Сельское хозяйство РФ (статистический аспект)

Введение
ГЛАВА 1. ОБЪЕКТ, ПРЕДМЕТ, МЕТОД И ЗАДАЧИ СТАТИСТИКИ СЕЛЬСКОГО ХОЗЯЙСТВА
1.1.Объект статистики сельского хозяйства
1.2. Предмет статистики сельского хозяйства
1.3. Метод статистики сельского хозяйства
1.4. Особенности статистического наблюдения в сельском хозяйстве
1.5. Статистический инструментарий анализа сельского хозяйства
Глава 2. Анализ статистических показателей сельского хозяйства РФ
2.1. Анализ производства продукции
2.2. Анализ продукции сельского хозяйства по федеральным округам
2.3. Аналитическая группировка регионов по выпуску продукции сельского хозяйства в 2011 году
Заключение
Библиографический список

Для оценки ряда распределения найдем следующие показатели:Показатели центра распределения.Средняя взвешеннаяМодаМода - наиболее часто встречающееся значение признака у единиц данной совокупности.где x0 – начало модального интервала; h – величина интервала; f2 –частота, соответствующая модальному интервалу; f1 – предмодальная частота; f3 – послемодальная частота.Выбираем в качестве начала интервала 649.1, так как именно на этот интервал приходится наибольшее количество.Наиболее часто встречающееся значение ряда – 19551.16МедианаВ интервальном ряду распределения сразу можно указать только интервал, в котором будут находиться мода или медиана. Медиана соответствует варианту, стоящему в середине ранжированного ряда. Положение медианы определяется ее номером:Находим середину ранжированного ряда: h = (n+1)/2 = (81+1)/2 = 41.Медианным является интервал 649.1 - 30472.35, т.к. в этом интервале накопленная частота S, больше медианного номера.Медиана делит выборку на две части: половина вариант меньше медианы, половина — больше.Таким образом, 50% единиц совокупности будут меньше по величине 27490.02Квартили.Квартили – это значения признака в ранжированном ряду распределения, выбранные таким образом, что 25% единиц совокупности будут меньше по величине Q1; 25% будут заключены между Q1 и Q2; 25% - между Q2 и Q3; остальные 25% превосходят Q3Таким образом, 25% единиц совокупности будут меньше по величине 14069.56Q2 совпадает с медианой, Q2 = 27490.02Остальные 25% превосходят значение 55194.25.Квартильный коэффициент дифференциации.k = Q1 / Q3k = 14069.56 / 55194.25 = 0.25Децили (децентили).Децили – это значения признака в ранжированном ряду распределения, выбранные таким образом, что 10% единиц совокупности будут меньше по величине D1; 80% будут заключены между D1 и D9; остальные 10% превосходят D9Таким образом, 10% единиц совокупности будут меньше по величине 6017.28Остальные 10% превосходят 95487.04Среднее значение изучаемого признака по способу моментов.где А – условный нуль, равный варианте с максимальной частотой (середина интервала с максимальной частотой), h – шаг интервала.Находим А = 15560.725.Шаг интервала h = 29823.25.Средний квадрат отклонений по способу моментов.Таблица 2.10. Расчет СКОxцx*ix*ifi[x*i]2fi15560.7200045383.981191975207.2321632105030.4831545134853.734832164676.985525194500.23600224323.48774970202Рисунок 2.9. Гистограмма распределенияРисунок 2.9. Полигон распределенияСреднее квадратическое отклонение (средняя ошибка выборки).Показатели вариации.Абсолютные показатели вариации.Размах вариации - разность между максимальным и минимальным значениями признака первичного ряда.R = Xmax - XminR = 239235.1 - 649.1 = 238586Среднее линейное отклонение - вычисляют для того, чтобы учесть различия всех единиц исследуемой совокупности.Каждое значение ряда отличается от другого не более, чем на 28636.87Дисперсия - характеризует меру разброса около ее среднего значения (мера рассеивания, т.е. отклонения от среднего).Несмещенная оценка дисперсии - состоятельная оценка дисперсии.Среднее квадратическое отклонение (средняя ошибка выборки).Каждое значение ряда отличается от среднего значения 41333.9 не более, чем на 39418.51Оценка среднеквадратического отклонения.Относительные показатели вариации.К относительным показателям вариации относят: коэффициент осцилляции, линейный коэффициент вариации, относительное линейное отклонение.Коэффициент вариации - мера относительного разброса значений совокупности: показывает, какую долю среднего значения этой величины составляет ее средний разброс.Поскольку v>70%, то совокупность приближается к грани неоднородности, а вариация сильная.Коэффициент вариации значительно больше 33%. Следовательно, рассмотренная совокупность неоднородна и средняя для нее недостаточна типична. В таком случае при практических исследованиях различными статистическими приемами приводят совокупность к однородному виду.Линейный коэффициент вариацииПоказатели формы распределения.Коэффициент осцилляции - отражает относительную колеблемость крайних значений признака вокруг средней.Относительное линейное отклонение - характеризует долю усредненного значения признака абсолютных отклонений от средней величины.Относительный показатель квартильной вариации - Степень асимметрииСимметричным является распределение, в котором частоты любых двух вариантов, равностоящих в обе стороны от центра распределения, равны между собой.Наиболее точным и распространенным показателем асимметрии является моментный коэффициент асимметрии.As = M3/s3где M3 - центральный момент третьего порядка.s - среднеквадратическое отклонение.M3 = 1.0473719302269E+16/81 = 0Отрицательный знак свидетельствует о наличии левосторонней асимметрииОценка существенности показателя асимметрии дается с помощью средней квадратической ошибки коэффициента асимметрии:Если выполняется соотношение |As|/sAs < 3, то асимметрия несущественная, ее наличие объясняется влиянием различных случайных обстоятельств. Если имеет место соотношение |As|/sAs > 3, то асимметрия существенная и распределение признака в генеральной совокупности не является симметричным.Расчет центральных моментов проводим в аналитической таблице 2.11:Таблица 2.11. Расчет центральных моментовГруппыСерединаинтервала, xiКол-во, fi(x - xср) * f(x - xср)2 * f(x - xср)3 * f(x - xср)4 * f649.1 - 30472.3515560.72451159793.0629891554038.1-7.7040037318087E+141.9855666729164E+1930472.35 - 60295.645383.981976951.35311658425.11262238745543.65.1121565228266E+1560295.6 - 90118.8575207.238270986.579179214997.863.109304960374E+141.0532248497127E+1990118.85 - 119942.1105030.485318482.8520286265777.931.2921655681985E+158.2306515842563E+19119942.1 - 149765.35134853.732187039.6417491913835.131.6358406505927E+151.5298352480777E+20149765.35 - 179588.6164676.981123343.0715213513160.671.8764814337478E+152.3145098268979E+20179588.6 - 209411.85194500.2300000209411.85 - 239235.1224323.481182989.5733485183090.256.1274392881277E+151.1212574865874E+21812319586.11125859303325.031.0473719302269E+161.6183915373104E+21В анализируемом ряду распределения наблюдается существенная левосторонняя асимметрия (0/0 = 0.26<3)Применяются также структурные показатели (коэффициенты) асимметрии, характеризующие асимметрию только в центральной части распределения, т.