Gazdasági elemzés
/Gyakorlati jegyzet/
2
Gazdasági elemzés
/Gyakorlati jegyzet/
Szerzők:
Takács István
Károly Róbert Főiskola, Üzleti Tudományok Intézete (1-3. fejezet) Baranyai Zsolt
Szent István Egyetem, Gazdaság- és Társadalomtudományi Kar (4-6. fejezet) Fenyves Veronika
Debreceni Egyetem Gazdálkodástudományi és Vidékfejlesztési Kar (7-9. fejezet) Tarnóczi Tibor
Debreceni Egyetem Gazdálkodástudományi és Vidékfejlesztési Kar (10-13. fejezet) Szerkesztő:
Fenyves Veronika Tarnóczi Tibor
Lektor:
Takácsné Dr. György Katalin Károly Róbert Főiskola
Debreceni Egyetem, AGTC • Debrecen, 2013
© Fenyves Veronika, 2013 Debreceni Egyetem
Gazdálkodástudományi és Vidékfejlesztési Kar
Pannon Egyetem Georgikon Kar
3
Kézirat lezárva: 2013. április 30.
ISBN 978- 615-5183-70-6
DEBRECENI EGYETEM AGRÁR- ÉS GAZDÁLKODÁSTUDOMÁNYOK CENTRUMA
A kiadvány a TÁMOP-4.1.2.A/1-11/1-2011-0029 projekt keretében készült.
4 Tartalomjegyzék
1. A gazdasági elemzés általános és speciális módszerei ... 5
1.1. Az átlagszámítások alkalmazása a gazdasági elemzésben ... 5
1.2. A trendszámítás egyes típusainak alkalmazása a gazdasági elemzésben ... 8
1.3. A regressziószámítás gyakorlati alkalmazása ... 14
1.4. Az eltérések számszerűsítésének módszerei ... 17
2. Termelési szerkezet, termékösszetétel elemzése ... 31
3. Az értékesítés elemzése ... 38
4. A termelés változásának elemzéséhez kapcsolódó feladatok ... 51
5. Költséggazdálkodás elemzése ... 59
6. Minőségelemzés ... 60
7. Vállalati erőforrások elemzése: Munkaerő és bérgazdálkodás ... 68
8. Vállalati erőforrások elemzése: Tárgyi eszközgazdálkodás elemzése ... 76
9. Vállalati erőforrások elemzése: Forgóeszözgazdálkodás elemzése... 86
10. Pénzügyi elemzés: Mérlegelemzés ... 94
11. Pénzügyi elemzés: Eredményelemzés ... 107
12. Pénzügyi elemzés: Jövedelmezőség elemzése ... 118
13. Pénzügyi befektetések elemzése ... 126
5
1. A gazdasági elemzés általános és speciális módszerei
1.1. Az átlagszámítások alkalmazása a gazdasági elemzésben
1. FELADAT
Ismert egy tehenészeti telep termelésére és állományára vonatkozó adatsor 2008 és 2012 között. Az információkat az 1.1. táblázat tartalmazza.
1.1. táblázat. A tehenészeti telep tejtermelésének és szarvasmarha-állományának alakulása 2008 és 2012 között
Év Adott évi tejtermelés [tonna]
Szarvasmarha-állomány (december 31-én)
[darab]
2008 8.400 1.050
2009 7.700 970
2010 8.800 1.100
2011 9.000 1.120
2012 8.500 1.050
Forrás: saját szerkesztés
Feladat: A vizsgált időszakra vonatkozóan az éves átlagos tejtermelés és szarvasmarha-állomány meghatározása.
FELADAT MEGOLDÁSA:
Az átlagos évi tejtermelés kiszámítása – mivel az adatsor statisztikai értelemben ún. tartam idősor -, egyszerű átlagszámítással történik:
8.480 5
42.400 5
8.500 9.000
8.800 7.700
8.400 n
x X
5 1 i
i
[tonna/év]
A szarvasmarha-állományra vonatkozó adatok ugyanakkor állapot-idősorok, mert az adatok minden év december 31-én meglévő állomány adatait mutatják, így az éves átlagos állomány a kronologikus átlag számításával határozható meg helyesen. Az elmondottaknak megfelelően
1.06 0 4
4.240 1
5
2 1.050 1.120
1.100 2 970
1.050
1 n
2 x x 2
x X
1 n n
2 i
i 1
k
[darab/év]
Minden elemzés szükséges része az eredmények szöveges értékelése!
6 Szöveges értékelés
A számítások szerint a vizsgált terminust jelentő 2008-2012 évek átlagában az éves tejtermelés 8.480 tonna, amellyel egy időben az éves átlagos szarvasmarha állomány 1.060 darab volt.
2. FELADAT
Egy mezőgazdasági vállalkozás dolgozóinak december hónapban jutalmat fizetett. A kifizetett jutalom kategóriánkénti megoszlását az 1.2. táblázat tartalmazza.
1.2. táblázat. Adattáblázat a december havi prémium megoszlásáról értékkategóriák szerint
Kiindulási adatok Segédszámítások a középértékek meghatározásához Koncentráció vizsgálata Kifizetett
jutalom (osztály)
Dolgozók
száma Osztály- közép
Összes kifizetett
jutalom Kumulált gyakoriság
Megoszlás Dolgozók Összes
jutalom
(E Ft) (fő) (E Ft) (E Ft) (fő) (%) (%)
- fi xi fixi
i
1 i
fi
n
1 i
i i
f f
n
1 i
i i
i i
x f
x f
*
*
0 – 50 5 25 125 5 5 8,8 1,5
50 – 100 12 75 900 5+12 17 21,0 10,6
100 – 150 16 125 2.000 17+16 33 28,1 23,6
150 – 200 9 175 1.575 33+9 42 15,8 18,6
200 – 250 9 225 2.025 42+9 51 5,8 23,9
250 – 300 2 275 550 51+2 53 3,5 6,5
300 – 350 4 325 1.300 53+4 57 7,0 15,3
Összesen 57 - 8.475 - - 100,0 100,0
Forrás: saját szerkesztés Sándorné et al., 1998. 7-9. p. alapján
Feladat: Állapítsuk meg az egy munkavállalóra jutó kifizetett jutalom:
a) átlagát;
b) móduszát;
c) mediánját;
d) koncentrációját.
FELADAT MEGOLDÁSA:
a) Az átlagos jutalom összegének számítása (súlyozott számtani átlaggal):
7
148,7 57
8.475 f
x f
X n
1 i
i n
1 i
i i
*
[E Ft]
b) A jutalmak módusza (leggyakrabban előforduló, legáltalánosabb érték)
A módusz osztálya az, ahol az m-re igaz, hogy fm max fi max fi f100 150 16
16 12 16 9 118,2
12 50 16
f 100 f
f f
f Δx f
x M
1 m m 1 m m
1 m m m
m
o
*
* [eFt]
c) A jutalmak mediánja
A jutalmak mediánja abban a jutalomosztályban lesz, ahol az m-re igaz, hogy:
150 100 m m
1 i
i n
1 i 1 i m
1 i
i 28,5 17 28,5 33 f f
2 f 57
2 f
f
5
*
* 137,
16 2 17 1 int 57
50 f 100
2 f 1 f int
Δx x M
m
1 m
1
i i
n 1 i
i
m m
e
[eFt]
d) A jutalmak koncentrációjának vizsgálata (lásd 1.2. táblázat utolsó két oszlopa valamint az 1.1.
ábra)
A koncentráció vizsgálata a megoszlások vizsgálatával történik, ami vizsgálható a dolgozókra (munkavállalókra), illetve az összes jutalomra vonatkoztatva. A megoszlások vizsgálata táblázatos, illetve grafikus formában egyaránt történhet. A grafikus értékelést az 1.1. ábra mutatja be.
0 5 1 0 1 5 2 0 2 5 3 0
0 – 5 0 5 0 – 1 0 0 1 0 0 – 1 5 0 1 5 0 – 2 0 0 2 0 0 – 2 5 0 2 5 0 – 3 0 0 3 0 0 – 3 5 0
D o lg o z ó k Ö s s z e s ju ta lo m
8 1.1. ábra. A dolgozók és az összes kiosztott jutalom megoszlása jutalomosztályok szerint
Forrás: saját szerkesztés
Szöveges értékelés
A dolgozók december havi jutalmának értékelésekor megállapítható:
1) Az átlagos jutalom nagysága 148.700 Ft volt.
2) A legtöbb munkavállaló 118.200 Ft jutalmat kapott, azaz az 1 főre jutó jutalmak e körül az érték körül tömörülnek.
3) A munkavállalók fele 137.500 Ft-nál alacsonyabb, fele pedig magasabb jutalmat kapott.
4) A munkavállalók 8,8%-a az összes jutalomnak csak 1,5%-át stb. A grafikus értékelés segít a koncentráció további vizsgálatánál.
