,48806 Асимметричность 0,7887785
Интервал 31,995976 Интервал 191,466871 Интервал 59,3 Интервал 5,8842157
Минимум 69,147564 Минимум 5,58083869 Минимум 20 Минимум 0,2444445
Максимум 101,14354 Максимум 197,04771 Максимум 79,3 Максимум 6,1286602
Сумма 2776,714 Сумма 756,197401 Сумма 1245,3 Сумма 72,683233
Счет 30 Счет 30 Счет 30 Счет 30
Рисунок 4 - Расчет показателей
На основании данных рисунка 4 сделаем соответствующие выводы:
1. Качество уравнения регрессии считается хорошим, если стандартная ошибка не превышает 8-10 %. В данных вычислениях, мы видим, что уравнение регрессии ненадежно, так как ошибка аппроксимации всех показателей (х2, х3), значения которых 2,863 и 0,228 соответственно, значительно ниже общепринятой нормы. Однако показатель х1, равный 6,287, показал наилучший результат среди других факторов.
Из этого следует, что фактическое значение рентабельности продаж (х1) от расчетных в среднем различается на 6,3 % [2].
2. Медиана показателей рентабельности продаж (х1) показывает, что одна половина
организаций имеет до 14 % данного фактора, а другая - более 14% рентабельности продаж.
Медиана показателей доли активной части основных средств (х2) показывает, что одна часть организаций имеет в своей доле до 39,5 % активных основных средств, а другая часть - более 39,5 %.
Медиана показателей фондоотдачи активной части основных средств (х3) показывает, что половина организаций имеет 2,3 % фондоотдачи активной части основных средств, а другая - более 2,3 %[3].
3. Показатель стандартного отклонения (сигма) в отличие от медианного значения характеризует признак более корректно. Сигма показывает, как распределены значения относительно среднего в представленной выше выборке. То есть, можно понять на сколько велик разброс величины всех вышеупомянутых факторов по всем организациям.
Самый значительный разброс в показателях наблюдается у фактора х1, которое составляет 34,4. Ему противоположный фактор - фондоотдача активной части основных средств (х3), равный 1,2.
Также дополнительно проведем расчеты и анализ коэффициентов корреляции и детерминации. Коэффициент корреляции исчисляется по формуле [4]:
R =
Е(у-у)2 £(у-у)2
(1)
Где множественный коэффициент корреляции - Ю,2,3 = 0,624, что говорит о наличии тесной связи между признаками.
Коэффициент детерминации рассчитывается по следующей формуле:
D = R2 X 100%
(2)
Данный коэффициент равняется 38,9 %. Детерминация показывает, что 38,9 % различий в рентабельности основных средств объясняется вариацией таких факторов, как рентабельность продаж, доля активной части основных средств и фондоотдача активной части основных средств. А 61, 1% - это неучтенные факторы, различные статьи затрат, влияющие на данный показатель у.
Подводя итог проведенному исследованию, можно констатировать следующее: от наиболее эффективного использования основных фондов, которые отражаются в показателях рентабельности продаж, доли активной части основных средств, фондоотдачи активной части основных средств, напрямую зависят финансовые результаты деятельности организации. Они могут влиять на выручку предприятия и оказывать воздействие на все процессы, происходящие внутри нее.
Источники:
1. Двойцова, И. Н. Основы математического моделирования социально-экономических процессов: учебное пособие / И. Н. Двойцова. - Железногорск: ФГБОУ ВО Сибирская пожарно-спасательная академия ГПС МЧС России, 2022. - 112 с.
2. П.С. Бондаренко [и др.]; Практикум по эконометрике: учеб.-практ. пособие для бакалавров / под ред. П.С. Бондаренко. - Краснодар: Кубанский ГАУ, 2014. -164 с., ил. (Серия: Вероятность, статистика и прикладные исследования в аграрном университете).
3. Свидина В.К. Экономико-статистическое обоснование мероприятий по повышению эффективности использования оборотных активов / Свидина В.К., Яроменко Н.Н. // В сборнике: Научные финансово-экономические исследования: вектор развития. Сборник статей международной научно-практической конференции студентов, аспирантов и преподавателей. Сост. Н.К. Васильева, Е.А. Болотнова, Е.В. Си-дорчукова. Краснодар, 2020. С 172-178.
