Анализ финансовых результатов на примере магазина «Кош»

Таблица 14

На основании шкалы Чеддока и данных Приложения   6   можно сказать о силе связи :

Между зависимой переменной с независимыми, а именно между выручкой и заработной платой, выручкой и амортизацией основных средств, связь слабая,  а между выручкой и ГСМ, выручкой и ремонтом связь умеренная.

Между независимыми переменными, а именно между амортизацией основных средств и ГСМ связь весьма высокая, между заработной платой и амортизацией основных средств, заработной платой и ГСМ, заработной платой и электро-энергией, электро-энергией и амортизацией основных средств, ГСМ и электро-энергией высокая и т.д.

Следует сказать ,что связь между зависимой переменной с независимой показывает на сколько сильно влияет на выручку различные издержки обращения, а связь между независимыми переменными должна отсутствовать, так как ее наличие отрицательно сказывается на анализе. Если случайные величины связаны отрицательной корреляцией, это означает, что при возрастании одной случайной величины, другая имеет тенденцию в среднем убывать.

Таким образом, можно сделать вывод, что для построения регрессионной модели:

используются все выбранные вначале переменные;

влияние независимых переменных на финансовый результат значимо.

Регрессионный анализ с прогнозом :

Для построения регрессионной модели используется метод пошаговой регрессии, описанный в п.3.1 .

В результате использования метода пошаговой регрессии был отброшен 1 фактор и остались в таблице следующие независимые переменные: Х1, Х2, Х3, Х5, Х6, Х7. Таким образом, регрессионная модель будет иметь вид:

У = 9971,102 -  2,424Х1- 98,989Х2 + 123,384Х3 – 42,431Х5 + 3,592Х6 –                             - 63,342Х7,                                                                                     ( 32 )

где  Х1 – заработная плата,

       Х2 – амортизация основных средств,

       Х3 – ГСМ,

       Х5 – электро-энергия,

       Х6 – ремонтные работы,

       Х7 – запчасти.

Эти показатели наиболее оптимальные, они не коррелируют друг с другом и в совокупности образуют наилучшую модель Уравнение ( 32 ) означает, что сумма выручки на 1 руб. издержек по заработной плате в среднем по совокупности уменьшилась на 2,434  руб. при увеличении заработной платы  на 1 руб.; уменьшилась в среднем на 97,989 руб. при возрастании амортизации основных средств на 1 руб. и уменьшилась на 42,431 руб. при росте электро-энергии и уменьшилась на 63,342 руб. при увеличении затрат на запчасти.

На основании коэффициентов регрессии bi трудно сопоставить факторы Х по степени их влияния на зависимую переменную У. Для этого используются следующие коэффициенты:

коэффициент эластичности ,Э ;

бэта-коэффициент, В ;

дельта-коэффициент, ;

С помощью частных коэффициентов эластичности, а также бета-коэффициентов  можно ранжировать факторы по степени их влияния на зависимую переменную, сопоставить их между собой по величине этого влияния. Оценить долю влияния фактора в суммарном влиянии всех факторов на объясняемую переменную У можно с помощью дельта-коэффициент.

Оценка коэффициентов эластичности независимых переменных Х1, Х2, Х3, Х5, Х6, Х7 позволяет сделать вывод, что наибольшее влияние на изменение значений выручки оказывают издержки от амортизации основных средств: при увеличении амортизации основных средств на 1 % от среднего значения, выручка уменьшится на 0,471 % от своего среднего значения. При увеличении заработной платы на 1 % от среднего значения, выручка уменьшится на 0,211 % от своего значения. При увеличении электро-энергии на 1% от своего значения выручка уменьшится на 0,186% и при увеличении запчастей на 1% выручка уменьшится на 0,199%, что подтверждает выполненный ранее анализ уравнения.

Шесть факторов, включенные в уравнение регрессии, объясняют 100 % вариации уровня выручки (дельта-коэффициент), если рассматривать 7 составляющих издержек как генеральную совокупность. Наибольшие изменения вариации выручки происходит от амортизации основных ( -0,609%), а  наименьшие изменения от ГСМ ( 0,295).

Таким образом, амортизация основных средств оказывает на уменьшение выручки предприятия наибольшее влияние.

Анализ качества регрессионной модели осуществляется по остаточной компоненте, которая определяется по формуле:

                                          ^             

           =i- Yi              ,                                                                                                                              ( 33)

где   - i-ое значение остаточной компоненты

          Yi– i-ое фактическое значение выручки                     

          Yi – i-ое значение выручки, рассчитанной с помощью модели.

Среднее значение остаточной компоненты равна -0,005. Критерий Дарбина-Уотсона (d расч.) служит для проверки независимостей уровней. Расчетное значение критерия Дарбина-Уотсона (d расч.)= 1,698. При сравнении данного значения с табличным показателем мы видим:

d1 табл. (а = 0,05, р = 7, n = 17 ) = 0,90

d2 табл. (а = 0,05, р = 7, n = 17 ) = 1,71

Преобразуем d расч. : d расч.= 4 – 1,698 = 2,302 , то есть d расч. > d 2 табл.

Следовательно, автокорреляция уровней остаточного компонента отсутствует и остаточная компонента распределена по нормальному закону распределения.

Модель адекватна реальному процессу изменения прибыли в зависимости от увеличения заработной платы (Х1), аммортизации основных средств (Х2), ГСМ ( Х3), электро-энергия (Х5), ремонт (Х6), запчасти (Х7). Об этом свидетельствует высокий показатель критерия адекватности, который равен 89,495%.

Коэффициент детерминации показывает на сколько включенные в модель переменные влияют на изменение прибыль. В нашем случае, критерий детерминации равен 86,7%. Это означает, что переменные Х1,Х2,Х3,Х5,Х6,Х7 включенные в модель практически на 86,7 % описывают изменение . Данный факт подтверждается критерием Фишера (F-значение). F-значение (n1=6, n2= 14) равен 143,285. Это расчетное значение. Табличное же значение равно 8,74. Так как Fрасч. > F табл., то значение коэффициента детерминации значимо.

Таким образом, полученная в результате расчетов модель адекватна.

Критерий качества составляет лишь 22,374%. Это свидетельствует о низком качестве оценок.

В результате проведенного выше анализа можно сказать, что уравнение (32) значимо с вероятностью 0,95 и может быть применено для получения прогноза прибыли.

Прогнозные значения выручки  на ближайшие 3 месяца (апрель- май-июнь 2000 г.) представлены в графике. Для наглядного представления изменения выручки были и описания этого изменения с помощью модели, а также прогнозные значения выручки Приложении 9 представлены на рисунке    .

Анализируя данные рисунка   , мы видим, что  в апреле 1999 года, произошло снижение выручки, когда выросли заработная плата, амортизация основных средств в 2 раза. В декабре 1999 года  сумма выручки  выросла и достигла наибольшего роста, но в январе 2000 года снизился до минимума. Однако, в феврале 2000 года показатель выручки опять стал расти. Прогнозное значение прибыли на ближайшие 3 месяца (апрель - июнь 2000г.) снижается .В апреле 2000 года ожидается снижение прибыли с 21772 до 1535,496 руб. (или на 7,05%). В мае 2000 года по сравнению с апрелем 2000г. показатель выручки уменьшится   на 324,07% (-4976,136 / 1535,496 * 100). А в июне ожидается увеличение показателя выручки с –4976,136 до 10896,939 руб. или на 218,98%. 

Таким образом, на основании проведенных исследований можно сделать следующие выводы :

Корреляционная связь зависимой переменной У (выручка) с независимыми переменными Хi изменяется от умеренной (Х3 – ГСМ, Х6- ремонт) до слабой  (Х1- заработная плата, Х2- амортизация основных средств). В тоже время следует сказать ,что связь между независимыми переменными должна отсутствовать, так как ее наличие отрицательно сказывается на анализе. Если случайные величины связаны отрицательной корреляцией, это означает, что при возрастании одной случайной величины, другая имеет тенденцию в среднем убывать.

Взаимное влияние независимых переменных не значимо, то есть мультиколлениарность отсутствует.

В результате расчетов получена регрессионная модель зависимости  выручки от заработной платы, амортизации основных средств, ГСМ, электро –

нергии, ремонта, запчастей. Она имеет вид :

У = 9971,102 – 2,434 Х1 – 97,989 Х2 + 123,384 Х3 – 42,431Х5 + 3,592Х6 –            - 63,342Х7

Модель имеет среднее качество и может с вероятностью 0,95 применена для прогнозирования значений прибыли.

Включенные в модель регрессии переменные Х1 (заработная плата),  Х2  (амортизация основных средств),  Х3 (ГСМ), Х5 (электро-энергия), Х6 (ремонт), Х7 (запчасти) на  89,495% описывают изменения выручки. Наибольшее влияние на изменение выручки оказывает амортизация основных средств ( на основании анализа дельта-коэффициента ).

Прогноз прибыли предполагает его дальнейшее снижение.

ГЛАВА 4. МЕРОПРИЯТИЯ ПО УЛУЧШЕНИЮ ФИНАНСОВЫХ РЕЗУЛЬТАТОВ ДЕЯТЕЛЬНОСТИ  ГУСП «БАХЛЕБОПТИЦЕПРОМ”

4.1. Разработка мероприятий по улучшению финансовых результатов

        ГУСП «Башхлебоптицепрома»

Финансовые результаты деятельности предприятия характеризуются суммой полученной прибыли и уровнем рентабельности. Прибыль предприятия  получают главным образом от реализации продукции.

Прибыль – это часть чистого дохода, который непосредственно получают субъекты хзяйствования после реализации продукции. Только после продажи продукции чистый доход принимает форму прибыли. Количественно она представляет собой разность между чистой выручкой (после уплаты налогов на добавленную стоимость, акцизного налога и других отчислений из вырчки в бюджетные и внебюджетные фонды) и полной себестоимостью реализованной продукции. Значит, чем больше предприятие реализует рентабельной продукции, тем больше полуит прибыли, тем лучше его финансовое состояние. Поэтому финансовые результаты следует изучать в тесной связи с использованием и реализацией продукции.

Объем реализаци и величина прибыли, уровень рентабельности зависят от производственной, снабженческой, маркетинговой и финансовой деятельности предприятия, иначе говоря, эти показатели характеризуют все стороны хозяйствования. Основные из них можно выделить :