Факторный анализ кредиторской задолженности организаций, осуществляющих управление жилищным фондом в Российской Федерации

Калинина Ирина Юрьевна
магистрант 1 курса
Оренбургского филиала
РЭУ им. Г.В. Плеханова,
Символ науки
№6 2016

Аннотация. В статье рассмотрена модель влияния различных социально-экономических факторов на объем кредиторской задолженности управляющих организаций в России. Проведен корреляционно-регрессионный анализ, отражающий влияние каждого факторного признака на размер задолженности.

Социально-экономическая ситуация в России становится все более зависимой от состояния и реформирования жизнеобеспечивающих инфраструктурных отраслей, особое место среди которых занимает жилищно-коммунальный комплекс.

Понятие "жилищно-коммунальное хозяйство" получило широкое распространение в России и в странах СНГ, вошло в научный и практический оборот. В советской экономике жилищные и коммунальные услуги были в равной степени монополизированы и зачастую оказывались в рамках одного многоотраслевого предприятия. Ныне производственная структура жилищно-коммунального хозяйства (ЖКХ) России интегрирует более 30 видов деятельности. На жилищно-коммунальный комплекс приходится около 5,9% валового внутреннего продукта российской экономики.

В связи с высокой значимостью деятельности предприятий в сфере ЖКХ возникает вопрос финансового состояния данных организаций. В этом аспекте можно условно выделить организации-монополисты, к которым относятся ресурсоснабжающие организации, а также управляющие компании, ТСЖ, ТСН, то есть организации, деятельность которых связана с управлением и эксплуатацией жилищного фонда. Деятельность таких организаций напрямую зависит от качества жилищного фонда, находящегося в управлении, уровня доходов населения, даже от психологических и демографических особенностей населения, в то время как деятельность ресурсоснабжающих организаций не сопряжена с подобными проблемами, поскольку спрос на их продукцию и услуги практически неэластичен [1].

Тарифообразование ресурсоснабжающих организаций осуществляется по принципам монополистических рынков, а в управляющих и обслуживающих организациях решение о принятии тарифов исходит исключительно от собственников помещений. В то же время в соответствии с Постановлением Правительства РФ от 03.04.2013г. № 290 "О минимальном перечне услуг и работ, необходимых для обеспечения надлежащего содержания общего имущества в многоквартирном доме, и порядке их оказания и выполнения" законодательно закреплен перечень обязательных работ, которые управляющие и обслуживающие организации обязаны проводить даже в тех случаях, когда стоимость таких работ выходит за рамки установленных для населения тарифов. Эти условия вызывают ряд особенностей в деятельности управляющих и обслуживающих организаций:

  • конкурентная борьба за новый жилищный фонд - относительно новые дома вызывают меньше расходов, связанных с аварийными и иными чрезвычайными ситуациями; в то же время платежеспособность жителей в благополучных районах городов выше, нежели жителей ветхого жилфонда;
  • штрафы надзорных и контролирующих органов, а также предписания по устранению аварийных ситуаций сопряжены с дополнительными расходами, которые далеко не всегда возможно покрыть с помощью поступлений от жителей исходя их принятых ими тарифов;
  • дебиторская задолженность со стороны населения, особенно увеличивающаяся в кризисный период под влиянием снижения доходов населения; рост дебиторской задолженности влечет за собой образование кредиторской задолженности, что, в свою очередь, отрицательно сказывается на общем финансовом состоянии организаций.

Исходя из вышеизложенного, целесообразно оценить влияние различных социально-экономических факторов на финансовое положение организаций, осуществляющих управление жилищным фондом. В качестве результативного показателя будем рассматривать объем кредиторской задолженности управляющих и обслуживающих организаций в России. В качестве факторов рассмотрены следующие показатели:

  • удельный вес ветхого и аварийного жилищного фонда в стране;
  • удельный среднедушевые денежные доходы населения (руб. в месяц);
  • удельный вес граждан, пользующихся социальной поддержкой по оплате жилого помещения, в общей численности населения, процентов;
  • индекс потребительских цен на жилищные услуги;
  • возмещаемая населением величина затрат по предоставлению жилищно-коммунальных услуг.

