Система показателей и методов статистического исследования динамики производства и реализации зерновых культур

Размещено на http://www.allbest.ru/

Оглавление

Введение

1. Система показателей и методов статистического исследования динамики производства и реализации зерновых культур

2. Статистическое исследование динамики развития социально - экономических явлений и процессов

2.1 Выявление тенденции развития ряда динамики урожайности

2.2 Выявление тенденции развития ряда динамики

2.3 Выявление тенденции развития в рядах динамики с использованием ППП Excel

2.4 Отбор функции в качестве тренда

2.5 Расчет показателей колеблемости

2.6 Прогнозирование

3. Корреляционно-регрессионыый анализ влияния различных факторов на динамику развития социально-экономических явлений и процессов

Выводы и предложения

Библиографический список

Приложение



Введение

социальный экономический регрессионный урожайность

Производство, потребление, качество продуктов питания в совокупности составляют одну из фундаментальных основ жизнедеятельности человека, определяющих производственную независимость государства. Основу растениеводства, а значит и всего сельскохозяйственного производства составляет зерновое хозяйство. Зерновые культуры - стратегическое пищевое сырье и национальное достояние России, а зерновая отрасль является ведущей в сельском хозяйстве. Она обеспечивает производство более половины всего стоимостного объёма сельскохозяйственной продукции.

Именно зерновые культуры определяют продовольственную независимость нашей страны. Ведь хлеб и хлебные продукты являются важными продуктами питания для большей части населения страны, а по калорийности занимает почти половину всего пищевого баланса в рационе человека. Зерно является основой питания для населения, потому что это не только хлеб, макаронные изделия, крупы, но и источник производства молока, мяса, яиц и других продуктов. Зерно - важнейший корм для скота и птицы. Концентрированные корма высокопитательны. Они легко поддаются механизации и автоматизации приготовления. Затраты труда на их подготовку в несколько раз меньше, чем на другие корма. Оно хорошо хранится, поэтому особенно пригодно для создания государственных резервов продовольствия и кормов. Легко перевозится на большие расстояния, в связи, с чем широко используется в качестве привозного корма на птицефабриках и животноводческих комплексах.

Зерно - важнейший экспортный продукт. Чем больше зерновые ресурсы страны, тем крепче внешнеполитические позиции государства на мировой арене. От того, насколько интенсивно в стране будет наращиваться производство зерна, зависит реальность преодоления кризиса в АПК, улучшение продовольственного обеспечения населения.

Цель курсовой работы проведение статистического исследования динамики производства и реализации зерновых культур в хозяйствах Республики Башкортостан.

Поставленная цель определяет необходимость решения следующих задач:

- провести анализ динамики производства зерновых культур,

- выявить тенденции развития ряда динамики урожайности зерновых культур,

- провести анализ показателей колеблемости ряда динамики урожайности зерновых культур,

- сделать прогноз на будущее урожайности зерновых культур,

- провести индексный анализ валового сбора и средней урожайности, корреляционно-регрессионный анализ влияния факторов на урожайность, статистико-экономический анализ эффективности производства зерновых культур, статистический анализ доходности производства.

Комплексность анализа достигается с помощью использования основных методов анализа: анализа интенсивности изменения во времени, выравнивание ряда динамики методом укрупнения периодов, корреляционно- регрессионный анализ.

Для написания курсового проекта использовались такие литературные источники, как учебники «Основы статистики», «Статистика сельского хозяйства», «Экономическая статистика»; статьи из периодической печати - из журналов «Экономика и управление АПК», «Вопросы статистики», «Вопросы экономики», «Экономика сельского хозяйства России».

Данные по хозяйству взяты с годовых отчетов за последние 9 лет.



1. Система показателей и методов статистического исследования динамики производства и реализации зерна

Урожай и урожайность -- важнейшие результативные показатели растениеводства и сельскохозяйственного производства в целом. Уровень урожайности отражает воздействие экономических и приходных условий, в которых осуществляется сельскохозяйственное производство, и качество организационно-хозяйственной деятельности каждого предприятия.

Задачи статистики урожая и урожайности состоят в том, чтобы:

1) охарактеризовать уровни урожая и урожайности по категориям и типическим группам хозяйств, зонам, районам, административным подразделениям и по стране в целом; изучить различия в этих уровнях в динамике, по территории и по сравнению с планом (проектом);

2) изучить факторы различий в уровнях урожая и урожайности, выявить степень их влияния на урожай и урожайность, проанализировать неиспользованные резервы увеличения производства продукции.

Также задачи статистики урожая и урожайности состоит в том, чтобы правильно определить уровни урожая и урожайности и их изменение по сравнению с прошлыми периодами и планом; раскрыть путем анализа причины изменений в динамике и факторы, обусловившие различия в уровнях урожайности между зонами, районами, группами хозяйств; оценить эффективность различных факторов урожайности; выяснить неиспользованные резервы повышения урожайности.

Под урожаем сельскохозяйственная статистика понимает общий размер продукции данного вида (данной культуры), получаемой со всей площади посева культуры в хозяйстве, районе, области, стране.

Следует различать урожай как общий объем продукции со всей площади посевов или угодий и урожайность - объем продукции с единицы площади (га, м2) или дерева (куста).

Урожай является итогом сложного процесса возделывания культур, поэтому для его характеристики необходимо использовать ряд показателей.

Под урожайностью подразумевается средний размер той или иной продукции растениеводства с единицы данной культуры (обычно в центрах с гектара).

Урожай характеризует общий объем производства продукции данной культуры, а урожайность - продуктивность этой культуры в конкретных условиях ее возделывания.

В соответствии со спецификой данного явления урожай характеризуется рядом показателей. К таким показателям относятся:

1) видовой урожай;

2) урожай на корню перед началом своевременной уборки;

3) фактический сбор (так называемый амбарный урожай);

4) чистый сбор.

Фактический сбор учитывают вначале в первоначально оприходованном весе, а затем фактическом весе зерна после доработки, а также в пересчете на стандартную влажность.

Видовой урожай (виды на урожай) не является в полном смысле слова статистическим показателем урожая. Это непосредственный показатель состояния посевов. Урожая как реальной категории, как завершенного результата возделывания культуры еще нет, пройдены лишь определенные стадии развития, и оценке подвергается не урожай, а состояние посевов, частный результат пройденных фаз развития, иначе незавершенное производство. Однако, если предположить, что последующие фазы не изменят результата, каждому данному уровню состояния посевов будет соответствовать определенный размер ожидаемого урожая.

Урожай на корню перед началом своевременной уборки -- реально существующий факт. Урожай выращен, возделывание культуры закончено вследствие того, что биологический процесс развития здесь уже завершен, или потому, что продолжение этого процесса не представляет дальнейшего хозяйственного интереса. Однако экономически производство еще не завершено, и чтобы его завершить, т. е. превратить урожай на корню в элемент валовой продукции, надо урожай убрать. Но в процессе уборки (включая операции по доработке продукции, т. е. доведения ее до нормальных кондиций) возможны потери.

Урожай на корню иногда называют биологическим, механически перенося этот термин из практики опытного дела. Однако такой термин неудачен. Во-первых, потому, что и на этой стадии производства уровень урожая достигнут не в порядке самостоятельного естественного развития культуры, а путем сочетания возможностей культуры с хозяйственными мероприятиями. Во-вторых, потому, что биологические возможности культуры в хозяйственных условиях в отличие от опытных не раскрываются полностью.

Поскольку урожай на корню определяют нередко путем глазомерной или видовой оценки, его называют также видовым урожаем. Такое определение неправильно, ибо это не виды на урожай, а реально выращенный, но еще не убранный урожай; следовательно, должны быть приняты все меры к тому, чтобы этот урожай полностью убрать.

Фактический сбор урожая, или амбарный урожай, есть экономически завершенный результат производства. По своему размеру он меньше урожая на корню на величину потерь.

Фактический сбор урожая во время уборки учитывается в физическом весе без снижений цены на последующие отходы (по зерну при комбайновой уборке в так называемом бункерном весе). Такой учет необходим для контроля за дальнейшим движением продукции. Однако из-за значительных колебаний влажности и засоренности зерна, семян подсолнечника и другой продукции этот показатель не вполне сопоставимый. Для сравнения более правильно пользоваться другим показателем--весом зерна (семян подсолнечника и т. п.) после доработки (за вычетом неиспользованных отходов и усушки). Так как различия влажности здесь полностью не устраняются, при реализации зерна используют в качестве дополнительного корректирующего показателя процент влажности. Возможен также пересчет веса на стандартную влажность.

Чистый сбор урожая какой-либо культуры есть фактический сбор (после доработки) за вычетом израсходованных на этот урожай семян. Данный показатель используется в аналитических целях.

Соответственно дифференциации показателей урожая дифференцируются и показатели урожайности. Обычно различают:

- видовую урожайность;

- урожайность на корню перед началом своевременной уборки;

- фактический сбор с гектара (в первоначально оприходованном весе и после доработки).

Фактический средний сбор с гектара определяют в расчете:

а) на весеннюю продуктивную площадь

б) на фактически убранную площадь.

Основным показателем урожайности государственная статистика считает урожайность в расчете на весеннюю продуктивную площадь, поскольку этот показатель более полно отражает результаты хозяйственной деятельности.

Статистика урожая и урожайности имеет большое значение, так как эти данные дают возможность судить о ресурсах сельскохозяйственной продукции в нашей стране, экспорта и импорта зерна, овощей, фруктов. Эти данные также необходимы:

1) для планирования производства продукции растениеводства,

2) для организации закупок сельскохозяйственной продукции,

3) для распределения и перераспределения продовольствия в стране,

4) для организации перевозок сельскохозяйственной продукции, строительства складского хозяйства.

Установление точных размеров валового сбора и урожайности различных сельскохозяйственных культур возможно только после завершения уборки и оприходования всей полученной продукции. Однако для составления бизнес-плана сельскохозяйственного предприятия сведения об урожае необходимы намного раньше, еще до полного созревания сельскохозяйственных культур и начала их уборки. Поэтому статистика валового сбора и урожайности занимается также определением ожидаемых размеров урожая и урожайности соответствующих культур в период их вегетации. Сельскохозяйственные предприятия представляют в органы Госстатистики специальную статистическую отчетность:

1) Форма № П-1 (с.-х.) «Сведения о производстве и отгрузке сельскохозяйственной продукции». Ежемесячная, 3-го числа после отчетного периода;

2) Форма № 29 (с.-х.) «Валовые сборы и урожайность сельскохозяйственных культур на 1 декабря». Почтовая, один раз в год, представляется 2 декабря;

3) Форма № 9 (с.-х.) «Внесение минеральных и органических удобрений». Форма срочная, представляется один раз в год, по состоянию на 10 января.

Показатель урожайности в расчете на фактически убранную площадь в сравнении с биологической урожайностью и с урожайностью а расчете на уборочную площадь позволяет определить индикаторы качества и полноты уборки.

