Статистическое прогнозирование урожайности сахарной свеклы

 

ФГБОУ ВПО

«ОРЛОВСКИЙ ГОСУДАРСТВЕННЫЙ  АГРАРНЫЙ УНИВЕРСИТЕТ»

 

Экономический факультет

Кафедра статистики и экономического анализа деятельности предприятий

 

КУРСОВАЯ РАБОТА

на тему:  «Статистическое прогнозирование урожайности сахарной свеклы»

на примере  Орловской области 

(название предприятия,  района, области)

 

 

Выполнил:

студентка БЭф-216с группы

направления «Экономика»

профиль «Финансы и кредит"      Польшакова Е.А.

(Ф.И.О.)

 

Руководитель:

        к.э.н. доцент 

(должность)

      Миронова Н.А. 

(Ф.И.О.)

 

 

 

 

ОРЕЛ 2013 г.

 

СОДЕРЖАНИЕ

 

ВВЕДЕНИЕ 3

1. ОСНОВНЫЕ МЕТОДЫ СТАТИСТИЧЕСКОГО ПРОГНОЗИРОВАНИЯ, СУЩНОСТЬ И УСЛОВИЯ ИХ ПРИМЕНЕНИЯ 6
2. МЕТОДИКА АВТОРЕГРЕССИОННОГО ПРОГНОЗИРОВАНИЯ, СУЩНОСТЬ И УСЛОВИЯ ПРИМЕНЕНИЯ 
1. Методы изучения тренда динамического ряда 12
2. Анализ колеблемости уровней динамического ряда 14
3. Прогнозирование на основе динамических рядов 16
3. ПРИРОДНО-ЭКОНОМИЧЕСКИЕ УСЛОВИЯ ВОЗДЕЛЫВАНИЯ САХАРНОЙ СВЕКЛЫ В ОРЛОВСКОЙ ОБЛАСТИ 20
4. ПОСТРОЕНИЕ И АНАЛИЗ ВАРИАЦИОННОГО РЯДА УРОЖАЙНОСТИ САХАРНОЙ СВЕКЛЫ 24
5. АВТОРЕГРЕССИОННОЕ ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ САХАРНОЙ СВЕКЛЫ ПО ТРЕНДУ И КОЛЕБЛЕМОСТИ 31
6. ИНДЕКСНЫЙ АНАЛИЗ УРОЖАЙНОСТИ САХАРНОЙ СВЕКЛЫ 37
7. СТАТИСТИЧЕСКАЯ ОТЧЕТНОСТЬ ОБ УРОЖАЙНОСТИ САХАРНОЙ СВЕКЛЫ 43

ЗАКЛЮЧЕНИЕ 49

СПИСОК ЛИТЕРАТУРЫ 51

ПРИЛОЖЕНИЯ 1-3

 

 

 

 

 

 

ВВЕДЕНИЕ

 

Сельское хозяйство России представлено двумя основными отраслями: растениеводством и животноводством.

Орловская область является зоной интенсивного ведения сельскохозяйственного производства.

Сельская экономика занимает значительную часть в экономическом  комплексе области: земли сельскохозяйственного назначения и территории сельских поселений расположены более чем на 90% площади области.¹

В области по состоянию  на 1 января 2010 года действовали 264 сельскохозяйственных организации, 1280 – фермерских хозяйств.

В последние годы сельскохозяйственные организации кроме посева зерновых культур стали выращивать сахарную свеклу, сеять подсолнечник и рапс.  В Орловской области в 2012 году был собран урожай сахарной свеклы, который составил 1,72 млн. тонн сахарной свеклы, что на 1 млн. тонн больше чем в 2010 году.

В среднем с 1 гектара посевной площади было собрано 419 центнеров.²

Однако многие производители  сахарной свеклы столкнулись с проблемой  сбыта своей продукции. Это было связано с тем, что в 2012 году в области работало 4 сахарных завода. При этом заводы перерабатывали не только  покупную сахарную свеклу, но и свою собственную.

В 2013 году, по информации заместителя председателя правительства Орловской области, руководителя агропромышленного блока Василия Новикова, в Орловской области сахарная свекла была убрана на площади 45,2 тыс. гектаров, что составило 1,8 млн. тонн сладких корнеплодов.

При этом средняя урожайность  составила 400,6 Ц./га. ³

В 2012 году производственные мощности сахарных заводов были увеличены на 2,5 тыс. тонн и составили 15,5 тыс. тонн в сутки (в 2011году – 13 тыс. тонн в сутки). Это способствовало облегчению сбыта продукции сельскохозяйственных организаций.

Также было принято решение  губернатором Орловской области  о посеве сахарной свеклы в 2013 году на площади не менее 45,2 тыс. гектаров.⁴

Поэтому, статистическое прогнозирование  урожайности сахарной свеклы является актуальной темой в сложившейся  ситуации.

Целью курсовой работы является раскрытие сущности статистического  прогнозирования урожайности сахарной свеклы.

Поставленная цель предполагает решение следующих задач, а именно:

• рассмотрение основных методов статистического прогнозирования, их сущность и условия применения;
• изучение методики авторегрессионного  прогнозирования, её сущность и условия применения;
• рассмотрение природно-экономических условий возделывания сахарной свеклы;
• осуществление авторегрессионного прогнозирования урожайности сахарной свеклы по тренду и колеблемости;
• проведение индексного анализа урожайности сахарной свеклы;
• рассмотрение статистической отчетности об урожае и урожайности сахарной свеклы.

Предметом исследования является статистическое прогнозирование урожайности сахарной свеклы.

Объектом исследования являются сельскохозяйственные предприятия  в Орловской области.

Методами исследования являются монографический метод, графический  метод, индексный анализ, случайная  величина, динамические ряды, вариационные ряды.

Была использована литература: учебники, учебные пособия, стат. сборники, периодическая литература, информационные интернет-ресурсы.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1.ОСНОВНЫЕ МЕТОДЫ СТАТИСТИЧЕСКОГО ПРОГНОЗИРОВАНИЯ, СУЩНОСТЬ И УСЛОВИЯ ИХ ПРИМЕНЕНИЯ

 

Статистическое прогнозирование, наряду с другими видами прогнозирования социально-экономических явлений и процессов, является инструментом социально-экономического управления и развития.

Статистические методы прогнозирования — научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных; развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей.⁵

Прогнозирование – это вид познавательной деятельности человека, направленной на формирование прогнозов развития объектов, на основе анализа тенденций и закономерностей его развития.

 Прогнозирование – это научное, основанное на системе установленных причинно-следственных связей и закономерностей, выявление состояния и вероятностных путей развития явлений и процессов.

Научной базой статистических методов прогнозирования является прикладная статистика и теория принятия решений.

Выделяют несколько основных этапов статистического прогнозирования:

Анализ объекта прогнозирования. На этом этапе рассматривается состояние, основные элементы, взаимосвязи и факторы, формирующие и оказывающие влияние на исследуемых объект; выдвигается основная рабочая гипотеза; выявляются причинно-следственные связи как внутри явления, так и вне его и определяется их статистическое выражение.

Характеристика информационной базы исследования. На данном этапе выдвигаются основные требования, предъявляемые к информационной базе. При этом различают количественную информацию, обработку которой осуществляют статистическими методами, и качественную информацию, сбор и обработка которой производится преимущественно эвристическими и непараметрическими статистическими методами анализа.

Выбор метода прогнозирования. Процесс выбора метода прогнозирования обусловлен объективизацией прогноза, которая обеспечивает реализацию наиболее точного и достоверного прогноза. С этой целью целесообразно использовать различную исходную информацию и несколько методов прогнозирования.

Построение исходной модели прогноза и ее реализация. Данный этап предполагает, что основой построения прогноза является разработка достаточно адекватной исходной модели, обладающей прогностическими свойствами.

