Корреляционно-регрессионный анализ показателей сельскохозяйственного производства Приморского края

Размещено на http://www.allbest.ru/

Дальневосточный федеральный университет

кафедра управления персоналом и экономики труда

Корреляционно-регрессионный анализ показателей сельскохозяйственного производства Приморского края

Е.М. Дроздова, старший преподаватель

Аннотация

производство производительность урожайность факторный

В данной статье представлены результаты проведенного автором корреляционно-регрессионного анализа показателей сельскохозяйственной отрасли Приморского края. Также приводится полученная модель, отражающая зависимость объема производства от значений показателей производительности труда, урожайности, объема используемых основных фондов и фондоотдачи. Автором предлагается использовать данную модель для прогнозирования результатов управленческого воздействия на изменение соответствующих факторных показателей.

Ключевые слова: сельское хозяйство, факторы производства, корреляция, регрессия, корреляционно-регрессионный анализ, сельскохозяйственное производство

Основная часть

Сельскохозяйственная отрасль является одной из важнейших в экономике любой страны. Особый интерес представляют региональные особенности сельскохозяйственного производства и условия обеспечения эффективности ее функционирования в том или ином регионе.

Особую актуальность исследования тенденций и факторов развития сельскохозяйственной отрасли определяет необходимость использования имеющихся природно-сырьевых ресурсов на пользу экономики региона, как с позиции производства, так и с точки зрения потребления основных продуктов питания.

В современных экономических исследованиях достаточно часто применяются методы корреляционно-регрессионного анализа. Расчет коэффициентов корреляции позволяет выявить тесноту и направление взаимосвязи изучаемых показателей. Регрессионный анализ является логичным продолжением корреляционного и заключается в определении аналитического выражения связи результирующей величины с факторными показателями. Использование данных методов позволяет в итоге:

1) получить корреляционно-регрессионную модель связи в исследуемом явлении,

2) сформировать выводы о воздействии того или иного фактора на результирующую величину,

3) прогнозировать результат управленческого воздействия на изменение фактора(ов) данной модели.

Информационной базой дальнейшего анализа послужили нормативно-правовые акты и статистические данные, публикуемые Федеральной службой государственной статистики и территориальным органом Росстата по Приморскому краю в виде сборников, а также размещенные на страницах официальных сайтов этой службы.

Проведение корреляционно-регрессионного анализа осуществлялось в несколько этапов: от выделения факторных и результирующего показателя до интерпретации полученных результатов.

Далее представлено подробное содержание каждого из этапов корреляционно-регрессионного анализа показателей сельскохозяйственного производства Приморского края.

Первый этап - выделение ключевых факторов развития сельскохозяйственной отрасли Приморского края как одной из перспективных региональных социально-экономических подсистем.

С точки зрения экономической теории, к основным факторам любого производства относятся труд, земля и капитал (концепция трех факторов производства Ж. Б. Сея). Автор предлагает факторы сельскохозяйственного производства представить в виде системы показателей, например, по признаку условий их использования: экстенсивный или интенсивный, как показано в таблице 1.

Второй этап корреляционно-регрессионного анализа - это определение результирующего показателя служащего основным индикатором развития отрасли региона. В качестве такого показателя предлагается использовать объем производства в сопоставимых ценах.

По мнению автора, данный показатель является достаточно объективным. Это также следует из разъяснений по его расчету, которые содержатся в «Методических указаниях по расчету выпуска, промежуточного потребления и валовой добавленной стоимости сельского хозяйства в фактических и сопоставимых ценах», утвержденных постановлением Государственного комитета РФ по статистике 27 июня 2000 г. № 55¹.

На третьем этапе корреляционно-регрессионного анализа необходимо построить систему исследуемых показателей.

Таблица 2 содержит в себе статистические данные по сельскохозяйственной отрасли Приморского края за период 2005-2011 гг., которые представляют собой результирующий и факторные показатели, выстроенные в соответствии с системой, предложенной автором.

По данным таблицы, можно увидеть рост практически всех показателей сельскохозяйственного производства Приморского края, кроме количества занятых и размера посевной площади. Статистические данные за период с 2005 по 2011 гг. свидетельствуют о значительных перспективах развития сельского хозяйства исследуемого региона, особенно при условии обеспечения отрасли квалифицированными кадрами. Автор считает, что нехватка трудовых ресурсов в определенной степени оказала влияние и на снижение размера посевной площади.

Определение зависимостей между изучаемыми показателями сельскохозяйственного производства Приморского края является важнейшей задачей следующего этапа анализа.

Четвертый этап - построение матрицы коэффициентов парной корреляции. Для оценки тесноты и направления связи (прямая или обратная зависимость) между изучаемыми переменными используются показатели корреляции.

Коэффициент парной корреляции (r_xy) определяется по следующей формуле:²

Значение коэффициентов парной корреляции лежит в интервале от (-1) до (+1). Положительное значение показателя свидетельствует о прямой связи между переменными, отрицательное - об обратной (когда с ростом одной переменной другая уменьшается).

Качественная оценка тесноты связи между величинами может быть произведена на основе шкалы Чеддока: «связь признается достаточно сильной (высокой), если коэффициент корреляции по абсолютной величине (без учета положительного или отрицательного знака) превышает 0,7, и слабой, если меньше 0,3»³.

Для построения матрицы коэффициентов парной корреляции воспользуемся возможностями пакета «Анализ данных» офисного приложения Microsoft Excel. Результаты расчетов приведены в таблице 3.

Как видно из данных таблицы 3, существует достаточно высокая и положительная (прямая) связь показателей производительности труда (0,999), урожайности (0,986), объема используемых основных фондов (0,949) и фондоотдачи (0,916) с показателем объема производства в сопоставимых ценах. Учитывая, что анализ производился по статистическим данным сельскохозяйственной отрасли, можно отметить справедливость выявленных взаимосвязей.

Между тем, показатели количества занятых (-0,504) и посевной площади (-0,071) находятся в обратной и умеренной или слабой зависимости с объемом производства в сопоставимых ценах, что позволяет принять решение об исключении указанных факторов в дальнейшем анализе.

Также стоит указать на обнаруженную высокую тесноту связи между показателями урожайности (0,986), объема используемых основных фондов (0,951), фондоотдачи (0,914) и показателем производительности труда, что приводит к мысли о возможном наличии явления мультиколлинеарности. Мультиколлинеарность между факторами делает вычисление параметров регрессионной модели в дальнейшем либо невозможным, либо затрудняет содержательную интерпретацию параметров модели. Окончательное решение по этим факторам будет принято по результатам следующего этапа - проверки качества модели.

На пятом этапе предстоит определение вида уравнения регрессии, численная оценка ее параметров и определение качества регрессионной модели.

Использование функции «ЛИНЕЙН» офисного приложения Microsoft Excel позволило получить следующие параметры линейной регрессионной зависимости при аргументе «Константа» равном 1, которые представлены на рисунке 1.

Цифры первой строки на рисунке 1 позволяют сформировать уравнение линейной регрессии, демонстрирующей зависимость результирующего показателя у (объем производства в сопоставимых ценах) от факторных: производительности труда (Х₁), урожайности (Х₂), объема используемых основных фондов (Х₃) и фондоотдачи (Х₄):

у = -377,11+ 69,13 * Х₁ + 14,33 * Х₂ + 0,01 * Х₃ + 1814,04 * Х₄.

Цифры второй строки таблицы дают возможность определить стандартные значения ошибок для коэффициентов регрессии. Значения находятся в достаточно большом диапазоне, что объясняется числовыми значениями используемых факторных признаков. Главное - это отсутствие нулевых значений, которые бы свидетельствовали о наличии явления мультиколлинеарности. Следовательно, в построенной регрессионной модели можно оставить все обозначенные переменные.

Остальные полученные значения параметров линейной регрессионной зависимости также могут подлежать интерпретации и свидетельствуют о качественно проведенном анализе, но в рамках данной публикации достаточно уже достигнутого результата для формирования выводов.

Таким образом, автором разработана и предложена система показателей сельскохозяйственного производства, в соответствии с которой собраны статистические данные для дальнейшего анализа.

Проведенный автором корреляционно-регрессионный анализ позволил выявить наиболее значимые факторы, определяющие возможности развития сельскохозяйственной отрасли Приморского края. К ним относятся (по мере убывания тесноты связи): производительность труда, урожайность, объем используемых основных фондов и фондоотдача.

Также автором была получена многофакторная корреляционно-регрессионная модель, которую можно в дальнейшем использовать в региональном управлении для прогнозирования результатов функционирования сельскохозяйственной отрасли Приморского края.

В заключение стоит отметить, что повышение эффективности сельского хозяйства ценно не только с экономической точки зрения, но и с социальной, так как способствует росту качества жизни населения региона и обеспечивает развитие сельских поселений.

Литература

1. Методические указания по расчету выпуска, промежуточного потребления и валовой добавленной стоимости сельского хозяйства в фактических и сопоставимых ценах [Электронный ресурс]: [утверждены Постановлением Госкомстата России от 27 июня 2000 года № 55]. URL: http://www.businesspravo.ru/Docum/DocumShow_DocumID_17842.html (дата обращения: 05.08.2013).

2. Макарова, Н.В., Трофимец, В.Я. Статистика в Excel: учеб. пособие [Текст]. М.: Финансы и статистика, 2002. С. 253. ISBN 5-279-02282-9.

3. Там же. С. 252.

Размещено на Allbest.ru