Статистика урожайности ставит своей целью объяснить различий и происшедших изменений в уровнях урожайности в разных районах, хозяйствах и вскрыть неиспользованные резервы и возможности дальнейшего ее повышения. Эта задача особенно трудна по следующим причинам. Уровень урожайности зависит от весьма сложного комплекса факторов. Факторы, определяющие урожайность, можно подразделить на две группы - природные и экономические (хозяйственные).

Природные факторы характеризуются показателями качества почв и климатических условий. Экономические факторы есть следствие уровня развития производственных сил и производственных отношений; эти факторы проявляют себя в интенсификации земледелия. В свою очередь уровень интенсивности земледелия характеризуется объемом вложений на единицу площади, структурой вложений, качеством элементов вложений, степенью использования и конкретными агротехническими формами вложений.

Экономические условия в наиболее общем виде характеризуются уровнем развития производственных сил общества, что позволяет компенсировать низкое качество почв и неблагоприятные климатические условия и достигать высокой урожайности.

Показатели интенсификации характеризуют общие предпосылки для формирования того или иного уровня урожайности, связь между ними положительная и носит корреляционный характер. Непосредственно урожайность определяется уровнем агротехники, которая является формой интенсификации возделывания каждой культуры. Показатели агротехники зависят от уровня интенсификации, а также от специализации производства, обеспечивающей концентрацию ресурсов для возделывания данной культуры.

При анализе урожайности необходимо учитывать весь комплекс факторов, недоучет какого либо из них может привести к искажению выводов.

Ниже приведем основные, наиболее распространенные приемы анализа урожайности.

Укрупнение периодов для определения суммарного эффекта интенсификации. Наиболее простой прием выявления тенденции изменения урожайности - исчисление средних уровней за достаточно большие периоды (5 - 10 лет и более).

Осреднение урожайности проводится двумя способами: а) исчислением средней многолетней урожайности, б) исчислением средней скользящей.

Сопоставление динамики урожайности и важнейших факторов интенсификации. Одним из необходимых исходных приемов факторного анализа динамики урожайности является сопоставление параллельных рядов изменения урожайности и основных факторов интенсификации сельскохозяйственного производства.

Группировка лет (годичных периодов), отличающихся климатическими условиями. Наиболее простым приемом определения эффекта изменения количества осадков, температуры и т.д. является объединение лет, обладающих близкими уровнями таких признаков, в соответствующие группы с последующим сравнением средних уровней урожайности в этих группах.

Использование метода корреляционного анализа для определения степени влияния климатических условий т агротехники на урожайность. Этот метод используется как при анализе динамики урожайности, так и различий урожайности в определенной совокупности в один и тот же период.

Экспериментальное определение эффективности соответствующих приемов агротехники с оценкой достоверности методами математической статистики. При этом методе выравниваются все другие условия, кроме испытываемых и создается возможность установления эффекта определенных факторов.

Сравнение урожайности по экономическим районам, зонам и подзонам. В данном случае сравнивается урожайность культур по экономическим районам, зонам и подзонам за отдельные годы или в среднем за более или менее продолжительные периоды.



2. Статистическое исследование динамики развития социально - экономических явлений и процессов

На основе данных урожайности зерновых культур, ц с 1 га Республики Башкортостан в динамике за 2003 - 2011 годы выявить основную тенденцию развития исследуемого показателя и выполнить прогноз на 2012 и 2013 годы.

2.1 Выявление тенденции развития ряда динамики урожайности

Для исследования интенсивности изменения явления во времени рассчитываются показатели ряда динамики урожайность зерновых культур в РБ, ц с 1 га.

Таблица 2.1 - Показатели ряда динамики

Годы	Урожайность зерновых культур в РБ, ц с 1 га	Абсолютный прирост	Темп роста, %	Темп прироста, %	Абсолютное содержание 1% прироста
		Дбаз	Дцеп	ТР баз	Тр цеп	Тпр баз	Тпр цеп
2003	37,5	-	-	-	-	-	-	-
2004	36,8	-0,7	-0,7	98,13	98,13	-1,87	-1,87	0,375
2005	38,1	0,6	1,3	101,6	103,53	1,6	3,53	0,368
2006	36,7	-0,8	-1,4	97,87	96,32	-2,13	-3,63	0,381
2007	41,5	4	4,8	110,67	113,08	10,67	13,08	0,367
2008	39,7	2,2	-1,8	105,87	95,66	5,87	-4,34	0,415
2009	35,0	-2,5	-4,7	99,3	88,16	-0,7	-11,84	0,397
2010	13,5	-24	-21,5	36	38,57	-64	61,43	0,350
2011	19,3	-18,2	5,8	51,47	142,96	-48,53	42,96	0,135
В среднем	33,12	-2,275	-2,275	92	92	-8	-8	X

1.Средний абсолютный прирост:

га,

га,

К=n-1, где К - количество цепных абсолютных приростов,

n - количество уровней ряда.

