Статистико-экономический анализ эффективности производства подсолнечника на примере СХА "Заря" и других предприятий Павловского, Петропавловского, Воробьевского и Аннинского районов Воронежской области
![]()
![]()
![]()
![]()
![]()
![]()
При
построении
по правилу 3
всегда образуется
шесть групп
предприятий.
Так как в первую
группу не вошло
ни одно предприятие,
то ее целесообразно
объединить
со второй, а,
кроме того,
пятую с шестой.
Таким образом,
мы имеем четыре
группы предприятий,
которые представлены
в следующей
таблице:
Таблица 9 – Интервальный ряд распределения предприятий по урожайности подсолнечника по группам предприятий в изучаемой совокупности предприятий
| Группы предприятий | Число предприятий | Группы значений по урожайности |
| 1 | 4 | До 9,66 |
| 2 | 9 | 9,66-15,76 |
| 3 | 5 | 15,76-21,86 |
| 4 | 5 | 21,86-34,06 |
| - | 23 | - |
По полученным группам определим сводные и обобщающие показатели, рассчитаем уровень рентабельности по каждой группе предприятий и их оформим их в виде таблицы (см.приложение 5).
Важнейшим фактором и путём повышения экономической рентабельности производства продукции растениеводства является дальнейшее увеличение урожайности сельскохозяйственных культур. Увеличение урожайности оказывает влияние не только на увеличение валовых сборов зерна, но и на экономическую эффективность его производства: производительность труда, себестоимость, а, следовательно, и на рентабельность.
Рост урожайности масличных культур, как правило, связан с дополнительными трудовыми и материальными затратами на их возделывание (в расчёте на гектар посева). Однако как показывают практические исследования темпы роста урожайности и дополнительных затрат неодинаковы – урожайность растёт быстрее, чем дополнительные затраты труда и средств. Поэтому с ростом урожайности сокращается трудоёмкость производства, снижается себестоимость подсолнечника и повышается уровень рентабельности.
Так как в полученных расчетах не выявлена яркая зависимость рентабельности от урожайности (в четвертой группе уровень рентабельности снизился, а урожайность увеличилась), проведем вторичную группировку хозяйств, объединив третью и четвертую группы. Полученные данные оформим в таблицу (см.приложение 7).
Таким образом, проведя вторичную группировку предприятий, ярко выслеживается тенденция зависимости уровня рентабельности от урожайности. С повышением урожайности по каждой группе предприятий мы наблюдаем увеличение уровня рентабельности. Если сравнивать эффективность производства культуры по каждой группе, то можно сделать вывод о том, что все три группы предприятий оказались прибыльными, так как повышение урожайности и рентабельности идет пропорционально, однако, третья группа предприятий с повышением урожайности до 20,1 ц/ га увеличила уровень рентабельности всего на 1,7% по сравнению со второй группой, в то время как урожайность второй группы равна 13, 9 ц/га. В целом можно отметить, группировка выявила заметную тенденцию движения уровня рентабельности, что и было целью данного исследования.
4.3 Однофакторный дисперсионный анализ
Дисперсионный анализ (от латинского Dispersio – рассеивание) – статистический метод, позволяющий анализировать влияние различных факторов на исследуемую переменную. Метод был разработан биологом Р. Фишером в 1925 году и применялся первоначально для оценки экспериментов в растениеводстве. В дальнейшем выяснилась общенаучная значимость дисперсионного анализа для экспериментов в психологии, педагогике, медицине и др[11].
Целью дисперсионного анализа является проверка значимости различия между средними с помощью сравнения дисперсий. Дисперсию измеряемого признака разлагают на независимые слагаемые, каждое из которых характеризует влияние того или иного фактора или их взаимодействия. Последующее сравнение таких слагаемых позволяет оценить значимость каждого изучаемого фактора, а также их комбинации.
В процессе наблюдения за исследуемым объектом качественные факторы произвольно или заданным образом изменяются. Конкретная реализация фактора называется уровнем фактора или способом обработки.
