Применение информационных систем в оценке эффективности деятельности организации

     Бюджет  строится по двум осям. По одной оси  располагается иерархическая структура  статей бюджета, по другой – период планирования.

     Для формирования типовой формы выполним функцию Настройка 

Типовая форма. В открывшемся окне с помощью F 7 зададим наименование типовой формы и нажмем экранную клавишу Редактирование осей Редактировать ось 1 (рисунок 9). Далее в окне выбора статей бюджета (появляется при нажатии экранной кнопки «Построить ось») Ins помечаем статьи типовой формы. Формируем первый уровень аналитики: помечаем не привязывать аналитику к папкам, уровень аналитики привязывать к выбранным значениям (рисунок 10). После выбора  аналитики для второй статьи, появляется информация о завершении формирования возможных уровнях аналитики (рисунок 11). Нажимаем 2 раза на экранную «выход» и на запрос о перестройке типовой формы отвечаем «да». Построенная типовая форма будет иметь следующий вид (рисунок 12). 

 

Рисунок 9 – Редактирование осей типовой  формы 
 

 

Рисунок 10 – Формирование типовой формы

Рисунок 11 – Завершение формирования уровней аналитики 

 

Рисунок 12 – Типовая форма  «Поток денежных средств» 
 
 
 

3 этап. Формирование бюджета.

Сформируем  бюджет денежных средств за октябрь 2010 г.

1.Выполните  функцию "Документы"  "Бюджеты".

2.В открывшемся  окне =Бюджет по группировке= нажмите  клавишу F7. Во вкладке Основная  информация задайте значения  следующих полей: статус бюджета, центр ответственности период планирования (рисунок 13). 

 

Рисунок 13 -  Создание атрибутов нового бюджета 

3.Перейдите во вкладку Копии бюджета. При этом автоматически открывается окно выбора вариантов бюджета. Укажите значение Умеренный. Затем открывается окно =Реквизиты новой копии=, в котором задайте значения области видимости, стадию бюджетного процесса и дескриптор пользователя, ответственного за бюджет.

4.Нажмите кнопку [Далее] для закрытия окна =Реквизиты новой копии =, а затем – клавишу Esc для закрытия окна =Атрибуты бюджета (создаем новый)=.

5.Снова открывается окно =Бюджет по группировке=. Нажмите клавишу F4.

6.В открывшемся окне =Выбор типовой формы= выберите «Поток денежных средств» и нажмите клавишу Enter.

7.Открывается окно =Редактируем бюджет=, в которое введем плановые показатели бюджета, за исключением тех, которые рассчитываются по формулам (рисунок 14). 

 

Рисунок 14 – Плановый бюджет 

8.Нажмите кнопку [Панель управления] и в открывшемся окне =Настройка= установите флажок Автоматический пересчет включен и нажмите кнопку [Пересчитать данные] (рисунок 15). Затем нажмите кнопку [Выход].

· Готовый бюджет должен иметь вид показанный на рисунке 16. 

Рисунок 15 – Пересчет данных бюджета

 

Рисунок 16 – Готовый бюджет 

     4 этап. Сравнение плановых и фактических данных бюджета.

       Сравнение плановых и фактических данных бюджета осуществляется путем расчета процентов выполнения плана. Задача анализа исполнения бюджета - определить значение аналитики статьи, при котором наблюдается наибольшее отклонение плановых и фактических данных.

               Последовательность действий.

     1 Загрузка фактического бюджета. С использованием этой типовой формы загружается активный вариант фактического бюджета и периода планирования (рисунок 17).

     

Рисунок 17 – Загрузка фактических данных 

     2Включение режима сравнения. Нажимают кнопку [Панель управления] в окне =Редактируем бюджет= и в открывшемся диалоге =Панель управления= переходят во вкладку Сравнение. Устанавливают флажок Режим сравнения включен и включают появившуюся кнопку-опцию Результат сравнения: %(Кол1/Кол2). С помощью кнопки [Выход] возвращаются в окно =Редактируем бюджет= (рисунок 18, 19).

       

     Рисунок 18 – Установка результата сравнения 

       

     Рисунок 19 – Результат сравнения плановых и фактических показателей

     3 Формирование отчета. Удобнее анализировать результаты сравнения в отчете, который выдается по комбинации клавиш Ctrl+P. Пример такого отчета в формате Excel показан на рисунке 20. 
 

 

Рисунок 20 – Формирование отчета в Excel 
 
 

     3.3 Применение Eviews при построении и анализе многофакторной модели регрессии. Выявление гетероскедастичности и мультиколлениарности  в модели.  
 

     Эконометрический  пакет Eviews обеспечивает особо сложный  и тонкий инструментарий обработки  данных, позволяет выполнять регрессионный анализ, строить прогнозы в Windows-ориентированной компьютерной среде. 
С помощью этого программного средства можно очень быстро выявить наличие статистической зависимости в анализируемых данных и затем, используя полученные взаимосвязи, сделать прогноз изучаемых показателей.

     Можно выделить следующие положительные  стороны применения Eviews:

     - импорт данных из других статистических  пакетов;

     - отличная помощь, включая часть  эконометрической теории;

     - довольно простой интерфейс.

     Рассмотрим  применение Eviews при построении и анализе многофакторной модели регрессии на примере данных организации за 24 месяца.

Имеются данные о вариации прибыли организации  за 24 месяцев в зависимости от изменений производительности труда  и фондоемкости. 

     Таблица 1 – Исходные данные для анализа 

 

     Найдем  значения описательных статистик по каждой переменной.

     Для просмотра числовых характеристик (описательных статистик) отмеченных переменных необходимо выбрать в рабочем  файле View/Descriptive Stats/Individual Samples.

     В результате появится окно, представленное на рисунке 21. В нем содержатся:

     Mean – Среднее арифметическое значение;

     Median – Медиана;

     Maximum – Максимальное значение;

     Minimum – Минимальное значение;

     Std. Dev. – Стандартное отклонение (среднее квадратическое отклонение);

     Skewness – Коэффициент асимметрии;

     Kurtosis – Эксцесс;

     Probability – Вероятность;

     Observations – Количество наблюдений. 

       

     Рисунок 21 – Описательная статистика 

       Далее построим  корреляционную  матрицу для всех переменных, включенных в модель (рисунок 22) и проверим наличие мультиколлинеарности в модели.

       

     Рисунок 22 – Корреляционная матрица 

     Мультиколлинеарность  – это коррелированность двух или нескольких объясняющих переменных  в уравнении регрессии. В результате высококоррелированные объясняющие переменные действуют в одном направлении и имеют недостаточно независимое колебание, чтобы дать возможность модели изолировать влияние каждой переменной. Проблема мультиколлинеарности возникает только в случае множественной регрессии. Мультиколлинеарность особенно часто имеет место при анализе макроэкономических данных (например, доходы, производство). Получаемые оценки оказываются нестабильными как в отношении статистической значимости, так и по величине и знаку (например, коэффициенты корреляции). Следовательно, они ненадежны. Значения  коэффициентов R² могут быть высокими, но стандартные ошибки тоже высоки, и отсюда  t- критерии малы, отражая недостаток значимости.

     Для проверки появления мультиколлинеарности применяются два метода, доступные во всех статистических пакетах:

     1. Вычисление матрицы коэффициентов  корреляции для всех объясняющих  переменных. Если коэффициенты корреляции  между отдельными объясняющими  переменными очень велики, то, следовательно,  они коллинеарны. Однако, при этом не существует единого правила, в соответствии с которым есть некоторое пороговое значение коэффициента корреляции, после которого высокая корреляция может вызвать отрицательный эффект и повлиять на качество регрессии.

     2. Для измерения эффекта мультиколлинеарности используется показательVIF–«фактор инфляции вариации»:  

     VIF(x_h)=(1-R²_h)^-1                                                                       (1)

      
где R²_h - это значение коэффициента множественной корреляции, полученное для регрессора X_h как зависимой переменной и остальных переменных X_i.

       При этом степень мультиколлинеарности, представляемая в регрессии переменной X_h, когда все переменные X_i включены в регрессию, есть функция множественной корреляции между X_h и другими переменными X_i.

     Если VIF>10, то объясняющие переменные, коррелирующие  между собой, считаются мультиколлинеарными.

     В нашем случае VIF(x_h) равен:

     VIF(x_h) = =  = 8 

     Построим регрессионное уравнение МНК на основании исходных данных с помощью регрессионного анализа (рисунок 23). 
 

       

     Рисунок 23 – Регрессионный анализ 
 
 

     Уравнение регрессии примет следующий вид: 

     У = 1,562449 + 0,234139 ·х – 0,000248·х  

     Рассчитанные  коэффициенты регрессии показывают, что при увеличении производительности труда на 1 руб./ на 1 рабочего прибыль в среднем вырастет на 0,234139 млн. руб., а за счет роста фондоемкости на 1 руб./руб. она снизится в среднем на 0,000248 млн. руб.

     Проверим наличие гетероскедастичности в модели.

     Если  остатки имеют постоянную дисперсию, они называются гомоскедастичными, но если они непостоянны, то гетероскедастичными. Гетероскедастичность приводит к тому, что коэффициенты регрессии больше не представляют собой лучшие оценки или не являются оценками с минимальной дисперсией, следовательно, они больше не являются наиболее эффективными коэффициентами.