Экономико-статистический анализ эффективности производства мяса крупного рогатого скота в сельскохозяйственных предприятиях в Оричевск

Автор работы: Пользователь скрыл имя, 03 Июля 2013 в 15:13, курсовая работа

Описание работы

Статистика – совокупность цифровых сведений или статистических данных, предоставляемые в отчетности организаций, учреждений, отраслей экономики, а так же публикации в сборниках, справочниках, периодике. Эти данные – результат статистических работ.
Статистика изучает количественную сторону массовых явлений в неразрывной связи с их качественным содержанием в конкретных условиях места и времени. Среди массовых явлений статистика выделяет статистические совокупности, т. е. множество единиц, однородных в некотором существенном отношении, но различающихся по величине характеризующих их признаков.
Сельское хозяйство – главное звено агропромышленного комплекса. Оно занимает особое место в жизни государства, т. к. обеспечивает страну продовольствием. Животноводство дает более 60% всей продукции сельского хозяйства, и доля его постоянно повышается. Одной из главных отраслей животноводства является скотоводство, в котором в Кировской области преобладает молочно-мясное направление.

Файлы: 1 файл

Курсовая по статистике кумены и оричи.docx

— 82.92 Кб (Скачать файл)

Таблица 10 – Влияние фактора на себестоимость мяса

Группы  предприятий по затратам на 1голову КРС

число предприятий

В среднем  по группам

Среднесписочные затраты на 1голов КРС., тыс. руб.

Среднесуточный  прирост, г.

до 8,766

9

7,191

502

От 8,766 до 11,159

6

10,064

589

Свыше 11,159

5

11,946

606

в среднем по совокупности

20

9,24

554


 

  
      

Анализ  группировки показывает, что происходит  увеличение затрат на одну голову КРС от 1 группировки ко 2 , от 2 к 3 соответственно на 39,95% и 18,7%. Наблюдается последовательное увеличение среднесуточного прироста соответственно на 17,33% и 2,89%. Таким образом, чем выше уровень интенсивности производства, тем выше продуктивность животноводства.

 

 

   Для  этого хmin = 271 принимаем за нижнюю границу первого интервала, а его верхняя граница равна: х min  + h= 271+ 84 = 355. Верхняя граница первого интервала одновременно является нижней границей второго интервала. Прибавляя к ней величину интервала (h), определяем верхнюю границу второго интервала: 355 + 84= 439   

Аналогично  определяем границы остальных интервалов.    

5. Подсчитываем число единиц в  каждом интервале и оформляем  в виде таблицы.       

Аналогично  проведем группировку по факторному признаку поголовье КРС, голов, а в качестве результативного фактора будем рассматривать среднесуточный прирост.       

1. Выбираем группировочный признак,  в качестве которого используем факторный признак – поголовье КРС, голов.       

2.   Построим ранжированный ряд по  группировочному признаку, т.е. поголовье КРС:  225; 249; 261; 394; 418; 491; 498; 575; 680; 706; 709; 723; 825; 997; 1137; 1260; 1442; 1464; 2454; 4312        

При заданном объеме совокупности (20предприятие) выделим три группы предприятий (К=3). Крайние  варианты (1442, 1464, 2454, 4312) значительно отличаются от остальных, поэтому  отбросим их и не будем использовать в качестве единиц наблюдения в дальнейшем исследовании        

3. Определим границы интервалов  групп и число предприятий  в них. В соответствии  с  законом нормального распределения  наибольшее их число должно  находиться во второй (центральной)  группе.         

I группа: до 570 – 7 предприятий        

II группа: от 570 до 915 – 6 предприятий        

III группа: свыше 915 – 3 предприятия   

4. По полученным группам и по  совокупности в целом определяем сводные данные. Сводные данные, необходимые для расчета показателей по каждой группе и по совокупности, представлены в приложении 4; (Группировка 2).   

5. На основе полученных сводных  данных определим относительные  и средние показатели по каждой группе и по совокупности. Полученные показатели представим в итоговой таблице 11 и проведем их анализ.       

Таблица 11 – Влияние фактора на среднесуточный прирост

Группы  предприятий по поголовью  КРС

Подгруппы предприятий 

по  среднесуточному  привесу

Число предприятий

Поголовье КРС

Среднесуточный  прирост

Себестоимость

1 ц. прироста

Iгр. до 570

1 подгруппа

до 550

4

282,25

406

5994,25

 

2 подгруппа

3

469

602,67

4260

Всего

 

7

362,29

490,29

5251

IIгр. от 570 до 915

1 подгруппа

3

742,67

489,33

6740,67

 

2 подгруппа

3

663,33

634,67

5581,33

Всего

 

6

703

562

6161

III гр. свыше 915

1 подгруппа

2

1128,5

465

4629,5

 

2 подгруппа

1

1137

685

4943

Всего

 

3

1131,33

538,33

4734

Итого первые подгруппы

9

623,78

446,89

5939,78

Итого вторые подгруппы

7

647,71

628,14

4923,86

Всего по совокупности

16

634,25

526,19

5495,31


 

     

Анализ  группировки показывает, что с  последовательным увеличением поголовья  КРС  от 1 ко 2 и 3 группировки соответственно на 94% и  60,9%, наблюдается вначале  рост (14,6% и 17,3%), а затем снижение (4,2% и 23,3%) как среднесуточного прироста, так и себестоимости 1ц. прироста.     

С увеличением среднесуточного прироста от 1 подгруппы ко 2 наблюдается снижение себестоимости 1ц. прироста.    

Таким образом, наибольшей эффективности  добиваются крупные предприятия по поголовью скота предприятия, имеющие наибольший среднесуточный прирост. 

3.2 Дисперсионный  анализ

 

       Для оценки существенности  различия между  группами по величине результативного  признака (среднесуточный прирост) будем использовать критерий Фишера (F - критерий), фактическое значение которого определяется по формуле:       

          

где:    - межгрупповая дисперсия;              

- остаточная дисперсия.       

 

 

       где:  - средняя групповая;              

- средняя общая;               

  m - число групп;               

  n - число вариантов в группе.    

 

 

       ,       

где: - общая вариация;             

- межгрупповая вариация ( =22603);             

N - общее число вариантов (N=20)       

Общую вариацию определим по формуле       

 

,       

где:  xi - варианты;              

- общая средняя        

 

 

              

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

  = m – 1 = 3 – 1 = 2;      = (N – 1) – (m – 1) = 17       

   при  =2 и =17 составило 3,55.       

Т.к. < , значит различия несущественные.        

Расчеты критерия Фишера по данным аналитической  группировки, которая характеризует влияния уровня интенсивности производства на среднесуточный прирост показали, что поскольку Fфакт< Fтаб., различия между групповыми средними приростами несущественные, а выводы по данной группировке необъективные и недостоверные. 

3.3 Корреляционно-регрессионный  анализ

 

   Для выявления стохастической связи  по исследуемой теме, используем уравнение:    

y=a0+a1x1+a2x2,    

где y – себестоимость 1ц. прироста КРС;    

      x1 – среднесуточный прирост;        

x2 – уровень затрат на 1 голову КРС.   

Система нормальных уравнений для нахождения параметров линейной парной регрессии  методом наименьших квадратов имеет  следующий вид:   

Составим  расчетную таблицу (см. Приложение 4).   

Получаем  следующую систему уравнений:   

 Делим на коэффициенты при а 
    

Получаем:  

 

 

   Решив систему, получаем:   

а1 = -0.8   

а=  -5.8   

а0 = 9259.7   

В результате решения данной системы  на основе исходных данных по 20 хозяйствам было получено следующее уравнение: Y = 9259.7- 0.8x1 - 5.8x 
Коэффициент регрессии а1 = -0.8 показывает, что при увеличении поголовья скота, себестоимость 1ц. прироста уменьшается в среднем на 0,8 руб. (при условии постоянства факторов). Коэффициент а2 =-5.8, свидетельствует, что при увеличении среднесуточного прироста на 1 кг, себестоимость 1ц. прироста уменьшается в среднем на 5.8 руб.   

 Теснота связи  между всеми признаками, включенными  в модель, может быть определена при помощи коэффициентов множественной корреляции:  
    

где , , - коэффициенты парной корреляции между х1, х2 и у

4785982,1    2827586   597777,1

5250,8  991  554,5  923,8 

114,0  1249,575272 

-0,3617 -0,58955 0,458324    

В рассматриваемом примере получились следующие коэффициенты парной корреляции:

;  ;    
  
  
  
 

По степени  тесноты связи различают количественные критерии оценки тесноты связи:

Коэффициент

Теснота связи

До 

практически отсутствует

 

 

Слабая

 

 

Умеренная

 

 

Сильная


 

    

Следовательно, между себестоимостью 1ц. прироста и  поголовья КРС связь слабая. Между себестоимостью 1ц. прироста КРС и среднесуточным приростом  связь умеренная. Между среднесуточным приростом и поголовьем  КРС связь умеренная.   

R = 0,598477. Это означает что между  всеми признаками связь умеренная.  Коэффициент множественной детерминации Д = 0,5984772 * 100% = 35,81746 = 36% вариации производства 1ц. прироста определяется влиянием факторов, включенных в модель.   

Для оценки значимости полученного коэффициента R используют критерий Фишера (F), фактическое значение которого определяется по формуле:    

     

где n – число наблюдений;        

  m – число факторов.

10,04501    

    определяется при заданном  уровне значимости (0,05) и числе  степеней свободы v1=n-m и v2=m-1 (пользуясь приложением к методичке 14). v1=18,        v2 = 1, = 4,41   

  > , соответственно значение коэффициента R следует признать достоверным, а связь между х12, и у – умеренной.    

Для оценки влияния  отдельных факторов и резервов, которые в них заложены, наряду с коэффициентами регрессии и корреляции определяют коэффициенты эластичности, бета-коэффициенты, коэффициенты отдельного определения.   

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

-0,15099       

Коэффициент Э1 показывает, что при изменении на 1% поголовья скота ведет к уменьшению себестоимости на 0,15%, а изменение среднесуточного прироста – на 0,61 %.   

При помощи β-коэффициента даётся оценка различия в степени варьирования вошедших в уравнение факторов. Они показывают, на какую часть своего среднего квадратического  отклонения измениться результативный признак с изменением соответствующего факторного на величину своего среднего квадратического отклонения :

=-0,59      = -0,53   

То  есть наибольше влияние на себестоимость 1ц. прироста КРС с учётом вариации способен оказать первый фактор, т.к. ему соответствует наибольшая абсолютная величина коэффициента.    

Коэффициент отдельного определения используется для определения  в суммарном влиянии факторов долю каждого из них:

0,21   0,31    

Т.е., на долю влияния первого фактора  приходится 21%, второго 31%.  
  

4 .   Расчет нормативов  и анализ эффективности  использования факторов  на их основе.

 

   Если  в уравнении регрессии в качестве результативного  используется признак, характеризующий итоги реализуемой деятельности, а в качестве факторных – признаки, отражающие условия реализации, то коэффициенты чистой регрессии а1, а2 при факторах х1, х2 могут служить инструментом для определения нормативного уровня результативного признака (Y).

 

   Используя полученное уравнение регрессии, y=9259,7-0,8х1-5,8х2 выражающее взаимосвязь между поголовьем скота (х1), среднесуточным приростом (х2) и себестоимостью 1 ц. прироста (у), для каждого предприятия определим нормативный уровень окупаемости (ун). Для этого в уравнение регрессии вместо х1, х2 подставим фактические значения среднесуточного прироста и поголовье скота (Приложение 4).       

Анализ  себестоимости 1 ц. прироста представлен  в таблице 12.  

  Таблица 12 – Влияние факторов производства на уровень себестоимости 1 ц. прироста

Номер хозяйства

Общее  

отклонение 

руб

В том  числе за счет

эффективности

использования 

факторов

размера факторов

общее

за счет размера 

отдельных

факторов, руб.

руб

%

руб

%

Х1

Х2

           

1

2597,2

368,9

104,93

2228,3

142,44

584

1644,3

2

-845,8

-1056,9

80,65

211,1

104,02

-215,2

426,3

3

-1975,8

-2135,5

60,53

159,7

103,04

458,4

-298,7

4

-1335,8

2019,9

206,59

-3355,7

36,09

-2656,8

-698,9

5

-503,8

1185,7

133,29

-1689,5

67,82

-1170,4

-519,1

6

-6,8

-1428,7

78,59

1421,9

127,08

612,8

809,1

7

946,2

21,3

100,34

924,9

117,61

214,4

710,5

8

-2181,8

-1191,5

72,03

-990,3

81,14

-378,4

-611,9

9

-396,8

-1003,9

82,86

607,1

111,56

-4,8

611,9

10

1438,2

81,9

101,24

1356,3

125,83

477,6

878,7

11

109,2

1267,5

130,97

-1158,3

77,94

-360,8

-797,5

12

-307,8

565,9

112,93

-873,7

83,36

-116,8

-756,9

13

2650,2

2004,1

133,99

646,1

112,30

248,8

397,3

14

110,2

676,3

114,44

-566,1

89,22

225,6

-791,7

15

-554,8

-702,7

86,98

147,9

102,82

394,4

-246,5

16

873,2

714,3

113,20

158,9

103,03

132,8

26,1

17

307,2

412,7

108,02

-105,5

97,99

228

-333,5

18

574,2

511,1

109,62

63,1

101,20

332,8

-269,7

19

-441,8

-548,9

89,76

107,1

102,04

400

-292,9

20

-1054,8

-1761,5

70,43

706,7

113,46

593,6

113,1

Информация о работе Экономико-статистический анализ эффективности производства мяса крупного рогатого скота в сельскохозяйственных предприятиях в Оричевск