Размещено на http://www.allbest.ru/

Оглавление

• Введение
• Глава 1. Теоретические основы анализа внеоборотных активов
• 1.1 Экономическая сущность и классификация внеоборотных активов предприятия
• 1.2 Методологические основы политики управления внеоборотными активами
• 1.3 Краткое описание методики расчёта показателей для статистического анализа предприятий машиностроения
• Глава 2. Анализ эффективности использования внеоборотных активов
• 2.1 Оценка факторов, влияющих на эффективность использования основных средств
• 2.2 Влияние эффективности использования внеоборотных активов на результаты экономической деятельности предприятия
• Заключение
• Список литературы
• Приложения

Введение

Анализ финансовой отчетности - это процесс, при помощи которого мы оцениваем прошлое, текущее финансовое положение и результаты деятельности организации. В свою очередь анализ является инструментом для выявления проблем управления финансово-хозяйственной деятельностью, для выбора направлений инвестирования капитала и прогнозирования отдельных показателей. Если бухгалтерский баланс состоит из активов и пассивов, то в данном исследовании будут проанализированы внеоборотные активы, которые можно поделить на три большие группы: основные средства, нематериальные активы и финансовые вложения. Для того, чтобы компания процветала даже в нестабильной экономической ситуации в стране, нужно эффективно использовать внеоборотные активы, что должно отразиться на прибыльности, доходности, в первую очередь.

Для анализа была выбрана одна из самых крупных отраслей промышленности в России: машиностроительная отрасль. Так как в условиях кризиса произошло падение спроса на продукцию и соответственно, спад производства, то нужно искать пути решения по улучшению ситуации в данной отрасли. По мнению автора, выявление и взаимосвязь факторов, влияющих на эффективное использование внеоборотных активов российских компаний машиностроительной отрасли, поможет, с одной стороны, менеджерам внести коррективы в политику управления компанией, с другой стороны поможет инвесторам сделать правильный выбор во вкладах в ту или иную компанию.

Проблемным полем данного исследования является повышение эффективности внеоборотных активов предприятия: основных средств и производственных мощностей. От решения данной проблемы зависят такие факторы, как финансовое состояние предприятия, конкурентоспособность и, непосредственно, его место на рынке.

внеоборотный актив экономическая эффективность

Актуальность. В настоящее время экономическая ситуация в стране нестабильна. Снижение цен на нефть, падение рубля, санкции со стороны Запада, инфляция - всё это отрицательным образом сказывается на состоянии экономики страны. Соответственно, актуальность выбранной темы обусловлена практической значимостью, а именно, выводы по данной работе будут полезны различным группам пользователей, заинтересованных в повышении финансовых показателей фирмы. В первую очередь, система формирования и реализация политики управления внеоборотными активами предприятия будет являться основой финансового менеджмента, в функции которого будет входить контроль за показателями платёжеспособности и финансовой устойчивости предприятия. Также информация о доходности предприятия является одним из определяющих факторов принятия решения о вложении денежных средств инвесторами в компанию. К тому же нередко предприятия, в основном, крупного и среднего бизнеса обращаются по различным причинам к консалтинго-аудиторским фирмам. Следовательно, профессионалам данной области выводы по данному исследованию будут полезны для консультирования клиентов по вопросам развития бизнеса и эффективного управления.

Объект исследования: предприятия машиностроительной отрасли в России

Предмет исследования: внеоборотные активы предприятий машиностроения

Целью данного исследования является выявление факторов, влияющих на эффективность использования внеоборотных активов предприятий машиностроительной отрасли в России.

В соответствии с поставленной целью были выявлены следующие задачи:

1. Рассмотреть теоретические основы внеоборотных активов и их элементов

2. Проследить методику анализа эффективности использования внеоборотных активов

3. Проанализировать влияние выбранных факторов на эффективность использования внеоборотных активов

Информационной базой исследования являются основные положения и выводы, сформулированные в научных трудах отечественных и зарубежных исследователей в области бухгалтерского финансового и управленческого учета, экономического анализа. К тому же фундаментом следуют нормативно-правовые акты Российской Федерации, указы Президента Российской Федерации, постановления Правительства Российской Федерации по вопросам методологии учета, отчетности и анализа.

Основными источниками данных становится текущая бухгалтерская отчётность (данные из Росстат): бухгалтерский баланс (форма 1, приложение А и Б). Особенно, его первый раздел, где располагаются внеоборотные активы и их элементы, а также разделы пассива баланса, как источники формирования внеоборотных активов. Ещё потребуется отчёт о прибылях и убытках (форма №2), который характеризует результаты финансовые результаты деятельности организации. Актуальная бухгалтерская отчётность предприятий хранится в международной информационной группе (Интерфакс), где она систематически обновляется, а также консолидированная отчётность и годовые отчёты компаний и ведущий источник статистических данных России - Росстат.

В добавление к вышеперечисленному - статистические данные и материалы, полученные автором в результате непосредственного изучения состояния внеоборотных активов в компаниях машиностроительной отрасли в России.

Методы и показатели. При обобщении теоретических положений и разработке рекомендаций применялись экономико-статистические методы исследования. В первую очередь наблюдение и группировка. Выборка будет сформирована из девяноста крупных российских компаний машиностроительной отрасли, по которым собрана информация за 2013-2014гг. В основу статистического анализа исследования положен корреляционный анализ - один из методов статистического анализа взаимозависимости нескольких признаков - компонент случайного вектора x. Главной задачей корреляционного анализа является оценка степени зависимости между случайными величинами. Степень линейной зависимости между количественными переменными характеризуется с помощью парных, частных и множественных коэффициентов корреляции и детерминации. Мхитарян В.С., Архипова М.Ю., Сиротин В.П. ЭКОНОМЕТРИКА: Учебно-методический комплекс. - М.: Изд. центр ЕАОИ. 2008.

Регрессионный анализ - один из важнейших разделов математической статистики, в котором поднимаются вопросы зависимости как от ряда случайной величины, так и от ряда неслучайных Ю.Р. Чашкин, Математическая статистика, основа регрессионного анализа, учебное пособие для студентов технических специальностей, стр 3, электронная версия [http: //edu. dvgups.ru/METDOC/ENF/PRMATEM/TEOR_VER/METOD/REG_AN/CHASHKIN1. HTM] .

Далее будет проведёт кластерный анализ, как по обобщённым показателям внеоборотных активов, так и по показателям основных средств. А также будет рассмотрена модель бинарного выбора. Для обработки эконометрических данных использовался статистический пакет SPSS.

По характеру показатели делятся на абсолютные и относительные величины. К абсолютным будут относится: выручка от реализации продукции, (тыс. руб), среднегодовая стоимость внеоборотных активов (тыс. руб.), среднегодовая стоимость основных средств (тыс. руб.), прибыль от реализации продукции (тыс. руб.). В свою очередь, к относительным относится: коэффициент оборачиваемости внеоборотных активов, в оборотах; продолжительность оборота внеоборотных активов; коэффициент инвестиционной активности; рентабельность внеоборотных активов, %; рентабельность основных средств, %; фондоотдача, (тыс. руб.); фондорентабельность (%), фондоёмкость, (тыс. руб).

Описание структуры работы. ВКР будет состоять из введения, двух глав, заключения, списка литературы и приложений. Первая глава будет охватывать теоретическую часть материала. Вторая глава будет состоять статистического анализа выбранных показателей

Обзор литературы. В своём исследовании автор пользовался, прежде всего, отечественными научными пособиями, таких авторов как Мхитарян В.С., Архипова М.Ю., Сиротин В.П., Чашкин Ю.Р., Ершова С.А., Коптева Е. П.,. В данных пособиях систематизированы теоретические основы бухгалтерского баланса, приведена методология множества исследований и сделаны разные виды статистических анализов. Таким образом, данные источники были наиболее информативны и полезны для данной ВКР.

Также следует упомянуть о работах зарубежных авторов, исследования которых наиболее приближены к собственному исследованию, где широко используются статистические анализы для выявления тех или иных факторов.

Глава 1. Теоретические основы анализа внеоборотных активов

В данной главе рассмотрены теоретические аспекты внеоборотных активов, а также произведён обзор использованной литературы, в который входят труды, как отечественных, так и зарубежных научных деятелей, учёных и экономистов, освещающие методологию анализа внеоборотных активов и эффективность их использования. И в завершении освещаются такие вопросы, как выбор отрасли для исследования, краткое описание предприятий, попавших в выборку, а также наглядно, в виде графиков, показана общая картина по внеоборотным активам данных предприятий, в т. ч. основным средствам, непосредственно перед анализом в следующей главе.

1.1 Экономическая сущность и классификация внеоборотных активов предприятия

В условиях перехода к рыночной экономике в статьи первого раздела актива баланса были внесены некоторые изменения, в большей степени из-за введения нового Плана счетов, ПБУ "Учёта основных средств" 6/97, приказа Минфина РФ "Об утверждении методических указаний по бухгалтерскому учёту основных средств" №33 от 20.07.1998г, а также были созданы такие категории, как "нематериальные активы", "финансовые вложения" (Пипко, 1999). Изменения касались, во-первых, интерпретации прибыли, как основного источника для совершения капитальных вложений и развития основной хозяйственной деятельности предприятия. Во-вторых, упрощения и системной переоценки основных средств, а именно введение новых методов начисления износа, самостоятельного установления нормативных сроков полезного использования и амортизации основных средств и нематериальных активов руководителям предприятий (Пипко, 1999). Итак, перейдём к понятию внеоборотных активов.

Внеоборотные активы представляют собой часть имущества организации, которая участвует в замедленном кругообороте, т.е. в течение длительного времени (более 12 месяцев) Пипко В.А., Ушвицкий Л.И., Булавина Л.Н. / Внеоборотные активы: учёт, анализ, аудит: Учеб. Пособие/под ред. Акад. Н.В. Бондаренко. - М.: Финансы и статистика, 1999. Другими словами, в более широком смысле, внеоборотные активы - это имущественные ценности предприятия, которые многократно принимают участие в хозяйственной деятельности, с целью извлечения прибыли.

В соответствии с ПБУ "Бухгалтерская отчётность организации" 4/99 в состав внеоборотных активов входят: нематериальные активы (НМА), основные средства (ОС), доходные вложения в материальные ценности и финансовые вложения. [9] В свою очередь, приказом от 02.07.2010 № 66н была предоставлена форма бухгалтерского баланса, состоящая уже из 9 статей, добавив к вышеупомянутым: Результаты исследований и разработок, Нематериальные поисковые активы, Материальные поисковые активы, отложенные налоговые активы и прочие внеоборотные активы. [13] Всё же составляющими внеоборотных активов организации являются: НМА, ОС, Доходные вложения в материальные ценности, финансовые вложения, отложенные налоговые активы.

