Таблица 7

Сводные данные по группам

Группы предприятий по расходу кормов на 1 голову	Число пред- приятий	Поголовье коров	Общий расход кормов	Валовый надой молока	Денежная Выручка за реализо -ванное молоко	Полная себесто- имость реали- зованного молока
27,9 - 34,07	3	571	17350	12373	7704	9392
34,07-40,24	9	3056	113358	83738	75259	62908
40,24-46,41	3	865	36795	28717	25215	21882
46,41-52,58	3	615	30154	25544	23357	21621
52,58-58,75	2	812	46245	39877	32228	28878
58,75-64,92	4	1592	98278	85051	90446	69147
Итого	24	7511	342180	275300	254209	210828

На основе сводных и обобщенных данных рассчитаем статистико-аналитические показатели по каждой группе, и совокупности в среднем:

Таблица 8

Статистико-аналитические показатели в среднем по каждой группе

Группы предприятий по расходу кормов ц.к.е.	Число предприятий	Уровень кормления 1головы ц.к.е.	Удой от 1 коровы ц.к.е.	Уровень Окупаемости %
27,9 - 34,07	3	30,39	64,15	56,24
34,07-40,24	9	37,1	248,2	93,5
40,24-46,41	3	42,54	99,14	103,74
46,41-52,58	3	49,03	124,04	95,71
52,58-58,75	2	56,95	96,31	104,9
58,75-64,92	4	61,73	213,7	117,14

Удой молока от 1 коровы = валовой надой молока/поголовье коров (ц/гол)

Расход кормов на 1 голову = общий расход кормов / поголовье коров (ц.к.е.)

Уровень окупаемости денежная выручка/себестоимость * 100% (%)

Аналитическая группировка показывает необходимые связи и зависимости в отрасли молочного скотоводства, так с увеличением расходов кормов на 1 корову( с повышением уровня кормления ) повышается продуктивность коров, т. е. возрастает удой молока на 1 корову. Таким образом, аналитическая группировка со всей очевидностью отразила прямую зависимость между уровнем кормления коров и их продуктивностью.

Повышение продуктивности коров способствовало снижению трудоёмкости и себестоимости 1 ц молока, что привело к повышению уровня окупаемости.

Группировка показала прямую зависимость между уровнем интенсивности молочного скотоводства и продуктивностью коров. Увеличение затрат, как правило, позволяет увеличить потребление ресурсов, оказывающих существенное влияние на молочную продуктивность.

Аналитическая группировка установила, наличие связи между уровнем кормления и продуктивностью коров, определила направление связи. Однако, она не даёт ответа на вопрос насколько связь существенна. Поэтому логическим продолжением группировки является дисперсионный анализ.

3.3 Сущность дисперсионного анализа. Оценка существенности влияния изучаемого фактора на продуктивность коров

Дисперсионный анализ -- это анализ изменчивости признака под влиянием каких-либо контролируемых переменных факторов. В зарубежной литературе дисперсионный анализ часто обозначается как ANOVA, что переводится как анализ вариативности (Analysis of Variance). Автором метода является Рональд Фишер (1890 - 1968). В дисперсионном анализе исследование исходит из предположения, что одни переменные могут рассматриваться как причины, а другие -- как следствия. Переменные первого рода считаются факторами, а переменные второго рода -- результативными признаками. В этом отличие дисперсионного анализа от прямолинейного корреляционного анализа, в котором мы исходим из предположения, что изменения одного признака просто сопровождаются определенными изменениями другого.

В дисперсионном анализе возможны два принципиальных пути разделения всех исследуемых переменных на независимые переменные (факторы) и зависимые переменные (результативные признаки).

В дисперсионном анализе общая вариация подразделяется на составляющие и производится сравнение этих составляющих. Испытуемая гипотеза состоит в том, что если данные каждой группы представляют случайную выборку из нормальной генеральной совокупности, то величины всех частных дисперсий должны быть пропорциональны своим степеням свободы и каждую из них можно рассматривать как оценку генеральной дисперсии.

Дисперсионный анализ часто применяют совместно с аналитической группировкой. В этом случае данные подразделяются на группы по значениям признака-фактора, вычисляются значения средних величин результативного признака в группах, считается, что различия в их значениях определяются различиями в значениях фактора. Задача состоит в оценке существенности различий между средними значениями результативного признака в группах.

Дисперсионный анализ позволяет нам констатировать изменение признака, но при этом не указывает направление, этих изменений.

Метод дисперсионного анализа становится незаменимым только когда мы исследуем одновременное действие двух (или более) факторов, поскольку он позволяет выявить взаимодействие факторов в их влиянии на один и тот же результативный признак.

Критерий Фишера представляет собой отношение двух дисперсий:

Где S₁² и S₂² рассматриваются в качестве оценок одной и той же генеральной дисперсии.

При вычислении дисперсионного отношения в числителе берется большая из оценок S₁² и S₂^2, поэтому величина дисперсионного отношения может быть равна или больше единицы. Если или F-критерий равен 1, то это указывает на равенство дисперсий, и вопрос об оценке существенности их расхождения снимается. Если же величина дисперсионного отношения больше единицы, то возникает необходимость оценить случайно ли расхождение между дисперсиями. При этом очевидно, что чем больше величина дисперсионного отношения, тем значительнее расхождение между дисперсиями.

Для определения границ случайных колебаний отношения дисперсий Р.Фишером разработаны специальные таблицы F-распределения. В этих таблицах указываются предельные значения F-критерия для различных комбинаций числа степеней свободы числителя k₁ и знаменателя k₂, которые могут быть превзойдены с вероятностью 0,05 или 0,01. Число степеней свободы k₁, соответствующее большей дисперсии, определяет столбец таблицы, а число степеней свободы k₂, соответствующее дисперсии S₂^2, строку таблицы.

Рассчитанная по фактическим данным величина дисперсионного отношения сопоставляется с соответствующей данному сочетанию числа степеней свободы числителя и знаменателя и принятому уровню значимости табличной величиной дисперсионного отношения.

Гипотеза, которая проверяется с помощью этих таблиц, состоит в том, что сравниваемые дисперсии характеризуют вариацию признака в совокупностях, отобранных из одной и той же нормально распределенной генеральной совокупности, или же отобранных из нормально распределенных генеральных совокупностей с одинаковой дисперсией.

Если фактическое дисперсионное отношение будет больше табличного, то лишь с вероятностью 0,05 или 0,01 можно утверждать, что различие между дисперсиями определяется случайными факторами. Однако события, имеющие столь малую вероятность, считаются практически невозможными, а потому в этом случае с вероятностью можно утверждать существенность различий в величине дисперсий.

Если же фактическое значение дисперсионного отношения будет меньше соответствующего табличного значения, например, при 1%-ном уровне значимости, то с вероятностью 99% можно утверждать, что расхождение между дисперсиями несущественно.

Дисперсионный анализ приобретает самостоятельное значение при оценке существенности расхождения нескольких средних, что позволяет проверить гипотезу о наличии связи между признаком, положенном в основу группировки, и результативным признаком. В зависимости от количества факторов, определяющих вариацию результативного признака, дисперсионный анализ подразделяется на однофакторный и многофакторный.

Для оценки существенности влияния уровня специализации на продуктивность коров в хозяйствах Воронежской области, обнаруженной методом группировки, произведем однофакторный дисперсионный анализ продуктивности коров по уровню специализации.



4. Проектная часть

4.1 Сущность и основные условия применения корреляционно-регрессионного анализа

Корреляция - это статистическая зависимость между случайными величинами, не имеющими строго функционального характера, при которой изменение одной из случайных величин приводит к изменению математического ожидания другой.

В статистике принято различать следующие варианты зависимостей.

1. Парная корреляция - связь между двумя признаками (результативным и факторным или двумя факторными).

2. Частная корреляция - зависимость между результативным и одним факторным признаком при фиксированном значении других факторных признаков.

3. Множественная корреляция - зависимость результативного и двух или более факторных признаков, включенных в исследование.

Корреляционный анализ имеет своей задачей количественное определение тесноты связи между двумя признаками (при парной связи) и между результативным и множеством факторных признаков (при многофакторной связи).

Теснота связи количественно выражается величиной коэффициентов корреляции. Коэффициенты корреляции, представляя количественную характеристику тесноты связи между признаками, дают возможность определять «полезность» факторных признаков при построении уравнений множественной регрессии. Величина коэффициента корреляции служит также оценкой соответствия уравнения регрессии выявленным причинно - следственным связям.

Первоначально исследования корреляции проводились в биологии, а позднее распространились и на другие области, в том числе на социально-экономическую. Одновременно с корреляцией начала использоваться и регрессия. Корреляция и регрессия тесно связаны между собой: первая оценивает силу (тесноту) статистической связи, вторая исследует ее форму. Та и другая служат для установления соотношения между явлениями, для определения наличия или отсутствия связи.