2. Средний коэффициент роста:

=;

К=n-1, где К - количество цепных коэффициентов роста

Средний темп роста:

Средний темп прироста:

Средний уровень ряда динамики:



2.2 Выявление тенденции развития ряда динамики

Таблица 2.2 - Выравнивание ряда динамики методом укрупнения периодов

Годы	Урожайность зерновых культур в РБ, ц с 1 га	По 3-х летиям
		Периоды	Сумма	Средние
2003	37,5	-	-	-
2004	36,8	2003 -2005	112,4	37,5
2005	38,1	-	-	-
2006	36,7	-	-	-
2007	41,5	2006 -2008	117,9	39,3
2008	39,7	-	-	-
2009	35,0	-	-	-
2010	13,5	2009 - 2011	67,8	22,6
2011	19,3	-	-	-

Рисунок 2.1 Выравнивание ряда динамики методом укрупнения периодов

Методом укрупнения периодов за 2003 - 2011 годы выявлена тенденция Уменьшения урожайности зерновых культур в РБ, за исключением 2011 года, в котором произошло незначительное увеличение урожайности.



Таблица 2.3 - Выравнивание ряда динамики методом скользящей средней

Годы	Урожайность зерновых культур в РБ, ц с 1 га	По скользящим 3-х летиям
		Периоды	Сумма	Средние
2003	37,5	-	-	-
2004	36,8	2003 -2005	112,4	37,5
2005	38,1	2004 -2006	111,6	37,2
2006	36,7	2005 -2007	116,3	38,8
2007	41,5	2006-2008	117,9	39,3
2008	39,7	2007 -2009	116,2	38,7
2009	35,0	2008 -2010	88,2	29,4
2010	13,5	2009 - 2011	67,8	22,6
2011	19,3	-	-	-

Рисунок 2.2 Выравнивание ряда динамики методом скользящей средней

Методом скользящей средней выявлена тенденция уменьшения урожайности зерновых культур в РБ.

Таблица 2.4 - Выравнивание ряда динамики по среднему абсолютному приросту и среднему коэффициенту роста

Годы	Урожайность зерновых культур в РБ, ц с 1 га Yi	Порядковый номер года T	Yt=37,5+(-2,275)*(t-1)	Yt = 37,5*0,920 (t-1)
2003	37,5	1	37,5	37,5
2004	36,8	2	35,2	34,5
2005	38,1	3	32,9	31,7
2006	36,7	4	30,7	29,2
2007	41,5	5	28,4	26,9
2008	39,7	6	26,1	24,7
2009	35,0	7	23,8	22,7
2010	13,5	8	21,6	20,9
2011	19,3	9	19,3	19,3

Рисунок 2.3 Выравнивание ряда динамики по среднему абсолютному приросту и среднему коэффициенту роста

Таблица 2.4 и рисунок 2.3 показывают, что методом выравнивания ряда динамики по среднему абсолютному приросту с 2003 по 2011 годы выявлена тенденция уменьшения урожайности зерновых культур в РБ, причем ежегодно в среднем на 2,275 ц.

Методом выравнивания ряда динамики по среднему коэффициенту роста за исследуемый период выявлена тенденция уменьшения урожайности зерновых культур в РБ ежегодно в среднем в 0,920 раза или на 8%.



Таблица 2.5 - Выравнивание ряда динамики аналитическим методом по уравнению прямой

Годы	Урожайность зерновых культур в РБ, ц с 1 га	Отклонение от центрального года t	t2	y*t	Yt=33,12+(-2,432)*t
2003	37,5	-4	16	-150,0	42,84
2004	36,8	-3	9	-110,4	40,41
2005	38,1	-2	4	-76,20	37,98
2006	36,7	-1	1	-36,70	35,55
2007	41,5	0	0	0	33,12
2008	39,7	1	1	39,70	30,68
2009	35,0	2	4	70,00	28,25
2010	13,5	3	9	40,50	25,82
2011	19,3	4	16	77,20	23,40
Итого	298,1	0	60	-145,9	298,1

Рисунок 2.4 Выравнивание ряда динамики аналитическим методом по уравнению прямой

Аналитическим методом по уравнению прямой выявлена тенденция уменьшения урожайности зерновых культур в РБ в среднем ежегодно на 2,432 кг.



2.3 Выявление тенденции развития в рядах динамики с использованием ППП Excel

Таблица 2.6 - Выравнивание ряда динамики аналитическим методом по линейной функции

Годы	Урожайность зерновых культур в РБ, ц с 1 га	Порядковый номер года t	Линейная функция
			Yt	Yi - Yt	(Yi - Yt)2
2003	37,5	1	42,84	-5,34	28,52
2004	36,8	2	40,41	-3,61	13,03
2005	38,1	3	28,25	9,85	97,02
2006	36,7	4	35,55	1,15	1,322
2007	41,5	5	33,12	8,38	70,22
2008	39,7	6	30,68	9,02	81,36
2009	35,0	7	28,25	6,75	45,56
2010	13,5	8	25,82	-12,32	151,8
2011	19,3	9	23,40	-4,1	16,81
2012	X	10	20,96	X	X
2013	X	11	18,53	X	X
Итого	298,1	X	X	X	505,6

Рисунок 2.5 Выравнивание ряда динамики аналитическим методом по линейной функции



Таблица 2.7 - Выравнивание ряда динамики аналитическим методом по логарифмической функции

Годы	Урожайность зерновых культур в РБ, ц с 1 га	Порядковый номер года, t	Логарифмическая функция
			Yt	Yi - Yt	(Yi - Yt)2
2003	37,5	1	43,18	-5,68	32,26
2004	36,8	2	38,28	-1,48	2,19
2005	38,1	3	35,41	2,69	7,24
2006	36,7	4	33,38	3,32	11,02
2007	41,5	5	31,80	9,7	94,09
2008	39,7	6	30,51	9,19	84,46
2009	35,0	7	29,42	5,58	31,14
2010	13,5	8	28,48	-14,98	224,4
2011	19,3	9	27,65	-8,35	69,72
2012	X	10	26,90	X	X
2013	X	11	26,23	X	X
Итого	298,1	X	X	-0,01	556,52

