статистико-экономический анализ производства мяса крупного рогатого скота

СОДЕРЖАНИЕ
стр
Введение 3
1. Анализ рядов динамики 5
1.1. Показатели продуктивности, их сущность, методика расчета 5
1.2. Динамика валового производства 6
1.3. Средняя продуктивность, темпы её роста и прироста, показатели вариации за 9 лет. Выявление тенденции изменения продуктивности за 9 лет 9
2. Индексный метод анализа 15
2.1. Сущность индекса, их виды 15
2.2. Индексный анализ изменения средней продуктивности и валового производства в отчетном периоде по сравнению с базисным периодом 17
3. Метод статистической группировки 21
3.1. Сущность группировки, их виды и значение 21
3.2. Группировка по одному из факторов, влияющих на продуктивность (уровень концентрации поголовья) 23
4. Корреляционно-регрессионный анализ 25
4.1. Сущность и основные условия применения корреляционного анализа 25
4.2. Построение однофакторной корреляционной модели зависимости продуктивности от уровня концентрации поголовья 27
Выводы и предложения 30
Список использованной литературы 32
Приложения 33

Возникать корреляционная связь может несколькими путями, важнейший из них – причинная зависимость вариации результативного признака от изменения факторного. Кроме того, такой вид связи может наблюдаться между двумя следствиями одной причины. Основной особенностью корреляционного анализа является то, что он устанавливает лишь факт наличия связи и степень ее тесноты, не вскрывая ее причин.
Регрессионный анализ – это метод установления аналитического выражения стохастической зависимости между исследуемыми признаками. Уравнение регрессии показывает, как в среднем изменяется результирующий показатель у при изменении любого из объясняющих переменных xi.
Таким образом, были рассмотрены теоретические основы использования корреляционно-регрессионного анализа.
4.2. Построение однофакторной корреляционной модели зависимости продуктивности от уровня концентрации поголовья
Данные для проведения корреляционно-регрессионного анализа представлены в приложении 3.
Для определения зависимости используется уравнение (4.1).
. (4.1)
где ух – теоретическое значение продуктивности;
а0, а1 – неизвестные параметры уравнения;
х – факторный признак (затраты труда
Для нахождения параметров а0 и а1 необходимо решить систему нормальных уравнений, в соответствии с формулой (4.2).
, (4.2)
Для рассматриваемого примера:
Уравнение регрессии принимает вид:
Экономическая интерпретация полученного коэффициента уравнения регрессии b показывает, что увеличение величины поголовья на 1 голову приводит к увеличению себестоимости на 0,0024 грамм.
Для анализа качества построенной модели рассчитаем и проанализируем коэффициенты корреляции и детерминации.
Коэффициент корреляции R рассчитывается по формуле (4.3).
(4.3)
где
Таким образом, коэффициент корреляции R равен:
Коэффициент корреляции характеризует статистическую взаимосвязь продуктивности (у) и поголовья (х). Коэффициент корреляции между этими двумя показателями равен 0,76, что близко к 1 и характеризует взаимосвязь как сильную. Положительное значение коэффициента корреляции говорит о том, что увеличение поголовья приведет к росту продуктивности (прямая зависимость). Достаточно высокое значение коэффициента означает, что отклонения от уравнения регрессии низки и линия регрессии проходит достаточно близко к точкам фактических значений.
Коэффициент детерминации D определяется по формуле (4.4).
(4.4)
Для рассматриваемого примера коэффициент детерминации равен 58,01%.
Значение коэффициента 58,01% говорит о том, что зависимость продуктивности (у) от поголовья (х) средняя. Регрессионная модель признается приемлемой (т.к. коэффициент детерминации больше 50%).
Таким образом, было построено уравнение регрессии влияния поголовья (х) на продуктивность (у), а также определено качество уравнения на основе анализа коэффициентов корреляции и детерминации.
Выводы и предложения
Обобщим результаты проведенного анализа.
По результатам анализа динамики валового производства по Борисоглебскому району выявлена в целом отрицательная динамика в течение анализируемого периода 9 лет. Наряду с двумя периодами роста отмечается снижение в остальные периоды; в целом произошло снижение валового производства с 1 607 ц/год до 0 ц/год. Среднегодовой валового производства по району составлял 1 570 ц/год.
Анализ динамики продуктивности также выявляет снижение показателя в течение анализируемых 9 лет: положительная динамика выявлена в 2002, 2006, 2007 годах, в остальные периоды динамика отрицательна. В целом с 2001 по 2009 год продуктивность снизилась с 27 грамм до 0 грамм; среднегодовое значение суточного привеса КРС по району составляло 187 грамм. Таким образом, снижение продуктивности до 0 в течение 2001-2009 годов привело к снижению до нулевого значения валового производства по Борисоглебскому району.
Далее было изучено влияние факторов на динамику продуктивности и валового производства по 25 районам в 2004 и 2006 годах.
Средняя продуктивность по совокупности районов в отчетном 2006 году по сравнению с базисным 2004 годом возросла в 1,18 раз или на 55,01 г. На такую динамику оказали влияние следующие факторы: продуктивность в отдельных районах (повлияла на рост средней продуктивности на 4% или на 14,02 г) и структура произведенной продукции (фактор оказал большее влияние – рост средней продуктивности на 13% или на 55,01 г).
Валовое производство в отчетном 2006 году по сравнению с базисным 2004 годом по рассматриваемым районам снизилось на 37% или на 142 267 ц/год. Основное влияние на снижение показателя оказало снижение поголовья (повлекло снижение валового производства на 47% или на 178056 ц/год). Изменение продуктивности и структуры стада снизило негативное воздействие снижения поголовья. Так, под влиянием продуктивности в отдельных районах валовое производство возросло на 4% или на 9119 ц/год. Изменение структуры стада привело к росту валового производства на 13% или на 26671 ц/год.
Статистическая группировка районов по концентрации поголовья показала, что наибольшее количество районов приходится на первую группу, с общей продуктивностью 3 844 ц/год и поголовьем 85 934 гол. Данная группа является лидером по продуктивности среди остальных. Наименьшая продуктивность в группе 4 (345 ц/год при поголовье 25 821 гол.), данная группа включает только один район (район №27).
Анализ влияния величины поголовья скота на продуктивность был проведен с помощью корреляционно-регрессионного анализа. Построение уравнения (коэффициент уравнения регрессии b) позволило заключить, что увеличение величины поголовья на 1 голову приводит к увеличению себестоимости на 0,0024 грамм. Прямое влияние величины поголовья на продуктивность подтверждается положительным значением коэффициента корреляции. Достаточно высокое значение коэффициента (0,76) характеризует сильную взаимосвязь между двумя рассматриваемыми показателями. Значение коэффициента детерминации, равное 58,01%, характеризует зависимость продуктивности от поголовья скота как среднюю.
Таким образом, в работе был проведен статистический анализ продуктивности сельскохозяйственных предприятий с использованием методов анализа рядов динамики, индексного анализа, статистической группировки и корреляционно-регрессионного анализа. Использование данных методов позволило сделать выводы об общей динамике показателей, выявить степень влияния на динамику тех или иных факторов, провести анализ групп районов; охарактеризовать зависимость продуктивности от уровня концентрации поголовья с помощью корреляционно-регрессионного анализа.
Список использованной литературы
Блюмин С.Л., Суханов В.Ф., Чеботарёв С.В. Экономический факторный анализ: монография. – Липецк: ЛЭГИ, 2011.
Гришин А.Ф., Кочерова Е.В. Статистические модели. Построение, оценка, анализ. – М.: Финансы и статистика, 2009.
Каплан В.Е., Каплан А.В. Статистическая обработка и анализ экономических данных. – Ростов-на-Дону.: Феникс, 2010.
Ковалев В.В., Волкова О.Н. Анализ хозяйственной деятельности предприятия. – М.: ТК Велби, 2013.
Комплексный экономический анализ хозяйственной деятельности: Учебное пособие / А.И.Алексеева, Ю.В.Васильев, А.В., Малеева, Л.И.Ушвицкий. – М.: Финансы и статистика, 2013.
Лугинин О.Е. Статистика в рыночной экономике. – Ростов-на-Дону, Феникс, 2010.
Микроэкономическая статистика: учебник / Под ред. Ильенковой С.Д. – М.: Финансы и статистика, 2009.
Никитина Н.Ш. Статистика для экономистов: учебное пособие. – М.: Инфра-М, 2010.