Нематериальные активы включают в себя: права на объекты интеллектуальной (промышленной) собственности; патенты, лицензии, торговые знаки, знаки обслуживания, иные аналогичные права и активы; организационные расходы; деловую репутацию организации. Для того, чтобы объект являлся материальным активом, должны соблюдаться следующие условия: объект должен быть способен в будущем приносить выгоду предприятию, также организация должна иметь корректно оформленные документы на актив (патенты, свидетельства, договора и др.), к объекту должен быть ограничен доступ иным лицам, должна осуществляться идентификация от других объектов, обязательно, срок полезного использования объекта должен быть длительным, не менее 12 месяцев, первоначальная стоимость актива подлинно определена, и последнее: у объекта должна отсутствовать материально-вещественная форма [11]. И ещё один важный аспект нематериальных активов - амортизация. Через начисление амортизации в течение срока полезного пользования погашается стоимость актива, однако для объектов с неопределённым сроком полезного пользования амортизация не начисляется. А главное, что срок (представленный в месяцах) - период начисления амортизации определяет предприятие, в течение которого организация будет им пользоваться и получит экономическую выгоду. [11]

В бухгалтерском балансе их разделяют на НМА, Результаты исследований и разработок и Нематериальные поисковые активы (возникают у организаций, которые занимаются освоением природных ресурсов и имеют возможность амортизироваться ещё в процессе ранней стадии создания. Важно упомянуть о том, что стоимость эксплуатируемых НМА в балансе показывают за вычетом амортизации по ним, следовательно, данные по НМА состоят из уменьшенных на суммы амортизации (счет 05) остатков по счетам 04 и 08 (по нематериальным поисковым активам).

Основные средства занимают верховное положение в системе внеоборотных активов и означают часть имущества, используемая в качестве средств труда при производстве продукции, выполнении работ или оказании услуг, либо для управления организацией (Пипко, 1999). Они включают в себя: земельные участки и объекты природопользования; здания, машины, оборудование и другие основные средства; незавершенное строительство [10]. Условия включения основных средств в бухгалтерский учёт схожи с условиями для нематериальных активов. Однако стоит добавить, что объект должен быть предназначен для использования в производстве продукции, при оказании различных услуг и выполнении работ, либо для управленческих нужд организации, либо для предоставления организацией за плату во временное пользование или временное владение. Также объект не предполагается перепродавать. И последнее, инвентарный объект - является единицей бухгалтерского учёта основных средств, и если основные средства состоят из нескольких частей с разным сроком использования, то каждая часть является отдельным инвентарным объектом. [12]

В бухгалтерском балансе состоят из материальных поисковых активов (деятельность предприятия направлена на освоение природных ресурсов и может амортизироваться в процессе создания), ОС, а также включают доходные вложения в материальные ценности. По-прежнему стоимость эксплуатируемых ОС показывается в бухгалтерском балансе за вычетом амортизации по ним

Доходные вложения в материальные ценности состоят из имущества для передачи в лизинг и имущество, предоставляемое по договору проката. [9]

Финансовые вложения включают в себя: ценные бумаги государственные и муниципальные, вклады в УК, выданные займы, депозиты вклады в других организациях и приобретенная по договору уступки дебиторская задолженность [13]

Отложенные налоговые активы представляют собой временные разницы в налоге на прибыль, появляющиеся в ходе разногласий бухгалтерских и налоговых данных, - это явление для внеоборотных активов достаточно редкое. Используют их довольно малый процент организации, и в составе внеоборотных активов они зачастую не играют существенной роли.

Прочие внеоборотные активы отражаются в бухгалтерском балансе в одном из двух случаев: они не могут быть включены ни в одну из строк в рекомендованной форме баланса по определённым причинам или они должны быть объединенными с одной из выделенных в балансе строк. Чаще всего в ней показываются внеоборотные активы, образованные большими остатками по счету 08 (например, НЗС).

1.2 Методологические основы политики управления внеоборотными активами

Политика управления активами компании нацелена на эффективный результат, который проявляется в виде увеличения показателя доходности компании. Систематизированные этапы анализа корпоративных финансов фирмы должны быть направлены на повышение эффективности активов, как оборотных, так и внеоборотных для максимизации рыночной стоимости предприятия. Несмотря на что в современной литературе мало внимания уделяется, именно, методологии анализа внеоборотных активов и их эффективного использования, автор всё же извлёк полезную информацию по данной теме из научных статей и пособий.

В научной статье "Политика управления активами предприятия: теория и методология" Коптева Е.П. показывает своё видение на политику управления внеоборотными активами. В первую очередь, хочется отметить, что политика заключается в системе экономически обоснованных мероприятий, направленных на изменение величины, состава и структуры внеоборотных активов предприятия, а процессы, являющиеся основой данной системы, тесно связанны с приобретением или восстановлением основных средств, нематериальных активов и прибыльных финансовых инвестиций. В свою очередь осуществление эффективной политики не может иметь место, без анализа тенденции стоимости внеоборотных активов и их структуры. Суть методики Коптевой Е.П. состоит в том, чтобы взять балансовую стоимость за целевую функцию эффективности управления и использовать в качестве максимизации конечного финансового показателя деятельности компании. [4]

По мнению следующего автора, Ершовой С.А., описанному в её научном пособии "Анализ и диагностика финансово-хозяйственной деятельности" отдельное внимание нужно уделить оценке имущественного положения. В свою очередь она позволяет вычислить величину средств и получить представление о величине активов:

1) Доля активной части основных средств, которая равна отношению стоимости активной части основных средств и стоимости основных средств

2) Коэффициент износа основных средств

КИ= А/ОС_{н. г}

где А - сумма начисленной амортизации

ОС_{н. г}. - сумма основных средств на начало года

3) Коэффициент обновления основных средств

К_обн. = ОС_введ. / ОС_{к. г.}

Где ОС_введ. - стоимость введённых в течение года основных средств

ОС_{к. г. -} стоимость основных средств на конец года

4) Коэффициент выбытия основных средств

К_выб. = ОС_выб. / ОС_{н. г.,}

где ОС_выб. - стоимость выбывших в течение года основных средств

В продолжении рассмотрим анализ эффективности внеоборотных активов, а именно анализ эффективности основных средств, в научном пособии для студентов образовательных учреждений "Анализ хозяйственной деятельности предприятия" С.М. Пястолова. По мнению автора учебника, к системе взаимосвязанных показателей, в дальнейшем раскрывающих резервы по повышению эффективности использования, относятся такие показатели, как:

1) коэффициент экстенсивности нагрузки (использование данных активов во времени):

К_{э. н.} =Т_ф/Т_м *100%,

Т_{ф -} фактическое время полезного польхования оборудования в теч. года

Т_м - годовой фонд времени работы машин (365д*24ч*м)

2) коэффициент интенсивности нагрузки (использование активов в единицу времени):

К_{и. н.} =q_ф/q_max*100%,

q_ф - фактический выпуск продукции, которая была произведена на данном оборудовании за отчётный период

q_max - Т_м*N - производитльность ед. основных средств

3) коэффициент интегральной нагрузки (использование активов в общем)

К_{и. т.} = К_{э. н*} К_{и. н.}

Так же Пястолов С.М. приводит ещё несколько показателей, таких как коэффициент сменности, коэффициент использования парка оборудования, но фокусирует наше внимание на том, что все вышеуказанные показатели не позволяют в конечном счёте проанализировать использование основных средств на предприятии. По его мнению, обобщающими показателями использования основных средств являются натуральные показатели: выпуск продукции на единицу производственной площади, коэффициент фактического использования производственной мощности, коэффициент проектной мощности (частное от деления фактического выпуска на величину мощности предприятия). Однако, по мнению Пятолова С.М. и данных показателей недостаточно для полноценного анализа эффективности использования основных средств. Тогда он приводит ещё ряд показателей, благодаря которым можно проследить, насколько эффективна политика по управлению внеоборотными активами.

Во-первых, это показатель фондоотдачи (F), который равен отношению стоимости продукции на среднегодовую стоимость основных средств (14, с.49). Важно отметить, что чем лучше используются основные фонды, тем показатель фондоотдачи выше.

Во-вторых, это показатель обратный фондоотдаче - фондоёмкость (ѓ=S_k/Q_t), который в свою очередь рассчитывается как отношение стоимости основных производственных фондов на 1 руб. товарной продукции. Здесь нужно отметить тот факт, что снижение фондоёмкости, свидетельствует о экономии капитала на производстве.

В-третьих, это зависимый от двух показателей выше - показатель фондовооружённости труда (ѓ=S_cr/L), где L - среднегодовая численность промышленно-производственного персонала. (14, с.50).

Обобщающими выводами по данному источнику можно считать тот факт, что, для того чтобы оценить эффективность использования основных средств, нужно величину фондовооружённости сравнивать с фондоотдачей, либо уровнем производительности труда. И для повышения уровня эффективности нужно, чтобы имел место быть опережающий рост производства продукции, по сравнению с ростом основных средств, либо опережающий рост производительности труда, по сравнению с ростом его фондовооружённости. (14, стр.51)

Наряду с отечественными научными публикациями и пособиями, стоят не менее интересные, с эмпирической точки зрения, исследования, опубликованные в журналах. Например, статья "Effects of Assets Structure on the Financial Performance: Evidence From Sultanate of Oman", Mawih K. Al Ani. Исследование заключалось в анализе влияния активов повышение уровня доходности промышленных компаний. По итогу, были сделаны следующие выводы: анализ не показал сильного влияния активов предприятий на коэффициент собственного капитала, однако, именно, внеоборотные активы оказывают большее влияние на данный коэффициент, а не на коэффициент рентабельности активов [16]

Ещё в одной зарубежной статье "Disclosures and impacts of impairment of non-current assets in the financial statements: A study on listed manufacturing companies in Colombo Stock Exchange (CSE) in Sri Lanka", автор исследовал влияние раскрытие информации по обесцениванию внеоборотных активов на финансовой отчётность. Если большинство компаний предоставляют подробную отчётность по финансовым показателям, то было выявлено, что примерно 6% промышленных компаний в стране утаивают детали финансовых.

Таким образом, методика анализа состоит из следующих этапов: анализ тенденции стоимости внеоборотных активов, далее оценка имущественного положения внеоборотных активов, выявление факторов, влияющих на их эффективное использование и раскрытие резервов по повышению эффективности использования данных активов.

1.3 Краткое описание методики расчёта показателей для статистического анализа предприятий машиностроения

Автор сделал выбор в пользу анализа предприятий машиностроительной отрасли в России не случайно. В связи с тем, что экономика России переживает не лучшие времена, то упор сделан на инновационную политику, которая выведет страну из кризиса. Прежде всего нужно развивать, поддерживать многие сферы, однако ключевой является машиностроительная. Ведь создание инноваций тесно переплетается с новейшей техникой, оборудованием, машинами. А также, чтобы "не утекали" денежные средства заграницу, нужно вывести отечественное машиностроение на высокий уровень, посредством оснащения конкурентоспособными машинами и оборудованием.

В анализе используется выборка из 90 лидеров российской промышленности (машиностроительной отрасли), отобранных по показателю выручки от реализации продукции, которые охватывают судостроение, автомобильную промышленность, авиационную промышленность, ракетно-космическую, сельскохозяйственное машиностроение, железнодорожное машиностроение, производство городского электротранспорта, энергетическое машиностроение, нефтегазовое оборудование, химическое машиностроение, приборостроение.

Для исследования, которому посвящена вторая глава, была проанализирована бухгалтерская (финансовая) отчётность за 2014, с целью расчёта необходимых показателей для дальнейшего анализа:

a) Показатели внеоборотных активов

среднегодовая стоимость внеоборотных активов= (ВА_{т. г.} + ВА_{п. г}) /2

коэффициент оборачиваемости внеоборотных активов= выручка от реализации продукции / среднегодовую стоимость внеоборотных активов

продолжительность оборота внеоборотных активов = среднегодовая стоимость внеоборотных активов / выручка от реализации * 360

коэффициент инвестиционной активности = частное от деления суммы стоимости внеоборотных активов, а именно незавершенного строительства, доходных вложений в материальные ценности и долгосрочных финансовых вложений на общую стоимость внеоборотных активов

рентабельность внеоборотных активов= прибыль от реализации товар / среднегодовую стоимость внеоборотных активов *100

b) Показатели основных средств:

среднегодовая стоимость основных средств рассчитываются по такому рентабельность основных средств же принципу (см. выше)

Фондоотдача, Фондорентабельность и Фондоёмкость (п.1.2)

С помощью таких анализов, как корреляционный, регрессионный, кластерный, автор проведёт исследование в разрезе: что влияет на эффективность использования внеоборотных активов, а в свою очередь, как эффективность отразится на выручке предприятия.

Глава 2. Анализ эффективности использования внеоборотных активов

Данная глава посвящена авторскому статистическому исследованию внеоборотных активов, а именно управлению эффективности их использования. В целом, основной упор направлен на анализ основных средств (фондоотдачи), так как они составляют 85 % от внеоборотных активов. Далее рассмотрена зависимость доходности предприятий от эффективности использования внеоборотных активов, так как высокие показатели объёма реализации способствуют успешному функционированию компаний.

2.1 Оценка факторов, влияющих на эффективность использования основных средств

Анализируемые показатели: выручка от реализации продукции, млн. руб, (X₁), среднегодовая стоимость основных средств, млн. руб, (X₂), прибыль от реализации товаров, продукции, услуг, работ, млн. Руб. (X₃),рентабельность основных средствфондоотдача, руб (Y). (см. Приложение 2)

При рассмотрении данных отметим, что компания ОАО "АВТОВАЗ" будет являться наблюдением - выбросом по всем включаемым показателям показателем.

Данное наблюдение целесообразно рассматривать отдельно.

Проведем разведочный анализ оставшихся данных, предварительно прологарифмировав независимые факторы, поскольку данные представлены в денежном виде.

Анализ с помощью ящичковых диаграмм показывает, что аномальные значения присутствуют во втором и третьем показателях: среднегодовая стоимость основных средств, тыс. руб, прибыль от реализации товаров, работ, услуг, тыс. руб (логарифмированные), рентабельность основных средств. Удалим встретившиеся аномальные значения.

Рисунок 1 Ящичковая диаграмма для показателя, характеризующего среднегодовую стоимость основных средств, млн. руб

Здесь мы видим наличие аномальных наблюдений, которые рекомендуется исключить из анализа.

Это ООО ТК "Ишимский машиностроительный завод".

Рисунок 2 Ящичковая диаграмма для показателя, характеризующего прибыль от реализации товаров, продукции, услуг, работ, млн. руб.

Так же отметим, что наблюдается большое количество аномальных значений в результирующем показателе, и для построения статистических моделей в дальнейшем лучше очистить данных от них. Это ОАО "Моло", ЗАО "Тихвинский Вагоностроительный Завод", ОАО "Российская Корпорация Ракетно-Космического Приборостроения И Информационных Систем", ОАО "Объединенная Судостроительная Корпорация", ОАО "Радиоавионика".

После удаления аномальных значений ящичковая диаграмма показателя Y будет выглядеть следующим образом (рис.3).

Рисунок 3 Ящичковая диаграмма для показателя, характеризующего фондоотдачу

Корреляционный анализ - метод обработки статистических данных, с помощью которого измеряется теснота связи между двумя или более переменными. Корреляционный анализ тесно связан с регрессионным анализом (также часто встречается термин "корреляционно-регрессионный анализ", который является более общим статистическим понятием), с его помощью определяют необходимость включения тех или иных факторов в уравнение множественной регрессии, а также оценивают полученное уравнение регрессии на соответствие выявленным связям. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник / Под ред.И. И. Елисеевой. - 4-е издание, переработанное и дополненное. - Москва: Финансы и Статистика, 2002 Для определения степени зависимости переменных используют коэффициент корреляции, являющийся линейным и рассчитываемый по следующей формуле:

, где , а .

Проведем корреляционный анализ показателей:

Таблица 1. Корреляционные коэффициенты между показателями

Корреляции
	capital_productivity	ln_cost	ln_income
capital_productivity	Корреляция Пирсона	1	-,571**	-,232*
	Знч. (2-сторон)		,000	,045
	N	75	75	75
ln_cost	Корреляция Пирсона	-,571**	1	,757**
	Знч. (2-сторон)	,000		,000
	N	75	75	75
ln_income	Корреляция Пирсона	-,232*	,757**	1
	Знч. (2-сторон)	,045	,000
	N	75	75	75
**. Корреляция значима на уровне 0.01 (2-сторон.).
*. Корреляция значима на уровне 0.05 (2-сторон.).

Наблюдается средняя отрицательная корреляция между следующими показателями: логарифмированная среднегодовая стоимостью основных средств, тыс. руб и фондоотдачей, значимая на уровне 0.01.

Также наблюдается слабая, значимая на уровне 0.05, отрицательная корреляция между фондоотдачей и логарифмированным показателями среднегодовой стоимости основных средств, тыс. руб. и прибылью от реализации товаров, работ, услуг, тыс. руб.

Эти показатели и будут служить в дальнейшем основой для регрессионного анализа. Теперь перейдём к проверке на нормальный закон распределения.

Классический критерий Колмогорова-Смирнова предназначен для проверки простых гипотез о принадлежности анализируемой выборки некоторому полностью известному закону распределения.

Так же критерий Колмогорова-Смирнова используется для проверки гипотезы о принадлежности наблюдаемой выборки нормальному закону, параметры которого оцениваются по этой самой выборке методом максимального правдоподобия.

То есть, проверяется сложная гипотеза и в качестве оценок параметров нормального закона используются выборочные оценки среднего и дисперсии.