Рисунок 2.6 Выравнивание ряда динамики аналитическим методом по логарифмической функции

Таблица 2.8 - Выравнивание ряда динамики аналитическим методом по полиномиальной функции

Годы	Урожайность зерновых культур в РБ, ц с 1 га	Порядковый номер года, t	Полиномиальная функция
			Yt	Yi - Yt	(Yi - Yt)2
2003	37,5	1	35,06	2,44	5,95
2004	36,8	2	38,47	-1,67	2,79
2005	38,1	3	40,21	-2,11	4,45
2006	36,7	4	40,29	-3,59	12,89
2007	41,5	5	38,69	2,81	7,90
2008	39,7	6	35,43	4,27	18,23
2009	35,0	7	30,50	4,50	20,25
2010	13,5	8	23,91	-10,41	108,37
2011	19,3	9	15,64	3,66	13,39
2012	X	10	5,71	X	X
2013	X	11	-5,89	X	X
Итого	298,1	X	X	-0,1	194,22

Рисунок 2.7 Выравнивание ряда динамики аналитическим методом по полиномиальной функции

Таблица 2.9 - Выравнивание ряда динамики аналитическим методом по степенной функции

Годы	Урожайность зерновых культур в РБ, ц с 1 га	Порядковый номер года, t	Cтепенная функция
			Yt	Yi - Yt	(Yi - Yt)2
2003	37,5	1	46,86	-9,36	87,61
2004	36,8	2	38,59	-1,79	3,20
2005	38,1	3	34,45	3,65	13,32
2006	36,7	4	31,78	4,92	24,21
2007	41,5	5	29,86	11,64	135,49
2008	39,7	6	28,37	11,33	128,37
2009	35,0	7	27,17	7,83	61,31
2010	13,5	8	26,18	-12,68	160,78
2011	19,3	9	25,33	-6,03	36,36
2012	x	10	24,58	X	X
2013	x	11	23,94	X	X
Итого	298,1	x	x	9,51	650,65

Рисунок 2.8 Выравнивание ряда динамики аналитическим методом по степенной функции

Таблица 2.10 - Выравнивание ряда динамики аналитическим методом по экспоненциальной функции

Годы	Урожайность зерновых культур в РБ, ц с 1 га	Порядковый номер года, t	Экспоненциальная функция
			Yt	Yi - Yt	(Yi - Yt)2
2003	37,5	1	46,23	-8,73	76,21
2004	36,8	2	42,26	-5,46	29,81
2005	38,1	3	38,62	-0,52	0,27
2006	36,7	4	35,29	1,41	1,99
2007	41,5	5	32,26	9,24	85,38
2008	39,7	6	29,48	10,22	104,45
2009	35,0	7	26,94	8,06	64,96
2010	13,5	8	24,62	-11,12	123,65
2011	19,3	9	22,50	-3,2	10,24
2012	x	10	20,57	x	x
2013	x	11	18,80	x	x
Итого	298,1	x	x	-0,1	496,96



Рисунок 2.9 Выравнивание ряда динамики аналитическим методом по экспоненциальной функции

2.4 Отбор функции в качестве тренда

Произведём отбор функции в качестве тренда используя F - критерий Фишера при =0.05.

Линейная функция:

=

>, таким образом линейная функция считается статистически значимой и существенной.

Логарифмическая функция:

=

<, таким образом логарифмическая функция считается статистически не значимой и не существенной.

Полиномиальная функция:

=

;

>, таким образом полиномиальная функция

функция считается статистически значимой и существенной.

Степенная функция:

=

<, таким образом, степенная функция считается статистически не значимой и не существенной.

Экспоненциальная функция:

=

>, таким образом, экспоненциальная функция считается статистически значимой и существенной.

Так как по F-критерию Фишера не все пять функций подходят для отображения тенденции, то отберем наиболее адекватную функцию по наименьшему среднему квадратическому отклонению остаточному.

Отбор наиболее адекватной функции проведем с помощью среднеквадратического отклонения:



Линейная функция:

Логарифмическая функция:

Полиномиальная функция:

Степенная функция:

Экспоненциальная функция:

Наиболее адекватной функцией будет - полиномиальная функция, так как у нее среднеквадратическое отклонение наименьшее.

= -0,834t2 +5,913t +29,98



2.5 Расчет показателей колеблемости

По отобранной функции в качестве тренда определим показатели колеблемости и сделаем вывод о возможности прогнозирования.

1. Размах колеблемости:

- ц

2. Среднее абсолютное отклонение:

ц

3. Дисперсия колеблемости

=

4. Среднеквадратическое отклонение тренда

ц

5. Относительный размах колеблемости

6. Относительное линейное отклонение



6. Коэффициент колеблемости

7.Коэффициент устойчивости уровня ряда динамики

Так как коэффициент устойчивости больше 50%, то уровни ряда динамики устойчивы и данное уравнение тренда подходит для расчета прогноза на перспективу.

2.6 Прогнозирование

Выполним интервальный прогноз на 2 года:

,

где =

- интервальный прогноз,

- табличное значение Стьюдента,

при ,

Интервальный прогноз на 2011 год:

ц

кг

кг

кг

Интервальный прогноз на 2012 год:

ц

ц

ц

ц

Таким образом, если выявленная тенденция по полиномиальной функции сохранится, то в следующие два года с вероятностью 95% можно ожидать увеличение уровня урожайности зерновых культур в РБ, причем в 2011 году потребление будет составлять от -5,88 до 17,3 ц, а в 2012 году - от -79,8 до 68,02 кг.



