Статистико-экономический анализ уровня концентрации сельскохозяйственного производства

 

     Таким образом, себестоимость в лучшей группе выше на 76,29% (5,05 рублей). Наибольшее влияние на снижение себестоимости в лучшей группе по сравнению с худшей оказало абсолютное и относительное снижение прочих затрат. В лучшей группе выше затраты на оплату труда и корма.

     Так влияние статьи «Оплата Труда» на изменение себестоимости 1 ц прироста составило:

     20,17%=(2,635-1)*12,32

     На  «Корма» составило:

     54.31%=(2.523-1)*35.67

     Долю  затрат представим графически по первой группе рисунок 2.3.1 , а по третьей рисунок 2.3.2

     Рисунок 2.3.1 Структура затрат по 1 группе 

     

     Рисунок 2.3.1 Структура затрат по 3 группе

     Из  графика структуры затрат в лучшей группе можно сказать, что наибольший удельный вес занимают затраты на корма и прочие, затем идет оплата труда.

4. Комбинированная группировка

   Для оценки влияния уровня концентрации и интенсификации на 
себестоимость прироста КРС, проведем комбинированную группировку по поголовью КРС и среднесуточному привесу.

   Рабочая таблица представлена в Приложении Б.

   Охарактеризуем  группы интервального ряда обобщающими  показателями, которые представлены в таблице 2.4.1. 
 
 
 
 

   Таблица 2.4.1 Комбинированная группировка

 

     Таким образом, из таблицы видно, что в  группе с низким среднесуточным приростом и большим поголовьем КРС низкая себестоимость. Значит можно сказать, что концентрация прямо влияет на прирост и обратно на себестоимость.

2.5 Множественный  корреляционно-регрессионный  анализ себестоимости прироста  КРС

   В многофакторных моделях результативный признак зависит от нескольких факторов. Множественный или многофакторный корреляционно-регрессионный анализ решает три задачи: определяет форму связи результативного признака факторами, выявляет тесноту этой связи и устанавливает влияние отдельных факторов. 
 
 

Таблица 2.5.1 Исходные данные для корреляционно - регрессионного анализа 

 

   Оценка  параметров с помощью метода определителей:

   Параметры уравнения множественной регрессии  оцениваются, как и в парной регрессии, методом наименьших квадратов (МНК). При его применении строится система  нормальных уравнений, решение которой и позволяет получить оценки параметров регрессии.

   Так, для уравнения  система нормальных уравнений составит:

   Для оценки параметров уравнения множественной  регрессии построим с помощью MS Excel вспомогательную таблицу 2.5.1 
 
 
 
 
 
 

Таблица 2.5.1 Вспомогательная таблица для расчета параметров уравнения множественной регрессии

 

     Продолжение  таблицы 2.5.1

 

   На  основе расчетов, представленных в  таблице, получили следующую систему:

      

                                   (1.1)

Решаем  систему с помощью  метода определителей. При этом:

   

                                          (1.2)

где − определитель системы;

     − частные определители.

Определитель  системы имеет вид:

                                                                  (1.3)                     

   Частные определители получаем путем замены соответствующего столбца матрицы определителя системы данными левой части системы. Например, для параметра а: 

                                                                              (1.4) 

   В результате расчета определителей  получили следующие значения:

∆=345493513757;

   

 

   Уравнение множественной регрессии имеет  вид:

=4238.908 -0.027х₁  + 104.979х₂.

   Таким образом, при увеличении себестоимости 1 ц прироста КРС, то доля затрат на корма снизится на 27000 руб., а при увеличении количества посевных на 1 голову скота , увеличится на 104,9079 рублей.

   Построение  уравнения регрессии в стандартизованном  масштабе:

Параметры множественной регрессии можно определить другим способом, когда на основе матрицы парных коэффициентов корреляции строится уравнение регрессии в стандартизованном масштабе:

,

где  t – стандартизованные переменные, для которых среднее значение равно 0, а среднее квадратическое отклонение равно 1;

       β – стандартизованные коэффициенты  регрессии.

   Применяя  МНК к уравнению множественной  регрессии в стандартизованном  масштабе, после соответствующих  преобразований получим систему  нормальных уравнений вида: 

 

где r_ух1,  r_ух2  – парные коэффициенты корреляции.

Парные  коэффициенты корреляции найдем по формулам:

 

,

,

 

 

.

 Система  уравнений имеет вид:   

Решив систему методом определителей, получили формулы: