当前位置：文档之家 › 基于OLS模型的预算差异因素分解及应用

基于OLS模型的预算差异因素分解及应用

  • 格式：pdf
  • 大小：893.19 KB
  • 文档页数：3

ForelandTracing前沿追踪

·表1

业务1业务2业务3业务4合计预算收入1002003004001000比重0.100.200.300.401实际收入1102203304401100比重0.100.200.300.401差异10203040100表2

业务1业务2业务3业务4合计预算收入1002003004001000比重0.100.200.300.401实际收入1101802704401000比重0.110.180.270.441差异10-20-30400基于ＯＬＳ模型的预算差异因素分解及应用

中央财经大学李鹤尊陈漫芬林晓红

一、引言

预算管理的第一步是比较预算数和实际数之间的差额。对于大

型企业而言，这一过程往往会产生巨额的预算差异。大型企业的业

务复杂多样，产品种类众多，企业的高层管理人员难以通过传统方

法准确地分析预算差异。这就使得大型企业的高层管理人员很少会

仔细考察企业整体的业务经营预算，而是从各子公司的总利润等指

标来对企业整体进行预算管理，因而造成其对企业业务经营情况的

失控。２００７年，国资委公布《中央企业财务预算管理暂行办法》，进一

步深化央企全面预算管理制度。但据了解，在实际操作中国资委的

要求并没有达到预期的效果，尤其是对于规模较大的国有集团企业

而言，预算对于企业管理的价值总是不让人满意，国有大型企业普

遍存在预算松弛现象。本文的意义在于探讨一种新的预算差异分析

方法。该方法的核心思想是利用ＯＬＳ线性回归模型将预算差异进行

因素分解，分解成整体性因素产生的差异与结构性因素产生的差

异，并通过对后者的考察找出企业经营业务中可能存在的问题。

二、文献回顾

目前企业的运算管理仍存在问题。在预算编制方面，当前重预

算轻控制、重计划轻考核的现象在有些企业还是较普遍地存在，预

算和计划只是作为年初向董事会、上级主管的例行报告。这同全面

预算管理的目标以及将预算管理作为实施企业发展战略的具体手

段相距甚远。主要领导者没有认识到建立健全财务预算管理制度

对企业的重要性和必然性，没能在人力、财力和政策上给予足够的

重视。预算机构方面，机构设置不健全，部分已经实施财务预算管

理的国有大中型企业，根本没有建立一套完整的财务预算管理体

制，也没有建立专门的财务预算管理机构（马椿美，２００６）。组织体

系不完备，生产、销售人员很少参与预算编制过程，使得预算执行

中遇到不少阻力（徐坤、潘琴，２００９）。预算指标方面，全面预算管理

与企业发展战略脱节。目前企业的预算管理往往是主要与短期财

务目标相联系目标相联系，其预算结果无法有效衔接企业发展战

略规划中的长期目标（张慧丽，２０１０）。预算编制方面，只是财务部

门的工作，基础不科学、方法模式化。把预算视为只是为会计目的

而提供的会计工具，认为预算是单纯的财务预算，仅限于财务部门

的资金规划，是控制费用的工具。缺乏较为完整的预算指标体系，

不能将组织经营的各个环节有机的联系在一起（张红，２００７）。我国

多数企业均采用增量或减量预算编制方法，简单地以历史数据为

基础作相应的加减（张成松，２０１０）。预算执行方面，缺乏刚性，责任

主体落实不到位。全面预算作为成本控制的有效工具必须得到刚

性的执行才能最大限度的增强企业的盈利能力，然而这方面做得

远远不够，当然这与国有企业所有者监管缺位有关预算激励方面，

缺乏完善的分析、考评和激励机制。我国大型国有企业能有效进行

预算差异分析的很少，技师采用了预算分析的企业也只是利用简单的比较分析法，很难找出预算差异的真正原因。另外，由于国有

企业固有的缺陷，预算执行的结果并不作为对各部门领导和员工

考核和晋升的重要因素（徐守春，２００９）。

三、理论基础

（一）整体性因素与结构性因素本文试图从另外一个角度分

析预算差异，笔者认为，预算是对未来经营状况的量化估计，预算差

异则是由估计不准造成的，造成估计不准的因素有两种，第一种是

由于对企业整体上业务受其经营环境和经营水平影响和预期不符

造成的，例如一个饮料生产商错误估计了市场对产品的需求，导致

其各个销售点所有产品的收入普遍低于预算；第二种是由于企业内

部各个业务之间的经营管理水平和经营环境发生了相对变化，造成

了各个组成部分的实际数所占整体的比重与其预算数占整体比重

发生变化，例如饮料生产商的某种产品由于某种原因失去市场份额

造成其销售收入占总销售收入的下降。在本文中，第一种因素称为

整体性因素，第二种因素称为结构性因素。对于整体性因素产生的

差异，企业高层管理者只需从整体对企业进行考察，例如重新估计

企业的经营环境、修改企业内通行的预算编制办法。而对于结构性

因素，高层管理者则需要向下属部、子公司或业务负责人调查差异

产生的原因。表１和表２举例说明了两种预算差异导致的因素，表１为

整体性因素产生的差异，表２为结构性因素产生的差异。

现实中，预算差异是两种因素共同作用的结果，本文接下来将

阐述使用普通最小二乘法（ＯＬＳ）分离两种因素的方法。

（二）基于OLS的预算差异因素分解以主营业务收入预算为

例，如表３所示，Ｖｉ为业务ｉ收入的预算差异（ｉ＝１，２，３，……ｎ），即

Ｒｉ－Ｒｉ＇，ｐｉ该业务收入预算数占总预算收入的比重，ｐｉ＇为该业务收入

实际数占总实际收入的比重。笔者利用ＯＬＳ法分析预算差异的思

想是，认为ｐｉ为预算估计的收入发生在该项业务的概率，即根据预

算，企业每发生一单位收入，则改收入发生在业务ｉ的可能性为ｐｉ。

整体性因素导致的预算差异是关于ｐｉ的线性函数，即Ｆ（ｐｉ）＝βｐｉ＋α

（其中如果α的估计值显著不为零则可能存在一个均匀影响各个

业务的因素），而结构性因素导致业务ｉ的预算差异为ｕｉ，则有

１６２

·表42008年主营业务

水泥熟料纸面石膏板玻璃纤维制成品浮法玻璃耐火材料制品风力发电机叶片装备制造板块相关工程技术研究与服务板块建材贸易与物流板块合计单位：万元预算收入

632559.96222232.18173801.81381840.96152692.9141527.8977000.00303500.00606404.11787069.003378628.82预算收入所占比重0.190.070.050.110.050.010.020.090.180.231.00决算收入

1279653.27529933.29226124.98417507.06186912.6243587.09156734.70309871.21409516.082338549.475898389.77决算收入所占比重0.220.090.040.070.030.010.030.050.070.401.00差异

647093.31307701.1152323.1735666.1034219.712059.2179734.706371.21(196888.03)1551480.472519760.95表52009年主营业务

水泥熟料纸面石膏板玻璃纤维制成品浮法玻璃耐火材料制品风力发电机叶片装备制造板块相关工程技术研究与服务板块建材贸易与物流板块合计单位：万元预算收入

1620643.58857887.92193254.00492127.09143472.0051049.09138600.00435259.00275886.911983862.006192041.59预算收入所占比重0.260.140.030.080.020.010.020.070.040.321.00决算收入

1692572.05597099.62324181.58400537.15132721.5247749.18174135.93424466.02459395.953514642.227767501.22决算收入所占比重0.220.080.040.050.020.010.020.050.060.451.00差异

71928.47(260788.30)130927.58(91589.94)(10750.48)(3299.92)35535.93(10792.98)183509.041530780.221575459.63

表62010年主营业务

水泥熟料纸面石膏板玻璃纤维制成品浮法玻璃耐火材料制品风力发电机叶片装备制造板块相关工程技术研究与服务板块建材贸易与物流板块合计单位：万元预算收入

2327544.00584409.00301344.58390459.00152192.1164930.00200000.00326905.00694423.563364080.008406287.25预算收入所占比重0.280.070.040.050.020.010.020.040.080.401.00决算收入

2715059.90980585.15350741.70567661.18153730.2179880.78233210.10537962.01533714.356837009.6812989555.06决算收入所占比重0.210.080.030.040.010.010.020.040.040.531.00差异

387515.90396176.1549397.12177202.181538.1014950.7833210.10211057.01(160709.21)3472929.684583267.81

2008年2009年2010年表7

pi0.190.070.050.110.050.010.020.090.18

0.23Vi647093.31307701.1152323.1735666.1034219.712059.2179734.706371.21(196888.03)1551480.47pi0.260.140.030.080.020.010.020.070.040.32Vi71928.47(260788.30)130927.58(91589.94)(10750.48)(3299.92)35535.93(10792.98)183509.041530780.22pi0.280.070.040.050.020.010.020.040.080.40Vi387515.90396176.1549397.12177202.181538.1014950.7833210.10211057.01(160709.21)3472929.68表3

业务1业务2业务3…业务n预算收入R1R2R3…Rn比重p1p2p3…pn实际收入R1'R2'R3'…Rn'比重p1'p2'p3'…pn'差异V1V2V3…VnＶｉ＝βｐｉ＋α＋ｕｉ。在这个模型中我们希望用Ｆ（ｐｉ）解释尽量多的差异，

所以可以以ｐｉ为解释变量Ｖｉ为被解释变量进行ＯＬＳ线性回归。

利用ＯＬＳ法进行分析时，整体性因素产生的预算差异是预算

的结构———即预算中各个业务的收入占总收入的比重———能够解

释的一部分预算差异，而结构性因素产生的预算差异是预算结构

无法解释的一部分预算差异。

通过线性回归得到β、α的估计值β赞和α赞，以及回归模型中用

总体因素解释的预算差异Ｖ赞ｉ（Ｖ赞ｉ＝β赞ｐｉ＋α赞），即被解释变量的估计

值，和结构性因素解释的预算差异ｕｉ，以及回归方程：

Ｖ赞ｉ＝β赞ｐｉ＋α赞＋ｕｉ这个模型存在自己的拟合优度Ｒ２，在这个模型中可以用来反映

总体因素解释的预算差异占总预算差异的比重，相似地，（１－Ｒ２）反

合集下载

ols回归模型公式

ols回归模型公式

- 1 - ols回归模型公式

经典的OLS回归模型由英国经济学家SirRonaldAylmerFisher在1921年首次提出，它是所有回归模型分析技术中最基础、最全面的一种。它可以用来预测一个变量（被解释变量）的变化量，也可以用来确定两个或更多变量之间的关系。

OLS回归模型的基本公式为：

Y = bo + b1X1 + b2X2 + ... + bnXn

其中，Y是被解释变量，X1、X2...Xn是影响Y变化的自变量，bo、b1、b2...bn是相应的回归系数，它们一般是通过统计分析来计算的。

OLS回归模型是一种最小二乘法，它旨在找出一组回归系数，使得样本观测值的残差的平方和最小。当Y是连续变量时，它的残差主要表现为因变量与拟合值的差异，可以用以下形式来表示：

Ei = Yi - (bo + b1X1i + b2X2i + ... + bnXni)

其中，Ei是残差，Yi是实际观察到的值，(bo + b1X1i + b2X2i

+ ... + bnXni)是拟合出的值。

最小二乘法可以由以下公式表示：

SSE = E1^2 + E2^2 + ... + En^2

其中，SSE代表残差的平方和；E1、E2...En代表残差。

以上是OLS回归模型的基础公式，有了它，我们就能够更好地研究和分析因变量和自变量之间的关系，从而更好地对未来变量变化做出预测和分析。 - 2 - OLS回归模型不仅用于经济学上的研究，在其他学科如心理学、社会学等也有广泛的应用。举例来说，心理学家可以根据性格测验结果、健康状况、自尊心等自变量，来分析和预测一个人的生活满意度，作为因变量。

社会学家也可以应用OLS回归模型来研究社会问题。比如，社会经济地位、学历水平和就业状况等变量可以用作自变量，来研究这些因素对婚姻破裂的影响，或者健康状况的影响等。

ols与ate使用方法

ols与ate使用方法

ols与ate使用方法

在计量经济学中，OLS与ATE是两种常见的处理效应估计方法。它们在实际应用中有着广泛的使用，但各自适用于不同的研究设计和变量类型。以下将详细介绍OLS与ATE的含义、使用场景、估计方法以及优缺点，帮助读者根据实际需求选择合适的方法。

一、OLS与ATE的含义与区别

1.OLS（普通最小二乘法）：OLS是一种通过最小化残差平方和来估计回归系数的方法。在处理效应分析中，它主要用于估计处理变量对响应变量的平均影响。

2.ATE（平均处理效应）：ATE是指在处理组和对照组之间平均处理的效应。它主要用于随机实验设计中，用于估计处理的平均效应。

二、OLS与ATE的使用场景

1.OLS：适用于处理变量为连续型的情况下，对处理效应进行估计。例如，在评估一个教育干预项目时，可以使用OLS方法来估计该项目对参与者成绩的影响。

2.ATE：适用于处理变量为离散型的情况下，特别是随机实验设计。例如，在评估一种新型疫苗的效果时，可以使用ATE方法来估计疫苗接种对疾病发病率的影响。

三、OLS与ATE的估计方法

1.OLS：通过最小化残差平方和，得到回归系数，从而估计处理效应。具体操作包括选择合适的模型、估计回归系数、检验回归系数显著性等步骤。 2.ATE：通过合成对照组，利用双重差分法估计处理效应。具体操作包括选择合适的合成对照组方法、计算处理组与对照组之间的平均处理效应等步骤。

四、OLS与ATE的优点与局限性

1.OLS：优点 - 简单易懂、适用范围广；局限性 - 对样本选择性、处理效应的稳定性要求较高。

2.ATE：优点 - 能够解决选择性问题、处理效应更为稳定；局限性 - 估计结果受到平行趋势假设的影响。

五、OLS与ATE在实际应用中的选择

1.根据研究设计选择：随机实验设计优先选择ATE，非随机实验设计可考虑使用OLS。

2.根据变量类型选择：连续型变量适合使用OLS，离散型变量适合使用ATE。

ols回归方法

ols回归方法

ols回归方法

OLS即最小二乘法，是最常用的回归分析方法，它的基本思想是通过最优化自变量和因变量之间的关系，来解释因变量的变化。

OLS回归方法可应用于许多领域。在中国，它作为互联网市场营销研究手段，用于探索产品特征与市场营销绩效之间的关系，分析产品特征和消费者行为之间的相关性，确定市场中的品牌优势，以及澄清不同的消费者群体针对.不同产品特征的评价等不同。

此外，OLS回归方法也被广泛用于企业支出预测、酒店服务质量与收入之间的关系研究、影响投资收益率的因素分析以及金融领域的价格预测等。

OLS回归方法有许多优点，如计算简易，实用灵活，适用性广等。但它也有一些缺点，比如模型较弱，不考虑非线性关系，计算复杂度高，应用问题有限等。因此，在实际应用时，应精心分析各个因素，结合其他方法，并加以细致的完善，以求取更优效果。

ols估计量的名词解释

ols估计量的名词解释

ols估计量的名词解释

一、引言

在经济学和统计学领域，OLS（Ordinary Least Squares）估计量是一种广泛应用的估计方法。它是利用最小二乘法来拟合一个线性模型，并估计该模型中各个参数的取值。本文将对OLS估计量进行详细的名词解释，包括其背景、基本原理、应用范围以及优缺点等方面的内容。

二、OLS估计量的背景

OLS估计量源于数学中的最小二乘法。最小二乘法的基本思想是通过使得实际观测值与理论值之间的误差平方和最小化，来拟合一个线性模型。在经济学和统计学中，我们通常希望找到一个线性模型，能够最好地解释观测数据中的变异性。OLS估计量正是为了达到这个目标而提出的。

三、OLS估计量的基本原理

OLS估计量的基本原理就是最小化残差平方和。在一个简单的线性回归模型中，我们假设自变量x与因变量y之间存在线性关系：y = β0 + β1x + ε。其中，β0和β1是待估计的参数，ε表示观测误差。OLS估计量的目标就是找到一组β0和β1的取值，使得所有观测数据的残差平方和最小。

四、OLS估计量的应用范围

OLS估计量可以应用于各种经济学和统计学的研究领域。例如，在经济学中，OLS估计量可用于分析需求曲线、供给曲线、价格弹性性等经济关系。在社会科学中，OLS估计量可用于分析影响因素与某一指标之间的关系，如教育与收入、健康与幸福感等。无论是横截面数据还是面板数据，OLS估计量都可以提供可靠的估计结果。

五、OLS估计量的优点 OLS估计量具有诸多优点。首先，它是一种经典而常用的估计方法，提供了参数的简洁解释。其次，OLS估计量在估计参数的同时，还能提供标准误、置信区间等统计量，帮助研究者评估估计结果的准确性和可靠性。此外，OLS估计量的计算过程相对简单，易于实现和使用。

六、OLS估计量的缺点

虽然OLS估计量有许多优点，但也存在一些缺点。首先，OLS估计量对异常值和离群点非常敏感，这可能会导致估计结果的偏离。其次，OLS估计量要求相关变量之间呈线性关系，而在实际研究中，很多变量之间可能存在非线性关系。另外，当自变量之间存在共线性时，OLS估计量的方差会增大，估计结果的稳定性会下降。