Экономико-статистическое изучение производственных показателей ОАО»Колос» на основе метода группировок(на примере денежных затрат на п

Путем построения и анализа регрессионных  моделей можно ответить на вопрос, как каждый фактор влияет на изучаемое явление. Корреляционный и регрессионный методы дают возможность количественно исследовать влияние факторов на изучаемое явление. Современные статистики широко используют метод корреляции. Он выступает как источник теоретических знаний. Между тем применение его без заранее обусловленной цели и качественного анализа нередко приводит к ошибочным выводам. Для того чтобы корреляционный метод способствовал изучению сущности явлений, необходимо, чтобы исследователь владел не только этим методом, но и предметом своего исследования. Понятие корреляционной зависимости является частным случаем более общего понятия – зависимости стохастической. Переменная у находится в стохастической зависимости от х, если каждому значению х соответствует ряд распределения у и с изменением х эти ряды закономерно изменяются. Если же они не изменяются или изменяются случайно, то у стохастически не зависит от х. Основная задача изучения корреляционных связей состоит в отыскании причин исследуемого явления, события, факта. Факторный признак выступает как признак-причина, а результативный – как признак-следствие.

Корреляционный метод анализа  включает в себя несколько этапов:

1.Постановка задачи и выбор факторных и результативных признаков;

2.Сбор статистического материала, его проверка;

3.Предварительное изучение взаимосвязей с помощью графиков и аналитических группировок;

4.Изучение парных зависимостей;

5.Исследование многофакторной зависимости;

6.Оценка результатов исследования, пояснение и анализ.

Степень тесноты связи характеризуется  количественными оценками, а направление связи знаками у коэффициента корреляции (3.3).

Количественные критерии оценки тесноты связи

Таблица 3.3.

Величина коэффициента корреляции		Характер связи
До |±0,3|		Практически отсутствует
От |±0,3| до |±0,5|		Слабая
От |±0,5| до |±0,7|		Средняя
Свыше |±0,7|		Сильная (высокая)

 

Для начала изучим связь между затратами  на оплату труда и себестоимостью.

Значение факторного признака - затраты  на оплату труда () располагается по ранжиру (см. таблица 3.4), себестоимость – y.

Ранжированный ряд по затратам

 Таблица 3.4.

	y	Год
7,73	68,56	2002
8,40	71,23	2003
9,56	75,02	2004
12,56	530,11	2008
12,84	186,63	2005
13,41	246,41	2006
14,24	391,22	2007
14,26	484,14	2009
15,38	342,23	2010
18,91	676,77	2011

 

В среднем наблюдается прямолинейная  прямая зависимость, т.е. увеличение затрат на заработную плату приводит к увеличению себестоимости. Результативный и факторный признаки изменяются одинаково, значит, мы имеем дело с линейной связью. Далее строим корреляционное поле, приведенное на рисунке 3.1., для определения направления и аналитического выражения связи между и y.

На оси абсцисс наносим значения факторного признака ( ), а на оси ординат – результативного (y), а по данным таблицы 3.4. все единицы, обладающие определенными значениями и y.

Рис.3.1. Связь между затратами  на заработную плату и себестоимостью изделия

Соединив полученные на пересечении и y точки прямыми линиями, получим статистическую ломанную регрессии (Рис.3.1.). Ломанная позволяет судить о форме связи, об аналитическом ее выражении. Корреляционное поле на рис.3.1. показывает прямолинейную и прямую связь между затратами на заработную плату и себестоимостью продукции. Аналитически связь между факторными и результативными признаками описывается уравнением прямой

.

Для определения параметров и в уравнении прямой данные приводятся в (см. приложение 8)

Определим параметры  и , для этого необходимо решить систему уравнений относительно  и :

 

 

Подставляем данные таблицы 3.4.

 

 

 

Решая эту систему уравнений, находим, что 

 и, , следовательно

Коофициент регрессии , следовательно, каждый рубль затрат на заработную плату повышает себестоимость изделия (в среднем) на 44,27р.

По данным (см. приложение 8) определим частный коэффициент детерминации

, где   - это частный коэффициент корреляции,

 - бета-коэффициент.

; ;

 

;

 

 

;

.

Это свидетельствует о том, что 60,68% вариации себестоимости продукции  объясняется вариацией затрат на заработную плату. Связь между затратами на заработную плату и себестоимостью проявилась сильная и прямая.

Далее в такой же последовательности рассмотрим зависимость себестоимости  изделий (y) от продуктивности ().

По этим данным в таблице 3.5. приводятся параллельные данные.

Ранжированный ряд по использованию продукции

Таблица 3.5.

	y	Год
258	68,56	2002
265	186,63	2005
265	75,02	2004
267	71,23	2003
269	246,41	2006
319	391,22	2007
323	676,77	2011
331	530,11	2008
333	342,23	2010
339	484,14	2009

 

Связь между себестоимостью и выработкой проявляется по прямой. Проявление связи показано графическим методом на рис.3.2.

Рис.3.2. Связь между себестоимостью продукции и продуктивностью

Соединив полученные на пересечении и y точки прямыми линиями, получим статистическую ломанную. Из графика видно, что связь между факторным и результативным факторами описывается уравнением прямой

Для определения параметров и в уравнении прямой данные приводятся в (см. приложение 9).

Определим параметры и , для этого необходимо решить систему уравнений относительно  и :

 

Подставляем данные таблицы 15:

 

Решая эту систему уравнений, находим, что и , следовательно

Коэффициент регрессии , следовательно, каждое изделие продуктивности повышает себестоимость продукции (в среднем) на 6,41р.

По данным (см. приложение 9) определим частный коэффициент детерминации  , где   - это частный коэффициент корреляции, - бета-коэффициент.

 

;

 

 

Из предыдущего пункта нам уже  известно, что  и

 

Итак,

 

.

Это свидетельствует о том, что 88,99% вариации себестоимости изделия  объясняется вариацией продуктивности продукции. явилась сильная и прямая. Связь между тремя признаками ( , и y) будем рассматривать множественной корреляцией и регрессией. Практика показывает, что основное значение имеют линейные модели в силу простоты и логичности их экономической интерпретации. Поэтому и мы для построения нашего многофакторного модуля взаимосвязи будем использовать линейную модель:

 

Для определения параметров ,  и необходимо решить уравнения:

 ;

;

.

Для удобства решения все необходимые данные приведены в (см. приложение10)

 

 

 

 

Уравнение множественной регрессии:

 

Расчеты показывают, что с увеличением  затрат на заработную плату на 1 рубль себестоимость увеличивается на 54,18р., а также, что с увеличением выпуска на 1 изделие себестоимость повышается на 5,41р. Совокупный множественный коэффициент корреляции рассчитывается по формуле: Связь проявилась сильная, т.е. отклонение себестоимости изделия от средней по совокупности зависит от затрат на заработную плату и выпуска на 87,09%. На основе коэффициентов регрессии ( и ) нельзя сказать, какой из факторных признаков оказывает наибольшее влияние на результативный признак. Чтобы судить о сравнительной силе влияния отдельных факторов, вычислим Q - коэффициент, который вычисляется по формуле:

, где 

, - коэффициент вариации, соответствующего факторного признака;

- коэффициент  эластичности.

;

 

Это означает, что при увеличении затрат на заработную плату на 1% себестоимость увеличивается на 2,24%, а при росте выпуска на 1% себестоимость увеличивается на 5,23%.

 

;

 

	.

Из двух изучаемых факторов наиболее существенное влияние на вариацию себестоимости по районам оказывает фактор - продуктивность.

Рядом динамики называется временная последовательность значений статистических показателей. Ряд динамики состоит из двух элементов: моментов времени (обычно дат) или периодов времени (годы, кварталы, месяцы), к которым относятся статистические данные, и самих данных, называемых уровнями ряда. Оба элемента – время и уровень – называются членами ряда динамики. Для правильного анализа динамических рядов необходимо знать их виды, которые выделяются при группировке элементов ряда по разным признакам. По времени, отражаемому в динамических рядах, они разделяются на моментные и интервальные Выбор базы сравнения должен быть обоснован исторически и экономически, так чтобы база отражала определенный этап развития явления. Иногда за базу сравнения принимается средний уровень какого-либо предшествующего периода. Ряды динамики могут быть с равностоящими (по времени) уровнями и не равностоящими. Чтобы выделить специфику развития явления за отдельные периоды времени определяют абсолютные и относительные показатели ряда динамики (абсолютный прирост, темпы роста, темпы прироста, абсолютное значение одного процента прироста) цепным или базисным способами. Абсолютный рост (снижение) исчисляются как разность сравниваемых уровней:

или

где

- уровень текущего n-ого периода;

- уровень предшествующего  периода;

- уровень базисного периода (в нашем случае за этот уровень взята средняя величина применения яиц в производстве за весь период).

Интенсивность изменения уровня в  динамике определяется отношением уровней  и выражается коэффициентом роста (снижения):

или

Данные коэффициентов характеризуют  интенсивность - во сколько раз произошло изменение. А интенсивность изменения в процентах выражается показателем – темп роста (снижения):

или

Средние значения показателей ряда динамики определяют по той или иной формуле в зависимости от его вида и способа получения статистических данных. Если ряд динамики с равностоящими уравнениями во времени, то расчет среднего уровня изучаемого явления производится по средней арифметической простой:

 

Среднегодовой темп роста (снижения):