Автор работы: Пользователь скрыл имя, 09 Ноября 2012 в 16:57, курсовая работа
Целью настоящего курсового проекта является приобретение практического навыка экономико-статистического анализа сельскохозяйственного производства на примере анализа производства зерна в конкретном хозяйстве. Объектом исследования является производственная деятельность производства подсолнечника СХА «Алексеевка» Аннинского района Воронежской области.
Введение 3-5
1. Анализ рядов динамики:
динамика валового сбора подсолнечника за 6 лет 6-7
динамика урожайности подсолнечника за 9 лет 8-10
выявление общей тенденции в рядах динамики 10-13
2. Индексный анализ средней урожайности и валового сбора подсолнечника 13-22
3. Метод статистической группировки 22-27
4. Проектная часть:
4.1.основные условия и этапы проведения корреляционно-регрессионального анализа 27-28
4.2.построение одно факторной модели урожайности подсолнечника 28-32
Выводы и предложения 33
Список использованной литературы
Группировка производится с целью установления статистических связей и закономерностей, построения описания объекта, выявления структуры изучаемой совокупности. Различия в целевом назначении группировки выражаются в существующей в отечественной статистике классификации группировок: типологические, структурные, аналитические.
Типологическая группировка служит для выделения социально-экономических типов. Этот вид группировок в значительной степени определяется представлениями экспертов о том, какие типы могут встретиться в изучаемой совокупности. Чтобы пояснить особенность этой группировки, остановимся на последовательности действий для ее проведения:
1) называются
те типы явлений, которые
2) выбираются группировочные признаки, формирующие описание типов;
3) устанавливаются границы интервалов;
4) группировка
оформляется в таблицу,
Структурная группировка
характеризует структуру
Аналитическая
группировка характеризует
Проведем аналитическую группировку 25 сельскохозяйственным предприятиям Воронежской области по нагрузке пашни на один трактор:
1.Построим ранжированный
ряд распределения хозяйств по
нагрузке пашни на один
36; 78; 80; 81; 84; /91; 92; 94; 101; 104; 107; 108; 109; 112; 113; 118; 124; 126; 129; 135;/ 161; 191; 247; 308; 358.
2.Определим
число групп на которые
n = 1+3,322 lg N
n – число групп
N – число хозяйств ( N = 25)
n = 1+ 3,322 lg 25 = 1 + 3,322 х 1,398 = 5,6 приблизительно 6 групп.
3. Определим равный интервал (шаг) в группе « i »
4. Рассмотрим границы групп:
Нижняя граница:
Верхняя граница:
Посчитаем число хозяйств, которые войдут в каждую найденную группу, т.е.построим интервальный ряд распределения хозяйств.
Таблица № 6 Интервальный ряд распределения хозяйств по нагрузке пашни на 1 трактор.
Группы хозяйств по нагрузке пашни (га) |
Число хозяйств в группе |
Сумма накопленных частот |
I. 36-89,7 |
5 |
5 |
II. 89,7-143,4 |
15 |
20 |
III. 143,4 - 197,1 |
2 |
22 |
IV. 197,1 - 250,8 |
1 |
23 |
V. 250,8 - 304,5 |
1 |
24 |
VI.304,5 - 358,2 |
1 |
25 |
Итого: |
25 |
- |
Так как хозяйства не равномерно распределились по группам целесообразно объединить группы с малым числом хозяйств.
Таблица № 7 Интервальный ряд распределения хозяйств по нагрузке пашни на 1 трактор:
Группа хозяйств по нагрузке пашни (га) |
Число хозяйств в группе |
Сумма накопленных частот |
I: 36 - 89,7 |
5 |
5 |
II: 89,7 - 143,4 |
15 |
20 |
III: свыше 143,3 |
5 |
25 |
Итого: |
25 |
Рассчитаем сводные (обобщающие) показатели по группам
Таблица № 8 Сводные (обобщающие) показатели по группам
Группы хозяйств по нагрузке пашни |
Число хозяйств |
Посевная площадь(га) |
Валовой сбор (ц). |
Площадь пашни, (га). |
Среднее число физических тракторов (шт) |
1 |
2 |
3 |
4 |
5 |
6 |
I |
5 |
1125 |
19573 |
10862 |
166 |
II |
15 |
7121 |
101970 |
56199 |
507 |
III |
5 |
2186 |
33655 |
16202 |
77 |
Итого: |
25 |
10432 |
155198 |
83263 |
750 |
На основании рассчитанных сводных показателей рассчитаем статистические аналитические показатели в среднем по группам.
Таблица №9 Группировка хозяйств по нагрузке пашни на 1 трактор и статистические аналитические показатели по группам.
Группы хозяйств по нагрузке пашни (га) |
Число хозяйств |
Средняя нагрузка пашни на 1 трактор (га) |
Средняя урожайность (ц/га) |
1 |
2 |
3=гр5:гр6 из таб. №8 |
4=гр4:гр3 из таб. №8 |
I |
5 |
65,4337 |
17,3982 |
II |
15 |
110,8462 |
14,3196 |
III |
5 |
210,4156 |
15,3957 |
Итого: |
25 |
111,0173 |
14,8771 |
Вывод: Нагрузка пашни характеризует обеспеченность хозяйств техникой. При возрастании нагрузки пашни, сверх нормативных значений ухудшается обработка почвы и снижается урожайность подсолнечника. Результаты проверенной группировки подтверждают данный вывод.
4.Проектная часть.
4.1.Основные условия и этапы проведения корреляционно – регрессивного анализа.
Исследования объективно существующих связей между явлениями – важнейшая задача общей теории статистики. Все явления и процессы, характеризующие социально – экономическое развитие, тесно взаимосвязаны и взаимозависимы между собой.
Эти зависимости могут быть функциональными и корреляционными. Корреляционная зависимость – это статистическая зависимость между случайными величинами, не имеющая строго функционального характера, при которой изменение одной из случайных величин приводит к изменению математического ожидания другой.
В зависимости от числа регрессоров выделяют:
Корреляционно – регрессионный анализ – это установление формы связи, количественное измерение влияния фактора на результат, измерение тесноты связи и меры воздействия каждого фактора на результат.
Как известно, явления общественной жизни складываются под воздействием не одного, а целого ряда факторов, т.е. эти явления многофакторны. Между факторами существуют сложные взаимосвязи, поэтому их влияние комплексное и его нельзя рассматривать как простую сумму изолированных влияний.
Многофакторный корреляционно – регрессивный анализ позволяет оценить меру влияния на исследуемый результативный показатель каждого из включенных в модель факторов при фиксированном положении 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.
Этапы проведения корреляционно- регрессионного анализа включают:
- установление причин связи;
- отбор наиболее
существенных признаков для
- определение
формы связи и подбор математич
- расчет числовых
характеристик корреляционной
- оценка тесноты связи между факторами модели;
- статистическая оценка выборочных показателей связи.
4.2. Построение одно факторной корреляционно – регрессионной модели урожайности подсолнечника.
Ставится задача по 25 хозяйствам установить зависимость между урожайностью и нагрузкой пашни на 1 трактор. Исходные и расчетные данные представлены в виде таблицы № 10.
Таблица №10. Исходные и расчетные данные для корреляционно – регрессивного анализа себестоимости подсолнечника.