В зависимости от количества факторов, определяющих вариацию результативного признака, дисперсионный анализ подразделяют на однофакторный и многофакторный.
В моем курсовом проекте для оценки существенной зависимости, обнаруженной методом группировки применяется однофакторный дисперсионный анализ влияния урожайности подсолнечника на рентабельность производства культуры.
При изучении явлений и процессов общественной жизни статистика встречается с разнообразной вариацией (изменчивостью) признаков, характеризующих отдельные единицы совокупности.
Вариация - это различие в значениях, какого - либо признака у разных единиц данной совокупности в один и тот же момент времени. Величины признаков изменяются под действием различных факторов. И, следовательно, чем разнообразнее условия, влияющие на размер данного признака, тем больше его вариация. Исследование вариации в статистике имеет большое значение, т. к. помогает изучить сущность явления.
Определим общую вариацию:
Таблица 10 – Исходные данные для расчета общей вариации
| Рентабельность производства подсолнечника,% | № п/п |
|
|
| 97,9 | 1 | -36,1 | 1303,2 |
| 308,8 | 2 | 174,8 | 30555,0 |
| 127,6 | 3 | -6,4 | 41,0 |
| 169,2 | 4 | 35,2 | 1239,0 |
| 253,2 | 5 | 119,9 | 14376,0 |
| -3,1 | 6 | -137,1 | 18796,4 |
| 65,9 | 7 | -68,1 | 4637,6 |
| 46,2 | 8 | -87,8 | 7708,8 |
| 50,6 | 9 | -83,4 | 6955,6 |
| 19,0 | 10 | -114,0 | 13225,0 |
| 23,8 | 11 | -110,2 | 12144,0 |
| -42,7 | 12 | -152,9 | 23378,4 |
| 459,3 | 13 | 325,3 | 105820,1 |
| 143,0 | 14 | 9 | 81 |
| 203,1 | 15 | 69,1 | 4774,8 |
| 120,5 | 16 | -13,5 | 182,2 |
| 151,0 | 17 | 17 | 289,0 |
| 30,0 | 18 | -104 | 10816,0 |
| 130,6 | 19 | -3,4 | 11,6 |
| 392,6 | 20 | 258,6 | 66874 |
| 211,7 | 21 | 77,7 | 6037,3 |
| 77,4 | 22 | -56,6 | 3203,6 |
| 47,1 | 23 | -86,9 | 7551,6 |
|
|
- |
|
При выполнении всех условий применения дисперсионного анализа, разложение общей вариации математически выглядит следующим образом:
Woбщ. = Wфакт + Wост,
Woбщ. - общая вариация наблюдаемых значений (вариант), характеризуется разбросом вариант от общего среднего. Измеряет вариацию признака во всей совокупности под влиянием всех факторов, обусловивших эту вариацию. Общее разнообразие складывается из межгруппового и внутригруппового;
Wфакт - факторная (межгрупповая) вариация, характеризуется различием средних в каждой группе и зависит от влияния исследуемого фактора, по которому дифференцируется каждая группа.
Dост. - остаточная (внутригрупповая) вариация, которая характеризует рассеяние вариант внутри групп. Отражает случайную вариацию, т.е. часть вариации, происходящую под влиянием неуточненных факторов и не зависящую от признака — фактора, положенного в основание группировки. Вариация изучаемого признака зависит от силы влияния каких-то неучтенных случайных факторов, как от организованных (заданных исследователем), так и от случайных (неизвестных) факторов.
Поэтому общая вариация (дисперсия) слагается из вариации, вызванной организованными (заданными) факторами, называемыми факториальной вариацией и неорганизованными факторами, т.е. остаточной вариацией (случайной, неизвестной).