Образцова О.И. Статистика предприятий и бизнес-статистика. – М.: Высшая школа экономики, 2011.
Практикум по общей теории статистики /под ред. Зинченко А.П. – М.: Финансы и статистика, 2010.
Салин В.Н., Чурилова Э.Ю. Курс теории статистики для подготовки специалистов финансово-экономического профиля. – М.: Финансы и статистика, 2009.
Приложения
Приложение 1
Продуктивность, поголовье и валовое производство мяса крупного рогатого скота
Наименование районов Продуктивность, г Поголовье, гол. Валовое производство Базисный год 2002 (Y0) Отчетный год 2006 (Y1) Базисный год 2002 (П0) Отчетный год 2006 (П1) Базисный год 2002 (Y0*П0) Отчетный год 2006 (Y1*П1) Условный год (Y0*П1) Аннинский 327 282 28 083 17 771 33 518 18 292 21 211 Бобровский 245 173 12 670 5 859 11 330 3 700 5 239 Богучарский 261 235 13 875 4 737 13 218 4 063 4 513 Борисоглебский 177 215 5 392 1 205 3 484 946 778 Бутурлиновский 250 238 15 718 5 239 14 343 4 551 4 781 Верхнемамонский 197 256 11 244 7 672 8 085 7 169 5 517 Верхнехавский 208 340 4 504 1 420 3 419 1 762 1 078 Воробьевский 209 278 21 063 12 932 16 068 13 122 9 865 Грибановский 170 170 4 975 897 3 087 557 557 Калачеевский 312 298 20 328 14 418 23 150 15 682 16 419 Каменский 272 161 11 297 5 973 11 216 3 510 5 930 Кантемировский 249 327 18 628 12 316 16 930 14 700 11 193 Каширский 263 311 9 447 4 303 9 069 4 885 4 131 Лискинский 589 655 45 941 42 236 98 766 100 976 90 801 Нижнедевицкий 269 215 10 291 5 908 10 104 4 636 5 801 Новоусманский 279 387 12 421 3 491 12 649 4 931 3 555 Новохоперский 248 204 6 440 2 632 5 829 1 960 2 382 Ольховатский 305 340 7 371 3 776 8 206 4 686 4 204 Острогожский 178 38 11 864 1 108 7 708 154 720 Павловский 344 309 26 899 14 076 33 774 15 876 17 674 Панинский 228 352 8 895 527 7 402 677 439 Петропавлов-ский 194 178 6 347 1 285 4 494 835 910 Поворинский 193 115 2 135 30 1 504 13 21 Подгоренский 252 204 10 969 2 242 10 089 1 669 2 062 Рамонский 373 353 8 916 6 182 12 139 7 965 8 416 Итого 6 592 6 634 335 713 178 235 379 582 237 315 228 196
Приложение 2
Исходные данные для группировки по (Х)
Границы групп районов по (Х) Номер района Продуктивность, г Поголовье, гол. Валовое производство 1 2 3 4 5=3*4 199 - 8581 23 29 199 21,06 199 - 8581 9 192 1 933 1 354,65 199 - 8581 22 194 2 619 1 854,51 199 - 8581 7 268 3 243 3 172,30 199 - 8581 4 156 3 812 2 170,55 199 - 8581 21 240 4 179 3 660,80 199 - 8581 18 382 6 142 8 563,79 199 - 8581 16 256 6 376 5 957,73 199 - 8581 13 269 6 488 6 370,24 199 - 8581 17 292 6 611 7 046,00 199 - 8581 26 198 6 724 4 859,43 199 - 8581 30 241 6 995 6 153,15 199 - 8581 24 314 7 001 8 023,85 199 - 8581 25 403 7 628 11 220,41 199 - 8581 6 189 7 652 5 278,73 199 - 8581 19 221 8 332 6 721,01 8581 - 16963 15 252 9 833 9 044,39 8581 - 16963 28 262 9 883 9 451,11 8581 - 16963 11 313 10 250 11 710,11 8581 - 16963 2 282 10 258 10 558,56 8581 - 16963 3 273 11 417 11 376,47 8581 - 16963 5 256 12 320 11 511,81 8581 - 16963 12 345 14 798 18 634,38 16963 - 25346 29 268 17 230 16 854,39 16963 - 25346 10 332 17 655 21 394,33 16963 - 25346 8 300 18 900 20 695,50 16963 - 25346 20 349 23 011 29 312,56 16963 - 25346 1 275 24 195 24 285,73 25346 - 33728 27 345 25 821 32 515,09 33728 - 42110 14 656 42 110 100 828,18 Итого по 1 группе 280 240 5 371 5 151,76 Итого по 2 группе 76 283 11 251 11 755,26 Итого по 3 группе 68 305 20 198 22 508,50 Итого по 4 группе 27 345 25 821 32 515,09 Итого по 5 группе 14 656 42 110 100 828,18 Всего 465 1 829 104 751 172 758,81
