Faktoranalyse av fortjeneste fra salg. Multivariat analyse: typer, eksempler, analysemetoder, formål og resultater Faktoranalysestatistikk for dummies

Multivariat variansanalyse er en samling av ulike statistiske metoder som er utformet for å teste hypoteser og forholdet mellom faktorene som undersøkes og visse funksjoner som ikke har en kvantitativ beskrivelse. Også denne teknikken lar deg bestemme graden av interaksjon mellom faktorer og deres innflytelse på visse prosesser. Alle disse definisjonene høres ganske forvirrende ut, så la oss se nærmere på dem i vår artikkel.

Kriterier og typer variansanalyser

Metoden for variansanalyse brukes oftest for å finne sammenhengen mellom en kontinuerlig kvantitativ variabel og nominelle kvalitative egenskaper. Faktisk er denne teknikken en test av forskjellige hypoteser om likheten mellom forskjellige regnestykker. Dermed kan det betraktes som et kriterium for å sammenligne flere prøver. Resultatene er imidlertid identiske hvis bare to elementer brukes til sammenligning. Studien av t-kriteriet viser at denne teknikken lar deg studere hypoteseproblemet mer detaljert enn noen annen kjent metode.

Det bør også bemerkes at noen typer variansanalyser er basert på en viss lov: summen av kvadrater av avvik mellom grupper og summen av kvadrater av avvik mellom grupper er helt like. Som en studie brukes Fisher-testen, som brukes til detaljert analyse av avvik mellom grupper. Selv om dette krever forutsetninger for normal distribusjon, så vel som homoscedasticity av prøver - like avvik. Når det gjelder typen variansanalyse, skilles følgende mellom:

• multivariat eller multivariat analyse;
• univariate eller univariate analyse.

Det er ikke vanskelig å gjette at den andre vurderer avhengigheten av en funksjon og den undersøkte verdien, og den første er basert på analyse av flere funksjoner samtidig. I tillegg tillater ikke multivariat varians å avsløre et sterkere forhold mellom flere elementer, siden avhengigheten av flere størrelser undersøkes samtidig (selv om metoden er mye lettere å gjennomføre).

Faktorer

Tenker du på metoder for å gjennomføre multivariat korrelasjonsanalyse? Da bør du vite at du for en detaljert studie bør studere faktorene som styrer omstendighetene i eksperimentet og påvirker det endelige resultatet. Faktorer kan også bety metoder og nivåer av prosesseringsverdier som kjennetegner en spesifikk manifestasjon av en bestemt tilstand. I dette tilfellet sendes tallene inn i et ordinært eller nominelt målesystem. Hvis du har et problem med gruppering av data, må du ty til å bruke de samme numeriske verdiene, noe som endrer det endelige resultatet litt.

Det skal også forstås at antall observasjoner og grupper ikke kan være for stort, fordi dette fører til et overskudd av data og manglende evne til å fullføre beregningen. Samtidig avhenger metoden for gruppering ikke bare av volumet, men også av arten av variasjonen av visse verdier. Størrelsen og antall intervaller i analysen kan bestemmes i henhold til prinsippet om like frekvenser, samt like intervaller mellom dem. Som et resultat vil alle oppnådde studier bli indikert i den multivariate analysestatistikken, som bør være basert på forskjellige eksempler. Vi kommer tilbake til dette i de følgende avsnittene.

Formål med variansanalyse

Noen ganger kan det oppstå situasjoner når det er nødvendig å sammenligne to eller flere forskjellige prøver. I dette tilfellet vil det være mest logisk å anvende multivariat korrelasjons-regresjonsanalyse basert på studien av hypotesen og forholdet mellom ulike faktorer i graden av regresjon. Også navnet på teknikken indikerer det faktum at studien bruker forskjellige komponenter i variansen.

Hva er essensen av forskning? Til å begynne med er to eller flere indikatorer delt inn i separate deler, som hver tilsvarer handlingen til en bestemt faktor. Etter det blir det utført en rekke forskningsprosedyrer for å finne forholdet mellom forskjellige prøver og forholdet mellom dem. For å forstå en slik kompleks, men interessant teknikk mer detaljert, anbefaler vi at du studerer flere eksempler på multivariat korrelasjonsanalyse, gitt i de følgende avsnittene i vår artikkel.

Eksempel ett

Produksjonsverkstedet har flere automatiske maskiner, som hver er dedikert til produksjon av en bestemt del. Størrelsen på det produserte elementet er en tilfeldig variabel som ikke bare avhenger av innstillingene til selve maskinen, men også tilfeldige avvik som uunngåelig vil oppstå som et resultat av produksjonen av deler. Men hvordan kan en arbeider avgjøre om maskinen fungerer som den skal hvis han opprinnelig produserer defekte deler? Det stemmer, du må kjøpe den samme delen på markedet og sammenligne dimensjonene med det som oppnås under produksjonen. Utstyret kan deretter justeres slik at det produserer deler av ønsket størrelse. Og det spiller ingen rolle i det hele tatt at det er en produksjonsfeil, fordi det også tas med i beregningene.

På samme tid, hvis det er visse indikatorer på maskinene som lar deg bestemme intensiteten til justeringen (X- og Y-akser, dybder og så videre), vil indikatorene på alle maskiner være helt forskjellige. Hvis målingene viste seg å være nøyaktig de samme, kan produksjonsfeilen i det hele tatt ignoreres. Dette skjer imidlertid veldig sjelden, spesielt hvis feilene måles i millimeter. Men hvis den frigitte delen har de samme dimensjonene som standarden som er kjøpt på markedet, så kan det ikke være snakk om noe ekteskap, siden det i produksjonen av "idealet" også ble brukt en maskin som ga visse feil, som sannsynligvis også ble tatt i betraktning av arbeiderne.

Eksempel to

For produksjon av en bestemt enhet som kjører på elektrisitet, er det nødvendig å bruke flere typer forskjellige isolasjonspapir: elektrisk, kondensator og så videre. I tillegg kan enheten impregneres med harpiks, lakk, epoksyer og andre kjemiske elementer som forlenger levetiden. Vel, forskjellige lekkasjer under en vakuumsylinder ved forhøyet trykk kan enkelt elimineres ved hjelp av oppvarmings- eller pumpemetoden. Imidlertid, hvis mesteren tidligere bare brukte ett element fra hver liste, kan det oppstå forskjellige vanskeligheter i produksjonsprosessen ved hjelp av den nye teknologien. Videre, nesten helt sikkert, vil en lignende situasjon være forårsaket av ett element. Det vil imidlertid være nesten umulig å beregne hvilken faktor som påvirker enhetens dårlige ytelse. Det er derfor det anbefales å ikke bruke en multivariat analysemetode, men en univariat, for raskt å håndtere årsaken til feilen.

Selvfølgelig, når man bruker forskjellige verktøy og enheter som sporer innflytelsen fra en eller annen faktor på det endelige resultatet, blir studien til tider forenklet, men det vil ikke være rimelig for en nybegynneringeniør å skaffe seg slike enheter. Derfor anbefales det å bruke enveis variansanalyse, som lar deg identifisere årsaken til problemer i løpet av minutter. For å gjøre dette vil det være nok å sette en av de mest sannsynlige hypotesene foran seg selv, og deretter begynne å bevise det gjennom eksperimenter og analyse av ytelsesindikatorene til enheten. Ganske snart vil veiviseren kunne finne årsaken til problemet og fikse det ved å erstatte et av valgene med et alternativ.

Eksempel tre

Et annet eksempel på multivariat analyse. Anta at et trolleybussdepot kan betjene flere ruter om dagen. Trolleybusser av helt forskjellige merker opererer akkurat på disse rutene, og 50 forskjellige kontrollere henter prisen. Depotledelsen er imidlertid interessert i hvordan flere forskjellige indikatorer kan sammenlignes med hverandre som påvirker den totale inntekten: trolleybussmerke, ruteeffektivitet og ansattes dyktighet. For å se den økonomiske gjennomførbarheten er det nødvendig å analysere i detalj innflytelsen til hver av disse faktorene på det endelige resultatet. For eksempel kan noen veiledere ikke utføre sine oppgaver, så du må ansette flere ansvarlige ansatte. De fleste passasjerer liker ikke å ri gamle trolleybusser, så det er best å bruke et nytt merke. Men hvis begge disse faktorene følger med at de fleste rutene er i høy etterspørsel, er det verdt å endre noe i det hele tatt?

Forskerens oppgave er å skaffe så mye nyttig informasjon som mulig om innflytelsen av hver av faktorene på det endelige resultatet ved hjelp av en analysemetode. For å gjøre dette er det nødvendig å fremstille minst 3 forskjellige hypoteser, som må bevises på forskjellige måter. Avviksanalyse lar deg løse slike problemer på kortest mulig tid og få mest mulig nyttig informasjon, spesielt hvis en flerfasemetode brukes. Husk imidlertid at univariat analyse gir deg mye mer tillit til innflytelsen fra en eller annen faktor, siden den undersøker prøven mer detaljert. For eksempel, hvis depotet styrer alle sine anstrengelser for å analysere ledernes arbeid, vil det være mulig å identifisere mange skruppelløse arbeidere på alle ruter.

Enveisanalyse

Univariat analyse er et sett med forskningsmetoder som tar sikte på å analysere en viss faktor for det endelige resultatet i en bestemt sak. Også, ganske ofte, brukes en lignende teknikk for å sammenligne størst innflytelse mellom to faktorer. Hvis vi tegner en analogi med det samme depotet, bør man først analysere effekten av forskjellige ruter og merker av trallebusser på lønnsomheten, og deretter sammenligne de oppnådde resultatene med hverandre og bestemme i hvilken retning det er best å utvikle stasjonen.

I tillegg må du ikke glemme et slikt konsept som nullhypotesen - det vil si en hypotese som ikke kan kastes og i alle fall påvirkes av alle faktorene som er oppført i en eller annen grad. Selv om vi bare sammenligner ruter og merker av trolleybusser med hverandre, er det fremdeles ingen flukt fra innflytelsen fra ledernes profesjonalitet. Derfor, selv om denne faktoren ikke egner seg til analyse, bør man ikke glemme innflytelsen fra nullhypotesen. For eksempel, hvis du bestemmer deg for å undersøke avhengigheten av fortjeneste på ruten, la den samme lederen på flyet være slik at målingene blir så nøyaktige som mulig.

To-faktor analyse

Oftest kalles denne teknikken også sammenligningsmetoden og brukes for å identifisere avhengigheten av to faktorer til hverandre. I praksis må du bruke forskjellige tabeller med nøyaktige indikatorer for ikke å bli forvirret i dine egne beregninger og påvirkning av faktorer på dem. For eksempel kan du kjøre to helt forskjellige trolleybusser på to identiske ruter samtidig, og ignorere nullhypotesefaktoren (velg to ansvarlige ledere). I dette tilfellet vil sammenligningen av de to situasjonene være av høyeste kvalitet, siden eksperimentet foregår samtidig.

Multifaktoranalyse med gjentatte eksperimenter

Denne metoden brukes i praksis mye oftere enn andre, spesielt når det gjelder en gruppe nybegynnere. Gjentatt erfaring tillater ikke bare å bli overbevist om innflytelsen fra en eller annen faktor på det endelige resultatet, men også å finne feil som ble gjort under studien. For eksempel glemmer de fleste uerfarne analytikere tilstedeværelsen av en eller flere nullhypoteser samtidig, noe som fører til å oppnå unøyaktige resultater under studien. Fortsetter vi eksemplet med depotet, kan vi analysere påvirkningen fra visse faktorer i forskjellige årstider, siden antall passasjerer om vinteren er veldig forskjellig fra sommeren. I tillegg kan gjentatt erfaring føre forskeren til nye ideer og nye hypoteser.

Videoklipp og konklusjon

Vi håper artikkelen vår hjalp deg med å finne ut hva den multivariate korrelasjonsanalysemetoden er basert på. Hvis du fortsatt har spørsmål om dette emnet, anbefaler vi å se en kort video. Den forteller i alle detaljer om metodene for analyse av varians ved hjelp av et spesifikt eksempel.

Som du kan se, er multivariatanalyse en ganske kompleks, men veldig interessant prosess som lar deg identifisere avhengigheten av visse faktorer til det endelige resultatet. Denne teknikken kan brukes på absolutt alle områder av livet og kan effektivt brukes til å gjøre forretninger. Den multivariate analysemodellen kan også brukes til å oppnå gjennombruddsmål ved hjelp av enkle metoder.

La oss utføre en deterministisk faktoranalyse ved å bruke eksemplet på en modell som beskriver forholdet mellom de økonomiske indikatorene til en bedrift. La oss vurdere den mest generelle måten å erstatte kjeder på. For å utføre faktoranalyse bruker vi tilleggetMS UTMERKE Forskjell Analyse Verktøy fra selskapetFincontrollex.

For henrettelse i MS EXCEL, minner vi først leserne om selve metoden, så viser vi hvordan vi skal utføre faktor analyse på egen hånd ved hjelp av en enkel ett-produktmodell som et eksempel, og til slutt, bruk et spesialtillegg Forskjell Analyse Verktøy for en mer kompleks flerproduktmodell .

Litt teori

La oss først gi en tørr akademisk definisjon faktor analyse, så vil vi forklare det med eksempler.

Deterministic Factor Analysis (DPA) er en teknikk for å studere innflytelsen faktorer på effektiv indikator... Forbindelsen antas faktorer fra effektiv indikator er funksjonell i naturen, som uttrykkes av en matematisk formel.

La oss gi et eksempel på en slik funksjonell forbindelse. Vi tar som en effektiv indikator fortsetter bedrifter, og som faktorer som påvirker inntektene - volum av salg, produkts salgspris og ekstra kostnad, med tanke på betalingsperioden (jo senere kjøperen betalte for varene, jo høyere margin). Formelen for den funksjonelle forbindelsen ser i dette tilfellet slik ut:

Inntekt \u003d (Produktsalg for perioden) * (Produktpris) * Margin

Denne formelen er en modell, dvs. en rimelig forenkling av virkeligheten. Faktisk har denne modellen en rekke åpenbare antakelser:

• selskapet produserer et enkelt produkt;
• det antas at prisen på produktet ikke endres i løpet av studietiden (faktisk avhenger prisen ofte av leveringsbetingelsene til forskjellige forbrukere);
• selskapet har ingen andre inntektskilder enn salg av produktet (for eksempel er det ingen inntekt fra ikke-operative transaksjoner);
• inntekt betyr bruttoinntekt, ikke nettoinntekt (netto moms, rabatter) osv.