В этом случае (Lilliefors) использовались модифицированные статистики вида М.Б. Лагутин Наглядная математическая статистика: учебное пособие. - 2-е изд., испр. - М.: БИНОМ. Лаборатория знаний, 2009:

Еще один критерий для проверки - критерий Шапиро-Уилка.

Критерий используется для проверки гипотезы о нормальном распределении. Этот критерий надёжен при 8<=n<=50 (существует модифицированный критерий Шапиро-Уилка, применимый при n до 2000), и является более мощным, чем другие, критерии, т.е. даёт наименьшую вероятность принять нулевую гипотезу, когда на самом деле верна альтернативная, в данном случае - принять гипотезу о нормальном распределении, когда распределение не соответствует нормальному.

Таблица 2. Статистики критериев Колмогорова-Смирнова и Шапиро-Уилка

Критерий нормальности
	Колмогоров-Смирновa	Шапиро-Уилк
	Статистика	ст. св.	Значимость	Статистика	ст. св.	Значимость
capital_productivity	,167	75	,000	,884	75	,000
ln_cost	,065	75	, 200*	,987	75	,631
ln_income	,068	75	, 200*	,982	75	,349
*. Это нижняя граница для истинной значимости.
a. Поправка значимости Лильефорса

Проанализировав результаты анализа, становится ясно, что логарифмированные данные среднегодовой стоимости основных средств, тыс. руб. и прибыли от реализации товаров, работ, услуг, тыс. руб подчиняются нормальному закону распределения, а результирующий показатель фондоотдачи нормальному закону не подчиняются. К тому же подобного рода выводы можно сделать на основании среднего значения, эксцесса и асимметрии.

На предыдущем шаге мы выяснили, что результирующий показатель фондоотдачи имеет распределение, отличное от нормального.

Поэтому при построении регрессионной модели разумней ориентироваться на степенную модель, чем на линейную.

Регрессионный анализ - это статистический метод исследования зависимости случайной величины Y от переменных X_j (j = 1, 2,., k), рассматриваемых в регрессионном анализе как неслучайные величины независимо от истинного закона распределения X_j. Мхитарян В.С., Архипова М.Ю. Эконометрика. / М.: Московский международный институт эконометрики, информатики, финансов и права, 2003

Выбор той или иной модели связан со свойствами изучаемых показателей и их взаимосвязями. В данном случае будет использоваться степенная модель, поскольку мы работаем с логарифмированными денежными показателями и на предыдущем этапе выяснили, что данные подчиняются нормальному закону распределения. В общем виде она представлена следующим образом: , где n - количество исследуемых показателей.

Для оценки вектора коэффициентов наиболее часто используют метод наименьших квадратов (МНК), согласно которому в качестве оценки принимают вектор b, который минимизирует сумму квадратов отклонения наблюдаемых значений y модельных значений, т.е.

.

Значимость уравнения регрессии, т.е. гипотеза H₀: в=0 (в₀=в₁=. =в_k=0), проверяется по F-критерию, наблюдаемое значение которого определяется по формуле:

.

По таблице F-распределения для заданных б, н₁=к+1, н₂=n?к?1 находят F_кр. Гипотеза H₀ отклоняется с вероятностью б, если F_набл>F_кр. Из этого следует, что уравнение является значимым, т.е. хотя бы один из коэффициентов регрессии отличен от нуля.

Для проверки значимости отдельных коэффициентов регрессии, т.е. гипотез H₀: в_j=0, где j=1,2,. k, используют t-критерий и вычисляют t-статистика ()

Гипотеза H₀ отвергается с вероятностью б, если t_набл>t_кр. Из этого следует, что соответствующий коэффициент регрессии в_j значим, т.е. в_j ?0. В противном случае коэффициент регрессии незначим и соответствующая переменная в модель не включается.

Тогда реализуется алгоритм пошагового регрессионного анализа, состоящий в том, что исключается одна из незначимых переменных, которой соответствует минимальное по абсолютной величине значение t_набл. После этого вновь проводят регрессионный анализ с числом факторов, уменьшенным на единицу.

Алгоритм заканчивается получением уравнения регрессии со значимыми коэффициентами.

Построим степенную модель, где зависимый показатель - фондоотдачей и логарифмированным показателями среднегодовой стоимости основных средств, млн. руб. и прибылью от реализации товаров, работ, услуг, тыс. руб.

,

Где x_{1 -} логарифмированным показателями среднегодовой стоимости основных средств, млн. руб. x₂ - логарифмированным показателями прибыли от реализации товаров, работ, услуг, млн. руб.

Все коэффициенты значимы в модели значимые, сама модель также получилась значимой. Статистика для модели F=32,881.

Достоверность по уровню значимости критерия Фишера (Значимость F) значительно меньше 0.05, модель значима Коэффициент детерминации составил 0,477, скорректированный коэффициент детерминации 0,463. Коэффициент детерминации средний, что говорит о том, что возможно не все факторы учтены в модели.

Рассмотрим графики остатков. Графическое решение показывает, что остатки распределены нормально.

Рисунок 4 P-P-график для регрессионной модели.

Рисунок 5 Гистограмма остатков для регрессионной модели.

Графическое решение показывает, что остатки распределены нормально.

Критерий Дарбина-Уотсона (или DW-критерий) - статистический критерий, используемый для тестирования автокорреляции первого порядка элементов исследуемой последовательности. Наиболее часто применяется при анализе временных рядов и остатков регрессионных моделей Эконометрика. Учебник / Под ред. Елисеевой И. И.. - 2-е изд. - М.: Финансы и статистика, 2006. . Этот тест вычисляет коэффициент, лежащий в диапазоне от 0 до 4. Если значение этого коэффициента находится вблизи 2, то это означает, что автокорреляция отсутствует. Тест Дарбина-Ватсона дает удовлетворительное значение коэффициента, равное 1,689. Определим критические точки: dL = 1,57; dU=1,68. Полученное значение попадает в интервал (1.68; 4-1.68=2.32), что подтверждает отсутствие автокорреляции.