№ п/п |
Урожайность, ц/га (y) |
Нагрузка пашни на 1 трактор, га ( x) |
x y |
x2 |
y2 |
y расч. |
1 |
17,1 |
36 |
615,6 |
1296 |
292,41 |
3031,15 |
2 |
15,2 |
78 |
1185,6 |
6084 |
231,04 |
2694,35 |
3 |
21,8 |
80 |
1744,0 |
6400 |
475,24 |
3864,27 |
4 |
9,7 |
81 |
785,7 |
6561 |
94,09 |
1719,42 |
5 |
24,0 |
84 |
2016,0 |
7056 |
576,0 |
4254,24 |
6 |
25,6 |
91 |
2329,6 |
8281 |
655,36 |
4537,86 |
7 |
11,4 |
92 |
1048,8 |
8464 |
129,96 |
2020,76 |
8 |
16,9 |
94 |
1588,6 |
8836 |
285,61 |
2995,69 |
9 |
17,4 |
101 |
1757,4 |
10201 |
302,76 |
3084,32 |
10 |
9,1 |
104 |
946,4 |
10816 |
82,81 |
1613,07 |
11 |
16,5 |
107 |
1765,5 |
11449 |
272,25 |
2924,79 |
12 |
26,2 |
108 |
2829,6 |
11664 |
686,44 |
4644,21 |
13 |
10,9 |
109 |
1188,1 |
11881 |
118,81 |
1932,13 |
14 |
28,1 |
112 |
3147,2 |
12554 |
789,61 |
4981,01 |
15 |
16,4 |
113 |
1853,2 |
12769 |
268,96 |
2907,06 |
16 |
13,8 |
118 |
1628,4 |
13924 |
190,44 |
2446,18 |
17 |
11,9 |
124 |
1475,6 |
15376 |
141,61 |
2109,39 |
18 |
9,8 |
126 |
1234,8 |
15876 |
96,04 |
1737,15 |
19 |
8,2 |
129 |
1057,8 |
16664 |
67,24 |
1453,53 |
20 |
16,2 |
135 |
2187,0 |
18225 |
262,44 |
2871,61 |
21 |
17,8 |
161 |
2865,8 |
25921 |
316,84 |
3155,23 |
22 |
13,9 |
191 |
2654,9 |
36481 |
193,21 |
2463,91 |
23 |
19,2 |
247 |
4742,4 |
61009 |
368,64 |
3403,39 |
24 |
11,5 |
308 |
3542,0 |
94864 |
132,25 |
2038,49 |
25 |
11,4 |
358 |
4081,2 |
128164 |
129,96 |
2020,76 |
Итого: |
400,00 |
5141,00 |
50271,2 |
560783 |
7160,02 |
70903,97 |
Теоретически следует предположить, что между урожайностью и нагрузкой пашни на 1 трактор будет прямолинейная зависимость, т.е. с повышением урожайности снижается нагрузка пашни на один трактор. Следовательно, зависимость носит линейный характер, а математически будет выражаться уравнением прямой:
- теоретическая или возможная урожайность подсолнечника по каждому хозяйству выборки.
x – значение факторного признака
- неизвестные параметры
Для нахождения неизвестных параметров решается система нормальных уравнений:
Подставим итоговые данные расчетной таблицы № 10 в систему уравнений, получим следующее ее выражение:
Делим каждый член уравнения на коэффициент при ао в результате получаем следующую систему уравнений:
Из второго уравнения вычитаем первое:
Подставим найденные значения а1 в первое уравнение и определяем а0 :
Подставим найденные значения параметров в уравнение прямой и найдем его конкретное выражение:
Это и есть экономико – математическая модель (уравнение регрессии), которая выражает связь между урожайностью и нагрузкой пашни на один трактор.
Коэффициент регрессии а конкретизирует исследуемую связь и показывает на сколько единиц изменится результат при изменении фактора на единицу. исходя из уравнения
это значит, что
при повышении урожайности
Подставим значения факторов в экономико – математическую модель и определим теоретическую или возможную нагрузку на один трактор по каждому хозяйству:
Y*1 = 180,31- 3,052 * 17,1 = 3031,15
Y*2 = 180,31- 3,052 * 15,2 = 2694,35
Y*3 = 180,31- 3,052 * 21,8 = 3864,27
Y*4 = 180,31- 3,052 * 9,7 = 1719,42
Y*5 = 180,31- 3,052 * 24,0 = 4254,24
Y*6 = 180,31- 3,052 * 25,6 = 4537,86
Y*7 = 180,31- 3,052 * 11,4 = 2020,76
Y*8 = 180,31- 3,052 *16 ,9 = 2995,69
Y*9 = 180,31- 3,052 * 17,4 = 3084,32
Y*10 = 180,31- 3,052 * 9,1 = 1613,07
Y*11 = 180,31- 3,052 * 16,5 = 2924,79
Y*12 = 180,31- 3,052 * 26,2 = 4644,21
Y*13 = 180,31- 3,052 * 10,9 = 1932,13
Y*14 = 180,31- 3,052 * 28,1 = 4981,01
Y*15 = 180,31- 3,052 * 16,4 = 2907,06
Y*16 = 180,31- 3,052 *13 ,8 = 2446,18