Реферат: Экономико-статистический анализ производительности труда в сельскохозяйственных предприятиях Ко

--PAGE_BREAK--

где x max  и x min– наименьшее и наибольшее значение группировочного признака.

k – количество интервалов

<img width=«161» height=«47» src=«ref-2_1491279789-363.coolpic» v:shapes="_x0000_s1028 _x0000_s1027 _x0000_s1029 _x0000_s1030 _x0000_s1031 _x0000_s1032 _x0000_s1033 _x0000_s1034 _x0000_s1035 _x0000_s1036 _x0000_s1037"><img width=«159» height=«45» src=«ref-2_1491280152-73.coolpic» v:shapes="_x0000_i1026">

4. Определяем границы интервалов:

I.                   нижняя граница — x min= 16,33

верхняя граница – x min + h = 27,34

II.                нижняя граница — x min + h = 27,34

верхняя граница — x min + 2h = 38,35

III.             нижняя граница — x min + 2h = 38,35

верхняя граница — x min + 3h = 49,36

IV.            нижняя граница — x min + 3h = 49,36

верхняя граница — x min + 4h = 60,37

V.               нижняя граница — x min + 4h = 60,37

верхняя граница — x max = 71,38

        5. Подсчитываем число единиц в каждом интервале и записываем в виде таблицы:

Таблица 8 – Интервальный ряд распределения хозяйств по удою на одну корову

Группы хозяйств по удою на одну корову, ц

Число хозяйств

16,33 – 27,34

4

                              27,34 – 38,35

6

38,35 – 49,36

6

49,36 – 60,37

2

60,73 – 71,38

3

Итого

21

<img width=«564» height=«288» src=«ref-2_1491280225-8066.coolpic» v:shapes="_x0000_s1038">


Рисунок 1 – Гистограмма распределения хозяйств по удою молока на 1 корову.

Для выявления характерных черт, свойственных ряду распределения единиц, использует следующие показатели:

1) Для характеристики центральной тенденции распределения определяем среднюю арифметическую взвешенную, моду, медиану признака.

Определяем среднюю арифметическую взвешенную:

<img width=«95» height=«51» src=«ref-2_1491288291-426.coolpic» v:shapes="_x0000_i1028">

где      x i – варианты;

<img width=«13» height=«23» src=«ref-2_1491288717-89.coolpic» v:shapes="_x0000_i1029">— средняя величина признака;

f i  — частоты распределения.

В интервальных рядах в качестве вариантов (х i ) используем серединные значения интервалов.

<img width=«504» height=«131» src=«ref-2_1491288806-1440.coolpic» v:shapes="_x0000_s1041 _x0000_s1040 _x0000_s1042 _x0000_s1043 _x0000_s1044 _x0000_s1045 _x0000_s1046 _x0000_s1047 _x0000_s1048 _x0000_s1050 _x0000_s1051 _x0000_s1052 _x0000_s1053 _x0000_s1054 _x0000_s1055 _x0000_s1057 _x0000_s1059 _x0000_s1060 _x0000_s1061 _x0000_s1062 _x0000_s1063 _x0000_s1064 _x0000_s1065 _x0000_s1066 _x0000_s1067 _x0000_s1068 _x0000_s1069 _x0000_s1070 _x0000_s1071 _x0000_s1072 _x0000_s1073 _x0000_s1074 _x0000_s1075 _x0000_s1076 _x0000_s1077 _x0000_s1078 _x0000_s1079 _x0000_s1080 _x0000_s1081 _x0000_s1082 _x0000_s1083 _x0000_s1084 _x0000_s1085 _x0000_s1086 _x0000_s1087 _x0000_s1088 _x0000_s1089 _x0000_s1090 _x0000_s1091 _x0000_s1092 _x0000_s1093 _x0000_s1094 _x0000_s1095 _x0000_s1096 _x0000_s1097 _x0000_s1098 _x0000_s1099 _x0000_s1100"><img width=«504» height=«129» src=«ref-2_1491290246-73.coolpic» v:shapes="_x0000_i1027">

Определяем моду – наиболее часто встречающееся значение признака:

<img width=«121» height=«47» src=«ref-2_1491290319-274.coolpic» v:shapes="_x0000_i1031">

где   xmo – нижняя граница модального интервала,

h – величина интервала,

Δ1 – разность между частотой модального и домодального интервала,
Δ2 – разность между частотой модального и послемодального интервала.

<img width=«586» height=«43» src=«ref-2_1491290593-716.coolpic» v:shapes="_x0000_s1216 _x0000_s1217 _x0000_s1218 _x0000_s1219 _x0000_s1220 _x0000_s1221 _x0000_s1222 _x0000_s1223 _x0000_s1224 _x0000_s1225 _x0000_s1226 _x0000_s1227 _x0000_s1228 _x0000_s1229 _x0000_s1230 _x0000_s1231 _x0000_s1232 _x0000_s1233 _x0000_s1234 _x0000_s1235 _x0000_s1236 _x0000_s1237 _x0000_s1238 _x0000_s1239 _x0000_s1240 _x0000_s1241 _x0000_s1242 _x0000_s1243 _x0000_s1244 _x0000_s1245 _x0000_s1246 _x0000_s1247 _x0000_s1248 _x0000_s1249 _x0000_s1250 _x0000_s1251 _x0000_s1252 _x0000_s1253"><img width=«585» height=«39» src=«ref-2_1491291309-73.coolpic» v:shapes="_x0000_i1030">

Определяем медиану – значение признака, находящегося в центре ранжированного ряда распределения.

<img width=«179» height=«106» src=«ref-2_1491291382-576.coolpic» v:shapes="_x0000_s1256 _x0000_s1255 _x0000_s1257 _x0000_s1258 _x0000_s1259 _x0000_s1260 _x0000_s1261 _x0000_s1262 _x0000_s1263 _x0000_s1264 _x0000_s1265 _x0000_s1266 _x0000_s1267 _x0000_s1268 _x0000_s1269 _x0000_s1270 _x0000_s1271 _x0000_s1272 _x0000_s1273 _x0000_s1274 _x0000_s1275 _x0000_s1276 _x0000_s1277 _x0000_s1278"><img width=«179» height=«104» src=«ref-2_1491291958-73.coolpic» v:shapes="_x0000_i1032">

где   xme – нижняя граница медиального интервала,

h— величина интервала,

S
fi    — сумма частот распределения,

S me-1— сумма частот домедиальных интервалов,

f me- частота медиального интервала.

<img width=«492» height=«51» src=«ref-2_1491292031-558.coolpic» v:shapes="_x0000_s1281 _x0000_s1280 _x0000_s1282 _x0000_s1283 _x0000_s1284 _x0000_s1285 _x0000_s1286 _x0000_s1287 _x0000_s1288 _x0000_s1289 _x0000_s1290 _x0000_s1291 _x0000_s1292 _x0000_s1293 _x0000_s1294 _x0000_s1295 _x0000_s1296 _x0000_s1297 _x0000_s1298 _x0000_s1299 _x0000_s1300 _x0000_s1301 _x0000_s1302 _x0000_s1303 _x0000_s1304"><img width=«492» height=«49» src=«ref-2_1491292589-73.coolpic» v:shapes="_x0000_i1033">

2) Для характеристики меры рассеяния признака определяют показатели вариации: размах вариации, дисперсию, среднее квадратическое отклонение, коэффициент вариации.

Размах вариации составит:

<img width=«99» height=«28» src=«ref-2_1491292662-209.coolpic» v:shapes="_x0000_i1035">                                                                                  

<img width=«276» height=«31» src=«ref-2_1491292871-430.coolpic» v:shapes="_x0000_s1330 _x0000_s1331 _x0000_s1332 _x0000_s1333 _x0000_s1334 _x0000_s1335 _x0000_s1336 _x0000_s1337 _x0000_s1338 _x0000_s1339 _x0000_s1340 _x0000_s1341"><img width=«276» height=«29» src=«ref-2_1491293301-73.coolpic» v:shapes="_x0000_i1034">

Определим величину показателей вариации на и характеристик форм распределения на основе предварительных расчетных данных, представленных в таблице 9.

Срединное значение интервала удоя молока на 1 корову, ц. (хi)

Число хозяйств

fi

Отклонения от <img width=«13» height=«23» src=«ref-2_1491288717-89.coolpic» v:shapes="_x0000_i1036"> = 40,71

(x i— <img width=«13» height=«24» src=«ref-2_1491293463-93.coolpic» v:shapes="_x0000_i1037"> )

(x i— <img width=«13» height=«24» src=«ref-2_1491293463-93.coolpic» v:shapes="_x0000_i1038"> )2 fi

(x i— <img width=«13» height=«24» src=«ref-2_1491293463-93.coolpic» v:shapes="_x0000_i1039"> )3fi

(x i— <img width=«13» height=«24» src=«ref-2_1491293463-93.coolpic» v:shapes="_x0000_i1040"> )4fi

21,84

4

— 18,87

1424,31

— 26876,7

507 163

32,85

6

— 7,86

370,68

— 2913,53

22 900

43,86

6

3,15

59,54

187,54

591

54,87

2

14,16

401,01

5678,32

80 405

65,88

3

25,17

1900,59

47837,77

1 204 077

Итого:

21

15,75

4156,12

23913,41

1 815 136



Дисперсия – показывает среднюю величину квадратических отклонений отдельных вариантов от средней арифметической.

<img width=«237» height=«81» src=«ref-2_1491293835-522.coolpic» v:shapes="_x0000_s1479 _x0000_s1480 _x0000_s1481 _x0000_s1482 _x0000_s1483 _x0000_s1484 _x0000_s1485 _x0000_s1486 _x0000_s1487 _x0000_s1488 _x0000_s1489 _x0000_s1490 _x0000_s1491 _x0000_s1492 _x0000_s1493 _x0000_s1494 _x0000_s1495 _x0000_s1496 _x0000_s1497 _x0000_s1498"><img width=«237» height=«79» src=«ref-2_1491294357-73.coolpic» v:shapes="_x0000_i1041">

σ2  =  4156,12/21 = 197,91

Среднее квадратическое отклонение признака в ряду распределения составит

<img width=«252» height=«40» src=«ref-2_1491294430-470.coolpic» v:shapes="_x0000_s1459 _x0000_s1460 _x0000_s1461 _x0000_s1462 _x0000_s1463 _x0000_s1464 _x0000_s1465 _x0000_s1466 _x0000_s1467 _x0000_s1468 _x0000_s1469 _x0000_s1470 _x0000_s1471 _x0000_s1472 _x0000_s1473 _x0000_s1474 _x0000_s1475 _x0000_s1476 _x0000_s1477 _x0000_s1478"><img width=«251» height=«40» src=«ref-2_1491294900-73.coolpic» v:shapes="_x0000_i1042">

Для определения коэффициента вариации используют формулу:

<img width=«336» height=«64» src=«ref-2_1491294973-751.coolpic» v:shapes="_x0000_s1501 _x0000_s1500 _x0000_s1502 _x0000_s1503 _x0000_s1504 _x0000_s1505 _x0000_s1506 _x0000_s1507 _x0000_s1508 _x0000_s1509 _x0000_s1510 _x0000_s1511 _x0000_s1512 _x0000_s1513 _x0000_s1514 _x0000_s1515 _x0000_s1516 _x0000_s1517 _x0000_s1518 _x0000_s1519 _x0000_s1520 _x0000_s1521 _x0000_s1522 _x0000_s1523 _x0000_s1524"><img width=«335» height=«60» src=«ref-2_1491295724-73.coolpic» v:shapes="_x0000_i1043">
Коэффициент вариации является наиболее универсальной характеристикой степени колеблемости, изменяемости признака. По величине коэффициента судят о степени однородности статистической совокупности.

3) Для характеристики формы распределения используют коэффициенты асимметрии (As) и эксцесса (Es):

<img width=«576» height=«113» src=«ref-2_1491295797-1585.coolpic» v:shapes="_x0000_s1527 _x0000_s1526 _x0000_s1528 _x0000_s1529 _x0000_s1530 _x0000_s1531 _x0000_s1532 _x0000_s1533 _x0000_s1534 _x0000_s1535 _x0000_s1536 _x0000_s1537 _x0000_s1538 _x0000_s1539 _x0000_s1540 _x0000_s1541 _x0000_s1542 _x0000_s1543 _x0000_s1544 _x0000_s1545 _x0000_s1546 _x0000_s1547 _x0000_s1548 _x0000_s1549 _x0000_s1550 _x0000_s1551 _x0000_s1552 _x0000_s1553 _x0000_s1554 _x0000_s1555 _x0000_s1556 _x0000_s1557 _x0000_s1558 _x0000_s1559 _x0000_s1560 _x0000_s1561 _x0000_s1562 _x0000_s1563 _x0000_s1564 _x0000_s1565 _x0000_s1566 _x0000_s1567 _x0000_s1568 _x0000_s1570 _x0000_s1571 _x0000_s1572 _x0000_s1573 _x0000_s1574 _x0000_s1575 _x0000_s1576 _x0000_s1577 _x0000_s1578 _x0000_s1579 _x0000_s1580 _x0000_s1581 _x0000_s1582 _x0000_s1583 _x0000_s1584 _x0000_s1585 _x0000_s1586 _x0000_s1587 _x0000_s1588 _x0000_s1589 _x0000_s1590 _x0000_s1591 _x0000_s1592 _x0000_s1593 _x0000_s1594 _x0000_s1595 _x0000_s1596 _x0000_s1597 _x0000_s1598 _x0000_s1599 _x0000_s1600 _x0000_s1601 _x0000_s1602 _x0000_s1603 _x0000_s1604 _x0000_s1605 _x0000_s1606 _x0000_s1607 _x0000_s1608 _x0000_s1609 _x0000_s1610 _x0000_s1611 _x0000_s1612 _x0000_s1613 _x0000_s1614 _x0000_s1615 _x0000_s1616 _x0000_s1617 _x0000_s1618 _x0000_s1619 _x0000_s1620 _x0000_s1621 _x0000_s1622 _x0000_s1623 _x0000_s1624 _x0000_s1625 _x0000_s1626 _x0000_s1627 _x0000_s1628 _x0000_s1629 _x0000_s1630 _x0000_s1631"><img width=«576» height=«111» src=«ref-2_1491297382-73.coolpic» v:shapes="_x0000_i1044">

<img width=«585» height=«163» src=«ref-2_1491297455-1873.coolpic» v:shapes="_x0000_s1746 _x0000_s1745 _x0000_s1747 _x0000_s1748 _x0000_s1749 _x0000_s1750 _x0000_s1751 _x0000_s1752 _x0000_s1753 _x0000_s1754 _x0000_s1755 _x0000_s1756 _x0000_s1757 _x0000_s1758 _x0000_s1759 _x0000_s1760 _x0000_s1761 _x0000_s1762 _x0000_s1763 _x0000_s1764 _x0000_s1765 _x0000_s1767 _x0000_s1768 _x0000_s1769 _x0000_s1770 _x0000_s1771 _x0000_s1772 _x0000_s1773 _x0000_s1774 _x0000_s1775 _x0000_s1776 _x0000_s1777 _x0000_s1778 _x0000_s1779 _x0000_s1780 _x0000_s1781 _x0000_s1782 _x0000_s1783 _x0000_s1784 _x0000_s1785 _x0000_s1786 _x0000_s1787 _x0000_s1788 _x0000_s1789 _x0000_s1790 _x0000_s1791 _x0000_s1792 _x0000_s1793 _x0000_s1794 _x0000_s1795 _x0000_s1796 _x0000_s1797 _x0000_s1798 _x0000_s1799 _x0000_s1800 _x0000_s1801 _x0000_s1802 _x0000_s1803 _x0000_s1804 _x0000_s1805 _x0000_s1806 _x0000_s1807 _x0000_s1808 _x0000_s1809 _x0000_s1810 _x0000_s1811 _x0000_s1812 _x0000_s1813 _x0000_s1814 _x0000_s1815 _x0000_s1816 _x0000_s1817 _x0000_s1818 _x0000_s1819 _x0000_s1820 _x0000_s1821 _x0000_s1822 _x0000_s1823 _x0000_s1824 _x0000_s1825 _x0000_s1826 _x0000_s1827 _x0000_s1828 _x0000_s1829 _x0000_s1830 _x0000_s1831 _x0000_s1832 _x0000_s1833 _x0000_s1834 _x0000_s1835 _x0000_s1836 _x0000_s1837 _x0000_s1838 _x0000_s1839 _x0000_s1840 _x0000_s1841 _x0000_s1842 _x0000_s1843 _x0000_s1844 _x0000_s1845 _x0000_s1846 _x0000_s1847 _x0000_s1848 _x0000_s1849 _x0000_s1850 _x0000_s1851 _x0000_s1852 _x0000_s1853 _x0000_s1854 _x0000_s1855"><img width=«584» height=«161» src=«ref-2_1491299328-73.coolpic» v:shapes="_x0000_i1045">

