Интернет-журнал «НАУКОВЕДЕНИЕ» Том 8, №4 (июль - август 2016) http://naukovedenie.ru publishing@naukovedenie.ru

Размещено на http://allbest.ru

http://naukovedenie.ru 78EVN416

Интернет-журнал «НАУКОВЕДЕНИЕ» Том 8, №4 (июль - август 2016) http://naukovedenie.ru publishing@naukovedenie.ru

1

http://naukovedenie.ru 78EVN416

ФГБОУ ВПО «Государственный университет морского и речного флота имени адмирала С.О. Макарова»

УДК 65.01

Использование кластерного и регрессионного анализа в изучении экономической деятельности судостроительных и судоремонтных предприятий Ссылка для цитирования этой статьи: Неслухов Д.С. Использование кластерного и регрессионного анализа в изучении экономической деятельности судостроительных и судоремонтных предприятий // Интернет-журнал «НАУКОВЕДЕНИЕ» Том 8, №4 (2016) http://naukovedenie.ru/PDF/78EVN416.pdf (доступ свободный). Загл. с экрана. Яз. рус., англ.

Неслухов Дмитрий Сергеевич, аспирант

Россия, Санкт-Петербург

Европейская часть России насыщена крупными реками, озерами и множеством судоходных каналов.

В силу своего географического расположения Северо-Западный регион России играет ключевую роль в обеспечении работы водного транспорта Европейской части РФ.

На Северо-Западе России расположено множество судостроительных и судоремонтных предприятий различных форм собственности и специализации, обеспечивающих строительство и ремонт гражданского, военного морского и речного флота.

Сегодня актуальность исследования данных отраслей обусловлена низким уровнем развития судостроительных и судоремонтных баз России. Об этом свидетельствуют невысокие экономические показатели, показатели уровня использования производственных мощностей, затрат на технологии, уровня организации, недостаточное использование научного потенциала.

С помощью методов многомерного статистического анализа (в частности кластерного и регрессионного анализа) можно провести классификацию предприятий, оценить уровень их развития в конкретном экономическом районе.

Кластерный анализ - многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы [8, с. 141]. В общем случае кластерный анализ решает задачу построения классификации, т.е. разбиение исходного множества объектов и признаков на однородные группы (кластеры).

Сегодня спектр применения кластерного анализа очень широк: его используют в археологии, медицине, психологии, химии, биологии, экономике и других дисциплинах.

Независимо от предмета изучения выделяют следующие этапы кластерного анализа: отбор объектов для кластеризации; выбор системы переменных; нормализация переменных; определение меры сходства между объектами кластеризации; выбор метода кластеризации; выбор алгоритма кластеризации; представление и анализ результатов.

Методы кластерного анализа делятся на две группы: иерархические и неиерархические.

Суть иерархических методов сводится к последовательному объединению небольших кластеров в большие и разделении крупных кластеров на малые.

К основным алгоритмам объединения кластеров в иерархическом кластерном анализе относят: метод единичной связи, метод полной связи, метод средней связи, центроидный метод и метод Уорда.

Существует большое количество неиерархических методов, большинство из них представляют собой итеративные методы кластеризации.

Наиболее известный алгоритм является метод k-средних. В отличие от иерархических методов, которые не требуют предварительных предположений относительно числа кластеров, для возможности использования метода k-средних необходимо иметь гипотезу о наиболее вероятном количестве кластеров.

Для наглядного представления результатов кластерного анализа используются дендрограммы. Дендрограмма - древовидная диаграмма, содержащая n уровней, каждый из которых соответствует одному из шагов процесса последовательного укрупнения кластеров.

Для практического примера использования кластерного анализа была проведена кластеризация судостроительных и судоремонтных предприятий Северо-Западного региона России.

В таблице 1 приведен список судостроительных и судоремонтных предприятий по субъектам Северо-Западного региона.

В качестве исходной базы для кластерного анализа использовались показатели пропускной способности судоподъемных сооружений и причальных стенок 22 судостроительных и судоремонтных предприятий Санкт-Петербурга, Ленинградской, Мурманской, Архангельской, Калининградской областей и р. Карелия.

Таблица 1

Показатели пропускной способности судостроительных и судоремонтных предприятий Северо-Западного региона (составлено (разработано) автором)

Далее в программе Statistica 7.0 с помощью иерархического агломеративного метода (процедура Joining (tree clustering)) был проведен кластерный анализ.

В качестве меры расстояния между объектами выбрано евклидово расстояние, в качестве алгоритма объединения кластеров использован метод Уорда. судостроение экономический рентабельность кластерный

Результаты кластерного анализа представлены на рисунке 1.

Рисунок 1. Дендрограмма объединения предприятий по показателям пропускной способности (составлено (разработано) автором)

На основе проведенного анализа можно выделить два кластера (см. таблицу 2) при пороговом расстоянии 6.

Таблица 2

Состав и характеристика кластеров (составлено (разработано) автором)

В первый кластер вошли предприятия, занимающиеся гражданским коммерческим судостроением и судоремонтом, обслуживающие преимущественно гражданские речные суда и суда типа река-море доковым весом до 7000 тонн.

Во второй кластер вошли предприятия преимущественно «Объединенной судостроительной корпорации», занимающиеся строительством и ремонтом крупных судов военного назначения.

При этом по дендрограмме можно четко определить предприятия-конкуренты. Так, в одну группу были отнесены: «Архангельская РЭБ флота», «Вознесенская РЭБ флота»,

«Медвежьегорская РЭБ флота», «Новоладожский судостроительный завод» и «Онежский ССЗ». Все эти предприятия находятся на одном водном пути и обслуживают однотипные суда ряда судоходных компаний.

Также можно выделить предприятия: «82 СРЗ» и «Канонерский завод», имеющие идентичные плавдоки большой грузоподъемности; «Балтийский завод» и «Адмиралтейские верфи», занимающиеся в частности строительством подводных лодок и ледоколов.

На основании данных финансовой отчетности предприятий был проведен расчет относительных показателей экономической деятельности в таблице 3.

Для проведения кластерного анализа по экономическим показателям в качестве переменных были выбраны: рентабельность продаж, рентабельность активов, экономическая рентабельность и производительность труда.

Также для анализа использовался показатель чистой прибыли как наиболее достоверный показатель, отображающий результаты хозяйственной деятельности в денежных единицах.

Далее была проведена классификация предприятий методом Уорда. Результат представлен на рисунке 2. В результате анализа было выявлено 3 группы предприятий: с низкой, средней и высокой эффективностью деятельности.

Таблица 3 Показатели финансово-экономической деятельности судостроительных и судоремонтных предприятий (составлено (разработано) автором)

В таблице 4 представлены средние значения переменных в кластерах. На основе средних значений переменных дано описание каждого кластера в таблице 5.

Рисунок 2. Дендрограмма объединения предприятий по экономическим показателям (составлено (разработано) автором)

Таблица 4 Средние значения признаков в кластерах (составлено (разработано) автором)

Таблица 5

Состав и характеристика кластеров (составлено (разработано) автором)

Одной из приоритетных целей государственной программы развития судостроения на 2013-2030 годы является обеспечение эффективности работы отрасли и инвестиционной привлекательности отечественного судостроения. Решение данной задачи может основываться на построении экономико-статистических моделей на основе регрессионного анализа.

Регрессионный анализ - это статистический метод установления зависимости между исследуемыми признаками. Регрессию представляют в виде уравнения (функции), которое отражает зависимость результативного показателя (y) от изменения факторов (x).

Наиболее простым уравнением, которое устанавливает линейную зависимость между двумя показателями, является уравнение прямой. Степень тесноты связи между показателями оценивают с помощью коэффициента корреляции (R), который принимает значения от 0 до 1. Малое значение коэффициента свидетельствует о слабой связи, а значение, близкое к 1 показывает сильную связь и часто позволяет предположить о наличии причинноследственной связи.

Долю влияния факторов, включенных в многофакторную корреляционную модель, на результативный показатель можно установить с помощью коэффициента детерминации (R²). Далее рассмотрено построение регрессионной модели в одном из кластеров (в третьем) с помощью пакета Microsoft Excel.

Ниже приведена 2-факторная линейная модель [1] зависимости чистой прибыли от выручки и производительности труда:

y = -5998,82 + 0,06x ₁ + 8,78x ₂ (1)

Множественный коэффициент корреляции (R) равен 0,9346, что говорит о сильной зависимости между результативными и факторными показателями. Коэффициент детерминации (R²) равен 0,9827, из чего следует, что в факторную модель включено 98,27% факторов, повлиявших на изменение чистой прибыли.

Регрессионный анализ позволил выявить следующие тенденции:

• при росте выручки на 1 тыс. руб. чистая прибыль предприятий третьего кластера увеличивалась на 0,06%;

• при увеличении производительности труда на 1 работника на 1 тыс. руб. уровень чистой прибыли возрастал на 8,78%.

Таким образом, в данной статье был представлен подход к изучению экономической деятельности промышленных предприятий конкретного экономического района. В статье представлены данные об основных предприятиях судостроительной и судоремонтной отрасли Северо-Западного региона России. Автором проведена кластеризация предприятий методом Уорда по показателям пропускной способности.

В ходе кластеризации были выделены группы предприятий, обслуживающие суда со схожими размерениями и, таким образом, определены предприятия, работающие в схожих рыночных нишах.

Также была проведена кластеризация предприятий по экономическим показателям. В результате анализа были выделены предприятия с низкой, средней и высокой эффективностью деятельности. Для одного из кластеров была построена линейная двухфакторная регрессионная модель, которая достаточно хорошо характеризует зависимость чистой прибыли от выручки и производительности труда. Её можно использовать для анализа и прогноза.

Литература

1. Барковский, С.С., Захаров В.М. Многомерный анализ данных методами прикладной статистики: Учебное пособие / С.С. Барковский, В.М. Захаров. - Казань: Изд. КГТУ, 2010. - С. 126.

2. Буреева Н.Н. Многомерный статистический анализ с использованием ППП “STATISTICA”. Учебно-методический материал по программе повышения квалификации «Применение программных средств в научных исследованиях и преподавании математики и механики». Нижний Новгород, 2007. - С112.

3. Давнис В.В., Тинякова В.И., Мокшина С.И., Алексеева А.И. Компьютерные решения задач многомерной статистики. Часть 1. Кластерный и дискриминантный анализ: Учебное пособие. - Воронеж: Изд-во ВГУ, 2005. - С. 37.

4. Дрейпер Н. Прикладной регрессионный анализ. Множественная регрессия / Н. Дрейпер, Г. Смит. 3-е изд. М.: Диалектика, 2007. С. 912. 5. Дюран Б., Оделл П. Кластерный анализ. Пер. с англ. Е.З. Демиденко. - М.: Статистика, 1977. - С. 128.

6. Епифанова, Н.Ш. Исследование промышленных предприятий с помощью методов многомерного статистического анализа: учебно-методическое пособие / Н.Ш. Епифанова. - Астрахань: Издательский дом «Астраханский университет», 2012. - С. 80.

7. Жамбю М. Иерархический кластер-анализ и соответствия. -- М.: Финансы и статистика, 1988. -- С. 345.

8. Ким Дж.-О., Мьюллер, Ч.У., Клекка У.Р. Факторный, дискриминантный и кластерный анализ. Пер. с англ. А.М. Хотинского, С.Б. Королева - М.: Финансы и статистика, 1989. - С. 215.

9. Мандель, И.Д. Кластерный анализ / И.Д. Мандель. - М.: Финансы и статистика, 1988. - С. 176.

10. Центр раскрытия корпоративной информации агентства «Интерфакс». - [Электронный ресурс]. - Режим доступа: https://www.e-disclosure.ru, (дата обращения 03.08.16).

References

1. Barkovskiy, S.S., Zakharov V.M. Mnogomernyy analiz dannykh metodami prikladnoy statistiki: Uchebnoe posobie / S.S. Barkovskiy, V.M. Zakharov. - Kazan': Izd. KGTU, 2010. - S. 126.

2. Bureeva N.N. Mnogomernyy statisticheskiy analiz s ispol'zovaniem PPP “STATISTICA”. Uchebno-metodicheskiy material po programme povysheniya kvalifikatsii «Primenenie programmnykh sredstv v nauchnykh issledovaniyakh i prepodavanii matematiki i mekhaniki». Nizhniy Novgorod, 2007. - S112.

3. Davnis V.V., Tinyakova V.I., Mokshina S.I., Alekseeva A.I. Komp'yuternye resheniya zadach mnogomernoy statistiki. Chast' 1. Klasternyy i diskriminantnyy analiz: Uchebnoe posobie. - Voronezh: Izd-vo VGU, 2005. - S. 37.

4. Dreyper N. Prikladnoy regressionnyy analiz. Mnozhestvennaya regressiya / N. Dreyper, G. Smit. 3-e izd. M.: Dialektika, 2007. S. 912.

5. Dyuran B., Odell P. Klasternyy analiz. Per. s angl. E.Z. Demidenko. - M.: Statistika, 1977. - S. 128.

6. Epifanova, N.Sh. Issledovanie promyshlennykh predpriyatiy s pomoshch'yu metodov mnogomernogo statistich. analiza: uchebno-metodich.posobie / N.Sh. Epifanova. - Astrakhan': Izdat. dom «Astrakhanskiy universitet», 2012. - S. 80.

7. Zhambyu M. Ierarkhicheskiy klaster-analiz i sootvetstviya. -- M.: Finansy i statistika, 1988. -- S. 345.

8. Kim Dzh.-O., M'yuller, Ch.U., Klekka U.R. Faktornyy, diskriminantnyy i klasternyy analiz. Per. s angl. A.M. Khotinskogo, S.B. Koroleva - M.: Finansy i statistika, 1989. - S. 215.

9. Mandel', I.D. Klaster. analiz / M.: Finansy i statistika, 1988. - S. 176.

10. Tsentr raskrytiya korporativnoy informatsii agentstva «Interfaks». - [Elektronnyy resurs]. - Rezhim dostupa: https://www.e-disclosure.ru, (data obrashcheniya 03.08.16).

Аннотация

УДК 65.01

Использование кластерного и регрессионного анализа в изучении экономической деятельности судостроительных и судоремонтных предприятий. Неслухов Дмитрий Сергеевич ФГБОУ ВПО «Государственный университет морского и речного флота имени адмирала С.О. Макарова» Россия, Санкт-Петербург, аспирант E-mail: nesluhov@yandex.ru

В настоящей статье проведено исследование предприятий судостроительной и судоремонтной отраслей Северо-Западного региона России. Актуальность исследования данных отраслей обусловлена низким уровнем развития судостроительных и судоремонтных баз России.

Используя метод кластерного анализа, автором предложена классификация предприятий по пропускной способности, а также по экономическим показателям.

Методом Уорда были выявлены 2 группы предприятий: предприятия обслуживающие преимущественно суда типа река-море, доковым весом до 7000 тонн и предприятия обслуживающие военные суда доковым весом до 100000 тонн. В ходе кластерного анализа методом Уорда по экономическим показателям были определены предприятия с низкой, средней и высокой эффективностью деятельности.

Для одной из групп предприятий (кластера) построена регрессионная модель, описывающая зависимость чистой прибыли от выручки и производительности труда.

Предлагаемые подходы, методы и классификации позволяют более полно оценить экономическое состояние судостроительной и судоремонтной отраслей экономического района, выявить ниши, которые занимают предприятия на данном рынке.

Ключевые слова: судоремонт; судостроение; кластерный анализ; метод Уорда; регрессионный анализ; организация производства; промышленные предприятия; классификация предприятий

Abstract

Using the methods of cluster and regress analysis in investigation of economic activity of shipbuilding and shiprepairing yards. Neslukhov Dmitriy Sergeevich Admiral Makarov state university of maritime and inland shipping, Russia, St. Petersburg E-mail: nesluhov@yandex.ru

This article considers the research of shipbuilding and shiprepairing yards of the North-West region of Russia. The significance and urgency of the topic are defined by the fact that shipbuilding and shiprepairing yards of the Russian Federation have low level of development.

The article defines the cluster analysis and regression analysis, describes the procedures.

The author considers the capacity of production assets of these enterprises. The author carried out the collection and analysis of economic indicators of yards.

Using cluster analysis method, the author proposed a classification of enterprises by the capacity of production assets and by economic indicators.

Using the Ward's method, 2 groups of companies were identified:

1. Companies serving mostly vessels of river-sea type with tonnage up to 7000 tons.

2. Companies serving mostly naval fleet with tonnage up to 100000 tons.

During the research observers by Ward's method have been identified companies with low, medium and high economic efficiency.

The author calculated the regression model for one of the groups of companies (clusters), which describe the relationship between net profit and income, labour efficiency.

The proposed approaches, methods and classification enable to assess economic condition of the shipbuilding and shiprepairing industry and to identify niches that are occupied by the companies in this market.

Keywords: shiprepairing; shipbuilding; cluster analysis; Ward's method; regress analysis; industrial management; industrial enterprises; classification of enterprises

Размещено на Allbest.ru