CC BY
101
Ю.В. Сажин,
д.э.н., профессор, Е.С. Петрова,
к.э.н., доцент,
Мордовский государственный университет им. Н.П. Огарева
Совершенствование методики оценки и прогнозирования финансовой несостоятельности (банкротства) предприятий
Проблема оценки и прогнозирования финансовой несостоятельности предприятий стала особенно актуальной в связи с переходом России к рыночной экономике. Отечественными и зарубежными учеными разработаны различные подходы к решению данной проблемы. Однако при этом недостаточное внимание уделяется специфике отраслей народного хозяйства и особенностям ведения производственно-хозяйственной деятельности предприятиями в условиях российской экономики. Авторами статьи предлагается новая методика оценки и прогнозирования банкротства сельскохозяйственных предприятий на основе методов многомерного статистического анализа, позволяющая всесторонне оценить финансовое состояние хозяйствующего субъекта и рассчитать прогнозные значения показателей.
Изначально представлялось, что причины кризисов — государственные нерентабельные производства, привыкшие к дотациям, финансовой поддержке за счет федерального и региональных бюджетов. Поэтому и осуществлялась антикризисная политика, направленная на приватизацию государственных предприятий. Когда же оказалось, что негосударственный сектор производства, а также компании со смешанными формами собственности убыточны, антикризисное управление стало ассоциироваться с совершенствованием механизмов санации и банкротства, созданием условий для финансового оздоровления предприятий посредством спасения одних и ликвидации других независимо от формы собственности 151.
Одной из важнейших функций антикризисного управления является финансово-экономический анализ. С его помощью вырабатываются стратегия и тактика развития предприятия, обосновываются планы и управленческие решения, осуществляется контроль за их выполнением, выявляются резервы повышения эффективности производства, оцениваются результаты деятельности предприятия, его подразделений и работников. В связи с реализацией указанной функции менеджмента особую актуальность приобретает анализ и оценка финансового состояния предприятия.
Финансовое состояние — это сложная комплексная система, которая не может характеризоваться каким-либо одним результирующим показателем, поэтому для анализа финансового состояния предприятий АПК были выделены группа результативных показателей и несколько групп влияющих факторов. В частности, в группу зависимых показателей были включены коэффициенты и показатели, которые рекомендованы постановлением Правительства РФ для анализа финансового состояния предприятия арбитражным управляющим и некоторые другие. Принимая во внимание все вышесказанное, нами была определена система показателей для исследования финансовой несостоятельности сельскохозяйственных предприятий и прогнозирования их дальнейшего финансового положения.
Предложенная система показателей будет являться основой для совершенствования методики анализа и прогнозирования финансового положения сельскохозяйственных предприятий. Она должна учитывать как можно больше факторов, влияющих на состояние предприятия, достичь обоснованного разбиения совокупности сельскохозяйственных предприятий Мордовии на группы по показателям финансово-хозяйственной деятельности, получить для группы «неблагополучных- предприятий систему регрессионных уравнений по каждому прогнозируемому показателю и по интегральным факторам финансовой несостоятельности.
Методика проведения нашего исследования включает следующие этапы:
1. Статистическое обоснование включения факторов в модель.
2. Многомерная классификация совокупности предприятий и оценка однородности образованных совокупностей.
3. Сравнительный анализ закономерностей распределения по выделенной совокупности.
4. Формирование интегральных показателей по результативным и по факторным признакам.
5. Построение системы уравнений регрессии для главных компонент Р\ по результативным показателям У и системы уравнений регрессии для главных компонент Шх — по факторным X.
6. Построение уравнений регрессии для каждого результативного показателя У. входящего в определенную главную компоненту РК . используя в качестве факторов главные компоненты РЫч.
7. Получение системы показателей для прогнозирования финансового состояния сельскохозяйственного предприятия. в которой учитывается совокупное влияние факторов как результативных, так и факторных.
Правильная и своевременная опенка финансового состояния предприятия является фундаментом для принятия необходимых объективных мер по его дальнейшему развитию и предотвращению возможных кризисных ситуаций. Но необходимо отметит!), что финансовый и статистический анализ состояния предприятия должен проводиться в первую очередь для того, чтобы на ранних этапах выявить развитие приближающегося кризиса и выработать стратегию поведения в этих условиях. а в случае нахождения предприятия в кризисной ситуации — стратегию выхода из нее. Располагая инструментарием статистического анализа, можно изучать изменения процессов во времени и делать прогнозы на будущее.
