Статистический анализ и прогнозирование развития сельскохозяйственного производства на примере Астраханской области

11,8

10,7

11,3

16,2

19,6

19,4

12,4

Картофель

Хозяйства всех категорий

115,0

129,4

151,7

194,9

194,8

248,3

291,5

в том числе:

сельхозорганизации

17,9

16,5

16,5

17,8

22,2

26,0

23,0

хозяйства населения

49,1

58,7

55,9

66,7

52,0

57,7

56,9

крестьянские (фермерские) хозяйства

48,0

54,2

79,3

110,4

120,7

164,6

211,6

Овощи

Хозяйства всех категорий

348,5

370,8

479,4

603,0

608,7

778,5

811,3

в том числе:

сельхозорганизации

48,0

42,8

51,7

59,8

56,9

75,5

68,1

хозяйства населения

163,4

177,9

189,9

254,3

247,6

230,6

237,1

крестьянские (фермерские) хозяйства

137,2

150,1

237,8

288,8

304,2

472,4

506,1

Увеличение производства овощебахчевых культур и картофеля произошло как за счет расширения посевных площадей, так и повышения урожайности этих культур. Используя индексный метод, можно определить влияние изменения урожайности и посевных площадей на величину валового сбора. Расчеты показывают, что посевные площади под картофелем за 2006-2012гг. росли в среднем за каждый год на 11% , а урожайность - на 5%. Таким образом, среднегодовой прирост валового сбора картофеля за 2006-2012гг. на 16% обеспечен, в основном, приростом посевных площадей на 11% и лишь на 5% - приростом урожайности. Среднегодовой прирост валового сбора овощей за анализируемый период на 14%, наоборот, в большей степени обеспечен приростом урожайности на 9% и на 5% - приростом посевных площадей.

Урожайность является основным показателем, отражающим эффективность использования земли, результат интенсификации производства. Данные динамического ряда показывает, что урожайность основных сельскохозяйственных культур имеет общую тенденцию роста (табл.9).

Таблица 9. Урожайность основных сельскохозяйственных культур в хозяйствах всех категорий (центнеров с 1 га убранной площади)

	2006	2007	2008	2009	2010	2011	2012
Зерно	14,3	22,3	19,6	23,5	23,1	26,4	21,6
в том числе рис	30,3	29,7	29,5	33,0	34,1	35,1	33,9
Картофель	157,3	164,5	179,1	199,5	191,1	210,2	212,0
Овощи	217,5	235,2	274,0	318,4	325,5	360,6	368,8
Бахчи продовольственные	203,1	219,5	233,1	279,8	259,9	279,8	279,7

Средний абсолютный прирост урожайности зерновых культур за 2006-2012гг. составил 1,2 ц с гектара за каждый год, картофеля - 9,1 ц, бахчевых культур - 12,7 ц, овощей - 25,2 ц.

Наиболее адаптивными и наиболее продуктивными культурами в условиях Астраханской области являются овощные культуры. При определенных производственно-экономических факторах они дают высокий уровень урожайности вне зависимости от метеорологических условий. В 2012 году средняя урожайность овощей в хозяйствах всех категорий Астраханской области была самой высокой в России. Выше, чем в других регионах России, и урожайность картофеля. Климатические параметры и почвенные характеристики области позволяют получать два урожая картофеля в году - раннего и позднего. Поэтому одним из приоритетных направлений в развитии растениеводства в области является дальнейшее увеличение производства картофеля с преимущественным производством более дорогой ранней продукции.

В засушливых условиях Астраханской области рациональное ведение сельскохозяйственного производства возможно только на основе широкого применения искусственного орошения. Наряду с традиционными способами полива в ряде хозяйств Астраханской области применяется технология возделывания сельскохозяйственных культур с капельным орошением. В 2012 году система капельного орошения применялась в 356 крестьянских (фермерских) хозяйствах и 43 сельхозорганизациях области.

В этих крестьянских хозяйствах с применением "капли" возделывалось 76,7% посевов сельхозкультур, сельхозорганизациях - 63,6% посевов. Наиболее широко использовалось капельное орошение при возделывании овощных культур и картофеля. В крестьянских (фермерских) хозяйствах "в капле" находилось 89,4% посевов овощей и 84,4% посадок картофеля, в сельхозорганизациях - соответственно 69,2% и 89,6%.

В крестьянских (фермерских) хозяйствах урожайность овощей при капельном орошении составила 494,0 ц с гектара, картофеля - 249,3 ц (без применения "капли" соответственно 388,3 ц и 199,4 ц); в сельхозорганизациях: овощей - 518,9 ц с гектара, картофеля - 243,8 ц (без применения "капли" соответственно 217,3 ц и 150,0 ц). В отдельных хозяйствах применение технологии капельного орошения позволило получить значительно более высокую урожайность сельхозкультур: овощей - до 950 ц с гектара, картофеля - до 500 ц с гектара.

Капельное орошение показало значительные преимущества перед традиционными способами полива. Это экономия поливной воды, возможность проведения подкормок растений удобрениями в растворенном виде вместе с поливной водой, возможность рыхления междурядий, уборка урожая независимо от проведения полива, высокая приживаемость рассады после высадки и практически полная всхожесть семян без рассадных культур, что в значительной степени определяет высокую урожайность возделываемых культур.

Дорогостоящее капельное орошение быстро окупается при неоднократном использовании одного и того же участка поля в течение года. Широкий набор культур, который можно выращивать при капельном орошении, позволяет сочетать ранние и поздние сорта овощей и картофеля на одной и той же площади и получать два урожая в году. В основном же в хозяйствах практикуется ограниченный набор возделываемых сельхозкультур, а зачастую и монокультура.

