Факторный анализ, как один из элементов повышения экономической безопасности сельскохозяйственного производства
Автор: Куделя Л.В.
Журнал: Экономика и социум @ekonomika-socium
Рубрика: Основной раздел
Статья в выпуске: 7 (74), 2020 года.
Бесплатный доступ
В данной статье автором раскрыто сущность факторного анализа, ка элемента повышения эффективности экономической безопасности сельскохозяйственных предприятий, в частности, автором раскрыто этапы проведения факторного анализа, вычислено корреляционно-регрессионные модели влияния факторных признаков на результативные с помощью многофакторного регрессионного анализа.
Факторный анализ, сельскохозяйственные предприятия, рейтинг, влияние, показатели, коэффициент детерминации, корреляционно-регрессионная модель, сельскохозяйственное производство, экономическая безопасность, уровень рентабельности, результативный признак
Короткий адрес: https://sciup.org/140252769
IDR: 140252769 | УДК: 338.43
Текст научной статьи Факторный анализ, как один из элементов повышения экономической безопасности сельскохозяйственного производства
В современных условиях хозяйствования, особенно для сферы сельского хозяйства, когда для финансирования производственной деятельности сельскохозяйственными предприятиями используется привлеченный капитал, особое значение приобретает качественный анализ и объективная оценка финансовых результатов деятельности для внешних пользователей, финансовых органов, коммерческих банков, налоговых органов и акционеров. Для владельцев сельскохозяйственных предприятий оценка финансовых результатов имеет важное значение, так как в них есть информация о потенциальных возможностях увеличения прибыли и выявление причин убыточности предприятия. Основными задачами анализа финансовых результатов деятельности предприятия являются: 1. Оценка динамики, объемов, качества и структуры финансовых результатов. 2. Выявление факторов и количественная оценка их влияния на финансовые результаты. 3. Установление целесообразности и эффективности использования прибыли. 4. Определение резервов роста прибыли и рентабельности производства, разработка рекомендаций по их внедрению [3, с.18; 4, с.89]. Своевременный и объективный анализ финансовых результатов способствует повышению эффективной деятельности предприятий, более рациональному и эффективному использованию основных фондов, материальных, трудовых и финансовых ресурсов, устранению лишних затрат, а полученные результаты анализа создают объективные условия для повышения эффективности управленческих решений и получения учетной и аналитической информации для планирования и прогнозирования финансовых результатов деятельности сельскохозяйственных предприятий [5, с. 232; 6, с. 11].
Одним из важнейших путей поиска увеличения эффективности резервов производства и изучения всестороннего и объективного оценивания работы сельскохозяйственных предприятий является анализ их финансово- хозяйственной деятельности. Главной из задач в сельском хозяйстве является совершенствование управления производством с учетом роста его масштабов производства, которое заключается в его экономических связях и требованиях научно-технического прогресса [7, с. 134]. Экономический анализ в настоящее время приобретает все большее значение для улучшения экономической работы на различных уровнях управления производством и изучение всестороннего и объективного оценивания работы сельскохозяйственных предприятий [9, с.645].
В системе методов управления производством анализ экономических результатов деятельности сельскохозяйственных предприятий дает возможность осуществлять контроль за производством, экономически обосновывать управленческие решения, выявлять и более эффективно использовать резервы сельскохозяйственного производства. Решению этих задач способствует, полученная в результате анализа экономическая информация о деятельности предприятий, их объединений и структурных подразделений. Поскольку экономическая безопасность предприятий является категорией, охватывающей различные направления деятельности предприятий, то, соответственно, на результативный признак влияет не один, а несколько факторов. Между ними существуют сложные взаимосвязи и влияние на основной показатель можно определить с помощью многофакторного корреляционно-регрессионного анализа [8, с.157]. Как правило, в системе показателей содержатся показатели, образующие механизм взаимосвязи, поэтому для этого следует использовать факторный анализ. В факторном анализе начальная система факторов (компонент) составляется по экстремальному принципу: первая компонента должна объяснять максимум всей сменности всех признаков; вторая компонента, не зависит от первой, должна объяснять максимум остаточной сменности признаков и т. д. [1, с. 69; 2, с.350]. Итак, факторный анализ предназначен для обнаружения и количественного описания обобщающих характеристик, которые достаточно описывают весь набор исходных и результирующих показателей, отражая тем самым закономерности развития исследуемой системы. Полученные в результате расчетов корреляционно-регрессионные модели отражают механизм внутренних взаимосвязей состояния деятельности сельскохозяйственных предприятий. Анализ главных компонентов - метод перевоплощения данной последовательности наблюдательных переменных в другую последовательность переменных.
