182884 (629661), страница 2

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

Текст из файла (страница 2)

В связи с этим учетная информация, по мнению П.П.Новиченко, с точки зрения, ее использования может быть подразделена на три вида.

Первый вид - информация, необходимая для фиксации хода производства и уровня затрат на производство, не требующая реагирования со стороны работников управления, минующая руководителя и направляемая непосредственно в бухгалтерию организации. Примерам такой информации может служить сведения о фактических затратах на производство в пределах действующих норм затрат. Такая информация передается в компьютеры, которые преобразуют ее, и создают результатную информацию, используемую для составления отчетности и ее анализа.

Второй вид- информация об отклонениях от установленных нормативов, по которым разработанными ранее программами предусмотрены типовые решения для ликвидации отклонений и автоматическое регулирование процесса производства. Такая информация вводится с первичных документов и поступает на ЭВМ, в которой предварительно вводится нормативные данные. Любое отклонение фактических данных от нормативных, вызывает соответствующую реакцию, передаваемую управляющим устройством в виде, например, скорректированной программы работы цехов и участков. [10, с.174]

Третий вид- информация об отклонениях от установленных нормативов, не предусмотренных программой, по которой должно быть принято решение руководителя. Информация поступает главным образом в виде первичных документов, учетных регистров и других носителей информации. Поступающая информация переводится на технические носители информации. Такая информация обрабатывается обязательно с участием специалиста, если процесс предварительно не запрограммирован или программа не предусмотрела данного отклонения.

При такой организации учета становится возможным управление затратами на производство и себестоимость продукции по отклонениям, когда рассматриваемая и принимаемая первичная документация, отражающая расход в пределах действующих норм, фиксируется экономическими службами организации, а в подразделениях организации все внимание специалистов (бухгалтеров, финансистов и других) сосредоточено на выявлении отклонений от норм, выявление причин и виновников (инициаторов) отклонений и установлении наиболее существенных отклонений с целью принятия необходимых решений.

В государствах с рыночной экономикой предприятия, ведущие учет и контроль затрат по методу «стандарт-кост», стали разрабатывать нормы (стандарты), исходя из возможной рыночной цены на свою продукцию. Законы рынка диктуют разрабатывать нормы (стандарты) таким образом, чтобы стандартная себестоимость продукции была значительно ниже возможной рыночной цены, обеспечивая необходимый уровень рентабельности. Если в условиях централизованной экономики к цене приходили от затрат, то и в рыночных условиях к нормативным (стандартным) затратам вынуждены идти от рыночной цены. [1, с.44]

В настоящее время появилась и такая трудность, препятствующая ведению нормативного учета, как инфляция. Естественно, в условиях инфляции вести нормативный учет весьма затруднительно. Единственно надежным является натуральные показатели, на которые и следует опираться. Стоимостные величины следует корректировать ежеквартально, если не ежемесячно. И, очевидно, наиболее существенным фактором стоимостных отклонений станет инфляция.

Если, говорить о заимствовании положительных сторон «стандарт-коста», то следует обратить внимание на то, что все выявленные отклонения от норм в конечном счете попадают не на себестоимость, а списываются на счет прибылей и убытков с указанием: в каком подразделении, по какой причине и чьей вине допущены эти отклонения. Более того, методом цепных подстановок, хорошо известным в нашей аналитической практике, общая сумма отклонений по косвенным расходам делится на отдельные суммы, обусловленные влиянием различных факторов, и эти отдельные суммы также списываются на счет прибылей и убытков, соответственно на его дебетовую (убытки) и кредитовую (прибыли) стороны. Такой способ отражения отклонений, представляется более приемлемым в рыночных условиях, так как немедленно показывает влияние качества хозяйствования в производственных цехах на конечный результат всего предприятия. Тем самым более отчетливым становится вклад каждого подразделения предприятия, включая управленческие службы и отделы, в достижение рентабельной и высокоэффективной работы. Важнейшим источником повышения эффективности зерновой отрасли является снижение себестоимости продукции. [1, с.44] От уровня зависят финансовые результаты деятельности предприятий, темпы расширенного воспроизводства, финансовое состояние хозяйствующих субъектов. Выявление резервов снижения себестоимости продукции возможно на основании данных, получаемых в процессе анализа хозяйственной деятельности предприятия. При этом изучение издержек производства имеет исключительно важное значение. Кандидатом экономических наук Н.В.Климовой проведен анализ себестоимости продукции и резервы ее снижения. При анализе себестоимости единицы зерна выявляются основные факторы, влияющие на его изменение, из которых определяющими являются затраты на 1 га и урожайность сельскохозяйственных культур. Факторный анализ показывает, что основными причинами превышения фактической себестоимости зерна над плановой являются невыполнение запланированного уровня урожайности сельскохозяйственных культур и необъективные прогнозные значения затрат труда и средств на единицу площади. Высокие темпы роста затрат в целом увеличивают себестоимость единицы продукции, тем самым снижая эффективность его производства. [1, с.44]

2. Многофакторный корреляционно-регрессионный анализ

На основании вышеперечисленных показателей составить матрицу и по программе STRAZ решить задачу множественной корреляции.

По совокупности хозяйств построить корреляционное уравнение связи урожайности зерновых и зернобобовых культур с включением трех-четырех факторов.

Анализ корреляционной модели начинается с определения тесноты связи, ее характеризует коэффициент корреляции (R). Он может изменяться от 0 до 1, что свидетельствует об отсутствии связи или о слабой, средней и тесной связи.