Приложение 3
Исходные и расчетные данные для построения корреляционно-регрессионной модели продуктивности
Номер района Продуктивность, г (у) Факторный признак поголовья, (х) Х2 ух У2 Ух=а0+а1х 1 275 24 195 585 398 025 6 653 625 75 625 314 2 282 10 258 105 226 564 2 892 756 79 524 281 3 273 11 417 130 347 889 3 116 841 74 529 284 4 156 3 812 14 531 344 594 672 24 336 265 5 256 12 320 151 782 400 3 153 920 65 536 286 6 189 7 652 58 553 104 1 446 228 35 721 275 7 268 3 243 10 517 049 869 124 71 824 264 8 300 18 900 357 210 000 5 670 000 90 000 302 9 192 1 933 3 736 489 371 136 36 864 261 10 332 17 655 311 699 025 5 861 460 110 224 299 11 313 10 250 105 062 500 3 208 250 97 969 281 12 345 14 798 218 980 804 5 105 310 119 025 292 13 269 6 488 42 094 144 1 745 272 72 361 272 14 656 42 110 1 773 252 100 27 624 160 430 336 357 15 252 9 833 96 687 889 2 477 916 63 504 280 16 256 6 376 40 653 376 1 632 256 65 536 271 17 292 6 611 43 705 321 1 930 412 85 264 272 18 382 6 142 37 724 164 2 346 244 145 924 271 19 221 8 332 69 422 224 1 841 372 48 841 276 20 349 23 011 529 506 121 8 030 839 121 801 311 21 240 4 179 17 464 041 1 002 960 57 600 266 22 194 2 619 6 859 161 508 086 37 636 262 23 29 199 39 601 5 771 841 257 24 314 7 001 49 014 001 2 198 314 98 596 273 25 403 7 628 58 186 384 3 074 084 162 409 274 Итого 7 038 266 962 4 817 653 720 93 361 008 2 271 826 7 045
Комплексный экономический анализ хозяйственной деятельности: Учебное пособие / А.И.Алексеева, Ю.В.Васильев, А.В., Малеева, Л.И.Ушвицкий. – М.: Финансы и статистика, 2013; с.216.
Ковалев В.В., Волкова О.Н. Анализ хозяйственной деятельности предприятия. – М.: ТК Велби, 2013; с.144.
Лугинин О.Е. Статистика в рыночной экономике. – Ростов-на-Дону, Феникс, 2010; с.69.
Салин В.Н., Чурилова Э.Ю. Курс теории статистики для подготовки специалистов финансово-экономического профиля. – М.: Финансы и статистика, 2009; с.138.
Никитина Н.Ш. Статистика для экономистов: учебное пособие. – М.: Инфра-М, 2010; с.112.
Каплан В.Е., Каплан А.В. Статистическая обработка и анализ экономических данных. – Ростов-на-Дону.: Феникс, 2010; с.175.
Микроэкономическая статистика: учебник / Под ред. Ильенковой С.Д. – М.: Финансы и статистика, 2009; с.201.
Практикум по общей теории статистики /под ред. Зинченко А.П. – М.: Финансы и статистика, 2010; с.93.
Гришин А.Ф., Кочерова Е.В. Статистические модели. Построение, оценка, анализ. – М.: Финансы и статистика, 2009; с.75.
Образцова О.И. Статистика предприятий и бизнес-статистика. – М.: Высшая школа экономики, 2011; с.120.
Гришин А.Ф., Кочерова Е.В. Статистические модели. Построение, оценка, анализ. – М.: Финансы и статистика, 2009; с.76.
3