Как уже отмечалось выше, финансовую несостоятельность нельзя охарактеризовать одним показателем, поэтому эта категория будет представлена группой зависимых переменных (пятнадцать показателей) и сорока двух независимых переменных, которые предположительно могут оказывать влияние на финансовую несостоятельность предприятия. Исследование проводится по группе из 296 сельскохозяйственных предприятий Республики Мордовия, совершенно разнообразных по результатам хозяйственной деятельности.
Используемые нами методы обеспечивают получение довольно достоверных сведений о вариации финансово-производственных показателей деятельности предприятий, где основные характеристики в значительной мере
соответствуют установленным статистическим зависимостям между ними [1]. В той части предприятий, где имеются значительные различия между ними, характеристики не будут соответствовать реальному положению, поэтому желательно, чтобы данные предприятия не учавствовали в анализе данных.
После проведения процедуры кластерного анализа исследуемая совокупность предприятий была разбита на два кластера. Для предприятий первой группы характерно снижение прибыли или в увеличение убытка на конец года (У1). В частности, уровень прибыли по всей деятельности в исследуемых предприятиях этого кластера в среднем на 48,2% ниже, чем во всей совокупности и составляет всего 8,5% от уровня прибыльности предприятий, объединенных во втором кластере. Как мы уже отмечали, все предприятия, имеющие убыток по всей деятельности, были объединены в первом кластере, причем средний размер убытка достаточно велик —744,85 тыс. руб. Обращает на себя внимание низкий коэффициент абсолютной ликвидности У2 (в среднем 0,10) и высокий коэффициент финансовой напряженности У4 (в среднем 9,04). Превышение размеров кредиторской задолженности над дебиторской У7, увеличение доли просроченной дебиторской и кредиторской задолженности У12, затоваренности складов Х18, снижении степени платежеспособности предприятия по краткосрочным обязательствам. коэффициента автономии У10, обеспеченности собственными оборотными средствами У11. рентабельности активов У14, нормы чистой прибыли У15 свидетельствует о том, что в данном кластере представлена достаточно однородная совокупность хозяйств, имеющих неустойчивое финансовое положение.
Предприятия, включенные во второй кластер, выделяются из обшей совокупности и образуют отдельный класс наблюдений, который можно охарактеризовать как предприятия, имеющие стабильные высокие показатели прибыли и достаточно устойчивое финансовое положение, характеризуемое соответствующими значениями коэффициентов.
Целью данного исследования является выявление факторов финансовой несостоятельности сельскохозяйственных предприятий, поэтому заведомо благополучные хозяйства считаем нецелесообразным включать в дальнейшую обработку данных вместе с оставшейся частью совокупности, так как при этом произойдет искажение результатов. Эта группа хозяйств достаточно однородна и подчиняется законам нормального распределения, поэтому мы будем рассматривать и оценивать ее как предприятия с устойчивым финансовым положением.
Таким образом, для проведения дальнейших исследований мы получили достаточно однородную совокупность сельскохозяйственных предприятий, объединенную в первом кластере. — 274 предприятия, находящиеся в неустойчивом финансовом состоянии. Следует отметить, что разбиение совокупности на группы можно производить неоднократно, получая при этом все более и более однородные совокупности.
При помощи компонентного анализа нами производилось укрупнение как результативных, так и факторных признаков, участвующих в анализе финансово-хозяйственной деятелыкхти предприятий. Суммарный вклад факторов в общую дисперсию исходных признаков превышает 70% на пятой итерации про водимого анализа (72,37%), значит. 15 результативных показателей следует объединить в 5 интегральных факторов, что подтверждается также критерием Кайзера и Дикмана. согласно которому следует выделять факторы с собственными значениями больше единицы (табл. 1).
Следующим этапом компонентного анализа является нахождение матрицы факторных нагрузок, которая позволят определить, какие из результативных признаков делают наибольший вклад в интегральные показатели (или главные компоненты) [1]. Качественный состав первых главных компонент дает представление о сложности их внутренней структуры и обуславливает поиск преобразования построенной системы координат с целью облегчения интерпретации новых координатных осей. Для
Таблица 1
Основные характеристики главных компонент
Главные компоненты Собственные значения Относительный вклад главной компоненты в общую дисперсию. % Собственные значения первых главных компонент Относительный вклад первых главных компонент в общую дисперсию. %
1 3,327815 22,18544 3,327815 22,18544
2 2,636693 17,57795 5,964508 39,76339
3 2,275354 15,16902 8,239862 54,93241
4 1,485301 9,902004 9,725163 64,83442
5 1,130462 7,536411 10.85562 72,37083
Таблица 2
Группы показателей, тесно связанные с главными компонентами (после вращения)
Группы, соответствующие главным компонентам Исходные показатели, включенные в группу
1 У1, У9, У11, У15
2 УЗ, У6, У8
3 У5, У12, У13, У14
4 У2, У7
5 У4, У10
этого воспользуемся метолом вращения вариамакс (табл. 2).
