Диссертация (1137862), страница 16

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 16)

В логистической регрессиидляоценкипараметровиспользуетсяметодмаксимальногоправдоподобия.Модель логистической регрессии имеет следующий вид:,где(2)— вероятность того, что компания j перейдет наследующую стадию;e – экспоненциальная функция;— коэффициенты регрессии;— объясняющие переменные.В модели логистической регрессии в качестве зависимойпеременной была задана дихотомическая переменная, показывающаястадию жизненного цикла: 1— компания находится на 2-й стадии —стадии «роста», 0 — компания находится на 1-й стадии — стадии«зарождения».В качестве независимых переменных применены показатели,которые наиболее часто используются для финансового анализа, атакже в отношении которых выполняются следующие условия:средниезначениянаходящихсянафинансовыхразныхстадияхпоказателейжизненногодляциклакомпаний,значимоотличаются, а связь с другими показателями, оцененная с помощьюкоэффициента корреляции Спирмана, слабая.108Данные о качестве регрессии представлены ниже.Рассмотрим стадии «зарождения» и «роста».Таблица 23Качество регрессии при анализе первой и второй стадийжизненного цикла компанийКлассификационная таблицаStep-2 Log likelihoodCox & Snell R Square21,996a0,5821КачествопостроеннойNagelkerke R Square0,931модели определяетсяследующимипараметрами: R2 Кокса и Снелла и R2 Негелькерка.

Эти показателиописывают дисперсию, которую можно объяснить с помощьюлогистической регрессии. Часть дисперсии, которая описывается спомощьюлогистическойрегрессии,определеннаяпометодуНегелькерка, составляет 93,1 %, по методу Кокса и Снелла — 58,2 %.Таблица 23.2Классификационная таблицаPredictedObservedStep1intr_growthintr_growth«зарождение»«рост»PercentageCorrect«зарождение»390100«рост»116299,4Overall Percentage99,5Из классификационной таблицы видно, что модель точноопределяет 100% случаев, когда компанию можно отнести к стадии«зарождения» и 99,4% случаев, когда компанию можно отнести кстадии «роста».109Таблица 24Анализ коэффициентов, включаемых в модель при рассмотрениипервой и второй стадий жизненного циклаНаименованиепеременнойStep1aCashFlowtoSalesКонстантаПеременные, включенные в модельB(S.E.Waldкоэффициент (стандартнаяdf(Вальд)регрессии)ошибка)Sig.(значимость)Exp(B)114,70931,42413,325106,57E+490,6550,5721,31110,2521,925Полученная модель имеет следующий вид:Z=114,709·Cashflow/Sales,где(3)вероятность того, что организация j находится на 2-йстадии — стадии роста, а (1– ) — вероятность того, что организацияj находится на 1-й стадии — стадии «зарождения» компании.При построении модели был выбран метод пошаговогоисключения переменных.

Метод предполагает сначала включениевсех выбранных предикторов в уравнение, после чего происходитпошаговое исключение тех предикторов, влияние которых назависимуюпеременнуюоказываетсянедостаточнымсогласноустановленному критерию. Исключение осуществляется до тех пор,пока в уравнении не останутся только те предикторы, которыеудовлетворяют заданному критерию.Таблица 24 демонстрирует значимые и незначимые переменныемодели. В данном случае это единственная переменная — отношениеденежных средств к выручке.

Из приведенной таблицы видно, что длявсех выбранных показателей гипотеза о том, что коэффициент при110данном показателе равен нулю, отвергается на уровне значимостименее 5%, что подтверждает качество построенной модели.Анализируя полученные результаты, можно сделать вывод, чтонавероятностьопределениястадиициклавположительнойзависимости влияет «отношение денежного потока к выручке».Интерпретация коэффициентов в модели логистической регрессии несовсемочевидна.Чтобыточноинтерпретироватьимеющиесякоэффициенты, наиболее целесообразно использовать логистическуюмодель в терминах шанса наступления события. Как известно, шансынаступления события определяются как отношение вероятности того,что событие наступит к вероятности того, что оно не наступит.Логистическая модель в терминах логарифма шансов выглядитследующим образом:ln(Вероятность _ наступлени я _ события)  b0  b1 x1  b2 x2  ....

