Zobrazit minimální záznam

dc.contributor.authorDvořáček, Jaroslav
dc.contributor.authorSousedíková, Radmila
dc.contributor.authorJureková, Zdenka
dc.contributor.authorVrátný, Tomáš
dc.date.accessioned2016-04-19T14:19:41Z
dc.date.available2016-04-19T14:19:41Z
dc.date.issued2014
dc.identifier.citationGeoScience Engineering. 2014, vol. 60, no. 3, p. 1-9.cs
dc.identifier.issn1802-5420cs
dc.identifier.urihttp://hdl.handle.net/10084/111500
dc.description.abstractThe paper highlights the importance of successful financial performance for companies, and provides for a brief review of foreign expert opinions on the most important factors that influence the financial performance of enterprises. Linear and quadratic discriminate analyses and a logistic regression analysis were applied to a sample file of 233 annual data from 3 countries (Czech Republic, Slovak Republic, Ukraine) for a period of 2008-2012 concerning quarries extracting building materials. These methods provided for distributing the sample file quarries into two classes of profitable and loss-making enterprises. Their financial performance had been known, which enabled to assess the classification accuracy of individual method applications. The average classification accuracy was about 86% and there were no significant differences in the specific method applications. The linear discriminate analysis calculations are the simplest ones in comparison with two other applied methods. The linear discriminate analysis also made possible to identify the most influential discriminators that contributed to the classification into the specific groups. In case of our investigation, prices per production unit, direct variable costs, and ratio of fixed costs to total costs were the most important factors of influence. The factors, if analysed, can provide for prediction of financial performance of quarries in future.cs
dc.format.extent725358 bytes
dc.format.mimetypeapplication/pdf
dc.language.isoencs
dc.publisherVysoká škola báňská - Technická univerzita Ostravacs
dc.relation.ispartofseriesGeoScience Engineeringcs
dc.relation.urihttp://gse.vsb.cz/ojs/GSE/article/view/52/45cs
dc.rights© Vysoká škola báňská-Technická Univerzita Ostrava. Hornicko-geologická fakultacs
dc.subjectquarriescs
dc.subjectfinancial performancecs
dc.subjectdiscriminate analysiscs
dc.subjectlogistic regression analysiscs
dc.titleForecasting financial performance for quarriescs
dc.title.alternativePředvídání hospodářského výsledku lomůcs
dc.typearticlecs
dc.description.abstract-enČlánek zdůrazňuje význam kladného hospodářského výsledku pro podnik a přináší stručný přehled názorů zahraničních autorů týkajících se faktorů, které hospodářský výsledek nejvýrazněji ovlivňují. Na souboru 233 ročních údajů z 3 států (Česká republika, Slovenská republika, Ukrajina) za období 2008-2012 spojených s lomy těžícími stavební suroviny byla aplikována lineární a kvadratická diskriminační analýza a logistická regresní analýza. Tyto vytvořily skupinu ziskových a ztrátových lomů. Jejich hospodářský výsledek byl znám, proto bylo možno určit míru úspěšné klasifikace jako podíl správně zatříděných lomů k počtu lomů ve skupině. Průměrná úspěšnost zatřídění se pohybovala kolem 86 % a mezi jednotlivými metodami se výrazně nelišila. Lineární diskriminační analýza umožnila určit, které diskriminátory nejvýrazněji přispěly k zatřídění do skupiny. V našem případě to byla cena produkce, jednicové variabilní náklady a podíl fixních nákladů na celkových nákladech. Lze se domnívat, že na základě analýzy těchto ukazatelů lze předvídat budoucí hospodářský výsledek lomů.cs
dc.rights.accessopenAccess
dc.type.versionpublishedVersioncs
dc.type.statusPeer-reviewedcs


Soubory tohoto záznamu

Tento záznam se objevuje v následujících kolekcích

  • OpenAIRE [5085]
    Kolekce určená pro sklízení infrastrukturou OpenAIRE; obsahuje otevřeně přístupné publikace, případně další publikace, které jsou výsledkem projektů rámcových programů Evropské komise (7. RP, H2020, Horizon Europe).
  • GeoScience Engineering. 2014, vol. 60 [22]

Zobrazit minimální záznam