Проводим количественный анализ. Формируем ряд за десять лет результирующего показателя деятельности предприятия (прибыль предприятия, прибыль отрасли) .
И формулируется перечень из 10 показателей влияющих факторов с указанием данных за 10 лет.
Удельный вес одежды обуви и ткани в структуре потребительских расходов домашних хозяйств
9,3
9,1
9,1
9,1
10,0
10,6
10,8
11,6
11,0
10,9
Удельный вес в розничном товарообороте трикотажный и чулочно-носочных изделий
3,3
2,8
3,1
3,3
3,4
3,4
3,1
2,9
3,2
3,0
Индексы физического объема продажи трикотажных изделий
106,4
105,3
131,3
136,1
136,1
125,4
121,8
129,5
130,2
92,50
Число организаций розничной торговли
Число детей (тыс.чел)
1610,0
Индекс цен
107,6
105,1
107,5
112,0
112,0
112,3
239,5
239,5
118,9
Прибыль от реализации товаров, продукции, работ, услуг(в фактически действующих ценах),млрд.руб
307,3
461,1
2211,5
Рентабельность реализованной продукции, работ, услуг.%
6,5
7,7
9,6
8,1
7,5
19,9
13,6
8,7
5,9
Источник: собственная разработка
На основе имеющихся данных определим линейный коэффициент корреляции.
Показатели тесноты связи, исчисленные по данным сравнительно небольшой статистической совокупности, могут искажаться действием случайных причин. Это вызывает необходимость проверки их существенности.
Для оценки значимости коэффициента корреляции применяется t-критерий Стьюдента.
Если , то величина коэффициента корреляции признается существенной.
С учетом принятых в экономико-статистических исследованиях значимости и числа степеней свободы k = 10-2 табличное критическое значение .
Коэффициент детерминации рассчитывается как квадрат коэффициента корреляции. Он показывает, на сколько процентов изменение результата (в нашем случае прибыли) объясняется изменением данного фактора.
Для получения выводов о практической значимости синтезированной в анализе модели показаниям тесноты связи дается качественная оценка. Качественная оценка связи представлена в таблице в 1.12
Таблица 1.12- Качественная оценка тесноты связи
Теснота связи
Значение коэффициента корреляции при наличии
прямой связи
обратной связи
Слабая
0,1 - 0,3
(-0,1) - (-0,3)
Умеренная
0,3 - 0,5
(-0,3) - (-0,5)
Заметная
0,5 - 0,7
(-0,5) - (-0,7)
Высокая
0,7 - 0,9
(-0,7) - (-0,9)
Очень высокая
0,9 - 0,99
(-0,9) - (-0,99)
На основе имеющихся данных определим линейный коэффициент корреляции по формуле или с помощью функции MS Excel «КОРРЕЛ» или пакета АНАЛИЗ ДАННЫХ–корреляция. Результаты корреляционного анализа представим в таблице 1.13
Удельный вес одежды обуви и ткани в структуре потребительских расходов домашних хозяйств(Х4)
0,87
15,06
0,76
Прямая,
Высокая
Удельный вес в розничном товарообороте трикотажный и чулочно-носочных изделий(Х5)
-0,35
-1,36
0,12
Обратная,
умеренная
Индексы физического объема продажи трикотажных изделий(Х6)
0,09
0,37
0,008
Прямая,
слабая
Число организаций розничной торговли(Х7)
0,71
5,88
0,51
Прямая ,высокая
Число детей (тыс.чел )(Х8)
-0,04
-0,02
0,000016
Обратная,
слабая
Индекс цен(Х9)
0,86
14,05
0,75
Прямая,
высокая
Рентабельность(Х10)
0,73
6,36
0,53
Прямая,
высокая
Источник: собственная разработка
Сильное влияние оказывают факторы : численность населения, удельный вес одежды обуви и ткани в структуре потребительских расходов домашних хозяйств, число организаций розничной торговли, индекс цен, рентабельность.
Проведем регрессионный анализ. Для построения регрессии нам понадобятся самые значимые показатели.
Самые значимые – это те у которых rрасч больше 0,632 и t–статистика больше 2,306.
Те переменные, у которых t и R2 меньше табличных для построения регрессионной модели не используются.