 bp x pВероятность _ ненаступления _ события(4)Из формулы (4) видно, что логистические коэффициенты можноинтерпретироватьвызванноекакединичнымизменениелогарифмическихизменениемнезависимойшансов,переменной.Например, коэффициент при переменной Cashflow/Sales равен114,709. Это говорит о том, что при изменении переменнойCashflow/Salesнаединицупрификсированныхостальныхнезависимых переменных компания окажется на следующей стадиироста,логарифмшансовувеличитсяна114,709.Значимостькоэффициента «отношение денежных средств от операционнойдеятельности к выручке» объясняется тем, что на начальном этапекомпания использует деньги собственников и практически неприбегает к кредитам банков, и тем более к каким-то более111долгосрочным долговым инструментам, как, например, облигации.Как правило, на стадии «зарождения» компания имеет отрицательныйоперационный поток денежных средств в силу того, что за счетвырученных средств не покрываются операционные и капитальныеиздержки.Перепишем уравнение логистической регрессии в терминахшансов, а не их логарифмов, для более удобного восприятия.(Вероятность _ наступлени я _ событияb b x b x ....b p x pb x)e 0 11 2 2 eb0 eb1x1 eb0 x1 ...e p p (5)Вероятность _ ненаступления _ событияМы видим из уравнения (5), что e в степени bi—этомножитель, на который меняются шансы при единичном возрастанииi-й переменной.

Если значение bi положительно, множитель будетбольше 1, то это означает увеличение шансов, а если bi отрицательно,то множитель будет меньше 1, что означает убывание шансов.Применительно к данным, модель в терминах шансов выглядитследующим образом:(Вероя тность _ наступл ения _ события) eВероя тность _ ненаступл нияе_ события114,709*CashflowtoSale(6)Как видно из формулы (6) шансы российской компании икомпанииизстранВосточнойЕвропыперейтиотстадии«зарождения» на стадию «рост» возрастают при увеличении«отношения денежного потока к выручке».Проведем анализ стадий «рост» и «зрелость».112Таблица 25Качество модели при анализе второй и третьей стадийжизненного цикла компанийModel SummarybStep-2 Log likelihoodCox & Snell R SquareNagelkerke R Square1430,728a0,1860,2542430,730a0,1860,254432,201a0,1830,2494432,766a0,1820,2485433,514a0,180,2466a0,1760,243Часть435,507дисперсии,котораяописываетсяспомощьюлогистической регрессии, определенная по методу Нагелькеркасоставляет 25,4 %, по методу Кокса и Снелла — 18,6%.Таблица 25.2Selected Casesbgrowth_matureObservedStep1growth_mature«рост»«зрелость»PercentageCorrect«рост»727349,7«зрелость»3920183,8Overall Percentage70,9Из классификационной таблицы видно, что модель в 49,7%точно относит компанию к стадии «роста» и в 83,8% случаев — кстадии «зрелость».

То есть с помощью этой модели наиболее вероятноопределитьотноситсялианализируемаякомпаниякстадии«зрелость». Полная информация о качестве моделей представлена вПриложении 6.113Таблица 26Анализ коэффициентов, включаемых в модель при рассмотрениивторой и третьей стадий жизненного циклаПеременные, включенные в модельBS.E.Wald(коэффициент(стандартная(Вальд)регрессии)ошибка)Наименование переменнойStep1adfSig.(значимость)Exp(B)CurrentRatio–0,0040,0810,00210,9620,996AssetTurnover1,5080,33520,205104,518ROE_per0,5240,3791,91510,1661,689LTDtoTA–1,9460,993,86310,0490,143LnSales0,1120,0485,37510,021,118CapextoSale000,03710,8471STDtoTA–10,4043,04111,70810,0010CashFlowtoSales3,0611,0688,21710,00421,35DividendPerShare0,0030,0060,20310,6521,003AccPtoRev–0,0050,0050,90210,3420,995ShEquitytoTA–1,5820,9192,96210,0850,206Константа–0,9510,8491,25310,2630,386В результате анализа стадий «рост» и «зрелость», как видно изклассификационной таблицы 24, модель верно определяет70,9%случаев, когда компанию можно точно отнести к стадии «рост» или«зрелость».