По
данным, представленным
в таблице 15
определим общую
вариацию(
):
,
(23)
где х – уровень рентабельности;
среднее
значение уровня
рентабельности
Таким образом,
=340001,2
%
Определим
факторную
вариацию (
):
,
(24)
где
среднее
значение
рентабельности
подсолнечника
в результате
аналитической
группировки;
![]()
![]()
%
Определим остаточную вариацию:
(25)
![]()
Определим общую дисперсию:
(26)
![]()
Определим факторную дисперсию:
=
(27)
![]()
Определим остаточную дисперсию:
,
(28)
Где N – число групп предприятий
![]()
В дисперсионном анализе критерий Фишера позволяет оценивать значимость факторов и их взаимодействия.
Критерий Фишера основан на дополнительных предположениях о независимости и нормальности выборок данных.
Он вычисляется по формуле:
(29)
(уровень
значимости
p = 0,05)
Если вычисленное значение критерия F больше критического для определенного уровня значимости и соответствующих чисел степеней свободы для числителя и знаменателя, то дисперсии считаются различными.
Найдем табличное значение F-критерия Фишера при уровнях значимости p = 0,05 и числа степеней свободы числителя и знаменателя- 2 и 22 соответственно: (р=0,05; 2; 20)=3,49
Сравним фактическое и табличное значения Фишера и сделаем определенные выводы.
Так как фактическое значение Фишера меньше табличного (0,0358<3,49), то по данным выборки можно сделать вывод о том, что урожайность подсолнечника не оказывает существенного влияния на рентабельность производства. Однако, на мой взгляд, данный фактор необходимо включить в многофакторную экономико-математическую модель.
5. Проектная часть
5.1 Сущность и основные условия применения корреляционного анализа
Все явления и процессы, характеризующие социально-экономическое развитие тесно взаимосвязаны и взаимозависимы между собой.
В статистике показатели, характеризующие эти явления, могут быть связаны либо корреляционной зависимостью, либо быть независимыми.
Корреляционная зависимость является частным случаем стохастической зависимости, при которой изменение значений факторных признаков (x1, х2, ..., хk) влечет за собой изменение среднего значения результативного признака.
Корреляционная зависимость исследуется с помощью методов корреляционного и регрессионного анализов.
Корреляционный анализ изучает взаимосвязи показателей и позволяет решить следующие задачи:
Оценка тесноты связи между показателями с помощью парных, частных и множественных коэффициентов корреляции;
Оценка уравнения регрессии.
Основной предпосылкой применения корреляционного анализа является необходимость подчинения совокупности значений всех факторных (x1, х2, ..., хk) и результативного (У) признаков k-мерному нормальному закону распределения или близость к нему. Если объем исследуемой совокупности достаточно большой (n > 50), то нормальность распределения может быть подтверждена на основе расчета и анализа критериев Пирсона, Ястремского, Боярского, Колмогорова, чисел Вастергарда и т. д. Если n < 50, то закон распределения исходных данных определяется на базе построения и визуального анализа поля корреляции. При этом если в расположении точек имеет место линейная тенденция, то можно предположить, что совокупность исходных данных (У, x1, х2, ..., хk) подчиняется нормальному распределению[7].
Корреляционно-регрессионный анализ как уже отмечалось, используют в случае наличия неполных связей между признаками при большом числе наблюдений. Эти связи классифицируют: по тесноте (слабые, существенные, тесные); по направлению (прямые и обратные); по аналитическому выражению (линейные и нелинейные),. При этом корреляционный анализ имеет цель: определить тесноты связи между двумя признаками (при парной корреляции) и между результативным и множеством факторных признаков ( при многофакторной связи).
Корреляционный анализ должен включать 4 этапа: 1) установление наличия зависимостей в изучаемом явлении; 2) формирование корреляционной модели связи; 3) расчет и анализ показателей связи; 4)статистическая оценка выборочных характеристик связи. При этом в модель не должны попасть факторы, связанные с результатом функционально (статистический анализ таких факторов осуществляется на основе других методов, в частности, индексного). Следует учитывать проблему взаимосвязи между факторами – избегать мультиколлинеарности, включать в уравнение факторы, имеющие тесную взаимосвязь между собой. Кроме того, соотношение числа наблюдений и числа факторов не должно быть менее 8:1-10:1, чтобы получившееся уравнение носило устойчивый характер.
