The use of discriminant analysis for forecasting the limits of achievable growth of industrial enterprises.

Cover Page

Cite item

Full Text

Abstract

The subject of the research is enterprises in the metallurgical industry of the Czech Republic. The choice of metallurgical enterprises in the Czech Republic as the object of research is due to the existence of a previously constructed development model of the production structure for such enterprises. The aim of the research is to forecast changes in the production structure of industrial enterprises during their growth and development. The article proposes the use of discriminant analysis to predict the limits of achievable growth for industrial enterprises within the existing production structure. Previously, a methodology for statistical forecasting of the limits of achievable growth using key predictors of organizational transformation was developed. However, unlike the statistical forecasting methodology, the use of discriminant analysis significantly reduces the labor intensity of calculations required to identify the boundaries of achievable growth of an organization within the existing production structure. Discriminant analysis was chosen as the method for conducting the research. The analysis was conducted using Wilks' method with the aid of IBM SPSS Statistics software. The choice of Wilks' method is based on its ability for algorithmic variable selection, ensuring high accuracy of the resulting model. The scientific novelty of the research lies in the scientific justification for the possibility of using discriminant analysis to forecast changes in the production structure of industrial enterprises in the process of their growth and development, based on the production structure development model. Previously, similar studies had not been conducted due to the lack of models that allow for the identification of levels of production structure development and their grouping according to these levels. The discriminant function obtained from the research results provides high accuracy in forecasting (99.7% of initial observations were classified correctly), allowing it to be used for predicting changes in the type of production structure in accordance with the development model of the production structure. The calculation of the values of the constructed discriminant function for the selected industrial enterprise allows for the classification of the enterprise (industrial enterprise, segmented enterprise, etc.) with high probability based on the previously developed production structure development model, as well as predicting directions for its further development within the existing production structure. Thus, the results of the conducted research demonstrate the potential for using the obtained statistical model to forecast changes in the production structure of industrial enterprises.

