Разработка модели, позволяющей диагностировать определенную стадию жизненного цикла организации на развивающихся рынках
Использование финансовых данных при диагностировании жизненного цикла организации. Выявление финансовых показателей для построения регрессии. Основные закономерности изменения финансовых показателей при переходе от одной стадии жизненного цикла к другой.
Рубрика | Менеджмент и трудовые отношения |
Вид | диссертация |
Язык | русский |
Дата добавления | 30.01.2016 |
Размер файла | 3,6 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Таблица 16.3. Таблица классификации
Прим: Значение отсечения - ,500
Полученная модель имеет следующий вид:
Z = -0.354*CAPEXtoDA - 0.735*lnSales - 10.525*EBITDAtoSales + 2.432*Cashratio
Pj = 1/(1+e-z) = 1 / 1+e(-0.354*CAPEXtoDA - 0.735*lnSales - 10.525*EBITDAtoSales + 2.432*Cashratio)
При переходе компании с третьего этапа на четвёртый компания продолжает снижать уровень капитальных затрат (CAPEXtoDA учитывается в регресси со знаком минус). Помимо этого, у компании начинает сокращаться выручка и рентабелность по EBITDA. К этому приводит потеря организациией своей доли на рынке. Также примечательно, что коэффициент абсолютной ликвидности идёт в модели со знаком плюс. Как следует из модели, следствием недостаточного количества инвестиционных проектов является скопление денежных средств на счетах компании. На вопрос тратит ли их компания деньги на выплату дивидендов, снижение долга или просто копит их на счетах данная модель ответа не даёт
3.4.4 Построение модели перехода с 1 стадии на 2 (Корректировка на CAPEXtoDA)
Таблица 17.1. Сводка для модели
-2 Log-правдоподобие |
R-квадрат Кокса и Снелла |
R-квадрат Нэйджелкерка |
|
77,482a |
.128 |
.273 |
Прим: Оценка прекращена на итерации номер 7, так как оценки параметров изменились менее, чем на ,001.
Для откорректированной выборки на коэффициент CAPEX/D&A при построении модели перехода 1го на 2й этап R2 получились 12.8% и 27.3% для Кокса и Снелла и Нэйджелкерка соответственно. До корректировки данные R2 были несколько ниже - 11.1% и 24.4% соответственно.
Таблица 17.2. Переменные в уравнении
B |
Среднеквадратичная ошибка |
Вальд |
ст.св. |
Знач. |
Exp (B) |
||
lnSales |
.857 |
.370 |
5.361 |
1 |
.021 |
2.356 |
|
EBITDAtoSales |
7.493 |
3.251 |
5.311 |
1 |
.021 |
1795.177 |
|
Cashratio |
2.363 |
1.796 |
1.731 |
1 |
.188 |
10.627 |
|
Константа |
-6.042 |
2.870 |
4.432 |
1 |
.035 |
.002 |
Прим: Переменные, введенные на шаге 1: CAPEXtoDA, lnSales, EBITDAtoSales, DivtoEBIT, Cashratio, NDtoEBITDA, EqtoA.
Данная модель смогла предсказать 99.3% правильных наблюдений для компаний со второй стадии, однако для первой стадии количество правильных наблюдений составило только 13.3%. Общий процент правильно предсказанных наблюдений составил 91.1%.
Таблица 17.3. Таблица классификации
Прим: Значение отсечения - ,500
В целом можно констатировать, что данная регрессия имеет незначительные отличия от варианта анализа выборки по Дикинсон. Полученная модель имеет вид:
Z = 0.857*LnSales + 7,493*EBITDA/Sales + 2.363*Cashratio
Pj = 1/(1+e-z) = 1 / 1+e(0.857*LnSales + 7,493*EBITDA/Sales + 2.363*Cashratio)
Тем не менее, веса всех коэффициентов выше, чем в модели, построенной по выборке в соответствии с методологией Дикинсон.
3.4.5 Построение модели перехода со 2 стадии на 3 (Корректировка на CAPEXtoDA)
Таблица 18.1. Сводка для модели
-2 Log-правдоподобие |
R-квадрат Кокса и Снелла |
R-квадрат Нэйджелкерка |
|
393,239b |
.111 |
.149 |
Прим:
Оценка прекращена на итерации номер 7, так как оценки параметров изменились менее, чем на ,001.