4. Яроменко Н.Н. Эконометрический анализ факторов, влияющих на урожайность зерновых (на примере сельскохозяйственных организаций центральной зоны Краснодарского края) / Яроменко Н.Н., Кулак А.А., Овсиенко А.А. // Естественно-гуманитарные исследования. 2020. № 30 (4). С. 269-274.
References:
1. Dvoitsova, I. N. Fundamentals of mathematical modeling of socio-economic processes: study guide / I. N. Dvoitsova. - Zheleznogorsk: Siberian Fire and Rescue Academy of the State Fire Service of the Ministry of Emergency Situations of Russia, 2022. - 112 p.
2. P.S. Bondarenko [and others]; Workshop on econometrics: textbook.-pract. manual for bachelors / ed. P.S. Bondarenko. - Krasnodar: Kuban State Agrarian University, 2014. -164 p., ill. (Series: Probability, Statistics and Applied Research at the Agricultural University).
3. Svidina V.K. Economic and statistical substantiation of measures to improve the efficiency of the use of current assets / Svidina V.K., Yaromenko N.N. // In the collection: Scientific financial and economic research: the vector of development. Collection of articles of the international scientific-practical conference of students, graduate students and teachers. Comp. N.K. Vasilyeva, E.A. Bolotnova, E.V. Sidorchukov. Krasnodar, 2020. P. 172-178.
4. Yaromenko N.N. Econometric analysis of factors affecting grain yield (on the example of agricultural organizations in the central zone of the Krasnodar Territory) / Yaromenko N.N., Kulak A.A., Ovsienko A.A. // Natural-humanitarian research. 2020. No. 30 (4). pp. 269-274.
EDN: BJIAJS
Т.Е. Хорольская - к.э.н., доцент кафедры теории бухгалтерского учета, Кубанский государственный аграрный университет, Краснодар, Россия, [email protected],
T.E. Khorolskaya - candidate of economic sciences, associate professor of the Department of accounting theory, Kuban state agrarian university, Krasnodar, Russia;
Н.С. Власова - к.э.н., доцент кафедры теории бухгалтерского учета, Кубанский государственный аграрный университет, Краснодар, Россия, [email protected],
N.S. Vlasova - candidate of economic sciences, associate professor of the Department of accounting theory, Kuban state agrarian university, Krasnodar, Russia;
В.С. Корнияш - обучающаясяучетно-финансового факультета, Кубанский государственный аграрный университет, Краснодар, Россия, [email protected],
V.S. Korniyash - student of the Accounting and Finance Faculty, Kuban state agrarian university, Krasnodar, Russia.
ОСОБЕННОСТИ ОТРАЖЕНИЯ В УЧЕТНО-АНАЛИТИЧЕСКОЙ СИСТЕМЕ ТОВАРОПРОИЗВОДИТЕЛЕЙ ПРОЦЕССА ПРОДАЖ FEATURES OF REFLECTION IN THE ACCOUNTING AND ANALYTICAL SYSTEM OF COMMODITY PRODUCERS OF THE SALES PROCESS
Аннотация. Ключевой задачей функционирования экономических субъектов, осуществляющих коммерческую деятельность выступает рост продаж, а соответственно рост показателей прибыли. Для производственных предприятий выпуск и продажа готовой продукции является основой существования, в этом цикле формируются такие значимые для пользователей бухгалтерской (финансовой) отчетности показатели, как выручка от продаж, себестоимость проданной продукции и прибыль (убыток) от продаж. Данный участок учета является объектом пристального контроля со стороны собственников и контролирующих органов.
Минимизировать риски, связанные с неверным исчислением доходов и расходов, недополучением прибыли, с начислением штрафных санкций, связанных с налогообложением прибыли возможно путем построения грамотной учетно-аналитической системы формирования финансовых результатов от продаж готовой продукции. В данной статье кратко рассмотрен порядок функционирования системы учетно-аналитического обеспечения формирования финансовых результатов экономического субъекта.
Abstract. The key task of the functioning of economic entities engaged in commercial activities is the growth of sales, and, accordingly, the growth of profit indicators. For manufacturing enterprises, the release and sale of finished products is the basis of existence; in this cycle, such significant indicators for users of accounting (financial) statements as sales revenue, cost of goods sold and profit (loss) from sales are formed. This accounting area is subject to close control by the owners and regulatory authorities.
It is possible to minimize the risks associated with incorrect calculation of income and expenses, shortfall in profits, with the accrual of penalties associated with taxation of profits, by building a competent accounting and analytical system for generating financial results from sales of finished products. This article briefly considers the procedure
