Анализ динамики с/х в России (регион).

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 динамики сельского хозяйства Мурманской области
2.1. Анализ структуры сельского хозяйства Мурманской области
2.2. Динамика сельского хозяйства
2.3. Прогноз продукции сельского хозяйства
2.4. Сравнение экономических показателей деятельности предприятий
Заключение
Библиографический список

Анализ динамики с/х в России (регион).

Точное определение урожайности и валовых сборов всех сельскохозяйственных культур возможно только после того, как урожай убран и оприходован. Но для планирования и организации уборочных и заготовительных работ, а также для своевременного решения многих вопросов, связанных с распределением и использованием урожая текущего года, необходимо заблаговременно получить хотя бы предварительные сведения о нем. В связи с этим, а также в зависимости от содержания, которое вкладывается в понятия урожай и урожайность, используют следующие показатели:видовой урожай (виды на урожай) и видовая урожайность;урожай и урожайность на корню;фактический сбор урожая и фактическая урожайность.Видовой урожай (виды на урожай) и видовая урожайность – представляет ожидаемые размеры валового сбора и урожайности в период вегетации растений. Обычно видовой урожай определяется путем глазомерной оценки посевов в разные периоды их вегетации по густоте стеблестоя и состоянию колоса, по степени засоренности и т.п. При этом учитываются и некоторые объективные признаки: количество колосков на 1 м2, количество зерен в колоске, число стеблей на 1 м2, среднее число початков на одном стебле кукурузы и т.д. Оценка видов на урожай на этой стадии используется для расчета ожидаемого валового сбора.Урожай на корню перед началом своевременной уборки характеризует выращенный, но еще не убранный урожай. Его можно определить разными способами: путем выборочного сбора и учета урожая с пробных площадок, метровок и т. п. с перерасчетом сбора на площадь; на основе выборочного определения числа растений и массы продукции с одного растения, произведение которых дает урожай; визуально, экспертно.Урожай и урожайность на корню больше фактического урожая и урожайности на величину потерь.Фактический сбор урожая и фактическая урожайность определяются непосредственно взвешиванием и измерением в ходе уборки. От урожая на корню он отличается на величину потерь. Его учитывают: в первоначально оприходованном (бункерном) весе (по ряду культур: зерновые, подсолнечник);в весе после доработки (за вычетом неиспользуемых отходов и усушки при доработке);в пересчете на стандартные показатели качества (засоренность, влажность и др.) для точных сравнений;как чистый сбор, который равен урожаю после доработки за вычетом семян на всю обсемененную площадь культуры.Анализ проводится с использованием следующих методов: индексного метода анализа динамики урожайности;факторного анализа изменения валового сбора;методов сглаживания рядов динамики.Индексный метод анализа динамики урожайностиДля характеристики изменений урожайности и валового сбора используют индексы. В зависимости от того, что взято в качестве базы сравнения, индексы будут отражать изменение в сравнении с прошлым периодом, плановым заданием и уровнем других хозяйств или регионов (муниципальных образований).Изменение урожайности отдельной культуры характеризуется индивидуальным индексом урожайности:,а изменение валового сбора – индивидуальным индексом валового сбора:,где У1 иУ0 – соответственно урожайность в отчетном и базисном периодах;П1 и П0 – площадь культуры в отчетном и базисном периодах.Если же фактическая урожайность и валовой сбор сравниваются с планом, то в знаменателе данных индексов показатели берутся на уровне планового периода.При анализе урожайности пользуются средней урожайностью по отдельным культурам и их группам. Среднюю урожайность по группе культур определяют как среднюю арифметическую взвешенную:.По группе однородных культур исчисляются индексы средней урожайности переменного состава, постоянного состава и структурных сдвигов.Индекс переменного состава характеризует изменение средней урожайности в отчетном периоде по сравнению с базисным и рассчитывается по формуле,где и – средняя урожайность в отчетном и базисном периодах соответственно.На величину этого индекса влияют два фактора: изменение урожайности отдельных культур и структуры посевных площадей.Влияние урожайности отдельных культур на среднюю урожайность определяется исчислением индекса постоянного (фиксированного) состава по следующей формуле или .Для определения влияния изменения структуры посевных площадей под отдельными культурами пользуются формулой индекса структурных сдвигов:.Между этими индексами существует взаимосвязь: .В целом по различным видам сельскохозяйственных культур исчисляются общие индексы.Общий индекс валового сбора:.В качестве весов общего индекса урожайности принимают посевную площадь отчетного периода, так как необходимо установить, как изменилась урожайность при фактически сложившейся структуре посевных площадей:.Общий индекс посевной площади рассчитывается как.Аналогично исчисляются индексы выполнения плана валового сбора, урожайности, посевной площади и средней урожайности.Индекс валового сбора может быть получен в результате умножения индекса урожайности и индекса посевной площади:.Факторный анализ изменения валового сбораВ процессе анализа данных приходится определять влияние различных факторов на валовой сбор отдельных культур, их групп и всех сельскохозяйственных культур.Фактический размер валового сбора по каждой сельскохозяйственной культуре может отклоняться от планового или базисного периода под влиянием двух факторов: изменения урожайности и посевной площади.Чтобы определить, увеличился или уменьшился валовой сбор за счет изменения урожайности, необходимо умножить изменение урожайности в отчетном периоде по сравнению с базисным на фактический размер посевной площади: . А для определения влияния изменения посевной площади на валовой сбор нужно умножить урожайность базисного периода на размер увеличения или уменьшения посевной площади: .Значительно сложнее определить влияние отдельных факторов на размер валового сбора по группе однородных культур.Индекс валового сбора по группе однородных сельскохозяйственных культур определяется как.Разность между числителем и знаменателем индекса характеризует абсолютную величину изменения валового сбора ().По группе сельскохозяйственных культур индекс посевной площади () можно представить как произведение индексов размера () и структурных сдвигов посевных площадей ():или ,где – индекс размера посевной площади: .Таким образом, на динамику валового сбора оказывает влияние изменение уровня урожайности отдельных культур, размера и структуры посевной площади. Следовательно, индекс валового сбора может быть представлен как произведение индексов урожайности, индекса посевной площади и индекса структурных сдвигов посевных площадей:.Чтобы узнать, как изменился валовой сбор в связи с изменением урожайности, необходимо из валового сбора отчетного периода вычесть условный валовой сбор, который мог бы быть получен с фактической посевной площади при урожайности базисного периода:.Абсолютный прирост валового сбора за счет изменения размера посевной площади определяют умножением средней урожайности базисного периода на размер увеличения или уменьшения посевной площади:.Влияние изменения структуры посевных площадей на размер валового сбора определяют сравнением условного валового сбора, определяемого по урожайности базисного периода и фактической посевной площади, с валовым сбором, который можно было бы получить в результате умножения средней урожайности базисного периода на общую фактическую площадь:.Общий абсолютный прирост валового сбора по группе однородных сельскохозяйственных культур можно представить как сумму трех частных приростов:или.Методы сглаживания рядов динамикиВ анализе урожайности сельскохозяйственных культур большое значение имеет выявление тенденции динамики урожайности.