е. основной массы единиц, и независящие от крайних значений признака. Рассчитаем структурный коэффициент асимметрии Пирсона:Для симметричных распределений рассчитывается показатель эксцесса (островершинности). Эксцесс представляет собой выпад вершины эмпирического распределения вверх или вниз от вершины кривой нормального распределения.Чаще всего эксцесс оценивается с помощью показателя:Для распределений более островершинных (вытянутых), чем нормальное, показатель эксцесса положительный (Ex > 0), для более плосковершинных (сплюснутых) - отрицательный (Ex < 0), т.к. для нормального распределения M4/s4 = 3.M3 = 1.6183915373104E+21/81 = 0Число 3 вычитается из отношения μ4/ σ4 потому, что для нормального закона распределения μ4/ σ4 = 3. Таким образом, для нормального распределения эксцесс равен нулю. Островершинные кривые обладают положительным эксцессом, кривые более плосковершинные - отрицательным эксцессом.Ex = 0 - нормальное распределениеЧтобы оценить существенность эксцесса рассчитывают статистику Ex/sExгде sEx - средняя квадратическая ошибка коэффициента эксцесса.Если отношение Ex/sEx > 3, то отклонение от нормального распределения считается существенным.Интервальное оценивание центра генеральной совокупности.Доверительный интервал для генерального среднего.Поскольку n>30, то определяем значение tkp по таблицам функции Лапласа.В этом случае 2Ф(tkp) = 1 - γФ(tkp) = (1 - γ)/2 = 0.954/2 = 0.477По таблице функции Лапласа найдем, при каком tkp значение Ф(tkp) = 0.477tkp(γ) = (0.477) = 2(41333.9 - 8814.25;41333.9 + 8814.25) = (32519.65;50148.15)С вероятностью 0.954 можно утверждать, что среднее значение при выборке большего объема не выйдет за пределы найденного интервала.Доверительный интервал для дисперсии.Вероятность выхода за нижнюю границу равна P(χ2n-1 < hH) = (1-γ)/2 = 0.023. Для количества степеней свободы k = 80, по таблице распределения хи-квадрат находим:χ2(80;0.023) = 106.6286.Случайная ошибка дисперсии:Вероятность выхода за верхнюю границу равна P(χ2n-1 ≥ hB) = 1 - P(χ2n-1 < hH) = 1 - 0.023 = 0.977. Для количества степеней свободы k = 80, по таблице распределения хи-квадрат находим:χ2(80;0.977) = 106.6286.Случайная ошибка дисперсии:(1573241291.56 - 1180352206.87; 1573241291.56 + 1180352206.87)(392889084.69; 2753593498.43)Найдем верхнюю границу доверительного интервала для среднеквадратического отклонения с надежностью γ = 0.954.P(χ2n-1 > hγ) = 0.954. Для количества степеней свободы k = 80, по таблице распределения хи-квадрат находим:χ2(80;0.954) = 106.6286.Случайная ошибка дисперсии:Доверительный интервал для среднеквадратического отклонения.Найдем доверительный интервал для среднеквадратического отклонения с надежностью γ = 0.954.Нижняя ошибка среднеквадратического отклонения:Верхняя ошибка среднеквадратического отклонения:(39664.11 - 34356.25; 39664.11 + 34356.25)(5307.86; 74020.36)Найдем верхнюю границу доверительного интервала для среднеквадратического отклонения:0 ≤ σ ≤ 34356.25Интервальное оценивание генеральной доли (вероятности события).Доверительный интервал для генеральной доли.Поскольку n>30, то определяем значение tkp по таблицам функции Лапласа.В этом случае 2Ф(tkp) = 1 - γФ(tkp) = (1 - γ)/2 = 0.954/2 = 0.477По таблице функции Лапласа найдем, при каком tkp значение Ф(tkp) = 0.477tkp(γ) = (0.477) = 2Таблица 2.12. Оценивание генеральной долиДоля i-ой группы fi / ∑fНижняя граница доли, p* + εВерхняя граница доли, p* + ε0.560.50.610.230.190.280.09880.06560.130.06170.0350.08850.02470.007480.04190.01230.0001240.02460000.01230.0001240.0246С вероятностью 0.954 при большем объеме выборке эти доли будут находиться в заданных интервалах.Для корректного изображения формул увеличьте ширину второго столбца.Проверка гипотез о виде распределения.1. Проверим гипотезу о том, что Х распределено по нормальному закону с помощью критерия согласия Пирсона.где pi — вероятность попадания в i-й интервал случайной величины, распределенной по гипотетическому законуДля вычисления вероятностей pi применим формулу и таблицу функции ЛапласаТаблица 2.13. Проверка гипотезы и виде ряда распределенияИнтервалыгруппировкиНаблюдаемаячастотаniФ(xi)Ф(xi+1)Вероятность pi попадания в i-й интервалОжидаемаячастотаnpiСлагаемыестатистикиПирсонаKi649.1 - 30472.35450.110.350.2419.2934.2530472.35 - 60295.6190.180.110.0741628.1560295.6 - 90118.8580.390.180.2116.714.5490118.85 - 119942.150.480.390.0866.970.55119942.1 - 149765.3520.50.480.02021.640.0808149765.35 - 179588.610.50.50.002940.242.44179588.6 - 209411.8500.50.50.000150.01210.0121209411.85 - 239235.110.50.50008170.02Определим границу критической области. Так как статистика Пирсона измеряет разницу между эмпирическим и теоретическим распределениями, то чем больше ее наблюдаемое значение Kнабл, тем сильнее довод против основной гипотезы.Поэтому критическая область для этой статистики всегда правосторонняя: [Kkp;+∞).Её границу Kkp = χ2(k-r-1;α) находим по таблицам распределения «хи-квадрат» и заданным значениям s, k (число интервалов), r=2 (параметры xcp и s оценены по выборке).Kkp = 12.83250; Kнабл = 70.02Наблюдаемое значение статистики Пирсона попадает в критическую область: Кнабл > Kkp, поэтому есть основания отвергать основную гипотезу. Данные выборки распределены не по нормальному закону.2. Проверим гипотезу о том, что Х распределено по закону Пуассона.где pi — вероятность попадания в i-й интервал случайной величины, распределенной по гипотетическому закону; λ = xср.i = 0: p0 = 0, np0 = 0i = 1: p1 = 0, np1 = 0i = 2: p2 = 0, np2 = 0i = 3: p3 = 0, np3 = 0i = 4: p4 = 0, np4 = 0i = 5: p5 = 0, np5 = 0i = 6: p6 = 0, np6 = 0i = 7: p7 = 0, np7 = 0i = 8: 1=0 + 1i = 8: 0=0 + 0Таблица 2.14. Проверка гипотезы и виде ряда распределенияiНаблюдаемаячастотаnipiОжидаемаячастотаnpiСлагаемыестатистикиПирсонаKi0450001190002800035000420005100061000810Определим границу критической области. Так как статистика Пирсона измеряет разницу между эмпирическим и теоретическим распределениями, то чем больше ее наблюдаемое значение Kнабл, тем сильнее довод против основной гипотезы.Поэтому критическая область для этой статистики всегда правосторонняя: [Kkp;+∞).Её границу Kkp = χ2(k-r-1;α) находим по таблицам распределения «хи-квадрат» и заданным значениям s, k (число интервалов), r=1 (параметр λ).Kkp = 14.44938; Kнабл = 0Наблюдаемое значение статистики Пирсона не попадает в критическую область: Кнабл < Kkp, поэтому нет оснований отвергать основную гипотезу. Справедливо предположение о том, что данные выборки имеют распределение Пуассона.ЗаключениеВ целом, ситуация на рынке сельского хозяйства России неоднозначна, несмотря на тенденцию роста в целом в последние годы, развитие подтораслей идет неравномерно. Это в первую очередь обусловлено зависимостью отрасли отпогодно-климатических условий. Прошлогодняя засуха нанесла сильный урон отечественному сельскому хозяйству, а благоприятные погодные условия текущего года позволили собрать рекордные урожаи и увеличить общее поголовье скота и производство мяса.Характеризуя текущее состояние сельскохозяйственной отрасли, можно отметить, что большинство производителей на сегодняшний день испытывают трудности, что обусловлено в первую очередь нехваткой финансирования для обработки новых территорий и квалифицированной рабочей силы.Для улучшения ситуации в сельском хозяйстве государство ежегодно выделяет дополнительные средства. Так в 2011 году объем государственной поддержки отрасли из федерального бюджета со всеми дополнительными субсидиями составил 168 млрд. рублей. Но для развития отрасли этого недостаточно. Для освоения земли необходимо изменить и демографическую ситуацию путем привлечения людей на село. А для этого необходимо сделать жизнь на селе удобной и комфортной, создать необходимую инфраструктуру (школы, сады, медицинские учреждения), которая в последние годы исчезала из сел, построить благоустроенное жилье. Кроме того, чтобы сделать села привлекательными для проживания, необходимо обеспечить их современными информационными технологиями. Для увеличения посевных площадей и освоения новых территорий необходима современная техника, удобрения и др. Приоритетность тех или иных направлений развития, прежде всего, определяется политикой государства, однако, учитывая непосредственную связь развития сельского хозяйства с обеспечением продовольственной безопасности страны, этот сектор не может оставаться без внимания правительства.Библиографический списокАфанасьев В.Н., Маркова А.И. Статистика сельского хозяйства: Учеб. пособие. М., 2002.Грибов В.Д., Грузинов В.П. Экономика предприятия - М.: Финансы и статистика,2008.Гришин А.Ф. Статистика: Учеб. пособие. М., 2003.Дугин П.И. Резервы повышения производительности труда в сельском хозяйстве.-М.:Росагропромиздат,2007.Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учеб. / Под ред. И.И. Елисеевой. М., 2004.Зинченко А.П. Сельскохозяйственная статистика с основами социально-экономической статистики: Учеб. М., 1998.Зинченко А.П. Сельскохозяйственные предприятия: экономико-статистический анализ. М., 2002.Иностранные слова в статистике и экономике: Словарь / Составитель В.П. Корнев. Саратов, 2002.Курс социально-экономической статистики: Учеб. / Под ред. М.Г. Назарова. М., 2003.Макарец Л.И. Экономика производства сельскохозяйственной продукции. - СПб.: Издательство ЛАНЬ,2009.Методологические положения по статистике. Вып. 1. М., 1996; Вып. 2. М., 1998; Вып. 3. М., 2000; Вып. 4. М., 2003.Механизация и электрификация сельскохозяйственного производства/В.М.Баутин и др.-М.:Колос,2010.Микроэкономическая статистика: Учеб. / Под ред. С.Д. Ильенковой. М., 2004.Общая теория статистики: Учебник / Под ред. О.Э. Башиной, А.А. Спирина. М., 1999.Организация сельскохозяйственного производства/Под ред. Ф.К.Шакирова.-М.:Колос,2008.Савицкая Г.В. Анализ хозяйственной деятельности предприятий АПК. - Мн.: Новое знание,2009.Салин В.Н., Шпаковская Е.П. Социально-экономическая статистика: Учеб. М., 2003.Сельскохозяйственные рынки/В.В.Шайкин, Р.Г.Ахметов, Н.Я.Коваленко и др.-М.: Колос,2010.Сергеев С.С. Сельскохозяйственная статистика с основами социально-экономической статистики: Учебник. М., 1989.Статистика сельского хозяйства: Учеб. / Под ред. О.П. Замосковного, Б.И. Плешкова. М., 1990.Теория статистики: Учеб. / Под ред.Р.А. Шмойловой. М., 2001.Экономика и статистика фирм: Учеб. / Под ред. С.Д. Ильенковой. М., 2000.Экономика сельского хозяйства/Н.Я.Коваленко и др. - М.: ЮРКНИГА, 2007.Экономика сельскохозяйственного предприятия/Под ред. И.А.Минакова.-М.:КолосС,2008.Экономическая статистика: Учеб. / Под ред. Ю.Н. Иванова. М., 2002.Экономическая эффективность механизации сельскохозяйственного производства/Шпилько А.В. и др.,Москва,2009. Материалы Государственной службы статистики