Корреляционно-регрессионный анализ как общее понятие включает в себя измерение тесноты, направления связи и установление аналитического выражения (формы) связи (регрессионный анализ).

Регрессионный анализ заключается в определении аналитического выражения связи, в котором изменение одной величины (называемой зависимой или результативным признаком) обусловлено влиянием одной или нескольких независимых величин (факторов), а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные и средние значения. Регрессия может быть однофакторной (парной) и многофакторной (множественной).

Уравнение регрессии, или статистическая модель связи социально-экономических явлений, выражаемая функцией:

,

где У - результативный признак,

х₁, х₂,х₃,…, х_k - факторные признаки, является достаточно адекватным реальному моделируемому явлению или процессу в случае соблюдения следующих Требования построения.

1. Совокупность исследуемых исходных данных должна быть однородной и математически описываться непрерывными функциями.

2. Возможность описания моделируемого явления одним или несколькими уравнениями причинно-следственных связей.

3. Все факторные признаки должны иметь количественное (цифровое) выражение.

4. Наличие достаточно большого объема исследуемой выборочной совокупности.

5. Причинно-следственные связи между явлениями и процессами следует описывать линейной или приводимой к линейной формой зависимости.

6. Отсутствие количественных ограничений на параметры модели связи.

7. Постоянство территориальной и временной структуры изучаемой совокупности.

Поскольку корреляционная связь является статистической, первым условием возможности ее изучения является общее условие всякого статистического исследования: наличие данных по достаточно большой совокупности явлений. По отдельным явлениям можно получить совершенно превратное представление о связи признаков, ибо в каждом отдельном явлении значения признаков кроме закономерной составляющей имеют случайное отклонение (вариацию). Например, сравнивая два хозяйства, одно из которых имеет больше поголовья коров, по уровню продуктивности, можно обнаружить, что продуктивность выше в хозяйстве с меньшим количеством голов. Ведь продуктивность коров зависит от сотен факторов и при том же самом количестве поголовья коров может быть и выше, и ниже. Но если сравнивать большое число хозяйств с большим количеством голов и большое число - с меньшим, то средняя продуктивность коров в первой группе окажется выше и станет возможным измерить достаточно точно параметры корреляционной связи.

Какое именно число явлений достаточно для анализа корреляционной и вообще статистической связи, зависит от цели анализа, требуемой точности и надежности параметров связи, от числа факторов, корреляция с которыми изучается. Обычно считают, что число наблюдений должно быть не менее чем в 5-6, а лучше - не менее чем в 10 раз больше числа факторов. Еще лучше, если число наблюдений в несколько десятков или в сотни раз больше числа факторов, тогда закон больших чисел, действуя в полную силу, обеспечивает эффективное взаимопогашение случайных отклонений от закономерного характера связи признаков.

Вторым условием закономерного проявления корреляционной связи служит условие, обеспечивающее надежное выражение закономерности в средней величине. Кроме уже указанного большого числа единиц совокупности для этого необходима достаточно качественная однородность совокупности. Нарушение этого условия может извратить параметры корреляции.

Иногда, как условие корреляционного анализа, выдвигают необходимость подчинения распределения совокупности по результативному и факторным признакам нормальному закону распределения вероятностей. Это условие связано с применением метода наименьших квадратов при расчете параметров корреляции: только при нормальном распределении метод наименьших квадратов дает оценку параметров, отвечающую принципам максимального правдоподобия. На практике эта предпосылка чаще всего выполняется приближенно, но и тогда метод наименьших квадратов дает неплохие результаты.

Однако при значительном отклонении распределений признаков от нормального закона нельзя оценивать надежность выборочного коэффициента корреляции, используя параметры нормального распределения вероятностей или распределения Стьюдента.

Еще одним спорным вопросом является допустимость применения корреляционного анализа к функционально связанным признакам. Можно ли, например, построить уравнение корреляционной зависимости размеров выручки от продажи молока, от объема продажи и цены? Ведь произведение объема продажи и цены равно выручке в каждом отдельном случае. Как правило, к таким жестко детерминированным связям применяют только индексный метод анализа. Однако на этот вопрос можно взглянуть и с другой точки зрения. При индексном анализе выручки предполагается, что количество проданного молока и его цена независимы друг от друга, потому-то и допустима абстракция от изменения одного фактора при измерении влияния другого, как это принято в индексном методе. В реальности количество и цена не являются вполне независимыми друг от друга.

Корреляционно-регрессионный анализ учитывает межфакторные связи, следовательно, дает нам более полное измерение роли каждого фактора: прямое, непосредственное его влияние на результативный признак; косвенное влияние фактора через его влияние на другие факторы; влияние всех факторов на результативный признак. Если связь между факторами несущественна, индексным анализом можно ограничиться. В противном случае его полезно дополнить корреляционно-регрессионным измерением влияния факторов, даже если они функционально связаны с результативным признаком.

4.2 Однофакторный корреляционно-регрессионный анализ

Алгоритм построения однофакторной модели

1. Теоретическое обоснование формы связи. Исходя из задачи, теоретически и логически следует предположить, что связь между расходом кормов и удоем молока носит прямолинейный характер, т.е. с увеличением расхода кормов будет возрастать удой молока.

2. Подтверждение факта. Наличие связи и определение направления подтвердим посредством построения графика корреляционной связи.

Рис. 2 Фактическое и теоретическое поле зависимости между продуктивностью и уровнем кормления

Построив график, мы подтвердили наше логическое предположение, т.к. точки концентрируются из левого нижнего угла в правый верхний угол, то исходная эмпирическая линия (y) близка к прямой, а это значит, что связь между уровнем кормления и удоем молока носит прямолинейный характер.

3. Построение экономико-математической модели или уравнение регрессии.

Регрессионный анализ заключается в определении аналитического выражения связи, в котором изменение одной величины (называемой зависимости, или результативным признаком) обусловлено влиянием одной или нескольких независимых величин (факторов), а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные и средние значения. Предварительный теоретический анализ и графический метод показали прямолинейный характер, изучаемой связи, т.е. линейную регрессию, которая выражается уравнением прямой (линейно функцией).

где теоретические или возможные значения результата по каждому хозяйству (удоя);

Неизвестные параметры находятся путем решения системы нормальных уравнений:

Исходные расчетные данные для решения системы уравнений представим в виде таблицы.

Таблица 10

Исходные и расчетные данные для построения экономико-математической модели по хозяйствам

Наименования хозяйств	Удой молока от 1 коровы, ц(у)	Расход кормов на 1 корову, ц.к.е(х)	Х2	УХ	У2	Ух=0,38+0,77*Х
СХА «Ведуга»	40,25	47,5	2256,00	1911,88	1620,06	37,96
ООО «Жито»	46,29	53,7	2884,00	2485,77	2142,76	42,73
ООО «Лосево»	19,68	27,9	778,00	549,07	387,30	22,86
ООО «Медвежье»	30,24	39,6	1568,00	1197,50	914,46	31,87
СХА «им. Мишина»	26,37	35,9	1289,00	946,68	695,38	29,02
Колхоз «Заря»	26,35	35,8	1282,00	943,33	694,32	28,95
ЗАО «Дружба»	51,23	59,4	3528,00	3043,06	2624,51	47,12
СХА «Путь Ленина»	27,47	36,8	1354,00	1010,90	754,60	29,72
СХА «Битюгское»	32,65	41,2	1697,00	1345,18	1066,02	33,10
СХА им. Ленина	53,42	62	3844,00	3312,04	2853,70	49,12
ЗАО «Николаевка»	52,15	60,5	3660,00	3155,08	2719,62	47,97
ООО «Нива»	40,55	47,8	2285,00	1938,29	1644,30	38,19
ООО «Агрорирма Шипова Дубр»	50,02	58	3364,00	2901,16	2502,00	46,04
ООО «Агро-Заречье»	21,35	31	961,00	661,85	455,82	25,25
ООО «Корешювское»	29,95	39,2	1537,00	1174,04	897,00	31,56
ООО «Черноземье»	33,43	42,8	1832,00	1430,80	1117,56	34,34
ЗАО «Манино»	56,9	64,9	4212,00	3692,81	3237,61	51,35
ООО «Скрипнянская Ника»	26,86	36,5	1332,00	980,39	721,46	29,49
Колхоз им. Куйбышева	28,09	37,3	1391,00	1047,76	789,05	30,10
ООО «Новая Криуша»	43,24	51	2601,00	2205,24	1869,70	40,65
Колхоз «Большевик»	25,69	35,2	1239,00	904,29	659,98	28,48
ЗАО «Подгорное»	27,18	36,4	1325,00	989,35	738,75	29,41
ООО «Нива» Калачеевского р-на	23,12	32,1	1030,00	742,15	534,53	26,10
ЗАО «Налагеевское 2»	33,06	42,3	1789,00	1398,44	1092,96	33,95
Итого	845,54	1055	49038,00	39967,06	32733,48	845,32

где - теоретические или возможные значения результата по каждому хозяйству.

