Автор работы: Пользователь скрыл имя, 02 Ноября 2012 в 16:17, курсовая работа
Прибыль – это важнейший результативный показатель, характеризующий эффективность деятельности предприятия, основная цель его функционирования.
Таким образом, прибыль становится важнейшей для оценки производственной и финансовой деятельности предприятия. Она характеризует сметы его деловой активности и финансовое благополучие. За счет отчислений от прибыли в бюджет формируется основная часть финансовых ресурсов государства, региональных и местных органов власти, и от их увеличения в значительной мере зависят темпы экономического развития страны, отдельных регионов, приумножения общественного богатства, и, в конечном счете, повышения жизненного уровня населения.
ВВЕДЕНИЕ
ГЛАВА 1. Теоретические аспекты факторного анализа прибыли организации и ее прогнозирования
1.1. Прибыль как основной абсолютный показатель эффективности рыночной деятельности………………………………………………………………………………….4
1.2. Факторы изменения прибыли коммерческой организации…………………………..7
1.3. Корреляционно-регрессионный анализ как инструмент прогнозирования………..10
ГЛАВА 2. Факторный анализ и прогнозирование финансовых результатов ОАО "Агрохоз"
2.1. Предварительный анализ данных: визуализация……………………………………14
2.2. Факторный анализ финансовых результатов на основе аппарата корреляции……18
2.3. Прогнозирование финансовых результатов на основе аппарата регрессии……….21
ЗАКЛЮЧЕНИЕ………………………………………………………………………………..24
СПИСОК ЛИТЕРАТУРЫ……………………………………………………………………26
Анализ и прогноз финансовых результатов в данной работе будет проведен на основе корреляционного и регрессионного аппарата.
ГЛАВА 2. Факторный анализ и прогнозирование финансовых результатов ОАО "Агрохоз"
2.1. Предварительный анализ данных: визуализация
Для анализа финансовых результатов ОАО «Агрохоз» были отобраны следующие данные (таблица 1).
Факторы:
- Посевная площадь (га.) X1
- Цена дизельного топлива (руб./т.) X2
- импорт прод. и с/х товаров в крае (млн.долл.США) X3
- среднегодовая численность ОАО «Агрохоз» (чел.) X4
Таблица 1 – Исходные данные
Год |
прибыль ОАО "Агрохоз", тыс. руб. (Y) |
посевная площадь ОАО «Агрохоз» |
цена дизельного топлива, руб./т. (Х2) |
импорт прод. и с/х товаров в крае, млн.долл.США (Х3) |
среднегодовая численность ОАО «Агрохоз», чел. (Х4) |
2000 |
490 |
215 |
5209 |
13,7 |
47 |
2001 |
520 |
214 |
4777 |
10,2 |
49 |
2002 |
500 |
221 |
4887 |
12,8 |
47 |
2003 |
450 |
198 |
6312 |
12,7 |
45 |
2004 |
350 |
196 |
10110 |
15,1 |
45 |
2005 |
260 |
216 |
12000 |
17,1 |
47 |
2006 |
290 |
201 |
11218 |
23,5 |
47 |
2007 |
150 |
195 |
17000 |
26,2 |
49 |
Представлю распределение
Рисунок 3 – Гистограмма распределения Y
Рисунок 4 – Гистограмма распределения Х1
Рисунок 5 – Гистограмма распределения Х2
Рисунок 6 – Гистограмма распределения Х3
Рисунок 7 – Гистограмма распределения Х4
Анализируя гистограммы величин, на основе статистики Колмогорова-Смирнова можно сделать выводы, что все показатели являются нормально распределенными.
О нормальности распределения можно судить по графику на нормальной вероятностой бумаге. Чем ближе распределение к нормальному виду, тем лучше значения ложатся на прямую линию.
Рисунок 8 - График на нормальной вероятностной бумаге для выборки Y
Рисунок 9 - График на нормальной вероятностной бумаге для выборки Х1
Рисунок 10 - График на нормальной вероятностной бумаге для выборки Х2
Рисунок 11 - График на нормальной вероятностной бумаге для выборки Х3
Рисунок 12 - График на нормальной вероятностной бумаге для выборки Х4
Анализируя графики на нормальной вероятностной бумаге, можно отметить, что выборки подлежит нормальному распределению.
2.2. Факторный анализ
финансовых результатов на
Корреляционный анализ позволяет установить тесноту линейной связи между переменными.
Установлю тесноту взаимосвязей между прибылью организации и выбранными факторами. Корреляционная матрица приведена в таблице 2.
Таблица 2 – Матрица парных коэффициентов корреляции
Y |
Х1 |
Х2 |
Х3 |
Х4 | |
Y |
1,000000 |
0,551013 |
-0,993686 |
-0,904143 |
-0,182260 |
Х1 |
0,551013 |
1,000000 |
-0,580710 |
-0,536726 |
0,269931 |
X2 |
-0,993686 |
-0,580710 |
1,000000 |
0,901463 |
0,230043 |
X3 |
-0,904143 |
-0,536726 |
0,901463 |
1,000000 |
0,289244 |
X4 |
-0,182260 |
0,269931 |
0,230043 |
0,289244 |
1,000000 |
X10 |
1,000000 |
0,551013 |
-0,993686 |
-0,904143 |
-0,182260 |
Y – прибыль ОАО “Агрохоз”, тыс.руб.
X1 – посевная площадь ОАО “Агрохоз”, га.
X2 – цена дизельного топлива, руб./т.
X3 – импорт прод. и с/х товаров в крае, млн.долл.США
X4 – среднегодовая численность ОАО “Агрохоз”, чел.