Последний показатель характеризует проблему отказа населения от принятия повышающих тарифов на жилищные услуги и отражает ту часть затрат по эксплуатации многоквартирных домов, которые управляющая или обслуживающая организация покрывает за счет собственников и нанимателей жилых помещений (остальная часть таких расходов ложится на плечи управляющих организаций). В таблице 1 приведены значения парных коэффициентов корреляции, полученных с помощью MS Excel.

Таблица 1. Значения парных коэффициентов корреляции

Y X1 X2 X3 X4 X5
Y 1
X1 0,253657 1
X2 0,637171 0,405229 1
X3 -0,48095 -0,86863 -0,6244 1
X4 -0,22056 -0,2836 -0,27178 0,571911 1
X5 0,69257 0,098176 0,684265 -0,40074 -0,04038 1

Из приведенных в таблице 1 данных видно, что наиболее тесная связь наблюдается между результативным признаком и индексом потребительских цен на жилищные услуги [2]. При этом следует отметить, что наблюдается мультиколлинеарность между признаками х1 и х3, поэтому данные факторы включить в модель невозможно.

Проведем регрессионный анализ, использовав в качестве факторного признака индекс потребительских цен на жилищные услуги.

Результаты регрессионного анализа

Рисунок 1 – Результаты регрессионного анализа

Значение R, равное 0,52, говорит о средней тесноте связи между факторным признаком и результатом, а значение R2 , равное 0,6731, говорит о том. Что 67,31% дисперсии результативного признака объясняются динамикой факторного. Оценка статистической значимости параметров регрессии проверяется с помощью t-критерия Стьюдента. Выдвигаем гипотезу Н0 о статистически не значимом отличии показателей от нуля: a=bi= 0 и определяем t-критерий Стьюдента.

ta = 1,19;

tb5 = 3,62.

Так как вычисленное значение критерия больше табличного (1,86), нулевая гипотеза отвергается на выбранном уровне значимости, и различия между выборкой и известной величиной признаются статистически значимыми.

Оценку надежности уравнения регрессии в целом и показатели тесноты связи дает F-критерий Фишера [3]. По данным дисперсионного анализа, также приведенного на рисунке 1, Fфакт=2,63. Вероятность случайно получить такое значение F- критерия составляет 0,15, что не превышает допустимый уровень значимости. Следовательно, полученное значение сформировалось под влиянием существенных факторов, подтверждается статистическая значимость выбранной модели.

Уравнение регрессии для выбранной модели будет выглядеть следующим образом:

у = 11,54 + 0,88*х5

Интерпретировать показатели можно следующим образом. При увеличении индекса потребительских цен на 1% кредиторская задолженность управляющих организаций вырастет на 0,88%. На практике это означает, что рост цен на жилищные услуги вызывает возникновение дебиторской задолженности, поскольку недостаточно высокие доходы населения не позволяют своевременно осуществлять платежи за жилищно-коммунальные услуги, а дебиторская задолженность, в свою очередь, приводит к необходимости поиска дополнительных источников финансирования, одним из которых и выступает кредиторская задолженность.

Практическая значимость представленной модели заключается в возможности ее использования в процессе принятия решений об изменении тарифов на жилищные услуги.

Список использованной литературы:

1. Шеремет, А.Д. Методика финансового анализа деятельности коммерческих организаций / Шеремет А.Д., Негашев Е.В. - 2-е изд., перераб. и доп. - М.: ИНФРА-М, 2012. - 208 с.

2. Тимофеева Т.В., Снатенков А.А. Статистическое изучение уровня развития сберегательного дела в РФ / Материалы Межрегиональной науч.-практ. конференции «Конкурентоспособность АПК: теория и практика» Посвященной памяти чл.-корр. РАСХ А.А. Семенова. - М: Восход-А, 2007.

3. Снатенков А.А., Тимофеева Т.В. Практикум по финансовой статистике: учеб. пособие. М.: Финансы и статистика; ИНФРА-М, 2009. 320 с.: ил.

4. www.gks.ru - Федеральная служба государственной статистики

Метки
Программа Финансовый анализ - ФинЭкАнализ для анализа финансового состояния предприятия, позволяющая рассчитывать большое количество финансово-экономических коэффициентов.
Журнал Арбитражный управляющий
Скачать ФинЭкАнализ
Программа для проведения финансового анализа по данным бухгалтеской отчетности
Скачать ФинЭкАнализ
Провести Финансовый анализ Онлайн
Онлайн сервис для проведения финансового анализа по данным бухгалтеской отчетности
Попробовать ФинЭкАнализ