Для дальнейшего развития товарного растениеводства необходим всесторонне обоснованный конвейер производства сельхозкультур ранних, средних, поздних сортов созревания, овощей из защищенного грунта, чтобы продлить период поступления продукции с мая по ноябрь.

Наряду с увеличением валовых сборов сельскохозяйственных культур, необходимо создание логистических площадок вблизи хозяйств - поставщиков для переработки продукции, ее хранения, сортировки, фасовки, упаковки и доставки потребителю.

На территории Астраханской области под урожай 2012 года вся посевная площадь сельскохозяйственных культур составила 79,1 тыс. га (на 0,4 тыс. га больше 2011 года) 9(табл.10).

Таблица 10. Посевная площадь сельскохозяйственных культур (тыс. гектаров)

	2008	2009	2010	2011	2012
Хозяйства всех категорий	71,8	75	75,5	78,7	79,1
Сельхозорганизации	28,1	26,2	23,8	20,6	20,4
Хозяйства населения	13,8	13,8	13,3	12,8	13
Крестьянские (фермерские) хозяйства и индивидуальные предприниматели	29,9	35	38,4	45,2	45,7

В сельхозорганизациях посевная площадь сократилась на 44,5%, в хозяйствах населения - осталось на уровне 2008 года, в крестьянских (фермерских) хозяйств - увеличилась в 2,2 раза. Структура посевной площади по категориям хозяйств изменилась в сторону увеличения доли крестьянских (фермерских) хозяйств - с 29, 6% в 2008 году до 57,8% в 2012 году, доля сельхозорганизаций снизилась с 52% до 25,8%, хозяйств населения - с 18,4% до 16,4% (рис. 6).

Рис.6. Вся посевная площадь сельскохозяйственных культур

Анализ данных показывает, что с 2008 года ежегодно увеличивалась и к 2012 году увеличение составило 7,3 тыс. га.

Анализ посевной площади в крестьянских (фермерских) хозяйствах с 2008 года ежегодно увеличивалась и к 2012 году увеличение составило 15,8 тыс. га. или на 52,8% (рис.7).

Рис.7. Посевные площади сельскохозяйственных культур

В 2012 году зерновые и зернобобовые культуры размещены на площади 17,7 тыс. га (на 3,6 тыс. га меньше 2011 года). Посевная площадь риса - 4,9 тыс. га (на 4,5 тыс. га меньше 2011 года), площадь картофеля составила - 14,0 тыс. га (на 1,9 тыс. га больше 2011 года), площади под овощными культурами - 22,2 тыс. га (на 0,2 тыс. га больше 2011 года). Также следует заметить, что посевная площадь овощей изменилась незначительно по сравнению с предыдущем годом.

Посевная площадь сельскохозяйственных культур в крестьянских фермерских хозяйствах в 2008 году составила 29,9 тыс. га (42% от всей посевной площади), (рис.8).

Рис.8. Посевные площади сельскохозяйственных культур

Площадь посадок картофеля составила 3,3 тыс. га (37,9% от общей площади посадок картофеля), овощей 6,8 тыс. га (37,7% от всей посевной площади овощей), бахчевых культур 4,3 тыс. га (66% от всей площади сева бахчевых культур).

Посевная площадь сельскохозяйственных культур в крестьянских фермерских хозяйствах в 2012 году составила 45,7 тыс. га (57% от всей посевной площади) (рис.9).

Площадь посадок картофеля составила 9,3 тыс. га (65,7% от общей площади посадок картофеля), овощей 11,6 тыс. га (70,5% от всей посевной площади овощей), бахчевых культур 6,8 тыс. га (86% от всей площади сева бахчевых культур).

Рис.9. Посевные площади сельскохозяйственных культур

Приведенные материалы показывают, что в аграрном секторе экономики Астраханской области:

период 2006-2012гг. характеризовался стабильной динамикой развития сельского хозяйства. Рост сельскохозяйственного производства наблюдался у всех сельхозпроизводителей;

за 2006-2012гг. производство продукции сельского хозяйства увеличилось в сопоставимых ценах в 2,0 раза, в том числе продукции растениеводства - в 2,5 раза, продукции животноводства - на 42,0%;

с 2006 производство картофеля увеличилось в 2,5 раза, овощей - в 2,3 раза, бахчевых культур - в 2,1 раза.

ведущая роль в производстве продукции растениеводства принадлежит крестьянским (фермерским) хозяйствам, в производстве продукции животноводства - хозяйствам населения.

Резервами увеличения объемов производства сельскохозяйственной продукции являются:

разработка мероприятий по рациональному использованию земельных ресурсов;

широкое использование технологии возделывания сельскохозяйственных культур с капельным орошением;

внедрение конвейера производства сельскохозяйственных культур ранних, средних и поздних сортов созревания, овощей из защищенного грунта;

интенсивное кормопроизводство;

обеспечение гарантированного рынка сбыта продукции;

создание логистических площадок для переработки продукции, ее хранения, сортировки, фасовки, упаковки и доставки потребителю.

2.2 Корреляционно-регрессионный анализ влияния факторов на валовый сбор основных видов продукции растениеводства Астраханской области

Современная статистическая наука, руководствуясь объективными требованиями практики, обязана систематически и адекватно отображать не только уровень и динамику, но и устанавливать тесноту связи между ними.

На валовой сбор основных сельскохозяйственных культур складывается под воздействием большого числа самых разнообразных факторов. В рамках нашего исследования рассмотреть взаимосвязь валового сбора культур растениеводства со всеми факторами не представляется возможным, из-за их недостатка статистической информации.

