La performance économique est l'un des principaux objectifs
de toute entreprise. Ceci implique des décisions importantes pour optimiser
l'allocation des ressources de trésorerie: main-d'œuvre, matières premières,
énergie, biens d'équipement, etc. Les objectifs de l'organisation peuvent être
mesurés comme efficacité (mesure dans laquelle les objectifs ont été atteints)
ou efficience ( la mesure dans laquelle les objectifs ont été atteints dans les
ressources disponibles).
À cet égard, il est particulièrement important d'identifier
les facteurs qui influencent l'obtention du revenu désiré et le degré de leur
influence sur la performance économique de l'organisation. Cet article vise à
réaliser une analyse de ces facteurs et de leur degré de corrélation sur la performance
économique en utilisant la régression multiple.
La performance stratégique, opérationnelle, en équipe ou au
niveau individuel est un objectif majeur de toute entreprise. Pour apprécier la
mesure dans laquelle les objectifs organisationnels sont atteints et les
stratégies commerciales efficaces, il est impératif de définir un système
intégré d'indicateurs qui peut nous indiquer à tout moment si notre entreprise
va dans la bonne direction ou non.
De plus, toute décision de gestion doit être basée sur une
bonne connaissance de l'état actuel de l'entreprise, ce qui n'est pas possible
sans un système d'indicateurs de performance pour informer la direction des
résultats obtenus dans toutes les activités et processus clés de l'entreprise.
La littérature économique définit la performance
organisationnelle: «une entreprise est performante si elle est productive et
efficace», la productivité représentant le rapport entre les résultats et les
moyens employés pour obtenir les résultats et l'efficacité représentant le
rapport entre les résultats et les résultats attendu.
Le coût et les profits sont, en fait, la performance
élémentaire pour les entreprises et les industries dont dérivent d'autres
indicateurs.
À cet égard, dans le présent document, nous avons l'intention
d'identifier et d'analyser le chiffre d'affaires qui est l'un des principaux
indicateurs qui reflètent la performance économique de l'organisation.
À cette fin, nous utiliserons l'analyse de régression pour
identifier les facteurs qui contribuent à influencer la performance économique
de l'organisation, et le degré de corrélation avec elle.
Pour illustrer la méthode utilisée, une étude de cas sera
appliquée à une entreprise, c'est-à-dire une sucrerie qui produit du sucre
cristallisé.
L'activité de la sucrerie est le traitement de la betterave
à sucre, dans le dernier quart du résidu ayant une activité de réparation en
cours. Le produit final obtenu est le sucre cristallisé blanc qui est distribué
à différents bénéficiaires.
La section suivante de l'article mettra en évidence les
méthodes de recherche exactes utilisées dans l'analyse effectuée.
1.
MÉTHODE DE RECHERCHE
En utilisant l'analyse statistique - en tant que partie
statistique, en tant que discipline scientifique, elle vise à découvrir ce qui est
permanent dans la variation des processus stochastiques et à mesurer
l'influence qui détermine le changement dans le temps et l'espace, au point de
vue qualitatif.
A cet effet, on utilise les types d'analyse suivants:
analyse de régression, analyse de corrélation, ANOVA et analyse de séries
temporelles.
Dans une recherche basée sur l'analyse de corrélation et de
régression, il faut résoudre les problèmes suivants: identifier l'existence du
lien consistant en une analyse logique de la possibilité d'existence d'un lien
entre les variables considérées, déterminer l'intensité du lien, problème
résolu les indicateurs paramétriques ou non paramétriques de corrélation
d'intensité utilisant l'analyse de corrélation, établissent le sens et la forme
de la connexion pour l'utilisation de méthodes spécifiques d'analyse de
régression: méthodes de base et méthodes analytiques.
Le concept de régression exprime une relation statistique,
c'est-à-dire une régression moyenne sur le comportement des variables.
L'analyse de régression est utilisée pour:
·
estimation d'une valeur de
détention variable d'une autre / d'autres variables;
·
l'évaluation de la mesure
selon laquelle la variable dépendante peut être expliquée par la variable
indépendante ou un ensemble de variables indépendantes;
·
identification d'un
sous-ensemble de plusieurs variables indépendantes à prendre en compte pour
estimer la variable dépendante.
L'expression générale d'un modèle de régression peut
s'écrire comme suit:
Dans
lequel:
y - variable dépendante (sortie), randomisée;
variables indépendantes (factorielles), non
randomisées;
erreur
variable aléatoire ou résidu
Cette variable aléatoire
résume les influences des variables non
incluses dans le modèle qui influence la variable y
La méthode
de régression multiple est considérée comme une explication pour expliquer le
changement d'un phénomène complexe analysé en fonction de la variation des
variables considérées indépendantes ou exogènes.
L'analyse de
régression multiple est utile dans la construction de modèles économétriques.
Un phénomène socio-économique est influencé par l'action combinée de plusieurs
facteurs.
Considérer
plusieurs variables explicatives de ce phénomène conduira à l'identification
d'un modèle reproduisant le comportement réel dans une mesure plus proche de la
réalité.
Le but de
l'analyse économétrique est d'estimer et de prédire la valeur moyenne de la
variable y en fonction des valeurs connues ou fixes des variables explicatives.
L'analyse de
régression multiple permet d'estimer les paramètres du modèle économétrique,
d'analyser les corrélations entre variables, de tester la signification des
variables explicatives.
Pour la
régression multiple, le problème le plus courant est lié au résultat des liens
forts d'interdépendance entre les variables indépendantes. Ils peuvent conduire
à des coefficients de régression incorrects, de sorte que l'estimation devient
impossible ou ils peuvent sérieusement la déformer. Par conséquent, lorsque les
variables indépendantes d'un modèle de régression ne sont pas étroitement
liées, les résultats peuvent avoir la précision nécessaire.
Le degré
d'intensité de corrélation entre les phénomènes sera obtenu en fixant la
densité de la dispersion en fonction du facteur enregistré par la dispersion
totale.
Cet indicateur est appelé coefficient de détermination
multiple (R²) et mesure la
proportion de variation de y
qui est expliquée par les variables
Un petit
coefficient de détermination (R²) ou
de très petits paramètres de régression peut indiquer soit un très faible lien
de causalité, mais peut aussi résulter d'une représentation mathématique
erronée ou incorrecte des relations entre les variables.
Même si nous
utilisons des données fiables, un gros R² ne
signifie pas nécessairement qu'il existe une relation causale forte. Il
s'ensuit que, sur la base de la régression, il n'est pas possible de déterminer
la causalité.
2-ANALYSE
MULTIVARIÉE UTILISANT UNE RÉGRESSION MULTIPLE - ÉTUDE DE CAS :
Dans cette
section de l'article, nous utilisons comme analyse multivariée explicative une
analyse de régression multiple pour analyser les corrélations entre les
variables et établir la validité du modèle de régression multiple.
À cet égard,
nous considérons les ratios financiers suivants tirés de l'organisation étudiée
au cours des années 2007-2013: les revenus, le nombre d'employés, les dépenses
de publicité et le prix du produit, tel que décrit dans le tableau 1 :
CONCLUSIONS
ET RECONNAISSANCE
L'analyse de
la performance d'une entreprise joue un rôle décisif dans la définition de la
stratégie suivie en particulier pendant la crise financière.
Les
performances doivent être évaluées et mesurées tant par rapport aux résultats
(sorties des tâches) qu'aux comportements (entrées de processus de travail).
L'utilisation de plus en plus fréquente de la méthode de corrélation
statistique est justifiée par le besoin croissant de réflexion sous une forme
numérique appropriée. les phénomènes analysés en termes de nature, direction et
intensité des liens qui se manifestent dans une certaine période de temps ou en
dynamique.
L'analyse
statistique consistait en une étude du comportement de variables connues et le
développement d'une équation ou d'un modèle pour expliquer la relation entre l'environnement
des variables. Dans cette situation, le revenu sur le produit est le résultat
de la conjugaison de nombreuses variables influençant, mais tous les rapports
déterminés n'ont pas la même importance, l'action de certains d'entre eux se
compensant. L'objectif principal de l'analyse de régression est d'expliquer et
de prévoir variance de la variable dépendante en fonction de sa covariance avec
les variables indépendantes. Montrer les revenus et les avantages pour les
efforts de marketing est une condition préalable à l'analyse de l'efficacité du
système d'entreprise sur le marché. Ainsi, cet article a tenté de définir la
notion de performance, de souligner l'importance de la performance économique
et de analyse multifactorielle de l'agression des facteurs contribuant à la
performance. À cet égard, nous avons mené une étude de cas sur une entreprise
qui produit du sucre cristallisé, en tenant compte du revenu tiré des ventes
dans le cadre de la performance économique de l'entité. Le modèle construit a
été bien choisi, représentatif et montre que chacune des variables
explicatives: nombre d'employés, dépenses publicitaires et prix des produits,
contribue à expliquer la variation de y, c'est à dire le chiffre d'affaires.
Investir
dans la publicité et la promotion de l'entreprise, l'adoption de stratégies de
marketing dans l'année à venir augmenterait les recettes, le modèle identifié
montre qu'il est une corrélation directe entre ces facteurs. 
0 Comments:
Enregistrer un commentaire