При интерпретации главных компонент принято использовать факторные нагрузки, значения которых гю модулю больше 0,5. Таким образом, первая главная компонента наиболее тесно связана со следующими факторами:
Y1 — валовая прибыль;
Y9 — степень платежеспособности по текущим обязательствам;
Y11 — коэффициент обеспеченности собственными оборотными средствами;
Y15 — норма чистой прибыли.
Исходя из экономической интерпретации данных показателей можно сказать, что фактор Fl является интегральным показателем финансовой устойчивости сельскохозяйственного предприятия.
В группу, определяющую вторую главную компоненту F24, вошли:
Y3 — нормальный коэффициент текущей ликвидности;
Y6 — коэффициент фондоемкости:
Y8 — показатель обеспеченности обязательств должника его активами.
Эти показатели можно разделить на две группы: УЗ и У8 — интегральный показатель платежеспособности предприятия, а Уб — показатель ресурсоем-кости, причем между этими факторами и главной компонентой наблюдается
сильнейшая положительная связь (больше 0,90).
Третья главная компонента РЗ включает в себя:
У5 — коэффициент фондоотдачи;
У12 — доля просроченной кредиторской задолженности в пассивах;
У13 — показатель отношения дебиторской задолженности к совокупным активам;
У14 — рентабельность активов.
Таким образом, фактор Р3} является интегральной оценкой влияния дебиторской и кредиторской задолженности на рентабельность предприятия.
Четвертая главная компонента Р4. наиболее тесно связана с показателями:
Y2 — коэффициент абсолютной ликвидности;
У7 — коэффициент соотношения кредиторской и дебиторской задолженности.
То есть можно сделать вывод, что фактор Р4^ — это интегральная характеристика способности предприятия к срочному погашению текущей задолженности.
Анализ пятой компоненты позволяет назвать ее интегральным показателем независимости предприятия от внешних источников кредитования. Она включает в себя коэффициент финансовой напряженности (У4): коэф-
фициент автономии или финансовой независимости (У 10).
Следует отметить, что все факторные признаки обладают различными значениями в территориальном аспекте. Конкретные факторы могут характеризоваться достаточно высоким значением в одном регионе, а в другом могут составлять небольшое значение, в результате чего данные показатели будут совершенно по-разному влиять на зависимый от них признак.
-Сжатие» совокупности из 42 факторных признаков позволило получить двенадцать интегральных показателей: характеристика размера предприятия и показатель затрат на производство, объединились в Р1х, показатель имущественного положения предприятия (Р2Х), характеристика состояния кредиторской задолженности (РЗХ), показатель ресурсоотдачи сельскохозяйственных предприятий (Р4Х>, показатель рентабельности сельскохозяйственного предприятия (Р5Х), показатель ликвидности предприятия (Р5Х). характеристика размера посевных площадей (17 ), показатель размера собственного капитала предприятия (Р8Х). характеристика долгосрочной кредиторской задолженности предприятия (Р10х), показатель соотношения краткосрочной кредиторской и дебиторской задолженностей (Р12х). Главные компоненты Р9Х и Р11Х включают в себя по одному показателю: коэффициент кормоемкости и коэффициент обеспеченности запасов собственными оборотными средствами.
Уравнение регрессии на главных компонентах строится по алгоритму пошагового регрессионного анализа, где в качестве аргументов используются главные компоненты, а не исходные показатели. Достоинством последней модели является то, что главные компоненты не коррелированны, т.е. проблем мультиколлинеарности факторных признаков не возникает [51. Системы полученных уравнений приводятся в табл. 3.
При построении уравнений регрессии на главных компонентах, представляющих собой совокупность (систему) факторов, необходимо учитывать, что совокупное влияние всех факторов не
равно сумме влияния каждого из них. Это противоречит системному подходу к исследованию. Система факторов — это не простая их сумма, так как система предполагает внутренние связи, взаимодействие составляющих ее элементов. Действие системы не равно сумме воздействий составляющих ее элементов. К последним добавляется «системный эффект431. При дальнейшем анализе полученных зависимостей его действие будет очевидно. Проведем разложение множественного коэффициента детерминации на доли влияния факторов на результативный показатель. Данные сведем в табл. 4.
Анализ полученных результатов показывает, что максимально высокое влияние системного эффекта на результативные показатели наблюдается в уравнении зависимости для фактора У12 — доля просроченной кредиторской задолженности в пассивах (39.9%), а также для нормального коэффициента текущей ликвидности (УЗ) и показателя обеспеченности обязательств должника его пассивами.
В результате проведенного компонентного и регрессионного анализа по сельскохозяйственным предприятиям, имеющим неустойчивое финансовое состояние, мы получили главные компоненты по результативным показателям У (пять компонент) и по факторным показателям X (двенадцать компонент). В свою очередь, каждая главная компонента по У (Ш ) состоит из сис-
У
тем уравнений регрессии для входящих в нее результативных показателей. Для дальнейшего исследования нам потребуется выражение функциональной зависимости каждой главной компоненты по результативным и факторным показателям от входящих в нее аргументов.
В результате применения метода множественной регрессии нами были получены уравнения зависимости главных результативных компонент.
Л, = 0.79 + 0.000082У1 - 0.02У9 +0.16У11 + 0.009У15
= -0.33 + 0.018УЗ + 0.072У6 + 0.001 У8 ГЗг = 0.54 - 0.043У5 - 0.76У12 - 5.65У 13 0.014У14 /*41 = -0.268 + 1.106У7
= 0.81 + 2.74У4 -1.94У10
Вычисляя статистические оценки надежности полученных параметров регрессии на основе главных компо-
Таблица 3
Системы уравнений регрессии для результативных интегральных показателей
Интегральный показатель Система уравнений
Показатель финансовой устойч н воет и (Fly) п =538.66+7826 if!, - 270f3, -212.83г7, + 600.84f8, + 214.28f] 2, }'9= 2248-8.31Л, -4 01F2, +11.96ГЗ, + 2.85F7, -4.70F8, -2.52F9, -3.66Л 1, -3.15Л2, П1 = -1 76+15.78Л,-0.18F2, -0.48F3, +0.3F4, + 0.18Л2, >'15 = -14.75+15.78Л, -I246F3, -7 74F5, -4 4SF6, -8.42F7, + 23.79F8, + 4.64F9, +5.61Л 1,
Показатель платежеспособности и ресурсоемкое™ (Г2у) КЗ = 4.51 -I.66F3, + I.63F5.-32.80F6, -0.92F1I, Кб = 3.01-0.54^1, + 0.87F3r-3.56F6, +0.37F7, -0.42Л2, К 8 = 9.02 - 4.03F3, + 1.72F5, -38.49F6,
Оценка влияния дебиторской и кредиторской задолженности на рентабельность предприятия (By) >'5 = 1.73-3.14Л, >12 = 025-0.05Л, -0.07F2, + O.I5F3, >13 = 0.04 - 0.04 F2, +0.01 F6, + О.ОЗЛ 2, >'l4 = -2.52+2.12Flt + 2.36F2, -267F3, -2.26F5, -1.87F7, + 2.65F8, +1.9Л1,
Характеристика способности предприятия к срочному погашению текущей задолженности или ликвидности (F4v) у7-0.23 - 0,15f3„-»0.2if11 x+0.32fi2 t
Показатель независимости предприятия от внешних источников кредитования (F5y) [У4 = 0.03-0.04Л 0, +0.03/П2, [Y\0=0.46+0.0^ +0.08F2, -0.07F3, -0.07F4, +0.04F* +0.1\F\ l( +0.05Л 2,
Таблица 4 Оценка доли влияния факторов и системного эффекта на результативный показатель
Y1 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 YI2 Y13 Y14 YI5
R" 0,501 0.954 0,552 0.534 0,692 0,502 0,889 0,572 0.574 0,512 0.573 0,511 0,556 0,566
0.405 0.605 0.424 0.218 0.653 0.301 0,555 0.506 0.478 0,253 0.174 0.483 0.503 0.465
»1* B% 9.6 34.9 12.8 31.7 3,97 20,1 33.5 6.56 9,7 25,9 39,9 2.8 5,26 10,1
Таблица 5
Оценка влияния системного эффекта на результативные показатели
Fly F2V F3, F4V F5V
0.9349 0,9939 0,9657 0,7940 0,7894
X32, 0,5441 0.5613 0,5203 0,7940 0,6931
TU • В % 39,08 43,26 44,54 0 9,63
Таблица 6
Оценка влияния системного эффекта на результативные показатели
Fix F2X F3X F4X F5X F6x F7X F8x F9X F10x Fllx FI2x
R" 0,885 0.862 0,829 0,960 0,954 0.949 0.708 0,517 0.754 0.936 0,532 0.7596
IP"', 0,587 0.535 0.565 0.512 0,516 0.820 0.463 0.354 0.754 0,688 0.532 0.448
n* B% 29.9 32,7 26,37 44.77 43.9 12,8 24.44 16.4 0 24,8 0 31,2
нент. можно судить о степени доверия к информации, представленной регрессионными моделями.
