Экономико-статистический анализ растениеводства по хозяйствам всех категорий

Та из моделей, которая  имеет минимальное значение коэффициента корреляции, наиболее точно воспроизводит  тенденцию развития данного явления.

В таблице 6 представлены трендовые  модели урожайности зерновых культур  в РФ.

Таблица 6. Трендовые модели урожайности зерновых культур.

Наименование функции	Вид модели	Коэффициент корреляции
Линейная	Уt= 13871+0,5952х	0,35
Квадратическая	Уt=15604-0,444х+0,1155х2	0,44
Степенная	у t= 14,287х0,104	0,23
Показательная	Уt = 1326-0,324x	0,34

Среди рассмотренных функций  оптимальной является квадратическая, т. к. коэффициент корреляции у нее  максимальный -0,44. Именно она наиболее точно математически описывает  тенденцию урожайности зерновых

Рассмотрим использование  индексного метода при анализе валового сбора зерновых культур. Индекс валового сбора по группе зерновых культур  можно исчислять по формуле

растениеводство продукция  статистический сельскохозяйственный

В нашем примере индекс валового сбора составит

или 77,6%

В абсолютном выражении увеличение валового сбора находится как  разность между числителем и знаменателем индексного отношения

Снижение валового сбора  составило 19,4 тыс.т (67,2-86,6).

На динамику валового сбора  оказывает влияние уровень урожайности  отдельных культур, размер и структура  посевной площади. Поэтому индекс валового сбора может быть представлен  как произведение индексов урожайности  постоянного состава, структуры  посевных площадей и размера посевных площадей.

Вычислим индекс урожайности  постоянного состава.

или 81,3%

Урожайность снизилась на 18,7%.

Снижение валового сбора  в связи со снижением урожайности  находится по формуле

По данным примера валовой  сбор зерна в результате снижения урожайности снизился на 20 тыс.т (62,7-82,7).

Индекс структуры посевных площадей можно определить по формуле 

Подставим числовое значение в формулу

или 107,7%.

За счет улучшения структуры  посевных площадей, т. е. увеличения доли более урожайной культуры, средняя  урожайность увеличилась на 7,7 %. Рассмотрим динамику производства сахарной свеклы в РФ по данным таблицы 7.

Таблица 7. Динамика валовых  сборов сахарной свеклы

годы	Валовой сбор, млн.т	Темп роста		Темп прироста
		базисный	цепной	базисный	цепной
2000	16,2	-	-	-	-
2001	13,9	0,86	0,86	-0,14	-0,14
2002	10,8	0,67	0,78	-0,33	-0,22
2003	15,2	0,94	1,41	-0,06	0,41
2004	14,1	0,87	0,93	-0,13	-0,07
2005	14,6	0,90	1,04	-0,10	0,04
2006	15,7	0,97	1,08	-0,03	0,08
2007	19,4	1,20	1,24	0,20	0,24

Как показывают данные таблицы 7 производство сахарной свеклы подвержено ежегодным колебаниям при этом следует отметить, что вплоть до 2011 года производство сахарной свеклы не смогло превысить уровень 2005 года и только в 2012 году производство увеличилось на 20 % по сравнению с 2005 годом. Кроме того, только в последние три года наблюдается ежегодный рост производства.

Рассмотрим динамику урожайности  сахарной свеклы, а также динамику урожайности, выровненную методом  укрупненных периодов и методом  скользящих средних, представлена в  таблице 8.

Таблица 8. Динамика урожайности  сахарной свеклы в РФ

год	Урожайность, ц с 1 га	Выравнивание методом  укрупнения периодом		Выравнивание методом  скользящей средней
		Сумма урожайности	Средняя 3-х летняя урожайность	Суммы по скользящим 3-х летним интервалам	Скользящие средние
2005	174
2006	186	513	171	513	171
2007	153			524	174,7
2008	185			526	175,3
2009	188	572	190,7	572	190,7
2010	199			606	202
2011	219	447	149	646	215,3
2012	228			447	149

Метод укрупнения периодов показывает тенденцию роста урожайности  с последующим снижением. Метод  скользящих средних показывает, что  влияние случайных факторов сгладилось не в полной мере, так как повышение  урожайности чередуется с ее снижением.

Проведем выравнивание динамики урожайности методом наименьших квадратов.

