Статистико-экономический анализ эффективности производства подсолнечника на примере ООО «Нива» Аннинского района и других сельскохозя

Автор работы: Пользователь скрыл имя, 08 Июня 2013 в 14:53, курсовая работа

Описание работы

Цель курсового проекта - раскрыть сущность экономической эффективности производства подсолнечника и изыскать резервы по повышению урожайности и валового сбора при помощи основных статистических методов (рядов динамики, индексного анализа, статистических группировок, дисперсионного и корреляционно-регрессионного анализов).

Содержание работы

ВВЕДЕНИЕ3
1. АНАЛИЗ РЯДОВ ДИНАМИКИ 5
1.1. Показатели урожая, их сущность, методика расчета, динамика фактического сбора подсолнечника за последние шесть лет5
1.2. Сущность урожайности и ее виды. Методика расчета средней урожайности подсолнечника, темпы ее изменения за 9 лет 9
1.3. Выявление тенденции в изменении урожайности подсолнечника12
2. ИНДЕКСНЫЙ МЕТОД АНАЛИЗА 17
2.1. Сущность индекса. Индивидуальные и общие индексы как инструмент анализа динамики урожая и урожайности17
2.2. Индексный анализ средней урожайности зерновых культур и валового сбора подсолнечника19
3. МЕТОДЫ СТАТИСТИЧЕСКОЙ ГРУППИРОВКИ И ДИСПЕРСИОННОГО АНАЛИЗА24
3.1. Сущность группировки, ее основные методологические аспекты. Задачи и виды группировок и их значение24
3.2. Аналитическая группировка хозяйств района по величине производственных затрат на 1 га посева (уровень интенсивности возделывания данной культуры) по правилу трех сигм27
3.3. Сущность дисперсионного анализа. Оценка существенности влияния изучаемого фактора на урожайность подсолнечника30
4. ПРОЕКТНАЯ ЧАСТЬ35
4.1. Сущность и основные условия применения корреляционного анализа35
4.2. Построение многофакторной корреляционной модели урожайности подсолнечника37
4.3. Расчет резервов роста урожайности и валового сбора подсолнечника41
5. Выводы и предложения45
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ48
ПРИЛОЖЕНИЯ

Файлы: 1 файл

курсяк подсолн.docx

— 1.14 Мб (Скачать файл)

Однако гораздо чаще в  экономике имеет место статистическая зависимость, когда каждому фиксированному значению независимой переменой  х соответствует не одно, а множество  значений зависимой переменной у, причем заранее нельзя сказать, какое именно значение примет у. Это связано с тем, что на у кроме переменной х влияют и многочисленные неконтролируемые случайные факторы. В этой ситуации у является случайной величиной, а переменная х может быть как детерминированной, так и случайной величиной.

Частным случаем статистической зависимости является корреляционная зависимость, при которой функциональной зависимостью связаны фактор х и  среднее значение (математическое ожидание) результативного показателя у.

Корреляционная связь  проявляется в среднем, для массовых наблюдений, когда заданному значению 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  соответствует случайно распределенные в некотором интервале значения функции.

Но не все факторы, влияющие на экономические процессы, являются случайными величинами. Поэтому при анализе экономических явлений обычно рассматриваются связи между случайными и неслучайными величинами. Такие связи называются регрессионными, а метод математической статистики, их изучающий, называется регрессионным анализом.

Задачи корреляционного  анализа сводятся к измерению  тесноты связи между варьирующими признаками, определению неизвестных  причинных связей и оценке факторов, оказывающих наибольшее влияние  на результативных признак.

Задачи регрессионного анализа  лежат в сфере установления формы  зависимости, определения функции  регрессии, использования для оценки неизвестных значений зависимой  переменной.

По направлению связи  бывают прямыми, когда зависимая переменная растет с увеличением факторного признака, и обратными, при которых рост последнего сопровождается уменьшением функции. Такие связи можно назвать также соответственно положительными и отрицательными.

Относительно своей аналитической  формы связи бывают линейными и нелинейными.

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.

По силе различают 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  характеристики 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. Некоторые исследователи объединяют эти методы в корреляционно-регрессионный  анализ.

Решение названных задач  опирается на соответствующие приемы, алгоритмы, показатели, применение которых  дает основание говорить о статистическом изучение взаимосвязи [10].

 

4.2. Построение многофакторной  корреляционной модели урожайности  подсолнечника.

 

 

Сущность и основные условия  применения корреляционного анализа позволяют построить многофакторную корреляционную модель и сделать соответствующие заключения о ее практической значимости.

