Названия некоторых функций в Excel 2010 были изменены по сравнению с более ранними версиями.

Чтобы повысить точность работы функций Excel, обеспечить их согласованность и привести имена функций в соответствие с их назначением, корпорация Майкрософт изменила, переименовала и добавила несколько функций в библиотеку Microsoft Excel 2010.

Для обеспечения обратной совместимости переименованные функции доступны также и по их старым именам.

Комплексный пример исследования экономических данных с использованием корреляционно-регрессионного анализа

Эконометрический анализ финансовых показателей деятельности компаний-эмитентов^[3] отрасли «Связь»

Поставим задачу провести количественную оценку взаимосвязей показателей с целью получения обоснованных экономических выводов о результатах финансовой деятельности компаний и их перспективах. Расчеты могут быть выполнены с помощью Excel. Для ускорения получения результатов, для более комфортной работы при выполнении анализа могут быть использованы специальные пакеты программ, например, VSTAT, SPSS и другие.

Результирующей (эндогенной) переменной будем считать чистую прибыль (убыток).

Исходными данными для анализа являлись данные за 2009 г. по основным показателям баланса компаний-эмитентов отрасли «Связь»[4] (всего 122 компании).

В силу неоднородности объектов (компаний) была проведена их классификация на однородные группы методами кластерного анализа [3]. В результате получены три кластера следующих профилей[5]:

1. Первый кластер самый большой – 109 компаний. Среди них много убыточных. Все показатели баланса предприятий этой группы на несколько порядков ниже, чем у других.

2. Второй кластер – 10 крупных прибыльных компаний.

3. Третий кластер – наименьший по количеству компаний, их всего три – Вымпел-Коммуникации (Билайн), Мобильные ТелеСистемы (МТС), Мегафон, но это самые крупные и самые прибыльные компании.

Объективную картину количественных взаимосвязей финансовых показателей предприятий данной отрасли можно получить, используя данные только о компаниях самого крупного первого кластера (таблица 1).

Краткая экономическая характеристика данных таблицы 1:

- валюта баланса (ВБ) – это итог по всем счетам бухгалтерского баланса, сумма всех активов^[6] или всех пассивов^[7] компании;

- выручка (нетто) от продаж (ВП), дебиторская задолженность (краткосрочная) (ДЗ), запасы готовой продукции и товаров для перепродажи (ЗП), оборотные активы (ОА), основные средства (ОС), прибыль (убыток) от продаж (ПП), чистая прибыль (убыток) (ЧП) – это представители группы активов компании (здесь присутствуют как оборотные^[8], так и внеоборотные^[9] активы);

- долгосрочные обязательства (ДО), краткосрочные обязательства (КО) – представители группы пассивов.

Таблица 1. Данные за 2009 г. по основным показателям баланса компаний-эмитентов первого кластера отрасли «Связь» (в тыс. руб.)

Схема проведения количественной оценки взаимосвязей финансовых показателей при решении данной задачи будет выглядеть следующим образом:

1. Выбор факторов для регрессионного анализа:

1) корреляционный анализ данных, включая проверку теста Фаррара-Глоубера на мультиколлинеарность факторов;

2) пошаговый отбор факторов методом исключения из модели статистически незначимых переменных;

3) при несоответствии результатов, полученных в пунктах 1) и 2), проверка теста на «длинную» и «короткую» регрессии.

2. Построение модели множественной регрессии с выбранными факторами, экономический анализ коэффициентов уравнения.

3. Оценка качества модели регрессии на основе проверки:

1) статистической значимости уравнения с помощью F-критерия Фишера;

2) предпосылки МНК о гомоскедастичности остатков;

3) уровня точности модели.

4. Построение доверительных интервалов для результирующей переменной и определение компаний с заниженным и завышенным фактическим уровнем ЧП. Ранжирование компаний по степени их эффективности на основе результатов моделирования.

5. Оценка степени влияния факторов на результат с помощью коэффициентов эластичности, и -коэффициентов. Выбор наиболее влияющего фактора.

6. Построение парной регрессии с наиболее влиятельным фактором. Сравнение качества множественной и парной регрессий.

7. Прогнозирование ЧП на основе парной модели с вероятностью 95% при условии, что прогнозное значение фактора увеличится на 10% относительно его среднего значения.

8. Графическое представление результатов моделирования и прогнозирования.