Таблица 9. Трендовые модели урожайности

Наименование функции	Вид модели	Коэффициент корреляции
Линейная	уt = 154,86+8,1429х	0,69
Квадратическая	Yt = 181,46-7,8214х+17738х2	0,83
Степенная	Yt=161,83x0,1218	0,46
Показательная	Уt = 186,32-0,298x	0,56

Среди представленных функций  наиболее оптимальной является квадратическая, так как коэффициент корреляции у нее является максимальным. Выровненная  урожайность представлена на рисунке 4.

Теперь рассмотрим тенденцию  производства картофеля в России. Какова динамика производства картофеля  рассмотрим на основании данных, представленных в таблице 10

Таблица 10. Динамика валового сбора картофеля

годы	Валовой сбор, млн. т	Темп роста		Темп прироста
		базисный	цепной	базисный	цепной
2005	38,7
2006	37	0,96	0,96	-0,04	-0,04
2007	31,4	0,81	0,85	-0,19	-0,15
2008	31,3	0,81	1,00	-0,19	0,00
2009	34	0,88	1,09	-0,12	0,09
2010	35	0,90	1,03	-0,10	0,03
2011	32,9	0,85	0,94	-0,15	-0,06
2012	36,7	0,95	1,12	-0,05	0,12

Как показывают данные таблицы 10 производство картофеля колеблется по годам незначительно. Однако наибольший уровень производства 2010 г. не был достигнут в последующем, и только в 2006 и 2012 гг. было достигнуто только 95 % уровня производства 2005 г.

 

 

 

 

 

Изменение урожайности картофеля  представлено в таблице 11.

Таблица 11. Динамика урожайности  картофеля в РФ

Год	Урожайность, ц с 1 га	Выравнивании методом укрупнения периодов		Выравнивание методом скользящей средней
		сумма урожайности	средняя 3-х летняя урожайность	суммы по скользящим 3-х летним интервалам	Скользящ ие средние
01	02	03	04	05	06
2005	114
2006	111	322	107,3	322	107,3
01	02	03	04	05	06
2007	97			305	101,7
2008	97			299	99,67
2009	105	311	103,7	311	103,7
2010	109			317	105,7
2011	103	219	73	328	109,3
2012	116			219	73

Расчет изменения урожайности  методом скользящей средней и  укрупненных периодов графически представлены на рисунке 5.

Для наиболее точного выравнивания урожайности картофеля воспользуемся  методом аналитического выравнивания.

Таблица 9. Трендовая модель урожайности.

Наименование функции	Вид модели	Коэффициент корелляции
Линейная	у t =105,54+0,2143x	0,0052
Квадратическая	уt=123,04-10,286x+1,1667x2	0,63
Степенная	у t=108,35x-0,0145	0,0223
показательная	у t=112,36-0,012x	0,026

Наиболее оптимальной  является квадратическая функция так  как коэффициент корреляции у  нее является самым высоким.

5. Влияние основных  факторов на урожайность сельскохозяйственных  культур

Выращивание урожая и формирование урожайности — сложный и длительный материальный процесс, связанный с  действием многих факторов. Их можно  разделить на две большие группы: природные и экономические. Природные  факторы (условия) включают в себя состояние  и качество почв, метеорологические  и климатические условия произрастания  культур. Экономические условия  создаются людьми в процессе их хозяйственной  деятельности в рамках определенных территорий — предприятий, хозяйств, севооборотов, полей, производственных, опытных и других участков.

Экономические условия в  наиболее общем виде характеризуются  уровнем развития производственных сил общества, что позволяет компенсировать низкое качество почв и неблагоприятные  метеорологические (климатические) условия  и достигать высокой урожайности.

В каждом конкретном предприятии  и хозяйстве экономические условия  проявляются через уровень интенсификации. Он оценивается показателями обеспеченности ресурсами на единицу площади  земельных угодий. Ресурсы берутся  в целом (основные фонды, оборотные  средства, рабочая сила, затраты, объем  работ) и с выделением важнейших  для формирования урожайности их видов: рабочих и силовых машин, семян, органических и минеральных  удобрений, механизаторов и специалистов и т.п. Показатели могут рассчитываться на 1 га сельскохозяйственных угодий, пашни, площади посева отдельных культур  в зависимости от степени обобщения  объема ресурсов (затрат) и задач  анализа. Существенно важно для  характеристики интенсификации земледелия в целом учитывать не только уровень  обеспеченности ресурсами, но и их состав, качество и степень использования.