Одновременно с корреляцией используется регрессия, которая исследует форму связи (если таковая вообще имеется).
Целью регрессионного анализа является оценка функциональной зависимости условного среднего значения результативного признака (У) от факторных (У, x1, х2, ..., хk).
Основной предпосылкой регрессионного анализа является то что только результативный признак (У) подчиняется нормальному закону распределения, а факторные признаки x1, х2, ..., хk могут иметь произвольный закон распределения. При этом в регрессионном анализе заранее подразумевается наличие причинно-следственных связей между результативным (У) и факторными (x1, х2, ..., хk) признаками. При этом форма связи между явлениями выражается аналитическим уравнением, на основании которого по соответствующим факторам определяется значение результативного показателя функции. Сложность заключается в том, что из бесконечного множества функций требуется найти такую, которая лучше других будем выражать реально существующие связи между изучаемым показателем и факторами. Выбор функции может опираться на теоретические знания изучаемого явления или на опыт предыдущих исследований.
Уравнение множественной регрессии можно строить в линейной форме:
![]()
Каждый коэффициент данного уравнения показывает степень влияния соответствующего фактора на анализирующий показатель при фиксированном положении остальных факторов: с изменением каждого фактора на единицу показатель изменяется на соответствующий коэффициент регрессии. Свободный член уравнения экономического смысла не имеет. С помощью многофакторного корреляционного анализа находятся различного рода характеристики тесноты связи между изучаемым показателем и факторами.
Теснота связи количественного выражения величиной коэффициентов корреляции. Коэффициент корреляции представляет количественную характеристику тесноты связи между признаками, дают возможность определять полезность факторных признаков.
Коэффициент корреляции всегда меньше единицы, и изменяется в пределах от -1 до +1. Знаки коэффициентов регрессии и корреляции всегда совпадают.
Помимо коэффициента корреляции, необходимо определять коэффициент детерминации. Он показывает, какая доля вариации результативного признака обусловлена изменением факторных признаков или факторного, входящих в многофакторную регрессионную модель.
По мере развития экономики роль и значение корреляционно-регрессионных методов в экономическом анализе повышается, рассматриваются масштабы их применение, совершенствуется методика. Использование разработанных к настоящему времени статистических методов анализа позволяет изучить, измерить и дать количественное выражение взаимосвязей между явлениями общественной жизни, установленными на основе качественного анализа. Поэтому так важно применение корреляционно-регрессионных методов на практике.
5.2 Построение многофакторной экономико-математической модели среднего уровня окупаемости подсолнечника
На данной стадии исследования нами поставлена задача построения многофакторной корреляционно-регрессионной модели уровня окупаемости подсолнечника Павловского, Петропавловского, Воробьевского и Аннинского районов Воронежской области. Для построения экономико-математической модели уровня окупаемости подсолнечника используем исходные данные (см.приложение 8) и следующие факторы:
X1 – урожайность подсолнечника, ц/га;
X2 – трудоемкость 1 ц подсолнечника, Чел.час;
X3 – себестоимость 1 ц реализованного подсолнечника, руб.;
X4 – уровень интенсивности, руб.;
X5 – уровень специализации, %;
X6 – удельный вес затрат на подсолнечник в растениеводстве, %;
Х7 – уровень концентрации (посевная площадь), %;
X8 – трудообеспеченность (число работников на 100 га пашни), чел.
Исходная информация (см. приложение 3) введена в пакет диалоговой статистики и по программе Statgraph построена модель множественной регрессии.
Таблица 11 - Экономико-математическая модель уровня окупаемости подсолнечника по предприятиям Павловского, Петропавловского, Воробьевского и Аннинского районов Воронежской области
| Условное | Коэффициент | Стандартная ошибка | t-статистика | Уровень |
| обозначение | регрессии | значимости | ||
| CONSTANT | 480,969178 | 184,890105 | 2,6014 | 0,0209 |
| x1 | -2,4372,89 | 6,334282 | -0,3848 | 0,7062 |
| x2 | -48,585345 | 33,102449 | -1,4677 | 0,1643 |
| x3 | 0,066724 | 0,22405 | 0,2978 | 0,7702 |
| x4 | 0,009309 | 0,013108 | 0,7102 | 0,4892 |
| x5 | 2,192469 | 0,879087 | 2,4940 | 0,0258 |
| x6 | -6,370657 | 3,957274 | -1,6099 | 0,1297 |
| х7 | 0,067432 | 0,051424 | -1,3113 | 0,2190 |
| х8 | -57,55466 | 46,691083 | -1,2327 | 0,2380 |
|
R-SQ (ADJ)=0,1777 SE 95,63241 Previous: 0,1245 99,85412 |
||||
Коэффициент детерминации в данной полученной модели = 17,77%, следовательно, на долю неучтенных факторов, которые влияют на уровень окупаемости подсолнечника приходится 82,23%. Это говорит о том, что статистическая оценка характеристик данной модели показывает, что некоторые факторы количественно мало изменяют результат, а влияние некоторых факторов не поддается логико-экономическому осмыслению Множественный коэффициент корреляции =4,21%, следовательно, связь между уровнем окупаемости и заложенными в модель факторами
На наш взгляд, данную экономико-математическую модель можно улучшить, так как уровень значимости некоторых факторов больше 0,05 и, как сказано выше, связь между некоторыми факторам и результативным признаком (уровень окупаемости) не поддается логико-экономическому осмыслению.
Из данной модели мы исключаем некоторые факторы, а именно – х1, х3, х4, х7 и х8.
Компьютерная программа позволяет просчитать ряд вариантов и выбрать наиболее значимую модель.
Таблица 12 - Улучшенная экономико-математическая модель уровня окупаемости подсолнечника по предприятиям Павловского, Петропавловского, Воробьевского и Аннинского районов Воронежской области
| Условное | Коэффициент | Стандарт-ная ошибка | t-статистика | Уровень |
| обозначение | регрессии | значимости | ||
| CONSTANT | 271,176866 | 46,992045 | 5,1107 | 0,0000 |
| Х2 | -23,0881171 | 18,111291 | -1,3186 | 0,2030 |
| Х5 | 1,991439 | 0,753457 | 2,6431 | 0,0160 |
| Х6 | -3,092463 | 2,193704 | -1,4097 | 0,1748 |
|
R-SQ (ADJ)=0,2844 SE 108,821689 Previous: 0,2491 111,475199 |
||||
Данная экономико-математическая модель улучшилась, так как коэффициент детерминации = 28,44%, а коэффициент корреляции =5,33%, следовательно, на долю неучтенных факторов приходится 71,6%, а теснота связи между факторами и результативным признаком
Полученная модель количественно измеряет исследуемую связь и можно представить в виде уравнения регрессии:
Ух2,х5,х6 = 271,177-23,088х2+1,991х5-3,092х6;
Коэффициент регрессии а1 = -23,088 говорит о том, что с увеличением трудоемкости подсолнечника на 1 ц, чел.-час. Уровень окупаемости подсолнечника снижается на 23,088 %; коэффициент регрессии а2 = 1,991 говорит о том, что с повышением уровня специализации уровень окупаемости увеличивается на 1,991%; коэффициент регрессии а3 = 3,092 говорит о том, что с увеличением удельного веса затрат на подсолнечник в растениеводстве, уровень окупаемости подсолнечника повышается 3,092 % .
Таким образом, путем исключения нескольких факторов из модели, мы выявили определенное влияние отдельных факторов.
На ряду с количественным измерением факторов важное значение имеет измерение тесноты изучаемой связи, коэффициента множественной регрессии R=0,17.
Связь между трудоемкостью 1 ц подсолнечника и факторами заложенными в модель - тесная. А коэффициент детерминации R2 = 0,2844=28,44% говорит о том, что уровень окупаемости подсолнечника в изучаемой совокупности предприятий на 28,44% зависит от факторов заложенной в модели и 28,44% от других факторов. Следовательно, при изучении окупаемости подсолнечника в дальнейшем нужно обратить внимание на показатели, которые не вошли в модель.
С целью оценки существенности влияния изучаемых факторов на урожайность построим многофакторный дисперсионный комплекс.
Таблица 13 - Дисперсионный анализ вариации для всей модели
| Источник вариации | Величина вариации | Число степеней свободы | Дисперсия | Фактическое значение критерия Фишера | Уровень ошибки исследования |
| Факторная | 139067 | 3 | 46355,6 | 3,91445 | 0,0248 |
| Остаточная | 225001 | 19 | 11842,2 | - | - |
| Общая | 364068 | 22 | - | - | - |
Так как фактическое значение критерия Фишера больше теоретического, то влияние заложенных факторов в модель существенно.
Определенную информацию об адекватности уравнения регрессии даёт исследование регрессионных остатков. Если выборочная регрессия удовлетворительно описывает истинную регрессионную зависимость, то остатки должны быть независимыми нормально распределенными случайными величинами с нулевым средним, и в их значениях должен отсутствовать тренд. Для проверки независимости остатков используется статистика Дарбина-Уотсона.
Критерий Дарбина-Уотсона=1,18603 говорит о том, что автокорреляция факторов несущественно влияет на результат.
Оценить существенность влияния факторов по всей модели в целом, интересно знать, как влияет каждый фактор на результат:
Таблица 14 - Дисперсионный анализ вариации в порядке влияния отдельных факторов на результат
| Источник вариации | Величина вариации | Число степеней свободы | Дисперсия | Фактическое значение критерия Фишера | Уровень ошибки исследования |
| Х1 | 52742,4691 | 1 | 52742,469 | 4,45 | 0,0483 |
| Х2 | 62790,8303 | 1 | 62790,830 | 5,30 | 0,0328 |
| Х3 | 23533,3573 | 1 | 23533,357 | 1,99 | 0,1748 |
| Model | 139066,653 | 3 | - | - | - |
Данные таблицы свидетельствуют о том, что наибольшее существенное влияние на уровень окупаемости подсолнечника оказали: трудоемкость 1 ц подсолнечника, уровень специализации и повышение удельного веса затрат на подсолнечник в затратах растениеводства. Разработанная экономико-математическая модель отражает условия производства подсолнечника, поэтому может быть использована для оценки результатов деятельности этих предприятий и в частности для расчета резервов повышения уровня окупаемости и денежной выручки за реализацию подсолнечника.
5.3 Расчет резервов увеличения среднего уровня рентабельности и денежной выручки от реализации подсолнечника
Полученная корреляционно-регрессионная модель позволяет рассчитать резервы для увеличения уровня окупаемости подсолнечника в хозяйствах Воронежской области, т.е. оценить пути улучшения их деятельности.
Из полученных данных видно, что в предприятиях Павловского, Петропавловского, Воробьевского и Аннинского районов Воронежской области имеются некоторые резервы для повышения уровня окупаемости, так если отстающие хозяйства достигнут уровня средних хозяйств, то уровень окупаемости подсолнечника повысится на 24,7%; если они достигнут уровня передовых, то уровень окупаемости возрастет на 56,3%
Рассмотрим пути увеличения денежной выручки на предприятиях Павловского, Петропавловского, Воробьевского и Аннинского районов Воронежской области (см.приложение 13). Обрабатывая данное приложение с помощью ЭВМ в пакете Statgraf, мы получим хозяйства, в которых можно добиться увеличения денежной выручки от реализации подсолнечника.
Таблица 15- Резервы повышения уровня окупаемости подсолнечника в Павловском, Петропавловском, Воробьевском и Аннинском районах Воронежской области
| Факторы | Условные обозначения | Средний
уровень
Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.),
обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus.
Помогаем в публикации. Правки вносим бесплатно.
Похожие рефераты: | ||