В работе были исследованы четыре культуры: картофель, овощи, бахчи, зерно. Рассмотрим взаимосвязь Y - валового сбора картофеля (тыс. тонн);

от следующих факторов:

X 1- посевные площади картофеля (тыс. гектаров);

X 2- урожайность картофеля (центнера с 1 га);

X 3- выбросы вредных веществ в атмосферу (тыс. тонн);

X 4- инвестиции в сельское хозяйство (млн.руб.);

X 5- среднемесячная номинальная заработная плата работников (рублей) (табл.12).

Таблица 12. Валовой сбор картофеля

год	y	x1	x2	x3	x4	x5
2008	151,7	8,7	174,4	125,1	189,2	5193
2009	194,9	10	194,9	103,3	240,4	7071
2010	194,8	10,6	183,8	124,9	316,8	7819

Прежде всего, выясним, существует ли вообще такая зависимость. Для этого вычислим корреляционную матрицу для всех пяти указанных переменных (табл13).

Таблица 13. Корреляционная матрица

	Y	X1	X2	X3	X4	X5
Y	1.000000	0.993143	0.934511	0.519472	0.401538	0.975377
X1	0.993143	1.000000	0.889480	0.576413	0.464099	0.979979
X2	0.934511	0.889480	1.000000	0.261262	0.286274	0.905130
X3	0.519472	0.576413	0.261262	1.000000	0.165781	0.504718
X4	0.401538	0.464099	0.286274	0.165781	1.000000	0.581145
X5	0.975377	0.979979	0.905130	0.504718	0.581145	1.000000

Посмотрев на первый столбец этой таблицы, мы видим, что парные коэффициенты корреляции между переменной (Y) валового сбора картофеля и переменными (X1) посевных площадей картофеля, (X2) урожайности картофеля и (X5) среднемесячной номинальной заработной платы работников наиболее близок к единице. Это означает, что между переменной (Y) и переменой (X1), (X2), (X5) существует положительная линейная зависимость.

Это значит, что при увеличении (X1) посевной площади картофеля, (X2) урожайность картофеля и (X5) среднемесячной номинальной заработной платы работников, то (Y) валовой сбор картофеля так же увеличиться.

У оставшихся переменных как (X4) среднегодовая численность работников и (X3) выбросы вредных веществ в атмосферу также существует линейная зависимость, но не сильно.

Проанализировав все значение коэффициентов корреляции рангов, можно разделить все показатели на четыре группы по степени тесноты связи.

В первую группу вошли: (X1) посевной площади картофеля, (X2) урожайность картофеля и (X5) среднемесячная номинальная заработная плата работников, значение 0,7, что свидетельствует о достаточно сильной связи с результативным показателем.

Вторая группа - это показатели значение коэффициентов, которых колеблются между (0,5 и 0,7), связь с результативным показателем, безусловно, присутствует, но не настолько характерная как в случае с первой группой. В нее вошли следующие показатели: (X 3) - выбросы вредных веществ в атмосферу и (X 4) - среднегодовая численность работников.

В третью и четвертую группу не вошел ни один показатель.

Представленная ранее система результативно-факторных показателей была скорректирована и приобрела следующий вид:

X 1- посевные площади картофеля (тыс. гектаров);

X 2- урожайность картофеля (центнера с 1 га);

X3- среднемесячная номинальная заработная плата работников (рублей).

Оценим регрессию следующего вида (табл.14):

(1)

Таблица14. Результат анализа

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-217.9522	11.31072	-19.26953	0.0330
X1	24.57916	1.137125	21.61518	0.0294
X2	1.039332	0.076130	13.65203	0.0465
X5	-0.004947	0.001283	-3.857337	0.1615
R-squared	0.999928	Mean dependent var	216.2400
Adjusted R-squared	0.999711	S.D. dependent var	54.25033
S.E. of regression	0.922815	Akaike info criterion	2.667787
Sum squared resid	0.851588	Schwarz criterion	2.355337
Log likelihood	-2.669466	F-statistic	4607.682
Durbin-Watson stat	2.587061	Prob(F-statistic)	0.010829

Коэффициент детерминации близок к 1, что подтверждает хорошее качество регрессии. Подставим полученные оценки из итоговой формы вывода:

(2)

Проверка общего качества уравнения множественной регрессии.

Для ее проверки используют F-критерий Фишера.

При этом вычисляют фактическое (наблюдаемое) значение F-критерия, через коэффициент детерминации R2, рассчитанный по данным конкретного наблюдения.

По таблицам распределения Фишера-Снедоккора находят критическое значение F-критерия (Fкр). Для этого задаются уровнем значимости б (обычно его берут равным 0,05) и двумя числами степеней свободы k1=m и k2=n-m-1.

F-статистика. Критерий Фишера

(3)

Чем ближе этот коэффициент к единице, тем больше уравнение регрессии объясняет поведение Y.

Проверка этой гипотезы осуществляется с помощью F-статистики распределения Фишера.

Если F < Fkp = Fб ; n-m-1, то нет оснований для отклонения гипотезы H0.

(4)

Табличное значение при степенях k1 = 3 и k2 =1, Fkp(3;1) = 216, Поскольку фактическое значение F > Fkp, то коэффициент детерминации статистически значим и уравнение регрессии статистически надежно.

Далее будем рассмотреть взаимосвязь Y - валового сбора овощей (тыс. тонн) от следующих факторов:

X 1- посевная площадь овощей (тыс. гектаров);

X 2- урожайность овощей (центнера с 1 га);

X 3- выбросы вредных веществ в атмосферу (тыс. тонн);

X 4- инвестиции в сельское хозяйство (млн.руб.);

X 5- среднемесячная номинальная заработная плата работников (рублей) (табл.15).