Оценка прекращена на итерации номер 4, так как оценки параметров изменились менее, чем на ,001.
В данной модели после корректировки R2 также незначительно подросли до 11.1% для Кокса и Снелла и 14.9% для Нэйджелкерка.
Таблица 18.2. Переменные в уравнении
B |
Среднеквадратичная ошибка |
Вальд |
ст.св. |
Знач. |
Exp (B) |
||
CAPEXtoDA |
-.276 |
.066 |
17.283 |
1 |
.000 |
.759 |
|
EBITDAtoSales |
3.195 |
.956 |
11.180 |
1 |
.001 |
24.416 |
|
Константа |
.218 |
.270 |
.655 |
1 |
.418 |
1.244 |
Прим: Переменные, введенные на шаге 1: CAPEXtoDA, lnSales, EBITDAtoSales, DivtoEBIT, Cashratio, NDtoEBITDA, EqtoA.
Отдельно стоит заметить, что в данном варианте разбивки выборки вес коэффициента CAPEXtoDA увеличивается, а вес коэффициента EBITDAtoSales уменьшается. Сама модель даёт 52.1% правильно предсказанных наблюдений для стадии «Рост» и 84.1% для стадии «Зрелость». Общее количество верно предсказанных наблюдений по данной модели составило 69.6%.
Таблица 18.3. Таблица классификации
Прим: Значение отсечения - ,500
Модель имеет следующий вид:
Z = - 0.276*CAPEX/D&A + 3.195*EBITDAtoSales
Pj = 1/(1+e-z) = 1 / 1+e(- 0.276*CAPEX/D&A + 3.195*EBITDAtoSales)
3.4.6 Построение модели перехода с 3 стадии на 4 (Корректировка на CAPEXtoDA)
Таблица 19.1. Сводка для модели
-2 Log-правдоподобие |
R-квадрат Кокса и Снелла |
R-квадрат Нэйджелкерка |
|
54,341b |
.060 |
.194 |
Прим:
Оценка прекращена на итерации номер 9, так как оценки параметров изменились менее, чем на ,001.
Оценка прекращена на итерации номер 7, так как оценки параметров изменились менее, чем на ,001.
При построении модели перехода организации с 3 на 4й этап R2 составил 6.0% для Кокса и Снелла и 19.4% для Нэйджелкерка, что значительно ниже, чем в модели, построенной по разбивке в соответствии с методологией Дикинсон.
Таблица 19.2. Переменные в уравнении
B |
Среднеквадратичная ошибка |
Вальд |
ст.св. |
Знач. |
Exp (B) |
||
EBITDAtoSales |
-7.235 |
4.028 |
3.227 |
1 |
.072 |
.001 |
|
Cashratio |
1.880 |
.630 |
8.904 |
1 |
.003 |
6.550 |
|
Константа |
-2.673 |
.673 |
15.790 |
1 |
.000 |
.069 |
Прим: Переменные, введенные на шаге 1: CAPEXtoDA, lnSales, EBITDAtoSales, DivtoEBIT, Cashratio, NDtoEBITDA, EqtoA.
Примечательно, что при данном варианте выборки коэффициенты CAPEXtoDA и LnSales стали незначимы и не вошли в модель. Оставшиеся коэффициенты - EBITDAtoSales и Cashratio имеют меньше влияние на вероятность перехода компании с третьей на четвёртую стадию. Тем не менее, несмотря на низкие R2 модель верно предсказывает 99.4% наблюдений для компаний на стадии «Зрелость» и на 12.5% - на стадии «Возрождение». Общее количество верно предсказанных наблюдений составило 95.5%.
Таблица 19.3. Таблица классификации
Прим: Значение отсечения - ,500
Полученная модель имеет следующий вид:
Z = - 7.235*EBITDAtoSales + 1.88*Cashratio
Pj = 1/(1+e-z) = 1 / 1+e(- 7.235*EBITDAtoSales + 1.88*Cashratio)
Данная модель показывает, что снижение маржинальности бизнеса, а также накопление денежных средств на счетах компании повышает вероятность её перехода с 3 на 4 стадию. Действительно, также как и в аналезе стран BRICS можно прийти к выводу о том, что компания не видит способов дальнейшего расширения бизнеса. Компания начинает запасаться деньгами, возможно, чтобы пережить временный, как считает менеджмент, бизнеса.
Выводы по третьей главе
Резульатом третьей главы явились построенные логистические регрессии по выборке Российских компаний в период с 2006 по 2014 год. Данные регрессии моделировали переход компаний от балее ранней стадии к более поздней, а именно: «Зарождение» - «Рост», «Рост» - Зрелость» и «Зрелость» - «Возрождение».
1) Тест Колмогорова - Смирнова выявил, что большинство данных из представленной выборки не соответствуют нормальному закону распределения. В итоге, для дальнейшего анализа были использованы непараметрические тесты. Благодаря ранговому методу Спирмена были выялвены 7 наименее коррелирующих финансовых показателей. Значимые коэффициенты для каждой из пар стадий мы смогли выявить с помощью непараметрического U-теста Манна - Уитни.
2) Были построены вероятностные модели разграничения стадий ЖЦО. При этом для разбивки по Дикинсон качество модели в терминах правильных предсказаний составило 91.7% для стадий «Зарождение» - «Рост», 66.0% для стадии «Рост» - «Зрелость» и 93.3% для стадий «Зрелость» - «Возрождение». После корректировки качество данных моделей выросло до 91.1%, 69.6% и 95.5% соответственно.
3) Было статистически доказано, что для различных этапов ЖЦО статистически значимыми являются различные финансовые показатели.
4) Показатель CAPEXtoDA оказался значимым в нескольких моделях, хотя и не так часто, как это было в моделях для стран BRICS. В целом, на примере Российских компаний также очевидна целесообразность анализа данного коэффициента.
Заключение
В рамках данного исследования был рассмотрен вопрос использования финансовых коэффициентов для выявления стадии жизненного цикла организации. Примечательно, что основной упор исследования данной проблематики был сделан с позиции менеджмента компании. Финансисты упорно рассматривают этот вопрос всего-лишь порядка 30 лет.
В целом можно отметить, что несмотря на большое количество исследований концепции ЖЦО с точки зрения менеджмента, финансовый аспект также имеет большое значение.
Проанализировав ряд статей по проблематике выявления стадии ЖЦО можно сделать вывод о том, что нет какого-либо универсального показателя.
Целью данной работы являлось выявление финансовых показателей и разработка модели, позволяющую диагностировать определённую стадию ЖЦО на развивающихся рынках
Итогом данной работы стали следующие результаты:
1) Были проанализированы и систематизированы теоретические и эмпирические подходы к проблематике выявления стадии ЖЦО, при этом данная проблематика была рассмотрена как с позиции менеджмента компании, так и с позиции финансиста.
2) Были рассмотрены модели определения стадии ЖЦО российских и западных авторов. Примечательно, что одни авторы фокусировались на бухгалтерских показателях фирмы, другие исследовали динамику денежных потоков, третьи использовали эмпирические переменные, характеризующие структуру менеджмента и организационную структуру компании.
3) На примере компаний с развивающихся рынков были рассмотрены блоки финансовых показателей, характеризующих стадию ЖЦО. В ходе проверки гипотез было обнаружено, что при изменениях финансовых коэффициентов для компаний стран BRICS также существует определённая закономерность. В процессе роста компания стремится занять максимально возможную долю на рынке, для чего привлекаются ресурсы из всех возможных источников. Соответственно растут капитальные затраты и долговая нагрузка, что выливается в рост выручки.
Далее, когда цели роста достигнуты, компания начинает фокусироваться на максимальной эффективности бизнеса, т.е. оптимизирует операционные издержки, начинает искать равновесие в соотношении собственного и заёмного капитала. Капитальные затраты начинают снижаться.
На последних этапах компания снижает свои инвестиции, что приводит к снижению объёма выручки, потери в рентабельности и, как итог, потери своих конкурентных позиций на рынке.
4) Построены логистические регрессионные модели, позволяющие оценить вероятность перехода компании от одной стадии ЖЦО к другой. Качество данных моделей составило от 61.4% до 84%.
5) Были выявлены основные финансовые показатели, характеризующие различные стадии ЖЦО организации, при этом было показано, что на каждой стадии значимыми являются разные финансовые детерминанты. При этом если на одном этапе ЖЦО определённый финансовый показатель шёл с положительным знаком, то на другом - с отрицательным. Тем самым можно проследить динамику изменения финансовых данных организации при переходе от одной стадии ЖЦО к другой
6) Отдельным пунктом становится подтверждение того, что финансовый показатель CAPEXtoDA, а именно его включение является отличительной чертой данной работы от других авторов, был значим в большинстве полученных моделей. Также при корректировке выборки на данный финансовый коэффициент, а именно: Если CAPEX/D&A > 1, то ICF > 0, если CAPEX/D&A <1, то ICF < 0
Качество регрессий незначительно, но улучшалось. Таким образом, данная детерминанта также помогает определить стадию ЖЦО, а его динамика - вероятность перехода компании от одной стадии к другой.
Литература
1. Agarwal R., Gort M._Firm and Product Life Cycles and Firm Survival. 2002
2. Agarwal R., Sarkar MB, Echambadi R._The Conditioning Effect of Time on Firm Survival - An Industry Life Cycle Approach. 2002
3. Aharony J., Falk H., Yehuda N._Corporate Life Cycle and the Relative Value-Relevance of Cash Flow versus Accrual Financial Information. 2006
4. Anthony J., Ramesh K._Association between accounting performance measures and stock prices-A test of the life cycle hypothesis. 1992
5. Black E._Life-cycle impacts on the incremental value-relevance of earnings and cash flow measures. 1998
6. DeAngelo H., DeAngelo L., Stulz R._Dividend policy and the earned,contributed capital mix-a test of the life-cycle theory. 2006
7. Dickinson V._Future Profitability and the Role of Firm Life Cycle. 2006
8. Fama Eugene, Keneth French.. Testing Tradeoff and Pecking Order Predictions about Dividends and Debt. 2002
9. Frank, Murray and Vidham Goyal. Testing the Pecking Order Theory of Capital Structure. 2003
10. Grabowski H., Mueller D._Life-Cycle Effects on Corporate Returns on Retentions. 1975
11. Gregory, Brian, Matthew Rutherford, Sharon Oswald and Lorraine Gardine. An Empirical Investigation of the Growth Cycle Theory of Small Firm Financing. 2004
12. Harjoto M., Jo H._CEO Power and Firm Performance - A test of the Life-Cycle heory. 2009
13. Jenkins D., Kane G., Velury U. The Impact of the Corporate Life-Cycle on the Value-Relevance of Disaggregated Earnings Components. 2004
14. Kallunki J., Silvola H._The effect of organizational life cycle stage on the use of activity-based costing. 2008
15. Miller D., Friesen P._A longitudinal Study of the Corporate Life Cycle. 1984
16. Owen S., Yawson A. Corporate life cycle and M&A activity. 2010
17. Park Y., Chen K. The Effect of Accounting Conservatism and Life-Cycle Stages on Firm Valuation. 2006
18. Pashley M., Philippatos G._Voluntary divestitures and corporate life-cycle: some empirical evidence. 1990
19. Teixeira G. R. Do Firms Have Financing Preferences along Their Life Cycle?. 2005
20. Адизес Ицхак. Управление жизненным циклом корпорации. Питер, 2008 год, 384 с
21. Адизес Ицхак. Как преодолеть кризисы менеджмента. Стокгольмская школа экономики. 2006г. 285с.
22. Глухова_Концепция жизненных циклов необходимо ли ее понимание и применение. 2007
23. Ивашковская И.В., Константинов Г.Н., Филонович С.Р._Становление корпорации в контексте жизненного цикла организации. 2004
24. Ивашковская И.В., Янгель Д.О._Жизненный цикл организации и агрегированный показатель роста. 2007
25. Ивашковская И.В._Жизненный цикл организации-взгляд финансиста. 2006
26. Широкова Г.В., Клемина Т.Н., Козырева Т.П._Концепция жизненного цикла в современных организационных и управленческих исследованиях. 2007
27. Широкова Г.В., Меркурьева И.С., Серова О.Ю._Особенности формирования жизненных циклов российских компаний (эмпирический анализ). 2006
Приложение 1
Критерий знаковых рангов Вилкоксона (Выборка BRICS)
Ряды |
|||||
N |
Средний ранг |
Сумма рангов |
|||
genstageas - genstage |
Отрицательные ранги |
17a |
9.00 |
153.00 |
|
Положительные ранги |
0b |
0.00 |
0.00 |
||
Совпадающие наблюдения |
2441c |
||||
Всего |
2458 |
a. genstageas < genstage
b. genstageas > genstage
c. genstageas = genstage
Статистические критерииa
genstageas - genstage |
||
Z |
-4,025b |
|
Асимптотическая значимость (2-сторонняя) |
000 |
a. Критерий знаковых рангов Вилкоксона
b. На основе положительных рангов.
Критерии знаков частоты
N |
|||
genstageas - genstage |
Отрицательные расхожденияa |
17 |
|
Положительные расхожденияb |
0 |
||
Совпадающие наблюденияc |
2441 |
||
Всего |
2458 |
a. genstageas < genstage
b. genstageas > genstage
c. genstageas = genstage
Статистические критерииa
genstageas - genstage |
||
Точная знч. (2-х сторонняя) |
,000b |
a. Критерий знаков
b. Использовано биномиальное распределение.
Приложение 2
Частотная таблица (Выборка BRICS)
Приложение 3
Проверка на нормальность распределения. Тест Колмогорова-Смирнова (Выборка BRICS)
a. Проверяемое распределение является нормальным.
b. Вычислено из данных.
c. Коррекция значимости Лильефорса.
Приложение 4
Результаты непараметрического U-тест Манна-Уитни (Выборка BRICS)
Приложение 5
Результаты рангового метода корреляции Спирмена (Выборка BRICS)
|
LnCAPEX |
LnSales |
EBITtoSales |
EBITDAtoSales |
CashFlowtoSales |
CAPEXtoDA_0 |
CAPEXtoSales |
Dividendratio |
EtoTA |
NDtoEBITDA |
NDtoE |
||
LnCAPEX |
Коэффициент корреляции |
1.000 |
,831** |
,208** |
,286** |
,285** |
,402** |
,594** |
,241** |
,172** |
,446** |
,470** |
|
Знач. (2-х сторонняя) |
0.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
|||
N |
2495 |
2483 |
2483 |
2483 |
2483 |
2491 |
2483 |
2495 |
2495 |
2495 |
2495 |
||
LnSales |
Коэффициент корреляции |
,831** |
1.000 |
,141** |
,152** |
,150** |
,066** |
,101** |
,274** |
,103** |
,427** |
,453** |
|
Знач. (2-х сторонняя) |
0.000 |
.000 |
.000 |
.000 |
.001 |
.000 |
.000 |
.000 |
.000 |
.000 |
|||
N |
2483 |
2492 |
2492 |
2492 |
2492 |
2481 |
2483 |
2492 |
2492 |
2492 |
2492 |
||
EBITtoSales |
Коэффициент корреляции |
,208** |
,141** |
1.000 |
,933** |
,925** |
,178** |
,184** |
,493** |
-,043* |
,209** |
.009 |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
0.000 |
0.000 |
.000 |
.000 |
.000 |
.031 |
.000 |
.664 |
|||
N |
2483 |
2492 |
2492 |
2492 |
2492 |
2481 |
2483 |
2492 |
2492 |
2492 |
2492 |
||
EBITDAtoSales |
Коэффициент корреляции |
,286** |
,152** |
,933** |
1.000 |
,996** |
,103** |
,318** |
,430** |
.022 |
,280** |
,071** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
0.000 |
0.000 |
.000 |
.000 |
.000 |
.277 |
.000 |
.000 |
|||
N |
2483 |
2492 |
2492 |
2492 |
2492 |
2481 |
2483 |
2492 |
2492 |
2492 |
2492 |
||
CashFlowtoSales |
Коэффициент корреляции |
,285** |
,150** |
,925** |
,996** |
1.000 |
,101** |
,320** |
,430** |
.021 |
,284** |
,073** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
0.000 |
0.000 |
.000 |
.000 |
.000 |
.290 |
.000 |
.000 |
|||
N |
2483 |
2492 |
2492 |
2492 |
2492 |
2481 |
2483 |
2492 |
2492 |
2492 |
2492 |
||
CAPEXtoDA_0 |
Коэффициент корреляции |
,402** |
,066** |
,178** |
,103** |
,101** |
1.000 |
,670** |
,104** |
.027 |
,050* |
.014 |
|
Знач. (2-х сторонняя) |
.000 |
.001 |
.000 |
.000 |
.000 |
0.000 |
.000 |
.177 |
.013 |
.497 |
|||
N |
2491 |
2481 |
2481 |
2481 |
2481 |
2491 |
2481 |
2491 |
2491 |
2491 |
2491 |
||
CAPEXtoSales |
Коэффициент корреляции |
,594** |
,101** |
,184** |
,318** |
,320** |
,670** |
1.000 |
.035 |
,204** |
,179** |
,182** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.000 |
.000 |
.000 |
0.000 |
.084 |
.000 |
.000 |
.000 |
|||
N |
2483 |
2483 |
2483 |
2483 |
2483 |
2481 |
2483 |
2483 |
2483 |
2483 |
2483 |
||
Dividendratio |
Коэффициент корреляции |
,241** |
,274** |
,493** |
,430** |
,430** |
,104** |
.035 |
1.000 |
-.039 |
,253** |
,086** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.084 |
.051 |
.000 |
.000 |
|||
N |
2495 |
2492 |
2492 |
2492 |
2492 |
2491 |
2483 |
2505 |
2505 |
2505 |
2505 |
||
EtoTA |
Коэффициент корреляции |
,172** |
,103** |
-,043* |
.022 |
.021 |
.027 |
,204** |
-.039 |
1.000 |
.003 |
-,134** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.031 |
.277 |
.290 |
.177 |
.000 |
.051 |
.862 |
.000 |
|||
N |
2495 |
2492 |
2492 |
2492 |
2492 |
2491 |
2483 |
2505 |
2505 |
2505 |
2505 |
||
NDtoEBITDA |
Коэффициент корреляции |
,446** |
,427** |
,209** |
,280** |
,284** |
,050* |
,179** |
,253** |
.003 |
1.000 |
,649** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.000 |
.000 |
.000 |
.013 |
.000 |
.000 |
.862 |
.000 |
|||
N |
2495 |
2492 |
2492 |
2492 |
2492 |
2491 |
2483 |
2505 |
2505 |
2505 |
2505 |
||
NDtoE |
Коэффициент корреляции |
,470** |
,453** |
.009 |
,071** |
,073** |
.014 |
,182** |
,086** |
-,134** |
,649** |
1.000 |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.664 |
.000 |
.000 |
.497 |
.000 |
.000 |
.000 |
.000 |
|||
N |
2495 |
2492 |
2492 |
2492 |
2492 |
2491 |
2483 |
2505 |
2505 |
2505 |
2505 |
Приложение 6
Построение и анализ регрессий с включением предикторов, влияние которых оказывается несущественным на зависимую переменную (Выборка BRICS)
Приложение 7
Критерий знаковых рангов Вилкоксона (Выборка Россия)
Ряды
N |
Средний ранг |
Сумма рангов |
|||
genstageas - genstage |
Отрицательные ранги |
10a |
5.50 |
55.00 |
|
Положительные ранги |
0b |
0.00 |
0.00 |
||
Совпадающие наблюдения |
365c |
||||
Всего |
375 |
a. genstageas < genstage
b. genstageas > genstage
c. genstageas = genstage
Статистические критерииa
genstageas - genstage |
||
Z |
-3,051b |
|
Асимптотическая значимость (2-сторонняя) |
.002 |
a. Критерий знаковых рангов Вилкоксона
b. На основе положительных рангов.
Критерий знаков частоты
N |
|||
genstageas - genstage |
Отрицательные расхожденияa |
10 |
|
Положительные расхожденияb |
0 |
||
Совпадающие наблюденияc |
365 |
||
Всего |
375 |
a. genstageas < genstage
b. genstageas > genstage
c. genstageas = genstage
Статистические критерииa
genstageas - genstage |
||
Точная знч. (2-х сторонняя) |
,002b |
a. Критерий знаков
b. Использовано биномиальное распределение.
Приложение 8
Частотная таблица (Выборка Россия)
Приложение 9
Проверка на нормальность распределения. Тест Колмогорова-Смирнова (Выборка Россия)
a. Проверяемое распределение является нормальным.
b. Вычислено из данных.
c. Коррекция значимости Лильефорса.
Приложение 10
Результаты непараметрического U-тест Манна-Уитни (Выборка Россия)
b. Не скорректировано на наличие связей.
Приложение 11
Результаты рангового метода корреляции Спирмена (Выборка Россия)
|
lnCAPEX |
CAPEXtoSales |
CAPEXtoD&A |
lnSales |
EBITDAtoSales |
EBITtoSales |
CashFlowtoSales |
DivtoEBIT |
Current ratio |
Quick ratio |
Cash ratio |
NDttoebitda |
NDtoEq |
IptoEBITDA |
EqtoA |
||
lnCAPEX |
Коэффициент корреляции |
1.000 |
,511** |
,300** |
,815** |
,424** |
,385** |
,344** |
,347** |
,185** |
,216** |
,106* |
-,176** |
-,190** |
,397** |
,334** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.047 |
.001 |
.000 |
.000 |
.000 |
|||
N |
355 |
355 |
355 |
355 |
344 |
339 |
355 |
354 |
354 |
353 |
353 |
351 |
353 |
354 |
354 |
||
CAPEXtoSales |
Коэффициент корреляции |
,511** |
1.000 |
,506** |
-.020 |
,543** |
,409** |
,383** |
.101 |
.099 |
,184** |
.035 |
-.075 |
-,191** |
,184** |
,433** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.707 |
.000 |
.000 |
.000 |
.057 |
.064 |
.001 |
.517 |
.158 |
.000 |
.000 |
.000 |
|||
N |
355 |
355 |
355 |
355 |
344 |
339 |
355 |
354 |
354 |
353 |
353 |
351 |
353 |
354 |
354 |
||
CAPEXtoD&A |
Коэффициент корреляции |
,300** |
,506** |
1.000 |
.007 |
.028 |
,139* |
-.037 |
-.053 |
.072 |
.022 |
-.015 |
-.101 |
-,195** |
,218** |
,243** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.901 |
.603 |
.010 |
.491 |
.319 |
.175 |
.681 |
.777 |
.060 |
.000 |
.000 |
.000 |
|||
N |
355 |
355 |
355 |
355 |
344 |
339 |
355 |
354 |
354 |
353 |
353 |
351 |
353 |
354 |
354 |
||
lnSales |
Коэффициент корреляции |
,815** |
-.020 |
.007 |
1.000 |
,164** |
,197** |
,171** |
,364** |
,137** |
,120* |
,127* |
-,160** |
-.083 |
,334** |
.084 |
|
Знач. (2-х сторонняя) |
.000 |
.707 |
.901 |
.002 |
.000 |
.001 |
.000 |
.009 |
.023 |
.016 |
.003 |
.121 |
.000 |
.114 |
|||
N |
355 |
355 |
355 |
358 |
345 |
342 |
358 |
357 |
357 |
356 |
356 |
352 |
354 |
355 |
357 |
||
EBITDAtoSales |
Коэффициент корреляции |
,424** |
,543** |
.028 |
,164** |
1.000 |
,920** |
,686** |
,412** |
,215** |
,295** |
,252** |
-,265** |
-,135* |
,504** |
,353** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.603 |
.002 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.012 |
.000 |
.000 |
|||
N |
344 |
344 |
344 |
345 |
346 |
339 |
345 |
344 |
344 |
343 |
343 |
340 |
342 |
343 |
344 |
||
EBITtoSales |
Коэффициент корреляции |
,385** |
,409** |
,139* |
,197** |
,920** |
1.000 |
,589** |
,412** |
,214** |
,263** |
,246** |
-,286** |
-.105 |
,589** |
,287** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.010 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.053 |
.000 |
.000 |
|||
N |
339 |
339 |
339 |
342 |
339 |
343 |
342 |
341 |
341 |
340 |
340 |
336 |
338 |
339 |
341 |
||
CashFlowtoSales |
Коэффициент корреляции |
,344** |
,383** |
-.037 |
,171** |
,686** |
,589** |
1.000 |
,286** |
,228** |
,302** |
,295** |
-,228** |
-,195** |
,329** |
,348** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.491 |
.001 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
|||
N |
355 |
355 |
355 |
358 |
345 |
342 |
358 |
357 |
357 |
356 |
356 |
352 |
354 |
355 |
357 |
||
DivtoEBIT |
Коэффициент корреляции |
,347** |
.101 |
-.053 |
,364** |
,412** |
,412** |
,286** |
1.000 |
,170** |
,149** |
,259** |
-,315** |
-,185** |
,332** |
,152** |
|
Знач. (2-х сторонняя) |
.000 |
.057 |
.319 |
.000 |
.000 |
.000 |
.000 |
.001 |
.005 |
.000 |
.000 |
.000 |
.000 |
.004 |
|||
N |
354 |
354 |
354 |
357 |
344 |
341 |
357 |
359 |
356 |
355 |
355 |
351 |
353 |
354 |
356 |
||
Current ratio |
Коэффициент корреляции |
,185** |
.099 |
.072 |
,137** |
,215** |
,214** |
,228** |
,170** |
1.000 |
,855** |
,577** |
-,323** |
-,470** |
,201** |
,553** |
|
Знач. (2-х сторонняя) |
.000 |
.064 |
.175 |
.009 |
.000 |
.000 |
.000 |
.001 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
|||
N |
354 |
354 |
354 |
357 |
344 |
341 |
357 |
356 |
358 |
356 |
356 |
352 |
354 |
355 |
357 |
||
Quick ratio |
Коэффициент корреляции |
,216** |
,184** |
.022 |
,120* |
,295** |
,263** |
,302** |
,149** |
,855** |
1.000 |
,589** |
-,296** |
-,418** |
,233** |
,541** |
|
Знач. (2-х сторонняя) |
.000 |
.001 |
.681 |
.023 |
.000 |
.000 |
.000 |
.005 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
|||
N |
353 |
353 |
353 |
356 |
343 |
340 |
356 |
355 |
356 |
356 |
356 |
351 |
353 |
354 |
356 |
||
Cash ratio |
Коэффициент корреляции |
,106* |
.035 |
-.015 |
,127* |
,252** |
,246** |
,295** |
,259** |
,577** |
,589** |
1.000 |
-,309** |
-,275** |
,219** |
,262** |
|
Знач. (2-х сторонняя) |
.047 |
.517 |
.777 |
.016 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
|||
N |
353 |
353 |
353 |
356 |
343 |
340 |
356 |
355 |
356 |
356 |
356 |
351 |
353 |
354 |
356 |
||
NDttoebitda |
Коэффициент корреляции |
-,176** |
-.075 |
-.101 |
-,160** |
-,265** |
-,286** |
-,228** |
-,315** |
-,323** |
-,296** |
-,309** |
1.000 |
,650** |
-,395** |
-,491** |
|
Знач. (2-х сторонняя) |
.001 |
.158 |
.060 |
.003 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
|||
N |
351 |
351 |
351 |
352 |
340 |
336 |
352 |
351 |
352 |
351 |
351 |
353 |
353 |
353 |
352 |
||
NDtoEq |
Коэффициент корреляции |
-,190** |
-,191** |
-,195** |
-.083 |
-,135* |
-.105 |
-,195** |
-,185** |
-,470** |
-,418** |
-,275** |
,650** |
1.000 |
-,281** |
-,785** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.000 |
.121 |
.012 |
.053 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
|||
N |
353 |
353 |
353 |
354 |
342 |
338 |
354 |
353 |
354 |
353 |
353 |
353 |
355 |
355 |
354 |
||
IptoEBITDA |
Коэффициент корреляции |
,397** |
,184** |
,218** |
,334** |
,504** |
,589** |
,329** |
,332** |
,201** |
,233** |
,219** |
-,395** |
-,281** |
1.000 |
,419** |
|
Знач. (2-х сторонняя) |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
.000 |
|||
N |
354 |
354 |
354 |
355 |
343 |
339 |
355 |
354 |
355 |
354 |
354 |
353 |
355 |
358 |
355 |
||
EqtoA |
Коэффициент корреляции |
,334** |
,433** |
,243** |
.084 |
,353** |
,287** |
,348** |
,152** |
,553** |
,541** |
,262** |
-,491** |
-,785** |
,419** |
1.000 |
|