Жилищно-коммунальное хозяйство (ЖКХ) является важнейшей составляющей в системе жизнеобеспечения городов, охватывает все население страны и в связи с этим занимает исключительное положение в ряду прочих отраслей экономики.
Нынешнее состояние ЖКХ в России абсолютно критично, и крайне убыточно из-за недостатка денежных средств. Данное состояние связано с недостаточным финансированием, неправильным распределением денежных средств и несвоевременной оплатой гражданами услуг ЖКХ.
Решение вышеназванной причины базируется, в первую очередь, на умелом управлении денежными потоками.
Управление денежными потоками является основным аспектом деятельности предприятия. Правильное управление денежными потоками организаций является важным показателем финансового состояния.
За основу создания эффективной системы управления денежными потоками на конкретном предприятии, а так же в масштабах отрасли, может быть принято математическое моделирование денежных потоков, которое позволяет решить задачу максимализации прибыли, контролировать платежеспособность, правильное распределением денежных средств.
Моделирование денежных потоков позволяет проанализировать причинно-следственные связи между показателями, сформировать прогноз, а так же определить оптимальные величины денежных потоков организации.
Вышеуказанные обстоятельства обусловливают актуальность настоящего исследования, в котором предлагается сделать прогноз поступления денежных средств за услуги теплоснабжения на основе математического моделирования.
В ходе исследования были использованы данные о поступлении денежных средств касс Теплосбыта за III квартал.
Для регрессионного анализа были рассмотрены факторы, влияющие на поступление денежных средств за услуги теплоснабжения (
): 
— место жительства, 
— тип застройки, 
— изношенность домов, 
— общая площадь квартиры, 
— количество прописанных, 
— льготники, 
— индивидуальные тепловые пункты, 
— сумма за отопление 
, 
– сумма за горячее водоснабжение (гвс).
Для того чтобы построить уравнение множественной регрессии сначала решим вопрос о спецификации модели. Суть проблемы спецификации заключается в отборе факторов. По методу исключения построим матрицу коэффициентов корреляции (табл. 1)
Таблица 1
Матрица коэффициентов корреляции
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|||||||||
|
|
0,1 |
1 |
||||||||
|
|
-0,3 |
-0,1 |
1 |
|||||||
|
|
-0,1 |
0,2 |
0,3 |
1 |
||||||
|
|
0,7 |
0,06 |
-0,3 |
-0,1 |
1 |
|||||
|
|
0,4 |
-0,02 |
-0,6 |
-0,1 |
0,3 |
1 |
||||
|
|
0,1 |
-0,1 |
-0,1 |
-0,03 |
0,1 |
0,01 |
1 |
|||
|
|
0,1 |
-0,3 |
-0,2 |
-0,2 |
0,2 |
0,1 |
0,1 |
1 |
||
|
|
0,7 |
0,06 |
-0,30 |
-0,1 |
0,96 |
0,3 |
0,1 |
0,2 |
1 |
|
|
|
0,4 |
-0,01 |
-0,1 |
-0,06 |
0,3 |
0,96 |
0,01 |
0,1 |
0,3 |
1 |
По данной матрице, видно, что связь двух элементов превышает 0,8. То есть между факторами 
и 
есть мультиколлинеарность. Для того чтобы решить эту проблему исключим из модели факторы 
и 
, так как факторы 
и 
в больше связаны с зависимой переменной. Проверим факторы на значимость через критерий t-статистики (табл. 2).
Таблица 2
Расчетное значение t-статистики
|
|
|
|
|
|
|
|
|
|
|
1 |
||||||
|
|
-9,6 |
1 |
|||||
|
|
14,0 |
22,6 |
1 |
||||
|
|
-11,3 |
-11,4 |
-2,6 |
1 |
|||
|
|
-25,5 |
-19,6 |
-15,4 |
5,0 |
1 |
||
|
|
4,7 |
-26,2 |
-10,2 |
4,4 |
17,6 |
1 |
|
|
|
-2,7 |
-11,2 |
-4,9 |
2,0 |
7,8 |
27,2 |
1 |
По исходной таблице 2 видно, что расчетное значение t-статистики для всех уравнений регрессии больше табличного значения (коэффициенты корреляции значимы).
Было рассмотрено 4 модели уравнения регрессии для выявленных факторов:
– линейное уравнение
– степенное уравнение:
– экспоненциальное уравнение:
– показательное уравнение:
– гиперболическое уравнение:
Множественное уравнение линейной регрессии является качественной моделью, а адекватной, значимый коэффициент множественной корреляции имеет максимальное значение, а коэффициент детерминации составляет 87,75 %. Это объясняется тем, что 88 % вариации поступлений денежных средств за услуги теплоснабжения объясняется факторами, включенными в модель.
В дополнении определим частные коэффициенты эластичности. Результаты, которых представлены в таблице 3.
Таблица 3
Расчетные значения частных коэффициентов эластичности
|
Частные коэффициенты эластичности |
Экономическая интерпретация |
|
|
|
-0,05993282 |
При перемещении места жительства из одного населенного пункта в другой, в среднем поступление средств за услуги теплоснабжения снижаются на 0,06 %. |
|
|
-0,05936559 |
При перемещении места жительства в части типа застройки, в среднем поступление средств за услуги теплоснабжения снижаются на 0,06 %. |
|
|
-0,015315737 |
При увеличении изношенности домов на 1 %, в среднем поступление средств за услуги теплоснабжения снижаются на 0,02 % |
|
|
-0,033936514 |
При увлечении числа льготников на 1 %, в среднем поступление средств за услуги теплоснабжения снижаются на 0,03 % |
|
|
-0,250305254 |
При увеличении индивидуальных тепловых пунктов на 1 %, в среднем поступление средств за услуги теплоснабжения снижаются на 0,25 % |
|
|
0,727963153 |
При увеличении начисленных средств за услугу отопление на 1 %, в среднем поступление средств за услуги теплоснабжения увеличатся на 0,73 % |
|
|
0,120081599 |
При увеличении начисленных средств за услугу гвс на 1 %, в среднем поступление средств за услуги теплоснабжения увеличатся на 0,12 % |
На основе полученной множественной линейной регрессии построим прогноз денежных средств. Получен точечный (17248 тыс. руб) и интервальный прогнозы (
). Проведена верификация прогноза. Она составила 95 %.
Из исследования можно сделать вывод о том, что для прогнозирования подобных денежных потоков можно использовать линейную модель множественной корреляции, выбрав в качестве факторов выделенные нами значения. Правильно и грамотно сделанный прогноз позволит предприятию сэкономить финансовые ресурсы, правильно их перераспределить.
Литература:
- Чашкин Ю. Р. Математическая статистика. Анализ и обработка данных: Высшее образование — Феникс, 2010.
- Шурыгин, А. М. Математические методы прогнозирования: учеб. пособие для вузов / А. М. Шурыгин. -- М.: Горячая линия — Телеком, 2009.