Так как Аs >0, распределение имеет правостороннюю асимметрию, о которой так же можно судить на основе следующего неравенства: Мо<Ме<<img width=«13» height=«23» src=«ref-2_1491288717-89.coolpic» v:shapes="_x0000_i1046">

Так как Еs <0, распределение является низковершинным по сравнению с нормальным.

Таким образом, средний уровень удоя молока на одну корову составляет 40,7 ц. При среднем квадратическом отклонении от этого уровня 14,07 ц., или 34,68%. Т.к. коэффициент вариации  V> 33% выборка является неоднородной.

Для того чтобы определить подчиняется ли эмпирическое (исходное) распределение закону нормального распределения, необходимо проверить статистическую гипотезу о существенности различия частот фактического и теоретического (нормального) распределения.

Наиболее часто для проверки таких гипотез используют критерий Пирсона, фактическое значение которого определяется по формуле:

<img width=«227» height=«58» src=«ref-2_1491299490-671.coolpic» v:shapes="_x0000_i1047">

где fi  и  fm– частоты фактического и теоретического распределения.

Теоретические частоты для каждого интервала определяются в следующей последовательности:

1.     Для каждого интервала определяют нормированное отклонение (t):

                                                         <img width=«120» height=«62» src=«ref-2_1491300161-415.coolpic» v:shapes="_x0000_i1048">

Результаты расчёта t представлены в таблице 10.

Таблица 10 – Расчет критерия Пирсона.

Срединное значение интервала по удою на одну корову, кг

Число хозяйств

<img width=«47» height=«51» src=«ref-2_1491300576-199.coolpic» v:shapes="_x0000_i1049">

ц(t)

<img width=«59» height=«41» src=«ref-2_1491300775-305.coolpic» v:shapes="_x0000_i1050">

<img width=«73» height=«49» src=«ref-2_1491301080-340.coolpic» v:shapes="_x0000_i1051">

xi

fi

t

Табличное

Fm

–

21,84

4

1.34

0.1626

2

0,51

32,85

6

0.55

0.3429

6

0.002

43,86

6

0.22

0.3894

7

0,04

54,87

2

1.01

0,2396

4

1

65,88

3

1.47

0.0804

2

0,8

Итого

21

Х

Х

21

2,35



2.     Используя математическую таблицу «Значения функции» при фактической величине t для каждого интервала найдём значение функции нормального распределения.

                                                  <img width=«125» height=«48» src=«ref-2_1491301420-542.coolpic» v:shapes="_x0000_i1052">    продолжение
--PAGE_BREAK--
4)     Определим теоретические частоты по формуле:

где n — число единиц в совокупности (n=21),

h— величина интервала.

fm=  21*11,01*0,7626/ 14,07 = 12,53

n =21, h =11,01, s= 14,07.

4. Подсчитаем сумму теоретических частот и проверим её равенство фактическому числу единиц, т.е. åfi ≈ åfm

Таким образом, фактическое значение критерия составило: χ2 факт=2,35.

По математической таблице «Распределение χ2» определяем критическое значение критерия   χ2  при числе степеней свободы (v) равном числу интервалов минус единица и выбранном уровне значимости (α =0,05).

При v= 5 – 1 = 4 и α = 0,05; χ2 табл = 9,95

Поскольку фактическое значение критерия (χ2 факт) меньше табличного      ( χ2 табл), отклонение фактического распределения от теоретического следует признать несущественным.

Следовательно, исходную совокупность с.х. предприятий Кировской области можно использовать для проведения экономико-статистического  исследования эффективности использования основных фондов.
3.     Экономико-статистический анализ взаимосвязей между признаками изучаемого явления.

3.1.  Метод статистических группировок.

                                                            

В качестве группировочного признака выбираем удой молока  на одну корову, ц.

Строим ранжированный ряд: 16,33  17,98  24,25  26,42  31,47  31,5  34,51  35,28  35,75  37,15 38,8  41,12  42,5  45,61  47,29  47,85  50,04  51,78  62,23  62,5  71,37.

 В связи с тем, что при проведении аналитических группировок число единиц в каждой из групп должно быть достаточно большим (не менее 5), при заданном объёме совокупности в 21 единицу, значение количества групп примем равным 3.

Определяем границы интервалов групп и число предприятий в них (Приложение 2).

Используя сводные данные (Приложение 2), составляем итоговую группировочную таблицу 11 и проводим анализ представленных в ней показателей.

<img width=«184» height=«41» src=«ref-2_1491279512-277.coolpic» v:shapes="_x0000_i1053">     =18,35

Группы хозяйств по удою на одну корову, ц

Число хозяйств

16,33 – 34,68

7

                              34,68 – 53,08

11

53,08 – 71,38

4

Итого

21



Таблица 11 – Влияние факторов на цену реализации и валовой надой.

Группы предприятий по удою на корову, руб

Число предприятий

В среднем по группам

Цена реализаци, руб.

Удой на 1 корову, ц

Среднегодовое поголовье коров, гол

Валов надой, ц.

До 34,68

7

536

26

150

3900

34,68-53,03

11

651

43

468

20124

Свыше 53,03

3

726

65,4

1286

84104

В среднем по совокупности

21

624

40,55

479

19423,5

Сравнение показателей по группам позволяет сделать вывод о том, что с увеличением величины среднего поголовья и удоя на 1 корову, их валовой надой растет и происходит  в среднем возрастание цены реализации.

Так во второй группе предприятий цена реализации выше, чем в первой на 651-536=115 руб, или на 21,45%. При этом удои на 1 корову во второй группе выше на 43-26=7 ц, или на 27%, т. е. увеличение удоя  от первой ко второй группе на 1 ц. в расчёте на 1 корову приводит к среднему увеличению цены реализации на 115/7= 16,43 руб.

Рост показателя удоя на 1 корову в третьей группе по сравнению со второй на 52,1% приводит к росту цены реализации на 11,5%, а на каждые 1 ц. увеличения удоя приходится  (726-651)/(65,4-43)  = 3,4 руб. увеличения цены реализации.

<img width=«184» height=«41» src=«ref-2_1491279512-277.coolpic» v:shapes="_x0000_i1054">     =0,11

Группы хозяйств по цене реализации, руб

Число хозяйств

0,478 – 0,55

6

0,55 – 0,68

9

0,68 – 0,80

6

Итого

21



На онове расчетов, проведенных в приложении 3.

Таблица 12 – влияние уровня производительности труда и фондоотдачи на финансовые результаты деятельности предприятия.

Группы по цене реализации

Число п/п

В среднем по группам

Цена реализации, руб

Себестоимость реализации. руб

Окупаемость затрат, руб.

До 0,55

0,55 – 0,68

Свыше 0,68

6

9

6

518

619

735

648

763

541

0,83

0,92

1,4

В среднем по совокупности



21



624



667



1,03



Сравнивая показатели по группам можно сказать о том, что  с увеличением цены реализации происходит увеличение окупаемости затрат.

Так, увеличение цены реализации во второй группе предприятий по сравнению с первой на 101 руб, или на 19,5%, приводит к увеличению окупаемости затрат на 19,5%. При этом себестоимость реализации выросла на 115 руб, что составило 17,7%.

Рост показателя реализации в 3-ей группе по сравнению со 2-ой на 116 руб (18,7%), привело к увеличению окупаемости затрат на 0,48 руб, или на 52,2 %. При этом происходит уменьшение себестоимости реализации молока на 222руб, или на 29,1%. Т.е. с ростом цены реализации происходит рост окупаемости затрат и уменьшение себестоимости реализованного молока.
3.2.  Дисперсионный анализ.
Оценим существенность влияния удоя молока на 1 корову и среднего поголовья на цену реализации и валовой надой по  данным аналитической группировки, приведенным в таблице 11. Для этого рассчитаем фактическое значение критерия Фишера по формуле:

<img width=«95» height=«51» src=«ref-2_1491302516-289.coolpic» v:shapes="_x0000_i1055">,

где <img width=«39» height=«27» src=«ref-2_1491302805-143.coolpic» v:shapes="_x0000_i1056">  — межгрупповая дисперсия,

/>  — остаточная дисперсия.

Дадим статистическую оценку существенности различия между группами по цене реализации.

<img width=«221» height=«47» src=«ref-2_1491303077-640.coolpic» v:shapes="_x0000_i1057">,

где x – варианты,

<img width=«25» height=«28» src=«ref-2_1491303717-112.coolpic» v:shapes="_x0000_i1061">  — средняя групповая,

<img width=«32» height=«28» src=«ref-2_1491303829-128.coolpic» v:shapes="_x0000_i1062">  — средняя общая,

m– число групп,

 N – число единиц в  совокупности, 

n– число вариантов в группах.

/>                 = 93439/2 = 46719,5

<img width=«32» height=«28» src=«ref-2_1491303829-128.coolpic» v:shapes="_x0000_i1063">  = 624

<img width=«164» height=«48» src=«ref-2_1491304228-462.coolpic» v:shapes="_x0000_i1064">,

где <img width=«33» height=«25» src=«ref-2_1491304690-135.coolpic» v:shapes="_x0000_i1065">-общая вариация

<img width=«37» height=«25» src=«ref-2_1491304825-142.coolpic» v:shapes="_x0000_i1066">— межгрупповая вариация

N-общее число вариантов (N=21)

Общую вариацию определяем по формуле:

<img width=«148» height=«28» src=«ref-2_1491304967-398.coolpic» v:shapes="_x0000_i1067">,

где <img width=«16» height=«24» src=«ref-2_1491305365-91.coolpic» v:shapes="_x0000_i1068">  — варианты;

<img width=«32» height=«28» src=«ref-2_1491303829-128.coolpic» v:shapes="_x0000_i1069">  — средняя общая (из таблицы 11)

Wобщ  = 171095

<img width=«263» height=«44» src=«ref-2_1491305584-455.coolpic» v:shapes="_x0000_s1974 _x0000_s1973 _x0000_s1975 _x0000_s1976 _x0000_s1977 _x0000_s1978 _x0000_s1979 _x0000_s1980 _x0000_s1981 _x0000_s1982 _x0000_s1983 _x0000_s1984 _x0000_s1985 _x0000_s1986 _x0000_s1987 _x0000_s1988 _x0000_s1989 _x0000_s1990 _x0000_s1991 _x0000_s1992 _x0000_s1993"><img width=«262» height=«42» src=«ref-2_1491306039-73.coolpic» v:shapes="_x0000_i1058">

<img width=«292» height=«47» src=«ref-2_1491306112-578.coolpic» v:shapes="_x0000_s1996 _x0000_s1995 _x0000_s1997 _x0000_s1998 _x0000_s1999 _x0000_s2000 _x0000_s2001 _x0000_s2002 _x0000_s2003 _x0000_s2004 _x0000_s2005 _x0000_s2006 _x0000_s2007 _x0000_s2008 _x0000_s2009 _x0000_s2010 _x0000_s2011 _x0000_s2012 _x0000_s2013 _x0000_s2014 _x0000_s2015 _x0000_s2016 _x0000_s2017 _x0000_s2018 _x0000_s2019"><img width=«291» height=«45» src=«ref-2_1491306690-73.coolpic» v:shapes="_x0000_i1059">

  <img width=«165» height=«45» src=«ref-2_1491306763-378.coolpic» v:shapes="_x0000_s2022 _x0000_s2021 _x0000_s2023 _x0000_s2024 _x0000_s2025 _x0000_s2027 _x0000_s2028 _x0000_s2029 _x0000_s2030 _x0000_s2031 _x0000_s2032 _x0000_s2033 _x0000_s2034"><img width=«165» height=«42» src=«ref-2_1491307141-73.coolpic» v:shapes="_x0000_i1060">

Полученное значение критерия Фишера составило: Fфакт=0,83

Фактическое значение критерия сравнивается с табличным, которое определяется при заданном уровне значимости (0,05) и числе степеней свободы для межгрупповой и остаточной дисперсии.

Vм/гр=m – 1 = 3 – 1 = 2; Vост= (N-1) – (m-1) = (21 – 1) – (3 – 1) = 18. Следовательно, Fтабл = 3,55.

Поскольку Fфак < Fтабл, то можно сделать вывод, что влияние фактора несущественно.

Величина эмпирического коэффициента детерминации, равная

<img width=«314» height=«58» src=«ref-2_1491307214-635.coolpic» v:shapes="_x0000_s2037 _x0000_s2036 _x0000_s2038 _x0000_s2039 _x0000_s2040 _x0000_s2041 _x0000_s2042 _x0000_s2043 _x0000_s2044 _x0000_s2045 _x0000_s2046 _x0000_s2047 _x0000_s2048 _x0000_s2049 _x0000_s2050 _x0000_s2051 _x0000_s2052 _x0000_s2053 _x0000_s2054 _x0000_s2055 _x0000_s2056 _x0000_s2057 _x0000_s2058 _x0000_s2059 _x0000_s2060 _x0000_s2061"><img width=«312» height=«57» src=«ref-2_1491307849-73.coolpic» v:shapes="_x0000_i1070">, показывает, что на 54,6% вариация цены реализации объясняется влиянием величины удоя на 1 корову.
Оценим вариацию предприятий по величине среднегодового поголовья, также используя при этом результаты 1-ой группировки.( таблица 11)

/>                = 2030846,7/2 = 1015423,3

<img width=«32» height=«28» src=«ref-2_1491303829-128.coolpic» v:shapes="_x0000_i1074">  = 479

<img width=«164» height=«48» src=«ref-2_1491304228-462.coolpic» v:shapes="_x0000_i1075">,

Wобщ  = 6145295

<img width=«263» height=«44» src=«ref-2_1491305584-455.coolpic» v:shapes="_x0000_s2062 _x0000_s2063 _x0000_s2064 _x0000_s2065 _x0000_s2066 _x0000_s2067 _x0000_s2068 _x0000_s2069 _x0000_s2070 _x0000_s2071 _x0000_s2072 _x0000_s2073 _x0000_s2074 _x0000_s2075 _x0000_s2076 _x0000_s2077 _x0000_s2078 _x0000_s2079 _x0000_s2080 _x0000_s2081 _x0000_s2082"><img width=«262» height=«42» src=«ref-2_1491306039-73.coolpic» v:shapes="_x0000_i1071">

