中级会计电算化实验报告
学院(系) 专业名称 使用班级 实习地点 起止时间
姓名: 班级: 学号:
中级会计电算化实验报告
实验要求:
1、学习ERP供应链管理系统中最重要和最基础的采购、销售、库存、存货4个子系统的应用方法。
2、能掌握采购、销售业务的处理流程和处理方法,深入了解供应链各子系统之间的紧密联系和数据传递关系。
实习目的:通过实习,要求大家掌握ERP系统各子系统的基本操作和方法。同时,实验中还要注意培养认真严谨、独立思考的职业作风。
实习时间:20xx年3月——20xx年5月
实习地点:钟海楼05007
实习内容:系统管理;采购管理;销售管理;库存管理;存货核算及期末处理。
实习体会:在这个学期中级电算化的实习中,一方面促进了我对课本理论知识的理解,另一方面也提高了我的操作能力。不再像上个学期初级电算化实习时那样手忙脚乱,知道自己在那些方面做得不好,在这次中级电算化的实习,更加细心、严谨。
对于中级电算化实习中,发现了自己容易出错的几个方面。一是在供应链基础设置中存货分类、计量单位和存货档案的建立容易出错。尤其是在建立计量单位。自己在设立主计量单位时出错了。在建立存货档案时发现主计量单位出错,不能引用。只能删除已经建好的存货档案,再返回去修改计量单位。总结在建立计量单位时要先建立计量单位组,再建立计量单位。注意主计量单位和辅助计量单位之间的换算关系。主计量单位的换算率为1,同一计量单位组的其他单位以此为依据,按照换算率折算。二是单据的种类多,很多时候我们都采用参照生单的方式,这时要格外注意上游单据是否正确。当下游单据出错时,要查找是否是参照生单的那张单据出错。根据上游单据生成的下游单据后,上游单据不能直接修改、弃审。删除下游单据后,其上游单据才能执行“弃审”,弃审后才能修改。三是:制单时要选择不同单据。例如采购入库单制单时,对于单货同行的业务选择采购入库单(报销记账);对于暂估业务,当月选择采购入库单(暂估记账)制单,下个月暂估成本处理时红字回冲单制单、蓝字回冲单(报销)制单。在制单处理时,对于现结业务,在应收系统中选择现结制单;对于现付业务,在应付系统中选择现付制单。不同的业务对应不同的单据,平时多注意这些细节,就不会出现那么多错误,也可以养成严谨的态度。
在中级电算化中难点主要是各业务环节工作流程及单据传递关系。尤其是采购业务和销售业务的流程。对于单货同行的采购入库业务和销售业务都可分为物流和资金流两条线。单货同行的采购入库业务的流程:(省略了在采购管理中录入请购单、订单到和
到货单,这三张单据都是可选单据)①在库存管理录入采购入库单并审核→②在采购管理中录入采购#5@p→③根据采购入库单和采购#5@p做采购结算→④经过采购结算的采购入库单在存货核算中“记账”,确认采购商品的采购成本→⑤在存货核算中制单生成凭证;凭证自动传递到总账中,在总账中审核记账→⑥经过采购结算的采购#5@p自动传递到应付款管理系统,在应付款管理系统中审核后制单生成凭证同样凭证会传递到总账中审核后记账→⑦在应付款管理系统中录入付款单后,核销制单(即确认付款单和#5@p的关系)生成凭证,传递到总账中审核记账。(其中物流①④⑤、资金流③⑥⑦)对于先发货后开票的销售业务,①在销售管理中录入销售订单并审核→②在销售管理中录入发货单并审核(可以参照销售订单生成发货单)→③发货单自动生成销售出库单,传递到库存管理中,在库存管理中审核→④销售出库单在存货核算中“记账”,制单后生成凭证,凭证传递到总账中审核后记账→⑤在销售管理中参照发货单生成销售#5@p→⑥在应收款管理中审核销售#5@p并制单,生成的凭证传递到总账,在总账中审核后记账→⑦在应收款管理中录入收款单,核销制单生成凭证,凭证传递到总账审核后记账。(物流③④、资金流⑤⑥⑦)
总的来说采购管理和销售管理的业务处理都差不多,但在两个方面存在差异。一是:采购管理中入库单的成本是根据#5@p和单据来确定;而销售管理中出库单的成本是根据存货明细账和存货计价方法确定。二是;在库存管理中审核过采购入库单和采购#5@p结算后,才能在存货核算中将采购入库单“记账”;对于销售管理,出库单在库存管理中审核后直接在存货核算中“记账”。
这个学期的实习结束,总结了自己收获的几点。一是要不断总结知识点,找出相同点和不同点,这样我们掌握的知识才能融会贯通。例如总结了上个学期的总账系统初始化和供应链中各个系统的初始化,包括基础设置、录入期初数据、期初试算平衡。复杂的知识点就变得简单明了。二是:细心、严谨的对待事情,哪怕是小小的一件事。尤其对于会计这个职业。一个数据的错误造成的损失或许是不能估计的,即使没有损失也要花更多的时间和精力去修改这个错误。三是:注重团队合作,保持一种良好的心态。有一句话说:“一个人能走多远,要看他与谁同行;一个人有多优秀,要看他有谁指点;一个人有多成功,要看他有谁相伴”。一个团队相互合作,共同进退。这样我们才能走的更远。
成绩 指导教师
日期 5.30 注:请用A4纸书写,不够另附纸。 第 页,共 页
第二篇:中级计量实验报告1(1)
中级计量实验报告1
伍玥 数理经济试验班 2011300070051
实验1:一元线性回归模型
我们观察到:自改革开放以来,经济快速发展,居民生活水平提高了,其消费水平也不断增长。基本的心理定律提出:平均而言,人们倾向于随着他们收入的增加而增加其消费。