Из таблицы видно, что значимая связь прибыли ОАО «Агрохоз» имеется с ценой на топливо (соляру) – связь обратная (коэффициент корреляции равен -0,99), а также с объемом импорта ввезенным на территорию Красноярского края – связь обратная (коэффициент корреляции равен -0,90).
Найду параметры регрессионного уравнения линейной связи прибыли ОАО «Агрохоз» (переменная Y) от средних цен на топливо (Х2), и объема импорта сельскохозяйственных товаров на территорию Красноярского края (Х3).
Вид уравнения: Y = a1 + a2Х2 + a3Х3.
Результаты анализа представлены в таблице 3; основные результаты – таблица 4.
Таблица 3 – окно просмотров результатов регрессионного анализа
Multiple Regression Results
Dependent: Var1 Multiple R = ,99387382 F = 202,1691
R?= ,98778516 df = 2,5
No. of cases: 8 adjusted R?= ,98289923 p = ,000016
Standard error of estimate:17,627108605
Intercept: 654,98345224 Std.Error: 22,43088 t( 5) = 29,200 p = ,0000
X2 beta=-,95
X3 beta=-,04
(significant betas are
highlighted)
Таблица 4 – Основные результаты регрессионного анализа
N=8 |
Regression Summary for Dependent Variable: Var1 (Spreadsheet1) R= ,99387382 R?= ,98778516 Adjusted R?= ,98289923 F(2,5)=202,17 p<,00002 Std.Error of estimate: 17,627 | |||||
Beta |
Std.Err. of Beta |
B |
Std.Err. of B |
t(6) |
p-level | |
Intercept |
654,9835 |
22,43088 |
29,20008 |
0,000001 | ||
Х2 |
-0,953404 |
0,003 |
-0,0292 |
0,00350 |
-8,34953 |
0,000403 |
Х3 |
-0,044685 |
2,739 |
-1,0720 |
2,73925 |
-0,39133 |
0,711674 |
Таким образом, в результате проведенного регрессионного анализа получено следующее уравнение взаимосвязи между прибылью ОАО «Агрохоз» (Y) и выявленными ранее факторами:
Y = 655 – 0,03Х2 – 1,07Х3.
Из уравнения видим, что при изменении X2 на 1 руб./т. прибыль изменится на -0,03 тыс.руб. А при изменении X3 на 1 млн.долл.США прибыль изменится на -1,07 тыс.руб.
Все коэффициенты уравнения значимы на 5% уровне (p-level < 0,05).
Построенное уравнение объясняет 98,28% (Adjusted R2 = 0,9828) вариации зависимой переменной.
Проведу процедуру анализа остатков
регрессионного уравнения. Остатки - это
разности между опытными и предсказанными
значениями зависимой переменной в
построенной регрессионной
Вполне достаточно бывает одного графического анализа остатков. О нормальности остатков можно судить по графику остатков на нормальной вероятностной бумаге. Чем ближе распределение к нормальному виду, тем лучше значения остатков ложатся на прямую линию (рисунок 13).
Рисунок 13 – График остатков на нормальной вероятностной бумаге
Анализ графического изображения опытных и полученных по регрессионному уравнению значений зависимой переменной (рисунок 14).
Рисунок 6 – Гистограмма остатков полученной регрессии
Из рис. 13,14 хорошо видно, что линейный вид модели хорошо описывает взаимосвязь прибыли ОАО «Агрохоз» от выбранных факторов.
Нужно также проверить модель на отсутствия автокорреляции в остатках по критерию Дарбина-Уотсона (таблица 5).
Таблица 5 – Проверка остатков на выполнение условия Дарбина-Уотсона
Durbin- Watson d |
Serial Corr. | |
Estimate |
1,873140 |
-0,083947 |
Таким образом, расчетное значение коэффициента Дарбина-Уотсона равно 1,873140. Расчетное значение может находиться в интервале от 0 до 4, так как 1,873140 относительно не близко к правой границе, можно сделать предположение об отсутствии автокорреляции в остатках.
На основании полученных коэффициентов
регрессии и стандартных
2.3. Прогнозирование финансовых результатов на основе аппарата регрессии
Для прогнозирования прибыли ОАО «Агрохоз», необходимо построить тренд прибыли от фактора времени.
Тренд имеет вид: Y = a1 + a2t.
Используя пакет программы Статистика, построю модель:
Таблица 6 – Предварительные данные построенного тренда
Multiple Regression Results
Dependent: Var1 Multiple R = ,94104935 F = 46,43558
No. of cases: 8 adjusted R?= ,86650287 p = ,000490
Standard error of estimate:49,250332365
Intercept: 104128,92857 Std.Error: 15225,59 t( 6) = 6,8391 p = ,0005
T beta=-,94
(significant betas are
highlighted)
Таблица 8 – Основные результаты построения тренда
N=8 |
Regression Summary for Dependent Variable: Var1 (Spreadsheet1) R= ,94104935 R?= ,88557389 Adjusted R?= ,86650287 F(1,6)=46,436 p<,00049 Std.Error of estimate: 49,250 | |||||
Beta |
Std.Err. of Beta |
B |
Std.Err. of B |
t(8) |
p-level | |
Intercept |
104128,9 |
15225,59 |
6,83907 |
0,000480 | ||
t |
-0,941049 |
0,138098 |
-51,8 |
7,60 |
-6,81437 |
0,000490 |
Таким образом, в результате проведенного регрессионного анализа тренд имеет вид:
Y = 104129 - 52t.
Все коэффициенты уравнения значимы на 5% уровне (p-level < 0,05).
Построенное уравнение объясняет 88,56% (R2 = 0,8856) вариации зависимой переменной.
Проведу процедуру всестороннего анализа остатков регрессионного уравнения. О нормальности остатков можно судить по графику остатков на нормальной вероятностной бумаге (рисунок 15).