зовсім не зовсім зручними. Все це говорить про те, що банку необхідно постійно нарощувати, як технологічні, так і клієнтські темпи розвитку. Багато послуг, введені банком не настільки давно, вже отримали достатнього поширення серед клієнтів і завоювали достатню популярність, серед них, такі як, дистанційне обслуговування клієнтів, платежі у віддаленому доступі і т.п. Але найчастіше не всі з нововведеного послуг ще доступні для клієнтів в силу різних причин, що також необхідно міняти в найкоротші терміни.
Серед найбільш затребуваних послуг розрахунково-касового облуговування на сучасному етапі в Ощадбанку можна назвати наступні:
платежі в режимі віддаленого доступу;
організація комплексного розрахунково-касового обслуговування, в тому числі, і через термінали;
організація центрів продажів по наданню розрахункових і касових послуг;
випуск високо функціональних розрахункових карт, доступних більшості клієнтів.
Але цілком очевидно, що відмітним моментом розвитку Ощадбанку, не дивлячись на існуючі труднощі, є надання якісних і доступних розрахункових послуг на зовсім новому технологічному рівні з урахуванням економії часу клієнтів та оперативності обслуговування.
3.2 Розрахунок основних показників ефективності банківського обслуговування в умовах Ощадбанку
На основі сказаного у другому розділі можна зробити висновок про те, що, не дивлячись на практичну доступність розрахункових і касових операцій і відносну невисоку вартість, все ж на шляху до високоефективного банківському обслуговуванню встає вдосталь перепон. Однією з них є досить висока трудомісткість процесу і мала ефективність модернізації. Метою нашого проекту буде впровадження як технологічного, так і практичного аналізу модернізації розрахунково-касового обслуговуванні на основі проведення кореляційного аналізу отриманих показників.
На підставі даних про прибутковість послуг за 2011-2013 роки та ефективності реалізації послуг визначимо напрямок і форму зв'язку між цими двома показниками, виміряємо її тісноту і оцінимо достовірність вибіркових показників кореляції.
Результат регресійного аналізу представлений на рис. 3.1.
Рис. 3.1. Протокол виконання регресійного аналізу
З отриманого протоколу можна побачити, що коефіцієнт детермінації становить 0,53, що вказує на те, що 53% варіації залежної змінної враховано в моделі і обумовлено впливом включеного фактора. Коефіцієнт множинної кореляції R=0,73 свідчить про пряму сильного зв'язку між досліджуваними показниками.
Потім необхідно встановити форму залежності і визначити функцію регресії. Залежність між змінними величинами висловимо за допомогою рівняння лінійної регресії. У протоколі виконання регресійного аналізу містяться коефіцієнти рівняння регресії a 0 і а 1.
Рівняння регресії залежності має вигляд:
Y=566738,85 + 0,05x
Перевірку значущості рівняння регресії проведемо на основі F - критерію Фішера. Значення F-критерію Фішера також міститься в протоколі виконання регресійного аналізу та одно 16,11.
Табличне значення F-критерію можна знайти за допомогою функції FPACПOБР в MS Excel (рис. 3.2). При довірчій ймовірності 0,95, ступеня свободи 1 рівний 2 і ступеня свободи 2 рівний 13 воно складе 3,81.
Рис. 3.2. Визначення табличного значення F-критерію Фішера
Оскільки F розр gt; F табл, рівняння регресії слід визнати адекватним.
Потім оцінимо за допомогою t-критерію Стьюдента статистичну значущість коефіцієнтів рівняння множинної регресії.
Розрахункові значення t-критерію Стьюдента для коефіцієнтів регресії a 0 і а 1 наведено на рис. 3.2. в колонці t-статистика і рівні 2,49 і 4,01. Табличне значення t-критерію Стьюдента при 5% рівні значущості і 14 ступенях свободи становить 2,14. Так як | t розр | gt; t табл. , То коефіцієнти a 0 і а 1 значущі.
Далі необхідно виконати оцінку якості моделі. Якщо модель не враховує істотну закономірність досліджуваного процесу, її не можна застосовувати для аналізу та прогнозування. Модель вважається адекватною, якщо ряд залишків має властивості:
незалежності рівнів;
їх випадковості;
відповідності закону нормального розподілу;
Для цього спочатку необхідно побудувати точковий прогноз для незалежного фактора X.
Для отримання точкового прогнозу фактора X обрана модель:
X=9685514,96 + 3555081, 55x ...