Таблица 15. Валовой сбор овощей

год	y	x1	x2	x3	x4	x5
2008	479,4	18	266,3	125,1	189,2	5193
2009	603	19,6	307,7	103,3	240,4	7071
2010	608,7	19,1	318,7	124,9	316,8	7819
2011	778,5	22	353,9	131,5	248,6	9114
2012	811,3	22,2	365,5	134,4	268,3	10268

Прежде всего, выясним, существует ли вообще такая зависимость. Для этого вычислим корреляционную матрицу для всех пяти указанных переменных.

Таблица16. Корреляционная матрица

	Y	X1	X2	X3	X4	X5
Y	1.000000	0.989474	0.988529	0.506992	0.423624	0.977013
X1	0.989474	1.000000	0.957779	0.480519	0.293827	0.937695
X2	0.988529	0.957779	1.000000	0.479999	0.554867	0.993442
X3	0.506992	0.480519	0.479999	1.000000	0.165781	0.504718
X4	0.423624	0.293827	0.554867	0.165781	1.000000	0.581145
X5	0.977013	0.937695	0.993442	0.504718	0.581145	1.000000

Посмотрев на первый столбец этой таблицы, мы видим, что парные коэффициенты корреляции между переменной (Y) валового сбора овощей и переменными (X1) посевных площадей овощей, (X2) урожайности овощей и (X5) среднемесячной номинальной заработной платы работников наиболее близок к единице. Это означает, что между переменной (Y) и переменой (X1), (X2), (X5) существует положительная линейная зависимость.

Это значит, что при увеличении (X1) посевной площади овощей, (X2) урожайность овощей и (X5) среднемесячной номинальной заработной платы работников, то (Y) валовой сбор овощей так же увеличиться.

У оставшихся переменных как (X4) среднегодовая численность работников и (X3) выбросы вредных веществ в атмосферу также существует линейная зависимость, но не сильно.

Проанализировав все значение коэффициентов корреляции рангов, можно разделить все показатели на четыре группы по степени тесноты связи.

В первую группу вошли: (X1), (X2) (X5), значение 0,7, что свидетельствует о достаточно сильной связи с результативным показателем.

Вторая группа - это показатели значение коэффициентов, которых колеблются между (0,5 и 0,7), связь с результативным показателем, безусловно, присутствует, но не настолько характерная как в случае с первой группой. В нее вошли следующие показатели: (X 3) и (X 4).

В третью и четвертую группу не вошел ни один показатель.

Представленная ранее система результативно-факторных показателей была скорректирована и приобрела следующий вид:

X 1- посевная площадь овощей;

X 2- урожайность овощей;

X 3- среднемесячная номинальная начисленная заработная плата работников.

Оценим регрессию следующего вида (табл.17):

(5)



Таблица17. Результат анализа

Dependent Variable: Y
Method: Least Squares
Date: 05/24/14 Time: 16:22
Sample: 2008 2012
Included observations: 5
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-577.7295	96.21958	-6.004282	0.1051
X1	40.78103	5.439986	7.496532	0.0844
X2	0.938379	0.773953	1.212449	0.4391
X5	0.013733	0.013004	1.056107	0.4826
R-squared	0.999635	Mean dependent var	656.1800
Adjusted R-squared	0.998540	S.D. dependent var	137.2571
S.E. of regression	5.243955	Akaike info criterion	6.142591
Sum squared resid	27.49907	Schwarz criterion	5.830141
Log likelihood	-11.35648	F-statistic	913.1283
Durbin-Watson stat	2.714513	Prob(F-statistic)	0.024321

Коэффициент детерминации близок к 1, что подтверждает хорошее качество регрессии. Подставим полученные оценки из итоговой формы вывода:

(6)

Проверка общего качества уравнения множественной регрессии.

Для ее проверки используют F-критерий Фишера.

Проверка этой гипотезы осуществляется с помощью F-статистики распределения Фишера.

Если F < Fkp = Fб ; n-m-1, то нет оснований для отклонения гипотезы H0.

(7)

Табличное значение при степенях k1 = 3 и k2 = 1, Fkp(3;1) = 216, Поскольку фактическое значение F > Fkp, то коэффициент детерминации статистически значим и уравнение регрессии статистически надежно.

Далее будем рассмотреть взаимосвязь Y - валового сбора зерна (тыс. тонн) от следующих факторов:

X 1- посевная площадь зерна (тыс. гектаров);

X 2- урожайность зерна (центнера с 1 га);

X 3- выбросы вредных веществ в атмосферу (тыс. тонн);

X 4- инвестиции в сельское хозяйство (млн.руб.);

X 5- среднемесячная номинальная заработная плата работников (рублей) (табл.18).

Таблица 18. Валовой сбор зерна

год	y	x1	x2	x3	x4	x5
2008	40.2	23.5	17.1	125,1	189.2	5193
2009	48.1	24.5	19.6	103,3	240.4	7071
2010	43.6	23	19	124,9	316.8	7819
2011	45.6	21.3	21.4	131,5	248.6	9114
2012	31.8	17.7	18	134,4	268.3	10268

Прежде всего, выясним, существует ли вообще такая зависимость. Для этого вычислим корреляционную матрицу для всех пяти указанных переменных (табл.19).

Таблица 19. Корреляционная матрица

	Y	X1	X2	X3	X4	X5
Y	1.000000	0.982251	0.996137	5.567957	0.527430	0.989046
X1	0.982251	1.000000	0.072656	-0.761952	-0.255525	-0.831567
X2	0.996137	0.072656	1.000000	-0.086304	0.289972	0.407911
X3	0.567957	-0.761952	-0.086304	1.000000	0.165781	0.504718
X4	0.527430	-0.255525	0.289972	0.165781	1.000000	0.581145
X5	0.989046	-0.831567	0.407911	0.504718	0.581145	1.000000

Посмотрев на первый столбец этой таблицы, мы видим, что парные коэффициенты корреляции между переменной (Y) валового сбора зерна и переменными (X1) посевных площадей зерна, (X2) урожайности зерна и (X5) среднемесячной номинальной заработной платы работников наиболее близок к единице. Это означает, что между переменной (Y) и переменой (X1), (X2), (X5) существует положительная линейная зависимость.

Это значит, что при увеличении (X1) посевной площади зерна, (X2) урожайность зерна и (X5) среднемесячной номинальной заработной платы работников, то (Y) валовой сбор зерна так же увеличиться.

У оставшихся переменных как (X4) среднегодовая численность работников и (X3) выбросы вредных веществ в атмосферу также существует линейная зависимость, но не сильно.

Проанализировав все значение коэффициентов корреляции рангов, можно разделить все показатели на четыре группы по степени тесноты связи.

В первую группу вошли: (X1), (X2) (X5), значение 0,7, что свидетельствует о достаточно сильной связи с результативным показателем.

Вторая группа - это показатели значение коэффициентов, которых колеблются между (0,5 и 0,7), связь с результативным показателем, безусловно, присутствует, но не настолько характерная как в случае с первой группой. В нее вошли следующие показатели: (X 3) и (X 4).

В третью и четвертую группу не вошел ни один показатель.

Представленная ранее система результативно-факторных показателей была скорректирована и приобрела следующий вид:

X 1- посевная площадь зерна;

X 2- урожайность зерна;

X 3- среднемесячная номинальная начисленная заработная плата работников.

Оценим регрессию следующего вида (табл.20):

(8)

Таблица 20. Результат анализа

Dependent Variable: Y
Method: Least Squares
Date: 05/24/14 Time: 16:37
Sample: 2008 2012
Included observations: 5
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-43.97298	3.865690	-11.37520	0.0558
X1	2.037842	0.188228	10.82646	0.0586
X2	2.032241	0.186569	10.89272	0.0583
X5	0.000297	0.000282	1.053212	0.4835
R-squared	0.999337	Mean dependent var	41.86000
Adjusted R-squared	0.997350	S.D. dependent var	6.322816
S.E. of regression	0.325509	Akaike info criterion	0.583712
Sum squared resid	0.105956	Schwarz criterion	0.271262
Log likelihood	2.540721	F-statistic	502.7414
Durbin-Watson stat	2.833796	Prob(F-statistic)	0.032771

Коэффициент детерминации близок к 1, что подтверждает хорошее качество регрессии. Подставим полученные оценки из итоговой формы вывода:

(9)

Проверка общего качества уравнения множественной регрессии.

Для ее проверки используют F-критерий Фишера.

Проверка этой гипотезы осуществляется с помощью F-статистики распределения Фишера.

Если F < Fkp = Fб ; n-m-1, то нет оснований для отклонения гипотезы H0.

(10)

Табличное значение при степенях k1 = 3 и k2 = 1, Fkp(3;1) = 216, Поскольку фактическое значение F > Fkp, то коэффициент детерминации статистически значим и уравнение регрессии статистически надежно.

Последним осталось рассмотреть взаимосвязь Y - валового сбора бахчи (тыс. тонн) от следующих факторов:

X 1- посевная площадь бахчи (тыс. гектаров);

X 2- урожайность бахчи (центнера с 1 га);

X 3- выбросы вредных веществ в атмосферу (тыс. тонн);

X 4- инвестиции в сельское хозяйство (млн.руб.);

X 5- среднемесячная номинальная заработная плата работников (рублей) (табл.21).

Таблица 21. Валовой сбор бахчи

год	y	x1	x2	x3	x4	x5
2008	143.5	6.5	220,8	125,1	189,2	5193
2009	160.1	6.6	242,6	103,3	240,4	7071
2010	181.2	7.9	229,4	124,9	316,8	7819
2011	183.4	8.9	206,1	131,5	248,6	9114
2012	199.1	7.9	252	134,4	268,3	10268

Прежде всего, выясним, существует ли вообще такая зависимость. Для этого вычислим корреляционную матрицу для всех пяти указанных переменных (табл.22).

Таблица 22. Корреляционная матрица

	Y	X1	X2	X3	X4	X5
Y	1.000000	0.988939	0.973759	0.557807	0.626392	0.972105
X1	0.988939	1.000000	-0.372560	0.662376	0.539726	0.773980
X2	0.973759	-0.372560	1.000000	-0.252336	0.249630	0.268432
X3	0.557807	0.662376	-0.252336	1.000000	0.165781	0.504718
X4	0.626392	0.539726	0.249630	0.165781	1.000000	0.581145
X5	0.972105	0.773980	0.268432	0.504718	0.581145	1.000000

Посмотрев на первый столбец этой таблицы, мы видим, что парные коэффициенты корреляции между переменной (Y) валового сбора бахчи и переменными (X1) посевных площадей бахчи, (X2) урожайности бахчи и (X5) среднемесячной номинальной заработной платы работников наиболее близок к единице. Это означает, что между переменной (Y) и переменой (X1), (X2), (X5) существует положительная линейная зависимость.

Это значит, что при увеличении (X1) посевной площади бахчи, (X2) урожайность бахчи и (X5) среднемесячной номинальной заработной платы работников, то (Y) валовой сбор бахчи так же увеличиться.