Проанализируем влияние системного эффекта на вариацию результативного показателя, данные представим в табл. 5.
Как видим, влияние системного эффекта только усиливается, лишь для главной компоненты Р4 оно равно нулю. Это объясняется тем, что по объективным причинам незначимости уравнения регрессии в ней не участвует результативный фактор У2 — коэф-
фициент абсолютной ликвидности. Причем можно сделать вывод, что чем больше факторов задействовано в модели, тем выше влияние системного эффекта.
Перейдем к построению уравнений регрессии для главных компонент по факторным признакам. В результате компонентного анализа мы получили двенадцать главных компонент из 42 исходных признаков. Внутри каждой компоненты был проведен анализ множественной регрессии и получено двенадцать уравнений, описывающих зависимость главной компоненты от входящих в нее факторов X.
Л, = -0.02+ 0.01*13+0.16X14 -0.01X26 + 0.08X27 + + 0.05X30- 0.01X31 + 0.05X32 + 0.17X33 + 0.23X34 * + 0.14X35+0.20X39
Р2Х = 0.0027+0.1716X8 - 0.193X9 +0.23X21
1ЪУ = -0.006 + 0.35X6 + 0.66X7
^4 х = 0.008 - 0.33X38 0.45X40 - 0.30X41
РЪХ = 0.007 - 0.42X22 + 0.35X23 - 0.33X25
Я6Х =0.0002-0.89X15-0.07X16
Г7у =-0.006 + 0.40X11+0.44X12
/^8 Л = -0.005 + 0.017X2 + 0.39X21 + 0.44X29
Л)л. =0.2 0.86X19
Л0Х = -0.007-0.61X2-0.54X19
Л= -0.02+0.72X20
Л2Х = 0.005 + 0.49X3 + 0.43X4 + 0.21X17
Опенка параметров полученных уравнений позволяет сделать вывод об их достоверности, так как все расчетные значения Р-критерия Фишера значительно превышают табличные.
Полученные значения коэффициентов корреляции свидетельствуют об очень тесной связи между результативными компонентами и факторами, включенными в модель. Практически во всех уравнениях значение коэффициента корреляции колеблется в пределах от 0,85 до 0,98. Более низкий коэффициент (0,65) наблюдается в уравнении для восьмой компоненты — размера собственного капитала сельхозпредприятия и для одиннадцатой компоненты (0,73) — коэффициента обеспеченности запасов собственными оборотными средствами (Р11 ).
Исследуем коэффициент множественной детерминации на степени влияния факторов, включенных в модель, и системного эффекта. Из анализа полученных долей влияния факторов и системного эффекта на результативные главные компоненты мы можем сделать вывод о том, что сово-
купное влияние факторов только усиливается, что связано с включением в модель большого количества показателей. Ввиду того что в главные компоненты F9x и F11 входит по одному показателю, влияние системного эффекта равно нулю.
Принимая во внимание, что все полученные корреляционно-регрессионные модели адекватны, доведем наше исследование до логического завершения. Итак, мы имеем пять главных компонент, включающих факторы финансовой несостоятельности сельскохозяйственных предприятий. Кроме того, мы построили уравнения регрессии на главных компонентах, включающих независимые переменные X. Это было сделано для оценки совокупного влияния факторов, включенных в корреляционно-регрессионные модели.
В результате мы получили пять интегральных показателей, характеризующих влияние значения показателей финансово-хозяйственной деятельности сельскохозяйственного предприятия на его финансовое состояние, то есть либо подтверждающих его несостоятельность, либо утверждающих обратное. Использование полученной системы для оценки и прогнозирования финансовой несостоятельности предприятия состоит в подстановке в уравнение регрессии ожидаемых значений факторных признаков для расчета точечного прогноза результативного признака или (и) его доверительного интервала с заданной вероятностью. Затем методом экспертных оценок дается заключение о финансовом положении сельскохозяйственного предприятия.
Для первого интегрального показателя, характеризующего финансовую устойчивость сельскохозяйственного предприятия, уравнение регрессии выгляди! следующим образом:
P1n =-0,026 + 2.9Flx+ 0,05F2r0,45F3x+ + 0,05F4x- 0,07F54- 0,04F6x- O.lôFT^ + 0.35F8 + 0.09F9 + 0,12FllV 0,11F12 .
' X X X ' X
Для второго фактора интегрального показателя платежеспособности и
ресурсоемкое™ сельскохозяйственного предприятия мы получили следующее уравнение:
Р2 = 0,01 - 0.04Р1х-0,ШЛ + 0.04Р5 -- Р6 + 0.03Р7 - 0.02Р11 - 0,03Р12 .
X ' " X ' X X
Обобщающий показатель влияния дебиторской и кредиторской задолженности на рентабельность предприятия описывается следующим уравнением:
РЗ = 0.11 +0,2Ш +0.3Ш -О.Ш -
-0.03FV + 0.03F11
0.06F6 - 0,03F7 + 0,04F8 +
Уравнение зависимости для четвертого интегрального показателя — способности предприятия к срочному погашению текущей задолженности:
F4n= -0,18 + 0,35^12 .
0.17F3 + 0.23F11 +
V X
Последнее уравнение характеризует интегральный показатель независимости предприятия от внешних источников кредитования:
= —0.18Р1 ч — 0,1бР2ч+ 0,14РЗЧ + +0Л4Р4х— 0,08Р8Х- 0,32П 1х— 0.02РЦ.
Для того чтобы получить более подробное уравнение для использования его при прогнозировании факторов финансовой несостоятельности конкретного сельскохозяйственного предприятия, необходимо вместо главных компонент по факторным переменным в уравнение регрессии для результативных компонент й^, подставить соответствующие уравнения РХ . Путем арифметических преобразований уравнение упрощается и получается конечное уравнение, которое можно использовать для оценки положения сельскохозяйственного предприятия.
Подводя итоги по проделанной работе. можно отметить, что при использовании аппарата регрессионного анализа для выявления связи между явлениями необходимо обращать внимание на соответствие начальных дан-
ных предпосылкам такого анализа. При выявлении факторов, оказывающих влияние на финансовую несостоятельность сельскохозяйственного предприятия, и выборе формы их связи следует проводить подробный экономический анализ. Однако необходимо иметь в виду то, что анализом нельзя охватить весь комплекс существенных явлений и что уравнение регрессии в некоторой степени абстрагировано, т. е. является экспериментом нахождения конкретной формы связи между явлениями.
Разумеется, полученные из моделей статистические выводы не являются абсолютными и отражают закономерности только рассмотренной совокупности обьектов в рассмотренный период времени. При изменении условий развития процесса на первый план будут выходить влияния других факторов. Следует также учитывать, что ме-
тод регрессионного анализа не может объяснить роли факторных признаков в создании результативного показателя, что требует качественного анализа процессов для определения структуры причинно-следственных связей.
В данной работе было рассмотрено 60 факторов, которые оказывают влияние или могли бы его оказывать на финансовую несостоятельность сельскохозяйственных предприятий Республики Мордовия. Естественно, что это количество факторов не является строго фиксированным, так как на состояние исследуемой проблемы оказывает влияние огромное количество факторов, которое увеличивается из-за воздействия -системного эффекта-. Кроме того, у нас зачастую отсутствуют конкретные значения этих показателей.
Построение многофакторной модели и проведенный анализ вариации
факторов могут служить средством информационного обеспечения при проведении анализа финансового состояния предприятия-должника арбитражными управляющими.
Список литературы
1. Айвазян С.А., Бухштабер В.М., Еню-ков И.С. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика. 1989.
2. Айвазян С.А.. Мхитарян B.C. Прикладная статистика и основы эконометрики. М: ЮНИТИ, 1998
3. Елисеева И.И., Юзбашев М.М. Общая теория статистики. М.: Финансы и статистика, 2003.
4. Семенихин А. И. Экономика убыточного предприятия 7 Проблемы прогнозирования. 1999. № 3. С. 103—114.
5. Френкель A.A. Корреляционный и регрессионный анализ в экономических приложениях. М.: МЭСИ. 1987.
