Управление дебиторской задолженностью на основе корреляционно - регрессионного анализа

Корреляционно-регрессионный анализ является одним из наиболее распространенных математических методов, используемых в анализе хозяйственной деятельности предприятия. Корреляционно-регрессионный анализ применяется в тех случаях, когда между анализируемыми показателями нет строгой зависимости и полного соответствия, т. е. нет функциональной зависимости [4] .

Благодаря корреляционному анализу можно решить две задачи: изучить тесноту связи между исследуемыми показателями; количественно измерить степень влияния анализируемого фактора на исследуемый показатель, т. е. проявляется характер связи. Теснота связи между двумя показателями измеряется путем определения специального коэффициента корреляции (при прямой зависимости) [3].

Проведя анализ дебиторской задолженности в МУП ЖКХ необходимо рассмотреть, какие факторы оказывают наибольшее влияние на величину дебиторской задолженности организации, с целью выявить те, с помощью которых можно уменьшить её размер.

Таким образом, в качестве результативного признака (у) будет выступать величина дебиторской задолженности, а факторные признаки (х1, х2 и т.д.) могут быть следующие: х1 - количество организаций-дебиторов, единиц; х2 - коэффициент оборачиваемости дебиторской задолженности; х3 - коэффициент просроченности дебиторской задолженности; х4 - удельный вес дебиторской задолженности со сроком погашения до 45 дней, %; х5 – удельный вес дебиторской задолженности со сроком погашения от 45 до 90 дней, %; х6 - удельный вес дебиторской задолженности со сроком погашения более 90 дней, %; х7 – выручка от выполнения работ, оказания услуг, тыс. руб.; х8 – инкассация дебиторской задолженности, дни.

С помощью ТП Excel найдем матрицу парных коэффициентов корреляции (Рисунок 1)

у

Рисунок 1 – Матрица парных коэффициентов корреляции

Величина дебиторской задолженности наиболее тесно связана с таким фактором, как инкассация дебиторской задолженности в днях. Это следует из того, что коэффициент корреляции равен 0,814, что означает высокую связь. Также высокая связь дебиторской задолженности наблюдается с коэффициентом оборачиваемости дебиторской задолженности, при этом данная связь является обратной. Коэффициент корреляции в данном случае равен – 0,777. Обратная связь предполагает, что при увеличении коэффициента оборачиваемости дебиторской задолженности размер дебиторской задолженности будет уменьшаться. Наличие умеренной связи с дебиторской задолженностью можно отметить относительно факторов: выручка от выполнения работ, оказания услуг, тыс. руб.; удельный вес дебиторской задолженности со сроком погашения до 45 дней, %. Остальные показатели оказывают влияние на величину дебиторской задолженности в незначительной степени.

Далее необходимо провести регрессионный анализ по каждому выделенному фактору отдельно с помощью инструмента регрессия [1].

Полученные модели (уравнения регрессии) проверяются на адекватность по следующим критериям: по критерию Фишера, Стьюдента и по средней ошибке аппроксимации. Ошибка аппроксимации применяется для оценки точности модели. Если ошибка аппроксимации превышает 8-10% модель не является верной. Коэффициент эластичности показывает, насколько процентов изменяется функция при изменении соответствующего фактора на 1%. Применяется для ранжирования факторов по их значимости [2] .

Таблица 1 – Результаты корреляционно-регрессионного анализа

Таким образом, анализируя полученные результаты регрессионного анализа, можно сказать, что модели с факторными признаками х1 и х7 не являются верными и их нельзя использовать для определения величины дебиторской задолженности, поскольку ошибка аппроксимации превышает 9%.

Верными моделями являются модель с факторными признаками х2 – коэффициент оборачиваемости дебиторской задолженности и х8 – инкассация дебиторской задолженности. Коэффициент эластичности модели с факторным признаком х2, говорит о том, что при увеличении на 1% коэффициента оборачиваемости дебиторской задолженности величина дебиторской задолженности снизится на 1,011%. Коэффициент эластичности модели с факторным признаком х8, говорит о том, что при уменьшении инкассации дебиторской задолженности на 1% величина дебиторской задолженности снизится на 1,014%.

Следовательно полученные модели с факторными признаками х2 и х8 можно использовать для прогноза величины дебиторской задолженности в зависимости от коэффициента оборачиваемости и периода инкассации дебиторской задолженности. Это позволит организации планировать размер дебиторской задолженности и поддерживать его на оптимальном уровне.

Проблема управления дебиторской задолженностью, всегда была актуальной для предприятий сферы ЖКХ, а в условиях изменения системы финансирования данных организаций от ее решения зависит зачастую не только эффективность деятельности компании, но и сам факт ее дальнейшего существования. Задолженность населения по оплате жилья и коммунальных услуг - наиболее распространенный на сегодняшний день вид долгов в ЖКХ. Удельный вес этой категории работ составляет, как правило, 75-90%. При этом, доля сомнительной дебиторской задолженности составляет порой более 50%.

Особенности функционирования организаций сферы ЖКХ влекут наличие соответствующей специфики в управленческих решениях. У организаций ЖКХ нет необходимости стимулировать объем сбыта путем предоставления скидок или льгот в виде отсрочки платежа, и, соответственно в отношении дебиторской задолженности они, как правило, преследуют цели, направленные не столько на оптимизацию, сколько на сокращение ее размера, в том числе: сокращение сроков погашения долга и своевременное погашение дебиторской задолженности; снижение доли и суммы сомнительных и просроченных долгов и т.д. [5].