Основная задача и цель процедуры факторного анализа заключается в том, чтобы получить небольшое количество факторов, которые составляют большую часть изменчивости в 25 переменных. В нашем случае, имеется 9 факторов, которые были включены в данную корреляционнорегрессионную модель, поскольку эти 9 факторов имеют наибольшее влияние на другие факторы. Удовлетворительные результаты решения многих практических экономических задач предприятий побуждают рекомендовать для вычислений отдельных блоков в многомерном анализе социально-экономических систем специальный математический пакет Statgraphics Plus V5.1 International Professional. Данный программный продукт выигрышно отличается от других пакетов удобствами интерфейса и своему составу процедур обработки данных, удачным сочетанием научных методов обработки данных с современной интерактивной графикой. Следует отметить, что начальные версии дают возможность гибко реализовать решения вычислительных проблем математических методов, поскольку позволяют интерактивно изменять логику вычисления математических методов, вносить свои коррективы. К преимуществам данного пакета Statgraphics Plus for Windows относятся: гибкий импорт / экспорт данных, широкие возможности манипуляции данных, интегрированная графика, создание собственного статистического пакета с помощью процедуры Stat Folio, полномасштабная статистическая консультация с помощью Stat Advisor возможности комбинирования пакета и графиков для составления статистических отчетов на основе инструмента Stat Gallery. В целом статистический пакет предоставляет широкие возможности проведения глубокого, наглядного анализа данных социально-экономических систем, которые описываются различными признаками, измеренными на метрических и не метрических шкалах.
На первом этапе факторного анализа необходимо применить корреляционно-регрессионную модель общих факторов, а также анализ главных компонент, цель, которого отличается от цели факторного анализа. С помощью специального статистического пакета Statgraphics Centurion предлагается вычислить факторы влияния на экономическую безопасность данных сельскохозяйственных предприятий:
Определим рейтинг влияния показателей в системе по величине коэффициентов нагрузки модели первого латентного фактора:
F2 = 0,064 y + 0,042 x, + 0,589 x 2 + 0,132 x 3 + 0,123 x4 - 0,256 x 5 + 0,101 y 2 + 0,122 y 3 + + 0,081 x6 - 0,071 x 7 + 0,192 x8 - 0,128 y4 - 0,067 y5 - 0,042 x9 - 0,233 x 10 + 0,135 y 6 + + 0,199 y7 - 0,036 x n + 0,235 y „ + 0,109 x 12 + 0,116 y Q + 0,156 x 13 + 0,679 x 14 + 0,708 x + 7 11 8 12 9 13 14 15
+ 0,649 y 10 .
Определим рейтинг влияния показателей в системе по величине коэффициентов нагрузки модели второго латентного фактора:
x 15 > У 10 > ^ 14 > x 2 > У 8 > У 7 > x 8 > x 13 > У 6 > x 3 > x 4 > У 3 > У 9 > x 12 > У 2 > x 6
> У x > x x > x u > x 9 > У 5 > x7 > y4 > x 10 > x 5.
F =- 0,035 У, - 0,006 x + 0,063 x2 - 0,175 x3 - 0,348 x 4 + 0,169 x 5 + 0,4395 у2 + 0,090 у3 + + 0,129 x 6 + 0,137 x 7 + 0,558 x8 - 0,346 y4 - 0,008 y5 - 0,081 x 9 + 0,026 x 10 + 0,065 y 6 + + 0,009 y7 - 0,101 x n + 0,107 y 8 + 0,700 x 12 + 0,206 y 9 + 0,281 x 13 + 0,081 x 14 + 0,254 x15 -- 0,459 y w.
Определим рейтинг влияния показателей в системе по величине коэффициентов нагрузки модели третьего латентного фактора:
x12 > x8 > У10 > У 2 > x13 > x15 > У 9 > x7 > У 8 > x5 > x6 > У 3 > x14 > У 6
> x10 > y 7 > x1. > y 5 > У1 > x9 > xn > x3 > y 4 >
F4 = 0,794 y j + 0,103 x - 0,174 x2 - 0,050 x3 - 0,697 x4 - 0,318 x 5 + 0,006 y 2 + 0,045 y 3 +
+ 0,069 x6 - 0,137 x7 - 0,006 x8 - 0,079 y4 - 0,042 y5 - 0,036 x 9 + 0,038 x10 - 0,045 y6 -
- 0,025 y 7 + 0,005 x,, + 0,102 y 8 + 0,240 x 12 + 0,339 y9 - 0,122 x 13 + 0,327 x14 - 0,178 x ,s +
7 11 8 12 9 13 1415
+ 0,313 y w.