Merk: Deterministisk analyse utelukker enhver usikkerhet og tilfeldighet som er tilstede i prosessen med virksomhetens virkelige aktivitet. Selv om resultatene av en slik analyse er omtrentlige, hjelper de forskeren med å bestemme graden av påvirkning av faktorer på den resulterende indikatoren, og er ofte utgangspunktet for en mer detaljert analyse.

Merk: Ovennevnte modell er multiplikativ, dvs. For å oppnå resulterende indikatordet er nødvendig å multiplisere faktorene. Også tilgjengelig tilsetningsstoff (Resultat \u003d Faktor1 + Faktor2 + ...), multipler (Utfall \u003d Faktor1 / Faktor2) og blandede modeller (Resultat \u003d Faktor1 * Faktor2 + Faktor3).

For å utføre DFA trenger vi 2 sett med faktorverdier og de resulterende indikatorene som tilsvarer dem. Ofte blir planlagte verdier valgt som det første settet (kalt grunnlinjen), og faktiske verdier blir valgt som det andre.

For vår multiplikativ modell Inntekt \u003d volum * pris * marginfyll ut følgende tabell med planlagte og faktiske verdier:

Som det fremgår av tabellen er den faktiske inntekten betydelig mindre enn den planlagte. Dette skyldtes at alle faktiske verdier var mindre enn planlagt. Det er nødvendig å analysere hvilken faktor som bidro mest til reduksjonen i resultatet: Pris, margin eller Volum av salg.

PÅ deterministisk faktoranalyse bruk følgende analysemetoder:

• kjedesubstitusjonsmetode;
• metode for absolutte forskjeller;
• metode for relative (prosentvise) forskjeller;
• integrert metode, etc.

La oss bruke den mest allsidige ved kjedesubstitusjonersom kan brukes i alle typer modeller - additiv, multiplikativ, multiple og blandet.

Kjedesubstitusjonsmetode lar deg identifisere hvilke faktorer som påvirket den resulterende indikatoren mest. Denne metoden er som følger:

• Først endres verdien av en faktor fra planlagt til faktisk (i vårt tilfelle vil vi endre Volum av salg). Samtidig er andre faktorer ( Prisenog Ekstra kostnad) må stå uendret (planlagt). Deretter beregnes den resulterende indikatoren ( Inntekter), og resultatet sammenlignes med den eksisterende tidligere verdien (med den planlagte Etter inntekt). Da blir deres forskjell funnet. Jo større forskjellen i absolutt verdi, jo større innflytelse har denne faktoren på indikatoren.
• I det andre trinnet endres verdiene til to faktorer samtidig til deres faktiske verdier ( Volum og Prisen), mens de gjenværende faktorene ( Ekstra kostnad) blir uendret (planlagt). Deretter beregnes den resulterende indikatoren ( Inntekter), og sammenlign den med verdien oppnådd i forrige trinn.
• Deretter gjentas utskiftningen av verdiene til faktorene fra planlagt til faktisk til verdiene til alle faktorene i modellen er erstattet med faktiske.

Alt det ovennevnte kan skrives ved hjelp av enkle matematiske uttrykk. La oss gjøre dette med et eksempel 3-faktor multiplikativ modell).

Vi starter med en formel som bare inneholder de planlagte verdiene for faktorene:

Utfall (Plan) \u003d Faktor1 (Plan) * Faktor2 (Plan) * Faktor3 (Plan)

For alle faktorer erstatter vi igjen deres faktiske verdier i stedet for de planlagte.

Resultat (1) \u003d Faktor1 (Faktisk) * Faktor2 (Plan) * Faktor3 (Plan)

Resultat (2) \u003d Faktor1 (Faktisk) * Faktor2 (Faktisk) * Faktor3 (Plan)

Resultat (3) \u003d Faktor1 (Faktisk) * Faktor2 (Faktisk) * Faktor3 (Faktisk)

Merk: Resultat (3) \u003d Resultat (faktisk),de. verdien av den resulterende indikatoren med de faktiske verdiene til alle faktorer .

I dette tilfellet vil den totale endringen i resultatet være lik:

Δ Resultat \u003d Resultat (faktisk) - Resultat (plan)

På den annen side er den totale endringen i utfallet summen av endringene i den resulterende indikatoren på grunn av endringen i hver faktor:

Δ Resultat \u003d Δ Resultat (1) + Δ Resultat (2) + Δ Resultat (3)

Der,

Δ Resultat (1) \u003d Resultat (1) - Resultat (Plan)

Δ Resultat (2) \u003d Resultat (2) - Resultat (1)

Δ Resultat (3) \u003d Resultat (faktisk) - Resultat (2)

Til slutt bestemmer vi verdien av Δ Resultat(jeg), som vil være maksimum absolutt verdi. Den tilsvarende faktoren (i) vil være den faktoren som påvirket den resulterende indikatoren mest.

La oss bruke deterministisk faktoranalyse til multiplikativ modell vei kjedesubstitusjoner når det gjelder ett produkt i MS EXCEL-miljøet. Vi vil gjøre alle beregninger ved hjelp av de vanlige formlene.

Beregninger i MS EXCEL

I samsvar med ovennevnte algoritme vil vi gjøre beregninger måte å kjede på... For å gjøre dette, vil vi beregne inntektsverdiene, og fortløpende erstatte verdiene til faktorene fra planlagt til faktisk ( se eksempelfil, DPA-ark).

ABS ($ M11) \u003d MAX (ABS ($ M $ 11: $ M $ 13))

velg verdien som førte til maksimal avvik for den resulterende indikatoren. I vårt tilfelle tilsvarer denne verdien faktoren Volum av salg.

Åpenbart i tilfelle multiplikativ modell, vil den faktoren som har gjennomgått den største relative endringen alltid være den faktoren som er ansvarlig for det maksimale avviket til den resulterende indikatoren.

Dette kan bekreftes direkte ved å analysere endringene i modellfaktorene:

Et slikt resultat vil bare være tydelig når man bruker modellen til å analysere et enkeltproduktforetak. Hvis et selskap produserer flere produkter som selges til forskjellige priser og med forskjellige påslag, blir beregningene for deterministisk faktoranalyse mye mer kompliserte.

Heldigvis finnes det spesialiserte programmer for faktor analyse... Siden MS EXCEL-miljøet er et fleksibelt og samtidig kraftig verktøy for å utføre beregninger, anbefaler vi at du bruker tillegget til komplekse modeller Forskjell Analyse Verktøy fra selskapet Fincontrollex.

Først viser vi deg hvordan du raskt mestrer dette tillegget, og deretter utfører vi beregninger ved hjelp av et eksempel blandet modell i tilfelle en strategi for flere produkter.

Tillegg for variansanalyseverktøy

Du kan laste ned tillegget fra nettstedet http://fincontrollex.com ved å velge det i menyen Produkter eller det tilsvarende ikonet på hovedsiden til nettstedet.

Nettstedet inneholder også detaljert hjelp for tillegget og en veldig nyttig videoopplæring (http://fincontrollex.com/?page\u003dproducts&id\u003d3&lang\u003dru).

På produktsiden klikker du på knappen for gratis nedlasting. Tillegget vil bli lastet ned til datamaskinen din i zip-arkivformat. Arkivet inneholder to tilleggsfiler * .xll: x64 - for 64 og x86 - for 32-biters versjonen av MS EXCEL. For å finne ut versjonen av programmet ditt i menyen Fil Velg en henvisning.

