VII Международная студенческая научная конференция Студенческий научный форум - 2015

Валовая прибыль компании представляет собой разницу между выручкой и себестоимостью реализованной продукции. Любая коммерческая деятельность направлена на получение прибыли без рисков и потерь. Именно поэтому, в данной работе производится моделирование валовой прибыли компании от экономических показателей, для ее оптимизации и достижения эффективности коммерческой деятельности компаний в сфере гостинично - ресторанного бизнеса.

Цель работы заключается в исследовании взаимосвязи валовой прибыли с экономическими показателями компаний.

Задача работы заключается в оценке качества полученной модели.

Как и на любую финансовую величину, на валовую прибыль оказывает влияние множество экономических факторов. В работе, для построения модели были выбраны следующие независимые переменные: x1 – оборотные активы, x2 – себестоимость проданных товаров и услуг, x3 – уставный капитал, x4 – основные средства, x5 – внеоборотные активы, x6 – запасы, x7 – капитал и резервы, x8 – коммерческие расходы.

Из перечня компаний, участвовавших в исследовании, были изъяты: ООО Макдональдс, ООО Галерея –Алекс. Это необходимо для улучшения качества модели, т.к. показатели данных фирм являются аномальными.

Источником информации для исследования послужила система «СПАРК» - система профессионального анализа рынка и компаний. Данные взяты за 2013 год.

Прежде всего, исследование необходимо начать с изучения степени влияния каждого экономического показателя на валовую прибыль и проверки наличия мультиколлинеарности. Для этого необходимо использовать надстройку MS Excel Анализ данных – Корреляция. На рисунке 1 представлена матрица парных коэффициентов корреляции для.

Рисунок 1. Матрица парных коэффициентов корреляции

Анализ полученной матрицы парных коэффициентов корреляции необходимо начать с первого столбца, в котором рассчитаны коэффициенты корреляции для определения степени влияния каждого фактора на валовую прибыль¹. Как видно из рисунка 1, самое сильное влияние у себестоимости проданных товаров и услуг – коэффициент корреляции составил 0,722. Также тесная связь между валовой прибылью и коммерческими расходами – коэффициент корреляции составил 0,704.

По шкале Чеддока заметная связь между оборотными активы и валовой прибылью – 0,437, а также между валовой прибылью и капиталом и резервами – 0,405.

У оставшихся показателей степень влияния на валовую прибыль характеризуется как слабая, т.к. по шкале Чеддока попадает в диапазон от 0,1 до 0,3.

По матрице парных коэффициентов корреляции можно определить существует ли сильная взаимосвязь между независимыми переменными, т.е. проверить наличие мультиколлинеарности.

Существует сильная взаимосвязь между следующими показателями: уставный капитал и основные средства, уставный капитал и внеоборотные активы, основные средства и внеоборотные активы. Но т.к. степень их влияния на валовую прибыль слабая и в модель они включены не будут, наличие мультиколлинеарности не окажет влияние на качество модели.

Вывод по матрице парных коэффициентов заключается в следующем: в модель зависимости валовой прибыли от экономических показателей стоит включить показатели себестоимости проданных товаров и услуг и коммерческие расходы.

Следующим этапом исследования является проведение регрессионного анализа, для этого необходимо воспользоваться надстройкой MS Excel Анализ данных – Регрессия. Прежде всего, следует построить модель регрессии со всеми факторами. На рисунке 2 представлены результаты регрессионного анализа со всеми 8 факторами.

Рисунок 2. Результаты регрессионного анализа восьмифакторной модели

Анализ таблиц регрессионного анализа показал, что в целом качество модели достаточно высокое, т.к. коэффициент множественной корреляции равен 0,822. Чем ближе R к 1, тем выше качество модели.² Коэффициент детерминации, равный 0,676, показывает, что 67,6% вариации признака Y учтено в модели и обусловлено влиянием на него факторов, включённых в модель.

Проверку значимости уравнения регрессии произведем на основе F-критерия Фишера. Поскольку Fрасч> Fтабл (6,794> 0,322), уравнение регрессии следует признать значимым, то есть его можно использовать для анализа.

Следующий этап заключается в проверке коэффициентов независимых переменных. Т.к. t-статистика расчетная больше табличного лишь у двух коэффициентов, необходимо пошаговым отбором отобрать лишь статистически значимые коэффициенты. Методом пошагового отбора были выбраны два статистически значимых коэффициента при показателях – себестоимость проданных товаров и услуг и коммерческие расходы. На рисунке 3 представлены результаты регрессионного анализа с двумя факторными признаками.

Рисунок 3. Результаты регрессионного анализа двухфакторной модели

Анализ рисунка 3 показал, что в целом качество модели достаточно высокое, т.к. коэффициент множественной корреляции равен 0,787. Коэффициент детерминации, показал, что 62,0% вариации признака Y учтено в модели и обусловлено влиянием на него факторов, включённых в модель.

Проверку значимости уравнения регрессии произведем на основе F-критерия Фишера. Поскольку Fрасч > Fтабл (26,119 > 0,051), уравнение регрессии y=680432175.556+0.230*x2+0.379*x8

следует признать значимым, то есть его можно использовать для дальнейшего анализа и прогнозирования.

В работе был осуществлен прогноз на примере двухфакторной модели. xпр составили 30% от среднего значения независимых переменных. В таблице 1 представлен результат интервального прогноза.

Таблица 1

Результат прогноза

	При xпр=30% от x
Двухфакторная модель	216,3 < 877,8 < 1539,3

С вероятностью 0,95% можно утверждать, что, если себестоимость проданных товаров и услуг составит 453,4 млн. руб., а коммерческие расходы 246,2 млн. руб. валовая прибыль компании будет находится в границах от 216,3 млн. руб. до 1539,3 млн. руб.

Вывод, который можно сделать из проведенного анализа заключается в том, что валовая прибыль в сфере гостинично-ресторанного бизнеса в большей степени зависит от себестоимости проданных товаров и услуг, и коммерческих расходов компании. Точность полученной модели достаточно высокая, т.к. коэффициент множественной корреляции составил 0,787. Рассчитанный коэффициент детерминации говорит о том, что 62,0% вариации признака Y учтено в модели и обусловлено влиянием на него факторов, включённых в модель.

Список использованных источников:

1. Орлова И.В., Половников В.А. Экономико-математические методы и модели: компьютерное моделирование: учебное пособие. – М.: Вузовский учебник, 2007

2. Эконометрика: учебник / под ред. И.И. Елисеевой. – 2-е изд., перераб. и доп. – М.: Финансы и статистика, 2012

3. http://www.spark-interfax.ru – система профессионального анализа рынка и компаний «СПАРК»

1^ Орлова И.В., Половников В.А. Экономико-математические методы и модели: компьютерное моделирование: учебное пособие. – М.: Вузовский учебник, 2007

2^ Орлова И.В., Половников В.А. Экономико-математические методы и модели: компьютерное моделирование: учебное пособие. – М.: Вузовский учебник, 2007

Код для цитирования: Скопировать