Применение ЭВМ и экономико-математических моделей в анализе эффективности использования материальных ресурсов

В настоящее время в связи с тенденцией компьютеризации экономической работы развивается качественно новый подход к организации, проведению и обобщению результатов анализа, основанный на использовании экспертных систем. Суть его в том, что пользователь задает лишь общее направление анализа, а ЭВМ определяет информацию необходимую для решения поставленной задачи, автоматически извлекает базы данных, записанные на машинных носителях, запрашивает недостающие или уточняющие данные, программно обрабатывает исходную информацию, логически анализирует полученные результаты и выдает выходную информацию на языке, близком к профессиональному языку пользователя. В итоге, экономисту аналитику требуется лишь обобщить результаты работы системы и осуществить их привязку к объекту анализа. Содержательная часть аналитической работы при такой ее организации становится значительно богаче, а трудоемкость расчетов практически перестает зависеть от сложности расчетных формул [19, с.7].

В виду этого, применительно к исследуемому предприятию все выше приведенные в дипломной работе расчеты целесообразно выполнить, а таблицы формировать с помощью персональных ЭВМ, используя стандартные программы обработки учетно-аналитической информации, например, такие как MS EXCEL и другие пакеты экономического анализа. Для получения необходимой информации пользователю-аналитику необходимо лишь ввести исходные данные, не прибегая к таким средствам, как калькулятор и др.

Важным направлением совершенствования аналитической работы является внедрение экономико-математических методов (ЭММ). Среди ЭММ можно выделить стохастическое моделирование, в основе которого лежит метод корреляционно-регрессионного анализа. Этот метод наиболее часто используется в практике аналитической работы, поскольку позволяет установить причинно-следственные зависимости между экономическими показателями и влияющими на них факторами, количественно измерить это влияние. Достоинство этого метода — универсальность, наличие типовых программ на ЭВМ, возможность включения в модель многих факторов [68, с. 83 — 100].

В нашем исследовании целесообразно провести корреляционно-регрессионный анализ материалоемкости. При этом за функцию Y была выбрана материалоемкость продукции, измеряемая в копейках. В качестве переменных были использованы: уровень использования производственной мощности, % (Х1); удельный вес прогрессивных видов сырья и материалов в общей стоимости потребленных материальных ресурсов, % (Х2); процент выполнения плана по объему выпущенной продукции, % (Х3). Было произведено 24 наблюдения за период с 2000 по 2001 год помесячно.

Исходные данные представлены в приложении 23. Корреляционно-регрессионный анализ был произведен по общепризнанной методике, согласно которой рассчитаны все основные статистические характеристики показателя и факторов, влияющих на него: среднее арифметическое, дисперсия, среднее квадратическое отклонение, асимметрия, эксцесс, вариация. Основную выходную информацию можно интерпретировать следующим образом.

Данные проведенного корреляционно-регрессионного анализа материалоемкости продукции РУП «Минский завод шестерен» при степени точности в 5% показывают, что у всех факторов наблюдается незначительное абсолютное отклонение значений от среднего арифметическогои незначительной колеблемости подвержены все факторы (коэффициент вариации не превышает 10% у каждого фактора в отдельности). Это свидетельствует об однородности исходной информации [2, с.33].

Коэффициенты асимметрии, дающие количественную оценку степени отклонения информации от нормального распределения, говорят о правосторонней асимметрии у рядов Х1, Х4 и левосторонней у Y и Х2. Величина эксцесса для всех показателей не превышает 3, что подтверждает плосковершинное распределение вариационных рядов. Были вычислены парные, частные и множественные коэффициенты корреляции, характеризующие тесноту связи между факторным и результативным показателем. Анализ матрицы парных коэффициентов показал, что более тесная связь наблюдается между материалоемкостью (Y) и процентом выполнения плана по выпуску продукции (Х4), так как парный коэффициент корреляции составляет 0,693, что очень близко к критерию 0,7. При этом выявлена средняя связь с удельным весом прогрессивных видов сырья и материалов в общей стоимости потребленных ресурсов (Х3): парный коэффициент составил по модулю 0,420, что больше критерия 0,3. Связь же материалоемкости (Y) с уровнем использования производственной мощности (Х1) наблюдалась слабая (значение по модулю 0,116).

Значимость парных коэффициентов была проверена по t-критерию Стьюдента. В нашем исследовании при числе степеней свободы 24 — 1 = 23 t-табличное равно 2,069. Следовательно, рассчитанные значения по t-критерию Стьюдента для Х3 и Х4 составили 2,17 и 4,63 соответственно, что выше t-табличного, поэтому эти факторы наиболее значимы для анализируемого показателя. Чистое влияние каждой пары факторов при неизменном значении остальных параметров слабее. Это подтверждают рассчитанные частные коэффициенты, которые ниже парных.

В ходе анализа по методу наименьших квадратов получено следующее уравнение:

У= 4,28−0,5 597*Х1 -0,3284E*Х2 -1,296*Х3.

Критерий Дарбина-Уотсона составляет 2.43 716. Расчетное значение критерия близко к 2. Это показывает, что автокорреляция в рядах динамики отсутствует. Ошибка аппроксимации достаточно мала (1,88%), что говорит о незначительном отклонении теоретической линии регрессии от фактической (эмпирической). Методом пошаговой регрессии было получено следующее уравнение регрессии:

У= 4,250−0,5 618*Х1 -0,3277*Х2 -1,296*Х3.

Учитывая, что вероятность 0,05 и количество параметров уравнения, включая свободный член равно (m) 4, а число наблюдений (n)24, табличное значение t-критерия Фишера находится на пересечении графы (m-1) и строки (n — m). В нашем примере данное значение находится на пересечении графы 3 и строки 20 и равно 3,10. Это свидетельствует о том, что данное уравнение значимо, т.к. фактическое значение t-критерия Фишера равно 7.587 142, что более чем в два раза превышает табличное значение.

Полученный множественный коэффициент корреляции (0,7 294 723) свидетельствует о наличии относительно тесной связи между анализируемым показателем и включенными в модель факторами. Множественный коэффициент детерминации равный 0,5 322 888 показывает, что изменение материалоемкости продукции на 53,23% зависит от включенных в модель факторов.

Итак, полученное уравнение регрессии с экономической точки зрения интерпретируется следующим образом. С увеличением уровня использования производственно мощности на 1% материалоемкость продукции снизится на 0,056 копеек. При увеличении удельного веса прогрессивных видов сырья и материалов в общей стоимости потребленных материальных ресурсов на 1% материалоемкость продукции уменьшится на 0,3277 копеек, а при увеличении уровня выполнения плана по выпуску продукции на 1% материалоемкость продукции снизится на 1,296 копеек.

По абсолютной величине b-коэффициентов, полученной в результате проведенной для них t-статистики можно сказать, что при реальной возможности улучшения функции факторы находятся в следующем порядке: Х3, Х2, Х1. На основании полученных b-коэффициентов можно сделать вывод, что при составлении дальнейших планов, направленных на повышение эффективности производства в целях снижения материалоемкости продукции на исследуемом предприятии в первую очередь следует обратить внимание на выполнение плана по выпуску продукции, также следует уделить значительное внимание удельному весу прогрессивных видов сырья и материалов в общей стоимости потребленных материальных ресурсов и разработать комплекс мероприятий, направленный на рост их удельного веса.

Таким образом, проведенный корреляционно-регрессионный анализ материалоемкости продукции завода РУП «Минский завод шестерен» позволил решить ряд сложных задач экономического анализа, которые практически невозможно решить, прибегая к таким методам, как цепные подстановки или относительные разницы и которые достаточно трудоемки без применения ЭВМ.