Квадрат коэффициента множественной корреляции называется коэффициентом множественной детерминации. Он характеризует величину вариации результативного признака, которая объединяется факторами, входящими в модель. В матрице этот коэффициент равен, например, 0,4321, для анализа необходимо перевести его в проценты, что составит 43%. Это значит, что 43% вариации результативного признака обусловлено влиянием факторов, включенных в модель, или на 43% выбранные факторы влияют на величину У (урожайность).

Коэффициенты отдельного определения или частные коэффициенты детерминации отражают «чистый вклад» каждого фактора в воспроизведенную вариацию результативного признака. Наибольшую тесноту связи с результативным признаком имеет тот фактор, коэффициент при котором наибольший (например, если коэффициент при Х₄ равен 0,5, это значит, что качество земли на 50% влияет на уровень урожайности).

Коэффициенты чистой регрессии показывают, на сколько ц с 1 га увеличится урожайность при изменении фактора на 1 единицу измерения. Например, если коэффициент при Х₃ равен 0,3, это значит, что при увеличении энергообеспеченности на 1 л.с., урожайность увеличится на 0,3 ц с 1 га.

Каждый из -коэффициентов показывает, на сколько средних квадратических отклонений изменится в среднем урожайность, если соответствующий фактор изменится на одно среднее квадратическое отклонение. Сопоставляя -коэффициенты между собой, можно определить, какой фактор оказывает наиболее сильное влияние на варьирование результативного признака.

Каждый из коэффициентов эластичности показывает, на сколько процентов в среднем изменится урожайность, если соответствующий фактор изменится на 1%.

Знак + или - говорит о прямой или обратной связи между урожайностью и фактором.

Построить уравнение регрессии:

у=а₀ + a₁x₁ + а₂х₂ + ... +a_nx_n, где: (1)

а₀ — свободный член, экономического значения не имеет;

a₁, a₂, a_n- коэффициенты чистой регрессии;

x₁, х₂, x_n - значения соответствующих факторов.

у=153,4+3,7*9594+0,04*9382+(-4,3)*5848+(-0,01)*5020+(-0,01)*4700+5,2*4090+0,1*3915+2*3735+0,2*3700

На основании полученного уравнения регрессии рассчитать прогнозируемый уровень урожайности для хозяйств зоны. Для этого в уравнение вместо X подставить самые высокие их значения из матрицы и вместо а - соответствующие значения коэффициентов.

Полученный результат означает, что в хозяйствах, где урожайность выше среднего уровня, в будущем возможно достичь прогнозируемого уровня урожайности и при условии достижения каждым хозяйством максимальных значений факторов (или минимальных, если коэффициент со знаком «минус»). [10, с.109]

Произведем расчет множественной регрессии в MS Excel. (Приложение В)

3. Вычисление параметров парной регрессии и корреляции

Рассмотрим взаимосвязь между фактической посевной площадью (Y) и наличием тракторов (Х). Исходные данные. (Приложение А)

Все расчеты сведены в таблицу. (Приложение Б)

Линейная модель парной регрессии и корреляции

Рассмотрим простейшую модель парной регрессии – линейную регрессию. Линейная регрессия находит широкое применение в эконометрике ввиду четкой эконометрической интерпретации ее параметров.

Линейная регрессия сводится к нахождению уравнения вида

, (2)

где а – свободный член уравнения регрессии, y – среднее значение результативного признака, b – коэффициент регрессии, характеризующий силу связи между вариацией факторного признака и и вариацией результативного признака.

Составим систему линейных уравнений для оценки параметров а и b:

(3)

Решая систему уравнений (3), найдем искомые оценки параметров а и b.

Получаем уравнение парной регрессии

3.1 Выборочный коэффициент корреляции

Корреляция – это взаимосвязь между признаками, заключающаяся в измерении средней величины результативного признака в зависимости от значения факторов. При этом изменения одной или нескольких из этих величин приводит к систематическому изменению другой или других величин. Математической мерой корреляции двух случайных величин служит коэффициент корреляции.

Коэффициент корреляции или парный коэффициент корреляции в теории вероятностей и статистике – это показатель характера изменения двух случайных величин. Корреляция может быть положительной и отрицательной (возможна также ситуация отсутствия статистической взаимосвязи – например, для независимых случайных величин).

Отрицательная корреляция – корреляция, при которой увеличение одной переменной связано с уменьшением другой переменной, при этом коэффициент корреляции отрицателен.

Положительная корреляция – корреляция, при которой увеличение одной переменной связано с увеличением другой переменной, при этом коэффициент корреляции положителен.

Автокорреляция – статистическая взаимосвязь между случайными величинами из одного ряда, взятых со сдвигом, например, для случайного процесса – со сдвигом по времени. [16, с.209]

Рассчитаем линейный коэффициент парной регрессии:

(5)

3.2 Выборочный коэффициент детерминации

Коэффициент детерминации — это квадрат множественного коэффициента корреляции. Он показывает, какая доля дисперсии результативного признака объясняется влиянием независимых переменных.

Также это квадрат корреляции Пирсона между двумя переменными. Он выражает количество дисперсии, общей между двумя переменными.

Коэффициент принимает значения из интервала [0;1]. Чем ближе значение к 1 тем ближе модель к эмпирическим наблюдениям.

Функциональная связь возникает при значении равном 1, а отсутствие

Характеристики

Список файлов курсовой работы