Главная страница

Анализ растеневодства. Статистико анализ растеневодства. Статистикоэкономический анализ урожая и урожайности подсолнечника


Скачать 142.28 Kb.
НазваниеСтатистикоэкономический анализ урожая и урожайности подсолнечника
АнкорАнализ растеневодства
Дата23.03.2022
Размер142.28 Kb.
Формат файлаdocx
Имя файлаСтатистико анализ растеневодства.docx
ТипРеферат
#410080
страница8 из 8
1   2   3   4   5   6   7   8

4. Проектная часть

4.1 Сущность и основные условия применения корреляционного анализа


Корреляционно-регрессионный анализ - это установление формы связи, количественное измерение влияния фактора на результат, измерение тесноты связи и меры воздействия каждого фактора на результат.

Теоретическая обоснованность моделей взаимосвязи, построенных на основе корреляционно-регрессионного анализа, обеспечивается соблюдением следующих основных условий:

Все признаки и их совместные распределения должны подчиняться нормальному закону распределения.

Дисперсия моделируемого признака должна оставаться постоянной при изменении величины и значений факторных признаков.

Отдельные наблюдения должны быть независимыми, то есть результаты, полученные в i-м наблюдении, не должны быть связаны с предыдущими и содержать информацию о последующих наблюдениях, а также влиять на них.

Отступление от выполнения этих условий и предпосылок приводит к тому, что модель регрессии будет неадекватно отражать реально существующие связи между анализируемыми признаками.

Одной из проблем построения уравнения регрессии является ее размерность, т. е. определение числа факторных признаков, включаемых в модель. Их число должно быть оптимальным.

Многофакторный корреляционно-регрессионный анализ позволяет оценить меру влияния на исследуемый результативный показатель каждого из включенных в модель (уравнение) факторов при .фиксированном положении (на среднем уровне) остальных факторов, а также при любых возможных сочетаниях факторов с определенной степенью точности найти теоретическое значение этого показателя. При этом важным условием является отсутствие между факторами функциональной связи.

Форма связи между явлениями выражается аналитическим уравнением, на основании которого по соответствующим факторам-аргументам определяются значения результативного показателя-функции.

Уравнение множественной регрессии можно строить в линейной форме:



Каждый коэффициент уравнения показывает степень влияния соответствующего фактора на анализируемый показатель при фиксированном положении (на среднем уровне) остальных факторов: с изменением каждого фактора на единицу показатель изменяется на соответствующий коэффициент регрессии. Свободный член уравнения экономического смысла не имеет.

Парные коэффициенты корреляции. Для измерения тесноты связи между двумя из рассматриваемых переменных (без учета их взаимодействия с другими переменными) применяются парные коэффициенты корреляции. Методика расчета таких коэффициентов и их интерпретация аналогичны линейному коэффициенту корреляции в случае однофакторной связи.

Частные коэффициенты корреляции. Однако в реальных условиях все переменные, как правило, взаимосвязаны. Теснота этой связи определяется частными коэффициентами корреляции, которые характеризуют степень влияния одного из аргументов на функцию при условии, что остальные независимые переменные закреплены на постоянном уровне.

Величина R2 называется совокупным коэффициентом множественной детерминации. Она показывает, какая доля вариации изучаемого показателя объясняется влиянием факторов, включенных в уравнение множественной регрессии.

4.2 Построение многофакторной корреляционной модели урожайности подсолнечника

Построение корреляционного анализа можно сделать в программе MS Excel, используя вкладку «Данные», а в ней Анализ данных. Далее необходимо выбрать корреляцию и регрессию, а в ней построить и описать основные характеристики.

Построим таблицу 15, в которую внесем все исследуемые данные для построения корреляционно-регрессионной модели по предприятиям Воронежской области за 2019 год.

Таблица 15. Расчетные данные для проведения корреляционно-регрессионного анализа

№ хозяйства

1.Количество реализованного подсолнечника, ц

2.Себестоимость реализованного подсолнечника, тыс. руб.

3.Денежная выручка, тыс. руб.

4.Себестоимость 1 ц реализованного подсолнечника, руб.

5.Цена 1 ц реализованного подсолнечника, руб.

6.Денежная выручка по хозяйству, тыс. руб.

7.Среднегодовая численность работников, занятых в с/х, чел.

8.Затраты на основное производство растенев., тыс. руб.

9.Посевная площадь подсолнечника, ц

10.Произведено подсолнечника после доработки, ц

11. Себестоимость произведенного подсолнечника, тыс.руб.

12.Прямые затраты труда на подсолнечник, тыс. чел.час

13.Площадь пашни, га

14.Прибыль от реализации подсолнечника, тыс. руб.

15.Урожайность подсолнечника

16.Трудоемкость 1 ц подсолнечника, чел-час

17.Себестоимость 1 ц подсолнечника, руб.

18.Уровень интенсивности, руб.

19.Уровень специализации, %

20.Уд.вес затрат на подсолнечник в затратах раст-ва, %

21.Уровень концентрации (посевная площадь), га

22. Трудообеспеченность (число работников на 100 га пашни), чел.

23. Уровень рентабельности подсолнечника, %

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23




 

 

 

 

 

 

 

 

 

 

 

 

 

 

Х1

Х2

Х3

Х4

Х5

Х6

Х7

Х8

У

1

12 862

17 200

19 694

1 337,37656

1 531,1

19 694

191

426

891

12 861

17 200

1,5

8 294

63 442

14,43

0,12

1337

19304

100,00

4037,6

891

2,3

368,8

2

44 617,3

44 707

82 512

1 090,09292

1 849,3

82 512

40

426

1 612

41 012,1

58 581

1,5

6 364

200 188

25,44

0,04

1428

36341

100,00

13751,4

1612

0,6

447,8

3

13 037

11 982

22 732

919,07647

1 743,6

22 732

12

15

285

13 037

11 983

1,5

1 829

108 990

45,74

0,12

919

42046

100,00

79886,7

285

0,7

909,6

4

40 658

32 796

78 721

1 005,27219

1 936,1

78 721

41

15

1 269

32 624

42 737

1,5

5 788

163 304

25,71

0,05

1310

33678

100,00

284913,3

1269

0,7

497,9

5

60 220

48 681

85 195

808,38592

1 414,7

85 195

196

426

2 578

60 220

48 681

1,5

14 232

322 629

23,36

0,02

808

18883

100,00

11427,5

2578

1,4

662,7

6

15 527

9 828

26 810

924,2923

1 726,6

26 810

23

15

320

10 633

13 606

1,5

2 314

69 466

33,23

0,14

1280

42519

100,00

90706,7

320

1,0

706,8

7

14 799

15 213

25 942

1 038,50092

1 752,9

25 942

17

35 976

313

14 649

16 557

1,5

2 519

56 721

46,80

0,10

1130

52898

100,00

46,0

313

0,7

372,8

8

7 830

13 082

13 741

1 670,75351

1 754,9

13 741

37

1 997

242

7 830

12 327

1,5

1 475,3

27 350

32,36

0,19

1574

50938

100,00

617,3

242

2,5

209,1

9

39 730

39 013

74 437

1 339,50215

1 873,5

74 437

52

532

752

29 125

54 783

1,5

7 114

129 242

38,73

0,05

1881

72850

100,00

10297,6

752

0,7

331,3

11

8 210

6 448

10 824

1 431,93427

1 318,3

10 824

100

33 447

120

4 503

9 680

1,5

1 391

21 938

37,53

0,33

2150

80667

100,00

28,9

120

7,2

340,2

12

40 054

9 680

70 919

1 179,04994

1 770,5

70 919

3,3

261

190

8 210

51 029

1,5

1 005

34 723

43,21

0,18

6215

268574

100,00

19551,3

190

0,3

358,7

13

7 718

52 039

12 709

1 272,31608

1 646,6

12 709

16

219

1 993

40 901

11 987

1,5

2 821

15

20,52

0,04

293

6015

100,00

5473,5

1993

0,6

0,0

15

17 756

11 798

36 548

1 521,73352

2 058,3

36 548

129

42

386

7 753

34 076

1,5

2 426

229 131

20,09

0,19

4395

88280

100,00

81133,3

386

5,3

1942,1

16

43 334

25 713

70 581

1 797,86044

1 628,7

70 581

29

180

540

14 302

58 631

1,5

6 183,2

37 882

26,49

0,10

4099

108576

100,00

32572,8

540

0,5

147,3

17

12 750

35 355

14 111

1 413,52151

1 106,7

14 111

72

180

1 178

25 012

13 081

1,5

2 098

850

21,23

0,06

523

11104

100,00

7267,2

1178

3,4

2,4

18

48 191

13 081

83 764

1 025,96078

1 738,1

83 764

15

100

510

12 750

59 838

1,5

4 949

69 093

25,00

0,12

4693

117329

100,00

59838,0

510

0,3

528,2

19

51 527

31 098

94 684

1 100,8921

1 837,5

94 684

27

100

644

28 248

62 641

1,5

11 732

173 616

43,86

0,05

2218

97269

100,00

62641,0

644

0,2

558,3

20

8 994

44 004

14 520

1 215,68086

1 614,4

14 520

185

368

1 221

36 197

13 700

1,5

394

52 478

29,65

0,04

378

11220

100,00

3722,8

1221

47,0

119,3

21

16 108

11 952

28 630

1 500

1 777,3777

28 630

22

140

321

7 968

21 765

1,5

1 303

199 463

24,82

0,19

2732

67804

100,00

15546,4

321

1,7

1668,9

22

13 025

15 145

20 334

1 330,25911

1 561,1

20 334

158

228

498

11 385

12 899

1,5

1 308

349 804

22,86

0,13

1133

25902

100,00

5657,5

498

12,1

2309,7

23

109 346,3

13 681

210 718

1 075,84197

1 927,0

210 718

81

228

600

14 040

88 833

1,5

5 341

10 883

23,40

0,11

6327

148055

100,00

38961,8

600

1,5

79,5

24

42 047

43 361

80 092

674,20914

1 904,8

80 092

18

1 429

1 898,9

50 216,1

41 342

1,5

93 541,1

35 859

26,44

0,03

823

21772

100,00

2893,1

1899

0,0

82,7

25

6 788

50 091

12 802

985,23921

1 885,9

12 802

44

878

1 622

42 053

12 370

1,5

12 358

54 354

25,93

0,04

294

7626

100,00

1408,9

1622

0,4

108,5

26

12 888

10 904

16 832

1 330,25911

1 306,0

16 832

541

7

136

5 984

14 971

1,5

1 011

46 220

44,00

0,25

2502

110081

100,00

213871,4

136

53,5

423,9

27

20 227

14 971

32 764

1 075,84197

1 619,8

32 764

109

544

310

12 888

18 095

1,5

2 560

3 027 669

41,57

0,12

1404

58371

100,00

3326,3

310

4,3

20223,6

28

30 747

12 033

45 508

674,20914

1 480,07

45 508

13

181

619

12 548

33 817

1,5

1 243

238 600

20,27

0,12

2695

54632

100,00

18683,4

619

1,0

1982,9

29

13 025

34 041

210 718

985,23921

1 904,8

12 802

101

181

1 480

33 868

41 342

1,5

8 100

27 176

22,88

0,04

1221

27934

1645,98

22840,9

1480

1,2

79,8



Проведем корреляционный анализ и представим расчеты в таблице 16.

Таблица 16. Корреляционный анализ модели

 

Х1

Х2

Х3

Х4

Х5

Х6

Х7

Х8

У

Х1

1

























Х2

0,293875

1






















Х3

0,040967

0,407247

1



















Х4

0,390717

0,455576

0,894519

1
















Х5

-0,14775

-0,17389

-0,09996

-0,12242

1













Х6

0,152011

0,121492

0,108454

0,124598

-0,05253

1










Х7

-0,50228

-0,76053

-0,48503

-0,54499

0,194777

-0,14938

1







Х8

0,198167

0,249578

-0,10627

-0,01568

-0,06604

0,289872

-0,13885

1




У

0,217794

0,065805

-0,05508

-0,01398

-0,06432

-0,09906

-0,2097

-0,02519

1


Итак, с помощью корреляционной матрицы была исследована связь между Уровнем рентабельности подсолнечника и восемью факторами: Урожайность подсолнечника, трудоемкость 1 ц подсолнечника, себестоимость 1 ц подсолнечника, уровень интенсивности, уровень специализации, уд.вес затрат на подсолнечник в затратах раст-ва, уровень концентрации (посевная площадь), трудообеспеченность (число работников на 100 га пашни). Из таблицы 24 видно, что наиболее сильная связь Уровнем рентабельности подсолнечника и Уровень интенсивности. Здесь коэффиент корреляции равен 0,894, что говорит о сильной связи между признаками. Все остальные признаки не представляют никакой ценности для данного исследования.

Построим уравнение множественной регрессии для всех факторов, которые включены в модель, с помощью приложения MS Excel – Регрессия (Таблица 17).

Таблица 17. Регрессионный анализ для исследуемой темы

ВЫВОД ИТОГОВ


























































Регрессионная статистика

























Множественный R

0,354592

























R-квадрат

0,125735

























Нормированный R-квадрат

-0,26283

























Стандартная ошибка

4307,205

























Наблюдения

27























































Дисперсионный анализ




























 

df

SS

MS

F

Значимость F













Регрессия

8

48026131

6003266

0,323591

0,946207













Остаток

18

3,34E+08

18552017



















Итого

26

3,82E+08

 

 

 











































 

Коэф-ты

Станд ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%




Y-пересечение

1708,725

8574,672

0,199276

0,844281

-16306

19723,44

-16306

19723,44




Х1

103,8443

188,0605

0,552186

0,587613

-291,256

498,9449

-291,256

498,9449




Х2

-6828,67

18628,85

-0,36656

0,718217

-45966,4

32309,09

-45966,4

32309,09




Х3

0,376136

1,966988

0,191225

0,85049

-3,75635

4,508624

-3,75635

4,508624




Х4

-0,02483

0,060309

-0,41173

0,6854

-0,15154

0,101874

-0,15154

0,101874




Х5

-0,31886

2,908588

-0,10963

0,913918

-6,42958

5,791856

-6,42958

5,791856




Х6

-0,0076

0,013492

-0,56321

0,580243

-0,03595

0,020748

-0,03595

0,020748




Х7

-1,86223

2,577635

-0,72246

0,479295

-7,27764

3,553179

-7,27764

3,553179




Х8

-11,0772

71,94604

-0,15397

0,87935

-162,23

140,0758

-162,23

140,0758




Итак, уравнение множественной регрессии имеет вид:



Из уравнения множественной регрессии можно сделать вывод, что при увеличении производственных затрат на 1руб., урожайность подсолнечника уменьшится на 0,001 ц/га, при увеличении фондовооруженности одного работника на 1 тыс. руб., урожайность подсолнечника уменьшится на 0,02 ц/га, при увеличении фондообеспеченности хозяйства на 1 тыс.руб. урожайность будет снижаться на 1,86 ц/га, при увеличении трудообеспеченности предприятия на 1 человека , урожайность будет уменьшаться на 11,07 ц/га.


















Заключение



В ходе выполнения данного курсового проекта был проведен статистико-экономический анализ производства подсолнечника в деятельности предприятий в Бутурлинском, Верхнехавском, Воробьевском районах Воронежской области за 2011-2019 год.

Воспользовавшись методикой анализа рядов динамики, мы увидели, что средние показатели ряда динамики свидетельствуют о том, что ежегодно, в течение изучаемого периода (6 лет) валовой сбор подсолнечника в ООО «Аграрник» уменьшался в среднем на 4,1% или 19,25 ц/га.

Индексный метод исследования показал, что за счет понижения посевных площадей подсолнечника в отдельных хозяйствах средняя урожайность подсолнечника в Бутурлинском, Верхнехавском, Воробьевском районах Воронежской области в 2019 г. по сравнению с 2008 годом понизилась на 1,4% или на 1774158 ц/га.

За счет изучения и группирования данных получили характеристики, которые четко показывают состояние дел в исследуемых районах Воронежской области. Рассчитанная дисперсия и среднеквадратическое отклонение значимы, но так как коэффициент вариации превышает 33%, то средняя величина нагрузки пашни на 1 га является нетипичной и недостоверной, а совокупность предприятий является неоднородной. Эти данные подтверждает таблица 12, в которую внесена площадь пашни и среднее число физических тракторов.

На основании дисперсионного анализа был получен вывод о том, что влияние нагрузки пашни на 1 трактор является существенным для изменения урожайности подсолнечника, поэтому мы включаем этот фактор в многофакторную экономико-математическую модель.

При проведении корреляционно-регрессионного анализа было получено уравнение множественной регрессии имеет вид:



Из уравнения множественной регрессии можно сделать вывод, что при увеличении производственных затрат на 1руб., урожайность подсолнечника уменьшится на 0,001 ц/га, при увеличении фондовооруженности одного работника на 1 тыс. руб., урожайность подсолнечника уменьшится на 0,02 ц/га, при увеличении фондообеспеченности хозяйства на 1 тыс.руб. урожайность будет снижаться на 1,86 ц/га, при увеличении трудообеспеченности предприятия на 1 человека , урожайность будет уменьшаться на 11,07 ц/га.

Корреляционный анализ показал, что связь между Уровнем рентабельности подсолнечника и восемью факторами: Урожайность подсолнечника, трудоемкость 1 ц подсолнечника, себестоимость 1 ц подсолнечника, уровень интенсивности, уровень специализации, уд.вес затрат на подсолнечник в затратах растениеводства, уровень концентрации (посевная площадь), трудообеспеченность (число работников на 100 га пашни) не представляют никакой ценности для данного исследования.

Список использованной литературы.


  1. Афанасьева В.Н.,Маркова А.И.Статистика сельского хазяйства:Учебное пособие-М.:Финансы и статистика,2012-189с

  2. Башкатов Б.И. Статистика сельского хозяйства. С основами общей теории статистики. Курс лекций.М:ЭКМОС,2011 – 352 с.

  3. Долгушевский Ф.Г., Христич А.Г. Сельскохозяйственная статистика с основами экономической статистики. М.: Статистика, 2016. – 311 с.

  4. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник / Под ред. Чл.-корр. РАН И.И. Елисеевой. – 4-е изд., перераб.и доп. – М. Финансы и статистика, 2015. -657с.

  5. Яковлева А.В. Экономическая статистика:Учебник-М: Колос,2017-590с.
1   2   3   4   5   6   7   8


написать администратору сайта