Etter installasjonen av tillegget vises en ny fane fincontrollex.com.

Vi kommer tilbake til tillegget litt senere, nå skal vi opprette blandet modell og fyll ut originaltabellen med planlagte og faktiske verdier for faktorene og den resulterende indikatoren.

Modelloppretting

La oss vurdere en mer kompleks modell av selskapets inntekter, som avhenger av tre faktorer:

jeg) * (Pris for 1 produkt (jeg)) + bonus (jeg))

Som du ser av formelen, selger selskapet nå flere produkter, og hvert produkt har sin egen pris. For rettidig betaling av det leverte partiet kan klienten motta en bonus (rabatt): hvis betalingen skjer innen de første 3 dagene etter forsendelse (levering), er bonusen 20 000 rubler. for festen; hvis betalingen mottas senest en uke, vil bonusen være 10 000 rubler. Hvis senere krediteres ikke bonusen.

La oss komponere en innledende tabell for planlagte og faktiske verdier:

Tabellkolonneoverskrifter som inneholder verdier som er levert av brukeren, er uthevet i gult. Resten av de numeriske cellene inneholder formler ( se eksempelfil, arktabell).

Bedriftens ledere planla åpenbart å selge varer med artikkelnummer 1 til 5 i mengder på 1500 stykker, og resten av varene til 1750 stykker. Det faktiske salgsvolumet for noen varer varierer betydelig. Også forskjellig er prisen som salgssjefene har avtalt å selge varene. Tilstedeværelsen av en bonus spilte en rolle i betalingen, og de fleste kunder betalte for varene i tide eller til og med tidligere enn lederne forutsa (fra 3 dager til 1 uke).

Men hvilken faktor hadde størst innvirkning på inntektene? Hvilken ansatt som skal belønnes: ledelsen som kom opp med bonussystemet; salgssjefer som ble enige om pris og volum for hvert produkt eller produksjonsavdelingen som sørget for fleksibel produksjon av partier (betydelig forskjellig i volum fra den planlagte). Svaret er langt fra opplagt.

Som vist i forrige avsnitt, å utføre faktor analyse du kan skrive formler selv. Imidlertid er det åpenbart at selv for en enkeltproduktmodell er dette ganske arbeidskrevende, og det er derfor lett å gjøre en beregningsfeil.

For å forhindre at dette skjer - er det rimelig å bruke et spesielt tillegg ForskjellAnalyseVerktøy.

Beregning ved hjelp av tillegget til variansanalyseverktøyet

Så vi har en modell (formel) og en tabell med innledende data. For å bruke tillegget, må vi endre formelen litt:

Inntekt \u003d SUM (produktsalg (jeg) * (Pris for 1 produkt (jeg)) + bonus (jeg))

For å forstå hvorfor vi må endre en tilsynelatende rimelig formel, vil vi se nærmere på faktoren Produktsalgsvolum.

Åpenbart viktig som totale salg (i stykker) og produktspekter... Du kan få en økning i det totale salgsvolumet, men samtidig tape på inntektene på grunn av en nedgang i salget av dyrere produkter enn planlagt. For eksempel planla lederne å selge 2 varer på 100 hver. alle sammen. Ett produkt koster 10 rubler, det andre 50 rubler. Den planlagte inntekten skulle være 6000 rubler. \u003d 100 * 10 + 100 * 50. Vi klarte faktisk å selge 250 enheter: 200 enheter. 10 rubler. og 50 stk. 50 rubler hver Som et resultat har vi en nedgang i inntektene til 4500 rubler!

Det fine er at når du staver formelen riktig med faktor analyse du kan bestemme innvirkningen på inntektene av begge faktorene: bestemme innvirkningen av det generelle, dvs. totale salg, samt effekten av det solgte sortiment Produkter.

Dermed er faktoren Produktsalgsvolum, som vi brukte i enkeltproduktmodellen, i tilfelle salg av flere produkter, er det nødvendig å dele inn i to komponenter: Totale salg og på Andel av salget av hvert produkt... Følgelig blir modellen vår fra 3-faktor til 4-faktor.

Merk: På nettstedet fincontrollex.com kan du lese en artikkel om faktoranalyse av inntekt (http://fincontrollex.com/?page\u003darticles&id\u003d6&lang\u003dru), som beskriver materialet om hvordan man tar hensyn til innflytelsen fra ulike salgskanaler for produkter, vurderer effekten av innføringen av nye produkter, bestemmer effekten av rabatter og tar hensyn til andres effekter ledelsesinitiativer.

Ny formel som tar hensyn til virkningen sortiment og totale salgtil unnsetning ser det slik ut:

Inntekt \u003d totalt salg * SUM (andel av produktsalg (jeg) * (Pris for 1 produkt (jeg))) + SUM (bonus (jeg))

Eller mer kortfattet:

Inntekt \u003d totalt volum * aksje * pris + bonus

La oss nå sette opp modellen.

Klikk på knappen i fincontrollex.com-fanen Henrette.

Tilleggsdialogen vises ForskjellAnalyseVerktøy.

Skriv inn modellnavnet (fritekst) og modellformelen.

Modellformelen må ikke inneholde punktum (.), Men kan inneholde mellomrom. Etter å ha angitt formelen, trykk ENTER eller klikk på knappen Modellparametere eller i felten Modell navn.

Navnene på faktorene i formelen trenger ikke å være de samme som kolonnenavnene i kildetabellen. Korrespondansen mellom formelen og den opprinnelige tabellen er etablert ved hjelp av lenker (se nedenfor).

Etter at du har angitt formelen, vil tillegget automatisk oppdage modelltypen (blandet) og faktorene, mens du oppretter en liste over faktorer fra formelen i en kolonne Navn nederst i vinduet.

I felt Utvalg av navn du må oppgi en lenke til produktnavnene.

For å koble faktorene som er spesifisert i formelen med de tilsvarende dataene fra den opprinnelige tabellen, er det viktig å fylle ut 3 kolonner:

• I kolonne Beskrivelse du må legge inn lenker til navnene på kolonnene til faktorene fra kildetabellen;
• I kolonne Utgangspunkt område du må legge inn lenker til de tilsvarende cellene med de planlagte verdiene for faktorene;
• I kolonne Faktisk rekkevidde du må legge inn lenker til de tilsvarende cellene med faktiske verdier av faktorene;

Kolonne Enhet. er informativ og kan inneholde måleenheter for faktorer. Denne kolonnen påvirker ikke beregninger, og i prinsippet kan du la den være tom (i det minste når du feilsøker beregningsmodellen).

Det gjenstår å trykke på menyknappen Henrette, og start dermed beregningen.

Beregningen utføres nesten umiddelbart. Etter å ha utført beregningen opprettes en ny bok med 2 ark: Hvelv og I detalj.

Indeks Utgangspunkt på arket Hvelv er lik i vårt tilfelle de planlagte inntektene, og Faktum - faktisk inntekt. Alle de fire faktorene i modellen ligger mellom dem. Ved verdiene til disse faktorene kan du raskt bestemme effekten av disse faktorene på den resulterende indikatoren (inntekt).

Åpenbart faktorene Pris og Bonus hadde nesten samme effekt på inntektene, men med motsatt tegn. Dermed kan salgssjefer håpe på en bonus fordi de klarte å oppnå en betydelig prisøkning og ga følgelig det viktigste ekstra inntektsbidraget sammenlignet med den planlagte. Sortimentet av produkter ble også valgt riktig (+7210 for faktor Dele). Dette betyr at dyrere varer ble solgt enn billige sammenlignet med planen.

På arket I detalj du kan se en detaljert beregning med formler.

Innen finansiell analyse kan ingenting tas for gitt, så vi studerte nøye formlene som tillegget genererer, og algoritmen til arbeidet deres ble sjekket opp mot teorien.

Åpenbart overbygningen ForskjellAnalyseVerktøytaklet sitt "oppdrag", alle beregninger ble gjort riktig, og det er veldig viktig - raskt.

Å mestre tillegget tar ikke mye tid. Etter å ha sett på videoopplæringen (10 minutter), vil enhver MS EXCEL-bruker kunne begynne å jobbe med tillegget, bygge en modell og utføre deterministisk faktoranalyse ved kjedesubstitusjon.

Produksjon: Nettstedet anbefaler finansanalytikere og ledere å bruke tillegget Verktøy for avviksanalyse fra Fincontrollex å utføre deterministisk faktoranalyse modeller av de mest forskjellige typene.

For å analysere variasjonen til et trekk under påvirkning av kontrollerte variabler, brukes variansemetoden.

Å studere forholdet mellom verdier - faktoriell metode. La oss se nærmere på de analytiske verktøyene: faktoriell, varians og to-faktor varians metoder for å vurdere variabilitet.

Analyse av varians i Excel

Konvensjonelt kan målet for dispersjonsmetoden formuleres som følger: å isolere fra den totale variabiliteten til parameter 3 spesielle avvik:

• 1 - bestemt av handlingen til hver av de studerte verdiene;
• 2 - diktert av forholdet mellom de studerte verdiene;
• 3 - tilfeldig, diktert av alle ikke-regnskapsførte forhold.

I Microsoft Excel kan variansanalyse utføres ved hjelp av dataanalyseverktøyet (Data-fanen - Analyse). Det er et bordprosessortillegg. Hvis tillegget ikke er tilgjengelig, må du åpne Excel-alternativer og aktivere analyseinnstillingen.

Arbeidet begynner med utformingen av bordet. Regler:

1. Hver kolonne skal inneholde verdiene til en undersøkt faktor.
2. Ordne kolonnene i stigende / synkende rekkefølge av verdien til den undersøkte parameteren.

La oss se på et eksempel på variansanalyse i Excel.

Bedriftens psykolog analyserte strategiene for ansattes oppførsel i en konfliktsituasjon ved hjelp av en spesiell metodikk. Det antas at atferd er påvirket av utdanningsnivået (1 - videregående, 2 - videregående spesialisert, 3 - høyere).

La oss legge inn dataene i Excel-tabellen:

Den viktige parameteren er uthevet i gult. Siden P-verdien mellom gruppene er større enn 1, kan ikke Fishers test betraktes som signifikant. Følgelig avhenger ikke oppførsel i en konfliktsituasjon av utdanningsnivået.

Faktoranalyse i Excel: Et eksempel

Faktor kalles multivariat analyse av forholdet mellom verdiene til variabler. Ved hjelp av denne metoden kan du løse de viktigste oppgavene:

• å gi en omfattende beskrivelse av det målte objektet (og kortfattet, kompakt);
• å identifisere skjulte variabler som bestemmer tilstedeværelsen av lineære statistiske korrelasjoner;
• klassifisere variabler (bestemme forholdet mellom dem);
• redusere antall nødvendige variabler.

La oss vurdere et eksempel på faktoranalyse. La oss si at vi kjenner til salget av noen produkter de siste 4 månedene. Det er nødvendig å analysere hvilke varer som er etterspurt og ikke.

Nå kan du tydelig se hvilket produktsalg som er ansvarlig for hovedveksten.

Toveis ANOVA i Excel

Viser hvordan to faktorer påvirker endringen i verdien til en tilfeldig variabel. La oss se på et eksempel på toveis ANOVA i Excel.

Oppgave. En gruppe menn og kvinner ble presentert med forskjellige lydstyrker: 1 - 10 dB, 2 - 30 dB, 3 - 50 dB. Svartiden ble registrert i millisekunder. Det er nødvendig å avgjøre om kjønn påvirker responsen; om volumet påvirker reaksjonen.

Faktoranalyse av fortjeneste lar deg evaluere effekten av hver faktor separat på det økonomiske resultatet som helhet. Les hvordan du gjennomfører det og laster ned metodikken.

Essensen av faktoranalyse

Essensen av den faktuelle metoden er å bestemme innflytelsen til hver faktor individuelt på resultatet som helhet. Dette er ganske vanskelig å gjøre, fordi faktorene påvirker hverandre, og hvis faktoren ikke er kvantitativ (for eksempel en tjeneste), blir vekten estimert av en ekspert, som gir et avtrykk av subjektivitet på hele analysen. I tillegg, når det er for mange faktorer som påvirker resultatet, kan ikke dataene behandles og beregnes uten spesielle matematiske modelleringsprogrammer.

En av de viktigste økonomiske indikatorene for en bedrift er fortjeneste. Innen rammen av faktoranalyse er det bedre å analysere fortjenestemarginen, der det ikke er faste kostnader, eller fortjeneste fra salg.

Finn ut årsakene til endringene ved hjelp av Excel-modellen

Last ned den ferdige modellen i Excel. Det vil hjelpe deg med å finne ut hvordan salgsvolum, pris og salgsstruktur påvirket inntektene.

Faktoranalyse etter metoden for kjedesubstitusjoner

I faktoranalyse bruker økonomer vanligvis metoden for kjedesubstitusjoner, men matematisk er denne metoden feil og gir svært skjevt resultat, som varierer betydelig avhengig av hvilke variabler som erstattes først og hvilke etter (for eksempel i tabell 1).

Tabell 1... Analyse av inntekt avhengig av pris og mengde solgte produkter

I det første alternativet økte inntektene på grunn av prisen med 500 rubler, og i det andre med 600 rubler; inntektene på grunn av mengden i den første økte med 300 rubler, og i den andre bare med 200 rubler. Dermed varierer resultatene betydelig avhengig av rekkefølgen på erstatningen. ...

Du kan mer korrekt distribuere faktorene som påvirker det endelige resultatet, avhengig av margin (Nat) og antall salg (Antall) (se figur 1).

Bilde 1

Formelen for fortjenestevekst på grunn av marginen: P nat \u003d ∆ Nat * (Antall (tech) + Antall (base)) / 2

Formelen for fortjenestevekst på grunn av mengde: P-antall \u003d ∆ Antall * (Nat (tech) + Nat (base)) / 2

Et eksempel på to-faktor analyse

Tenk på et eksempel i tabell 2.

tabell 2... Eksempel på to-faktor analyse av inntektene

Vi fikk gjennomsnittsverdiene mellom variantene av kjedesubstitusjoner (se tabell 1).

Tre-faktor modell for profittanalyse

Trefaktormodellen er mye mer komplisert enn tofaktormodellen (figur 2).

Bilde 2

Formelen som brukes til å bestemme innflytelsen av hver faktor i en 3-faktor modell (for eksempel markering, mengde, nomenklatur) på det totale resultatet, ligner formelen i en to-faktor modell, men mer komplisert.