У оставшихся переменных как (X4) среднегодовая численность работников и (X3) выбросы вредных веществ в атмосферу также существует линейная зависимость, но не сильно.

Проанализировав все значение коэффициентов корреляции рангов, можно разделить все показатели на четыре группы по степени тесноты связи.

В первую группу вошли: (X1), (X2) (X5), значение 0,7, что свидетельствует о достаточно сильной связи с результативным показателем.

Вторая группа - это показатели значение коэффициентов, которых колеблются между (0,5 и 0,7), связь с результативным показателем, безусловно, присутствует, но не настолько характерная как в случае с первой группой. В нее вошли следующие показатели: (X 3) и (X 4).

В третью и четвертую группу не вошел ни один показатель.

Представленная ранее система результативно-факторных показателей была скорректирована и приобрела следующий вид:

X 1- посевная площадь бахчи;

X 2- урожайность бахчи;

X 3- среднемесячная номинальная начисленная заработная плата работников.

Оценим регрессию следующего вида (табл.23):

(11)

Таблица 23. Результат анализа

Dependent Variable: Y
Method: Least Squares
Date: 05/24/14 Time: 16:46
Sample: 2008 2012
Included observations: 5
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-212.9851	68.01715	-3.131344	0.1968
X1	25.25935	5.655073	4.466672	0.1402
X2	0.901174	0.208140	4.329646	0.1445
X5	-0.001514	0.002829	-0.535106	0.6872
R-squared	0.997383	Mean dependent var	173.4600
Adjusted R-squared	0.989531	S.D. dependent var	21.74978

Коэффициент детерминации близок к 1, что подтверждает хорошее качество регрессии. Подставим полученные оценки из итоговой формы вывода:

(12)

Проверка общего качества уравнения множественной регрессии.

Для ее проверки используют F-критерий Фишера.

Проверка этой гипотезы осуществляется с помощью F-статистики распределения Фишера.

Если F < Fkp = Fб ; n-m-1, то нет оснований для отклонения гипотезы H0.

(13)

Табличное значение при степенях k1 = 3 и k2 = 1, Fkp(3;1) = 216, Поскольку фактическое значение F > Fkp, то коэффициент детерминации статистически значим и уравнение регрессии статистически надежно.



3. Прогнозирование основных видов продукции растениеводства в Астраханской области

3.1 Построение прогноза валового сбора основных видов растениеводства

Как было сказано в первой главе, есть много видов прогнозирования, но для сельскохозяйственных культур были выбраны метод наименьших квадратов и метод скользящей средней.

Одними из основных отраслей растениеводства остаются производство овощей, бахчевых культур, картофеля. В Астраханской области разработана и успешно притворяется в жизнь программа развития картофелеводства. С каждым годом увеличиваются объёмы производства этого ценного продукта.

Приступим к прогнозированию валового сбора картофеля методом наименьших квадратов. Для этого составим таблицу, в которой будем производить необходимые расчеты (табл.24).

Год	X	y	t y	X2	сглаженные значения y(t)	Средняя относительная ошибка (y-y(t)) : y
2008	1	151.7	151.7	1	149.64	0.0136
2009	2	194.9	389.8	4	182.94	0.0614
2010	3	194.8	584.4	9	216.24	0.11
2011	4	248.3	993.2	16	249.54	0.00499
2012	5	291.5	1457.5	25	282.84	0.0297
Итого	15	1081.2	3576.6	55	1081.2	0.22

Рабочая формула метода наименьших квадратов:

(14)



где t + 1 - прогнозный период

Уt+1 - прогнозируемый показатель

a и b - коэффициенты

Х - условное обозначение времени

Расчет коэффициентов a и b осуществляется по следующим формулам:

(15)

(16)

(a=33.3), (b=116.34)

Построим прогноз до 2017 года

Таблица 25. Результат анализа

Год	Условное обозначение времени, X	Прогноз
2013	6	316.14
2014	7	349.44
2015	8	382.74
2016	9	416.04
2017	10	449.34

Оценим качество уравнения тренда с помощью средней относительной ошибки аппроксимации.

(17)

Ошибка аппроксимации в пределах 5%-7% свидетельствует о хорошем подборе уравнения тренда к исходным данным.

(18)

Поскольку ошибка меньше 7%, то данное уравнение можно использовать в качестве тренда.

Рис. 10. Прогноз валового сбора картофеля.

Приоритетным направлением становится производство ранней и сверхранней продукции, а также внедрение инновационных технологий. Ежегодно увеличиваются площади под капельным орошением, в 2013 году применялась система капельного орошения уже на площади 1636 га.

Внедрение систем капельного оборудования позволяет практически в 2 раза экономить затраты воды на орошение, вносить с поливной водой минеральные удобрения и средства защиты, программировать урожай, создавать оптимальные условия для роста и развития производства. Более 150 кг в действующем веществе в среднем внесены под посевы овощебахчевых культур в текущем году.

Приступим к прогнозированию валового сбора овощей методом наименьших квадратов. Для этого составим таблицу, в которой будем производить необходимые расчеты (табл.26).



Таблица 26. Результат анализа

Год	X	y	t y	X2	сглаженные значения y(t)	Средняя относительная ошибка (y-y(t)) : y
2008	1	479.4	479.4	1	488.32	0.0186
2009	2	603	1206	4	572.25	0.051
2010	3	608.7	1826.1	9	656.18	0.078
2011	4	778.5	3114	16	740.11	0.0493
2012	5	811.3	4056.5	25	824.04	0.0157
Итого	15	3280.9	10682	55	3280.9	0.21

Рабочая формула метода наименьших квадратов:

(19)

где t + 1 - прогнозный период; Уt+1 - прогнозируемый показатель; a и b - коэффициенты; Х - условное обозначение времени

Расчет коэффициентов a и b осуществляется по следующим формулам:

(20)

(21)

Таблица 27. Результат анализа

Год	Условное обозначение времени, X	Прогноз
2013	6	907,97
2014	7	991,9
2015	8	1075,83
2016	9	1159,76
2017	10	1243,69



Оценим качество уравнения тренда с помощью средней относительной ошибки аппроксимации.

