Doğrusal Olmayan Maliyet Davranışı – Muhasebe Alanında Tez Yaptırma – Muhasebe Tez Yaptırma Ücretleri – Muhasebe Ödevleri – Muhasebe Ödev Ücretleri
Çoklu Regresyon
Anderson Company örneğinde, malzeme taşıma maliyetindeki değişkenliğin yüzde 86’sı, faaliyet çıktısındaki (hareket sayısı) değişikliklerle açıklandı. Sonuç olarak, şirket ek açıklayıcı değişkenler aramak isteyebilir. Örneğin, taşınan toplam mesafe, özellikle tesis yerleşimi, parçaların ve ürünlerin bir konumdan diğerine taşınması için önemli zaman harcanacak şekildeyse yararlı olabilir.
Üç değişkenle (Y, X1, X2), F, V1 ve V2 parametrelerini hesaplamak için en az üç nokta gereklidir. Noktaları görmek zorlaşır çünkü üç boyutlu olarak çizilmeleri gerekir. Dağılım grafiği yöntemini veya yüksek-düşük yöntemini kullanmak pratik değildir.
Bununla birlikte, en küçük kareler yönteminin genişletilmesi basittir. En uygun denklemi veren F, V1 ve V2 için değerler sağlayan bir denklem seti geliştirmek nispeten basittir.
İki veya daha fazla açıklayıcı değişken içeren bir denklemi uydurmak için en küçük kareler kullanıldığında, yönteme çoklu regresyon denir. Önemli ölçüde artan çoklu regresyonun hesaplama karmaşıklığı bilgisayar tarafından kolaylaştırılmaktadır. Aslında, çoklu regresyonun herhangi bir pratik uygulaması bir bilgisayar kullanımını gerektirir.
Anderson Şirketi örneğine dönelim. R2’nin sadece yüzde 86 olduğunu ve sabit maliyet katsayısının anlamlı olmadığını hatırlayın. Belki de malzeme taşıma maliyetlerini açıklamaya yardımcı olabilecek başka bir değişken vardır. Anderson Şirketi’nin kontrolörünün araştırdığını ve bazı aylarda diğer aylara göre çok daha fazla libre malzemenin taşındığını bulduğunu varsayalım. Daha ağır malzemeler taşındığında, artan yükün üstesinden gelmek için ek ekipman kullanıldı.
Şimdi, bağımsız değişkenler olarak hareket sayısını ve taşınan pound sayısını kullanarak çoklu bir regresyon çalıştıralım. Regresyon için bir bilgisayar ekranı gösterilir.
Bilgisayar ekranı bazı çok ilginç ve faydalı bilgiler aktarıyor. Maliyet denklemi, en alttaki tablonun ilk iki sütunu tarafından tanımlanır. İlk sütun, bireysel maliyet bileşenlerini tanımlar.
Kesişme, sabit faaliyet maliyetidir, ilk X değişkeni hareket sayısıdır ve ikinci X değişkeni, taşınan pound sayısıdır. “Katsayılar” etiketli sütun, her bir faaliyet sürücüsü için tahmini sabit maliyeti ve birim başına değişken maliyeti tanımlar. Böylece maliyet denklemi aşağıdaki gibi yazılabilir.
Maliyet HESAPLAMA formülü
Tam maliyet Yöntemi
Safha maliyet Sistemi formülleri
Genel üretim maliyeti HESAPLAMA
Üretim maliyeti HESAPLAMA formülü
Hedef maliyet Nedir
Standart maliyet yöntemi
Safha maliyet sistemi örnek
Tek bir faaliyet etkenini içeren maliyet denkleminde olduğu gibi, faaliyet maliyetini tahmin etmek için önceki denklem kullanılabilir. Diyelim ki Kasım ayında şirketin 17.000 pound malzeme taşınmasıyla 350 hamle yapması bekleniyor. Tahmini malzeme taşıma maliyeti aşağıdaki gibidir.
Belirleme katsayısının yüzde 99 olduğuna dikkat edin, taşınan pound değişkeni eklenerek açıklama gücünde önemli bir gelişme elde edilir. Ayrıca, her üç katsayı da oldukça anlamlıdır.
