CC BY
16УДК 517.9
Физико - математические науки
Волкова Анна Владимировна, студентка 3 курса
Финансового университета при Правительстве Российской Федерации
e-mail: Volkova273@yandex. ru
ЗАВИСИМОСТЬ ДЕБИТОРСКОЙ И КРЕДИТОРСКОЙ ЗАДОЛЖЕННОСТИ ОТ ВРЕМЕНИ В РОССИИ
Аннотация: В данной работе рассматривается зависимость таких показателей как дебиторская, кредиторская задолженность и индекс деловой активности в России с использованием эконометрических методов расчета показателей.
Ключевые слова: дебиторская задолженность, кредиторская задолженность, индекс деловой активности, тест Фишера, тест Стьюдента, Дарбина-Уотсона.
Abstract: this article examines dependence of indicators such as receivables, payables and the index of business activity in Russia with the use of econometric methods for the calculation of the indicators.
Key words: accounts receivable, accounts payable, business activity index test Fisher test t-test, Durbin-Watson.
В условиях современной рыночной экономики любая хозяйственная деятельность требует объективной оценки платежеспособности, кредитоспособности и финансового состояния [3]. Состояние дебиторской и кредиторской задолженностей, их объемы, а также качество оказывают влияние на хозяйствующих субъектов.
Постоянное изменение дебиторской и кредиторской задолженности, их структура в бухгалтерском балансе, а также влияние интенсивности увеличения
или уменьшения оказывают влияние на оборачиваемость капитала и на финансовое состояние предприятия [1].
Следовательно, данная тема актуальна, поскольку необходимо контролировать уровень данных задолженностей на предприятии, отслеживать изменения, своевременно анализировать, эффективно управлять ими для того, чтобы риск невозврата дебиторской задолженности и образования кредиторской задолженности снижался.
Деловая активность — инструмент экономических исследований, применяемый с начала ХХ в. Будучи важным индикатором экономического развития и являясь объектом регулярного мониторинга, деловая активность позволяет диагностировать проблемы системного характера на разных уровнях управления и своевременно принимать меры для их нейтрализации.
Это способствует снижению рисков и повышению устойчивости объектов управления, что крайне важно в условиях глобальной экономики и зависимости стран от ситуации на мировых рынках [2].
Анализ деловой активности предприятия, или показатели оборачиваемости, позволяют оценить, насколько эффективно предприятие использует свои (или привлеченные) средства в процессе хозяйственной деятельности.
Таким образом, возникает вопрос: влияет ли дебиторская и кредиторская задолженность на индекс деловой активности?
Для того, чтобы ответить на данный вопрос, необходимо провести несколько тестов, после которых можно будет сделать определенные выводы.
В таблице 1 представлены значения данных показателей за определенный период времени.
Во-первых, необходимо оценить коэффициенты регрессии с помощью функции ЛИНЕЙН. Проиллюстрируем взаимосвязь показателей на графике, отразив линию тренда, уравнение и величину достоверности аппроксимации (Рисунок 1).
Год Динамика дебиторской задолженности Динамика кредиторской Индекс деловой
организаций (без субъектов малого предпринимательства) Российской Федерации, млрд. руб. задолженности организаций (без субъектов малого предпринимательства) Российской Федерации, млрд. руб. активности в секторе услуг России , факт. данные
x1 x2 y
1 2000 2451 3515 50,3
2 2001 3211 4231 51,5
3 2002 3663 4832 51,6
4 2003 4139 5283 53,7
5 2004 5174 5944 54,2
6 2005 6331 6389 51,4
7 2006 7871 7697 52,4
8 2007 11061 10653 53,1
9 2008 13783 13353 52,5
10 2009 15442 14882 54
11 2010 18004 17683 53,2
12 2011 21797 20954 55,4
13 2012 22867 23632 57,1
14 2013 26264 27532 56,1
15 2014 31014 33174 53,6
16 2015 35736 38925 55,8
17 2016 37053 42280 64,2
Таблица 1. Динамика дебиторской, кредиторской задолженности и индекса деловой активности за 2000-2016 годы, млрд. руб. Источник: составлено автором на основании данных официального сайта Федеральной службы государственной статистики. URL: http://www.gks.ru/ (дата обращения: 12.11.2017) [4].
Название диаграммы
45000 40000 35000 30000 25000 20000 15000 10000 5000 О
у = 1,0748х-281,33 •
rv = и,УУ
ё
-MHI
M-«- -•—•- •—•— —••- —•- -•- -
О 5000 10000 15000 20000 25000 30000 35000 40000 • Ряд1 • Ряд2 .........Линейная (Ряд1)
Рисунок 1. Диаграмма зависимости дебиторской, кредиторской задолженности на индекс деловой активности в 2000-2016 годах.