3. Корреляционно-регрессионыый анализ влияния различных факторов на динамику развития социально-экономических явлений и процессов

Создадим таблицу исходных данных (таблица 3.1). Построим корреляционную модель связи уровня урожайности зерновых культур (У) с включением двух факторов - посевных площадей, тыс. га (Х1) и внесением минеральных удобрений, ц (Х2).

Таблица 3.1 - Исходные данные для корреляционно-регрессионного анализа

Годы	Урожайность зерновых культур в РБ, ц с 1 га Y	Посевные площади, тыс. га X1	Внесение минеральных удобрений, ц X2
2003	37,5	3665,5	7563
2004	36,8	3576,4	7985
2005	38,1	3341,2	8563
2006	36,7	3175,9	9231
2007	41,5	3141,8	9411
2008	39,7	3110,0	9757
2009	35,0	3095,2	8712
2010	13,5	3022,6	7022
2011	19,3	3176,6	7836

Выполним корреляционно-регрессионного анализа с использованием ПП EXCEL. Для удобства анализа разобьем результаты статистической обработки на отдельные фрагменты.

Таблица 3.2 - Корреляционная матрица

	У	Х1	Х2
У	1
Х1	0,373477	1
Х2	0,716634	-0,31819	1

Корреляционная матрица (таблица 3.2) содержит частные коэффициенты корреляции. Коэффициенты второго столбца матрицы характеризуют степень тесноты связи между результативным (У) и факторными признаками (Х1, Х2). Например, связь между уровнем урожайности зерновых культур и посевными площадями (rУХ1=0,373477) прямая, слабая; связь между уровнем урожайности зерновых культур и внесением минеральных удобрений (rУХ2 =0,716634) прямая, сильная; Коэффициенты корреляции между факторами свидетельствуют об отсутствии мультиколлинеарности.

Таблица 3.3 - Регрессионная статистика

Множественный R	0,957142693
R-квадрат	0,916122134
Нормированный R-квадрат	0,888162845
Стандартная ошибка	3,266674084
Наблюдения	9

Множественный коэффициент корреляции R = 0,957 показывает, что теснота связи между уровнем урожайности зерновых культур и факторами, включенными в модель, сильная. Множественный коэффициент детерминации (R-квадрат) D =0,916, т.е. 91,6 % вариации уровня урожайности зерновых культур объясняется вариацией изучаемых факторов.

Таблица 3.4 - Дисперсионный анализ

	df	SS	MS	F	Значимость F
Регрессия	2	699,3085981	349,6542991	32,76628904	0,000590122
Остаток	6	64,02695745	10,67115957
Итого	8	763,3355556

Проверим значимость коэффициента множественной корреляции, для этого воспользуемся F-критерием, для чего сравним фактическое значение F с табличным значением Fтабл. При вероятности ошибки б = 0,05 и степенях свободы v1=k-1=2-1=1, v2=n-k=9-3=6, где k - число факторов в модели, n - число наблюдений, Fтабл = 3,63. Так как Fфакт = 32,766 > Fтабл = 3,63, то коэффициент корреляции значим, следовательно, построенная модель в целом адекватна.

Таблица 3.5 - Коэффициенты регрессии

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение
Y-пересечение	-145,096165	23,74231736	-6,11128909	0,000875677
Переменная X 1	0,029054614	0,00541438	5,366193919	0,001717988
Переменная X 2	0,009891091	0,001327037	7,453513041	0,000300655
	Нижние 95%	Верхние 95%	Нижние 95,0%	Верхние 95,0%
Y-пересечение	-203,1915227	-87,00080745	-203,1915227	-87,00080745
Переменная X 1	0,015806103	0,042303126	0,015806103	0,042303126
Переменная X 2	0,006643947	0,013138235	0,006643947	0,013138235

Используя таблицу 3.5 составим уравнение регрессии:

У = -145,0961 + 0,0290Х1 + 0,0098Х2 .

Интерпретация полученных параметров следующая:

а0 = -145,0961 - свободный член уравнения регрессии, содержательной интерпретации не подлежит;

а1 = 0,0290- коэффициент чистой регрессии при первом факторе свидетельствует о том, что при увеличении посевных площадей на 1 тыс. га, уровень урожайности зерновых культур увеличится на 0,0290 ц с 1 га, при условии, что другие факторы остаются постоянными;

а2 = 0,0098 - коэффициент чистой регрессии при втором факторе свидетельствует о том, что при увеличении внесений минеральных удобрений урожайность зерновых культур увеличится на 0,0098 ц с 1 га, при условии, что другие факторы остаются постоянными;

Проверку значимости коэффициентов регрессии осуществим с помощью t-критерия Стьюдента; для этого сравним фактические значения t-критерия с табличным значением t-критерия. При вероятности ошибки б = 0,05 и степени свободы v= n-k-1=9-2-1 =6, где k - число факторов в модели, n - число наблюдений, tтабл = 2,449. Получим

t1факт = 5,366 > tтабл = 2,449,

t2факт = 7,453 > tтабл = 2,449,

Значит, статистически значимыми являются оба фактора. В этом случае модель пригодна для принятия решений.

Таблица 3.6 - Описательная статистика

	У	Х1	Х2
Среднее	33,12222222	3256,133333	8453,333333
Стандартная ошибка	3,256053242	75,00143517	306,0096676
Медиана	36,8	3175,9	8563
Мода	#Н/Д	#Н/Д	#Н/Д
Стандартное отклонение	9,768159727	225,0043055	918,0290028
Дисперсия выборки	95,41694444	50626,9375	842777,25
Эксцесс	1,103510759	-0,076632634	-1,132530653
Асимметричность	-1,554286716	1,122028451	-0,081691198
Интервал	28	642,9	2735
Минимум	13,5	3022,6	7022
Максимум	41,5	3665,5	9757
Сумма	298,1	29305,2	76080
Счет	9	9	9

Средние значения признаков, включенных в модель У = 33,12 ц с 1 га; Х1 = 3256,13тыс. га; Х2 = 8453,33 ц.

Стандартные ошибки коэффициентов регрессии Sа0 = 3,25; Sа1 =75,00; Sа2 = 306,00.

Средние квадратические отклонения признаков уУ = 9,76 ц с 1 га; уХ1 =225,00 тыс. га; уХ2 =918,02 ц.

Зная средние значения и средние квадратические отклонения рассчитаем коэффициенты вариации для оценки однородности исходных данных



Вариация факторов, включенных в модель не превышает допустимых значений (33-35%), а уровень урожайности зерновых культур характеризуется вариацией 29,469 %. В данном случае необходимо проверить исходную информацию и исключить те значения, которые значительно отличаются от средних значений.

Разные единицы измерения делают несопоставимыми коэффициенты регрессии, когда возникает вопрос о сравнительной силе воздействия на результативный признак каждого из факторов чистой регрессии. Выразим их в стандартизированной форме в виде бета-коэффициентов и коэффициентов эластичности.

Каждый из в-коэффициентов показывает, на сколько средних квадратических отклонений изменится уровень урожайности зерновых культур, если соответствующий фактор изменится на свое среднее квадратическое отклонение.

При увеличении посевных площадей на 1 среднее квадратическое отклонение уровень урожайности зерновых культур увеличится на 0,668 своего среднего квадратического отклонения; при увеличении внесений минеральных удобрений на 1 свое среднее квадратическое отклонение уровень урожайности увеличивается соответственно на 0,921 своего среднего квадратического отклонения.

Сопоставление в-коэффициентов показывает, что наиболее сильное влияние на варьирование уровня урожайности оказывает посевная площадь тыс. га, вторым - количество внесения минеральных удобрений ц.

Каждый из коэффициентов эластичности показывает, на сколько процентов изменится в среднем уровень урожайности зерновых культур, если соответствующий фактор изменится на 1%.

При увеличении посевных площадей на 1% уровень урожайности зерновых культур увеличивается на 2,851%; при увеличении внесений удобрений на 1% уровень урожайности зерновых культур увеличиться на 2,501 %.

В таблице 3.7 приведены расчетные значения уровня урожайности зерновых культур и отклонения фактических значений от расчетных. Расчетные значения получены путем подстановки значений факторов уровня урожайности в уравнение регрессии.

Если расчетное значение уровня урожайности превышает фактическое значение (остатки отрицательные), то в данном году есть резервы повышения уровня урожайности за счет факторов включенных в модель, в противном случае (остатки положительные) у года отсутствуют резервы повышения уровня урожайности за счет факторов, включенных в модель. 

Таблица 3.7 - Остатки

<...

Наблюдение	Предсказанное Y	Остатки
2003	35,3	2,2
2004	36,9	-0,1
2005	35,7	2,4
2006

Подобные документы

• Специальные стали

  Изучение видов и технологических особенностей переплавных процессов. Сравнительный анализ методов получения специальных сталей. Выявление их преимуществ и недостатков. Выбор оптимального метода переплава. Сопоставление показателей переплавных процессов.
  
  реферат [37,4 K], добавлен 12.10.2016
  

• Ознакомление с основными этапами проектирования САУ

  Разработка двухконтурной структуры подчиненного регулирования. Расчеты статики. Оптимизация динамики САУ. Исследование переходных процессов в синтезированной системе при управляющих и возмущающих воздействиях с помощью компьютерного моделирования.
  
  курсовая работа [888,8 K], добавлен 10.07.2012
  

• Выявление резервов увеличения производства молока на предприятии

  Теоретические основы методики анализа производства молока. Организационно-экономическая характеристика ОАО "Агрофирма "Гордино". Анализ выполнения плана производства молока, динамики поголовья коров, уровня продуктивности, условий содержания животных.
  
  курсовая работа [86,3 K], добавлен 18.09.2012
  

• Исследование влияния процесса дегазации на седиментационные характеристики иловой смеси

  Процесс биологической очистки. Условие формирования и функционирования активного ила. Влияние внешних факторов на кинетику окисления загрязнений. Методы интенсификации седиментации иловой смеси. Оценка динамики концентрации растворенного кислорода.
  
  дипломная работа [5,5 M], добавлен 13.10.2017
  

• Анализ и оценка действия витаминов группы В на процесс приготовления йогурта

  Влияние витаминов группы В на процесс приготовления йогурта. Анализ изменения органолептических показателей продукта, нарастания кислотности и скорости сквашивания молока, динамики развития молочнокислых микроорганизмов, антагонистической активности.
  
  дипломная работа [2,2 M], добавлен 12.12.2011
  

• Исследование колебаний механической системы с одной степенью свободы

  Основные теоремы динамики механической системы, вторая основная задача динамики. Применение принципа Лагранжа-Даламбера и уравнений Лагранжа второго рода. Составление дифференциального уравнения движения механизма с помощью принципа Даламбера-Лагранжа.
  
  курсовая работа [44,8 K], добавлен 12.10.2009
  

• IDEF0-моделирование процессов производства полиэтилена высокого давления на ОАО "Казаньоргсинтез"

  Характеристика полиэтилена высокого давления. Физико-химические свойства. Нормативно-техническая документация. История возникновения и развития ОАО "Казаньоргсинтез". Назначение и особенности IDEF0-моделирования. Модель производства процессов "Как есть".
  
  курсовая работа [42,5 K], добавлен 03.05.2015
  

• Анализ системы разработки Вахского нефтяного месторождения

  Геолого-физическая характеристика Вахского месторождения. Свойства и состав нефти, газа. Анализ динамики добычи, структура фонда скважин и показателей их эксплуатации. Обзор методов воздействия на пласт, применявшихся на месторождении за последние годы.
  
  дипломная работа [1,1 M], добавлен 28.04.2015
  

• Расчет показателей работы станции и анализ методов их оценки. Исследование качества технологических процессов и продукции с применением статистических методов

  Разновидности, основные методы измерения и оценки показателей качества, задачи и методы квалиметрии. Качество выполнения показателей работы станции. Определение вероятностного процента приемлемых результатов работы и процента предельных отклонений.
  
  контрольная работа [214,8 K], добавлен 18.12.2013
  

• Технологический процесс сборки и сварки передка каркаса кабины автомобиля МАЗ

  Анализ методов статистического контроля и управления качеством в машиностроении. Разработка инструментов статистического контроля для процессов сварки. Расчет репрезентативных выборок контролируемых узлов при производстве каркаса кабины автомобиля МАЗ.
  
  дипломная работа [6,8 M], добавлен 28.08.2010
  

• Организация производства антибиотиков

  Характеристика основных этапов технологического процесса получения антибиотиков. Профессиональные вредности при получении препаратов этого ряда. Описание ряда оздоровительных мероприятий по предупреждению вредного влияния производственных факторов.
  
  реферат [21,8 K], добавлен 26.11.2014
  

• Расчёт динамики кривошипно-шатунного механизма V-образного двигателя

  Расчёт динамики кривошипно-шатунного механизма для дизеля 12Д49. Расчет сил и крутящих моментов в отсеке V-образного двигателя, передаваемых коренными шейками, нагрузок на шатунные шейки и подшипники. Анализ уравновешенности V-образного двигателя.
  
  курсовая работа [318,4 K], добавлен 13.03.2012
  

• Экспериментальное исследование сварочных процессов

  Основные параметры и константы свариваемого металла. Исследование процессов взаимодействия между металлом, газом и шлаком. Термодинамическое исследование металлургического процесса. Расчёт тепловых процессов. Расчёт распределения температур вдоль оси шва.
  
  курсовая работа [206,7 K], добавлен 01.09.2010
  

• Оптимизация процесса пивопроизводства с помощью внедрения автоматизированной системы управления данным

  Анализ существующих процессов на Клинском Пивокомбинате. Система LIMS: описание, назначение, особенности и преимущества. Улучшение процессов производства пива, его направления и перспективы. Внедрение системы LIMS на предприятии, ее эффективность.
  
  дипломная работа [535,9 K], добавлен 10.07.2012
  

• Принципы гибки метала

  Исследование влияния разных радиусов на гибку листового материала. Анализ системы моделирования технологических процессов, предназначенных для анализа трехмерного поведения металла при различных процессах обработки давлением. Расчет длины заготовки.
  
  контрольная работа [30,4 K], добавлен 08.01.2014
  

• Прогрессивные технологические процессы

  Изучение закономерностей развития и основ стандартизации технологии. Рассмотрение особенностей технологических процессов в химической, металлургической сферах, машиностроении и строительстве. Анализ прогрессивных технологий информатизации производства.
  
  курс лекций [936,9 K], добавлен 17.03.2010
  

• Анализ производства и реализации продукции растениеводства по материалам ФГУП УПХ ПСХТ "Пензенский район"

  Анализ основных производственных и экономических показателей деятельности хозяйства "Пензенский район". Влияние основных факторов на валовой сбор продукции растениеводства, рентабельность производства зерна, выполнение плана по валовому производству.
  
  курсовая работа [48,7 K], добавлен 15.11.2009
  

• Исследование погрешностей выпиливания досок на лесопильной раме

  Общие вопросы исследования технологических процессов лесопромышленных и деревообрабатывающих предприятий с применением математических методов. Анализ полиномиального и гармонического уравнений для распределения погрешностей обработки по длине доски.
  
  курсовая работа [1,9 M], добавлен 07.12.2012
  

• Исследование процессов структурообразования при производстве холоднокатаного оцинкованного листа

  Технология производства холоднокатаного оцинкованного проката, анализ процессов структурообразования при отжиге. Результаты исследований кинетики рекристаллизации феррита, влияющие факторы. Моделирование деформационного упрочнения при холодной прокатке.
  
  магистерская работа [217,6 K], добавлен 18.10.2015
  

• Исследование процессов электрохимической, вакуумно-плазменной и электронно-лучевой обработки материалов

  Расчет параметров электрохимической обработки детали. Изучение процессов на поверхности твердого тела при вакуумном ионно-плазменном напылении порошка борида циркония. Анализ показателей температурных полей при наплавке покрытия плазменно-дуговым методом.
  
  курсовая работа [2,5 M], добавлен 06.12.2013
  

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