Социально-экономические последствия инфляции. Антиинфляционная политика государства

Таблица 3 Регрессионная  статистика

Множественный R	0,7070
R-квадрат	0,4998
Нормированный R-квадрат	0,4060
Стандартная ошибка	103,65
Наблюдения	20

Согласно коэффициенту множественной корреляции R=0,7070, связь между производственной себестоимости на 1ц молока и рассмотренными факторами сильная. Коэффициент детерминации   R²=0,4998 показывает, что 49,98% изменения производственной себестоимости на 1ц молока обусловлено вариацией рассмотренными факторами: числом коров необходимых для производства 10т молока, прямыми затратами труда на производство 1ц молока и расходом кормов на 1ц молока. На остальные 50,02% вариации результативного признака - у оказали влияние другие факторы, не включенные в модель.

Нормированный коэффициент  детерминации был скорректирован на число степеней свободы.

Оценка значимости уравнения регрессии в целом приводится по F-критерию Фишера (табл. 4).

Таблица 4 Дисперсионный  анализ

	df	SS	MS	F	Значимость F
Регрессия	3	171776	57258,7	5,3298	0,97E-05
Остаток	16	171888	10743,0
Итого	19	343664

   Если F _факт>F _табл, то уравнение является статистически значимым, если  F _факт<F _табл - незначимым. При вероятности ошибки α = 0,05 и степенях свободы v₁=k-1=3-1=2, v₂=n-k=20-3=17, где k – число факторов в модели, n – число наблюдений F_факт, приведенный в таблице 4, равен  5,3298. Так как F_факт = 5,3298 > F_табл = 3,59, то коэффициент корреляции значим, следовательно, построенная модель в целом адекватна.

          По данным другого фрагмента КРА , представленного в таблице 5, линейное уравнение регрессии надоя на 1 корову имеет вид:

у=202,36 + 67,86 х₁ + 45,47 х ₂ + 194,66 х₃

 

Таблица 5 Основные характеристики параметров регрессионного уравнения

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение	Нижние 95%	Верхние 95%
Y-пересечение	202,36056	200,64219	1,00856	0,32819	-2222,98	627,70
Число коров, необходимое для производства 10 т молока, гол.	67,86496	47,46585	1,42976	0,17202	-32,7581	168,488
Прямые затраты труда на производство 1 ц молока, чел.- час	45,47556	18,03376	2,52589	0,02247	7,3093	83,642
Расход кормов на 1 ц молока ц.к.ед. (на1кор.*удой)	194,65757	132,91950	1,46447	0,16243	-87,1191	476,434

Интерпретация полученных параметров следующая:

а₀ = 202,36 – свободный член уравнения регрессии, содержательной интерпретации не подлежит;

а₁ = 67,86 – при увеличении числа коров необходимых для производства 10т молока в среднем увеличит производственную себестоимость 1ц молока на 67,86  кг.

а₂ = 45,47 – коэффициент чистой регрессии при втором факторе свидетельствует о том, что при увеличении прямых затрат труда на производство 1ц молока на 1 чел.-час.уровень производственная себестоимость в среднем по совокупности увеличится на 45,47 кг при условии, что другие факторы остаются постоянными;

 а₃ = 194,66 – коэффициент чистой регрессии при третьем факторе свидетельствует о том, что при увеличении расходе корма на 1 коровий удой в расчете на 1ц молока уровень производственной себестоимости в среднем по совокупности увеличится на 194,66 кг при условии, что другие факторы остаются постоянными.

Проверка значимости параметров уравнения регрессии проводится на основе t-критерий Стьюдента (t–статистика). Для этого сравниваются фактические значения t-критерия с табличным значением t-критерия. Если t_факт> t_табл, то параметр уравнения является статистически значим, а если не t_факт< t_табл , то незначим. В нашем примере при вероятности ошибки α = 0,05 и степени свободы v= n-k-1=20-3-1=16 (где k – число факторов в модели, n – число наблюдений, tтабл = 2,12) получим : t_1факт = 1,42976> t_табл = 2,12,

t_2факт = 2,52589 < t_табл = 2,12,                t_3факт = 1,46447> t_табл = 2,12.

В целом t_факт, равный 1,00856, свидетельствует о статистически незначимости уравнения. t_факт  параметра а₂ (число коров необходимых для производства 10т молока), равный 1,42976 свидетельствует о его статистической значимости. Значит, статистически значимым является первый фактор. В этом случае модель пригодна для принятия решений, но не для прогнозов.

В таблице 6 приведены  отклонения фактических данных  результативного показателя от предсказанных, согласно уравнению прямой

 у=202,36 + 67,86 х₁ + 45,47 х ₂ + 194,66 х₃ после подстановки в него фактических значений х.   

  

Таблица 6 Остатки

Наблюдение	Предсказанное Производственная себестоимость 1ц молока, руб	Остатки	Стандартные остатки
1	836,2771	55,7229	0,06247
2	765,0867	44,3133	0,05475
3	752,2155	-45,0155	-0,06365
4	770,8425	39,1575	0,04834
5	889,3380	137,2620	0,13371
6	841,1807	-3,9807	-0,00475
7	842,1224	131,0776	0,13469
8	733,7388	33,8612	0,04411
9	724,0974	-66,8974	-0,10179
10	754,1777	-34,5777	-0,04805
11	983,5421	-203,5421	-0,26095
12	967,6861	-125,6861	-0,14927
13	844,5017	-29,9017	-0,03671
14	794,6674	-108,0674	-0,15739
15	819,3147	126,6853	0,13392
16	1042,1783	103,8217	0,09059
17	846,1090	-122,9090	-0,16995
18	1032,8175	33,7825	0,03167
19	889,4982	76,5018	0,07919
20	822,5483	-40,9483	-0,05239

  Если с точки зрения целесообразности лучшей характеристикой для результативного показателя является его повышение, то о резервах роста будут свидетельствовать отрицательные остатки по каждому отдельному предприятию, если уменьшение, то положительные. В нашем примере резервы увеличения уровень производственной себестоимости 1ц молока за счет числа коров необходимых для производства 10т молока, прямых затрат труда на производство 1ц молока и расхода кормов на 1ц молока имеют предприятия:  им. Р.Еникеева, Игенче, Маяк, им.Ленина, им. Кирова, Урал, им. Калинина, Россия, Победа, им.Крупской, Рассвет.

 

 

 

 

 

 

 

 

 

 

 

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

 

1 Рафикова,  Н. Т. Основы статистики: учеб. пособие для студ./ Н. Т. Рафикова . - М.: Финансы и статистика, 2007. - 351 с.: табл..  

2 Елисеева, И. И.  Общая теория статистики: Учеб. для студ. вузов, обуч. по направлению и спец. "Статистика"/ И. И. Елисеева, М. М. Юзбашев. - 4-е изд.. - М.: Финансы и статистика, 2004. - 480 с.

3 Методические  указания к лабораторным работам с использованием ПП «EХCEL» по теме «Статистическая сводка и группировка» /Т.Н Лубова, И.Ю Мелещук,.- Уфа, БашГАУ – 2003.- 16 с.

4 Рафикова, Н.  Т., Насретдинова, З.Т. Использование  моделирования в оценке и прогнозировании структуры производства молока //Вестник ОрелГАУ.-Орел, 2009.- № 4 (19).-С. 42- 45.

5 Статистические ежегодники, статистическая отчетность и инструкции Госкомстата Российской Федерации и Республики Башкортостан (в печатных и электронных носителях).