<img width=«292» height=«47» src=«ref-2_1491309183-675.coolpic» v:shapes="_x0000_s2083 _x0000_s2084 _x0000_s2085 _x0000_s2086 _x0000_s2087 _x0000_s2088 _x0000_s2089 _x0000_s2090 _x0000_s2091 _x0000_s2092 _x0000_s2093 _x0000_s2094 _x0000_s2095 _x0000_s2096 _x0000_s2097 _x0000_s2098 _x0000_s2099 _x0000_s2100 _x0000_s2101 _x0000_s2102 _x0000_s2103 _x0000_s2104 _x0000_s2105 _x0000_s2106 _x0000_s2107"><img width=«291» height=«45» src=«ref-2_1491306690-73.coolpic» v:shapes="_x0000_i1072">

  <img width=«165» height=«45» src=«ref-2_1491309931-417.coolpic» v:shapes="_x0000_s2108 _x0000_s2109 _x0000_s2110 _x0000_s2111 _x0000_s2112 _x0000_s2113 _x0000_s2114 _x0000_s2115 _x0000_s2116 _x0000_s2117 _x0000_s2118 _x0000_s2119 _x0000_s2120"><img width=«165» height=«42» src=«ref-2_1491307141-73.coolpic» v:shapes="_x0000_i1073">

Сравнивая фактическое значение критерия с табличным  Fтабл = 3,5, определяем, что поскольку Fфак > Fтабл, уровень среднегодового поголовья, хоть и незначительно, но оказывает влияние на цену реализации и валовой надой.

Величина эмпирического коэффициента детерминации, равная

<img width=«290» height=«58» src=«ref-2_1491310421-512.coolpic» v:shapes="_x0000_s2121 _x0000_s2122 _x0000_s2123 _x0000_s2125 _x0000_s2126 _x0000_s2127 _x0000_s2128 _x0000_s2129 _x0000_s2130 _x0000_s2131 _x0000_s2132 _x0000_s2133 _x0000_s2134 _x0000_s2135 _x0000_s2136 _x0000_s2137 _x0000_s2138 _x0000_s2139 _x0000_s2140 _x0000_s2141 _x0000_s2142 _x0000_s2143 _x0000_s2144 _x0000_s2145 _x0000_s2146"><img width=«286» height=«57» src=«ref-2_1491310933-73.coolpic» v:shapes="_x0000_i1076">, показывает, что на 33,1% вариация цены реализации и валового надоя  объясняется влиянием среднегодового поголовья.

Оценим вариацию предприятий по себестоимости реализации на финансовые результат деятельности предприятия, используя при этом результаты 2-ой группировки (таблица 12).

/>                = 180366/2 = 90183

<img width=«32» height=«28» src=«ref-2_1491303829-128.coolpic» v:shapes="_x0000_i1080">  = 667

<img width=«164» height=«48» src=«ref-2_1491304228-462.coolpic» v:shapes="_x0000_i1081">,

Wобщ  = 1399343

<img width=«263» height=«44» src=«ref-2_1491311739-466.coolpic» v:shapes="_x0000_s2148 _x0000_s2149 _x0000_s2150 _x0000_s2151 _x0000_s2152 _x0000_s2153 _x0000_s2154 _x0000_s2155 _x0000_s2156 _x0000_s2157 _x0000_s2158 _x0000_s2159 _x0000_s2160 _x0000_s2161 _x0000_s2162 _x0000_s2163 _x0000_s2164 _x0000_s2165 _x0000_s2166 _x0000_s2167 _x0000_s2168"><img width=«262» height=«42» src=«ref-2_1491306039-73.coolpic» v:shapes="_x0000_i1077">

<img width=«292» height=«47» src=«ref-2_1491312278-611.coolpic» v:shapes="_x0000_s2169 _x0000_s2170 _x0000_s2171 _x0000_s2172 _x0000_s2173 _x0000_s2174 _x0000_s2175 _x0000_s2176 _x0000_s2177 _x0000_s2178 _x0000_s2179 _x0000_s2180 _x0000_s2181 _x0000_s2182 _x0000_s2183 _x0000_s2184 _x0000_s2185 _x0000_s2186 _x0000_s2187 _x0000_s2188 _x0000_s2189 _x0000_s2190 _x0000_s2191 _x0000_s2192 _x0000_s2193"><img width=«291» height=«45» src=«ref-2_1491306690-73.coolpic» v:shapes="_x0000_i1078">

  <img width=«165» height=«45» src=«ref-2_1491312962-342.coolpic» v:shapes="_x0000_s2194 _x0000_s2195 _x0000_s2196 _x0000_s2197 _x0000_s2198 _x0000_s2199 _x0000_s2200 _x0000_s2201 _x0000_s2202 _x0000_s2203 _x0000_s2204 _x0000_s2205 _x0000_s2206"><img width=«165» height=«42» src=«ref-2_1491307141-73.coolpic» v:shapes="_x0000_i1079">

Сравнивая фактическое значение критерия с табличным  Fтабл = 3,55, видим, что Fфак < Fтабл. Т.е. уровень себестоимости реализации оказывает несущественное влияние на окупаемость затрат.

Величина эмпирического коэффициента детерминации, равная

<img width=«290» height=«58» src=«ref-2_1491313377-500.coolpic» v:shapes="_x0000_s2208 _x0000_s2209 _x0000_s2210 _x0000_s2211 _x0000_s2212 _x0000_s2213 _x0000_s2214 _x0000_s2215 _x0000_s2216 _x0000_s2217 _x0000_s2218 _x0000_s2219 _x0000_s2220 _x0000_s2221 _x0000_s2222 _x0000_s2223 _x0000_s2224 _x0000_s2225 _x0000_s2226 _x0000_s2227 _x0000_s2228 _x0000_s2229 _x0000_s2230 _x0000_s2231 _x0000_s2232"><img width=«286» height=«57» src=«ref-2_1491310933-73.coolpic» v:shapes="_x0000_i1082">, показывает, что на 12,9% вариация  фактора окупаемости затрат объясняется влиянием уровня себестоимости реализации.

Проведем оценку влияния окупаемости затрат на финансовые результаты предприятия

/>                = 1,17/2 = 0,59

<img width=«32» height=«28» src=«ref-2_1491303829-128.coolpic» v:shapes="_x0000_i1086">    продолжение
--PAGE_BREAK--  = 1,03

<img width=«164» height=«48» src=«ref-2_1491304228-462.coolpic» v:shapes="_x0000_i1087">,

Wобщ  = 2,32

<img width=«263» height=«44» src=«ref-2_1491314683-424.coolpic» v:shapes="_x0000_s2258 _x0000_s2259 _x0000_s2260 _x0000_s2261 _x0000_s2262 _x0000_s2263 _x0000_s2264 _x0000_s2265 _x0000_s2266 _x0000_s2267 _x0000_s2268 _x0000_s2269 _x0000_s2270 _x0000_s2271 _x0000_s2272 _x0000_s2273 _x0000_s2274 _x0000_s2275 _x0000_s2276 _x0000_s2277 _x0000_s2278"><img width=«262» height=«42» src=«ref-2_1491306039-73.coolpic» v:shapes="_x0000_i1083">

<img width=«292» height=«47» src=«ref-2_1491315180-542.coolpic» v:shapes="_x0000_s2279 _x0000_s2280 _x0000_s2281 _x0000_s2282 _x0000_s2283 _x0000_s2284 _x0000_s2285 _x0000_s2286 _x0000_s2287 _x0000_s2288 _x0000_s2289 _x0000_s2290 _x0000_s2291 _x0000_s2292 _x0000_s2293 _x0000_s2294 _x0000_s2295 _x0000_s2296 _x0000_s2297 _x0000_s2298 _x0000_s2299 _x0000_s2300 _x0000_s2301 _x0000_s2302 _x0000_s2303"><img width=«291» height=«45» src=«ref-2_1491306690-73.coolpic» v:shapes="_x0000_i1084">

  <img width=«165» height=«45» src=«ref-2_1491315795-323.coolpic» v:shapes="_x0000_s2304 _x0000_s2305 _x0000_s2306 _x0000_s2307 _x0000_s2308 _x0000_s2309 _x0000_s2310 _x0000_s2311 _x0000_s2312 _x0000_s2313 _x0000_s2314 _x0000_s2315 _x0000_s2316"><img width=«165» height=«42» src=«ref-2_1491307141-73.coolpic» v:shapes="_x0000_i1085">

По данным расчетам видно, что Fфак < Fтабл, т.е. уровень окупаемости затрат оказывает существенное влияние на финансовую деятельность предприятия.

Величина эмпирического коэффициента детерминации, равная

<img width=«290» height=«58» src=«ref-2_1491316191-453.coolpic» v:shapes="_x0000_s2233 _x0000_s2234 _x0000_s2235 _x0000_s2236 _x0000_s2237 _x0000_s2238 _x0000_s2239 _x0000_s2240 _x0000_s2241 _x0000_s2242 _x0000_s2243 _x0000_s2244 _x0000_s2245 _x0000_s2246 _x0000_s2247 _x0000_s2248 _x0000_s2249 _x0000_s2250 _x0000_s2251 _x0000_s2252 _x0000_s2253 _x0000_s2254 _x0000_s2255 _x0000_s2256 _x0000_s2257"><img width=«286» height=«57» src=«ref-2_1491310933-73.coolpic» v:shapes="_x0000_i1088">, показывает, что на 25,4% вариация  фактора объясняется вариацией фактора окупаемости затрат.
3.2.Метод корреляционно-регрессионного анализа.
На основе логического анализа и системы группировок выявляется перечень признаков, который может быть положен в основу регрессивной модели связи. Если результативный признак находится в стохастической (вероятностной) зависимости от многих факторов, то уравнения, выражающие эту зависимость, называются многофакторными уравнениями регрессии.

Покажем взаимосвязь между удоем на 1 корову (X1), ценой реализации (X2) и окупаемостью затрат (Y). Для этого составим вспомогательную таблицу (Приложение 4).

Для математического выражения связи между выбранными факторами может быть  использовано следующее уравнение:

<img width=«135» height=«24» src=«ref-2_1491316717-236.coolpic» v:shapes="_x0000_i1090">,

Параметры a0, a1, a2 определяют в результате решения системы 3-х нормальных уравнений:

<img width=«267» height=«85» src=«ref-2_1491316953-1630.coolpic» v:shapes="_x0000_i1091">
В результате решения данной системы (см. Приложение 4) на основе исходных данных по 21 предприятию было получено следующее уравнение регрессии:

<img width=«213» height=«28» src=«ref-2_1491318583-369.coolpic» v:shapes="_x0000_s2320 _x0000_s2319 _x0000_s2321 _x0000_s2322 _x0000_s2323 _x0000_s2324 _x0000_s2325 _x0000_s2327 _x0000_s2329 _x0000_s2330 _x0000_s2331 _x0000_s2332 _x0000_s2333 _x0000_s2334 _x0000_s2335 _x0000_s2336 _x0000_s2337 _x0000_s2338 _x0000_s2339 _x0000_s2326 _x0000_s2328"><img width=«212» height=«26» src=«ref-2_1491318952-73.coolpic» v:shapes="_x0000_i1089">

Коэффициент регрессии a1= 0,019 показывает, что при увеличении удоя  на 1 корову на 1ц, окупаемость затрат увеличится  (при условии постоянства цены реализации). Коэффициент a2 = 0,0002 свидетельствует о том, что при увеличении цены реализации на 1 руб, окупаемость затрат увеличивается на  0,0002 руб (при постоянстве уровня удоя молока).

 Теснота связи между признаками, включёнными в модель, может быть определена при помощи коэффициентов множественной корреляции (Приложение 5):

<img width=«321» height=«72» src=«ref-2_1491319025-874.coolpic» v:shapes="_x0000_i1092">,

где <img width=«33» height=«34» src=«ref-2_1491319899-197.coolpic» v:shapes="_x0000_i1093">, <img width=«36» height=«36» src=«ref-2_1491320096-202.coolpic» v:shapes="_x0000_i1094">, <img width=«37» height=«34» src=«ref-2_1491320298-203.coolpic» v:shapes="_x0000_i1095">  — коэффициенты парной корреляции между x1, x2 и y. Формулы для нахождения данных коэффициентов можно представить следующим образом:

<img width=«143» height=«66» src=«ref-2_1491320501-699.coolpic» v:shapes="_x0000_i1096">;<img width=«143» height=«63» src=«ref-2_1491321200-554.coolpic» v:shapes="_x0000_i1097">;<img width=«184» height=«64» src=«ref-2_1491321754-595.coolpic» v:shapes="_x0000_i1098">;

<img width=«89» height=«46» src=«ref-2_1491322349-349.coolpic» v:shapes="_x0000_i1099">;           <img width=«91» height=«47» src=«ref-2_1491322698-351.coolpic» v:shapes="_x0000_i1100">;         <img width=«103» height=«47» src=«ref-2_1491323049-366.coolpic» v:shapes="_x0000_i1101">;

<img width=«61» height=«45» src=«ref-2_1491323415-295.coolpic» v:shapes="_x0000_i1102">;       <img width=«71» height=«45» src=«ref-2_1491323710-305.coolpic» v:shapes="_x0000_i1103">;    <img width=«76» height=«47» src=«ref-2_1491324015-313.coolpic» v:shapes="_x0000_i1104">;

<img width=«167» height=«60» src=«ref-2_1491324328-629.coolpic» v:shapes="_x0000_i1105">;<img width=«161» height=«55» src=«ref-2_1491324957-530.coolpic» v:shapes="_x0000_i1106">;         <img width=«29» height=«33» src=«ref-2_1491325487-195.coolpic» v:shapes="_x0000_i1107">=<img width=«105» height=«55» src=«ref-2_1491325682-462.coolpic» v:shapes="_x0000_i1108">


В рассматриваемом случае были получены следующие коэффициенты парной корреляции: <img width=«26» height=«27» src=«ref-2_1491326144-129.coolpic» v:shapes="_x0000_i1109">= 0,837; <img width=«28» height=«28» src=«ref-2_1491326273-136.coolpic» v:shapes="_x0000_i1110">= 0,575; <img width=«31» height=«27» src=«ref-2_1491326409-172.coolpic» v:shapes="_x0000_i1111">= 0,659. Следовательно, между окупаемостью (y) и удоем на 1 корову (x1) существует связь прямая и тесная, между окупаемостью (у) и ценой реализации (x2) связь прямая средняя. При этом связь между удоем на 1 корову (х1) и ценой реализации (x2) связь прямая и достаточно тесная (<img width=«28» height=«25» src=«ref-2_1491326581-168.coolpic» v:shapes="_x0000_i1112">= 0,659). Таким образом, имеет место мультиколлинеарность. Данное явление свидетельствует о не совсем удачном выборе факторов.

Между всеми признаками связь средняя (R = 0,84). Коэффициент множественной детерминации (Д = R2 * 100% = 70,56%) показывает, что 70,56% вариации окупаемости молока определяется влиянием факторов, включенных в модель.

Для оценки значимости полученного коэффициента R воспользуемся критерием Фишера, фактическое значение которого определяется по формуле:

<img width=«143» height=«48» src=«ref-2_1491326749-406.coolpic» v:shapes="_x0000_i1113">,

  где n – число наблюдений,

m — число факторов.

Для рассматриваемого случая получим Fфакт = 21,2.(Приложение 5)

Fтаблопределяется при заданном уровне значимости (0,05) и числе степеней свободы:  V1 = n – m и V2 = m – 1. Для нашего случая V1=19, V2=1,  Fтабл = 4,38.

Поскольку Fфакт > Fтабл, значение коэффициента R следует считать достоверным, а связь между x1, x2 и y — тесной.
Для оценки влияния отдельных факторов и резервов, которые в них заложены, также определяют коэффициенты эластичности, β-коэффициенты, коэффициенты отдельного определения (Приложение 5).