Определим рейтинг влияния показателей в системе по величине коэффициентов нагрузки модели четвертого латентного фактора:
У 1 > У 9 > x 14 > У 10 > x 12 > x 1 > У 8 > x 6 > У 3 > x 10 > x 11 > У 2 > x 8 > x 3 > У 7 > x 9 > У 5 > У 6 > y 4 > x 13 > x 7 > x 2 > x 15 > x 5 > x 4.
F5 = - 0,032 y, - 0,091 x + 0,080 x2 + 0,703 x3 - 0,046 x4 - 0,147 x5 - 0,095 y2 - 0,234 y3 + + 0,338 x6 + 0,055 x7 - 0,050 x8 - 0,179 y4 + 0,165 y5 - 0,157 x9 + 0,623 x]o - 0,044 y6 -+ 0,685 y7 + 0,002 x„ + 0,510 y8 - 0,224 x]2 - 0,021 y9 - 0,407 x]3 - 0,107 x]4 + 0,169 x]5 + - 0,147 y 10 .
Определим рейтинг влияния показателей в системе по величине коэффициентов нагрузки модели пятого латентного фактора:
x 5 > У 7 > x 10 > x i 5 > y 5 > x2 > x 7 > y 8 > x6 > x11 > y9 > x 8 > У 1 > y 6 > x 4 > X 1 > y 2 > x 14 > У 10 > x 5 >
X 9 > y 4 > x 12 > y 3 > x 13
F6 =- 0,034 y, + 0,218 x - 0,135 x2 - 0,302 x3 - 0,081 x4 - 0,085 x5 + 0,202 y 2 + 0,071 y3 -- 0,032 x6 - 0,688 x7 - 0,159 x8 - 0,292 y 4 + 0,604 y 5 + 0,005 x 9 + 0,209 x 10 + 0,664 y 6 + + 0,090 y7 - 0,071 x n + 0,039 y8 - 0,082 x 12 + 0,065 y9 - 0,127 x13 + 0,216 x14 + 0,054 x15 + + 0,086 уг 0.
Определим рейтинг влияния показателей в системе по величине коэффициентов нагрузки модели шестого латентного фактора:
y 6 > y 5 > X 1 > X 14 > X 10 > y 2 > y 7 > У ю > y 9 > y 3 > X 15 > y 8 >
> X9 > X6 > y3 > X jj > X4 > X12 > X5 > X13 > X2 > X8 > y4 > X3 > X7
F7 = 0,043 y - 0,094 X - 0,029 x2 - 0,107 x3 + 0,050 x4 + 0,122 x5 - 0,591 y 2 + 0,083 y 3 + + 0,809 x 6 + 0,141 x7 - 0,168 x8 - 0,008 y 4 + 0,359 y 5 + 0,495 x9 - 0,063 x10 - 0,175 y 6 + + 0,328 y7 - 0,019 x n + 0,003 y 8 + 0,070 x12 - 0,054 y9 - 0,019 x13 - 0,018 x 14 + 0,118 x15 - 0,058 y 10 .
Определим рейтинг влияния показателей в системе по величине коэффициентов нагрузки модели седьмого латентного фактора:
X 6 > X 9 > y 5 > y 7 > X 5 > X 7 > X 15 > y 3 > X 12 > X 4 > y x > y 8 > y 4 > X 14 > X n; X 13 > X 2 > y 9 > y 10 > x 10 > X 1 > y 6 > x 3 > x 8 > y 1
F = 0,160 y x + 0,746 x + 0,150 x2 - 0,053 x3 - 0,002 x4 - 0,462 x 5 + 0,059 y 2 + 0,121 y3 - 0,164 x6 - 0,039 x 7 + 0,414 x 8 + 0,166 y 4 + 0,213 y 5 + 0,074 x9 - 0,247 x 10 + 0,176 y 6 + + 0,167 y7 - 0,134 x „ + 0,166 y8 - 0,123 x 12 + 0,381 y9 - 0,376 x13 - 0,772 x14 - 0,080 x15 - 0,038 y 10 .