Коэффициент регрессии , свидетельствует о том, что при увеличении расхода кормов на 1 корову на ц.к.е. удой коровы будет увеличиваться на 0,77 ц.

1. Определение теоретических (возможных) значений результата на основе построенной модели. Подставив значение фактора в разработанную модель (уравнение прямой) определим теоретические значения удоя молока по каждому хозяйству районов.

Yх1 = 1,38+0,77*19,0=16,01 и т.д.

2. Изображаются графически теоретические значения результата, т.е. строится теоретическая линия регрессии. Рассчитанные теоретические значения удоя молока наносятся на график корреляционного поля связи (график). На графике получается прямая линия, т.е. выровненная теоретическая линия регрессии.

3. Измерение тесноты связи. Теснота связи количественно выражается величиной коэффициентов корреляции. Коэффициенты корреляции, представляя количественную характеристику тесноты связи между признаками, дают возможность определять «полезность» факторных признаков при построении уравнений множественной регрессии. Величина коэффициента корреляции служит также оценкой соответствия уравнения регрессии. Корреляция и регрессия тесно связаны между собой: первая оценивает силу (тесноту) статистической связи, вторая исследует ее форму. Обе служат для определения наличия и отсутствия связи между явлениями. Если исследуемая связь носит линейный характер, то теснота связи измеряется с помощью линейного коэффициента корреляции.

Коэффициент корреляции всегда меньше единицы и изменяется в пределах от - 1 до +1. Знаки коэффициентов регрессии и корреляции всегда совпадают.

При этом интерпретацию значений коэффициента корреляции можно представить следующим образом.

Таблица 11

Оценка линейного коэффициента корреляции

значение линейного коэффициента связи	Характер связи	Интерпретация связи
R=0	отсутствует	-
0<R<1	прямая	С увеличением x увеличивается y
-1<R<0	обратная	С увеличением x уменьшается y, и наоборот
R=1	функциональная	Каждому значению факторного признака соответствует одно значение результативного признака

Для оценки тесноты связи используется шкала американского ученого Чэддека.

Таблица 12

Количественные критерии оценки тесноты связи

Величина коэффициента корреляции	Характер связи
До 0,2 -0,25	Практически отсутствует
0,3 - 0,5	слабая
0,5 - 0,8	существенная
0,8 - 1	тесная

Рассчитаем коэффициент корреляции зависимости удоя молока и уровнем кормления.

Коэффициент корреляции свидетельствует о том, что связь между удоем молока и уровнем кормления прямая и тесная.

Помимо коэффициента корреляции также необходимо определить множественный коэффициент детерминации .

или 15%

Он показывает, какая доля вариации результативного признака обусловлена изменением факторных признаков, входящих в многофакторную регрессионную модель.

или 15%

Изменение тесноты и направление связи является важной задачей изучения и количественного измерения взаимосвязи социально-экономических явлений. Это говорит о том, что удой молока на 15% зависит от уровня кормления и на 85% от других факторов.

Вывод: Так как коэффициент корреляции меньше 0,7, а коэффициент детерминации меньше 49%, то разработанная экономико-математическая модель не адекватна и не может быть рекомендована к практическому использованию.

4.3 Расчёт резервов роста продуктивности коров и валового надоя молока

Решение перспективных проблем развития молочного скотоводства и повышения продуктивности коров и валового надоя молока необходимо осуществить за счёт интенсивных факторов.

К числу приоритетных, в совокупности этих факторов, оказывающих существенное влияние на увеличение производства молока, относятся следующие.

1) Улучшение селекционно-племенной работы и интенсификации воспроизводства стада; рациональная организация кормовой базы и полноценное кормление молочного скота; внедрение прогрессивных технологий в молочном скотоводстве.

Важнейшим условием расширенного воспроизводства стала и повышения эффективности молочного скотоводства является максимальное использование генетического потенциала молочной продуктивности коров за счёт ведения новейших методов селекционно-племенной работы, создания прочной кормовой базы, а также прогрессивных форм организации труда.

Как показал опыт сельскохозяйственных предприятий, генетический потенциал молочной продуктивности коров лучше используется при комплексном освоении достижений науки, техники и передового опыта хозяйствования.

2) Повышение молочной продуктивности животных на основе разумного использования имеющихся кормов и наибольшей реализации потенциальных возможностей скота. Одним из основных условий, повышающих молочную продуктивность коров, является производство в достаточном количестве высококачественных кормов и рациональное их использование.

Главных задач развития кормопроизводства - ликвидация несбалансированности кормовых рационов по белку, что требует расширения посевов многолетних трав и однолетних злаковых травосмесей. Это позволит обеспечить молочное скотоводство преимущественно энергоёмкими и полноценными дешёвыми кормами.

Кормление молочного скота необходимо предусматривать с максимальным использованием сена, сенажа и зелёных кормов. Заготовка кормов в расчёте на условную голову должна достигать 4000-4200 корм. ед. и более.

Значительным резервом повышения продуктивности животных является использование полноценных комбикормов и белково-витаминных добавок. Увеличение удоя коров от включения их в рацион кормления составляет 15-25% и 6-12% соответственно. Однако в нынешних условиях хозяйствования из-за удорожания перевозок сырья и готовой комбикормов получаемая выручка от реализации молока не восполняет затраты.

Применение современных прогрессивных технологий кормления и содержания животных. Центральное место в организации надлежащих условий труда на животноводческих фермах, соблюдение технологии производства молока, занимает механизация производственных процессов - от кормления до утилизации навоза.

Продуктивность коров и качество молока во многом зависит от санитарного состояния животноводческих помещений, микроклимата, освещения, а также физиологического состояния животных.

5) Проведение мероприятий, направленных на профилактику и лечение заболеваний, в том числе мастита и яловости коров.

6) Организация подготовки и переподготовки зооветеринарных кадров, проведение семинаров по изучению опыта передовиков.

7) Объединение усилий предприятий и отраслей молочно - продуктового подкомплекса. Это позволит сконцентрировать трудовые, материальные и финансовые ресурсы на производстве конечной продукции.

Результаты проведённых исследований показали, что только комплексный подход к организации молочного животноводства и реализации её продукции поможет сельскохозяйственным производителям обеспечить стабилизацию и последующее увеличение производства, повышение её эффективности.



Заключение

В ходе выполнения курсовой работы был проведен статистико-экономический анализ продуктивности коров и валового надоя молока в на примере СХА «Ведуга» и других предприятий Семилукского, Аннинского, Панинского, Бутурлиновского и Калачеевского районов Воронежской области.

В ходе выполнения курсовой работы был проведен статистико-экономический анализ продуктивности коров и валового надоя молока в Новоусманском и других районах Воронежской области и получены следующие результаты.

В таблице 1 был проведен анализ динамики валового производства молока в СХА «Ведуга», которая за исследуемый период в 6 лет характеризуется то спадом то подъемом. Это видно по отрицательным (2008, 2009 г.) и положительным приростам (2006, 2007 г.) значениям темпов прироста. Так в 2008 г. и в 2009 г. валовое производство молока уменьшилось как в абсолютном (-878ц и -2374ц соответственно), так и в относительном выражении (-14,8% и -46,8 % соответственно) по сравнению с 2007-ым годом, но в 2006 г. и в 2007 г. валовое производство молока увеличилось в абсолютном ( 1024ц и 1496ц соответственно), так и в относительном выражении ( 29,9 % и 33,6% соответственно).

Анализ цепных показателей динамики продуктивности коров в Семилукском, Аннинском, Панинском, Бутурлиновском и Калачеевском районах, так же показал, продуктивность коров имеет скачка образный характер (темпы прироста сменяются с положительных на отрицательные), так в 6-ом и 7-ом годах, темпы роста повысились на 29,9% и 33,6% соответственно, а в 8-ом и 9-ом гадах, темп роста снизился на 26,5% и 98,2% соответственно по сравнению с 2007 годом.

Расчет средних показателей продуктивности коров за исследуемый период в 9 лет также показал, что средний темп прироста продуктивности коров составил 0,27 ц/гол.

Проведенный метод укрупнения периодов позволяет утверждать, что средняя за трехлетие продуктивность коров растет. Так, за период с 4 по 6 год цепной прирост в среднем составил 88,93 ц, а за период с 7 по 9 год еще 110,14 ц.. Тенденция роста продуктивности коров по годам наблюдается и для метода скользящей средней. Из таблицы 3 видно, что средняя за трехлетие продуктивность непрерывно увеличивается.

Во второй главе работы был проведен индексный анализ изменения продуктивности и валового производства в хозяйствах Воронежской области.

Анализ результатов проведенных расчетов говорит о том, что средняя продуктивность коров в отчетном году по сравнению с базисным увеличилась на 2,29 % или 0,82 ц/гол. Это произошло за счет увеличения продуктивности в отдельных хозяйствах района, в результате чего средняя продуктивность увеличилась на 0,91 % или 0,33 ц/гол и за счет изменения структуры стада. В последнем случае средняя продуктивность коров увеличилась на 1,37 % или 0,49 ц/гол.

Валовое производство в отчетном году снизилось увеличился на 12,36% или 30283 ц,. Валовой надой молока находится под влиянием трёх факторов:

а) продуктивности коров в отдельных хозяйствах районов;

б) поголовья коров;

в) структуры стада коров.

В третьей главе таблицы была проведена аналитическая группировка хозяйств по расходу кормов. Результаты, представленные в таблице 8. Аналитическая группировка выявляет необходимые связи и зависимости в отрасли молочного скотоводства. С повышением уровня интенсивности данной отрасли (с увеличением затрат денежных средств на 1 корову) и с увеличением фондообеспеченности и фондооснащённости хозяйства повышается продуктивность коров.

Наконец, в четвертой главе работы была построена однофакторная корреляционная модель зависимости продуктивности от денежных затрат на одну голову. Результаты анализа показывают, что с ростом денежных затрат на одну голову продуктивность коров увеличивается. Коэффициент корреляции свидетельствует о том, что связь между удоем молока и уровнем кормления прямая и существенная. Это говорит о том, что удой молока на 15% зависит от уровня кормления и на 85% от других факторов.

Весьма важным трендом 2012 года стало то, что россияне стали потреблять молоко и молочные продукты заметно больше, чем они делали это раньше. В 2011 г. показатель потребления молока и молочных продуктов в среднем на 1 потребителя в год в пересчете на молоко оказался на 7 кг выше, чем в предшествующем году. По прогнозам на 2012 год ожидается рост общего потребления питьевого молока до 12 млн тонн, с чем связана положительная динамика выручки от продажи молочной продукции. За период с января по март 2012 г. молочных продуктов в России было продано более чем на 100 млрд рублей, что превышает показатель аналогичного периода в предшествующем 2011 г. на 12%. Почти половина всего объема выручки от продажи молочной продукции в стране приходится на Центральный федеральный округ. На втором месте по объемам выручки находится Приволжский федеральный округ, доля которого составила 20% от общего объема выручки. Среди регионов больше всего зарабатывают на продаже молочной продукции Москва и Московская область.

Рост потребления позволил крупнейшим игрокам российского рынка молочной промышленности в этом году чувствовать себя вполне комфортно. Так, «Русская молочная компания» подведя первые итоги работы в этом году отчиталась о существенной положительной динамике. Валовый надой молока показывает рост на 30%, прирост поголовья скота - 36%. План по заготовке кормов «Русмолко» выполнила на 100%, полностью обеспечив возросшее поголовье скота собственными кормами. В 2012 году «Русмолко» увеличила поголовье КРС, в том числе, за счет двух крупных поставок высокопродуктивного скота голштино-фризской породы. Партия нетелей в 450 голов была завезена на современную ферму в Кузнецке, поставка в 1600 голов завершила комплектацию крупнейшего в регионе комплекса в Наровчате. Поголовье скота по всем хозяйствам «Русмолко» составляет свыше 10 тыс. голов КРС, что на 2,4 тыс. голов превышает показатель 2011 года.

Следует отметить, что уровень потребления является очень важным для российского рынка молочной продукции. За последние 10 лет потребление молока в России выросло до 270 килограммов на человека в год. Но эта цифра еще ниже медицинской нормы, которая составляет 340 килограммов молока на человека в год. Как ни крути, для российских компаний только российский рынок сбыта сегодня является доступным, и насколько будет расти спрос на нем, будет определяющим и в плане цены, и в плане рентабельности. При этом по итогам 2012 года уровень потребления, скорее всего, также вырос, причем довольно значительно. По предварительным экспертным оценкам он может составить 275-276 кг на человека в год. Если, уровень потребления будет расти и дальше и достигнет рекомендуемой медицинской нормы, скажем, к 2020 году, то при условии некоторой помощи и защиты государства это даст российским производителям весьма комфортные годы для развития и укрепления своих позиций на рынке.

Однако, есть и другой прогноз, согласно которому потребление молока в стране в ближайшие годы будет оставаться плавающим или будет расти слишком вяло. На фоне роста поставок молочной продукции в страну в рамках ВТО это приведет к снижению уровня рентабельности в национальной молочной индустрии. В течение пары лет такое положение дел отзовется оттоком инвестиций и снижением темпов развития сначала мелких производителей, а затем и всей индустрии. Какой именно из этих двух сценариев реализуется на практике, сейчас во многом зависит от государства. Сегодня можно признать, что в России постепенно становится модно быть здоровым. Молодежь все больше начинает делать выбор в пользу молочных продуктов, что и объясняет рост потребления. Однако этот тренд пока еще слишком молод и хрупок, чтобы его можно было пускать на самотек. Можно с уверенностью сказать, что без должной поддержки он может сойти на нет.



Список использованной литературы

1. Агарнов Н. Перспективы повышение эффективности молочного скотоводства / Н. Агарнов // Молочное и мясное скотоводство. 2001, №5. С. 2-4.

2. Башкатов П.И.Статистика сельского хозяйства с основами общей теории статистики: Курс лекций. М.: ЭКМОС, 2001. 351 с.

3. Гришин А.Ф. Статистика: Учеб.пособие. М.: Финансы и статистика, 2003. 240 с.

4. Едронова В.Н., Едронова М.В. Общая теория статистики: Учебник. М.: Юристъ, 2001. 511 с.

5. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник/ Под. ред. чл.-корр. РАН И.И. Елисеевой. 4-е изд., перераб. и доп. М.: Финансы и статистика,1998. 480 с.

6. Ефимова М.Р. Общая теория статистики: Учебник/ М.Р Ефимова, Е.В. Петрова, П.Н. Румянцева.М.: Инфра -М, 2000. 412 с.

7. Зинченко А.П. Сельскохозяйственная статистика с основами социально-экономической статистики. М.: Изд-во МСХА, 1998. 427 с.

8. Лесников В. Молочно - продуктовый подкомплекс Воронежской области / В.Лесников // Экономика сельского хозяйства России. 2003. №1. С. 30.

9. Малахов С. Повышение эффективности и конкурентоспособности производства молока / С. Малахов, М. Шкляр // Молочное и мясное скотоводство. 2003, №1. С. 11-15.

10. Манелля А.И. Производство и потребление молока и молочных продуктов в Российской Федерации / А.И. Манелля, В.А. Трегубов // Экономика сельскохозяйственных и перерабатывающих предприятий. 2003. №2. С. 49-53.

11. Матвеев А.М. Состояние молочного скотоводства и пути повышения его эффективности / А.М. Матвеев, Н.В. Шутова // Экономика сельскохозяйственных и перерабатывающих предприятий. 2003. №11. С. 17-19.

12. Ревякин Е. Переоснащение животноводства -требование времени / Е. Ревякин // Животноводство России. 2003. №8. С. 2-5.

13. Статистика сельского хозяйства: Учебник/ О.П. Замосковный, Л.И. Ващуков, Л.В. Литвинова и др.; Под ред. О.П. Замосковный и Б.И. Плешкова. М.: Финансы и статистика, 1990. 344 с.

14. Статистика: Учебное пособие / Харченко Л.П., Долженкова В.Г., Ионин В.Г. и др; Под ред. канд. экон. наук В.Г. Ионина-М.:ИНФРА-М, 2001. 384 с.

15. Суслов И.П. Общая теория статистики: Учеб. пособие. Изд. 2-е, перераб. и доп. М.: Изд-во «Статистика», 1978. 392 с.

16. Теория статистики: Учебник / Г.М. Громыко, М.В. Крысина, А.Н. Воробьёв и др.; Под ред. проф. Г.М. Громыко. М.: Инфра -М, 2000. 414 с.

17. Теория статистики: Учебник / Под ред. проф. Р.А. Шмойловой. 3-е изд., перераб. М.: финансы и статистика,1999. 560. с.

18. Хазанов Ю.С. Статистика: Учеб. пособие. М.: Изд-во «Статистика», 1974. 174 с.

19. Шапочкин В. Концепция развития животноводства / В. Шапочкин // Животноводство России. 2002. №1. С. 3-6.

20. Шеремет А.Д., Баканов М.И. Теория экономического анализа: Учебник. 4-е изд. доп. и перераб. М.: Финансы и статистика, 2002. 416 с.

21. Экономика сельского хозяйства / И.А. Минаков, Л.А. Сабетова, Н.И. Куликов и др.; Под ред. И.А. Минакова.М.: КолосС, 2002. 382 с.

22. Киселёва Е.Б. Рынок молока в первом полугодии 2002 г. / Киселева Е.Б. // Видеоцентр Министерства сельского хозяйства РФ.(http//www/agromedia.ru/New/ article/asp.).

Размещено на Allbest.ru

...