Модель для стадий «рост» и «зрелость» будет выглядетьследующим образом:Z = 1,508*Asset Turnover-1,946*LTD/TA+0,112*LnSales 10,404*STD/TA+3,061*CashFlow/Sales,114(7)Как мы видим, в прямой зависимости находятся следующиепоказатели:«отношение«оборачиваемостьактивов»,денежного«чистаяпотокакприбыльнавыручке»,акцию»и«натуральный логарифм выручки»; в обратной зависимости находятсяследующие показатели: «отношение долгосрочной задолженности кобщим активам», «отношение краткосрочного долга к общимактивам».

Таким образом, чем больше показатель «отношениедолгосрочной задолженности к общим активам» и показатель«отношение краткосрочного долга к общим активам», тем у компаниименьше шансов перейти со стадии «рост» на стадию «зрелость».Отрицательная зависимость коэффициентов «долгосрочный долг кобщим активам» и «краткосрочный долг к общим активам»показывает, что компании, переходя от стадии «рост» к стадии«зрелость»снижаютфинансированиесвоихактивовзасчетдолгосрочных и краткосрочных кредитов. Это может быть связано соснижением темпов развития компании, отсутствием нацеленности набудущие новые проекты и идеи, которые могли бы финансироватьсяза счет заемных средств. Также сказывается то, что компания в этотпериод ориентируются больше на погашение предыдущих сумм долгаи процентов по ним, и нет перспективы в будущем получатьдополнительный поток денежных средств, который смог бы покрытьдополнительные кредиты.Прямая зависимость показателей «отношение операционногоденежного потока к выручке», «оборачиваемость активов» и«натуральный логарифм выручки», показывает, что компания ещестабильна, выручка компании растет, но не быстрыми темпами ипоказано, что активы компании эффективно используются с точкизрения продаж.Теперь рассмотрим последнюю пару — стадии «зрелость» и «спад».115Таблица 27Качество модели при анализе третьей и четвертой стадийжизненного цикла компанийКлассификационная таблицаPredictedObservedmature_declЗрелостьStep1mature_declСпадPercentageCorrectЗрелость5570100Спад013100Overall PercentageStep2mature_decl100Зрелость5570100Спад013100Overall PercentageStep3mature_decl100Зрелость5570100Спад013100Overall PercentageStep4mature_decl100Зрелость5570100Спад013100Overall PercentageStep5mature_decl100Зрелость5570100Спад»013100Overall PercentageStep6mature_decl100Зрелость5570100Спад013100Overall Percentage100Таблица 27.2НаименованиепеременнойStep1aПеременные, включенные в модельBS.E.Wald(коэффициент (стандартная(Вальд)регрессии)ошибка)dfSig.(значимость)Exp(B)DividendPerShare–0,03813,45010,9980,963CashFlowtoSales–1171,0916839,570,00510,9450IncomeTaxRate_per–8,569221,0240,00210,9690AccRtoRev–0,1799,729010,9850,836116НаименованиепеременнойStep6aПеременные, включенные в модельBS.E.Wald(коэффициент (стандартная(Вальд)регрессии)ошибка)dfSig.(значимость)Exp(B)AccPtoRev0,23819,938010,991,269LnSales2,635157,89010,98713,948CapextoSale0,0010,1010,9931,001ShEquitytoTA7,7922731,825010,9982421,955Константа–35,8792897,167010,990CashFlowtoSales–1528,1918038,070,00710,9320AccRtoRev–0,0764,855010,9870,926AccPtoRev0,1874,8460,00110,9691,206Константа–15,373405,5770,00110,970Модель для стадий «зрелость» и «спад» не является очевидной,несмотря на то что в классификационной таблице предсказаниестадии осуществляется со стопроцентной вероятностью.

Характеристики

Список файлов диссертации