Урожайность сельскохозяйственных культур из года в год изменяется. Это обусловлено тем, что на нее влияют систематические и случайные факторы. К систематическим факторам следует отнести более или менее постоянный состав почв и систематическое улучшение агротехники. Случайными являются метеорологические условия. В отдельные годы они значительно влияют на урожайность. Поэтому по средней урожайности сельскохозяйственных культур за каждый год трудно установить, в каком направлении изменяется урожайность.Для устранения случайных факторов и выявления основной тенденции развития используют метод укрупнения интервалов, сглаживание по методу скользящей средней и аналитическое выравнивание по методу наименьших квадратов.Метод укрупнения интервалов динамического ряда. Суть этого приема заключается в том, что первоначальный ряд динамики преобразуется и заменяется другим, уровни которого относятся к большим по продолжительности периодам времени. При суммировании уровней или при определении средних по укрупненным интервалам отклонения в уровнях, обусловленные случайными причинами, взаимопогашаются, сглаживаются и более ясно обнаруживается действие систематических факторов изменения уровней.Глава 2. Анализ динамики сельского хозяйства Мурманской области2.1. Анализ структуры сельского хозяйства Мурманской областиТаблица 1. Структура продукции сельского хозяйства по категориям хозяйств 20082009201020112012Хозяйства всех категорий100100100100100сельскохозяйственные организации81,982,685,686,584хозяйства населения 17,616,313,212,113,8крестьянские (фермерские) хозяйства0,51,11,21,52,2Построим диаграммы структуры для каждого года.По результатам анализа видим рост числа фермерских хозяйств в доле продукции сельского хозяйства. В рамках соглашения, подписанного с Минсельхозом России, в информационной системе планирования и контроля «Государственной программы развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2008-2012 годы», комитет по агропромышленному комплексу и продовольственному рынку Мурманской области сформировал Паспорт Мурманской области за 1 полугодие 2012 года. Он отражает показатели развития сельскохозяйственного производства за I полугодие текущего года. Аналогичные паспорта формируют все субъекты РФ. Основные показатели Паспорта региона за I полугодие 2012 года характеризуют положительную динамику развития сельского хозяйства Мурманской области, сообщает комитет по агропромышленному комплексу и продовольственному рынку Мурманской области. Производство продукции сельского хозяйства в хозяйствах всех категорий за I полугодие составило 1528,6 млн. руб., что на 85,2 млн. руб. больше уровня аналогичного периода прошлого года. Индекс производства продукции сельского хозяйства составил 102,2%, что на 5,5 % выше прошлогоднего уровня. Прирост получен за счет увеличения производства мяса всех видов, его произведено в 1,4 раза больше, чем за I полугодие 2010 года. Прибыль до налогообложения, полученная сельскохозяйственными организациями, за I полугодие текущего года составила 61,6 млн. руб., что на 17,9 млн. руб. (или почти на треть) больше I полугодия 2010 года. На 44% увеличилось ресурсное обеспечение региональной программы развития сельского хозяйства, в том числе из федерального бюджета средств поступило в 2,7 раза больше, чем за тот же период прошлого года, из регионального бюджета – на 10% больше. С учетом государственной поддержки уровень рентабельности сельскохозяйственных организаций по всей деятельности увеличился и составил 6,3% против 5,8% в I полугодии прошлого года. В текущем году также отмечалось увеличение объёмов привлечённых субсидированных кредитов – как инвестиционных, так и краткосрочных. В рамках мероприятий по устойчивому развитию территорий граждане, проживающие в сельской местности, улучшили свои жилищные условия. Благодаря государственной поддержке в виде социальных выплат ими приобретено 773 кв. метра жилой площади, что почти вдвое больше, чем за этот же период прошлого года.2.2. Динамика сельского хозяйстваПриведем данные для расчета в таблице 1.