(22)

Ошибка аппроксимации в пределах 5%-7% свидетельствует о хорошем подборе уравнения тренда к исходным данным.

(23)

Поскольку ошибка меньше 7%, то данное уравнение можно использовать в качестве тренда.

Рис. 11. Прогноз валового сбора овощей.

С каждым годом растет число хозяйств занимающихся выращиванием овощей, площадь, занятая под ними по итогам 2012 г., составила 22,2 тыс.га.

Овощеводы поставляют покупателю большой ассортимент овощной продукции: капуста, баклажан, морковь, свекла, лук, огурцы, томаты на любой выбор и предпочтения покупателя.

Применение высокотехнологичных методов выращивания районированных сортов и гибридов, позволяет получить высокие урожаи. Одним из таких методов является капельное орошение, применение которого значительно уменьшает затраты на рабочую силу и энергоносители.

Приступим к прогнозированию валового сбора бахчи методом наименьших квадратов. Для этого составим таблицу, в которой будем производить необходимые расчеты (табл.28).

Таблица 28. Результат анализа

Год	X	y	t y	X2	сглаженные значения y(t)	Средняя относительная ошибка (y-y(t)) : y
2008	1	143.5	143.5	1	146.56	0.0213
2009	2	160.1	320.2	4	160.01	0.000562
2010	3	181.2	543.6	9	173.46	0.0427
2011	4	183.4	733.6	16	186.91	0.0191
2012	5	199.1	995.5	25	200.36	0.00633
Итого	15	867.3	2736.4	55	867.3	0.0901

Рабочая формула метода наименьших квадратов:

(24)

где t + 1 - прогнозный период

Уt+1 - прогнозируемый показатель

a и b - коэффициенты

Х - условное обозначение времени

Расчет коэффициентов a и b осуществляется по следующим формулам:

(25)

(26)

(a=13.45), (b=133.11)

Построим прогноз до 2017 года

Таблица29. Результат анализа

Год	Условное обозначение времени, X	Прогноз
2013	6	213,81
2014	7	227,26
2015	8	240,71
2016	9	254,16
2017	10	267,61

Оценим качество уравнения тренда с помощью средней относительной ошибки аппроксимации.

(27)

Ошибка аппроксимации в пределах 5%-7% свидетельствует о хорошем подборе уравнения тренда к исходным данным.

(28)

Поскольку ошибка меньше 7%, то данное уравнение можно использовать в качестве тренда.

Лидирующее положение здесь занимает бахчеводство с объемом посевных площадей 7,9 тыс. га (на отчетный период 2012 г). Выращиванием арбузов и дынь в основной массе занимаются крестьянские (фермерские) хозяйства, на долю которых приходится 6,8 тыс. га используемых земель.

Применяя наряду с выращиванием традиционных сортов бахчевых, сорта с укороченным сроком созревания, производителю удается поставить свой товар на рынок в более ранние сроки.

Необходимо признать, что в отчетном 2012 году из запланированных показателей по соглашению не выполнили объемы в растениеводстве по зерновым. Причиной, приведшей к недобору урожая зерновых культур является устоявшаяся сверхвысокая температура в основные фазы развития зерновых, и сильнейшая засуха привела к частичной уборке зерновых на сено.

Рис. 12. Прогноз валового сбора бахчи.

Приступим к прогнозированию валового сбора зерна методом наименьших квадратов. Для этого составим таблицу, в которой будем производить необходимые расчеты (табл.30).

Таблица 30. Результат анализа

Год	X	y	t y	X2

Подобные документы

• Анализ себестоимости производства продукции растениеводства

  Специализация сельского хозяйства. Понятие себестоимости продукции. Анализ специализации, наличия земли и ее использование, основных фондов и эффективности их использования, производительности труда. Факторы, влияющие на производство продукции.
  
  курсовая работа [58,2 K], добавлен 01.10.2008
  

• Сельское хозяйство: проблемы и перспективы развития

  Историческое развитие агропромышленного комплекса, его роль в экономике России. Факторы дестабилизации аграрного сектора российской экономики в постсоветский период. Направления развития сельского хозяйства в рамках национального проекта "Развитие АПК".
  
  реферат [32,3 K], добавлен 04.03.2010
  

• Развитие агропромышленного комплекса Тюменского района

  Необходимость и сущность государственного регулирования развития агропромышленного комплекса в условиях рынка. Удельный вес продукции растениеводства и животноводства в продукции сельского хозяйства по разным категориям предприятий Тюменской области.
  
  курсовая работа [31,2 K], добавлен 24.05.2014
  

• Особенности пути развития сельского хозяйства в Забайкальском крае

  Структура сельского хозяйства Российской Федерации. Природно-экономическая характеристика Забайкальского края, современное состояние развития сельского хозяйства. Перспективные направления развития агропромышленного комплекса Приаргунского района.
  
  дипломная работа [214,5 K], добавлен 19.11.2012
  

• Сельское хозяйство в северо-европейской и среднеевропейской частях Европы

  Сельское хозяйство как ядро агропромышленного комплекса, его основные составляющие. Основные типы сельского хозяйства. Главные отрасли сельского хозяйства зарубежной Европы (растениеводство и животноводство). Североевропейский и среднеевропейский типы.
  
