Эконометрические модели себестоимости продукции и прогнозирование её уровня

Актуальность выбранной темы курсовой работы состоит в том, что себестоимость продукции – ключевой показатель экономической эффективности ее производства. От уровня себестоимости зависят финансовые результаты и финансовое состояние предприятия.
Анализ себестоимости продукции играет большую роль в управлении затратами. Посредством такого анализа возможно изучить тенденции изменения уровня себестоимости, определить отклонение фактических затрат от плановых и причины этих отклонений, выявить резервы снижения себестоимости продукции и оценить работу предприятия по использованию возможностей снижения себестоимости продукции.
Как правило, для проведения анализа себестоимости продукции используется статистическая отчетность «Отчет о затратах на производство и реализацию продукции (работ, услуг) предприятия (организации)», плановые и отчетные калькуляции себестоимости продукции, данные синтетического и аналитического учета затрат по основным и вспомогательным производствам и т.д.
Цель написания курсовой работы – разработка эконометрической модели прогнозирования себестоимости продукции.
Для достижения поставленной цели необходимо решить следующие задачи:
- определить форму модели себестоимости;
- оценить параметры модели и влияние мультиколлинеарности факторов;
- изучить прогнозирование уровня себестоимости;
- дать краткую характеристику предприятия;
- проанализировать корреляционное поле и динамику себестоимости на предприятии;
- построить парную и множественную модель себестоимости продукции предприятия;
- построить аддитивную модель временного ряда уровня затрат на перспективу.
Объектом данного исследования является себестоимость продукции предприятия ОАО «Зубово».
Предмет исследования – эконометрические модели прогнозирования себестоимости продукции.
Информационную базу для проведения анализа себестоимости продукции используется статистическая отчетность «Отчет о затратах на производство и реализацию продукции (работ, услуг) предприятия (организации)», плановые и отчетные калькуляции себестоимости продукции, данные синтетического и аналитического учета затрат по основным и вспомогательным производствам и т.д.
Для написания курсовой работы использовались следующие методы исследования: системный анализ, математические и статистические методы, сравнение и аналогия, обобщение и др.

1. Методические основы прогнозирования себестоимости продукции

1.1 Спецификация модели себестоимости продукции
Для управления социально-экономическими процессам необходимо изучение внешних и внутренних взаимосвязей, определение факторов, которые оказывают влияние на состояние и развитие предприятия.
Методы статистического изучения зависимостей решают такие задачи, как:
1) определение наличия (отсутствия) статистически значимой связи между признаками. Здесь предполагается дать количественную оценку тесноты связи посредством показателей тесноты связи корреляционной зависимости;
2) изучение причинно-следственной связи между факторными и результативным признаками, для управления результативным признаком, воздействуя на факторные;
3) прогноз возможных результатов при любом уровне факторов.
Себестоимость – это стоимостная оценка расхода или оплаты ресурсов, использованных предприятием для производства оцениваемого объекта. Себестоимость продукции (работ, услуг) - важнейший показатель работы предприятия. Он выявляется в ходе производственного планирования и используется в финансовом планировании для определения прибыли, рентабельности всего объема реализуемой продукции и отдельных ее видов.
Анализ себестоимости продукции, работ и услуг имеет исключительно важное значение. Он позволяет выявить факторы, влияющие на ее уровень, дать количественную оценку тесноты зависимости, ранжировать их по степени влияния и на этой основе создать экономическую модель себестоимости, с помощью которой станет возможным прогнозирование себестоимости продукции.
Парная регрессия применяется при наличии доминирующего фактора, который применяется как объясняющая переменная.
Как правило линейная регрессия имеет уравнение вида (формула 1):
y ̂_x=a+bx (1)
Данное уравнение позволяет по заданным значениям фактора x иметь теоретические значения результативного признака y, подставляя в него фактические значения фактора x.
Зависимость y от x в парной регрессии не обязательно характеризуется линейной парной регрессией, возможны и другие соотношения, например степенная или экспоненциальная зависимости. Поэтому от правильно выбранной спецификации модели зависит величина случайных ошибок: они тем меньше, чем в большей мере теоретические значения результативного признака x подходят к фактическим данным y.

1.2 Оценка параметров модели и влияния мультиколлинеарности факторов
Для построения линейной регрессии необходимо оценить ее параметры – a и b.
Оцениваются данные параметры методом наименьших квадратов (МНК). С его помощью можно получить такие оценки параметров a и b, при которых сумма квадратов отклонений фактических значений результативного признака y от расчетных (теоретических) y ̂_x минимальна (формула 2):
S=∑_i▒〖(y_i-y ̂_(x_i ))〗^2 →min (2)
Для определения минимума функции вычисляются частные производные по каждому параметру a и b и приравниваются к нулю (формулы 3,4,5):