Аналіз формування та використання прибутку підприємств нафтопереробної промисловості (стр. 8 из 11)
Якщо спиратися на значення R2 то прибуток апроксимується з параболою другого і вище порядків, або з експоненціальною функцією практично однаково.
Безумовний інтерес викликає дослідження крім прибутку, тенденції інших показників фінансового стану підприємств які відносяться до операційної діяльності.
На деяких підприємствах цей процес може бути описано параболою другого порядку (Херсон, Лукойл), для інших (Прикарпаття, Галичина) він краще апроксимується логарифмічними або експоненційними функціями і чіткіше показує тенденцію до збільшення прогнозного показника .
Таблиця 2.16 Основні функції прогнозування значень показників діяльності об’єктів досліджень.
Відносно інших показників, то виробничі доходи більш надійно апроксимувалися степеневою та експоненціальною функціями.
Характерним в цьому процесі є те, що степенева та експоненціальна моделі більш привабливі для динамічних рядів фінансових потоків витратних статей звіту відносно фінансових результатів.
Серед основних фінансових показників економічної ефективності діяльності НПЗ: для ХНПЗ характерними є поліноми, для НПК "Галичина" – функцію прибутку краще за все описує парабола, для НПЗ "Нафтохімік Прикарпаття" кращими прогнозними моделями стали логарифмічні та експоненціальні, для НПЗ "Лукойл – Одеський нафтопереробний завод" – поліноми другого та третього порядків.
Може викликати стурбованість і, як слідство, необхідність в більш розширеному і глибокому економічному аналізі більшості досліджуваних нами об’єктів, результатів їх діяльності, це наявність тенденцій зниження фінансових показників і зокрема прибутку, що характерно для більшості з досліджуваних об’єктів. Така тенденція обумовлена і пов’язана з загальною економічно-соціальною ситуацією в Державі. Наявність невизначеностей, їх поширеність і неможливість формального опису ускладнюють прогнозування на підставі трендових оцінок.
Переслідуючи мету найбільш коректного аналізу впливу факторів на фінансові показники виробничої діяльності, ми встановили міжпараметричні зв’язки показників фінансових потоків на підприємствах і побудували багатопараметричні моделі прогнозу, де відображено окрім прямої участі досліджуваних факторів і ефект їхнього взаємовпливу.
Багатопараметрична регресія є найбільш поширеним методом у економічних системах у разі їх аналізу і управління. Основна мета множинної регресії – створити модель з необхідною кількістю факторів, визначивши вплив кожного з них окремо і у сукупної дії на показник, що моделюють.
Будь які економічні дослідження слід починати зі специфікації обраної моделі, т.б. формування її виду, виходячи з відповідної теорії між змінними.
На основі вимоги конфліентного аналізу необхідно знати всю сукупність зв’язків між змінними. Змінна буде вважатися корисною, якщо її включення підвищує дисперсію. Якщо введення нової змінної не змінює коефіцієнт при інших змінних, вона вважається зайвою, а якщо додавання змінної дуже змінило
, без помітної зміни коефіцієнта кореляції, - то вона вважається шкідливою.Безсумнівну зацікавленість, у нашому випадку, викликає оцінка зв’язку одного з показників з іншими, що входять до складу параметрів які характеризують досліджувані нами процеси. Досягається це з допомогою множинного або сукупного коефіцієнта кореляції:
, деQm – визначник кореляційної матриці
λij – алгебраїчне доповнення до елементів Rij
У випадку, коли ми маємо m математичних сподівань та m дисперсій,
m(m–1)/2 парних коефіцієнтів кореляції, будемо мати багатомірний кореляційний аналіз, де часний коефіцієнт кореляції L-го порядку на випадок m ознак можна буде знайти з кореляційної матриці.
Багатовимірний кореляційний аналіз дозволяє отримати оцінку функції регресії. Цей аналіз буде мати місце, якщо вимірювання результативної ознаки визначається дією сукупності інших ознак.
У випадку заміни параметрів їх оцінками будемо мати рівняння :
, де вільний член та коефіцієнти b1…bm знаходять методом найменших квадратів (МНК). Вихідною є вибірка з багатовимірної сукупності показників фінансових потоків у вигляді матриці Х і вектора У.А. Багатопараметричні моделі зв’язку основних показників фінансової діяльності НПЗ
Змінні моделей по НПЗ Херсон:
Х1 - валовий дохід від виробничої діяльності
Х2 – виручка від реалізації
Х3 – собівартість продукції
Х4 – валовий прибуток
Х5 – інші операційні доходи
Х6 – нарахування
Х7 – чистий прибуток
Виробничі функції зв’язку параметрів
Y=2755,6 – 0,113X1+0,136X2+0,005X3 – 0,83X4+0,13X5+0,78X6
Y=29297,6 – 0,04X1-0,0009X2-0,017X3+0,013X5+0,09X6+1,29X7
Y=56721,9 – 2,65X4+0,26X2+0,77X3+0,28X5+1,67X6+0,34X7
Y=159707 – 0,11X4+0,37X1- 0,29X3- 0,90X5-5,17X6+15,26X7
Змінні моделей по НПК "Галичина"
Х1 - виручка від реалізації
Х2 – суми відрахувань
Х3 – чистий прибуток
Х4 – собівартість продукції
Х5 – валовий прибуток
Х6 – інші операційні доходи
Виробничі функції зв’язку показників діяльності.