Felhívjuk a figyelmet arra, hogy az előzőekben ismertetett számítások, illetve további, az ún. leíró statisztika fogalomkörébe tartozó indikátorok az Excel táblázatkezelő alkalmazással is könnyen kiszámíthatók. A számítások elvégezhetők beépített függvények használatával (pl.: =ÁTLAG( );
=SZÓRÁS( ), =MIN( ); =MAX( ); MÓDUSZ( ); =MEDIÁN( ) stb.), valamint az Analysis ToolPak Leíró statisztikai moduljával.
Az Analysis ToolPak csomagot először telepíteni szükséges, ennek lépései:
Korábbi verzióknál (11.0 verzióig – 2003-ig): Eszközök → Bővítménykezelő → Analysis ToolPak („pipát tenni”) → OK!;
Újabb verzióknál (12.0 verziótól - 2007-től) Office gomb (bal felső sarokban) → Az Excel beállításai → Bővítmények → Kezelés: Excel bővítmények → Ugrás → Analysis ToolPak („pipát tenni”) → OK!).
A telepítést követően az alkalmazás elérése:
az elemző alkalmazások a korábbi Excel verziók esetében az Eszközök/Adatelemzés menüpontból indíthatók;
az újabb Excel verzióknál az Adatok/Adatelemzés menüben érhetők el, ahol a kínálkozó listából a Leíró statisztika kiválasztásával tudjuk az elemzéseinket elvégezni.
1.2. A trendszámítás egyes típusainak alkalmazása a gazdasági elemzésben
3. FELADAT
Egy mezőgazdasági vállalkozás 2006-ban tevékenysége diverzifikálásaként sertéshízlalásba kezdett.
Az értékesítés alakulásáról a következő információ áll rendelkezésre (1.3. táblázat):
FELADAT MEGOLDÁSA:
Az adatsor ábrázolásával képet kapunk a változás jellegéről (1.2. ábra). A változás jellege exponenciális, illetve logisztikus görbével is közelíthető. Az utóbbi mellett a termékéletpálya általános tapasztalatokon nyugvó jellemző alakulása szól, ugyanakkor a növekedés üteme
9 változásának 2012-ben bekövetkező csillapulása még nem biztos, hogy hosszútávon érvényesülő tendencia, (már csak azért sem, mert becslésen alapul). Ezért az ismert tartományban exponenciális közelítés alkalmazása is megfelelő lehet. Ez utóbbi megközelítésmóddal kapott trend hosszú távú kivetítése azonban azt a veszélyt rejti magában, hogy olyan bővülést prognosztizál, amely – például a piaci korlátok miatt – realizálhatatlan, ezért az erre a trendre alapozott vezetői döntések (például fejlesztések elindítása) a vállalkozás gazdálkodásának megrendüléséhez vezethetnek.
Természetesen a legegyszerűbb közelítésmód (a lineáris közelítés) is adhat információt a növekedés átlagos ütemének alakulásáról.
1.3. táblázat. Az értékesítés adatai
* tervezett
Feladat: Az adatsor vizsgálata az analitikus trendszámítás módszerével.
A számítások elvégzésére készítsünk munkatáblázatot!
(i) Lineáris közelítés
1.4. táblázat. Munkatáblázat a lineáris trendfüggvény számításához
Év
Transz- formált
évek
Értéke- sítés
(t)
Részszámítások
xi xi’ yi xi’2 xi’* yi dxi dyi dxi*dyi dxi2 dyi2
2006 -3 5 9 -15 -3 -37,43 112,29 9 1400,90
2007 -2 9 4 -18 -2 -33,43 66,86 4 1117,47
2008 -1 15 1 -15 -1 -27,43 27,43 1 752,33
2009 0 30 0 0 0 -12,43 0,00 0 154,47
2010 1 55 1 55 1 12,57 12,57 1 158,04
2011 2 83 4 166 2 40,57 81,14 4 1646,04
2012 3 100 9 300 3 57,57 172,71 9 3314,47
Összesen 0 297 28 473 0 0,00 473,00 28 8543,71
Év Értékesített mennyiség (tonna)
2006 5
2007 9
2008 15
2009 30
2010 55
2011 83
2012 100*
1.2. ábra. Az értékesített hízósertés mennyiségének változása (2006-2012)
Forrás: saját szerkesztés
10
Átlag 0 42,43
Forrás: saját számítás
Megjegyzés1:
A lineáris trendfüggvény:
b ' x a
y
A függvény paraméterei:
89 , 16 28 473 '
* '
1 2
1
n
i i n
i
i i
x y x
a , illetve
42,43 7
297 n
y b
n
1
i i
ahol: n = az idősor elemeinek a száma (az évek száma).
A korrelációs együttható:
n d σ
n , d σ
σ , σ n
i d d r
n
1 i
2 yi y
n
1 i
2 xi x
y x n
1 i
x yi
*
*
összefüggések felhasználásával
9352 , 0 71 , 8543
* 28
473
*
2
1 2 1
2
2
1
*
2
n i
yi n
i xi n
i xi yi
d d
d d r
A korrelációs együttható alapján megállapítható, hogy az adatsor egyenes trendvonallal jól közelíthető. A növekedés átlagos üteme: 16,89 tonna/év.
(ii) Exponenciális közelítés (1.5 táblázat) Megjegyzés1:
n y y
d illetve x x d
n
i i i
yi i
xi
ln 1
ln ln
Az exponenciális trendfüggvény:
y y d illetve x
x
d xi i yi i
11
x
ea
b
y *
A függvény paraméterei:
5261 , 0 28
730 , 14 '
ln
* '
1 2
1
n
i i n
i
i i
x y x
a , illetve
26,53 e
e b 3,2782
7 22,947 n
lny
lnb lnb 3,2782
n
1 i
i
1.5. táblázat. Munkatáblázat a lineárisra visszavezetett trendfüggvény számításához
Év Transz-formált
évek
Értéke- sítés (t)
Részszámítások
xi xi’ yi xi’2 lny xi’ * ln yi dxi dlnyi dxi*dlnyi dxi2 dlnyi2 2006 -3 5 9 1,609 -4,828 -3 -1,67 5,01 9 2,78 2007 -2 9 4 2,197 -4,394 -2 -1,08 2,16 4 1,17 2008 -1 15 1 2,708 -2,708 -1 -0,57 0,57 1 0,33 2009 0 30 0 3,401 0,000 0 0,12 0,00 0 0,02 2010 1 55 1 4,007 4,007 1 0,73 0,73 1 0,53 2011 2 83 4 4,419 8,838 2 1,14 2,28 4 1,30 2012 3 100 9 4,605 13,816 3 1,33 3,98 9 1,76
Összesen 0 297 28 22,947 14,730 0 0,00 14,73 28 7,89
Átlag 0 42,43 3,2782
Forrás: saját számítás
Az adatsor jellegét leíró exponenciális trendfüggvény:
x x
0,5261
1,69 26,53 e
26,53
y * *
A növekedés átlagos ütemét a hatványkitevős tag alapja adja, azaz:
69,23%
0,6923 1
e 1 e
g a 0,5261
A korrelációs együttható:
12
0,9825 7,89
28 14,73 2
*
*
*
1 2 ln 1
2
2
1
ln 2
n
i yi n
i xi n
i
yi xi
d d
d d r
A korrelációs együttható alapján megállapítható, hogy az adatsor exponenciális trendvonallal közelítve szorosabb illeszkedést ad, mint a lineáris közelítés. A növekedés átlagos üteme: 69%
évente a vizsgált időszakra vonatkozóan.
(iii) Logisztikus közelítés
A számításokhoz becsülni kell „A” paraméter értékét. A rendelkezésre álló információk alapján hosszú távon a vállalkozás 150 tonna termék értékesítési lehetőségével számol (azaz A=150).
1.6 táblázat. Munkatáblázat a lineárisra visszavezetett trendfüggvény számításához
Év Transz- formált
évek
Értéke- sítés
(t)
Részszámítások
xi xi’ yi xi’2 yi’ xi’y’i dxi dy’i dxidy’i dxi
2 dy’i2
2006 -3 5 9 3,367 -10,102 -3 2,03 -6,10 9 4,13
2007 -2 9 4 2,752 -5,503 -2 1,42 -2,83 4 2,01
2008 -1 15 1 2,197 -2,197 -1 0,86 -0,86 1 0,74
2009 0 30 0 1,386 0,000 0 0,05 0,00 0 0,00
2010 1 55 1 0,547 0,547 1 -0,79 -0,79 1 0,62
2011 2 83 4 -0,214 -0,428 2 -1,55 -3,10 4 2,40
2012 3 100 9 -0,693 -2,079 3 -2,03 -6,08 9 4,11
Összesen 0 297 28 9,342 -19,763 0 0,00 -19,76 28 14,02
Átlag 0 42,43 1,3345
Forrás: saját számítás
Megjegyzés-1:
n lny lny
d illetve x x d
n
1 i
i i
lnyi i
xi
, valamint
i i
i y
y A
y
ln '
A logisztikus trendfüggvény:
) 0 ( ,
* 1
a
e b y A
x a
A függvény paraméterei:
13
7058 , 0 28
763 , 19 '
'
* '
1 2
1
n
i i n
i
i i
x y x
a , illetve
80 , 3 3346
, 1 7 342 , 9 '
ln 1 ln 1,3346
b e e
n y
b b
n
i i
Az adatsor jellegét leíró exponenciális trendfüggvény:
e x
y
7058 ,
* 0
8 , 3 1
150
A növekedés átlagos ütemét a hatványkitevős tag alapja adja, azaz:
49,37%
0,4937 e
e
g a 0,7058
A korrelációs együttható:
0,9946
02 , 14
* 28
76 , 19
*
* 2
1 2
' 1
2
2
1
' 2
n
i i y n
i xi n
i
i y xi
d d
d d r
A logisztikus görbe korrelációs együtthatója mutatja a legszorosabb összefüggést. A növekedés átlagos üteme: 49% évente a vizsgált időszakra.
Ha megnézzük az időszak alatt bekövetkezett átlagos növekedést az induló és az időszak végére elért értékesítés alapján, a növekedés értékére a következő értéket kapjuk:
% 41 , 53 5341
, 0 1 5 1 7 100
1
n n y y g
A logisztikus közelítés növekedési üteméhez áll legközelebb az így kapott érték.
Az előzőekben ismertetett trendszámítás az Excel táblázatkezelővel egyszerűbben és gyorsabban is elvégezhető. Ennek lépései:
A grafikus ábrázolást követően az adatsorra kattintunk a jobb egérgombbal, majd a felugró menüből kiválasztjuk a „Trendvonal felvétele...” lehetőséget;
A megjelenő párbeszédablakban kiválasztjuk a Trend/regresszió típusát, valamint a jelölőnégyzetek kipipálásával utasítjuk a programot, hogy az egyenlet és az R2 értéke is látszódjon a diagramon (a „régebbi” Excel verzióban ez utóbbi opciót az „Egyebek fülön” tudjuk elérni).
14 Az Excel alkalmazással elvégzett trendillesztések outputjai az 1.3. ábrán találhatók.
Fontosnak tartjuk megemlíteni, hogy az eredeti számításaink, illetve az Excellel végzet illesztés során kapott „b” paraméterek különböznek. Az eltérés oka, hogy az Excel nem az általunk használt elv szerint végzi el az idősorok transzformációját (hanem 2006=1, 2007=2, 2008=3, stb.). Ez magyarázza a felírt egyenletek különbségeit. Ugyanakkor azt is meg kell jegyeznünk, hogy trendszámítás során nyerhető „b” paramétereknek nincs igazán jelentősége, nehezen adható neki lényeges közgazdasági tartalom.
y = 16.893x - 25.143 R2 = 0.9352
0 20 40 60 80 100 120
2006 2007 2008 2009 2010 2011 2012 Évek
Értékesítés (t)
y = 3.2347e0.5261x R2 = 0.9825
0 20 40 60 80 100 120
2006 2007 2008 2009 2010 2011 2012 Évek
Értékesítés (t)
1.3. ábra. A lineáris- és exponenciális trendillesztés Excel-outputjai
Forrás: saját szerkesztés
A témához kapcsolódóan jelezzük továbbá azt is, hogy a lineáris trendillesztésnél nyert „a”
meredekségi paraméter Excel-függvény segítségével is számítható: =MEREDEKSÉG( ), szintén megkönnyítve az elemző munkáját.
1.3. A regressziószámítás gyakorlati alkalmazása
4. FELADAT
Egy tehenészeti telepen végzett kísérletben azt vizsgálják, hogy milyen kapcsolat van a fejőstehenek abrakfogyasztása és a kifejt tej mennyisége között. A kísérlet során nyert mérési eredményeket a 1.7. táblázat tartalmazza.
1.7. táblázat. A feletetett abraktakarmány és a kifejt tej mennyisége a kísérletben Feletetett abraktakarmány mennyisége [kg] Kifejt tej mennyisége [liter]
1 9.5
2 14.5
3 15.5
4 16
5 20
15
6 23
7 26
8 27
Forrás: saját szerkesztés
Feladat: a kísérlet során nyert adatok kiértékelése. Ennek során elsősorban annak eldöntése, hogy van-e statisztikailag igazolható összefüggés az abrakfogyasztás és a tejtermelés között, valamint annak számszerűsítése, hogy a takarmánydózis növelése hogyan hat a tejtermelésre.