Таблица 1Продукция сельского хозяйства по категориям хозяйствв фактически действовавших ценах, миллионов рублей20072008200920102011Продукция сельского хозяйства1440,71724,42099,62596,42679,3растениеводство315,6356,2345,3375,0463,1животноводство1125,11368,21754,32221,52216,2Цепные показатели ряда динамикиПериодПродукция сельского хозяйстваАбсолютный приростТемп прироста, %Темпы роста, %Абсолютное содержание 1% прироста20071440,70010014,40720081724,4283,719,69%119,69%14,40720092099,6375,221,76%121,76%17,24420102596,4496,823,66%123,66%20,99620112679,382,93,19%103,19%25,964Итого10540.4 Продукция сельского хозяйства в 2011 составила 2679.3 руб.В 2011 по сравнению с 2010 продукция сельского хозяйства увеличилась на 82.9 руб. или на 3.19%В 2011 продукция сельского хозяйства 2679.3 руб. и за прошедший период увеличилось на 82.9 руб., или на 3.19%Максимальный прирост наблюдается в 2010 (496.8 руб.)Минимальный прирост зафиксирован в 2011 Базисные показатели ряда динамики.ПериодПродукция сельского хозяйстваАбсолютный приростТемп прироста, %Темпы роста, %20071440,70010020081724,4283,719,69%119,69%20092099,6658,945,73%145,73%20102596,41155,780,22%180,22%20112679,31238,685,97%185,97%Итого10540.4 Средний уровень ряда y динамики характеризует типическую величину абсолютных уровнейСредний уровень ряда динамикиEQ \x\to(y) = \f(∑yi;n)EQ \x\to(y) = \f(10540.4;5) = 2108.08Среднее значение с 2007 по 2011 составило 2108.08 руб.Средний темп ростаEQ \x\to(Tp) = \r(n-1;\f(yn;y1))EQ \x\to(Tp) = \r(4;\f(2679.3;1440.7)) = 1.17В среднем за весь период с 2007 по 2011 рост составил 1.17Средний темп приростаEQ \x\to(Tnp) = \x\to(Tp) - 1EQ \x\to(Tnp) = 1.17 - 1 = 0.17В среднем каждый период продукция увеличивалась на 17%.Средний абсолютный прирост представляет собой обобщенную характеристику индивидуальных абсолютных приростов ряда динамики.Средний абсолютный приростEQ \x\to(dy) = \f(y \s\do6(n) - y \s\do6(1);n - 1)EQ \x\to(dy)= \f(2679.3 - 1440.7;4) = 309.65В среднем за весь период продукция увеличивалась на 309.65 руб. с каждым периодом.2.3. Прогноз продукции сельского хозяйстваПостроим уравнение тренда.Линейное уравнение тренда имеет вид y = bt + a1. Находим параметры уравнения методом наименьших квадратов.Система уравнений МНК:a0n + a1∑t = ∑ya0∑t + a1∑t2 = ∑y•tСистема уравнений имеет вид:5a0 + 10045a1 = 10540.410045a0 + 20180415a1 = 21179012.8Из первого уравнения выражаем а0 и подставим во второе уравнениеПолучаем a0 = 334.92, a1 = -670746.2Уравнение тренда:y = 334.92 t - 670746.2Эмпирические коэффициенты тренда a и b являются лишь оценками теоретических коэффициентов βi, а само уравнение отражает лишь общую тенденцию в поведении рассматриваемых переменных.Коэффициент тренда b = 334.92 показывает среднее изменение результативного показателя (в единицах измерения у) с изменением периода времени t на единицу его измерения. В данном примере с увеличением t на 1 единицу, y изменится в среднем на 334.92.Ошибка аппроксимации.Оценим качество уравнения тренда с помощью ошибки абсолютной аппроксимации.EQ \x\to(A) = \f( ∑|yt - yi| : yi;n)100%Ошибка аппроксимации в пределах 5%-7% свидетельствует о хорошем подборе уравнения тренда к исходным данным.EQ \x\to(A) = \f(0.13;5) 100% = 2.6%Поскольку ошибка меньше 7%, то данное уравнение можно использовать в качестве тренда.Однофакторный дисперсионный анализ.Средние значенияEQ \x\to(t) = \f(∑ti;n) = \f(10045;5) = 2009EQ \x\to(y) = \f(∑yi;n) = \f(10540.4;5) = 2108.08EQ \x\to(t•y) = \f(∑tiyi;n) = \f(21179012.8;5) = 4235802.56ДисперсияEQ D(t) = \f(∑t2i;n) - \x\to(t)2 = \f(20180415;5) - 20092 = 2EQ D(y) = \f(∑y2i;n) - \x\to(y)2 = \f(23377433.46;5) - 2108.082 = 231485.41Среднеквадратическое отклонениеEQ σ(t) = \r(D(t)) = \r(2) = 1.41EQ σ(y) = \r(D(y)) = \r(231485.41) = 481.13Коэффициент эластичности.Коэффициент эластичности представляет собой показатель силы связи фактора t с результатом у, показывающий, на сколько процентов изменится значение у при изменении значения фактора на 1%.EQ E = \f(∂y;∂t) \f(t;y) = b\f(\x\to(t);\x\to(y))EQ E = 334.92\f(2009;2108.08) = 319.18Коэффициент эластичности больше 1. Следовательно, при изменении t на 1%, Y изменится более чем на 1%. Другими словами - изменение t существенно влияет на Y.Эмпирическое корреляционное отношение.Эмпирическое корреляционное отношение вычисляется для всех форм связи и служит для измерение тесноты зависимости. Изменяется в пределах [0;1].EQ η = \r(\f(∑(\x\to(y) - yt)2;∑(yi - \x\to(y))2)) = \r(\f(1121714.06;1157427.03)) = 0.98гдеEQ ∑(\x\to(y) - yt)2 = 1157427.03 - 35712.96 = 1121714.06В отличие от линейного коэффициента корреляции он характеризует тесноту нелинейной связи и не характеризует ее направление. Изменяется в пределах [0;1].Связи между признаками могут быть слабыми и сильными (тесными). Их критерии оцениваются по шкале Чеддока:0.1 < η < 0.3: слабая;0.3 < η < 0.5: умеренная;0.5 < η < 0.7: заметная;0.7 < η < 0.9: высокая;0.9 < η < 1: весьма высокая;Полученная величина свидетельствует о том, что изменение временного периода t существенно влияет на y.Коэффициент детерминации.EQ R2 = 1 - \f(∑(yi - yt)2;∑(yi - \x\to(y))2)EQ R2 = 1 - \f(35712.96;1157427.03) = 0.97т.е. в 96.91% случаев влияет на изменение данных. Другими словами - точность подбора уравнения тренда - высокая.Таблица 2. Расчетная таблицаtyt2y2t•yy(t)(y-ycp)2(y-y(t))2(t-tp)2(y-y(t)) : y20071440.740280492075616.492891484.91438.24445396.066.0540.0017120081724.440320642973555.363462595.21773.16147210.342377.5410.028320092099.640360814408320.164218096.42108.0871.9171.9100.0040420102596.440401006741292.9652187642443238456.4223531.5610.059120112679.340441217178648.495388072.32777.92326292.299725.940.03681004510540.42018041523377433.4621179012.810540.41157427.0335712.96100.132. Анализ точности определения оценок параметров уравнения тренда.EQ Sy = \r( \f(∑(yi - yt2);n - m - 1))где m = 1 - количество влияющих факторов в модели тренда.Анализ точности определения оценок параметров уравнения трендаEQ Sy = \r(\f(35712.96;3)) = 109.11EQ Sa = Sy \f( \r( ∑t2);n σt)EQ Sa = 109.11 \f( \r(20180415);5 • 1.41) = 69315.82EQ Sb = \f(Sy;\r(n)σt)Sb = 34.5По таблице Стьюдента находим TтаблTтабл (n-m-1;α/2) = (3;0.025) = 3.182Рассчитаем границы интервала, в котором будет сосредоточено 95% возможных значений Y при неограниченно большом числе наблюдений и t = 2210(-670746.2 + 334.92*2210 - 3.182*22070.54 ; -670746.2 + 334.92*2210 - 3.182*22070.54)(47356.46;91497.54)Интервальный прогноз.Определим среднеквадратическую ошибку прогнозируемого показателя.EQ Sy = \r(\f(∑(yi - \x\to(y))2;n - m)) = \r(\f(35712.96;5 - 1)) = 94.49m = 1 - количество влияющих факторов в уравнении тренда.EQ Uy = yn+L ± taSy \r(1 + \f(1;n) + \f(3(n+2L-1)2;n(n2 - 1)))где L - период упреждения; уn+L - точечный прогноз по модели на (n + L)-й момент времени; n - количество наблюдений во временном ряду; Sy - стандартная ошибка прогнозируемого показателя; Tтабл - табличное значение критерия Стьюдента для уровня значимости α и для числа степеней свободы, равного n-2.Точечный прогноз, t = 6: y(6) = 334.92*6 + -670746.2 = -668736.68K1 = 435.71-668736.68 - 435.71 = -669172.39 ; -668736.68 + 435.71 = -668300.97Интервальный прогноз:t = 6: (-669172.39;-668300.97)3. Проверка гипотез относительно коэффициентов линейного уравнения тренда.1) t-статистика. Критерий Стьюдента.EQ tb = \f(b;Sb)EQ tb = \f(334.92;34.5) = 9.71>3.182Статистическая значимость коэффициента b подтверждаетсяEQ ta = \f(a;Sa)EQ ta = \f(-670746.2;69315.82) = 9.68>3.182Статистическая значимость коэффициента a подтверждаетсяДоверительный интервал для коэффициентов уравнения тренда.Определим доверительные интервалы коэффициентов тренда, которые с надежность 95% будут следующими:(b - tнабл Sb; b + tнабл Sb)(334.92 - 3.182•34.5; 334.92 + 3.182•34.5)(225.13;444.71)(a - tнабл Sa; a + tнабл Sa)(-670746.2 - 3.182•69315.82; -670746.2 + 3.182•69315.82)(-891309.14;-450183.26)2) F-статистика. Критерий Фишера.EQ R2 = 1 - \f(∑(yi - yt)2;∑(yi - \x\to(y))2) = 1 - \f(35712.96;1157427.03) = 0.97EQ F = \f(R2;1 - R2)\f((n - m -1);m) = \f(0.972;1 - 0.972)\f((5-1-1);1) = 94.23Fkp = 10.1где m - количество факторов в уравнении тренда (m=1).Поскольку F > Fkp, то коэффициент детерминации (и в целом уравнение тренда) статистически значимПроверка на наличие автокорреляции остатков.