Глава 3. Анализ политики предприятия по снижению издержек
3.1 Анализ издержек
Исходные данные после проверки на аномальность представлены в таблице 4.
Таблица 4.
Исходные данные для построения модели
|
Y1 |
X1 |
X2 |
X3 |
X4 |
1 |
2345 |
91,4 |
348 |
253,3 |
698,8 |
2 |
3059 |
105,3 |
354,9 |
318 |
1139 |
3 |
2277,6 |
88,4 |
335,3 |
246,6 |
684 |
4 |
2887,8 |
93,1 |
354,1 |
254,6 |
1103,5 |
Где:
Y- общие издержки, тыс. руб.;
X1- сумма с процента за пользование кредитом, тыс. руб.;
X2 - расходы на топливо, газ, электричество, тыс. руб.;
X3 - амортизация основных средств, тыс. руб.;
X4 – расходы на оплату труда, тыс. руб.;
Для определения тесноты взаимосвязи между факторами проведем корелляционный анализ данных.
Чем ближе значение к единице, тем теснее связь. Значение со знаком «+» говорит о прямой связи между результативным и факторным признаком, а знак «-» - об обратной (табл. 4.1).
Таблица 4.1.
Корреляционный анализ данных
|
Y |
X1 |
X2 |
X3 |
X4 |
Общие издержки, Y |
1 |
|
|
|
|
Процент за пользование кредитом, X1 |
0,841525778
|
1 |
|
|
|
Расходы на топливо, газ, электричество, X2 |
0,850672968
|
0,710934319
|
1 |
|
|
Амортизация основных средств,X3 |
0,557106599
|
0,218748133
|
0,115750814
|
1 |
|
Расходы на оплату труда,X4 |
0,612452467
|
0,283340422
|
0,176110231
|
0,997578359
|
1 |
Из таблицы 4.1 видно, что у зависимой переменной, т.е. у объема общих издержек прямая тесная связь с амортизацией основных средств (Ry.x3 =0,557106599) и расходами на оплату труда (Ry.x4 = 0,997578359). Соответственно эти показатели и будут учтены при построении регрессионной модели (табл.4.2.)
Таблица 4.2.
Регрессионная модель анализа данных
Регрессионная статистика |
|
Множественный R |
0,987338925
|
R-квадрат |
0,974838152
|
Нормированный R-квадрат |
0,924514456
|
Стандартная ошибка |
107,0338854
|
Наблюдения |
4 |
Y-пересечение |
19015,65052
|
X1- Амортизация основных средств |
-119,1405724
|
X2- Расходы на оплату труда |
19,29577948
|
Так как коэффициент детерминации R2 = 0,9748, то можно говорить о том, что 97,4% вариации зависимой переменной Y учтено в модели и обусловлено влиянием включенных в модель факторов.
Далее построим линейно-аддитивную модель множественной регрессии:
У = 19015,65052-119,1405724*х1-19,29577948*х2
Перед тем как спрогнозировать результативный фактор Y, необходимо сделать прогноз факторных показателей. Для этого нужно построить график.(Рис.3 и Рис.3.1).
Рисунок 3. График прогноза факторного признака Х1
Рисунок 3.1. График прогноза факторного признака Х2
Прогноз осуществляется на 2 периода вперед, то есть полученный результат будет отражать данные 2008 года.
Для этого воспользуемся трендовой моделью и уравнениями линейной и полиноминальной функций (табл. 4.3).
Таблица 4.3.