Кластерный анализ. В статистических исследованиях группировка первичных данных является основным приемом решения задачи классификации, а поэтому и основой всей дальнейшей работы с собранной информацией.

При наличии нескольких признаков (исходных или обобщенных) задача классификации может быть решена методами кластерного анализа, которые отличаются от других методов многомерной классификации отсутствием обучающих выборок, т.е. априорной информации о распределении генеральной совокупности.

Вначале был проведён иерархический кластерный анализ.

Принцип работы иерархических агломеративных (дивизимных) процедур состоит в последовательном объединении (разделении) групп элементов сначала самых близких (далеких), а затем все более отдаленных (близких) друг от друга

В агломеративном иерархическом алгоритме на первом шаге алгоритма каждое наблюдение xi (i=1,2,. n) рассматривается как отдельный кластер. В дальнейшем на каждом шаге работы алгоритма происходит объединение двух самых близких кластеров, и с учетом принятого расстояния по формуле пересчитывается матрица расстояний, размерность которой, очевидно, снижается на единицу. Работа алгоритма заканчивается, когда все наблюдения объединены в один класс Мхитарян В.С., Архипова М.Ю. Эконометрика. / М.: Московский международный институт эконометрики, информатики, финансов и права, 2003.

В нашем случае взята мера: квадрат расстояния Евклида, а в качестве метода взят метод Варда, приводящий к наименьшим внутрикластерным суммам. Некоторая неоднородность данных обусловили необходимость проведения z-стандартизации данных.

Рассматривая таблицу шагов агломерации, заметим, что скачок происходит на шагах с 73 на 74 (всего 75 наблюдений), исходя из это, а также графика дендрограммы (см. приложение 5) разделим предприятия на два кластера.

Таблица 3. Шаги агломерации кластерного анализа

Шаги агломерации
Этап	Кластер объединен с	Коэффициенты	Этап первого появления кластера	Следующий этап
	Кластер 1	Кластер 2		Кластер 1	Кластер 2
1	22	74	,021	0	0	21
2	65	69	,023	0	0	7
70	4	10	2,274	67	0	73
71	1	9	2,555	69	0	72
72	1	27	3,260	71	65	74
73	4	11	4,323	70	68	74
74	1	4	6,000	72	73	0

Проведём кластерный анализ методом k-средних.

Он разбивает множество элементов векторного пространства на заранее известное число кластеров k. Действие алгоритма таково, что он стремится минимизировать среднеквадратичное отклонение на точках каждого кластера. Основная идея заключается в том, что на каждой итерации перевычисляется центр масс для каждого кластера, полученного на предыдущем шаге, затем векторы разбиваются на кластеры вновь в соответствии с тем, какой из новых центров оказался ближе по выбранной метрике. Алгоритм завершается, когда на какой-то итерации не происходит изменения кластеров.

Проведя анализ, опишем характеристики полученных кластеров. Итоговые средние значения для кластеров получились следующими (разбиение проводилось на 2 кластера):

Таблица 4. Итоговые средние значения для кластеров

Конечные центры кластеров
	Кластер
	1	2
capital_productivity	13,55	4,47
ln_cost	12,21	14,61
ln_income	12,41	13,86

Таблица 5. Численность кластеров

Число наблюдений в каждом кластере
Кластер	1	16,000
	2	59,000
Валидные	76,000
Пропущенные значения	,000

Исходя из конечных значений кластеров можно разделить предприятия на приносящие наибольшую прибыль, выручку, а также имеющие высокую среднегодовая стоимость внеоборотных активов в тыс. руб. и "отстающие”, причем в основном по показателю фондоотдачи

Модель бинарного выбора - это модель с зависимой дискретной переменной, то есть признак у принимает только 2 типа значений: 0 и 1.

Зависимая переменная - коэффициент фондоотдачи предприятия. Показатель был разбит на 2 группы, меньше среднего и больше среднего. Среднее значение 6,409, то есть если показатель меньше этого значения, то у принимает значение 0, если больше, то значение принимается 1. Таким образом, признаковое пространство было разделено на 2 части по объёму выручки.

Бинарная логистическая регрессия в таком случае рассчитывает вероятность наступления отнесения предприятия в зависимости от значений независимых переменных к группе организаций с большими или малыми объемами выручки.

Вероятность наступления события для некоторого случая рассчитывается по формуле

где

X₁ - значения независимых переменных, b₁ - коэффициенты, расчёт которых является задачей бинарной логистической регрессии, а - некоторая константа.

Если для р получится значение меньшее 0,5, то можно предположить, что объект относится к группе 0; в противном случае - к группе 1.

Качество приближения регрессионной модели оценивается при помощи функции подобия. Мерой правдоподобия служит отрицательное удвоенное значение логарифма этой функции. В качестве начального значения применяется значение, которое получается для регрессионной модели, содержащей только константы.

Показатели, названные именами Кокса - Шела и Наделькеркеса, являются мерами определённости. Они также как и при линейной регрессии указывают на ту часть дисперсии, которую можно объяснить с помощью логистической регрессии. Мера определённости по Коксу и Шелу имеет тот недостаток, что значение равное 1 является теоретически не достижимым; этот недостаток устранен благодаря модификации данной меры по методу Наделькеркеса. Часть дисперсии, объяснимой с помощью логистической регрессии, в данном примере составляет 11,5 %. Общая правильность распознавания средняя и составляет 65,1%.

Проверка значимости отличия коэффициентов от нуля, проводится при помощи статистики Вальда. Данный статистический тест, имеющий очень широкий диапазон применения. Наиболее часто используется для проверки гипотез, связанных с оценками параметров вероятностных моделей, получаемых на основе выборочных данных. При этом используется статистика следующего вида:

где - оценка параметра, полученная с помощью метода максимального правдоподобия на основе выборочных данных;

- предполагаемое значение параметра;

- дисперсия оценки.

В случае логистической регрессии результатом применения теста Вальда является оценка значимости коэффициента при независимой переменной модели логистической регрессии. Если данный коэффициент равен 0, то модель вырождается в константу, т.е. является "бесполезной", а если нет, то тест Вальда позволяет определить, достаточно ли это отличие велико, чтобы быть значимым.

В итоге коэффициенты перед следующими показателями: логарифма среднегодовой стоимости основных средств, тыс. руб. и логарифм прибыли от реализации, тыс. руб, - в нашей модели оказались значимыми (на уровне 10%).

2.2 Влияние эффективности использования внеоборотных активов на результаты экономической деятельности предприятия

При первом рассмотрении видно, что компания ОАО "Автоваз" будет наблюдением - выбросом по всем показателем (см. Приложение3). Следовательно, удалим его из исследования. Проведем разведочный анализ оставшихся данных, предварительно прологарифмировав их, поскольку данные представлены в денежном виде.

Анализ с помощью ящичковых диаграмм показывает, что аномальные значения присутствуют в третьем показателе: прибыль от реализации товаров, работ, услуг, млн. руб. Удалим аномальные значения.

Таблица 6. Проверка данных на аномальные значения

выручка от реализации продукции, млн. руб
среднегодовая стоимость внеоборотных активов, млн. руб
прибыль от реализации товаров, работ, услуг, млн. руб

Проверим данные на подчинение нормальному закону распределения с помощью критериев Колмогорова-Смирнова и Шапиро-Уилка. Этот критерий состоит в проверке нулевой гипотезы о том, что распределение подчиняется нормальному закону. Альтернативная гипотеза состоит в том, что распределение не подчиняется нормальному закону. И если наблюдаемое, рассчитанное значение меньше критического, то нулевая гипотеза не отвергается.

Таблица 7. Проверка данных на нормальность

Критерий нормальности
	Колмогоров-Смирновa	Шапиро-Уилк
	Статистика	ст. св.	Значимость	Статистика	ст. св.	Значимость
ln2	,064	80	, 200*	,986	80	,536
ln3	,072	80	, 200*	,986	80	,532
ln4	,063	80	, 200*	,982	80	,336
*. Это нижняя граница для истинной значимости.
a. Поправка значимости Лильефорса

Проверим гипотезу о подчинении нормальному закону распределения. Проанализировав распределение показателей и, сравнив с нормальным законом распределения, становится ясно, что логарифмированные данные подчиняются нормальному закону распределения. К тому же подобного рода выводы можно сделать на основании среднего значения, эксцесса и асимметрии. На основании графического представления данных, можно прийти к выводу, что построение линейной модели возможно.

Корреляционный анализ - метод анализа данных, который позволяет обнаружить зависимость между двумя и более показателями. Для определения степени зависимости переменных используют коэффициент корреляции, являющийся линейным и рассчитываемый по следующей формуле:

, где , а .

Проведем корреляционный анализ показателей:

Отметим, что сильные корреляционные связи присутствуют между всеми тремя показателями. Кроме того, Все коэффициенты корреляции, отмеченные в данной работе, значимы на уровне 5%.

Таблица 8. Корреляционные коэффициенты между показателями

Корреляции
	ln2	ln3	ln4
ln2	Корреляция Пирсона	1	,866**	,834**
	Знч. (2-сторон)		,000	,000
	N	80	80	80
ln3	Корреляция Пирсона	,866**	1	,753**
	Знч. (2-сторон)	,000		,000
	N	80	80	80
ln4	Корреляция Пирсона	,834**	,753**	1
	Знч. (2-сторон)	,000	,000
	N	80	80	80
**. Корреляция значима на уровне 0.01 (2-сторон.).

Исследование причинно-следственной связи между показателями - одна из основных задач общей теории статистики. Основной инструмент для этого - регрессионный анализ, использующий один фактор как зависимую переменную, а остальные факторы - независимые.

Выбор той или иной модели связан со свойствами изучаемых показателей и их взаимосвязями. В данном случае будет использоваться линейная модель, поскольку мы работаем с логарифмированными денежными показателями и на предыдущем этапе выяснили, что данные подчиняются нормальному закону распределения. В общем виде она представлена следующим образом: , где n - количество исследуемых показателей.

Гипотеза о значимости всей модели также будет проверена. Здесь проверяется нулевая гипотеза , используют критерий, основанный на статистике , критическое при этом . И если наблюдаемое значение больше критического, нулевая гипотеза отвергается, модель считается значимой.

Получившееся уравнение (Приложение 7)

,

где X₁ - логарифмированная среднегодовая стоимость внеоборотных активов, млн. руб, X₂ - логарифмированная прибыль от реализации товаров, работ, услуг, млн. руб.

Все коэффициенты значимы на уровне 10%, модель значима на уровне 5%. Статистика для модели F=183,72. Коэффициент детерминации составил 0,827, скорректированный коэффициент детерминации 0,822. Коэффициент детерминации достаточно высок, что говорит о том, что данная модель обладает неплохой объясняющей способностью, анализ стандартной ошибки отклонения говорит о том, что возможно не все факторы учтены в модели.

Рисунок 6 P-P-график для регрессионной модели.

Рисунок 7 Гистограмма остатков для регрессионной модели.

Графическое решение показывает, что остатки распределены нормально.

Критерии для нормального распределения - степень, в которой участок для фактических значений совпадает с линией ожидаемых значений. В данном случае график показывает, что остатки распределены нормально.