Y=30810,2+3,61X2-0,19X3+0,44X4-0,06X5-0,0002X6
Y=243075,1-0,32X1+0,80X2-1,05X4+3,30X5+1,42X6
Y=-50969,1+0,197X3+0,09X1+0,29X2+0,12X4+0,33X6
Б. Багатопараметричні моделі фінансової діяльності підприємств
Змінні моделей по Херсонському нафтопереробному заводу
Х1 - прибуток ( валовий прибуток, валовий дохід від виробничої діяльності )
Х2 – інші фінансові доходи
Х3 – фактичні витрати
Х4 – фінансові операції від звичайної діяльності
Х5 – нарахування на прибуток інші операційні доходи
Х6 – чистий прибуток
Х7 – адміністративні витрати
Виробничі функції зв’язку факторів взаємовпливу для Херсонського нафтопереробного заводу
Y= - 17300 –5,55X1+27,89X2+46,32X3-129,94X4+182,08X5+105,5X6
Y= 8279,46+0,156X7+4,60X2+3,0X3+0,16X4+5,60X5+1,10X6
Y=-1807,6-0,54X1+0,06X7+5,00X2-0,14X3+2,01X4-2,90X5
Y=- 6899,6-0,42X6-0,13X1-0,02X7+2,98X3+0,60X4+1,41X5
Змінні моделей по НПК-Галичина
Х1 - прибуток ( валовий прибуток, валовий дохід від виробничої діяльності )
Х2 – інші фінансові доходи
Х3 – фактичні витрати
Х4 – фінансові операції від звичайної діяльності
Х5 – нарахування на прибуток інші операційні доходи
Х6 – чистий прибуток
Х7 – адміністративні витрати
НПК "Галичина"
Y= -206648+4,44X1+21,3X2+19,8X3+1,17X4-32,5X5+4,6X6
Y= 73356,0-0,026X7-0,87X2-0,36X3-0,2X4+7,94X5-2,0X6
Y= 43256,5-1,66X1+0,04X7-5,92X2-0,28X3+0,67X4+5,3X5
Y= 11794,9-0,33X6-0,31X1+0,05X7-1,29X2+0,03X4+1,70X5
Змінні моделей по НПЗ "Нафтохімік Прикарпаття"
Х1 - виручка від реалізації валовий дохід від виробничої діяльності
Х2 – чистий доход
Х3 – чистий прибуток собівартість продукції
Х4 – заборгованість по кредитам валовий прибуток
Х5 – заборгованість дебіторська нші операційні доходи
Х6 – результат від операційної діяльності
Х7 – результат від іншої операційної діяльності
Х8 – результат звичайної діяльності
Виробничі функції взаємовпливу показників фінансової діяльності для НПЗ "Нафтохімік Прикарпаття"
Y= 478206 – 0,04X2+ 31,0X3 –0,06X4-2,27X5+11,74X6+37,0X7-36,5X8
Y= 399556,3-2,03X1+61,6X3+14,2X4-10,0X5+13,7X6+57,8X7-35,7X8
Y = -3437667,0+5,44X2+5,37X1+7,5X4+9,13X5-122,9X6-211,55X7+167,X8
Змінні моделей по НПЗ "Лукойл – Одеський нафтопереробний завод"
Х1 - виручка від реалізації валовий дохід від виробничої діяльності
Х2 – чистий доход
Х3 – чистий прибуток собівартість продукції
Х4 – заборгованість по кредитам валовий прибуток
Х5 – заборгованість дебіторська нші операційні доходи
Х6 – результат від операційної діяльності
Х7 – результат від іншої операційної діяльності
Х8 – результат звичайної діяльності
Моделі по НПЗ "Лукойл"
Y=-113986-4,5X2-56,9X3+59,3X4-1,84X5+55,7X6+138,9X7-14,0X8
Y =-32773,8-0,74X1+8,5X3+29,07X4+0,85X5-9,9X6-26,37X7+1,98X8
Y=-24166,2+0,11X2+0,14X1-3,35X4+0,24X5+0,11X6-4,75X7+1,12X8
В нашому випадку доречним буде зауважити, що наведені моделі хоча і дозволяють враховувати всю множину факторів, які брали участь в аналізі, однак в цьому немає сенсу. Зовнішні характеристики наведених нами множинних моделей вказують на досить істотний рівень мультікореліантності, тобто в моделях є не коректні зв’язки. Тому відбір факторів доцільно проводити на підставі якісного теоретико-економічного аналізу. За звичай процес реалізується у дві стадії.
- фактори підбираються виходячи з суті проблеми;
- вибір відбувається на підставі матриці показників кореляції.
Коефіцієнт інтеркореляції дозволяє виключити з моделі дублюючи фактори. Вважається, що змінні суто колінеарні, якщо
. Оскільки, однією з умов побудови рівнянь множинної регресії є незалежність дій факторів (Rxi,xj=0) колінеарність факторів порушує ці умови. Тобто, якщо фактори колінеарні, то один з них можна виключити з аналізу. За звичай переваги віддаються фактору, який при наяві тісного зв’язку з результатом має найменші зв’язки з іншими.