Определим рейтинг влияния показателей в системе по величине коэффициентов нагрузки модели восьмого латентного фактора:
X 1 > X 8 > У 9 > У 5 > У 6 > У 7; У 4 > У 8 > У 6 > У 1 > У 5 > X 2 > У 3 > X 15 > X 9 > У 2 > X 4 > y w >
X 5 > x 3 > x 14 > x 12 > x n > x 6 > x 10 > x13
F = 0,035 y , + 0,042 x + 0,567 x 2 - 0,005 x 3 - 0,002 x 4 + 0,479 x 5 + 0,086 y 2 + 0,743 y 3 + + 0,140 x 6 - 0,329 x 7 + 0,339 x 8 - 0,028 y 4 + 0,198 y 5 - 0,472 x 9 - 0,214 x 30- 0,298 y 6 + + 0,123 y 7 + 0,124 xn - 0,140 y „ + 0,104 x + 0,237 y9 - 0,138 x 3+ 0,104 x ,4- 0,028 x + 7 11 8 12 9 13 14 15
+ 0,046 y 10 .
Определим рейтинг влияния показателей в системе по величине коэффициентов нагрузки модели девятого латентного фактора:
y 3 > x 2 > x 5 > x 8 > y 9 > y 5> X 6 > x n > y 7 > x 2; x 4 > y 2 > y{ 0 > x > y{ > x 4 > x 3 > y 4 ; x 15 > x 13 > y 8 > x 10 > y 6 > x 7.
Таблица 1.
Факторы нагрузки корреляционно-регрессионной модели:
y, = 59,617 - 8,602 x. + 2,093 x . + 9,386 x19
2 6 11 12
№п\п |
Фактор |
Фактор |
Фактор |
Фактор |
Фактор |
Фактор |
Фактор |
Фактор |
Фактор |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
|
y1 |
-0,117559 |
0,0642665 |
-0,034948 |
0,794334 |
-0,031853 |
-0,0337104 |
0,0427172 |
0,16006 |
0,0348486 |
x1 |
-0,151439 |
0,0416306 |
-0,0063021 |
0,103368 |
-0,090894 |
0,217489 |
-0,0938443 |
0,745639 |
0,0424158 |
x2 |
0,268551 |
0,589414 |
0,0630232 |
-0,173461 |
0,0796944 |
-0,134658 |
-0,0288137 |
0,150124 |
0,0566314 |
x3 |
-0,0786646 |
0,131891 |
-0,173486 |
-0,0503187 |
0,702793 |
-0,302139 |
-0,107044 |
-0,052630 |
-0,0052995 |
x4 |
-0,319375 |
0,122569 |
-0,347915 |
-0,697416 |
-0,046306 |
-0,0807206 |
0,0497953 |
-0,022070 |
-0,0017394 |
x5 |
0,00199916 |
-0,255745 |
0,169297 |
-0,318047 |
-0,147341 |
-0,0851977 |
0,12154 |
-0,461766 |
0,478987 |
y2 |
-0,362943 |
0,101163 |
0,439533 |
0,00622205 |
-0,095276 |
0,201646 |
-0,59098 |
0,0588582 |
0,086195 |
y3 |
-0,06326 |
0,121581 |
0,0903575 |
0,0448294 |
-0,023485 |
0,0710302 |
0,0830078 |
0,121268 |
0,747116 |
x6 |
-0,0833659 |
0,0806422 |
0,128558 |
0,0688844 |
0,0337912 |
-0,0322969 |
0,809498 |
-0,163941 |
0,140255 |
x7 |
0,161919 |
-0,0710979 |
0,316858 |
-0,137338 |
0,0551898 |
-0,687611 |
0,140877 |
-0,039491 |
-0,329191 |
x8 |
0,187209 |
0,1916 |
0,558461 |
-0,0062466 |
-0,049794 |
-0,159445 |
-0,168013 |
0,414103 |
0,339382 |
y4 |
-0,446356 |
-0,12847 |
-0,346286 |
-0,079404 |
-0,178544 |
-0,291835 |
-0,00797566 |
0,166011 |
-0,0282247 |
y5 |
0,286644 |
-0,0671029 |
-0,0076696 |
-0,0420338 |
0,164598 |
0,603502 |
0,359148 |
0,212632 |
0,197884 |
x9 |
-0,148568 |
-0,0416088 |
-0,0814614 |
-0,336398 |
-0,157323 |
0,00512732 |
0,494866 |
0,0737816 |
-0,47156 |
x10 |
0,0356178 |
-0,232702 |
0,0256224 |
0,03841 |
0,622857 |
0,209433 |
-0,0628561 |
-0,246718 |
-0,213882 |
y6 |
-0,0434336 |
0,135161 |
0,0654135 |
-0,0449068 |
-0,043688 |
0,664056 |
-0,174913 |
0,172781 |
-0,297967 |
y7 |
0,176568 |
0,198863 |
0,0093189 |
-0,0253584 |
0,685212 |
0,0903482 |
0,327742 |
0,165726 |
0,122972 |
x11 |
0,791454 |
-0,0357094 |
-0,101236 |
0,00534941 |
0,0016412 |
-0,0714379 |
-0,0184271 |
-0,134375 |
0,124452 |
y8 |
0,744797 |
0,235407 |
0,107403 |
0,101817 |
0,0510432 |
0,0388339 |
0,00283582 |
0,165992 |
-0,140244 |
x12 |
-0,0505066 |
0,109078 |
0,700043 |
0,239526 |
-0,223806 |
-0,0820864 |
0,0697862 |
-0,122849 |
0,103916 |
y9 |
-0,526047 |
0,11631 |
0,205518 |
0,339834 |
-0,021897 |
0,0653299 |
-0,0549363 |
0,385879 |
0,237263 |
x13 |
-0,284199 |
0,15629 |
0,28075 |
-0,121752 |
-0,406915 |
-0,127263 |
-0,0185992 |
-0,375879 |
-0,138032 |
x14 |
-0,0111894 |
0,679151 |
0,0806004 |
0,326844 |
-0,107457 |
0,216222 |
-0,0177199 |
-0,072215 |
0,104481 |
x15 |
-0,137258 |
0,70829 |
0,253971 |
-0,178441 |
0,168937 |
0,0538304 |
0,11759 |
0,795584 |
-0,0277064 |
y10 |
0,172399 |
0,648763 |
-0,459286 |
0,312537 |
-0,147024 |
0,0855172 |
-0,058213 |
-0,038996 |
0,0462972 |
В результате анализа рейтинга влияния показателей на латентные факторы выделяется такая последовательность наиболее значимых показателей, создающих механизм взаимосвязи в системе показателей экономической безопасности сельскохозяйственных предприятий, которые исследовались. Рейтинговыми показателями оказались следующие: коэффициент эффективности использования финансовых ресурсов, коэффициент покрытия активов собственным оборотным капиталом, коэффициент концентрации заемного капитала предприятия, коэффициент эффективности использования собственных средств, уровень рентабельности предприятия, коэффициент Бивера, коэффициент платежеспособности предприятия, коэффициент износа основных производственных фондов, коэффициент оборачиваемости активов предприятия, коэффициент абсолютной ликвидности.
Далее вычислим регрессионные модели влияния факторных признаков на результативные с помощью многофакторного регрессионного анализа. Многофакторную линейную модели зависимости обобщающего показателя экономической безопасности сельскохозяйственных предприятий предлагается вычислить, используя регрессионный анализ, а точнее применить поэтапный регрессионный анализ или пошаговую регрессию последовательного исключения факторов с помощью модуля Stepwise Variable Selection специального статистического пакета Statgraphics Centurion. В результате таких вычислений, мы получили такие многофакторные линейно-регрессионные модели:
у2 = 59,617 — 8,602хб + 2,093х,, + 9,386х,2, t„ = 8,6 th = —3,42 t„ = —3,62 th = 2,999.
a b 6 b 11 b 12
где x6 - коэффициент финансовой зависимости капитализированных источников; x11 фондоотдача; x12 коэффициент финансового левериджа.
На коэффициент Бивера ( y5 ) влияет только один фактор: х7 – коэффициент покрытия:
ys = 0,6376 — 0,067 1 х , , t a = 8,68 t bG = — 2,47.
Зависимость коэффициента погашения дебиторской задолженности ( y 8 ) от значимых факторов описывается уравнением:
ys = 0,3534 + 0,1108 х2 — 0,0871 х4 + 0,047 х ,,, ta = 2,47 t^ = 2,16 t^ = — 2,43 t^ = 3,35.