Çoklu regresyon için, R2 genellikle çoklu belirleme katsayısı olarak adlandırılır. Ayrıca standart tahmin hatasının, Se’nin çoklu regresyon ayarında mevcut olduğuna dikkat edin. Daha önce belirtildiği gibi, standart tahmin hatası, maliyet tahminleri etrafında güven aralıkları oluşturmak için kullanılabilir. Örneklemek için, X1 350 hareket ettiğinde tahmini malzeme taşıma maliyeti için yüzde 95 güven aralığını göz önünde bulundurun.
için bir kez daha başvurun. En alttaki tablonun dördüncü ve beşinci sütunları, üç parametreyle ilgili bazı istatistiksel verileri sunmaktadır. Dördüncü sütun, bu parametrelerin her biri için t istatistiklerini sunar. Bu t istatistikleri, parametrelerin sıfırdan farklı olduğu hipotezini test etmek için kullanılır.
Beşinci sütun, elde edilen önem düzeyini gösterir. Tüm parametreler 0,0001 düzeyinde anlamlıdır. Böylece, iki itici gücün yararlı olduğuna ve malzeme taşıma faaliyetinin sabit bir maliyet bileşenine sahip olduğuna biraz güvenebiliriz. Bu örnek, çoklu regresyonun faaliyet maliyetlerinin davranışını belirlemek için yararlı bir araç olabileceğini çok açık bir şekilde göstermektedir.
Öğrenme Eğrisi ve Doğrusal Olmayan Maliyet Davranışı
Doğrusal olmayan maliyet eğrisinin önemli bir türü öğrenme eğrisidir. Öğrenme eğrisi, üretilen hacim arttıkça birim başına çalışılan emek saatlerinin nasıl azaldığını gösterir. Öğrenme eğrisinin temeli, bir eylemi tekrar tekrar gerçekleştirdiğimiz için neredeyse sezgiseldir, geliştiririz ve her ek performans öncekilerden daha az zaman alır.
Görevi nasıl yapacağımızı öğreniyoruz, daha verimli oluyoruz ve pürüzleri gideriyoruz. Bir imalat firmasında öğrenme süreç boyunca gerçekleşir: işçiler görevlerini öğrenir ve yöneticiler üretimi daha verimli bir şekilde planlamayı ve iş akışını düzenlemeyi öğrenir. Bu etki ilk olarak uçak endüstrisinde belgelenmiştir.
Yöneticiler artık öğrenme eğrisinin arkasındaki fikirlerin imalat firmalarının yanı sıra hizmet sektörüne de yayılabileceğini görebilirler. Pazarlama, dağıtım ve satış sonrası hizmet maliyetleri de üretilen ve satılan birim sayısı arttıkça azalır. Öğrenme eğrisi modeli iki yaygın biçim alır: kümülatif ortalama zamanlı öğrenme eğrisi modeli ve artımlı birim zamanlı öğrenme eğrisi modeli.
Kümülatif Ortalama Süreli Öğrenme Eğrisi
Kümülatif ortalama-zaman öğrenme eğrisi modeli, birim başına kümülatif ortalama sürenin, üretilen birimlerin kümülatif miktarı her iki katına çıktığında sabit bir yüzde veya öğrenme oranı ile azaldığını belirtir. Öğrenme oranı yüzde olarak ifade edilir ve bir önceki üniteyi yapmak için geçen süreye bağlı olarak bir sonraki üniteyi yapmak için gereken zamanın yüzdesini verir.
Öğrenme oranı deneyimle belirlenir ve yüzde 50 ile 100 arasında olmalıdır. Yüzde 50’lik bir öğrenme oranı, sonunda, birim başına hiçbir çalışma süresinin olmamasıyla, saçma bir sonuçla sonuçlanacaktır. Yüzde 100 öğrenme oranı, öğrenme olmadığını gösterir (çünkü azalma miktarı sıfırdır). Bu modeli göstermek için genellikle yüzde 80’lik bir öğrenme eğrisi kullanılır (muhtemelen orijinal öğrenme eğrisinin uçak endüstrisi ile çalışması yüzde 80’lik bir öğrenme eğrisi bulduğu için).
İlk ünite için yüzde 80 öğrenme oranı ve 100 doğrudan çalışma saati ile kümülatif ortalama zaman öğrenme eğrisi için veri verir.
Kalın satırların bize ikiye katlama formülüne göre kümülatif ortalama süreyi ve kümülatif toplam zamanı verdiğini görüyoruz. Orijinal miktarın iki katı olmayan birimler için bu miktarları nasıl elde ederiz? Bu, kümülatif ortalama zamanlı öğrenme modelinin logaritmik bir ilişki aldığını fark ederek yapılır.
Genel üretim maliyeti HESAPLAMA Hedef maliyet Nedir Maliyet HESAPLAMA formülü Safha maliyet Sistemi formülleri Safha maliyet sistemi örnek Standart maliyet yöntemi Tam maliyet Yöntemi Üretim maliyeti HESAPLAMA formülü
Son yorumlar