FELADAT MEGOLDÁSA:
A probléma megoldásának első lépéseként ábrázoljuk az adatokat (1.4. ábra).
y = 2.4583x + 7.875 R2 = 0.9698
0 5 10 15 20 25 30
0 1 2 3 4 5 6 7 8 9
Feletetett abraktakarmány [kg]
Kifejt tej [liter]
1.4 ábra. A feletetett abraktakarmány és kifejt tej mennyisége összefüggésének grafikus elemezése
Forrás: saját szerkesztés
Az adatpárok vizuális elemzése pozitív lineáris összefüggést mutat a takarmány-fogyasztás és a tejtermelés között, amit megerősít a két változó között számított Pearson-féle korrelációs koefficiens értéke is: r = 0,9848. (Meg kell jegyezni, hogy a koefficiens számítható a statisztikai tanulmányok során tanult képlettel is, ugyanakkor annál gyorsabb és egyszerűbb megoldást kínál a
=KORREL( ) Excel-függvény. A korrelációs koefficiens értéke tehát meglehetősen szoros összefüggést mutat a két változó között.
A vizsgálatok folytatásaként – a trendszámítás során már ismertetésre került eljárással – az adatsorunkra egy lineáris becslőfüggvényt illesztünk, amely számszakilag kifejezi, illetve becsli az abrakfogyasztás és tejtermelés kapcsolatát.
A becslőfüggvény egyenlete: y= 2,46x + 7,875 Az egyenletből leszűrhető fontosabb tapasztalatok:
átlagosan 1 kg pótlólagos abraktakarmány a tejtermelést átlagosan 2,46 literrel növeli meg;
16
amennyiben az állatok nem kapnak abraktakarmányt (vagyis x=0), a tejtermelés várható, becsült értéke 7,88 liter.
A függvényhez tartozó magas R2 érték biztató a becslés pontosságát, megbízhatóságát illetően. A fenti regresszió-számítást a szélesebb körű információ szerzése érdekében végezzük el az Excel Analysis ToolPak csomagjának Regresszió moduljával is. Elvégezve a számítást, röviden nézzük át a regresszió outputját (1.8 táblázat), a teljesség igénye nélkül, a legfontosabb tételekre koncentrálva.
Az output tábla első részében találjuk – többek között – a már ismert korrelációs- és determinációs együttható értékeket. Mint ismert, a determinációs együttható (R2) arra ad választ, hogy a magyarázó változó (vagy más elnevezéssel független változó) az eredmény (vagy függő) változó heterogenitásának mekkora részét képes megmagyarázni. Az eredmények szerint az abraktakarmány feletetett mennyiségének varianciájával a tejtermelés varianciáját 97%-ban lehet megmagyarázni. Kicsit egyszerűbben: az R2 érték az illeszkedés pontosságát fejezi ki, és annál pontosabb a becslésünk minél közelebb van az értéke 1-hez. Tehát az általunk kapott 0,97-es érték nagyon jónak mondható. Azt, hogy a regressziós modell együtthatói mennyire megbízhatóak, milyen jól magyarázható a az eredmény változó a magyarázó változóval, a varianciaanalízis (ANOVA) táblázatából tudhatjuk meg. Nem részletezve a varianciaanalízis táblázatát, számunkra a legfontosabb az F szignifikancia értéke. Amennyiben abban – az általánosan elfogadott – 0,05 értéknél kisebb szám szerepel, akkor azt mondhatjuk, hogy az általunk használt regressziós modell statisztikai értelemben jó. Jelen példánkban 0,000 érték ebbe a kategóriába tartozik. Modellünk statisztikailag tehát validált!
1.8. táblázat. A regresszió outputjai
ÖSSZESÍTŐ TÁBLA Regressziós statisztika
r értéke 0,985
r-négyzet 0,970
Korrigált r-négyzet 0,965
Standard hiba 1,147
Megfigyelések 8,000
VARIANCIAANALÍZIS
df SS MS F
F szignifikanciája
Regresszió 1,000 253,823 253,823 192,879 0,000
Maradék 6,000 7,896 1,316
Összesen 7,000 261,719
Koefficiensek Standard hiba t érték p-érték Alsó 95% Felső 95%
Tengelymetszet 7,875 0,894 8,810 0,000 5,688 10,062
Abraktakarmány
mennyisége 2,458 0,177 13,888 0,000 2,025 2,891
Forrás: saját számítás
17 Az utolsó, a koefficienseket tartalmazó táblázatrész számunkra a legfontosabb. Ennek első oszlopában (Koefficiensek) találjuk a becslőfüggvény felírásához szükséges paramétereket, amelyek megegyeznek az 1.4. ábrán feltüntetettekkel. Ami többletként megjelenik a táblázatban az a paraméterekhez kapcsolódó konfidencia-intervallum. Ennek értelmezése: mint azt már az előzőekben megállapítottuk, az abraktakarmány 1 kg-mal történő növelése átlagosan 2,46 literrel növeli meg a tejtermelést. Miután becslésről van szó, nem lehetünk benne biztosak, hogy ez az érték teljesen pontos! Sokkal korrektebb, ha azt mondjuk, hogy az abraktakarmány mennyiségének 1 kg- mal történő növelése várhatóan 2,025 és 2,891 literrel növeli meg a tejtermelést (alsó és felső értékek adják a koefficiensekhez tartozó 95%-os konfidencia-intervallumot).
