ETFFIN Finance >> Curso de Finanças Pessoais >  >> Gestão Financeira >> Finanças

Método High-Low vs. Análise de Regressão: Previsão de Receitas Explicada

O método high-low e a análise de regressão são os dois principais métodos de estimativa de custos para separar custos fixos e variáveis. Gerentes devem decompor custos mistos para prever e planejar.

Saiba mais no curso Math for Corporate Finance da CFI.

Método High-Low vs. Análise de Regressão: Previsão de Receitas Explicada

O método high-low usa poucos dados: pega os níveis de atividade mais alto e mais baixo e compara seus custos totais. A regressão mostra relação entre duas ou mais variáveis, observando mudanças na variável dependente em relação à variável independente.

Método High-Low

Determina componentes fixos e variáveis de um custo. Aplicável para discernir elementos fixos/variáveis do custo de produto, máquina, região, linha de produto, etc.

Ex.: em custo de produção, custos fixos = salários e aluguel; variáveis = matéria-prima.

Fórmula

O método separa componentes variáveis e fixos de custos mistos:

Método High-Low vs. Análise de Regressão: Previsão de Receitas Explicada

Onde:

  • Y₂ = custo no nível de atividade mais alto
  • Y₁ = custo no nível de atividade mais baixo
  • X₂ = unidades no nível de atividade mais alto
  • X₁ = unidades no nível de atividade mais baixo

Uma vez calculado o custo variável (b), o custo fixo deriva-se subtraindo custo variável total do custo total:

Custo Fixo = Y₂ – bX₂ ou Custo Fixo = Y₁ – bX₁

Onde b = custo variável por unidade.

Exemplo

Empresa ABC, farmacêutica, quer estimar custos indiretos (overhead) de abril para 8.000 unidades. Dados jan-mar:

Método High-Low vs. Análise de Regressão: Previsão de Receitas Explicada

Usando fórmula: Y₂=$30.000, Y₁=$25.000, X₂=6.000, X₁=4.000

Método High-Low vs. Análise de Regressão: Previsão de Receitas Explicada

Custo variável (b) = $2,50 por unidade

Custo Fixo = $30.000 – (2,5 × 6.000) = $15.000
ou $25.000 – (2,5 × 4.000) = $15.000

Custo variável projetado para abril (8.000 unid.) = 2,5 × 8.000 = $20.000

Custo total = $15.000 + $20.000 = $35.000

Método High-Low vs. Análise de Regressão: Previsão de Receitas Explicada

Vantagens do Método High-Low

Fácil de usar

Só requer custo e unidades nos níveis extremo alto e baixo. Não precisa ferramentas especiais.

Alta precisão com custos estáveis

Relativamente preciso se níveis extremos representam comportamento geral de custos. Se extremos são sistematicamente diferentes, produz resultados imprecisos.

Desvantagens do Método High-Low

Pode ser Não Confiável

Não representa todos os dados — baseia-se em apenas dois pontos extremos. Podem ser outliers, não representando custos típicos.

Não Considera Inflação

Exclui efeitos da inflação na estimativa de custos.

Análise de Regressão

Estima relação entre variáveis. Ajuda a entender como variável dependente muda quando variável independente varia, mantendo outras constantes. Usada em previsão. Dois tipos principais: regressão linear e regressão múltipla.

Regressão Linear

Estuda relação entre variáveis contínuas, plotadas em linha reta. Fórmula:

Y = a + bX + ε

  • Y = variável dependente
  • X = variável independente
  • b = inclinação da linha de regressão
  • a = intercepto
  • ε = resíduo da regressão

Se b = 0,5, cada aumento unitário em X altera Y em 0,5. Quando X=0, Y = a.

Pressupostos da Regressão Linear

  • Relação entre Y e X é linear nos parâmetros 'a' e 'b'.
  • X não é aleatória.
  • Termo de erro ε tem média 0 e é constante (homocedasticidade).

Regressão Múltipla

Técnica estatística que prevê valor de uma variável usando duas ou mais independentes. Efeito representado em linha reta aproximando pontos de dados.

Método High-Low vs. Análise de Regressão: Previsão de Receitas Explicada

Fórmula

Y₁ = B₀ + B₁x₁ + B₂x₂ + … + Bₙxₙ + ε

  • Y₁ = valor previsto da variável dependente
  • B₀ = intercepto
  • B₁, B₂… Bₙ = coeficientes de regressão
  • x₁, x₂… xₙ = variáveis independentes
  • ε = resíduo

Pressupostos da Regressão Múltipla

  • Relação linear entre dependente e independentes.
  • Observações de Y₁ selecionadas independente e aleatoriamente.
  • Variáveis independentes não altamente correlacionadas (sem multicolinearidade).
  • Resíduo com média 0 e variância constante.

Leituras Relacionadas

Obrigado por ler a comparação da CFI. A CFI oferece certificação Financial Modeling & Valuation Analyst (FMVA)®. Recursos úteis: