Построение эконометрической модели оценки состояния предприятий-банкротов

Из анализа данных таблицы видно, что существенные отрицательные отклонения характерны для 14, 16, 17, 18, 20, 21, 22, 25, 26, 30 наблюдений, то есть для таких предприятий, как: Криважсталь, завод «Прессформ», Стройэксп, завод «Подшипник», Технопол, Фактор, Акумкомплект, текстильная фабрика «Арабелла», Техносталь.

Таблица 3.5 - Прогнозные и остаточные значения (Зависимые переменные)

Таким образом, можно сделать выводы о том, что они недостаточно используют свои возможности, т. к. их реальные возможности больше нормативных. Проанализируем модель на наличие автокорреляции. Для этого будем использовать критерий Дарбина-Уотсона. Значение критерия Дарбина - Уотсона свидетельствует о том, есть ли в модели автокорреляция. При 5% уровне значимости, выборке в 30 наблюдений и четырех факторах имеем, что d_l = 1,143, а d_u = 1,739. Это свидетельствует о том, что автокорреляция остатков отсутствует.

Коэффициент Дарбина - Уотсона равен 1,898628, что свидетельствует о зоне неопределенности.

Проанализируем график распределения ошибок и сравним его с нормальным распределением. Рисунок 3.1 и Рисунок 3.2.

Рисунок 3.1 - Гистограмма распределения ошибок

Видно, что остатки достаточно хорошо ложатся на прямую, что говорит о том, что модель неплохо описывает данные.

Рисунок 3.2 - Гистограмма распределения ошибок на нормальной вероятностной бумаге

Таким образом, с учетом всех критериев следует отметить, что модель можно считать адекватной.

Проводим определение значения параметров при исключении влияния на модель факторов 3, 4.

Влияющие факторы 1 - Доход от реализованной продукции тыс. грн. и 2 - внутренние инвестиции.

Коэффициент Дарбина - Уотсона равен 2,41504, что свидетельствует о том, что автокорреляция остатков отсутствует.

График распределения остатков близок к нормальному.

Таблица 3.6 - Результаты регрессионного анализа

Рисунок 3.3 - Гистограмма распределения ошибок

Исключим из модели факторы 2, 4. Влияющие факторы 1 - Доход от реализованной продукции тыс. грн., 3 - иностранные инвестиции..

Коэффициент Дарбина - Уотсона равен 0,97317, что свидетельствует о том, что автокорреляция положительна.

График распределения остатков близок к нормальному.



Рисунок 3.4 - Гистограмма распределения ошибок на нормальной вероятностной бумаге

Таблица 3.7 - Результаты регрессионного анализа

Исключаем факторы 2, 3. Влияющие 1 - Доход от реализованной продукции тыс. грн., 4 - доход от реализации необоротных активов. Коэффициент Дарбина - Уотсона равен 1,67544, что свидетельствует о несущественной автокорреляции ошибок. График распределения остатков близок к нормальному.



Рисунок 3.5 - Гистограмма распределения ошибок

Рисунок 3.6 - Гистограмма распределения ошибок на нормальной вероятностной бумаге

Таблица 3.8 - Результаты регрессионного анализа



Рисунок 3.7 - Гистограмма распределения ошибок

Рисунок 3.8 - Гистограмма распределения ошибок на нормальной вероятностной бумаге

Исключим из модели факторы 1 и 4. Влияющие факторы 2 - внутренние инвестиции, 3-иностранные инвестиции.

Таблица 3.9.1 - Результаты регрессионного анализа

Значение по критерию Дарбина-Уотсона 0,445199. положительная автокорреляция.

График распределения остатков близок к нормальному.

банкротство предприятие эконометрический модель

Рисунок 3.9.1 - Гистограмма распределения ошибок



Рисунок 3.9.2 - Гистограмма распределения ошибок на нормальной вероятностной бумаге

Исключим из модели факторы 1 и 3. Влияющие 2- внутренние инвестиции, 4-доход от продажи необоротных активов

Таблица 3.9.3 - Результаты регрессионного анализа

Значение по критерию Дарбина-Уотсона 1,03179. Зона неопределенности.

График распределения остатков близок к нормальному.



Рисунок 3.9.3 - Гистограмма распределения ошибок

Рисунок 3.9.4 - Гистограмма распределения ошибок на нормальной вероятностной бумаге

Исключим из модели факторы 1 и 2.Влияющие 3-иностранные инвестиции, 4-доход от продажи необоротных активов.

Значение по критерию Дарбина-Уотсона 1,04 близко. Зона неопределенности

График распределения остатков близок к нормальному.

Таблица 3.9.4 - Результаты регрессионного анализа

Рисунок 3.9.5 - Гистограмма распределения ошибок

Исключим из модели факторы 4. Влияющие 1- Доход от реализованной продукции тыс. грн., 2-внутренние инвестиции, 3 - иностранные инвестиции

Значение по критерию Дарбина-Уотсона 2,39300. Автокорреляция отсутствует.

График распределения остатков близок к нормальному.



Рисунок 3.9.6 - Гистограмма распределения ошибок на нормальной вероятностной бумаге

Таблица 3.9.5 - Результаты регрессионного анализа

Исключим из модели фактор 1. Влияющие: 2 - внутренние инвестиции, 3 - иностранные инвестиции, 4 - доход от реализации необоротных активов.



Рисунок 3.9.7 - Гистограмма распределения ошибок

Рисунок 3.9.8 - Гистограмма распределения ошибок на нормальной вероятностной бумаге

Таблица 3.9.6 - Результаты регрессионного анализа



Значение по критерию Дарбина-Уотсона 2,28756. Автокорреляция отсутствует.

Рисунок 3.9.9 - Гистограмма распределения ошибок

Рисунок 3.10.1 - Гистограмма распределения ошибок на нормальной вероятностной бумаге

Исключим из модели фактор 3. Влияющие: 1 - Доход от реализованной продукции тыс. грн., 2 - внутренние инвестиции, 4 - доход от реализации необоротных активов.

Таблица 3.10.1 - Результаты регрессионного анализа

Значение по критерию Дарбина-Уотсона 1,89800. Автокорреляция отсутствует.

Рисунок 3.10.2 - Гистограмма распределения ошибок



Рисунок 3.10.3 - Гистограмма распределения ошибок на нормальной вероятностной бумаге

Исключим из модели фактор 2. Влияющие: 1 - Доход от реализованной продукции тыс. грн., 3 - иностранные инвестиции, 4 - доход от реализации необоротных активов

Таблица 3.10.2 - Результаты регрессионного анализа

Значение по критерию Дарбина-Уотсона 1,69500. Автокорреляция несущественна.

.

Рисунок 3.10.4 - Гистограмма распределения ошибок

Рисунок 3.10.5 - Результаты регрессионного анализа

Модель имеет вид:

Y = -1361239 + Х₁ + 23Х₁ + 19Х₃ + 11Х₄

Сделав все предыдущие расчеты можно сделать вывод, что наибольшее влияние на уровень активов предприятий банкротов оказывают факторы Х1 (- Доход от реализованной продукции тыс. грн.), Х4 (Доход от реализации необоротных активов). Все факторы оказывают не маловажное влияние на производственную деятельность предприятий. Также из проведенных расчетов следует, что параметры модели А₁, А₃, А₄ значимы по критерию Стьдента(t_т = 2,08). При расчетах было определенно, что такие предприятия, как: Криважсталь, завод «Прессформ», Стройэксп, завод «Подшипник», Технопол, Фактор, Акумкомплект, текстильная фабрика «Арабелла», Техносталь недостаточно используют свои возможности, так как их реальные возможности больше нормативных.

Далее были предоставлены данные по этим предприятиям, кот показаны в табл.

Таблица 3.10.6 - Исходные данные

Показатели	Стоимость ОПФ	Численность ППП	Балансовая прибыль
Предприятия, подлежащие восстановлению	Криважсталь	224,228	17,115	22,981
	Технопол	151,827	14,904	21,481
	завод «Подшипник»	147,313	13,627	28,669
	текстильная фабрика «Арабелла»	152,253	10,545	10,199
Безнадежные предприятия	завод «Прессформ	46,757	4,428	11,124
	Фактор	29,033	5,510	6,091
	Стройэксп,	52,134	4,214	11,842
	Акумкомплект	37,050	5,527	11,873
	Техносталь	63,979	4,211	12,860

Сделав выводы можно увидеть, что такие предприятия, как: Криважсталь, Технопол, завод «Подшипник», текстильная фабрика «Арабелла» являются предприятиями, подлежащими восстановлению, а остальные предприятия являются безнадежными.

Деятельность каждого производственного предприятия оценивалась по следующим трем показателям:

- среднегодовой стоимости основных производственных фондов (ОПФ);

- среднесписочной численности промышленно - производственного персонала (ППП);

- балансовой прибыли;

Запишем исходные данные в виде матриц и в виде таблицы согласно правилам.

Данные представлены в таблице 3.10.6.

В отрасль передано предприятие Z, у которого по принятым трем показателям получены следующие результаты: стоимость ОПФ - 55,451; численность ППП - 9,592 тыс. человек; балансовая прибыль - 12,840.

Определить, можно ли отнести новое объединение к предприятиям подлежащим восстановлению или безнадежным.

3.2 Построение дискриминантной функции

Дискриминантная функция имеет вид:

,

Для нахождения этой функции запишем матрицы показателей, которые даны:

где ; ;

строка матрицы :

= (55,451 9,592 12,840).

Получим векторы средних

;

.

Определим оценку ковариационных матриц

.

Получим несмещенную оценку суммарной ковариационной матрицы

;

.

Определим обратную матрицу к

.

Найдём вектор оценок коэффициентов дискриминации

.

Из этого следует, что дискриминантная функция примет вид:

.

3.3 Анализ построенной модели

Определим возможность включения объединения в группу предприятий не банкротов. Для этого вычислим оценки дискриминантной функции

;

Определим средние значения оценок дискриминантной функции

; .

Получим константу

.

Среднее значение дискриминантной функции меньше чем константа

;

23,69 < 28,34.

Можно сделать следующий вывод: объединение с характеристиками не может быть отнесено к группе предприятий подлежащих восстановлению, а следовательно оно является безнадежным.

ЗАКЛЮЧЕНИЕ

В данном дипломе была разработана модель отнесения предприятия к группе предприятий, которые подлежат восстановлению и безнадежных предприятий, на базе одного из методов многомерного статистического анализа. На начальном этапе построения модели было проведено эконометрическое исследование модели оценки состояния предприятия-банкрота для определения степени влияния на него различных факторов. Была построена эконометрическая модель, целью построения которой было определение и изучение количественных взаимосвязей между экзогенными и эндогенными характеристиками.

На заключительном этапе исследования для упрощения процедуры получения модели был использован пакет STATISTICA, позволяющий получить оценки параметров модели и основные характеристики для определения качества модели.

Проведенная оценка адекватности модели показала, что построенная модель адекватно описывает данные, следовательно, она применима для прогнозирования состояний предприятий в будущем, для принятия управленческих решений. Далее был использован один из методов дискриминантного анализа, а именно дискриминантный анализ при нормальном законе распределения показателей.

Идея этого метода заключается в том, чтобы отнести новое наблюдение либо к классу предприятий кот, можно восстановить, либо к классу платежеспособных, т.е. рентабельных предприятий. Данная модель может быть оптимизирована (перестроена) под большее количество показателей, с целью проведения более глубокого анализа и изучения конкретного проблемного предприятия. Однако в данной модели является сложным процесс выбора показателей, которыми можно охарактеризовать хозяйственную деятельность предприятия в полной мере и раскрыть полностью его потенциал и скрытые возможности.

Используя смоделированные данные можно построить некоторую стратегию по антикризисному управлению предприятием, альтернативами которой являются санация, реструктуризация, ликвидация предприятия и вытекающие за ними комплексы мероприятий.

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Клебанова Т.С., Дубровина Н.А., Милов А.В., Полякова О.Ю., Раевнева Е.В. Эконометрия на персональном компьютере: Учебное пособие. В двух частях. Ч. 1. - Харьков: Изд. ХГЭУ, 1999. - 140 с.

2. Наконечний С.1. та ш. Економетрія: Навч. посiбник / С.1. Наконечний, Т.О. Терещенко, Т.П. Романюк; Кшв. нац. екон. ун-т. - К.: КНЕУ, 1997. - 350 с.

3. Доугерти К. Введение в эконометрику: [Учеб. для экон. спец. 9. вузов]: Пер. с англ. - М.: ИНФРА-М: Экон. фак. МГУ им. М.В. Ломоносова, 1997. - 402 с.

4. Лотов А.В., Введение в экономико-математическое моделирование, М: «Наука», 1984. - 390 с.

5. Банкрутство і санація підприємства: теорія і практика кризового управління / Т.С. Клебанова, О.М. Бондар, О.В. Мозенко та ін. / За ред. О.В. Мозенко. - Х.: ВД «ІНЖЕК», 2003.

Размещено на Allbest.ru