Для построения экономико-математической модели урожайности подсолнечника используем следующие факторы:

 

  • X1 – производственные затраты на 1 га посева подсолнечника  (уровень интенсивности), руб.;
  • X2 – нагрузка пашни на 1 трактор, га;
  • X3 – фондовооруженность 1 работника,  руб.;
  • X4 – энерговооруженность 1 работника, л.с.;
  • X5 – уровень специализации, %;
  • X6 – затраты труда на 1 га посева подсолнечника, чел/час;
  • Х7 – фондообеспеченность хозяйства, руб.;
  • Х8 – уровень концентрации, га
  • Х9 – трудообеспеченность (число работников на 100 га пашни), чел.

 

 

 

Таблица 11. Исходные данные для корреляционно - регрессионного анализа

Номер           хозяйств

Урожайность,ц/га

Расчетные показатели

Производственные затраты  на 1 га посева, руб

Нагрузка пашни на 1 трактор, га

Фондовооруженность 1 работника, тыс. руб

Энерговооруженность 1 работника

Уровень специализации, %

Затраты труда на 1 га посева, чел/час

Фондообеспеченност хозяйства, тыс. руб

Уровень концентрации, га

Трудообеспеченность, чел

 

Y

x1

x2

x3

x4

x5

x6

x7

x8

x9

1

17,2

7267

72

3011

12,3

60,1

7

469

150

0,2

2

25,3

12568

157

837

14,2

29,5

2

179

600

2,6

3

21,2

6911

210

1283

58,6

73,9

7

3133

2434

2,8

4

15,1

10010

205

732

58,3

45,7

2

2015

2222

2,7

5

24,1

16774

713

1892

41,9

73,7

1

979

1616

0,9

6

29,5

21843

67

99

48,0

46,9

10

48

102

0,7

7

36,1

15579

115

518

73,4

12,9

5

1473

245

3,5

8

30,0

18171

57

414

109,6

48,3

28

725

70

1,7

9

30,4

17094

163

377

54,4

8,2

27

827

800

2,5

10

26,6

10262

101

242

115,7

14,9

8

521

900

2,9

11

31,6

11008

166

418

64,8

21,7

5

915

623

3,2

12

22,6

13505

218

922

73,9

87,1

8

563

920

0,6

13

10,0

3274

536

782

14,1

58,1

10

145

95

0,2

14

13,8

9860

150

489

87,0

3,4

12

1013

172

2,1

15

23,6

11361

168

214

55,3

31,3

20

574

700

3,3

16

22,0

7335

154

1500

144,5

15,4

31

1220

200

0,8

17

22,0

19006

25

3537

98,5

100,0

6

2319

305

0,6

18

24,2

9973

206

619

26,8

42,1

5

1284

1220

2,8

19

13,3

7189

332

449

110,3

62,2

7

271

1500

0,8

20

31,8

21148

199

311

82,2

64,3

6

445

508

1,7

21

19,7

7739

463

2028

90,5

7,3

2

1006

800

0,5

22

26,2

14738

132

385

79,5

33,8

2

687

561

2,5

23

28,3

10113

187

391

91,6

17,9

35

1341

600

3,9

24

26,1

9624

101

751

166,8

21,7

8

948

250

1,4

25

27,2

5795

102

351

66,2

6,8

11

1195

351

4,2


Исходная информация (см. Таблицу 11) введена в пакет диалоговой статистики и с помощью программы «Statgraf» построена модель множественной регрессии. Получим: (см. рис.2)

Рис. 2. Корреляционно-регрессионная модель урожайности подсолнечника

Таблица 12.- Корреляционно-регрессионная модель урожайности подсолнечника по предприятиям Аннинского, Калачеевского и Бутурлиновского районов

Условные обозначения

Название показателя (фактора)

Коэффициент регрессии

Стандартная ошибка

t-статистика

Уровень значимости

Indepen. variable

Coefficient

Stt. error

t-value

Sig. level

Constant

 

10,309007

5,5476

1,8523

0,0829

Х1

Производственные затраты  на 1 га посева, руб

0,000855

0,000216

3,9661

0,0012

X2

Нагрузка пашни на 1 трактор, га

0,00071

0,00757

0,0938

0,9265

X3

Фондовооруженность 1 работника, тыс. руб

0,000446

0,001788

0,2492

0,8066

X4

Энерговооруженность 1 работника

-0,000545

0,005015

-0,109

0,9149

X5

Уровень специализации

-0,031841

0,050848

-0,626

0,5406

X6

Затраты труда на 1 га посева, чел/час

0,011797

0,105429

0,1119

0,9124

X7

Фондообеспеченность хозяйства, тыс. руб

-0,000072

0,002185

-0,033

0,9743

X8

Уровень концентрации, га

-0,001711

0,002464

-0,694

0,498

Х9

Трудообеспеченность

2,726146

1,341885

2,0312

0,0603


R-SQ(ADJ)=0,5395 SE=4,36 MAE=2,59 Durbwat=1,816

Однако, статистическая оценка характеристик данной модели показала, что некоторые факторы (нагрузка пашни на 1 трактор, фондовооруженность 1 работника, энерговооруженность 1 работника, уровень специализации, затраты труда на 1 га посева подсолнечника, фондообеспеченность хозяйства, уровень концентрации) количественно мало определяют результат, а влияние некоторых факторов не поддается логико-экономическому осмыслению Х2, Х3, Х4, Х5, Х6, Х7, Х8. Компьютерная программа позволяет просчитать ряд вариантов и выбрать наиболее значимую модель. (см. приложение 2)

Таблица 13.- Корреляционно-регрессионная  модель (улучшенная) урожайности подсолнечника  по предприятиям Аннинского, Калачеевского и Бутурлиновского районов

Условные обозначения

Название показателя (фактора)

Коэффициент регрессии

Стандратная ошибка

t- статистика

Уровень значимости

Independent variable

Coefficient

Std. error

t-value

Sig. level

Constant

 

8,484

2,54

3,3339

0,003

X1

Производственные затраты  на 1 га посева, руб

0,000842

0,000164

5,1409

0,0001

X9

Трудообеспеченность хозяйства

2,744

0,661992

4,145

0,0004


 

R-SQ(ADJ)=0,6188 SE=3,975 MAE=2,834 Durbwat=1,634,

 где  R-SQ(ADJ) – коэффициент детерминации,

SE – стандартная ошибка,

MAE – среднее квадратическое отклонение ,

DurbWat – критерий Дарбина-Уотсона.

Коэффициент корреляции=

Коеффициент корреляции=0,3829

Полученная модель количественно  измеряет исследуемую связь, что  показывает уравнение регрессии:

Ух1, х9 =8,484+0,000842Х1+2,744Х9

Коэффициент регрессии а1=0,000842 говорит о том, что с увеличением производственных затрат на 1 га на 1 рубль, урожайность подсолнечника повышается на 0,000842 ц/га.

Коэффициент регрессии а9= 2,744 говорит о том, что с увеличением трудообеспеченности на 100 га, урожайность подсолнечника увеличится на 2,744 ц/га.

С целью изучения существенности зависимости между факторами  проведем многофакторный дисперсионный  анализ и, обрабатывая данные с помощью  ЭВМ в пакете Statgraf, получим дисперсионный анализ вариации для всей модели. (см. приложение 3)

 

Таблица 14. Дисперсионный анализ вариации для всей модели.

Источник вариации

Сумма квадратов отклонений

Число степеней свободы

Дисперсия на 1 степень свободы

Критерий Фишера f-расчетное

Уравнение значимости

Модель

647,31

2

323,66

20,4819

0

Ошибка

347,643

22

15,802

   

Итого

994,954

24

     

 

R-squared = 0,600593                  Stnd. error of est. = 3,97517

R-squared (Adj. for d.f.) = 0.618829    Durbin- Watson statistic = 1,63386

Так как рассчитанное значение критерия Фишера (20,48) значительно превышает  теоретическое Fтеор (3,44), то влияние заложенных в модель факторов значимо.

Для оценки существенности влияния каждого из оставленных  в модели факторов проведем дисперсионный  анализ вариации по факторам.

Рассмотрим анализ вариации по факторам  и, обрабатывая данные с помощью ЭВМ в пакете Statgraf, получим анализ вариации по факторам. (см. приложение 4)

 Таблица 15. Дисперсионный анализ вариации по факторам.

Факторы

Сумма квадратов отклонений

Число степеней свободы

Дисперсия на 1 степень свободы

F- расчетная

Уровень значимости

Х1

735,8211

1

375,82

23,78

0,0001

Х9

271,489

1

271,49

17,18

0,0004

<span class="Normal_0020Table__Char" style=" font-fami



Информация о работе Статистико-экономический анализ эффективности производства подсолнечника на примере ООО «Нива» Аннинского района и других сельскохозя