P nat \u003d ∆Nat * ((Number (tech) * Nom (tech) + Number (base) * Nom (base)) / 2 - ∆Kol * ∆Nom / 6)

P-antall \u003d ∆Col * ((Nat (tech) * Nom (tech) + Nat (base) * Nom (base)) / 2 - atNat * ∆Nom / 6)

P nom \u003d ∆Nom * ((Nat (tech) * Kol (tech) + Nat (base) * Kol (base)) / 2 - atNat * ∆Col / 6)

Analyseeksempel

I tabellen ga vi et eksempel på bruk av trefaktormodellen.

Tabell 3... Et eksempel på beregning av inntekt ved bruk av en trefaktormodell

Hvis du ser på resultatene av analysen av inntektene etter faktor-metoden, skjedde den største økningen i inntekter på grunn av prisøkningen. Prisene økte med (15/10 - 1) * 100% \u003d 50%, den neste i viktigheten var økningen i området fra 3 til 4 enheter - vekstraten (4/3 - 1) * 100% \u003d 33% og på siste plass " mengde ", som bare økte med (120 / 100-1) * 100% \u003d 20%. Dermed påvirker faktorene fortjenesten proporsjonalt med vekstraten.

Firefaktormodell

Dessverre, for en funksjon av formen Pr \u003d Kol av * Nom * (Pris - Seb), er det ingen enkle formler for å beregne innflytelsen til hver enkelt faktor på indikatoren.

Pr - fortjeneste;

Kol av - gjennomsnittlig mengde per enhet;

Nom - antall lagervarer;

Pris - pris;

Det er en beregningsmetode basert på Lagrange endelig økningsteorem, ved hjelp av differensial- og integralkalkulus, men den er så kompleks og tidkrevende at den praktisk talt ikke kan brukes i det virkelige liv.

Derfor, for å isolere hver enkelt faktor, beregnes først mer generelle faktorer ved hjelp av den vanlige tofaktormodellen, og deretter deres komponenter på samme måte.

Den generelle profittformelen: Pr \u003d Antall * Nat (Nat - merking på en enhet av produkter). Følgelig bestemmer vi innflytelsen av to faktorer: mengde og margin. Antallet solgte produkter avhenger igjen av nomenklaturen og antall salg per vare i gjennomsnitt.

Vi får Mengde \u003d Kol av * Nom Og marginen avhenger av pris og kostnad, dvs. Nat \u003d Pris - Seb. På sin side avhenger innflytelsen av kostprisen på endringen i fortjeneste av mengden solgte produkter og av endringen i selve kostprisen.

Derfor må vi bestemme innflytelsen fra fire faktorer på endringen i fortjeneste separat: Mengde, Pris, Seb, Nom ved å bruke 4 ligninger:

1. Pr \u003d Count * Nat
2. Mengde \u003d Kol av * Nom
3. Kostnad \u003d Antall * Seb.
4. Exp \u003d Antall * Pris

Eksempel på en firefaktormodellanalyse

La oss se på et eksempel. Innledende data og beregninger i tabellen

Tabell 4... Et eksempel på profittanalyse ved bruk av en 4-faktor modell

Merk: tallene i Excel-tabellen kan avvike med flere enheter fra dataene i tekstbeskrivelsen, fordi de er avrundet til tideler i tabellen.

1. Først, ved å bruke tofaktormodellen (beskrevet helt i begynnelsen), nedbryter vi endringen i fortjeneste til en kvantitativ faktor og en marginfaktor. Dette er faktorer av første orden.

Pr \u003d Count * Nat

Antall ∆ \u003d ∆Q * (H 1 + H 0) / 2 \u003d (220 - 180) * (3,9 + 4,7) / 2 \u003d 172

Nat ∆ \u003d ∆H * (Q 1 + Q 0) / 2 \u003d (4,7 - 3,9) * (220 + 180) / 2 \u003d 168

Sjekk: ∆Пр \u003d Kol ∆ + Nat ∆ \u003d 172 + 168 \u003d 340

2. Vi beregner avhengigheten av kostnadsparameteren. For å gjøre dette deler vi kostnadene i mengde og kostnad etter samme formel, men med et minustegn, siden kostnaden reduserer fortjenesten.

Kostnad \u003d Antall * Seb

Ceb∆ \u003d - ∆C * (Q1 + Q0) / 2 \u003d - (7.2 - 6.4) * (180 + 220) / 2 \u003d -147

3. Vi beregner avhengigheten av prisen. For å gjøre dette deler vi inntektene i mengde og pris ved hjelp av samme formel.

Exp \u003d Antall * Pris

Pris∆ \u003d ∆P * (Q1 + Q0) / 2 \u003d (11,9 - 10,3) * (220 + 180) / 2 \u003d 315

Sjekk: Nat∆ \u003d Pris∆ - Seb∆ \u003d 315 - 147 \u003d 168

4. Vi beregner effekten av varen på resultatet. For å gjøre dette nedbryter vi antall solgte produkter etter antall enheter i sortimentet og gjennomsnittlig mengde per enhet i nomenklaturen. Så vi vil bestemme forholdet mellom størrelsesfaktoren og nomenklaturen i natura. Etter det multipliserer vi innhentede data med gjennomsnittlig årlig påslag og konverterer dem til rubler.

Antall \u003d Nom * Antall (ons)

Nom ∆ \u003d ∆N * (Q (av 0) + Q (av 1)) / 2 * (H 1 + H 0) / 2 \u003d (3 - 2) (73 + 90) / 2 * (4.7 + 3,9) \u003d 352

Antall (gjennomsnitt) \u003d ∆Q (gjennomsnitt) * (N 1 + N 0) / 2 * (H 1 + H 0) / 2 \u003d (73 - 90) * (2 + 3) / 2 * (4,7 + 3,9) \u003d -180

Sjekk: Antall ∆ \u003d Nom ∆ + Antall (jf.) \u003d 352-180 \u003d 172

Ovennevnte firefaktoranalyse viste at overskuddet økte sammenlignet med året før på grunn av:

• prisøkning med 315 tusen rubler;
• endringer i nomenklaturen med 352 tusen rubler.

Og det reduserte på grunn av:

• kostnadsvekst med 147 tusen rubler;
• fall i antall salg med 180 tusen rubler.

Det virker som et paradoks: det totale antallet solgte enheter i inneværende år sammenlignet med året før har økt med 40 enheter, men mengdefaktoren viser et negativt resultat. Dette skyldes at veksten i salget skyldtes en økning i nomenklaturen. Hvis det i fjor bare var to av dem, så er det lagt til en til i år. Samtidig ble varer “B” solgt i rapporteringsåret for 20 enheter målt i mengde. mindre enn den forrige.

Dette antyder at produktet "C" introdusert i det nye året delvis erstattet produktet "B", men tiltrukket nye kjøpere, som produktet "B" ikke hadde. Hvis produktet "B" neste år fortsetter å miste sin posisjon, kan det fjernes fra sortimentet.

Når det gjelder priser, påvirket ikke økningen med (11,9 / 10,3 - 1) * 100% \u003d 15,5% i stor grad salget generelt. Bedømt av produkt "A", som ikke ble påvirket av strukturelle endringer i sortimentet, økte salget med 20%, til tross for prisøkningen med 33%. Dette betyr at prisoppgangen ikke er kritisk for firmaet.

Alt er klart med kostprisen: den har vokst og fortjenesten har gått ned.

Faktoranalyse av salgsresultat

Evgeny Shagin, Finansdirektør i RusCherMet Management Company

For å gjennomføre faktoranalyse må du:

• velg en base for analyse - salgsinntekter, fortjeneste;
• velg faktorene, hvis innflytelse må vurderes. Avhengig av valgt analysegrunnlag, kan de være: salgsvolum, kostpris, driftskostnader, ikke-driftsinntekter, renter på lån, skatt;
• vurdere virkningen av hver faktor på den endelige indikatoren. I basisberegningen for forrige periode, erstatt verdien av den valgte faktoren fra rapporteringsperioden og juster den endelige indikatoren med tanke på disse endringene.
• bestemme påvirkningen av faktoren. Trekk fra den oppnådde mellomverdien av den estimerte indikatoren, den faktiske verdien for forrige periode. Hvis tallet er positivt, hadde endringen i faktoren en positiv innvirkning, negativ - negativ.

Eksempel på faktoranalyse av salgsresultat

La oss se på et eksempel. La oss erstatte verdien av salgsvolumet for inneværende periode (571,513,512 rubler i stedet for 488,473,087 rubler) i rapporten om de økonomiske resultatene til Alpha-selskapet for forrige periode, alle andre indikatorer vil forbli de samme (se tabell 5). Som et resultat økte nettoresultatet med 83 040 425 RUR. (116 049 828 RUB - 33 009 403 RUB). Dette betyr at hvis selskapet i forrige periode hadde klart å selge produkter for samme beløp som i denne, ville nettoresultatet ha økt med bare disse 83.040.425 rubler.

Tabell 5... Faktoranalyse av fortjeneste etter salgsvolum

Ved hjelp av en lignende ordning kan du evaluere innflytelsen til hver faktor og beregne nettovinsten på nytt, og de endelige resultatene kan oppsummeres i en tabell (se tabell 6).

Tabell 6... Innflytelse av faktorer på fortjeneste, rubler

Som det fremgår av tabell 6, ble den største innvirkningen i den analyserte perioden gjort av salgsveksten (83.040.425 rubler). Summen av påvirkning fra alle faktorer sammenfaller med den faktiske endringen i fortjeneste for den siste perioden. Derfor kan vi konkludere med at analyseresultatene er riktige.

Konklusjon

Avslutningsvis vil jeg forstå: hva skal du sammenligne fortjeneste med i faktoranalyse? Med det siste året, med basisåret, med konkurrentene, med planen? Hvordan forstå om en bedrift har fungert bra i år eller ikke? For eksempel har en bedrift doblet overskuddet for inneværende år, det ser ut til at dette er et utmerket resultat! Men på dette tidspunktet utførte konkurrentene teknisk gjenutstyr av bedriften, og fra neste år vil de fjerne de heldige fra markedet. Og hvis du sammenligner med konkurrenter, så er inntektene mindre, fordi i stedet for å si reklame eller utvide sortimentet, investerte de penger i modernisering. Dermed avhenger alt av selskapets mål og planer. Fra hvilket det følger at den faktiske fortjenesten må sammenlignes, først og fremst, med den planlagte.

Nøye planlegging er avgjørende for suksessen til enhver bedrift. Den er basert på faktoranalyse av ulike indikatorer, som gjør det mulig å rettferdiggjøre planer, vurdere kvaliteten på regnskaps- og kontrollsystemer. Basert på resultatene utvikles bedriftens taktikk og strategi. Oftest utføres faktoranalyse i forhold til fortjeneste for å bestemme hvordan denne indikatoren påvirkes av produktets kvalitet og volum, arbeidsproduktivitet. Salgsanalyse er viktigst for handelsbedrifter.

Oppgaven med å undersøke økonomiske resultater er å overvåke gjennomføringen av planer og bestemme hvilke objektive og subjektive faktorer som påvirker inntektsnivået. Beregningsprosessen bruker legitimasjon og informasjon fra forretningsplanen. Basert på resultatene er reserver fast bestemt på å øke nettoinntekten.

Beregninger utføres for:

• brutto, skattepliktig,
• grunnleggende varer (tjenester, arbeider)
• inntekter fra annet salg
• ikke-driftsinntekt

Forskningsmål:

• bestemme avvik for hver funksjon
• undersøke endring og struktur for hver indikator
• evaluere virksomheten i en viss periode

Inntektsstrukturen og sammensetningen, dynamikken i forhold til tidligere tidsperioder, den valgte regnskapsprinsippens innvirkning på hver type fortjeneste og mengden fradrag for utbytte og skatt blir analysert.

Det er viktig å ta hensyn til alle faktorene som påvirker resultatet av gründeraktivitet:

• inntekter fra drift med valutaer, innskudd, obligasjoner, aksjer
• tap fra håpløs, tapt, bøter, straffer
• leieinntekter, mottatt tap, bøter, straffer
• tap fra negativ fortjeneste fra tidligere perioder og naturkatastrofer
• kostnadene ved å betale skatt og trekk til midler utenfor budsjettet

Hovedindikatoren for vellykket arbeid er høy lønnsomhet. Det er nødvendig å studere avhengigheten av denne indikatoren for hele virksomheten og for hvert aktivitetsområde. Lønnsomheten ved salg, avkastning på investert kapital, investering og kostnader vurderes. Beregninger utføres for hver type fortjeneste (brutto, fra salg, netto).

Faktoranalyse består av flere trinn:

• utvalg av faktorer
• deres systematisering og klassifisering
• modellering av forholdet mellom faktor og resultat
• bestemmelse av hver faktor og beregning av dens innflytelse på resultatet av økonomisk aktivitet
• utvikle anbefalinger for å bruke resultatene i praksis

Nøkkelelementer: endringer i lønnsomhet, inntekt og utgifter.

For faktorforskning kan du bruke andre indikatorer, for eksempel lønnsomhet:

• investeringer (forholdet mellom beløpet i "bunnlinjen" og mengden egenkapital)
• egenkapital
• eiendeler (forholdet mellom beløpet i "bunnlinjen" og totalvolumet til den første delen av balansen)
• (forholdet mellom beløpet i "bunnlinjen" og volumet av arbeidskapital)
• salg (forholdet mellom beløpet i "bunnlinjen" og inntektene)

Forskjellen mellom beløpene for basisåret og inneværende år beregnes, faktorene som påvirket endringene identifiseres.

Forskning på faktorer som påvirker salgslønnsomheten

Salgs lønnsomhet avhenger av:

• volum solgte varer
• strukturen på solgte varer
• koste
• gjennomsnittlig prisnivå
• forretningsutgifter

I løpet av forskningen vurderes hver faktor og dens innflytelse.

Den generelle indikatoren på endringen i inntekt fra salg av varer:

ΔР \u003d Р1 - Р0, hvor

• Р1 - overskudd for inneværende periode
• Р0 - fortjeneste fra forrige periode

Ved beregning av innflytelsen av volumet av solgte varer på lønnsomheten, beregnes først volumøkningen (i prosent):

ΔQ \u003d Q1 / Q0 * 100-100, hvor

• Q1 - inntekt for inneværende periode i basispriser
• Q0 - inntekter fra forrige periode

ΔР1 \u003d Р0 * ΔQ / 100, hvor

• ΔР1 - endring i volum på solgte varer

Sammenligning av baseline og rapporterte data kan skape problemer, spesielt hvis produktet ikke er homogent. Problemet løses ved å legge prisene fra forrige periode til grunn.

Effekten på kostnaden beregnes med formelen:

ΔР2 \u003d С0 - С1, hvor

• С0 - kostnadene for solgte varer i rapporteringsperioden i prisene for forrige periode
• C1 - kostnaden for solgte varer i rapporteringsperioden til løpende priser

Denne formelen brukes også til å beregne effekten av salgs- og administrasjonskostnader.

Endringer i salgsverdien beregnes med formelen:

ΔР3 \u003d Q1 - Q2, hvor

• Q1 - inntekt for inneværende periode i løpende priser
• 2. kvartal - inntekt for inneværende periode til basispriser

For å beregne innvirkningen av produktstruktur på fortjeneste, brukes følgende formel:

ΔР4 \u003d ΔР - ΔР1 - ΔР2 - ΔР3

For å bestemme virkningen av alle faktorer, brukes formelen:

ΔР \u003d Р1 - Р0 \u003d ΔР1 + ΔР2 + ΔР3 + ΔР4

Basert på resultatene bestemmes reserver som tillater det. Dette kan være en økning i volumet av solgte produkter, en reduksjon i totalkostnaden eller de enkelte komponentene, en forbedring i strukturen (kvalitet, utvalg) av produserte (solgte) produkter.

Beregningseksempel

For å utføre beregninger, må du ta data fra balansen for inneværende og basisår.

Et eksempel på beregning av indikatorene for faktoranalyse av fortjeneste fra salg, hvis:

• inntekter 60.000 og 55.000 (i løpende priser) eller 45.833 (til basisårspriser)
• produksjonskostnad 40.000 og 35.000
• salgsutgifter 3000 og 2000
• administrasjonsutgifter 5.000 og 4.000
• totalkostnad på 48.000 og 41.000
• salgsprisendringsindeks 1.2
• fortjeneste 12.000 og 14.000

(den første indikatoren refererer til basisperioden, den andre til rapporteringsperioden).

Resultatendring:

ΔР \u003d Р1 - Р0 \u003d 12.000 - 14.000 \u003d -2.000

Inntektene for inneværende periode i tidligere priser: 55 000 / 1,2 \u003d 45 833.

Økning / reduksjon i salgsvolum:

ΔQ \u003d Q1 / Q0 * 100 \u003d 45.833 / 60.000 * 100-100 \u003d -24%

Effekt av volumreduksjon:

ΔР1 \u003d Р0 * ΔQ / 100 \u003d 12.000 * (-24) / 100 \u003d -1.480

Virkning av ufullstendige (produksjons) kostnader:

ΔР2 \u003d С0 - С1 \u003d 40 000 - 35 000 * 1,2 \u003d -2 000

Virkning av salgsutgifter:

ΔР2 \u003d С0 - С1 \u003d 3000 - 2000 * 1,2 \u003d 600

Virkning av administrasjonskostnader:

ΔР2 \u003d С0 - С1 \u003d 5.000 - 4.000 * 1,2 \u003d 200

Virkning av verdiendring ved salg:

ΔР3 \u003d Q1 - Q2 \u003d 55.000 - 45.833 \u003d 9.167

Effekt av struktur:

ΔР4 \u003d ΔР - ΔР1 - ΔР2 - ΔР3 \u003d -2,000 - 1,480 - 2,000 + 600 + 200 + 9,167 \u003d 4,467

Innflytelse av alle faktorer:

ΔР \u003d ΔР1 + ΔР2 + ΔР3 + ΔР4 \u003d -1 480 - 2000 + 600 + 200 + 9 167 + 3467 \u003d 9 114

Resultatene viser at resultatet i rapporteringsperioden gikk ned på grunn av en nedgang i salgsvolum og en økning i produksjonskostnadene. Endringen i produktets struktur og kostnad ved salg hadde en positiv innvirkning.

Forskning på faktorer som påvirker bruttofortjeneste

Beregningen for bruttomarginen inkluderer ikke følgende kostnader:

• kommersiell
• ledelsesmessig
• ikke i drift
• operasjonsstuer
• avgift
• ekstraordinær
• andre

I eksemplet som ble vurdert i forrige avsnitt, vil 3 endre seg:

• kostnaden vil være 2000
• struktureffekt 3667
• påvirkning av alle faktorer 8 314

Beløpene vil være mindre, siden salgs- og administrasjonskostnadene, som endrer den totale kostnaden, ikke blir tatt i betraktning.

Forskning på faktorer som påvirker størrelsen på netto fortjeneste

Alle faktorer som påvirker denne indikatoren er delt inn i intern og ekstern. Den første gruppen inkluderer regnskapsmetoder, metoder for å danne kostnadsstrukturen, den andre - påvirkning av klima, endringer i tariffer og priser på råvarer, endringer i kontrakter, force majeure. Netto fortjeneste beregnes ved å trekke produksjonskostnader, administrasjons- og salgskostnader, andre utgifter og skatt fra inntektene.

For beregninger brukes formelen:

∆Рч \u003d ∆Р + ∆С + ∆К + ∆У + ∆П + ∆НП, hvor

• ∆Р - endring i inntekt
• ∆С - kostnadsendring
• ∆К - endring i kommersielle kostnader
• ∆У - endring i administrasjonskostnader
• ∆П - endring i andre inntekter / utgifter
• ∆НП - endring i størrelse etter justering

Ved beregning av endringer i individuelle faktorer brukes formelen:

ΔI2 \u003d I0 - I1, hvor

• I0 - kostnadene for den nåværende perioden i fortidens priser
• I1 - kostnadene for rapporteringsperioden i løpende priser

Tilsvarende gjennomføres en studie av inntekter fra tilleggsaktiviteter, for eksempel deltakelse i andre virksomheter, innskudd, innskudd i obligasjoner. Dette lar deg bestemme faktorene som påvirker lønnsomheten og muligheten for å investere. For eksempel, hvis inntektene fra renter på innskudd har gått ned, bør du ikke bruke denne typen investeringer i fremtiden.

Når man arbeider med bunnlinjen, blir det også utført en studie om kvaliteten og bruken av nettofortjeneste. Denne indikatoren kan forbedres ved å redusere gapet mellom figuren i balansen og det reelle beløpet. For dette endres metoden, metodene for å avskrive kostnadene og opprette reserver.

For å studere bruken av opptjente midler, brukes formelen for å beregne avkastningen på en aksje:

Pa \u003d (Pch - Dpr) / Qo, hvor

• Pa - lønnsomhet for en aksje
• PC - nettofortjeneste
• Дпр - utbyttebeløp per foretrukket aksje
• Qо - antall ordinære aksjer i omløp

Nettoinntekt brukes til å:

• utbetaling av utbytte
• dannelse av sparing og reserver
• bidrag til sosiale og veldedige midler

Faktoranalyse kan også utføres på disse indikatorene for å sammenligne volumer og avvik i to eller flere perioder.

Faktoranalyse gjør det mulig å dypere og i detalj vurdere tilstanden til selskapets økonomi ved å identifisere de faktorene som har størst innvirkning på virksomhetens lønnsomhet. Basert på resultatene kan du bestemme nøyaktig hvilke aktiviteter som kreves.

Skriv spørsmålet ditt i skjemaet nedenfor