我们利用20##年全国31个省市自治区的相关数据,研究以下两个问题:
1、 不同地区城市居民消费是否具有显著差异。
2、 城市居民消费与人均收入之间的关系。
首先看一下相关数据及数据间的大致关系——fig1.散点图。
其中:x-pcexp,城市居民人均可支配收入
y-expdur,居民人均消费支出
pcexp expdur pcexp expdur
1 4286.8 504.0 13 4692.1 611
2 4322.8 519.3 14 4746.6 629.5
3 4366.6 529.9 15 4768.3 626.5
4 4398 542.1 16 4802.6 637.5
5 4439.4 550.7 17 4853.4 656.3
6 4472.2 558.8 18 4872.7 653.8
7 4498.2 561.7 19 4947 679.6
8 4534.1 576.6 20 4981 648.8
9 4555.3 575.2 21 5055.1 710.3
10 4593.6 583.5 22 5130.2 729.4
11 4623.4 595.3 23 5181.8 733.7
12 4650 602.4
我们观察到消费与收入之间正向的线性关系。建立以城市居民人均消费支出为被解释变量,以城市居民每人每年可支配收入为解释变量的一元线性模型。
y = a+bx
此处涉及是否含截距项的问题,我们认为除非有很强的先验预期是过原点的回归,否则习惯上仍使用含截距的模型,此时至多截距项的出现在统计上是不显著的。
以下通过两种方法对模型中的参数进行估计:LM法和矩阵方法。(以下结果得自R)
LM法 回归结果如下:Call: 矩阵方法 回归结果如下:
lm(formula = y ~ x) [,1]
Residuals: [1,] -554.5942868
Min 1Q Median 3Q Max [2,] 0.2484112
-33.942 -1.451 1.077 4.528 9.595
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -5.546e+02 3.287e+01 -16.87 1.09e-13 ***
x 2.484e-01 7.004e-03 35.47 < 2e-16 ***
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 8.559 on 21 degrees of freedom
Multiple R-squared: 0.9836, Adjusted R-squared: 0.9828
F-statistic: 1258 on 1 and 21 DF p-value: < 2.2e-16
两种方法估计结果一致。对上述结果进行整理得:
y~ = -554.594 + 0.248x
se = (32.87) (0.007)
t = (-16.87) (35.47)
p = (0.000) (0.000)
R-squared = 0.9836
DF = 21
F(1,21) = 1258 p=0
右图给出了fig2.回归线
对上述回归结果各符号含义说明如下:
第一组括号内的数字代表回归系数的估计标准误。第二组数字代表在每个回归系数的真实总体值为0的虚拟假设下计算出来的t估计值(如:-16.87=-554.594/32.87)。第三组数字代表t估计值的p值,其显示每一个t估计值的精确的显著性水平,p值越小,我们犯拒绝正确虚拟假设的错误的概率越低。如:在自由度为21时,得到一个等于35.47或更大的t值的概率几乎为0,从而我们有理由拒绝斜率系数为0的原假设,我们有理由相信斜率系数显著异于0。R-squared 度量因变量的变异中由回归模型解释的那个部分所占的比例。其值介于0与1之间。被认为是拟合优度的一个度量。如:等于1的R-squared 被认为是一个完美的拟合。F估计值是在检验多元回归的总显著性,即在进行F检验时得出的一重要参数值。其是为了检验全部斜率系数同时为0的原假设。当F值的p值足够低时,则可拒绝原假设。特别的,对于此实验中的双变量回归模型而言,有F=t*t,如:1258=35.47*35.47。
以下再结合具体数据对本模型结果进行说明。
估计的回归线方程:y~ = -554.594 + 0.248x
t检验下,由截距系数和斜率系数的p值几乎为0知:a、b显著异于0。
F检验下,由F值的p值几乎为0知:b显著异于0,结论同上。
R-squared = 0.9836,意味着城市居民人均消费支出变异的98%都可由城市居民每人每年可支配收入来解释。考虑到R-squared最高等于1,这个值相当高,表明我们的回归线对数据的拟合相当不错。
斜率系数约为0.248,它表明城市居民人均年收入增加1元,平均而言,人均消费支出增加约0.248元。由于散点基本落在回归线上或围绕在其两旁,没有出现大的斜率转折,故可认为不同地区城市居民消费倾向不存在显著差异。
本实验中的截距系数为负值。从字面解释,其意味着,若人均年收入为0,则人均消费支出的平均水平约为-554.594元。实际上,这一点没有什么经济意义。