Röviden szólunk még a p-értékről, aminek a többváltozós regressziónál van különösen nagy jelentősége, hiszen ez alapján tudjuk eldönteni, hogy az általunk magyarázó tényezőként bevonásra kerülő változók közül melyek parciális hatása szignifikáns (ha a p-érték 0,05-nél kisebb, akkor az adott változónak a függő változóra vonatkozó parciális hatása statisztikailag is igazolható). A téma iránt érdeklődő hallgatóknak ajánljuk a témával részletesen foglalkozó irodalmak közül Gary Koop:
Közgazdasági adatok elemzés c. könyvét (Budapest: Osiris Kiadó, 2008).
Szöveges értékelés
Elemzéseinek igazolták, hogy statisztikailag igazolható összefüggés van az abraktakarmány mennyisége és a tejtermelés alakulása között. A pótlólagosan megetetett abraktakarmány 1 kg-ja – nagy valószínűséggel – 2,025 és 2,891 liter közötti értékkel növeli a tejtermelést (átlagosan 2,46 literrel).
1.4. Az eltérések számszerűsítésének módszerei
Mint az az elméleti jegyzet keretei között tárgyalásra került, mindhárom eltérések számszerűsítésére használható módszer (a láncbehelyettesítés, az abszolút különbözetek és a százalékos különbözetek módszere) ugyanarra az eredményre vezet. A levezetésekből ez paraméteresen is belátható volt. A következőkben egy példán keresztül kövessük végig a módszerek alkalmazását, és vizsgáljuk meg a kapott eredményt.
5. FELADAT
Egy szántóföldi növénytermesztéssel foglalkozó üzem egyik ágazatáról rendelkezésre álló bázis- és tárgyidőszaki információkat az 1.9. táblázat foglalja össze.
1.9. táblázat. Bázis- és tárgy időszaki információk egy növénytermesztési ágazatról Megnevezés Jelölés Mértékegység Bázisidőszak Tárgyidőszak
Kapacitás k hektár, ha 50 45
Hozam (termékmennyiség) Q tonna, t 225 157,5
Termelési érték TÉ eFt 4.500 4.095
Összes termelési költség R eFt 3.600 3.465
18
Forrás: saját szerkesztés
Feladat: Vizsgálja meg, hogyan változott a vizsgált ágazat jövedelme (J) bázis-tárgy időszaki relációban? Az egyes tényezők változásának mekkora számszerűsíthető hatása volt a jövedelem változására?
FELADAT MEGOLDÁSA:
Az elemző feladata: terv–tény elemzés során a jövedelemváltozás okainak számszerűsítése a láncbehelyettesítés, az abszolút- és százalékos különbözetek módszere alkalmazásával.
Számszerűsítendő hatások: Mi változott?
Kapacitás (k);
Fajlagos (területegységre vetített) hozam (vagy másként produktivitás) (q);
Egységár (p);
Fajlagos (termékegységre vetített) termelési önköltség (r).
A hatások számszerűsítésének menete:
1. lépés: az alapösszefüggés felállítása, a jövedelem keletkezését befolyásoló tényezőkre bontása.
A jövedelem felírható:
] [
*
*
*
] [
*
*
*
*
*
*
Ft r k p q k J vagy
Ft r p q k r q k p q k R TÉ J
k
ahol:
J = összes jövedelem [Ft];
TÉ = termelési érték [Ft];
R = termelési költség, ráfordítás [Ft];
k = kapacitás-jellemző [ha];
q = produktivitás, termelékenység jellemző [t/ha];
p = termékegység értékesítési ára [Ft/t];
r = termékegységre jutó termelési költség [Ft/t];
rk = területegységre jutó termelési költség [Ft/ha]
2. lépés: Az összefüggésben meghatározott hatótényezők számítása az alapadatokból (1.10.
táblázat)
3. lépés: A jövedelemváltozás okainak számszerűsítése láncbehelyettesítés módszerével (i) Termelési érték változása
Tervezett termelési érték (TÉ0):
500 . 4 20
* 5 , 4
* 50
*
* 0 0
0
0
t eFt ha
t ha
p q k
TÉ [eFt]
19 Tényleges termelési érték (TÉ1):
095 . 4 26
* 5 , 3
* 45
*
* 1 1
1
1
t eFt ha
ha t p
q k
TÉ [eFt]
Termelési érték változása (TÉ):
405 500
. 4 095 .
0 4
1
TÉ TÉ TÉ [eFt]
Termelési érték változásainak okai
1) Kapacitásváltozás hatása paraméteresen:
0 0 0 0 0
1*q * p k *q * p
k
TÉk
[eFt]
Behelyettesítve:
450 20
* 5 , 4
* 50 20
* 5 , 4
*
45
t eFt ha
t ha
t eFt ha
t ha
TÉ k [eFt]
1.10. táblázat. Kiegészítő számítások az eltérések számszerűsítéséhez
Megnevezés Jelölés Mértékegység Bázis0 Tárgy1 Teljesítés (%) Alapadatok
Kapacitás k ha 50 45 90,00
Hozam (termékmennyiség) Q t 225 157,5 70,00
Termelési érték TÉ eFt 4.500 4.095 91,00
Összes termelési költség R eFt 3.600 3.465 96,25
Számított értékek
Produktivitás q t/ha 4,5 3,5 77,78
Értékesítési ár p eFt/t 20 26 130,00
Fajlagos termelési érték t eFt/ha 90 91 101,11
Termékegységre jutó
termelési költség r eFt/t 16 22 137,50
Területegységre jutó
termelési költség rk eFt/ha 72 77 106,94
Fedezeti hozzájárulás f eFt/t 4 4 100,00
Területegységen
megtermelt jövedelem fk eFt/ha 18 14 77,78
Összes jövedelem (fedezeti
összeg) J eFt 900 630 70,00
Jövedelemváltozás eFt -270
20
Forrás: saját szerkesztés
2) Produktivitás változásának hatása paraméteresen:
0 0 1 0 1
1 *q * p k *q * p
k
TÉ q
[eFt]
Behelyettesítve:
900 20
* 5 , 4
* 45 20
* 5 , 3
*
45
t eFt ha
ha t t
eFt ha
ha t
TÉ q [eFt]
3) Árváltozás hatása paraméteresen:
0 1 1 1 1
1*q * p k *q * p k
TÉ p
[eFt]
Behelyettesítve:
945 20
* 5 , 3
* 45 26
* 5 , 3
*
45
t eFt ha
t ha
t eFt ha
t ha
TÉ p [eFt]
Termelési érték változását befolyásoló tényezők eredő hatása:
Tényező Hatás mértéke
(eFt)
Kapacitás változása -450
Produktivitás változása -900
Árváltozás +945
Hatások eredője (fentiek összege) -405 (ii) Termelési költség változása
A termelési költséget tervezhetjük termékegységre, illetve gyakrabban kapacitásegységre vetítve. Ennek megfelelően a hatás számszerűsítése eltér.
(A) Termelési költség változását befolyásoló hatások számszerűsítése, ha a termelési költség termékegységre vetítve került tervezésre.
Tervezett termelési költség (R0):
600 . 3 16
* 5 , 4
* 50
*
* 0 0
0
0
t ha eFt
ha r
q k
R [eFt]
Tényleges termelési költség (R1):
465 . 3 22
* 5 , 3
* 45
*
* 1 1
1
1
t eFt ha
ha t r
q k
R [eFt]
21 Termelési költség változása (R)
135 600
. 3 465 .
0 3
1
R R R [eFt]
Termelési költség változásának okai
1) Kapacitásváltozás hatása paraméteresen:
0 0 0 0 0
1*q *r k *q *r
k
Rk
[eFt]
Behelyettesítve:
360 16
* 5 , 4
* 50 16
* 5 , 4
*
45
t eFt ha
ha t t
eFt ha
ha t
Rk [eFt]
2) Produktivitás változásának hatása paraméteresen:
0 0 1 0 1
1* q * r k * q *r
k
Rq
[eFt]
Behelyettesítve:
720 16
* 5 , 4
* 45 16
* 5 , 3
*
45
t eFt ha
ha t t
eFt ha
ha t
Rq [eFt]
3) Fajlagos (termékegységre vetített) termelési költség (önköltség) változás hatása paraméteresen:
0 1 1 1 1
1 *q * r k *q * r k
Rr
[eFt]
Behelyettesítve:
945 16
* 5 , 3
* 45 22
* 5 , 3
*
45
t eFt ha
ha t t
eFt ha
ha t
Rr [eFt]
Termelési költség változását befolyásoló tényezők eredő hatása:
Tényező Hatás mértéke
(E Ft)
Kapacitás változása -360
Produktivitás változása -720
Önköltség változás +945
Hatások eredője -135