Проверка достоверности, точности и обоснованности прогноза. На данном этапе дается достоверная оценка процесса прогнозирования на основе расчета и анализа абсолютных, относительных и средних показателей точности прогноза. Надежность прогноза определяется, как правило, величиной доверительных интервалов.

Принятие решений на основе прогнозной модели и выработка рекомендаций о возможностях ее использования для получения прогнозных оценок. Построение достаточно точных и надежных прогнозов позволяет на практике наиболее четко сформулировать резервы и пути развития изучаемых социально-экономических явлений и процессов.

 Одним из наиболее  распространенных методов прогнозирования  социально-экономических явлений и процессов является экстраполяция, то есть продление тенденции и закономерностей, связей и соотношений прошлого и настоящего на будущее.⁶

 Типичным и наиболее  применимым примером экстраполяции  является прогнозы по одномерному  временному ряду, который заключается  в продлении на будущий период  сложившейся тенденции изучаемого  явления. Основная цель данного  прогноза заключается в том,  чтобы показать, к каким результатам  можно прийти в будущем, если  развитие явления будет происходить  со скоростью, ускорением и так далее, аналогичным прошлого периода. Если прогнозная оценка окажется неудовлетворительной, то сложившаяся в прошлом тенденция должна быть изменена с учётом тех факторов, под влиянием которых она складывается.

 Широкое практическое  применение методов экстраполяции  трендов объясняется простотой метода, сравнительно небольшим объемом информации и четкостью механизма реализации, лежащих в его основе предпосылок.

 Теоретической основой  распространения тенденции на  будущее является свойство социально-экономических  явлений, называемое инерционностью.

 Инерционность – это сохранение тенденций, закономерностей, скорости и характера развития явлений и процессов в будущем, измеренных по данным прошлого периода.

 Статистическое прогнозирование  предполагает не только качественное  предсказание, но и достаточно  точное количественное измерение  вероятных возможностей, ожидаемых  значений признака. Для данной  цели важно, чтобы прогностическая  модель имела достаточную точность  или допустимо малую ошибку  прогноза.

 Ошибка статистического  прогноза будет тем меньше, чем  меньше срок упреждения и чем  длиннее информационная база  прогноза. Оба этих фактора ошибки  прогноза имеют следующие условия:  состояние и параметры процесса  в ближайшем будущем более сходны с фактическими данными и поэтому их предвидеть можно точнее, чем параметры того же процесса в далеком будущем.

Основные статистические методы

К основным статистическим методам относят:

Корреляционный анализ – это статистический метод анализа данных, предназначенный для исследования взаимозависимых выборок. Основной показатель – выборочный коэффициент корреляции. Корреляционный анализ является составной частью любого статистического исследования.

Дисперсионный анализ – это статистический метод анализа данных, предназначенный для исследования степени влияния независимых переменных на зависимые.

Факторный анализ – статистический метод анализа данных, предназначенный для выявления скрытных причин (факторов), объясняющих исследуемую ситуацию с одновременным стремлением минимизировать число этих факторов.

Кластерный анализ – совокупность алгоритмов обработки данных, предназначенных для распределения исследуемых объектов на относительно однородные группы (кластеры), причем число кластеров заранее не известно.

Дискриминантный анализ – статистический метод анализа данных, предназначенный для распределения исследуемых объектов по заранее заданным группам.

Регрессионный анализ – это статистический метод анализа данных, предназначенный для исследования зависимости одной переменной от одной или нескольких независимых переменных.

Многомерное шкалирование – позволяет получить пространственное отображение отношений существующих между объектами.⁷

Методы прогнозирования

Методы прогнозирования  классифицируются по различным критериям:

• по форме предоставления результата прогнозы делятся на количественные и качественные; количественные методы базируются на численных и математических процедурах, а качественные методы базируются на использовании имеющихся опыта, знаний и интуиции исследования;
• по величине периода выделяют: краткосрочные (1год и менее), среднесрочные(2-5 лет),  долгосрочные (свыше 5 лет);
• по охвату прогнозированием объекта исследования прогнозы бывают общими и частными.