| Показатели | План | Факт |
| 1 Среднегодовая численность промышленно-производственного персонала | ||
| 2 Число отработанных рабочими человеко-дней | ||
| 3 Число человеко-часов, отработанных промышленно-производственным персоналом - всегов т. ч. сверхурочно |
Результаты расчетов представить в таблице 8 и сделать соответствующие выводы
Таблица 8 - Использование трудовых ресурсов предприятия
| Показатели | План | Факт | Отклонение (+, - -) |
| 1 Среднегодовая численность промышленно-производственного персонала, чел. | |||
| 2 Отработано за год одним рабочим: днейчасов | |||
| 3 Средняя продолжительность рабочего дня (с тремя десятичными знаками), ч. | |||
| 4 Фонд рабочего времени, тыс. часов | |||
| 5 В том числе сверхурочно отработанное время, тыс. часов |
Использование основных производственных фондов необходимо оценить с помощью анализа фондоотдачи. Результаты свести в таблицу 9.
Таблица 9 - Расчет фондоотдачи
| Показатели | Единица измерения | Отчетный год | ||
| План | Факт | +, - - | ||
| Объем выпуска продукции | Тыс. тг. | |||
| Среднегодовая стоимость ОПФ | Тыс. тг. | |||
| Фондоотдача | ||||
Далее находится влияние факторов на фондоотдачу методом цепных подстановок.
Анализ использования материальных ресурсов необходимо произвести с помощью факторного анализа материалоемкости отдельного вида продукции (частной материалоемкости). Частная материалоемкость зависит от норм расхода материалов (УР), стоимости материалов (ЦМ) и отпускных цен на продукцию (ЦП). Исходные данные в таблице 10.
Таблица 10 - Исходные данные для расчета частной материалоемкости
| Видизделия | Нормы расхода материалов, тг. на единицу (УР) | Стоимость материалов, тг.(ЦМ) | Оптовая цена на продукцию, тг.(ЦП) | |||
| План | Факт | План | Факт | План | Факт | |
| Изделие 1 | ||||||
| Изделие 2 | ||||||
| Изделие 3 | ||||||
| Изделие 4 | ||||||
Далее методом цепных подстановок производится факторный анализ частной материалоемкости, результаты свести в таблицу 11.
Таблица 11 - Факторный анализ частной материалоемкости
| Видизделия | Материалоемкость, тг. | Отклонение от плана, тг. | ||||||
| План | Усл.1 | Усл.2 | Факт | Общее | В т. ч. за счет изменения | |||
| Нормы расх-а сырья | Цен на сырье | Оптовых цен на прод. | ||||||
| Изделие 1 | ||||||||
| Изделие 2 | ||||||||
| Изделие 3 | ||||||||
| Изделие 4 | ||||||||
По результатам расчетов сделать выводы.
4.4.4 Анализ прибыли и рентабельности.
Анализ прибыли и рентабельности предприятия необходимо провести с помощью факторного анализа. Исходные данные сводятся в следующую таблицу.
Таблица 12 - Исходные данные для анализа прибыли и рентабельности
| Показатели | Отчетный год | |
| план | факт | |
| 1 Объем реализованной продукции | ||
| 2 Цена единицы продукции | ||
| 3 Себестоимость единицы продукции | ||
Оценить выполнение плана прибыли, а также влияние каждого из факторов на изменение суммы прибыли от реализации продукции методом абсолютных разниц.
Затем следует сделать факторный анализ рентабельности методом цепных подстановок.
Курсовая работа завершается выводом по проведенному анализу, оценкой производственно-хозяйственной деятельности предприятия.
5. Методические указания к выполнению курсовой работы
5.1 Методические указания по выполнению задания 1
5.1.1 Корреляционно-регрессионный анализ. Метод корреляционно-регрессионного анализа широко используется для определения тесноты связи между показателями, не находящимися в функциональной зависимости. Для прямолинейной зависимости исчисляется коэффициент корреляции.
Регрессия - это статистический метод, позволяющий найти уравнение, которое наилучшим образом описывает множество данных. Многомерная регрессия выполняет анализ для нескольких множеств данных; это часто дает более реалистичный прогноз.
5.1.2 Организация компьютерной обработки экономической информации. MicrosoftExcel предлагает широкий диапазон средств для обработки экономической информации.
Excel предоставляет несколько функций с линейной регрессией - линейн, тенденция, предсказ, наклон - и две - логарифприбл и рост - для экспоненциальной регрессии. Эти функции вводятся в виде формулы массива и возвращают массив результатов. Каждую из этих функций можно использовать с одной или несколькими независимыми переменными.
Функция линейн.
Рассчитывает статистику для ряда с применением метода наименьших квадратов, чтобы вычислить прямую линию, которая наилучшим образом аппроксимирует имеющиеся данные. Функция возвращает массив, который описывает полученную прямую. Поскольку возвращается массив значений, функция должна задаваться в виде формулы массива. Для получения дополнительных сведений о формулах массива нажмите кнопку.
Уравнение для прямой линии имеет следующий вид:
y = mx + b или
y = m1x1 + m2x2 +... + b
(в случае нескольких интервалов значений x), где зависимое значение y является функцией независимого значения x. Значения m - это коэффициенты, соответствующие каждой независимой переменной x, а b - это постоянная. Функция линейн возвращает массив {mn; mn-1;...; m1; b}. Линейн может также возвращать дополнительную регрессионную статистику.
Известные значения y - это множество значений y, которые уже известны для соотношения y = mx + b.
Если массив известные значения y имеет один столбец, то каждый столбец массива известные значения x интерпретируется как отдельная переменная.
Если массив известные значения y имеет одну строку, то каждая строка массива известные значения x интерпретируется как отдельная переменная.
Известные значения x - это необязательное множество значений x, которые уже известны для соотношения y = mx + b.
Массив известные значения x может содержать одно или несколько множеств переменных. Если используется только одна переменная, то известные значения y и известные значения x могут быть массивами любой формы при условии, что они имеют одинаковую размерность. Если используется более одной переменной, то известные значения y должны быть вектором (то есть интервалом высотой в одну строку или шириной в один столбец).
Если известные значения x опущены, то предполагается, что это массив {1; 2; 3;... } такого же размера как и известные значения y.
Конст - это логическое значение, которое указывает, требуется ли, чтобы константа b была равна 0.
Если конст имеет значение истина или опущено, то b вычисляется обычным образом.
Если конст имеет значение ложь, то b полагается равным 0 и значения m подбираются так, чтобы выполнялось соотношение y = mx.
Статистика - это логическое значение, которое указывает, требуется ли вернуть дополнительную статистику по регрессии.
Если статистика имеет значение истина, то функция линейн возвращает дополнительную регрессионную статистику, так что возвращаемый массив будет иметь вид:
mn mn-1 ……………. m2 m1 b
sen sen-1. ……………. se2 se1 seb
r2 sey
F dF
Ssreg ssresid
Его описание представлено в таблице 13.
Если статистика имеет значение ложь или опущена, то функция линейн возвращает только коэффициенты m и постоянную b.
Точность аппроксимации с помощью прямой, вычисленной функцией линейн, зависит от степени разброса данных. Чем ближе данные к прямой, тем более точной является модель, используемая функцией линейн. Функция линейн использует метод наименьших квадратов для определения наилучшей аппроксимации данных.
Проводя регрессионный анализ, Microsoft Excel вычисляет для каждой точки квадрат разности между прогнозируемым значением y и фактическим значением y. Сумма этих квадратов разностей называется остаточной суммой квадратов. Затем Microsoft Excel подсчитывает сумму квадратов разностей между фактическими значениями y и средним значением y, которая называется общей суммой квадратов (регрессионная сумма квадратов + остаточная сумма квадратов). Чем меньше остаточная сумма квадратов по сравнению с общей суммой квадратов, тем больше значение коэффициента детерминированности r2, который показывает, насколько хорошо уравнение, полученное с помощью регрессионного анализа, объясняет взаимосвязи между переменными.
Таблица 13 - Описание элементов возвращаемого массива
| Величина | Описание |
| Se1,se2,...,sen | Стандартные значения ошибок для коэффициентов m1, m2,...,mn. |
| seb | Стандартное значение ошибки для постоянной b (seb = #Н/Д, если конст имеет значение ЛОЖЬ). |
| r2 | Коэффициент детерминации. Сравниваются фактические значения y и значения, получаемые из уравнения прямой; по результатам сравнения вычисляется коэффициент детерминации, нормированный от 0 до 1. Если он равен 1, то имеет место полная корреляция с моделью, т.е. нет различия между фактическим и оценочным значениями y. В противоположном случае, если коэффициент детерминации равен 0, то уравнение регрессии неудачно для предсказания значений y. |
| sey | Стандартная ошибка для оценки y. |
| F | F-статистика, или F-наблюдаемое значение. F-статистика используется для определения того, является ли наблюдаемая взаимосвязь между зависимой и независимой переменными случайно или нет. |
| dF | Степени свободы. Степени свободы полезны для нахождения F-критических значений в статистической таблице. Для определения уровня надежности модели нужно сравнить значения в таблице с F - статистикой, возвращаемой функцией ЛИНЕЙН. |
| ssreg | Регрессионая сумма квадратов. |
| ssresid | Остаточная сумма квадратов. |
5.2 Методические указания по выполнению задания 2