Регрессионный анализ в изучении уровня механизации сельского хозяйства

Размещено на http://www.allbest.ru/

План

Введение

1. Статистическое изучение уровня механизации сельского хозяйства

1.1 Проблемы, связанные с уровнем механизации сельского хозяйства

1.2 Показатели механизации сельского хозяйства

2. Регрессионный анализ

2.1 Сущность и роль регрессионного анализа в изучении коммерческой деятельности

2.2 Множественная регрессия

2.3 Анализ коэффициентов регрессии

3. Решение задач с использованием регрессионного анализа

3.1 Расчеты с использованием регрессионного анализа на основе данных нескольких предприятий Белокатайского района Р Б

3.2 Рекомендации по улучшению экономической эффективности

Заключение

Список литературы

Приложение

Введение

Повышение обеспеченности и вооруженности основными фондами, в особенности энергетическими ресурсами, машинами и оборудованием, является основным направлением научно-технического прогресса в сельском хозяйстве, механизации и электрификации производства. Процесс механизации представляет собой замену машинами ручного выполнения работ и процессов, а также труда с живой тягловой силой.

От совершенства уровня механизации сельского хозяйства зависит рентабельность сельскохозяйственных предприятий. Именно поэтому возникает необходимость мониторинга и анализа уровня механизации.

Прежде всего, необходимо выявить основные факторы, влияющие на уровень механизации сельского хозяйства. Такая задача чаще всего решается методом регрессионного анализа.

Не все факторы, влияющие на экономические процессы, являются случайными величинами, поэтому при анализе экономических явлений обычно рассматриваются связи между случайными и неслучайными величинами. Такие связи называются регрессионными, а метод математической статистики, их изучающий, называется регрессионным анализом. сельский хозяйство регрессионный механизация

Предметом является регрессионный анализ в изучении уровня механизации сельского хозяйства.

Объектом являются несколько сельскохозяйственных предприятий Белокатайского района РБ.

Метод, примененный в курсовой работе - регрессионный анализ (множественная регрессия).

Цель курсовой - разработка мероприятий по улучшению эффективности механизации сельского хозяйства. Данная цель достигается путем решения следующих задач:

1. Статистическое изучение уровня механизацией сельского хозяйства

2. Ознакомление с регрессионным методом анализа коммерческой деятельности

3. Апробирование применения данной методики регрессионного анализа при решении задач.

Источники: Баканов М.И., Шеремет А.Д. Теория экономического анализа. - М.: Финансы и статистика, 2000, Зинченко А.П. Сельскохозяйственная статистика с основами социально-экономической статистики. М.: Изд-во МСХА, 1998.

1. Статистическое изучение уровня механизации сельского хозяйства

1.1 Проблемы, связанные с уровнем механизации сельского хозяйства

Проблемы, связанные с уровнем механизации сельского хозяйства на сегодняшний день в первую очередь связаны с сокращением тракторного парка. Данный процесс берет начало еще с 1990 г., за которым последовал процесс сокращения численности занятости работников (за уменьшением парка тракторов на 1 тыс. тракторов, число занятых работников постоянно сокращалось на 6-6,4 тыс. чел.)

Такая же закономерность наблюдается при сокращении пашни с той особенностью, что сначала часть пашни переводится по статистике в залежь, и только через 4-6 лет за сокращением парка тракторов следует статистическое сокращение пашни.

Формирование парка сельскохозяйственных тракторов должно рассматриваться с учетом целей и закономерностей функционирования трех типов российских сельских товаропроизводителей: хозяйств населения (ХН), сельскохозяйственных организаций (СХО) и крестьянских (фермерских) хозяйств (КФХ).

В 2006 г. продукция сельского хозяйства (в фактически действовавших ценах) составила 1617,1 млрд руб., из которых 852,5 млрд руб. (52,7%) - продукция хозяйств населения, 660,7 млрд руб. (40,9%) - продукция сельскохозяйственных организаций и 103,9 млрд руб. (6,4%) - продукция крестьянских (фермерских) хозяйств (КФХ) совместно с индивидуальными предпринимателями.

Один из основных факторов, влияющих на структуру тракторного парка, - размер полевых участков, на которых должны функционировать МТА.

Хозяйства населения, в которых среднегодовая численность всех работников в 2007 г. составляла 45 млн. чел., имеют в среднем на каждое 0,15 га пашни. По результатам Всероссийской сельскохозяйственной переписи в этом секторе сельского хозяйства имеется 411,9 тыс. тракторов с неизвестными характеристиками и неучтенных Технадзором как исправные. В количественном отношении этот парк соответствует 1 трактору на 46 (ХН), что свидетельствует о том, что 45 млн. чел. заняты малопроизводительным (18,9 тыс.руб/чел.год) ручным трудом с целью самообеспечения продовольствием.

В связи с малым размером земельных участков и незначительной товарностью сельскохозяйственного производства ЛПХ, а также его вынужденным характером, связанным с самообеспечением продовольствием, обоснование состава технологически потребного эффективного тракторного парка должно вестись на основе государственной политики обеспечения продовольствием и рабочими местами 45 млн. чел.

Кроме общего количества тракторов, работающих за пределами срока амортизации, становится известным минимально допустимый предельный возраст тракторов в парке, необходимый для составления статистически учтенного общего количества тракторов в парке.

Если в 1990 г. парк был сформирован из тракторов не старше 10 лет, в 1997 г. - не старше 13 лет, то в 2009 г. парк имеет в своем составе не менее 136 тыс. тракторов в возрасте 15-16 лет.

Учитывая масштабность проблемы, можно предположить, что общее число хозяйств населения, производящих сельскохозяйственную продукцию, уменьшится до 2020 г. на 10% и составит около 20000 тыс. При этом для того, чтобы довести относительный объем механизированных работ до 10%, потребуется сформировать парк, включающий не менее 2000 тыс. мотоблоков и мини-тракторов и позволяющий повысить производительность труда до 50 тыс. руб/чел. в год, а продуктивность пашни - до 100 тыс.руб./га.

Таким образом, проблемы, связанные с уровень механизации сельского хозяйства напрямую связано с сокращение тракторного парка, за которым последовало сокращение численности занятости работников и пашни. Один из основных факторов, влияющих на структуру тракторного парка, размер полевых участков, на которых должны функционировать МТА.

1.2 Показатели механизации сельского хозяйства

Для оценки уровня механизации в сельском хозяйстве применяется комплекс показателей, характеризующих механизацию работ, труда и энергетических ресурсов.

Показатели механизации работ и процессов выражают соотношение объемов работ Q_мех, выполненных машинами, приводимыми в движение механическими двигателями, и общего объема работ Q_o, выполняемых машинами и вручную.

В растениеводстве уровень механизации отдельных работ выражается коэффициентом механизации:

(1)

Наиболее существенными являются показатели механизации таких трудоемких работ, как вспашка почв, культивация, посев, уборка урожая. Ряд из них (пахота, боронование, культивация) практически полностью механизированы и уже не рассматриваются статистикой. Органы государственной статистики в настоящее время изучают уровень механизации посадки и уборки трудоемких овощей открытого грунта (в 1994 г. они были равны 78 и 27%), уборки картофеля комбайнами (55%), сахарной свеклы машинами (97%), льна комбайнами (98%). В хозяйственной практике важно отобрать наиболее трудоемкие работы и оценить уровень и динамику их механизации.

В животноводстве коэффициенты механизации отдельных процессов определяются как отношение численности поголовья, обеспеченного механизмами для подачи воды, раздачи кормов, уборки навоза, доения и др. к общему поголовью. Эти показатели несколько преувеличивают уровень механизации работ, поскольку они показывают лишь степень обеспеченности поголовья средствами механизации, но не учитывают их действительное использование.

Большой практический интерес представляет изучение механизации по всей совокупности работ, или комплексной механизации. Для оценки ее уровня все разнообразные виды работ надо привести к единому измерителю при помощи коэффициентов соизмерения К и получить коэффициент комплексной механизации:

(2)

Однако такой расчет по всем видам работ, культурам или группам культур в практике статистики не проводится из-за отсутствия коэффициентов перевода разных работ K_i, особенно тех, которые выполняются только вручную, например, обрезка, черенкование и т.п. Коэффициенты комплексной механизации рассчитывают только по отдельным видам животных как отношение численности поголовья с механизацией группы основных процессов (подача воды, раздача кормов, уборка навоза плюс доение коров или сбор яиц, стрижка овец), к общему поголовью. В 1994 г. уровень комплексной механизации на сельскохозяйственных предприятиях России составил на молочных фермах 75%, свиноводческих 75%, овцеводческих 20%, птицеводческих 93%, фермах крупного рогатого скота 64%. Как и по отдельным процессам, этот показатель несколько завышает уровень комплексной механизации, поскольку учитывает не все работы в животноводстве и не отражает степень использования средств механизации.

Показатели механизации труда выражают отношение массы труда механизированного Т_мех к общей массе затрат труда То. Коэффициенты механизации всегда определяются как

(3)

Эти показатели имеют более общий характер по сравнению с коэффициентами механизации работ и позволяют сопоставлять между собой разные культуры, виды животных, отрасли, группы хозяйств и т. п. Для их расчета в первую очередь важно получить абсолютные показатели затрат механизированного труда Т_мех поскольку Т_О имеются в сводных данных бухгалтерского учета. Расчет Т_мех ведется в человеко-днях или часах, а приближенно - по числу работников, занятых преимущественно ручным или механизированным трудом. Уровень механизации труда изучается обычно выборочным методом. В анализе важно подразделить труд по видам:

а) ручной - поддающийся механизации, трудно поддающийся; новые работы в связи с введением механизации;

б) механизированный - с приводным инструментом, у машин-автоматов, у машин-автоматов или их блоков.

Показатели механизации труда бывают, как правило, ниже, чем механизации работ, поскольку затраты труда на единицу механизированных работ t_мex обычно меньше, чем ручных работ t_p, т.е.:

(4)

Надо учитывать, что по мере технического прогресса трудоемкость механизированных работ t_мex снижается, а трудоемкость ручных t_p нередко возрастает, поскольку ручными остаются работы с самыми неблагоприятными условиями, где трудно использовать механизмы (труднодоступные участки, сложные приемы ухода за растениями и животными). Поэтому могут быть случаи, когда уровень механизации работ растет, а механизации труда - падает.

Показатели механизации энергоресурсов выражают отношение объема энергетических ресурсов механических двигателей к общему их размеру, включающему и ресурсы рабочего скота. В настоящее время этот показатель в среднем по стране близок к единице, но по отдельным группам хозяйств и территориям удельный вес живой тяговой силы.