Зависимость коэффициента эффективности использования финансовых ресурсов (y9) от значимых факторов описывается уравнением:
у9 = 0,7305 + 0,1704х, — 0,0712 х„ + 0,3271х12 + 0,4359хг4, ta = 2,32 t^ = 2,64 tb11 = —2,57 t^ = 2,21 t^ = 2,03.
Такое влияние факторов на уровень рентабельности предприятий дает возможность охарактеризовать обратную зависимость результативного признака (уровня рентабельности предприятий) от коэффициента финансовой зависимости капитализированных источников, фондоотдачи и коэффициент финансового левериджа, то есть с увеличением уровня рентабельности предприятия, увеличивается фондоотдача и коэффициент финансового левериджа предприятий, но уменьшается коэффициент финансовой зависимости капитализированных источников на предприятии. Вычисленные значения статистики Стьюдента свидетельствуют, что только три фактора: х 6 - коэффициент финансовой зависимости капитализированных источников, х 11 - фондоотдача и х 12 -коэффициент финансового левериджа влияют на уровень рентабельности предприятия ( y 2 ), а все остальные факторные признаки не значимые, а следовательно не влияют на изменение результативного признака. Коэффициент детерминации показывает, что изменчивость результативного показателя y 2 объясняется на 43,2% изменчивостью факторов коэффициента финансовой зависимости капитализированных источников, фондоотдачи, коэффициента финансового левериджа, которые были включены в данную корреляционно-регрессионную модель. По критерию Фишера имеем, что модель значима в целом.
Из выше изложенного можно сделать вывод, что факторный анализ играет важную роль в экономическом анализе предприятия. С помощью факторного анализа возможно выявление скрытых переменных факторов, отвечающих за наличие линейных статистических корреляций между наблюдаемыми переменными. Факторный анализ позволяет решить две важные проблемы исследователя: описать объект измерения всесторонне и в то же время компактно. С помощью факторного анализа возможно выявление скрытых переменных факторов, отвечающих за наличие линейных статистических корреляций между наблюдаемыми переменными. Практическое выполнение факторного анализа начинается с проверки его условий. В обязательные условия факторного анализа входят: все признаки должны быть количественными; число наблюдений должно быть не менее чем в два раза больше числа переменных; выборка должна быть однородна; исходные переменные должны быть распределены симметрично; факторный анализ осуществляется по коррелирующим переменным.
Список литературы Факторный анализ, как один из элементов повышения экономической безопасности сельскохозяйственного производства
- Бариленко В.И. Экономический анализ: учебник / Под ред. Бариленко В.И. и др. - М.: КноРус, 2017. - 171 c.
- Басовский Л.Е. Экономический анализ (комплексный экономический анализ хозяйственной деятельности): учебное пособие / Л.Е. Басовский, А.М. Лунева, Е.Н. Басовская и др. - М.: Инфра-М, 2018. - 479 c.
- Ещенко Е. С. Показатели прибыли и рентабельности и их влияние на финансово-хозяйственную деятельность субъектов экономики / Е.С. Ещенко // Молодой ученый. - 2019. - № 9.2. - С. 21-23.
- Миляева Л.Г. Комплексный экономический анализ хозяйственной деятельности: практико-ориентированный подход: учебное пособие / Л.Г. Миляева. - М.: КноРус, 2018. - 190 с.
- Пономаренко В.С. Аналіз даних у дослідженнях соціально-економічних систем: монографія / В. С. Пономаренко, Л. М. Малярець; Харківський національний економічний ун-т. - Х. : ВД «ІНЖЕК», 2009. - 432 с.
- Родионова, Л.Н. Экономическая безопасность: концепция, стандарты / Л.Н. Родионова. - М.: Русайнс, 2019. - 32 c.
- Сосненко Л.С. Комплексный экономический анализ хозяйственной деятельности. Краткий курс: учебное пособие / Л.С. Сосненко, Е.Н. Свиридова, И.Н. Кивелиус. - М.: КноРус, 2019. - 252 с.
- Суглобов А.Е. Экономическая безопасность предприятия: учебное пособие / А.Е. Суглобов, С.А. Хмелев, Е.А. Орлова. - М.: Юнити, 2015. - 639 c.
- Яковлев В.М. Риски и экономическая безопасность муниципальных образований: учебник / В.М. Яковлев. - М.: Русайнс, 2017. - 736 c.