  презентация [3,5 M], добавлен 10.11.2014
  

• Проблемы развития агропромышленного комплекса. Агрохолдинги

  Анализ динамики развития сельского хозяйства в РФ, Сибирском федеральном округе и Красноярском крае в разрезе основных проблем развития агропромышленного комплекса. Цели создания агрохолдингов. Структура растениеводческих и животноводческих отраслей.
  
  курсовая работа [411,3 K], добавлен 13.10.2014
  

• Теоретические и методические основы сельскохозяйственной статистики

  Урожайность как важнейший качественный показатель сельского хозяйства. Обоснование системы статистических показателей производства овощей. Определение продуктивной площади хозяйства. Прогнозирование валового сбора овощей в районах Ивановской области.
  
  курсовая работа [212,3 K], добавлен 02.12.2014
  

• Экономическая эффективность производства сахарной свеклы в СПК "Борковский" Березинского района Брестской области

  Экономико-финансовая характеристика хозяйства. Анализ структуры посевов, динамики валового сбора сахарной свеклы, показателей ее производства и реализации. Выявление резервов повышения урожайности и эффективности возделывания продукции растениеводства.
  
  курсовая работа [184,6 K], добавлен 03.11.2014
  

• Сельское хозяйство России: проблемы и перспективы

  Роль и место аграрного сектора в решение проблем продовольственной отрасли страны. Динамика функционирования сельского хозяйства России в 90-е годы. Пути совершенствования деятельности агропромышленного комплекса в России.
  
  курсовая работа [31,9 K], добавлен 12.08.2002
  

• Обоснование перспективных направлений развития сельскохозяйственного предприятия (на примере ОАО "За мир и труд" Павловского района Краснодарского края)

  Методы анализа эффективности инвестиций в объекты сельского хозяйства. Пути повышения эффективности растениеводства и живодноводства в ОАО "За мир и труд". Анализ предложенных мер, направленных на инновационное развитие производственных отраслей.
  
  дипломная работа [139,9 K], добавлен 16.05.2008
  

• Экономическая эффективность производства сахарной свеклы в СПК "Борковский" Березинского района Брестской области

  Анализ состояния производства и реализации сахарной свеклы, состава и структуры посевных площадей хозяйства, динамики валового сбора продукции растениеводства. Резервы повышения урожайности сельскохозяйственной культуры и эффективности ее возделывания.
  
  курсовая работа [181,1 K], добавлен 03.11.2014
  

• Основные направления аграрных преобразований в Украине

  Проблемы развития агропромышленного комплекса. Детехнологизация и деиндустриализация – результаты реформирования сельского хозяйства. Инвестиционные процессы АПК в условиях реформы. Трансформационные процессы в сельском хозяйстве Луганской области.
  
  курсовая работа [1,5 M], добавлен 01.12.2011
  

• Анализ состояния сельскохозяйственного производства Волгоградской области. Себестоимость электроэнергии

  Динамика производства продукции растениеводства и животноводства. Показатели социально-экономического развития агропромышленного комплекса. Себестоимость передачи и распределение электроэнергии. Экономическая оценка ущерба от перерывов в электроснабжении.
  
  контрольная работа [48,8 K], добавлен 11.04.2019
  

• Сельское хозяйство

  Определение роли сельского хозяйства в экономике страны или региона. "Зеленая революция", как преобразование сельского хозяйства на основе современной агротехники. Показатели эффективности функционирования растениеводства, животноводства, рыболовства.
  
  презентация [350,5 K], добавлен 28.12.2012
  

• Система показателей статистики сельского хозяйства в России

  Источники информации, показатели статистики сельского хозяйства. Сравнение относительных показателей для России и зарубежных стран. Статистическое моделирование динамики объема производства сельскохозяйственной продукции. Вариационный анализ сбора зерна.
  
  курсовая работа [233,8 K], добавлен 30.05.2015
  

• Сравнительный анализ поголовья скота по Республике Саха (Якутия) с 1991-2013 гг.

  Общая характеристика Республики Саха, ее географическое положение, климат и растительность, политическое устройство. Негативное влияние инфляции на развитие сельского хозяйства. Информатизация агропромышленного комплекса. Оценка динамики поголовья скота.
  
  реферат [9,5 M], добавлен 23.04.2015
  

• Производственно-экономическая характеристика сельского хозяйства

  Организационная и управленческая структура, специализация хозяйства. Интенсивность и эффективность интенсификации сельскохозяйственного производства. Значение молочного скотоводства в экономике хозяйства. Организация производства и реализации молока.
  
  курсовая работа [152,1 K], добавлен 15.02.2011
  

• Анализ производства и использования продукции растениеводства и определение резервов ее роста на предприятии

  Краткая природно-экономическая характеристика ООО "Сельхозинвест". Анализ валового сбора продукции растениеводства. Оценка резервов роста продукции растениеводства и разработка мероприятий по их освоению. Оценка рентабельности производства культур.
  
  курсовая работа [65,7 K], добавлен 19.02.2013
  

• Сельское хозяйство мира

  Состав, особенности развития сельского хозяйства в развитых и развивающихся странах, влияние на окружающую среду. Растениеводство и география основных сельскохозяйственных культур. Животноводство как ведущая отрасль сельского хозяйства стран мира.
  
  реферат [15,7 K], добавлен 04.03.2009
  

• Анализ АПК

  Краткая природно-экономическая характеристика хозяйства. Землепользование. Анализ специализации и размеров производства. Производительность труда в хозяйстве. Анализ валового производства продукции и продуктивности животных. Анализ кормовой базы.
  
  курсовая работа [45,9 K], добавлен 14.12.2008
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам