Прогнозные параметры развития с/х организации на примере СПК «Уша» Березенского района

МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА  И ПРОДОВОЛЬСТВИЯ РЕСПУБЛИКИ БЕЛАРУСЬ

Учреждение образования

БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ  АГРАРНЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

 

 

 

                                                                                 Кафедра «МиПЭ АПК»

 

 

Курсовая работа

По  предмету: “ Моделирование и прогнозирование экономических процессов ”.

На тему: « Прогнозные параметры развития с/х организации  на примере СПК «Уша» Березенского района»

 

 

 

 

 

 

 

 

Выполнил: студент

* эи группы 5 курса ФПУ                                                    ??????????????

Проверил:                                                                                  _______________

Минск 2012

СОДЕРЖАНИЕ

 

Введение ……………………………….………………………………………….3

Глава 1. Методы и модели корреляционно – регрессионного анализа

1.1. Сущность корреляционно-регрессионного анализа…..………………..…..4

1.2. Выборочные уравнения регрессии….…………………………………….....7

3. Линейная регрессия…………………………………………………………...7

1.4. Основные понятия корреляционно-регрессионного анализа……………..10

 

Глава 2. Обоснование программы использования ресурсов СПК «Уша» Березенского района Минской облости

2.1. Постановка экономико-математической задачи…..…………………….....14

2. 2. Обоснование исходной информации  задачи ……………………………...14

2. 3. Структурная экономико-математическая модель……………………..…..20

Глава 3. Решение экономико-математической задачи

3.1. Развернутая экономико-математическая модель…………………..………23

3.2. Анализ решения……………………………………………………………...28

Выводы и предложения  …………………………………………….…................30

Список использованной литературы ………………………………..…..............31 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ВВЕДЕНИЕ

 

Обеспечение эффективности хозяйственной деятельности в настоящее время неотделимо от постоянного совершенствования экономических методов управления. В этой связи все большее внимание в теории экономического анализа и прогнозирования уделяется развитию экономико-математических методов и навыков экономико-математического моделирования. К несомненным достоинствам их применения можно отнести значительное увеличение возможностей исследования состояния и перспектив развития предприятия, расширение границ поиска новых решений и идей, которые найти другими средствами бывает достаточно трудно.[ 7, с.3]

Экономические модели позволяют выявить особенности функционирования экономического объекта и на основе этого предсказывать будущее поведение объекта при изменении каких-либо параметров. Предсказание будущих изменений, например, повышение обменного курса, ухудшение экономической конъюнктуры, падение прибыли может опираться лишь на интуицию. Однако при этом могут быть упущены, неправильно определены или неверно оценены важные взаимосвязи экономических показателей, влияющие на рассматриваемую ситуацию. В модели все взаимосвязи переменных могут быть оценены количественно, что позволяет получить более качественный и надежный прогноз.

Для любого экономического субъекта возможность прогнозирования ситуации означает, прежде всего, получение лучших результатов или избежание потерь, в том числе и в государственной политике.

Под экономико-математической моделью понимается математическое описание исследуемого экономического процесса и объекта. Эта модель выражает закономерности экономического процесса в абстрактном виде с помощью математических соотношений. Использование математического моделирования в экономике позволяет углубить количественный экономический анализ, расширить область экономической информации, интенсифицировать экономические расчеты.

Применение  экономико-математических методов  и моделей позволяет существенно улучшить качество планирования и получить дополнительный эффект без вовлечения в производство дополнительных ресурсов.[3,c.84]

Задачей данной курсовой работы является освоение приемов и методов количественной оценки закономерностей развития отраслей, предприятий и формирований, описание с помощью математических выражений особенностей функционирования экономических явлений, процессов, моделируемых объектов, поиск лучших вариантов их развития и механизмов реализации. Необходимо составить оптимизационную модель по сочетанию отраслей, и дать конкретные рекомендации по улучшению сочетаний отраслей на данном примере.

 

 

 

ГЛАВА 1. МЕТОДЫ И МОДЕЛИ КОРРЕЛЯЦИОННО-РЕГРЕССИОННОГО АНАЛИЗА

 

1. Сущность корреляционно-регрессионного анализа

 

Бальшинство явлений и працессов в эканамике находятся в постоянной взаимной и всеохватывающей объективной связи. Исследование зависимостей и взаимосвязей между объективно существующими явлениями и працессами играет большую роль в экономике. Она дает возможность глубже понять сложный механизм причинно-следственных отношений между явлениями. Для исследования интенсивности, вида и формы зависимостей широко применяется корреляционно-регрессионный анализ, который является методическим инструментарием при решении задач прогнозиравая, планирования и анализа хозяйственной деятельности предприятий. [7,c.41]

Различают два вида зависимостей между экономическими явлениями и процессами:

• функцианальную;
• стохастическую (вероятностную, статистическую).

В случае функцианальной зависимости имеется однозначное отображение множества А на множество В. Множество А называют областью определения функции, а мнажество В - множеством значений функциии.

Функциональная зависимость встречается редко. В большинстве случаев функция (Y) или аргумент (Х) - случайные величины. Х и У подвержены действию различных случайных факторов, среди которых могут быть факторы, общие для двух случайных величин.

Если на случайную  величину Х действуют факторы Z1, Z2 ..., V1,V2, а на У - Zo, Z2, V1,VЗ ..., то наличие двух обших факторов Z2 и V1, позволяет говорить о вероятностной или статистической зависимости между Х и У.

Статистической называется зависимость между случайными величинами, при которой изменение одной  из величин влечет за собой изменение закона распределения другой величины. В частном случае статистическая зависимость проявляется в том, что при изменении одной из величин изменяется математическое ожидание другой. В этом случае говорят о корреляции или корреляционной зависимости.

Статистическая зависимость  проявляется только в массовом процессе, при большом числе единиц совокупности.

При стохастической закономерности для заданных значений зависимой переменной можно указать ряд значений объясняющей переменной, случайно рассеянныx в интервале. Каждому фиксированному значению аргумента соответствует определенное статистическое распределение значений функции. Это обусловливается тем, что зависимая переменная. кроме выделенной переменной, подвержена влиянию ряда неконтролируемых или неучтенных факторов. Поскольку значения зависимой переменной подвержены случайному разбросу, они не могут быть предсказаны с достаточной точностью, а только указаны с определенной вероятностью.

В экономике приходится иметь дело со многими явлениями. имеющими вероятностный характер. Например, к числу случайных величин можно отнести: стоимость продукции, доходы предприятия, межремонтный пробег автомобилей, время ремонта оборудования и т.д.

Односторонняя вероятностная  зависимость между случайными величинами есть регрессия. Она устанавливает  соответствие между этими величинами.

Односторонняя стохастическая зависимость выражается с помошью функции, которая называется регрессией.

Перечислим различные виды регрессий.

1. Регрессия относительно  числа переменных:

• простая регрессия - регрессия между двумя переменными;
• множественная регрессия - регрессия между зависимой переменной У и несколькими объясняющими переменными Х1, Х2...,Хm. Множественная линейная регрессия имеет следующий вид:

у = ао + а1х1 + a2х2 + ... + аmхm, (1)

где у - функция регрессии;

х1,. х2, ..., хm - независимые переменные;

а1.а2,…,аm - коэффициенты регрессии;

а0- свободный член уравнения;

m - число факторов, включаемых в модель.

2. Регрессия относительно  формы зависимости:

• линейная регрессия, выражаемая линейной функцией;
• нелинейная регрессия, выражаемая нелинейной функцией.

3. В зависимости от  характера регрессии различают  следующие ее виды:

• положительную регрессию. Она имеет место, если с увеличением (уменьшением) объясняющей переменной значения зависимой переменной также соответственно увеличиваются (уменьшаются);
• отрицательную регрессию. В этом случае с увеличением или уменьшением объясняюшей переменной зависимая переменная уменьшается или увеличивается.

4. Относительно типа  соединения явлений различают:

• непосредственную регрессию. В этом случае зависимая и объясняющая переменные связаны непосредственно друг с другом;
• косвенную регрессию. В этом случае объясняюшая переменная действует на зависимую через ряд других переменных;
• ложную регрессию. Она возникает при формальном подходе к исследуемым явлениям без уяснения того, какие причины обусловливают данную связь.[1, c.137]

Регрессия тесно связана  с корреляцией. Корреляция в широком  смысле слова означает связь, соотношение  между объективно суествующими явлениями. Связи между явлениями могут  быть разичны по силе. При измерении тесноты связи говорят о корреляции в узком смысле. слова. Если случайные переменные причинно обусловлены и можно в вероятностном смысле высказаться об их вязи, то имеется корреляция.

Понятия «корреляция» и «регрессия» тесно связаны между собой. В корреляционном анализе оценивается сила связи, а в регрессионном анализе исследуется ее форма. Корреляция в широком смысле объединяет корреляцию в узком смысле и регрессию.[3,c. 107]

Корреляция, как.и регрессия, имеет различные виды:

1. Относительно характера корреляции различают:
• положительную;
• отрицательную.
2. Относительно числа переменных:
• простую;
• множественную;
• частную.
3. Относительно формы связи :
• линейную;
• нелинейную.
4. Относительно типа соединения:
• непосредственную;
• косвенную;
• ложную.

Любое причинное влияние  может выражаться либо функциональной, либо корреляционной связью. Но не каждая функция или корреляция соответствует причинной зависимости между явлениями. Поэтому требуется обязательное исследование причинно-следственных связей.

Исследование корреляционных связей мы называем корреляционным анализом, а исследование односторонних стохастических зависимостей - регрессионным анализом. Корреляционный и регрессионный анализ имеют свои задачи.

К задачам корреляционного  анализа относятся следующие.

1. Измерение степени  связности (тесноты, силы) двух  и более явлений. Здесь речь идет в основном о подтверждении уже известных связей.

2. Отбор факторов, оказывающих  наиболее существенное влияние на результативный признак, на основании измерения тесноты связи между явлениями.

3. Обнаружение неизвестных  причинных связей. Корреляция непосредственно  не выявляет причинных связей между явлениями, но устанавливает степень необходимости этих связей и достоверность суждений об их наличии. Причинный характер связей выясняетея с помощью логически-профессиональных рассуждений, раскрывающих механизм свизей.

Перечислим задачи регрессионного анализа.

1. Установление формы зависимости (линейная или нелинейная; положительная или отрицательная и т. д.).

2. Определение функции регрессии и установление влияия факторов на зависимую переменную. Важно не только определить форму регрессии, указать общую тенденцию изменения зависимо переменной, но и выяснить, каково было бы действие на зависимую переменную главных факторов, если бы прочие не изменялись и если бы были исключены случайные элементы. Для этого определяют функцию регрессии в виде математического уравнения того или иного типа.