Коэффициенты эластичности показывают, насколько процентов в среднем изменяется результативный признак при изменении факторного на 1% при фиксированном положении другого фактора:

              Э1= 0,76                          Э2 = 0,09

Таким образом, изменение на 1% удоя на 1 корову ведёт к среднему увеличению окупаемости на 0,76%, а увеличение на 1% цены реализации – к среднему ее увеличению на 0,09%.

При помощи β-коэфффициентов даётся оценка различия в степени варьирования вошедших в уравнение факторов. Они показывают, на какую часть своего среднего квадратического отклонения (<img width=«21» height=«25» src=«ref-2_1491327155-102.coolpic» v:shapes="_x0000_i1114">) изменится результативный признак при изменении соответствующего факторного на величину своего среднего квадратического отклонения (<img width=«23» height=«24» src=«ref-2_1491327257-103.coolpic» v:shapes="_x0000_i1115">). Из приложения 5 видим, что  β-коэффициенты равны:

 β1 = 0,81    β2 = 0,04

Это говорит о том, что наибольшее влияние на окупаемость 1 ц. молока с учётом вариации способен оказать первый фактор, т.к. ему соответствует наибольшая абсолютная величина коэффициента.

Коэффициенты отдельного определения используются для определения в суммарном влиянии факторов доли каждого из них:

d1 = β1*ryx1 = 0,837* 0,81 = 0,678

d2 = β2*ryx2 = 0,575* 0,04 = 0,023     

Таким образом, на долю влияния первого фактора приходится 67,8%, второго – 2,3%.


4.     Расчет нормативов и анализ эффективности использования факторов на их основе.
Если в уравнении регрессии в качестве результативного используется признак, характеризующий эффективность производственной деятельности, а в качестве факторных – признаки, отражающие условия производства, то коэффициенты чистой регрессии а1, а2,…, аnпри факторах х1, х2,.., хnмогут служить инструментом для определения нормативного уровня результативного признака (Y). Для этого в уравнении регрессии вместо х1, х2,.., хnподставляют фактические или прогнозируемые значения факторных признаков.

Используя полученное уравнение регрессии

                                                                       <img width=«213» height=«28» src=«ref-2_1491318583-369.coolpic» v:shapes="_x0000_s2382 _x0000_s2383 _x0000_s2384 _x0000_s2385 _x0000_s2386 _x0000_s2387 _x0000_s2388 _x0000_s2389 _x0000_s2390 _x0000_s2391 _x0000_s2392 _x0000_s2393 _x0000_s2394 _x0000_s2395 _x0000_s2396 _x0000_s2397 _x0000_s2398 _x0000_s2399 _x0000_s2400 _x0000_s2401 _x0000_s2402"><img width=«212» height=«26» src=«ref-2_1491318952-73.coolpic» v:shapes="_x0000_i1116">

Выражающее взаимосвязь между удоем молока на 1 корову на 1 ц (х1), ценой реализации 1 ц. молока (х2) и  окупаемостью затрат (у), для каждого предприятия можно определить нормативный уровень окупаемости затрат (ун). Для этого в уравнение вместо х1 и х2 необходимо подставлять фактические значения удоя молока на 1 корову и цены реализации.

Фрагмент анализа окупаемости затрат представлен в таблице 14.

Таблица 13 – Влияние факторов производства на уровень окупаемости затрат.

Номер п/п

Общее отклонение, руб.

В том числе за счет

Эффективность использования факторов

Размера факторов

общее

За счет размеров отдельных факторов

Руб.

%

Руб.

%

Х1

Х2

у — уср

у — ун

у/ун*100

ун — у

ун/у*100

а1(хi-x1ср)

а2(хi-x2ср)

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

-0,08

-0,48

-0,28

-0,11

-0,23

-0,01

0,14

-0,01

-0,43

0,05

-0,59

0,09

0,10

-0,50

0,15

0,47

0,26

0,43

0,41

0,67

-0,01


0,198

-0,165

-0,105

0,062

-0,117

-0,110

0,199

0,075

0,022

0,132

-0,181

0,100

0,105

0,566

0,093

0,147

-0,099

-0,249

0,045

-0,208

0,075

126,40

76,84

87,71

107,26

87,27

90,27

120,49

107,91

103,79

113,89

70,87

109,76

91,50

48,37

92,71

91,07

108,32

120,53

96,98

113,96

93,14

-0,1984

0,1658

0,1051

-0,0623

0,1167

0,1100

-0,1990

-0.0748

-0,0219

-0,1317

0,1808

-0,0996

0,1050

0,5657

0,0928

0,1470

-0,0991

-0,2487

0,0448

-0,2083

0,0751

79,11

130,14

114,02

93,23

114,59

110,78

83,00

92,67

96,35

87,81

141,10

91,11

109,29

106,75

107,87

109,80

92,32

82,97

103,11

87,75

107,36



-0,2687

-0,3099

-0,1727

-0,1721

-0,1150

0,0959

-0,0648

-0,0914

-0,4604

-0,1003

-0,4290

-0,0334

0,1801

0,0369

0,2132

0,5854

0,1279

0,1385

0,4117

0,4169

0,0106

-0,0292

-0,0238

-0,0216

-0,0196

-0,0178

-0,0154

-0,0136

-0,0128

-0,011

-0,001

0,0004

0,0044

0,0054

0,0094

0,0102

0,0122

0,0136

0,0234

0,0236

0,0254

0,0350



Из данных таблицы видно, что из 21 хозяйства у десяти предприятий окупаемость затрат выше среднего по совокупности. При этом  в 6ти из них это превышение получено благодаря достаточному размеру факторов и четыре  вследствие их эффективного использования. В целом по хозяйствам 10 предприятий добиваются высокого уровня окупаемости за счет  эффективного использования факторов и 11 за счет их размера.

Например, 20 предприятие за счет эффективного использования факторов отличается от окупаемости  затрат среднего уровня на 0,67 тыс.руб.  А в результате размеров факторов хозяйства 14 окупаемость выше среднего уровня на 0,57 тыс.руб.

Таким образом, можно сделать вывод о том, что необходимо улучшать эффективность использования факторов и их размеры на каждом отдельном предприятии для повышения окупаемости затрат и эффективной работы всего хозяйства в целом.

Анализ группировки хозяйств по уровню эффективности использования  факторов, оказывающих влияние на окупаемость затрат (таблица 14) показывает, что основная их масса в количестве 11 единиц относится к группе со средним уровнем эффективности ±10%.

Хозяйства необходимо исследовать для определения причин значительных негативных отклонений в уровне организации производства с дальнейшим исследованием распространения передового опыта.
Таблица 14 – Эффективность использования факторов производства.

Группы предприятий по эффективности использования факторов производства, %

Число хозяйств в группе

Среднее по группам отклонение окупаемости, ±

у — ун, руб.

у/ун*100, %

До 90

90 – 110

Свыше 110

5

11

5

+0,2268

+0,0197

-0,1972

74,2

99,34

119,1



Исходя из данных таблицы, можно сделать вывод о том, что хозяйства первой и второй группы достаточно хорошо владеют навыками эффективного использования факторов в производстве. Предприятия третьей группы не достаточно эффективно используют имеющиеся ресурсы, но достигают высоких результатов за счет размеров факторов.

Таким образом, группировка хозяйств по степени использования основных факторов производства позволяет определить потери в худших группах хозяйств, резервы при достижении всеми хозяйствами уровня организации высшей группы. Эти резервы не требуют увеличения размера факторов (ресурсов) и значительных капитальных затрат.
Заключение
Предприятия Куменский района имеют высокую стоимость ОПФ, выручку от продажи с/х. продукции, среднесписочную численность работников по сравнению с предприятиями Котельничского района и среднеобластным показателей. Предприятия Куменский и Котельничского районов имеют преимущественно животноводческую специализацию. Фондоотдача в Куменском районе выше, чем по области, а в Котельничском районе – практически не отличается. В среднем размеры хозяйств Куменского и Котельничского районов значительно больше, чем по области, поэтому затраты на основную продукцию выше. В целом предприятия данных районов являются рентабельными, поэтому им следует продолжать заниматься производством молока.

Средний уровень удоя молока на одну корову по предприятиям обоих районов составляет 40,7 ц. При среднем квадратическом отклонении от этого уровня 14,07 ц., или 34,68%.

Поскольку фактическое значение критерия (χ    продолжение
--PAGE_BREAK--2 факт) меньше табличного      ( χ2 табл), отклонение фактического распределения от теоретического следует признать несущественным.

Следовательно, исходную совокупность с.х. предприятий Кировской области можно использовать для проведения экономико-статистического  исследования эффективности использования основных фондов.

Сравнение показателей по группам позволяет сделать вывод о том, что с увеличением величины среднего поголовья и удоя на 1 корову, их валовой надой растет и происходит  в среднем возрастание цены реализации. Сравнивая показатели по группам можно сказать о том, что  с увеличением цены реализации происходит увеличение окупаемости затрат.

Сравнивая фактическое значение критерия с табличным  Fтабл = 3,5, определяем, что поскольку Fфак > Fтабл, уровень среднегодового поголовья, хоть и незначительно, но оказывает влияние на цену реализации и валовой надой.

Величина эмпирического коэффициента детерминации показывает, что на 33,1% вариация цены реализации и валового надоя  объясняется влиянием среднегодового поголовья.

Показана взаимосвязь между удоем на 1 корову (X1), ценой реализации (X2) и окупаемостью затрат (Y). Коэффициент регрессии a1= 0,019 показывает, что при увеличении удоя  на 1 корову на 1ц, окупаемость затрат увеличится  (при условии постоянства цены реализации). Коэффициент a2 = 0,0002 свидетельствует о том, что при увеличении цены реализации на 1 руб, окупаемость затрат увеличивается на  0,0002 руб (при постоянстве уровня удоя молока).

В рассматриваемом случае были получены следующие коэффициенты парной корреляции: <img width=«26» height=«27» src=«ref-2_1491326144-129.coolpic» v:shapes="_x0000_i1117">= 0,837; <img width=«28» height=«28» src=«ref-2_1491326273-136.coolpic» v:shapes="_x0000_i1118">= 0,575; <img width=«31» height=«27» src=«ref-2_1491326409-172.coolpic» v:shapes="_x0000_i1119">= 0,659. Следовательно, между окупаемостью (y) и удоем на 1 корову (x1) существует связь прямая и тесная, между окупаемостью (у) и ценой реализации (x2) связь прямая средняя. При этом связь между удоем на 1 корову (х1) и ценой реализации (x2) связь прямая и достаточно тесная (<img width=«28» height=«25» src=«ref-2_1491326581-168.coolpic» v:shapes="_x0000_i1120">= 0,659). Таким образом, имеет место мультиколлинеарность. Данное явление свидетельствует о не совсем удачном выборе факторов.

Между всеми признаками связь средняя (R = 0,84). Коэффициент множественной детерминации (Д = R2 * 100% = 70,56%) показывает, что 70,56% вариации окупаемости молока определяется влиянием факторов, включенных в модель.

Поскольку Fфакт > Fтабл, значение коэффициента R следует считать достоверным, а связь между x1, x2 и y — тесной.

Оценивая коэффициенты эластичности видим, что изменение на 1% удоя на 1 корову ведёт к среднему увеличению окупаемости на 0,76%, а увеличение на 1% цены реализации – к среднему ее увеличению на 0,09%.

Сравнивая бета-коэфициенты (β1 = 0,81, β2 = 0,04) видим, что наибольшее влияние на окупаемость 1 ц. молока с учётом вариации способен оказать первый фактор, т.к. ему соответствует наибольшая абсолютная величина коэффициента. При этом на долю влияния первого фактора приходится 67,8%, второго – 2,3%.

Из 21 хозяйства у десяти предприятий окупаемость затрат выше среднего по совокупности. При этом  в 6ти из них это превышение получено благодаря достаточному размеру факторов и четыре  вследствие их эффективного использования. В целом по хозяйствам 10 предприятий добиваются высокого уровня окупаемости за счет  эффективного использования факторов и 11 за счет их размера.

Например, 20 предприятие за счет эффективного использования факторов отличается от окупаемости  затрат среднего уровня на 0,67 тыс.руб.  А в результате размеров факторов хозяйства 14 окупаемость выше среднего уровня на 0,57 тыс.руб.

Таким образом, можно сделать вывод о том, что необходимо улучшать эффективность использования факторов и их размеры на каждом отдельном предприятии для повышения окупаемости затрат и эффективной работы всего хозяйства в целом.

Таким образом, все поставленные задачи в работе были решены и рассмотрены. Цель курсовой работы была выполнена.
                                         
Список литературы:

1.     Гусаров В.М. Статистика: Учеб. Пособие для вузов.- М: ЮНИТИ-ДАНА, 2001 – 463 с.

2.     Курс социально-экономической статистики: Учебник для студентов вузов, обучающихся по специальности «Статистика»/ под ред. М.Г.Назарова. – 5-е изд., перераб. и доп. – М.: Омега – Л, 2006. – 984с.

3.     Методологическое положение по статистике. Вып.5/Росстат.- М54 М.,2006.- 510с.

4.      Практикум по статистике/ А.П. Зинченко, А.Е. Шибалкин, О.Б.Тарасова, Е.В.Шайкина/ Под ред. А.П. Зинченко ,- М: Колос, 2001.-392 с.

5.     Статистика. Учебник/ Под ред. проф. И.И. Елисеевой – М: ООО «ВИТРЭМ», 2002 – 448 с.

6.     Статистика: учебно-практическое пособие/ М.Г.Назаров, В.С.Варагин, Т.Б.Великанова и др.; под ред. д-ра экон.наук, проф., акад. Межд. Акад. Информ. И РАЕН М.Г.Назарова.- М.: КНОРУС,2006.- 480с.
    
Приложения

Приложение 1.

Расчетные данные к таблице 7.

№ хозяйства

Удой молока на 1 корову, ц.

Цена реализации 1 ц молока, руб.

Окупаемость затрат, тыс.руб.

х

х2

х

х2

х

х2

1

47,85

2289,62

0,741

0,549

1,06

1,12

2

35,75

1278,06

0,559

0,312

0,43

0,18

3

16,33

266,67

0,568

0,323

0,6

0,36

4

26,42

698,02

0,478

0,228

1,02

1,04

5

47,29

2236,34

0,692

0,479

1,21

1,46

6

41,12

1690,85

0,799

0,638

0,95

0,90

7

42,50

1806,25

0,671

0,450

0,98

0,96

8

17,98

323,28

0,626

0,392

0,73

0,53

9

37,15

1380,12

0,556

0,309

0,75

0,56

10

-

-

-

-

0,73

0,53

11

31,50

992,25

0,526

0,277

1,11

1,23

12

35,28

1244,68

0,613

0,376

0,6

0,36

13

24,25

588,06

0,505

0,255

0,68

0,46

14

34,51

1190,94

0,536

0,287

0,81

0,66

15

50,04

2504,00

0,651

0,424

1,16

1,35

16

45,61

2080,27

0,547

0,299

1,01

1,02

17

71,37

5093,68

0,685

0,469

1,48

2,19

18

-

-

-

-

0,5

0,25

19

62,23

3872,57

0,742

0,551

1,38

1,90

20

31,47

990,36

0,516

0,266

0,79

0,62

21

38,80

1505,44

0,646

0,417

0,97

0,94

22

62,51

3907,50

0,751

0,564

1,57

2,46

23

51,78

2681,17

0,675

0,456

1,04

1,08

Итого

851,74

38620,15

13,083

8,322

21,56

22,20
    продолжение
--PAGE_BREAK--