Способы и приемы обработки статистической информации

Автор работы: Пользователь скрыл имя, 16 Апреля 2013 в 23:38, курсовая работа

Описание работы

Собранный в процессе статистического наблюдения материал нуждается в определенной обработке, сведении разрозненных данных воедино. Научно организованная обработка материалов наблюдения (по заранее разработанной программе), включающая в себя кроме обязательного контроля собранных данных систематизацию, группировку материалов, составление таблиц, получение итогов и производных показателей (средних, относительных величин), называется в статистике сводкой.

Файлы: 1 файл

Статистика.doc

— 1.28 Мб (Скачать файл)

Пример. Имеются данные о выпуске одноименной продукции «А» и ее себестоимости по 2 заводам:

Завод

Производство продукции, тыс. штук

Себестоимость 1 шт., руб.

I квартал

II квартал

I квартал

II квартал

I

80

90

20

18

II

70

100

18

15


Производство  продукции, тыс. штук

Определим влияние  на себестоимость изменения структуры совокупности.

Рассчитаем:

1) индекс себестоимости переменного состава; 
2) индекс себестоимости постоянного состава.

Отметим, что себестоимость  чаще всего обозначается буквой «Z». Индекс себестоимости переменного состава исчисляется как отношение средней себестоимости за текущий период к средней себестоимости за базисный период.

(18× 90 + 100×  15) / (20× 80 + 18× 70) = 0,861

Индекс себестоимости  переменного состава показывает снижение себестоимости на 13,9% в  отчетный период по сравнению с базисным. Рассчитаем индекс себестоимости постоянного состава как агрегатный индекс:

(18× 90 + 15×  100) / (20× 90 + 18× 100) = 0,867.

Индекс показывает снижение себестоимости на 13,3% в отчетный период по сравнению с базисным. Сравнивая индекс переменного состава  и индекс постоянного состава, определим индекс структурных сдвигов, т.е. индекс влияния на динамику средней себестоимости изменения структуры. Индекс структурных сдвигов равен частному от деления индекса переменного состава на индекс постоянного состава:

0,861 / 0,867 = 0,993.

Таким образом, изменение  структуры привело к снижению себестоимости на 0,7%. Индекс себестоимости переменного состава дает оценку изменения параметра с учетом влияния структурных сдвигов, а индекс себестоимости постоянного состава не учитывает этого влияния. В менеджерской практике широко применяется индексный анализ. Особое место здесь занимают индексы цен, которые нужны при разработке бизнес-планов новых производств, без них невозможно обойтись при пересчете основных показателей деятельности предприятия из фактически действующих цен в сопоставимые. Индексы цен позволяют соизмерять динамику цен во времени и разброс в пространстве. Важное место в статистике цен занимает индекс потребительских цен, отражающий реальную покупательную способность денег, которыми располагают различные слои населения для удовлетворения своих материальных, культурных и духовных потребностей. Методология исчисления этого индекса предполагает расчет отдельно для различных регионов, товарных групп и услуг, отдельных групп населения с различными уровнями доходов. 
 Пересчет важнейших показателей из фактических цен в сопоставимые, исключение влияния инфляции осуществляются с помощью индексов-дефляторов. 
 Например, чтобы определить реальную стоимость основных фондов предприятия в 1997 г. следует ОФ1997 = ОФ1 / Id , где ОФ1 — номинальная стоимость в 1997 г., a Id — индекс-дефлятор, исчисляемый как отношение фактической стоимости ОФ отчетного периода к стоимости ОФ, структурно соответствующей текущей, но определенной в ценах базового периода.

 

    1. Связи и корреляционные отношения.

Исследуя природу, общество, экономику, необходимо считаться со взаимосвязью наблюдаемых процессов  и явлений. При этом полнота описания так или иначе определяется количественными  характеристиками причинно-следственных связей между ними. Оценка наиболее существенных из них, а также воздействия одних факторов на другие является одной из основных задач статистики. Формы проявления взаимосвязей весьма разнообразны. В качестве двух самых общих их видов выделяют функциональную (полную) и корреляционную (неполную) связи. В первом случае величине факторного признака строго соответствует одно или несколько значений функции. Достаточно часто функциональная связь проявляется в физике, химии. В экономике примером может служить прямо пропорциональная зависимость между производительностью труда и увеличением производства продукции. Корреляционная связь (которую также называют неполной, или статистической) проявляется в среднем, для массовых наблюдений, когда заданным значениям зависимой переменной соответствует некоторый ряд вероятных значений независимой переменной. Объяснение тому – сложность взаимосвязей между анализируемыми факторами, на взаимодействие которых влияют неучтенные случайные величины. Поэтому связь между признаками проявляется лишь в среднем, в массе случаев. При корреляционной связи каждому значению аргумента соответствуют случайно распределенные в некотором интервале значения функции. 
 Например, некоторое увеличение аргумента повлечет за собой лишь среднее увеличение или уменьшение (в зависимости от направленности) функции, тогда как конкретные значения у отдельных единиц наблюдения будут отличаться от среднего. Такие зависимости встречаются повсеместно. Например, в сельском хозяйстве это может быть связь между урожайностью и количеством внесенных удобрений. Очевидно, что последние участвуют в формировании урожая. Но для каждого конкретного поля, участка одно и то же количество внесенных удобрений вызовет разный прирост урожайности, так как во взаимодействии находится еще целый ряд факторов (погода, состояние почвы и др.), которые и формируют конечный результат. Однако в среднем такая связь наблюдается – увеличение массы внесенных удобрений ведет к росту урожайности. По направлению связи бывают прямыми, когда зависимая переменная растет с увеличением факторного признака, и обратными, при которых рост последнего сопровождается уменьшением функции. Такие связи также можно назвать соответственно  положительными отрицательными. 
 Относительно своей аналитической формы связи бывают линейными и нелинейными. В первом случае между признаками в среднем проявляются линейные соотношения. Нелинейная взаимосвязь выражается нелинейной функцией, а переменные связаны между собой в среднем нелинейно. 
 Существует еще одна достаточно важная характеристика связей с точки зрения взаимодействующих факторов. Если характеризуется связь двух признаков, то ее принято называть парной. Если изучаются более чем две переменные – множественной
 Указанные выше классификационные признаки наиболее часто встречаются в статистическом анализе. Но кроме перечисленных различают также непосредственные, косвенные и ложные связи. Собственно, суть каждой из них очевидна из названия. В первом случае факторы взаимодействуют между собой непосредственно. Для косвенной связи характерно участие какой-то третьей переменной, которая опосредует связь между изучаемыми признаками. Ложная связь – это связь, установленная формально и, как правило, подтвержденная только количественными оценками. Она не имеет под собой качественной основы или же бессмысленна. По силе различаются слабые и сильные связи. Эта формальная характеристика выражается конкретными величинами и интерпретируется в соответствии с общепринятыми критериями силы связи для конкретных показателей. В наиболее общем виде задача статистики в области изучения взаимосвязей состоит в количественной оценке их наличия и направления, а также характеристике силы и формы влияния одних факторов на другие. Для ее решения применяются две группы методов, одна из которых включает в себя методы корреляционного анализа, а другая – регрессионный анализ. В то же время ряд исследователей объединяет эти методы в корреляционно-регрессионный анализ, что имеет под собой некоторые основания: наличие целого ряда общих вычислительных процедур, взаимодополнения при интерпретации результатов и др. 
 Поэтому в данном контексте можно говорить о корреляционном анализе в широком смысле – когда всесторонне характеризуется взаимосвязь. В то же время выделяют корреляционный анализ в узком смысле – когда исследуется сила связи – и регрессионный анализ, в ходе которого оцениваются ее форма и воздействие одних факторов на другие. 
 Задачи собственно корреляционного анализа сводятся к измерению тесноты связи между варьирующими признаками, определению неизвестных причинных связей и оценке факторов оказывающих наибольшее влияние на результативный признак. 
 Задачи регрессионного анализа лежат в сфере установления формы зависимости, определения функции регрессии, использования уравнения для оценки неизвестных значении зависимой переменной. Решение названных задач опирается на соответствующие приемы, алгоритмы, показатели, применение которых дает основание говорить о статистическом изучении взаимосвязей. 
 Следует заметить, что традиционные методы корреляции и регрессии широко представлены в разного рода статистических пакетах программ для ЭВМ. Исследователю остается только правильно подготовить информацию, выбрать удовлетворяющий требованиям анализа пакет программ и быть готовым к интерпретации полученных результатов. Алгоритмов вычисления параметров связи существует множество, и в настоящее время вряд ли целесообразно проводить такой сложный вид анализа вручную. Вычислительные процедуры представляют самостоятельный интерес, но знание принципов изучения взаимосвязей, возможностей и ограничений тех или иных методов интерпретации результатов является обязательным условием исследования. Методы оценки тесноты связи подразделяются на корреляционные (параметрические) и непараметрические. Параметрические методы основаны на использовании, как правило, оценок нормального распределения и применяются в случаях, когда изучаемая совокупность состоит из величин, которые подчиняются закону нормального распределения. На практике это положение чаще всего принимается априори. Собственно, эти методы – параметрические – и принято называть корреляционными.

Непараметрические методы не накладывают ограничений на закон  распределения изучаемых величин. Их преимуществом является и простота вычислений. 
 Методы корреляционного и дисперсионного анализа не универсальны: их можно применять, если все изучаемые признаки являются количественными. При использовании этих методов нельзя обойтись без вычисления основных параметров распределения (средних величин, дисперсий), поэтому они получили название параметрических методов. Между тем в статистической практике приходится сталкиваться с задачами измерения связи между качественными признаками, к которым параметрические методы анализа в их обычном виде неприменимы. Статистической наукой разработаны методы, с помощью которых можно измерить связь между явлениями, не используя при этом количественные значения признака, а значит, и параметры распределения. Такие методы получили название непараметрических. 
 

 

 

 

 

 

 

 

 

  1. РАСЧЕТНАЯ ЧАСТЬ ПРОЕКТА

Введение

Тема данного курсового проекта – экономико-статистический анализ производства  и реализации свинины в ООО Агрофирма «Арфедо». Данная тема, особенно в современных условиях развития животноводства, является довольно актуальной. Современное состояние отрасли свиноводства плачевное. Продолжается сокращение поголовья, цены на свинину в 2006 году выросли более чем на 25 %.  Проведение анализа необходимо для выявления проблем, связанных с производством и реализацией свинины. Для этого следует определить основные задачи развития отрасли свиноводства:

    - изменение  стратегии и тактики племенной  работы;

    - совершенствование  технологии производства свинины;

- обеспеченность поголовья  высококачественными кормами;

- рациональное использование  кормов;

- решение экономических и биологических проблем свиноводства.

Основной продукцией свиноводства является прирост, на величину которого могут влиять различные  факторы. Целями данного курсового  проекта являются:

  • проведение анализа факторов, влияющих на производство и реализацию  свинины;
  • установление зависимости между этими факторами и приростом свинины;
  • определение дальнейшей тенденции развития производства и реализации мяса, а также проведение прогноза на следующие 3 года;
  • развитие отрасли свиноводства в ООО «Агрофирма Арфедо».

Анализ проводится с помощью 5 методов. Индексный метод представляет собой совокупность приемов, которая исторически возникла для измерения динамики экономических явлений. Анализ рядов динамики показывает, как изменяется значение признака во времени, а также иллюстрирует динамику развития признака, что позволяет делать прогнозы на будущее. Корреляционно-регрессионный анализ показывает зависимость результативного признака от факторных признаков.  
 Таким образом,  анализ продуктивности в отрасли свиноводства можно проводить как в динамике, так и сравнительно по группам, так и рассматривая непосредственно связь изменения выхода продукции с изменением его факторов.  

 

 

 

 

 

 

 

 

 

 

 

 

 

    1. Организационно-экономическая хара<span class="dash0410_0431_0437_0430_0446_0020_0441_04

Информация о работе Способы и приемы обработки статистической информации