Проведем регрессионный анализ с помощью функции MS Excel АНАЛИЗ ДАННЫХ–регрессия.
Результаты регрессионного анализа представлены в таблице 1.14.
Таблица1.14 - Результаты регрессионного анализа.
Переменная (фактор) уравнения регрессии
Значение
переменной
t-
значение
p-
уровень
Общая статистика регрессионной модели
1. Множественный R:
0,99
2. Коэффициент детерминации
– фактическое значение
–нормативное (табличное) значение
0,99
0,98
-
-
3. F-статистика
– фактическое значение (1/F)
–нормативное (табличное) значение
79,44
0,01*
9,01
–
0,002**
0,05
Переменные регрессионной модели
4. Y-пересечение
– фактическое значение
–нормативное (табличное) значение
-8039,04
-
-0,47
3,18
0,66
0,05
5. Фактор маркетинговой среды
5.1. Численность населения(Х1)
– фактическое значение
–нормативное (табличное) значение
0,51
-
0,31
3,18
0,77
0,05
5.2. Доходы населения,тыс.руб
промышленности (Х2)
– фактическое значение
–нормативное (табличное) значение
0,30
-
6,25
3,18
0,008
0,05
5.3.Удельный вес одежды обуви и ткани в структуре потребительских расходов домашних хозяйств(X4)
– фактическое значение
–нормативное (табличное) значение
523,78
-
4,78
-3,18
0,017
0,05
5.4.Число организаций розничной торговли(X7)
– фактическое значение
–нормативное (табличное) значение
-0,06
-
-3,12
-3,18
0,05
0,05
5.5.Индекс цен(X9)
– фактическое значение
–нормативное (табличное) значение
-0,56
-
-0,25
3,18
0,81
0,05
5.6 Рентабельность(Х10)
– фактическое значение
–нормативное (табличное) значение
115,64
-
4,56
3,18
0,02
0,05
Источник: собственная разработка
По данной таблице оценивается полученное уравнение регрессии
• t–значение фактическое должно превышать табличное (выше в таблице указано для степеней свободы равным f=n–k=10–5=5;
• F–критерий фактический должен быть меньше табличного (он в таблице дан для трех факторов: f1 = k=5 и f2 = n − k− 1 = 10 − 5 − 1= 4);
• Р–уровень должен быть меньше табличного (он равен 0,05 при вероятности 95% при любом количестве факторов).
Все вышеуказанные условия соблюдаются, то уравнение регрессии является значимым с вероятностью 95%. Уравнение значимо и не может быть использовано в дальнейших расчетах.
Коэффициент детерминации R (Excel его описывает ка R – квадрат) равен 0,99, что составляет 99%. Это объясняется тем, что все анализируемые факторы x1, x2, x3, x4, x5 представляют собой 99 %, а остальной 1% - остается неучтенными и может быть связан с другими факторами.
Проведем проверку по F-критерию. Обычно F-тест проводится путем сопоставления вычисленного значения F-критерия с эталонным (табличным) показателем Fтабл. для соответствующего уровня значимости. Если выполняется неравенство Fрасч. < Fтабл., то с уверенностью, например на 95 %, можно утверждать, что рассматриваемая ŷ = -8039,04 + 0,51x1 + 0,30x2 +523,78x4-0,06x7-0,56x9+115,64x10 является статистически не значимой.
Если выполняется соотношение Fрасч.< Fкрит., то уверенно можно говорить о высокой степени адекватности анализируемого уравнения.
В нашем случае оно адекватно 0,01 <9,01.
Использование уровня значимости. В этом случае оценка проводится путем анализа показателя р, т.е. уровня значимости α. Показатель р составляет для следующие величины: рb0 = 0,66; рb1= 0,77, рb2 =0,008, рb3 =0,017, рb4 = 0,05, pb5=0,81и pb6= 0,019.
Таким образом, проверка обоими методами дает вполне согласованные результаты. Поэтому в окончательном виде наше уравнение регрессии (для уровня значимости 0,05) следует записать так: ŷ = ŷ = -8039,04 + 0,51x1 + +0,30x2 +523,78x4-0,06x7-0,56x9+115,64x10 уравнение является не значимым.