References

  1. Балясникова, Е.В. Применение дискриминантного анализа для диагностики кризисных ситуаций на предприятии [Текст] // Фундаментальные исследования. – 2009. – № 5. – С. 139-140.
  2. Биннер, Х. Управление организациями и производством: от функционального менеджмента к процессному [Текст] / Хартмут Биннер; Пер. с нем. – М.: Альпина Паблишерз, 2010. – 282 с. (Серия "Производственный менеджмент"). EDN: QTVGRF.
  3. Бобков, А.Л. Верификация модели эволюции производственной структуры металлургических предприятий Чешской Республики с использованием кластерного анализа [Текст] // Вестник Российского экономического университета имени Г.В. Плеханова. – 2022. – Т. 19. – № 3 (123). – С. 43-51. doi: 10.21686/2413–2829-2022-3-43-51 EDN: TAVVKB.
  4. Бобков, А.Л. Исследования закономерностей организационного развития: теория и практическое применение. Монография. [Текст] / А.Л. Бобков. – М.: Русайнс, 2022. – 176 с. EDN: LQXSRL.
  5. Бобков, А.Л. Методологические подходы к управлению долгосрочным развитием организаций [Текст] // Вестник Российского экономического университета имени Г.В. Плеханова. – 2025. – Т. 22. – № 1 (139). – С. 168-176. doi: 10.21686/2413-2829-2025-1-168-176 EDN: BMQTAM.
  6. Бобков, А.Л. Прогнозирование пределов достижимого роста организации с использованием ключевых предикторов организационной трансформации [Текст] // Вестник Российского экономического университета имени Г.В. Плеханова. – 2024. – Т. 21. – № 3 (135). – С. 30-37. doi: 10.21686/2413-2829-2024-3-30-37 EDN: SQWZBS.
  7. Бобков, А.Л. Прогнозирование пределов достижимого роста организации с использованием дискриминантного анализа [Текст] // Экономика, предпринимательство и право. – 2025. – Т. 15. – № 2. – С. 1097-1112. doi: 10.18334/epp.15.2.122652 EDN: GXHRTK.
  8. Жданов, В.Ю., Жданов, И.Ю. Финансовый анализ предприятий с помощью коэффициентов и моделей: учебное пособие [Текст] / В.Ю. Жданов, И.Ю. Жданов. – М.: Проспект, 2024. – 176 с.
  9. Винстон, У. Бизнес-моделирование и анализ данных. Решение актуальных задач с помощью Microsoft Excel. 5-е издание. [Текст] / Уэйн. – СПб.: Питер, 2019. – 864 с.
  10. Дафт, Р., Мерфи, Дж., Уилмот, Х. Организационная теория и дизайн. [Текст] / Р. Дафт, Дж. Мерфи, Х. Уилмот. – СПб.: Питер, 2013. – 640 с.
  11. Денисов, И.В., Бобков, А.Л. Управление развитием фирмы: экономико-технологический подход: монография [Текст] / И.В. Денисов, А.Л. Бобков. – М.: ФГБОУ ВПО "РЭУ им. Г. В. Плеханова", 2014. – 152 с.
  12. Егунова, Н.В. Развитие организационной структуры предприятий на основе теории жизненных циклов [Текст] // Вестник Бурятского государственного университета. Философия. – 2011. – № 2. – С. 13-17. EDN: RSJKNO.
  13. Еременко, К. Работа с данными в любой сфере. Как выйти на новый уровень, используя аналитику. [Текст] / Кирилл Еременко. – М.: Альпина Паблишер, 2021. – 304 с.
  14. Казинцев, А. Технология развития производственной системы. [Текст] / А. Казинцев. – М.: Альпина PRO, 2024. – 504 с.
  15. Кемерон, Э., Грин, М. Управление изменениями: Модели, инструменты и технологии. Пер. с англ. П. Тимофеев. [Текст] / Э. Кемерон, М. Грин. – М.: Добрая книга, 2006. – 360 с.
  16. Кислицына, В.В. Дискриминантный анализ как инструмент классификации субъектов предпринимательства [Текст] // Наука и образование: новое время. – 2017. – № 2. – С. 50-58. EDN: YNWJWJ.
  17. Грундиг, К.-Г. Проектирование промышленных предприятий. Принципы. Методы. Практика. [Текст] / Клаус-Герольд Грундиг. – М.: Альпина Бизнес Букс, 2007. – 340 с. (Серия: Производственный менеджмент). EDN: QMFDRL.
  18. Матраева, Л.В. Прикладные статистические исследования в бизнес-аналитике: учебник. [Текст] / Л.В. Матраева. – М.: Белый ветер, 2022. – 198 с. EDN: ARDKKP.
  19. Минцберг, Г. Менеджмент: природа и структура организаций [Текст] / Генри Минцберг; [пер. с англ. О.И. Медведь]. – М.: Эксмо, 2018. – 600 с. – (Библиотека Сбербанка. Т. 15).
  20. Мюллер, Э., Шенк, М., Вирт, З. Планирование и эксплуатация промышленных предприятий. Рабочие методики для адаптивного, сетевого и ресурсосберегающего предприятия. Пер. с нем. [Текст] / Э. Мюллер, М. Шенк, З. Вирт. – М.: Альпина Паблишер, 2017. – 978 с.
  21. Наследов, А. SPSS 19: профессиональный статистический анализ данных. [Текст] / А. Наследов. – СПб.: Питер, 2011. – 400 с. EDN: SDPZHL.
  22. Паклин, Н.Б., Орешков, В.И. Бизнес-аналитика: от данных к знаниям: учебное пособие. – 2-е изд., испр. [Текст] / Н.Б. Паклин, В.И. Орешков. – СПб.: Питер, 2013. – 704 с.
  23. Попов, В.Л., Ташкинов, А.Г. Механизм управления изменениями при развитии производственных систем [Текст] // Экономика и предпринимательство. – 2015. – № 12-3. – С. 757-760. EDN: VJWZMF.
  24. Тихомиров, Д.А., Пинчук, А.Н. Статистический анализ данных. Практический курс в SPSS и Jamovi. Серия "Высшее образование". [Текст] / Д.А. Тихомиров, А.Н. Пинчук. – М.: Юрайт, 2024. – 294 с.
  25. Фламгольц, Э., Рэндл, И. Управление стратегическим изменениями: от теории к практике [Текст] / Эрик Фламгольц, Ивон Рэндл; [пер. с англ. Н.Г. Яцюк]. – М.: ЭКСМО, 2012. – 320 с.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).