Как видно из таблицы 1 и рисунка 1, наблюдается достаточно высокий показатель коэффициента детерминации (ЯА2), что говорит о довольно сильной зависимости данных показателей. Следовательно, необходимо проверить статистическую значимость модели с помощью теста Фишера.
Дисперсионный анализ
С/ ББ МБ Г ачимость F
Регрессия 2 138,4349 69,21747 26,25777 1,83Е-05
Остаток 14 36,90506 2,636075
Итого 16 175,34
Рисунок 2. Результаты дисперсионного анализа.
Число Фишера, вычисленное с помощью функции равно 26,26 при условии, что оцениваются 3 коэффициента а0, а1, а2. Тест Фишера или Бкритическое равно 3,34, вычисленное с помощью функции БРАСПОБР. Кроме этого, можно вычислить данный показатель, когда оцениваются два коэффициента- а1, а2. Однако при данном вычислении мы получили схожие значение с предыдущим, а именно, 2,29.
Проводя анализ и сравнивая обе модели, наилучшей оказалась модель у= 52,42496175-0,00183х1+0,00184307х2+е, так как дроби Стьюдента статистически значимы и наблюдаемое число Фишера больше в данной модели.
Тем не менее, нам надо проверить значимость коэффициентов регрессии, а именно провести следующий тест Стьюдента. Для этого на необходимо найти 1 критическое с помощью функции СТЬЮДРАСПОБР.
Проделав все пункты, можно сделать вывод, что коэффициенты уравнения статистически значимы при условии оценки обоих коэффициентов регрессии, и поэтому их можно использовать в уравнении линейной регрессии для дальнейших анализов и прогнозов.
Далее проводим регрессионный анализ, на основе которого определим тип распределения.
Так, видно, что предсказанное У (УА) ненамного отличается от У фактического. На основе остатков (е) определим вид распределения.
Если эксцесс и асимметричность меньше стандартного отклонения не менее чем в 5 раз, то делаем вывод, что отклонения (остатки) имеют нормальное распределение, что безусловно играет важную роль в нашем анализе.
Следующим шагом является проверка выполнений условий теоремы Гаусса-Маркова. Для проверки остатков на автокорреляцию используется тест Дарбина-Уотсона. С помощью этого теста мы получаем возможность проверить третью предпосылку теоремы Гаусса-Маркова о некоррелированности случайных величин.
Полученное значение DW= 2,196297628, что говорит об отсутствиии автокорреляции.
Необходимо также проверить на гомоскедастичность. При проведении проверки по этому тесту предполагается сначала, что стандартное отклонение а случайной составляющей пропорционально значению одной из независимых переменных: Хи или Х2г.
Проделав этот тест, мы пришли к выводу, что гипотеза гомоскедастичности остатков принимается с вероятностью 0,95..
Оценки абсолютной ошибки апроксимации оказалась равной 4% и тем самым, мы можем сказать, что наша модель считается удовлетворительной.
И последним тестом является проверка адекватности модели, т.е. насколько хорошо данная модель соответствует данным. В итоге, мы определили доверительный интервал для прогноза (УАp-ta*Sпрог, YAp+ta*Sпрог), куда значение УАр входит в данный интервал, следовательно, полученный результат позволяет признать оцененную модель адекватной.
Таким образом, на основе проведенных тестов можно утверждать о наличии взаимосвязи между дебиторской, кредиторской задолженности и индексом деловой активности в России. Построенная модель прошла проверки, что говорит о ее качестве и пригодности для анализа. Однако можно провести более глубокое
исследование, если найти и проанализировать дополнительные факторы, влияющие на рассматриваемые показатели.
Библиографический список:
1. Валинуров Т. Р., Трофимова Т. В. Специфика оценки дебиторской и кредиторской задолженностей предприятия // Международный бухгалтерский учет. -2015. №31. С.12-23.
2. Лосева О. В., Федотова М. А., Хотинская Г. И. Деловая активность как опережающий индикатор экономического развития: зарубежный и российский опыт // Финансы: теория и практика - № 3(87) -. 2015. С. 26-37.
3. Макарова Е. И. Анализ дебиторской и кредиторской задолженности на примере ОАО «ГНЦ НИАР» // Научное сообщество студентов XXI столетия. ЭКОНОМИЧЕСКИЕ НАУКИ: сб. ст. по мат. XIII междунар. студ. науч.-практ. конф. № 13.
4. Официальный сайт Федеральной службы государственной статистики. URL: http://www.gks.ru/ (дата обращения: 15.11.2017).
