Анализ базисных отклонений показателей рентабельности компании «Конти»

Наименование показателя рентабельности	Показатели по годам, %			Абсолютный прирост (или снижение), %			Темпы роста (или снижение), %			Темпы прироста (или снижение), %
	2011	2012	2013	2012/2011	2013/2011	2012/2011		2013/2011	2012/2011		2013/2011
- деятедьности	2	8	16	6	14	400		800	300		700
- активов	2	9	17	7	15	450		850	350		750
- собственного капитала	6	23	45	17	39	383,3		750	283,3		650

Таким образом, прослеживая динамику базисных отклонений компании «Конти» стоит отметить, что уровень прибыльности по всем трем показателям увеличился в 2012 и 2013 годах (по сравнению с 2011 годом), что свидетельствует о положительной тенденцией развития предприятия.

В компании широкий спектр кондитерских изделий «Конти», который включает вафли, шоколад, десерт, бисквит, печенье и карамель. На протяжении 2010 года компания «Конти» увеличило выпуск продукции на 8,4% до 238 тыс. тонн (рис. 2.6) [51].

Рис. 2.6. Производство продукции АО ПО «Конти» с 2001 по 2013 год, тыс. тонн

Таким образом, максимальное производство продукции в компании «Конти» отмечалось в 2010 году, этот пик можно связать с приобретением Новой Курской Фабрики. После чего наблюдается спад производства, который может быть связан с нестабильной экономической и политической ситуацией как на Украине, так и в России.

Для целей анализа и планирования хозяйственно-экономической деятельности компании «Конти» проведем корреляционно-регрессионный анализ.

Корреляционно-регрессионный анализ – классический метод стохастического моделирования хозяйственной деятельности. Он изучает взаимосвязи показателей хозяйственной деятельности, когда зависимость между ними не является строго функциональной и искажена влиянием посторонних, случайных факторов. При проведении корреляционно-регрессионного анализа строят различные корреляционные и регрессионные модели хозяйственной деятельности. В этих моделях выделяют факторные и результативные показатели (признаки) [48, с.32].

Корреляционный анализ ставит задачу измерить тесноту связи между варьирующими переменными и оценить факторы, оказывающие наибольшее влияние на результативный признак. Регрессионный анализ предназначен для выбора формы связи и типа модели для определения расчетных значений зависимой переменной (результативного признака). Методы корреляционного и регрессионного анализа используются в комплексе.

Проведем корреляционно-регрессионный анализ взаимосвязи выручки и величины оборотных средств АО ПО «Конти» (табл. 2.4).

Таблица 2.4

Данные о выручке и величине оборотных средств ао по «Конти»

Период	Выручка от реализации продукции, тыс. грн. (Х)	Оборотные средства, тыс. грн. (Y)
2010	3015072	1159623
2011	3515036	1399019
2012	3393051	1693135
2013	3554186	1286383

Построим график зависимости результативного признака Y от фактора X (рис. 2.7).

Рисунок 2.7. График зависимости величины оборотных средств от суммы выручки

При исследовании пяти видов функций, характеризующих зависимость величины Y от величины X: экспоненциальная, линейная, логарифмическая, полиномиальная и степенная, была выбрана полиноминальная. Выбор объясняется тем, что в результате анализа индексов детерминации каждой функции было установлено, что наилучшим образом тенденцию зависимости величины оборотных средств от суммы выручки описывает полиноминальная функция, т. к. в данном случае индекс детерминации R2 наибольший – 0,761, т. е. 76,1% исходных данных подчиняются выбранной тенденции.

Полиномиальную зависимость Y от X характеризует парабола, в данном случае, парабола второго порядка, уравнение которой имеет следующий вид:

(2.10)

В соответствии с требованиями метода наименьших квадратов значения параметров a, b и c находятся путем решения следующей системы уравнений:

(2.11)

где n – количество наблюдений.

Подставив полученные значения в систему уравнений, имеем:

(2.12)

Параметры уравнения регрессии найдены способом определителей:

a=848 786, 26

b=-521 353, 88

c=0, 08

Таким образом, уравнение параболы имеет следующий вид:

(2.13)

Подставим в данное уравнение соответствующие значения X, получим выровненные значения величины оборотных средств в зависимости от суммы выручки (Y_x). Результаты представлены в таблице 2.5.

Таблица 2.5

n	Х тыс. грн.	Y тыс. грн.	Yx тыс. грн.
2010	3 015 072	1 159 623	1 231 774
2011	3 515 036	1 399 019	1 557 475
2012	3 393 051	1 693 135	1 721 758
2013	3 554 186	1 286 383	1 207 929

Выравненные значения результативного признака Y

Для измерения тесноты связи между факторным и результативным показателем при нелинейной зависимости исчисляется корреляционное отношение, формула которого имеет следующий вид:

, (2.14)

где ; (2.15)

(2.16)

Подставив нужные значения в уравнения, имеем:

Корреляционное отношение может принимать значение от 0 до 1. Чем ближе его величина к единице, тем более тесная связь существует между изучаемыми явлениями [50, с. 37].

Получено значение корреляционного отношения, равное 0,872040375 (≈0,87). Это означает, что связь между факторным и результативным признаком сильная и при изменении выручки на 1% величина оборотных средств предприятия изменится на 0,87%.

Достаточно высокий уровень корреляционного отношения позволяет сделать вывод о возможности и целесообразности прогнозирования и планирования величины оборотных средств АО ПО «Конти»» с использованием методов регрессионного анализа.

Для оценки качества связи при нелинейной зависимости, определим индекс детерминации, равный квадрату корреляционного отношения:

(2.17)

Следовательно, на 76,1% изменение величины оборотных средств обусловлено изменением выручки и только на 23,9% связано с влиянием прочих факторов, не исследуемых в данной модели.

Таким образом, величина индекса детерминации, вычисленная с помощью формул, совпала со значением данного показателя, рассчитанного в табличном процессоре Microsoft Excel.

Для оценки качества построенной модели рассчитаем среднюю ошибку аппроксимации (А), которая показывает, на сколько процентов в среднем отличаются фактические значения результативного показателя (Y) от значений, рассчитанных по построенной модели.

Модель регрессии считается хорошо подобранной и достаточно точно описывающей связь между фактором и результативным показателем, если величина средней ошибки аппроксимации не превышает 10%.

Средняя ошибка аппроксимации определяется по формуле:

, (2.18)

где - отклонение выравненных значений Y от фактических, взятое по модулю.

Таким образом, полученное значение средней ошибки аппроксимации не превышает 10%, следовательно, можно говорить о хорошем качестве построенной модели. Это означает, что полученную модель можно использовать для прогнозирования величины оборотных средств АО ПО «Конти».