Таким образом, для оценки уровня механизации в сельском хозяйстве применяется комплекс показателей, характеризующих механизацию работ, труда и энергетических ресурсов.

Показатели механизации работ и процессов выражают соотношение объемов работ Q_мех, выполненных машинами, приводимыми в движение механическими двигателями, и общего объема работ Q_o, выполняемых машинами и вручную.

Наиболее существенными являются показатели механизации таких трудоемких работ, как вспашка почв, культивация, посев, уборка урожая. Ряд из них (пахота, боронование, культивация) практически полностью механизированы и уже не рассматриваются статистикой.

Показатели механизации энергоресурсов выражают отношение объема энергетических ресурсов механических двигателей к общему их размеру, включающему и ресурсы рабочего скота.

2. Регрессионный анализ

2.1 Сущность и роль регрессионного анализа в изучении коммерческой деятельности

Регрессионный анализ, раздел математической статистики, объединяющий практические методы исследования регрессионной зависимости между величинами по статистическим данным. Цель регрессионного анализа состоит в определении общего вида уравнения регрессии, построении оценок неизвестных параметров, входящих в уравнение регрессии, и проверке статистических гипотез о регрессии. При изучении связи между двумя величинами по результатам наблюдений (x1, y1),..., (xn, yn) в соответствии с теорией регрессии предполагается, что одна из них Y имеет некоторое распределение вероятностей при фиксированном значении х другой, так что

Е(Y_п, х) = g(x, b) (5.1)

И

D(Y_п, х) = s²h²(x) (5.2)

где b обозначает совокупность неизвестных параметров, определяющих функцию g(х), a h(x) есть известная функция х (в частности, тождественно равная 1). Выбор модели регрессии определяется предположениями о форме зависимости g(х, b) от х и b. Наиболее естественной с точки зрения единого метода оценки неизвестных параметров b является модель регрессии, линейная относительно b:

g(x, b) = b₀g₀(x) +... + b_kg_k(x) (5.3)

Относительно значений переменной х возможны различные предположения в зависимости от характера наблюдений и целей анализа. Для установления связи между величинами в эксперименте используется модель, основанная на упрощённых, но правдоподобных допущениях: величина х является контролируемой величиной, значения которой заранее задаются при планировании эксперимента, а наблюдаемые значения у представимы в виде

y_i = g(x_i, b) + e_i, (5.4)

i = 1,..., k, (5.5)

где величины e_i характеризуют ошибки, независимые при различных измерениях и одинаково распределённые с нулевым средним и постоянной дисперсией s2. Случай неконтролируемой переменной х отличается тем, что результаты наблюдений (x_i, y_i),..., (x_n, y_n) представляют собой выборку из некоторой двумерной совокупности. И в том, и в другом случае регрессионный анализ производится одним и тем же способом, однако интерпретация результатов существенно различается (если обе исследуемые величины случайны, то связь между ними изучается методами корреляционного анализа).

Предварительное представление о форме графика зависимости g(x) от х можно получить по расположению на диаграмме рассеяния (называемой также корреляционным полем, если обе переменные случайные) точек (x_i, (x_i)), где (x_i) -- средние арифметические тех значений, у, которые соответствуют фиксированному значению x_i. Например, если расположение этих точек близко к прямолинейному, то допустимо использовать в качестве приближения линейную регрессию. Стандартный метод оценки линии регрессии основан на использовании полиномиальной модели (mі 1)

y(x, b) = b₀ + b₁x +... + b_mx_{m (5.6)}

(этот выбор отчасти объясняется тем, что всякую непрерывную на некотором отрезке функцию можно приблизить полиномом с любой наперёд заданной степенью точности). Оценка неизвестных коэффициентов регрессии b₀,..., b_m и неизвестной дисперсии s₂ осуществляется наименьших квадратов методом. Оценки параметров b₀,..., b_m, полученные этим методом, называются выборочными коэффициентами регрессии, а само уравнение определяет так называемую эмпирическую линию регрессии. Этот метод в предположении нормальной распределённости результатов наблюдений приводит к оценкам для b₀,..., b_m и s₂, совпадающим с оценками наибольшего правдоподобия. Оценки, полученные этим методом, оказываются в некотором смысле наилучшими и в случае отклонения от нормальности.

При допущении, что величины yi нормально распределены, наиболее эффективно осуществляется проверка точности построенной эмпирической регрессионной зависимости и проверка гипотез о параметрах регрессионной модели. В этом случае построение доверительных интервалов для истинных коэффициентов регрессии b₀,..., b_m и проверка гипотезы об отсутствии регрессионной связи b_i = 0, i = 1,..., m) производится с помощью распределения Стьюдента.

В более общей ситуации результаты наблюдений y₁,..., y_n рассматриваются как независимые случайные величины с одинаковыми дисперсиями и математическими ожиданиями

E_yi, = b₁ x_ji +... + b_kx_ki, i = 1,..., n (5.7)

где значения x_ji, j = 1,..., k предполагаются известными. Эта форма линейной модели регрессии является общей в том смысле, что к ней сводятся модели более высоких порядков по переменным x₁,..., x_k. Кроме того, некоторые нелинейные относительно параметров b_i; модели подходящим преобразованием также сводятся к указанной линейной форме.

Таким образом, регрессионный анализ является одним из наиболее распространённых методов обработки результатов наблюдений при изучении зависимостей в физике, биологии, экономике, технике и других областях. На модели регрессионного анализа основаны такие разделы математической статистики, как дисперсионный анализ и планирование эксперимента; модели регрессионного анализа широко используются в статистическом анализе многомерном.

2.2 Множественная регрессия

На практике часто приходится исследовать зависимость результативного признака от нескольких факторных признаков. В этом случае статистическая модель может быть представлена уравнением регрессии с несколькими переменными величинами. Такая регрессия называется множественной.

Например, линейная регрессия с такими независимыми переменными имеет вид:

(5.8)

При оценке параметров этого уравнения в каждом i-м наблюдении фиксируют значение результативного признака У; и факторных признаков Х;_о,.. X_im:

Слагаемое е_i является случайным возмущением, имеющим математическое ожидание, равное 0, и дисперсию у²; x₀ фиктивная переменная, равная 1.

Оценки параметров уравнения регрессии с помощью метода наименьших квадратов в случае множественной регрессии удобнее представить в матричном виде.

а. = (a_j), j = О, 1,..., m - вектор неизвестных параметров: m - число неизвестных параметров;

а = (а) - вектор оценок параметров;

у = (у), i = 1,..., n - вектор значений зависимой переменной; п - число наблюдений;

Х = (Х_ij) - матрица значений независимых переменных размерностью n (m + 1);

= (_i) - вектор ошибок в модели;

е = (е_i) - вектор ошибок в уравнении с оцененными параметрами. В обычной записи вектор понимается как вектор-столбец, т.е. матрица размерностью n * 1.

Уравнение регрессии с оцененными параметрами имеет вид:

(5.9)

Линейная модель (1.7) в векторном виде имеет вид:

y = Xa + e (5.10)

Сумма квадратов отклонений равна:

(5.11)

Дифференцируя Q по а, получается:

(5.12)

Приравнивая производную к нулю, получим выражение для определения вектора оценки а

х^Ту=Х^ТХа,

а = (X^TX)^-1(X^T у). (5.13)

Оценку а, определенную изложенным способом, называют оценкой метода наименьших квадратов (оценкой МИК).

Применительно к рассматриваемому уравнению регрессии матрицы коэффициентов при неизвестных параметрах имеют вид:

(5.14)

Следовательно,

(5.15)

(5.16)

Таким образом, общее назначение множественной регрессии (этот термин был впервые использован в работе Пирсона - Pearson, 1908) состоит в анализе связи между несколькими независимыми переменными (называемыми также регрессорами или предикторами) и зависимой переменной.

2.3 Анализ коэффициентов регрессии

Прямое сравнение коэффициентов регрессии в уравнении множественной регрессии дает представление о степени влияния факторных признаков на результативный признак только тогда, когда они выражаются в одинаковых единицах и имеют примерно одинаковую колеблемость.

В общем случае, чтобы сделать коэффициенты регрессии сопоставимыми, применяют нормированные коэффициенты регрессии _j

Коэффициент _i показывает величину изменения результативного фактора в значениях средней квадратической ошибки при изменении факторного признака Х_j на одну среднеквадратическую ошибку:

(5.17)

где a_j - коэффициент регрессии при x_j факторе;

j = 1, 2,..., ; m - число факторных признаков;

- СКО факторного признака Х_j;

- СКО результативного признака.

Для множественной регрессии могут быть также определены частные коэффициенты эластичности Э_J относительно x_j:

(5.18)

- частная производная от регрессии по переменной X_j;

X_j - значение фактора Х_j на заданном уровне;

у - расчетное значение результативного признака при заданных уровнях факторных признаков.

Коэффициент Э_j показывает, на сколько процентов изменится результативный признак при изменении факторного признака на один процент при фиксировании значений остальных факторов на каком-либо уровне. Если в качестве такого уровня принять их средние значения, то получим средний частный коэффициент эластичности.

Смысл коэффициента регрессии в уравнении множественной регрессии состоит в том, что он показывает как в среднем изменится значение результативного признака, если соответствующий факторный признак увеличится на единицу при фиксированных значениях всех остальных факторов.

Коэффициентов регрессии:

- Может принимать любые значения.

- Привязан к единицам измерения обоих признаков.

- Показывает структуру связи между признаками.

- Знак коэффициента говорит о направлении связи.

3. Решение задач с использованием регрессионного анализа

3.1 Расчеты с использованием регрессионного анализа на основе данных нескольких предприятий Белокатайского района Р Б

Регрессионный анализ направлен на выявление и математическое выражение тех изменений и зависимостей, которые имеют место в системе случайных величин.

Методы регрессионного анализа рассчитаны, главным образом, на случай устойчивого нормального распределения, в котором изменения от опыта к опыту проявляются лишь в виде независимых испытаний.

Выделяются различные формальные задачи регрессионного анализа. Они могут быть простыми или сложными по формулировкам, по математическим средствам и трудоемкости. Перечислим и рассмотрим на примерах те из них, которые представляются основными.

Первая задача -- выявить факт изменчивости изучаемого явления при определенных, но не всегда четко фиксированных условиях. В предыдущей лекции мы уже решали эту задачу с помощью параметрических и непараметрических критериев.

Вторая задача -- выявить тенденцию как периодическое изменение признака. Сам по себе этот признак, может быть, зависим или не зависим от переменной-условия (он может зависеть от неизвестных или неконтролируемых исследователем условий). Но это не важно для рассматриваемой задачи, которая ограничивается лишь выявлением тенденции и ее особенностей.

Третья задача - это выявление закономерности, выраженной в виде корреляционного уравнения (регрессии).

Сравнивая между собой коэффициенты регрессии, выражающие степень влияния факторов, можно видеть, что трудность понимания текста определяется, прежде всего, его абстрактностью.

Применение регрессионного анализа можно рассмотреть на следующем примере:

Необходимо определить валовой доход, который условно можно обозначить за y. Валовой доход напрямую зависит от уровня механизации сельского хозяйства, а точнее от величины основных и оборотных средств предприятия.

Принимая линейную модель множественной регрессии в виде:

Можно определить оценки а₀, а₁, а₂ параметров данной модели.

В данном случае взяты данные нескольких предприятий, которые расположены в разных сельских местностях Белокатайского района Республики Башкортостан.

В таблице 1 представлены исходные данные по 19 предприятий (тыс. руб)

Таблица 1

Валовой доход, основные и оборотные средства некоторых сельхоз предприятий

№ п/п	y	X1	X2
1	203,4	119,0	105,4
2	63,3	28,1	56,0
3	36,1	15,9	35,0
4	34,4	36,8	36,8
5	45,9	17,5	54,2
6	113,7	50,3	63,4
7	121,8	55,9	26,8
8	73,8	26,1	43,2
9	87,8	21,6	40,7
10	75,8	25,4	66,5
11	49	17,2	25,1
12	111,8	119,6	54,3
13	96,4	124,2	41,9
14	80	114,8	36,2
15	88,9	106,5	50,0
16	75,2	103,5	58,4
17	61,8	141,1	42,8
18	237,7	154,2	106,7
19	160,5	24,4	36,8
Итого	1817,3	1362,1	980,2

Расчет оценок а₀, а₁, а₂ параметров данной модели:

(6.1)

по условию задачи:

(6.2)

(6.3)

обратная матрица (X^TX) имеет вид:

Вектор оценок, который можно обозначить за б равен:

уравнение регрессии с оценками параметров имеет следующий вид:

Таким образом, как видно из уравнения регрессии валовой доход организации зависит как от имеющихся основных, так и оборотных средств, но от оборотных в большей степени.

Таблица 2

Производство молока по категориям хозяйств

Показатели	Год	2009 к 2005, %
	2005	2006	2007	2008	2009
	тыс. т	%	тыс. т	%	тыс. т	%	тыс. т	%	тыс. т	%
Молоко, всего	327,9	100,0	299,1	100,0	287,2	100,0	289,8	100,0	290,4	100,0	88,5
в том числе
СХП	128,2	39,1	99,2	33,2	86,2	30,2	86,8	30,0	82,1	28,3	64,0
ЛПХ	196,2	59,8	196,3	65,6	196,7	68,3	197,7	68,2	200,4	69,0	102,1
КФХ	3,6	1,1	3,6	1,2	4,3	1,5	5,3	1,8	7,9	2,7	219,4

Согласно данным таблицы, можно отметить, что за исследуемый период наиболее стабильно производство молока в ЛПХ, в то время как в сельскохозяйственных предприятиях производство падает.

Технологии производства молока в существующих сегодня организационных единицах (СХП, ЛПХ, КФХ) отличаются степенью механизации производственных процессов, что сказывается на потреблении энергоресурсов, трудоемкости производства и, в конечном счете, на эффективности производства молока.

Уровень механизации технологических процессов в настоящее время является тем критерием, который определяет насколько эффективно осуществляется производство той или иной сельскохозяйственной продукции. Но с другой стороны поддержание соответствующего уровня механизации требует дополнительных затрат на приобретение запасных частей, оплату электроэнергии, покупку энергоносителей (бензин, дизельное топливо, газ, твердые виды топлива).

В условиях резкого сокращения централизованного снабжения отрасли молочного скотоводства материально-техническими ресурсами, неэквивалентность цены на животноводческую продукцию по сравнению с ценами на машины, оборудование, электроэнергию и нефтепродукты необходимые для производства молока, привели к существенному изменению структуры себестоимости молока.

Проведенный анализ цен на основные энергоносители и молоко (табл. 3) показал, что за исследуемый период произошел многократный рост тарифов и цен на энергоносители. В то же время цены на молоко выросли незначительно.

Таблица 3

Динамика цен на энергоносители и молоко

Показатели	Год	2009 к 1990, раз
	1990	2005	2006	2007	2008	2009
Электроэнергия, руб. за тыс. кВт-ч	20,0	760,0	838,0	930,0	1018,0	1197,0	59,9
Автомобильный бензин, руб./т	160,0	6976,0	9244,0	9159,0	10965,0	14268,0	89,2
Дизельное топливо, руб./т	200,0	6312,0	10110,0	12000,0	11218,0	17000,0	85,0
Молоко, руб./т	750,0	4890,0	5818,0	6680,0	7214,0	8409,0	11,2

Взаимосвязь производства молока и потребления энергоресурсов была исследована с использованием методов экономико-статистического анализа отчетности.

Группировка хозяйств по валовому надою показала, что с ростом валового производства молока в сельскохозяйственных предприятиях увеличивается потребление электрической энергии.

Регрессионный анализ показывает, что увеличение производства молока на 1 ц ведет к росту потребления электроэнергии на 13,1 кВт-ч и одновременно сокращается использование двигателей внутреннего сгорания (тракторов) на 0,8 л.с., что отражает уравнение регрессии:

y=1103,8 - 0,8х₁ + 13,1х_2,

где х₁ - наличие энергетических мощностей, л. с.;

х₂ - расход электроэнергии, кВт-ч.

Значение множественного коэффициента детерминации R²=0,955 показывает, что 95,5 % общей вариации результативного признака объясняется вариацией факторных признаков х₁ и х_2.

Из полученных результатов можно сказать, что группировка хозяйств по валовому надою и удельным показателям расхода электроэнергии и затрат труда показала, что с увеличением валового надоя в хозяйствах различных групп наблюдаются колебания потребления электроэнергии как в расчете на 1 ц молока, так и на одну корову. В то же время следует отметить очевидную тенденцию - с ростом валового надоя сокращаются энергоемкость и затраты труда на 1 ц продукцию.

3.2 Рекомендации по улучшению экономической эффективности

Наукоемкие направления ресурсо- и энергосбережения в животноводстве базируются на разработке и совершенствовании технологий, машин и агрегатов, внедрении научно-обоснованной организации труда, соблюдении строгой технологической дисциплины и использовании практики экономной эксплуатации производственного потенциала, среди которых - программируемое кормопроизводство, поточно-конвейерная организация кормления животных, доильная установка типа “Карусель”, система подпольного навозоудаления и создания микроклимата с использованием температурного компенсатора.

Главные пути экономии энергоресурсов в земледелии - обоснованные структуры посевных площадей, разработка и освоение научно обоснованных севооборотов с наличием в них около четверти бобовых трав и 10-15% посевов промежуточных культур; применение всех видов органических удобрений, включая сидераты; умеренное применение минеральных удобрений; дифференцированная система обработки почвы с учетом биологических требований культуры и почвенно-климатических условий; соблюдение технологической дисциплины.

Улучшение положения в сельскохозяйственном машиностроении возможно лишь с повышением инвестиционной активности сельских товаропроизводителей, формированием новых методов сбыта сельскохозяйственной техники, повышением ее технического уровня и качества, улучшением условий ее продажи. Получит дальнейшее развитие поставка техники на условиях лизинга. Средства региональных лизинговых фондов будут направляться в первую очередь на приобретение техники для функционирующих и вновь создаваемых машинно-технологических станций. Осуществляются меры по оздоровлению финансового состояния сельскохозяйственных товаропроизводителей, предприятий и организаций АПК. Анализ конкурентоспособности продукции отечественного сельхозмашиностроения показывает, что она сохраняет по основным группам машин свои позиции на 75% внутреннего рынка и рынках СНГ, однако по ряду показателей (надежность, энергоемкость, условия труда) значительно уступает продукции ведущих зарубежных фирм. Для повышения конкурентоспособности самоходной техники необходимо внедрение в конструкции машин энергоэкономичных двигателей, новых поколений резинотехнических изделий, гидравлики, электро- и гидроаппаратуры, электронных систем, которые в первоначальный период предусматривается приобретать у ведущих мировых производителей.

Расчеты

1. Коэффициенты ликвидности - определяют возможности погашения текущих обязательств в течение определенного периода времени.

1.1 Коэффициент общей (текущей) ликвидности рассчитывается как частное от деления оборотных средств на краткосрочные обязательства и показывает, достаточно ли у предприятия средств, которые могут быть использованы для погашения его краткосрочных обязательств в течение определенного периода.

где ОбА - оборотные активы, принимаемые в расчет при оценке структуры баланса - это итог второго раздела баланса формы № 1 (строка 290) за вычетом строки 230 (дебиторская задолженность, платежи по которой ожидаются более чем через 12 месяцев после отчетной даты).

КДО - краткосрочные долговые обязательства - это итог четвертого раздела баланса (строка 690) за вычетом строк 640 (доходы будущих периодов) и 650 (резервы предстоящих расходов и платежей).

Ктл = 12408/2152 = 5,7

По общепринятым стандартам считается, что этот коэффициент должен находиться в пределах от 1 до 2-3. Нижняя граница обусловлена тем, что оборотных средств должно быть по крайней мере достаточно для погашения краткосрочных обязательств, иначе компания окажется под угрозой банкротства. Превышение оборотных средств над краткосрочными обязательствами более, чем в три раза может свидетельствовать о нерациональной структуре капитала.

1.2 Коэффициент срочной ликвидности - частный показатель коэффициента текущей ликвидности; он раскрывает отношение наиболее ликвидной части оборотных средств (денежных средств, краткосрочных финансовых вложений и дебиторской задолженности) к краткосрочным обязательствам. По международным стандартам уровень коэффициента должен быть выше 1, в России его оптимальное значение определено как 0,7-0,8.

Где: ОА - Оборотные активы,

З - запасы,

КП - краткосрочные пассивы

Таким образом формула расчета этого показателя складывается так: (Кбл = отношение готовой продукции и товаров для перепродажи, дебиторской задолженность (платежи по которой ожидаются в течение 12 месяцев после отчетной даты, краткосрочных финансовых вложений (ф.1 стр. 250) и денежных средств (ф.1 стр. 260) к итогу четвертого раздела баланса (стр. 690) за вычетом доходов будущих периодов (стр. 640) и резервов предстоящих расходов и платежей (стр.650).

Кбл = 240 / 2152 = 0,1

1.3 В российских условиях наиболее надежным показателем ликвидности можно считать коэффициент абсолютной ликвидности, который рассчитывается как частное от деления денежных средств на краткосрочные обязательства. В западной практике этот коэффициент рассчитывается редко, а в России его оптимальный уровень считается равным 0,2-0,25.

Где: ДС - Денежные средства,

КП - краткосрочные пассивы

Формулу расчета этого показателя можно представить как отношение стр. 260 (Денежные средства) к к итогу четвертого раздела баланса (стр. 690) за вычетом доходов будущих периодов (стр. 640) и резервов предстоящих расходов и платежей (стр. 650).

Кал = 240 / 2152 = 0,11

1.4 Показатель чистого оборотного капитала рассчитывается как разность между оборотными активами предприятия и его краткосрочными обязательствами. Чистый оборотный капитал необходим для поддержания финансовой устойчивости предприятия, поскольку превышение оборотных средств над краткосрочными обязательствами означает, что компания не только может погасить свои краткосрочные обязательства, но и имеет финансовые ресурсы для расширения своей деятельности в будущем. Недостаток чистого оборотного капитала может привести предприятие к банкротству, поскольку свидетельствует о его неспособности своевременно погасить краткосрочные обязательства. Значительное превышение чистого оборотного капитала над оптимальной потребностью в нем свидетельствует о неэффективном использовании ресурсов.

ЧОК = оборотные активы - краткосрочные обязательства

ЧОК = 12408 - 2152 = 10256

2. Коэффициенты деловой активности - характеризуют эффективность использования предприятием своих средств. К этой группе относятся различные показатели оборачиваемости, поскольку скорость оборота, т.е. превращения в денежную форму, средств оказывает непосредственное влияние на платежеспособность предприятия.

2.1 Коэффициент оборачиваемости активов - отношение выручки от реализации продукции ко всему итогу актива баланса - характеризует эффективность использования фирмой всех имеющихся ресурсов, независимо от источников их привлечения, т.е. показывает, сколько раз за период совершается полный цикл производства и обращения, приносящий соответствующий эффект в виде прибыли, или сколько денежных единиц реализованной продукции принесла каждая денежная единица активов.

Коа = 9326 / 35710 = 0,26

2.2 По коэффициенту оборачиваемости дебиторской задолженности судят, сколько раз в среднем дебиторская задолженность превращалась в денежные средства в течение отчетного периода. Коэффициент рассчитывается посредством деления выручки от реализации продукции на среднегодовую стоимость чистой дебиторской задолженности. Чтобы сопоставить условия коммерческого кредитования, которыми предприятие пользуется у других компаний, с теми условиями кредитования, которые предприятие предоставляет другим компаниям, можно сравнить данный показатель с коэффициентом оборачиваемости кредиторской задолженности.

Кодз = 9326 / 1382 = 6,7

2.3 Коэффициент оборачиваемости кредиторской задолженности рассчитывается как частное от деления себестоимости реализованной продукции на среднегодовую стоимость кредиторской задолженности и показывает, сколько компании требуется оборотов для оплаты выставленных ей счетов. Коэффициенты оборачиваемости дебиторской и кредиторской задолженности можно также рассчитать в днях. Для этого необходимо количество дней в году разделить на рассмотренные показатели. Это покажет, сколько в среднем дней требуется для оплаты соответственно дебиторской или кредиторской задолженности.

Кок = 8296 / 957,5 = 8, 66

2.4 Коэффициент оборачиваемости материально - производственных запасов отражает скорость реализации этих запасов. Он рассчитывается как частное от деления себестоимости реализованной продукции на среднегодовую стоимость материально-производственных запасов. Для расчета коэффициента в днях необходимо количество дней разделить на рассмотренный показатель. Так можно узнать, сколько дней требуется для продажи (без оплаты) материально-производственных запасов. В целом, чем выше показатель оборачиваемости запасов, тем меньше средств связано в этой наименее ликвидной статье оборотных средств, тем более ликвидную структуру имеют оборотные средства и тем устойчивее финансовое положение предприятия при прочих равных условиях.

Коз = 9326 / 5006 = 1,86

2.5 Длительность операционного цикла - показатель, по которому можно определить, сколько дней в среднем требуется для производства, продажи и оплаты продукции предприятия, иначе говоря, в течение какого периода денежные средства связаны в материально-производственных запасах. Данный показатель рассчитывается как сумма периода оборачиваемости запасов и периода оборачиваемости дебиторской задолженности.

ДОЦ =

2.6 Коэффициент оборачиваемости основных средств (фондоотдача) рассчитывается как частное от деления объема реализованной продукции на среднегодовую стоимость основных средств. Повышение фондоотдачи, помимо увеличения объема реализованной продукции, может быть достигнуто как за счет относительно невысокого удельного веса основных средств, так и за счет их более высокого технического уровня. В целом, чем выше фондоотдача, тем ниже издержки отчетного периода. Низкий уровень фондоотдачи свидетельствует или о недостаточном объеме реализации, или о слишком высоком уровне вложений в основные средства.

ФО =

ФО = 9326 /(1/2 * 23914) = 0,77

3. Коэффициенты рентабельности (прибыльности) - отражают прибыльность компании.

3.1 Рентабельность реализации рассчитывается как отношение чистой прибыли после уплаты налога к объему реализованной продукции. Этот показатель отражает, сколько денежных единиц чистой прибыли принесла каждая денежная единица реализованной продукции.

Крр = 980 / 9326 = 0,105

3.2 Коэффициент рентабельности всех активов предприятия (рентабельность активов) рассчитывается делением чистой прибыли на среднегодовую стоимость активов предприятия. Он показывает, сколько денежных единиц потребовалось фирме для получения одной денежной единицы прибыли, независимо от источника привлечения этих средств. Этот показатель является одним из наиболее важных индикаторов конкурентоспособности предприятия. Уровень конкурентоспособности определяется посредством сравнения рентабельности всех активов данной компании со среднеотраслевым коэффициентом.

Кра = 980 / 17268,2 = 0,056

Как следует из расчетов, условия, на которых предприятие получает поставки гораздо хуже, чем условия, предоставляемые предприятием покупателям своей продукции. Это приводит к тому, что приток денежных средств от дебиторов менее интенсивен, чем от кредиторов. Сохранение такой тенденции может привести к дефициту денежных средств на счетах предприятия. Кроме того, обращает на себя внимание то, что у предприятия существуют проблемы с реализацией продукции. Об этом свидетельствует значительное превышение периода оборачиваемости дебиторской задолженности над периодом оборачиваемости запасов. Положительное значение показателя длительности оборачиваемости оборотных средств свидетельствует о недостаточности у предприятия денежных средств. Столь низкое значение коэффициента оборачиваемости активов объясняется «тяжелой» структурой активов. Сам по себе этот показатель мало что говорит о предприятии. Интерпретация его значения возможна лишь при сравнении со среднеотраслевым значением этого коэффициента.

Заключение

Проблемы, связанные с уровень механизации сельского хозяйства напрямую связано с сокращение тракторного парка, за которым последовало сокращение численности занятости работников и пашни. Один из основных факторов, влияющих на структуру тракторного парка, размер полевых участков, на которых должны функционировать МТА.

По результатам Всероссийской с.-х. переписи в этом секторе сельского хозяйства имеется 411,9 тыс. тракторов с неизвестными характеристиками и неучтенных Технадзором как исправные. В количественном отношении этот парк соответствует 1 трактору на 46 (ХН), что свидетельствует о том, что 45 млн. чел. заняты малопроизводительным (18,9 тыс.руб/чел.год) ручным трудом с целью самообеспечения продовольствием. Так же стало известно минимально допустимый предельный возраст тракторов в парке и чтобы не допустить понижения производительности, нужно сформировать парк, включающий не менее 2000 тыс. мотоблоков и мини-тракторов и позволяющий повысить производительность труда до 50 тыс. руб/чел. в год, а продуктивность пашни - до 100 тыс.руб./га.

Для оценки уровня механизации в сельском хозяйстве применяется комплекс показателей, характеризующих механизацию работ, труда и энергетических ресурсов.

Показатели механизации работ и процессов выражают соотношение объемов работ Q_мех, выполненных машинами, приводимыми в движение механическими двигателями, и общего объема работ Q_o, выполняемых машинами и вручную.

Наиболее существенными являются показатели механизации таких трудоемких работ, как вспашка почв, культивация, посев, уборка урожая. Ряд из них (пахота, боронование, культивация) практически полностью механизированы и уже не рассматриваются статистикой.

Показатели механизации энергоресурсов выражают отношение объема энергетических ресурсов механических двигателей к общему их размеру, включающему и ресурсы рабочего скота.

Регрессионный анализ является одним из наиболее распространённых методов обработки результатов наблюдений при изучении зависимостей в физике, биологии, экономике, технике и других областях. На модели регрессионного анализа основаны такие разделы математической статистики, как дисперсионный анализ и планирование эксперимента; модели регрессионного анализа широко используются в статистическом анализе многомерном.

Общее назначение множественной регрессии (этот термин был впервые использован в работе Пирсона - Pearson, 1908) состоит в анализе связи между несколькими независимыми переменными (называемыми также регрессорами или предикторами) и зависимой переменной.

Смысл коэффициента регрессии в уравнении множественной регрессии состоит в том, что он показывает как в среднем изменится значение результативного признака, если соответствующий факторный признак увеличится на единицу при фиксированных значениях всех остальных факторов.

Коэффициентов регрессии:

- Может принимать любые значения

- Привязан к единицам измерения обоих признаков

- Показывает структуру связи между признаками

- Знак коэффициента говорит о направлении связи.

Список литературы

1. Баканов М.И., Шеремет А.Д. Теория экономического анализа. М.: Финансы и статистика, 2000.

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

3. Зинченко А.П. и др. Практикум по общей теории статистики и статистики сельского хозяйства. М.: Финансы и статистика, 1994.

4. Общая теория статистики: учебник/ А.И. Харламов, О.Э. Башина и др.; под редакцией А.А Спирина, О.Э. Башина. М.: Финансы и статистика, 1994.

5. Статистика рынка товаров и услуг. Под ред. И.К. Беляевского. М: Финансы и статистика, 2002.

6. http://allstats.ru.

7. http://e-stat.ru.

8. http://www.unece.org.

Размещено на Allbest.ru

...