Корреляционная модель формирования урожайности зерновых имеет вид
Обновлено: 05.10.2024
Проведя корреляционный анализ в программе СТАТЭКСПЕРТ, мы получили следующие данные по зерновым культурам:
| Параметр | Среднее | Среднее квадратическое отклонение | Коэффициент вариации |
| 0 у | 17,04 | 2,17 | 12,76 |
| 1 х | 2,41 | 0,51 | 20,98 |
Уравнение регрессии: у = 9,559+3,105х
Коэффициент вариации: 0,7216
Т-критерий Стьюдента: 3,9839 и по подсолнечнику:
| Параметр | Среднее | Среднее квадратическое отклонение | Коэффициент вариации |
| 0 у | 11,10 | 2,66 | 23,93 |
| 1 х | 2,92 | 1,46 | 50,05 |
Уравнение регрессии: у = 5,965+1,761х
Коэффициент вариации: 0,9677
Корреляционный анализ предназначен, прежде всего, для того, чтобы ответить на вопрос, как выбрать с учетом специфики и природы, анализируемых переменных подходящий измеритель статистической связи. Корреляционный анализ найти методы проверки того, полученное числовое значение анализируемого измерителя связи действительно свидетельствует о наличии статистической связи, помогает определить структуру связей между исследуемыми признаками, сопоставив каждой паре ответ: "связь есть", "связи нет". Проанализировав результаты в таблицах, полученные путем проведения корреляционного анализа в программе СТАТЭКСПЕРТ , можно сделать следующие выводы: в уравнениях с парной регрессией коэффициент при х (3,12 и 1,76 соответственно) называется коэффициентом полной регрессии, который показывает на сколько единиц в среднем изменится переменная у при изменении х на единицу при условии, что влияние других факторов не учтено. При значении коэффициента корреляции 0,72 связь между признаками считается тесной, так как в этом r 2 = 0,52, то есть половина общей вариации результативного признака определяется факторным признаком. При r=0,97 и r 2 =0,94 связь считается очень тесной. Это свидетельствует о том, что урожайность напрямую зависит от материально-денежных затрат.
3.6 Показатели эффективности использования земли
| Показатели | Базисный год | Отчетный год | Индекс |
| Произведено на 100 га пашни, ц: | |||
| Зерна | 0,85 | 2,06 | 2,42 |
| Стоимость валовой продукции (в ценах) на 100 га с.-х. угодий,тыс.р | 2,56 | 4,71 | 1,84 |
После нахождения показателей эффективности использования земли можно сделать вывод о том, что производимая продукция в отчетном (2005)году возросла в два раза (с 0,85 ц до 2,06 ц), по сравнению с базисным (2003) годом. Стоимость валовой продукции (в ценах) на 100 га сельскохозяйственных угодий также возросла в два раза (с 2,56 тыс.р. в 2003г. до 4,71 тыс.р. в 2005 г.). Такие существенные изменения для данного хозяйства могли произойти потому, что площадь сельскохозяйственных угодий (в том числе и пашня) не увеличивались.
Теперь необходимо найти индекс эффективности использования земли:
Подставим показатели по хозяйству:
Земля в сельскохозяйственном производстве является основным средством производства, и от того, насколько рационально ее используют, зависит решение задач, стоящих перед отраслью.
Данная курсовая работа направлена на изучение структуры землепользования ОАО "Чапаевское".
Рассмотренное мною хозяйство на данный момент времени является убыточным, но уровень убыточности не повышается с каждым годом. Наоборот, небольшие сдвиги за последние 4 года (2001-2005гг) привели к хорошим результатам, по сравнению с предыдущими годами.
Для того чтобы улучшение плодородия почв происходило более быстрыми темпами необходимо, прежде всего, повышать эффективность использования земельных ресурсов - это основа повышения продуктивности сельскохозяйственного производства.
В хозяйстве необходимо по мере возможности осуществлять следующие мероприятия:
- предусматривать наиболее полное использование имеющейся техники;
- рассматривать вопрос о возможности выхода на новые рынки сбыта продукции;
- проанализировать затраты, предоставляемые хозяйству сторонними организациями;
- рассматривать возможность сдачи отдельных участков земли в аренду.
Список используемой литературы
1. Афанасьев, В.Н. Статистика сельского хозяйства: учеб. пособие / В.Н. Афанасьев, А.И. Маркова. - М.: Финансы и статистика, 2002. – 272 с.: мл. – ISBN 5-279-02429-5: 81-60.
2. Башкатов, Б.И. Статистика сельского хозяйства. С основами общей теории статистики: курс лекций / Б.и. Башкатов. – М.: ЭКМОС, 2001. – 352 с. - ISBN 5-88124-091: 66-00.
3. Гришин, А.Ф. Статистика: учеб. пособие / А.Ф. Гришин. – М.: Финансы и статистика, 2003. – 240 с.: мл. – (Высшее образование). – ISBN 5-279-02594-1: 71-68.
4. Гусаров, В.М. Теория статистики.: Учебн. пособие для вузов. – М.: Аудит, 2002.
6. Ефимова, М.Р. Общая теория статистики: учебник / М.Р. Ефимова, Е.В. Петрова, Румянцев В.Н. – 2-е изд.; испр. и доп. – М.: ИНФРА-М, 2001. – 416 с. – (Высшее образование). – ISBN 5-16-000012-7: 84-35.
7. Зинченко А.П. Практикум по статистике под. ред. А.П. Зинченко. - М.: Колос, 2001. – 392 с.: ил. (учебники и учебные пособия для студентов вузов). - ISBN 5-10-003667-2: 140-80.
8. Кожухарь, Л.И. Основы общей теории статистики / Л.И. Кожухарь. – М.: Финансы и статистика, 1999. – 144 с.: ISBN 5-279-02017-6: 36-96.
9. Мелкумов, Я.С. Социально-экономическая статистика, учебно-методическое пособие / Я.С. Мелкумов. – М.: ИМПЭ-ПАБЛИШ, 2004. – 200 с. – ISBN 5-9594-0004-9:. 92-80.
12. Практикум по теории статистики: учебное пособие / Р.А. Шмойлова (и др.); под ред. проф. Р.А. Шмойловой. – М.: Финансы и статистика, 2000. – 416с. ил. – ISBN 5-279-0141-0: 75-56.
15. Статистика: учеб. пособие / Л.П. Харченко, В.Г. Долженкова, В.Г. Ионин; под ред. В.Г. Ионина. – 2-е изд., перераб. и доп. – М.: ИНФРА-М, 2006. – 384 с. – (Высшее образование). – ISBN 5-16-002491-3: 86-12.
16. Теория статистики: учебник / под. ред. проф. Г.Л. Громыко. – М.: ИНФРА-М, 2000. – 414 с. – (Высшее образование). – ISBN 5-16-000177-8: 72-80.
17. Теория статистики: учебник / Р.А. Шмойлова (и др.); под ред. проф. Р.А. Шмойловой. – 3-е изд., перераб. – М.: Финансы и статистика, 1999. – 560 с.: ил. – ISBN 5-279-01951-8: 85-32.
18. Экономическая статистика: учебник / под ред. Ю.Н. Иванова. – 2-е изд., доп. - М.: 2002. – 480 с. – (Высшее образование). – ISBN 5-16-000084-4: 83-89.
Табл. 1. Расчет валовой продукции в оценке по ценам реализации за 2003год.
| Вид продукции | Объем продаж | Цена реализации одного ц, руб. | Произведено, ц | Стоимость валов.пр-в и реализации, тыс. руб. | |
| ц | Тыс. руб. | ||||
| 1 | 2 | 3 | 4 | 5 | 6 |
| Зерновые | 44664 | 6709 | 150 | 45842 | 6876 |
| Подсолнечник | 19233 | 8380 | 436 | 18081 | 7883 |
| Сено | Х | Х | 132 | 912 | 120 |
| Прочая продукция | Х | 41 | Х | Х | 41 |
| Незавершенное производство | Х | Х | Х | Х | 5755 |
| Продукция растениеводства собственного производства | Х | 53 | Х | Х | 53 |
| Итого | 15183 | 20728 | |||
Табл. 2. Расчет валовой продукции в оценке по ценам реализации за 2004 год
| Вид продукции | Объем продаж | Цена реализации одного ц, руб. | Произ-ведено, ц | Стоимость валов.пр-в и реализации, тыс. руб. | |
| ц | Тыс. руб. | ||||
| 1 | 2 | 3 | 4 | 5 | 6 |
| Зерновые | 59891 | 14055 | 235 | 65433 | 15377 |
| Подсолнечник | 21958 | 12632 | 575 | 19689 | 11321 |
| Сено | Х | Х | 103 | 1285 | 132 |
| Прочая продукция | Х | 34 | Х | Х | 34 |
| Незавершенное производство | Х | Х | Х | Х | 7327 |
| Продукция растениеводства собственного производств | Х | 75 | Х | Х | 75 |
| Итого | 26796 | 34266 | |||
Табл .3. Расчет валовой продукции в оценке по ценам реализации за 2005 год.
Для решения поставленной задачи мы применяем метод корреляционно-регрессионного анализа, который устанавливает формы связи, измерение тесноты связи и меры воздействия каждого фактора на результат.
При решении поставленной задачи мы предположили, что на урожайность влияют следующие факторы:
Y- Урожайность зерновых, ц/га;
1. X1 – Производственные затраты на 1 га посева зерновых, руб.;
2. X2–Нагрузка пашни на 1 трактор, га
3. X3–Фондовооруженность 1 работника, тыс. руб.;
4. X4–Энерговооруженность 1 работника, л.с.;
6. X6–Затраты труда на 1 га посева зерновых, чел./час;
7. Х7–Стоимость внесенных удобрений на 1 га зерновых, руб.;
8. X8 –Фондообеспеченность хозяйства, га;
9. Х9- Уровень концентрации (площадь посева зерновых), га;
10. Х10-Трудообеспеченность (число работников на 100 га пашни), чел.
Исходными данными для корреляционно-регрессионного анализа послужила информация из годовых отчетов 25 предприятий Воронежской области. Исходя из данных факторов построим корреляционно- регрессионную модель урожайности зерновых культур.
Уровень значимости (α- расч)
Статистическая оценка характеристик данной модели показывает, что некоторые факторы (Х3, Х5, Х6, Х7, Х9) количественно мало определяют результат. Считаем необходимым маловлияющие факторы убрать из полученной модели. Таким образом мы получили следующую модель:
Таблица 2 - Улучшенная корреляционно-регрессионная модель (КРМ) урожайности зерновых культур по хозяйствам Аннинского, Верхнемамонского, Лискинского, Калачеевского и Таловского районов
Уровень значимости (α- расч)
Продолжение таблицы 2
Полученная модель количественно измеряет влияние каждого фактора на результат, что следует из уравнения регрессии:
Y (X1;X2;X4; X8;X10) = 28,1634+0,000756*X10,08594*X2+0,00258*X4+0,70425*X8*X10
По данным уравнения регрессии получаем, что:
1) коэффициент регрессии α1= 0,00076 говорит о том, что с увеличением производственных затрат на 1 га на 1 руб. урожайность зерновых культур повысится на 0,00076 ц/га.
2) коэффициент регрессии α2=-0,012 говорит о том, что с увеличением нагрузки на 1 трактор на 1 га урожайность зерновых культур снизится на на 0,0012 ц/га.
3) коэффициент регрессии α4=-0,086 говорит о том, что с увеличением энерговооруженности 1 работника урожайность зерновых культур снизится на 0,086 ц/га.
Исходя из наших предположений, мы считаем, что урожайность и энерговооруженность находятся в прямой зависимости, в полученной модели- зависимость обратная, что не совсем логично. Однако, этот фактор положительно влияет на качество всей модели, поэтому считаем, что данный фактор является фиктивным и никакой интерпретации не несет.
4) Коэффициент регрессии α8=0,0026 говорит о том, что с увеличением
фондообеспеченности хозяйства тыс. руб. урожайность повысится на 0,0026 ц/га.
5) Коэффициент регрессии α10=0,704 говорит о том, что с увеличением трудообеспеченности на 100 га на 1 чел. Урожайность зерновых культур повысится на 0,704 ц/га.
Множественный коэффициент корреляции свидетельствует об умеренной связи между оставшимися факторами и урожайностью зерновых.
Коэффициент детерминации =0,7697 или 76,97% говорит о том, что урожайность зерновых культур на 76,97% зависит от факторов, включенных в модель, и также находится под влиянием других факторов, которые не были учтены в модели.
Для того чтобы оценить существенность влияния изучаемых факторов на результат проведем многофакторный дисперсионный анализ, который представим в таблице 3.
Таблица 3- Дисперсионный анализ вариации по всей модели урожайности зерновых и зернобобовых культур в предприятиях Аннинского, Верхнемамонского, Лискинского, Калачеевского и Таловского районов
Число степеней свободы
Фактическое значение критерия Фишера
Таким образом фактическое значение критерия Фишера (=4,67817) превышает теоретическое значение =(α=0,05;10;14)=2,87, это означает, что влияние факторов, заложенных в модель, на урожайность существенно.
Получив данную модель мы можем ее использовать на практике и рассчитать теоретическое значение урожайности и спрогнозировать резервы увеличения валового сбора.
Таблица 4 - Резервы повышения урожайности зерновых по предприятиям Аннинского, Верхнемамонского, Лискинского, Калачеевского и Таловского районов
Средний уровень факторов
Отклонение среднего уровня факторов отстающих предприятий
Резервы повышения урожайности зерновых при доведении уровня факторов отстающих предприятий
по передовым предприятиям
по отстающим предприятиям
от среднего уровня по выборке
от уровня передовых предприятий
до среднего уровня по району
до уровня передовых предприятий
Производственные затраты на 1 га посева
Нагрузка пашни на 1 трактор
Энерговооружен. 1 работника, л.с.
Таким образом, перед отстающими предприятиями стоят две задачи:
Исходя из полученных нами данных мы можем сделать вывод о том, что разработанные нами модели достаточно полно отражают изменение в урожайности зерновых культур. Это проявляется в том, что значительно углубляется факторный анализ, устанавливаются место и роль каждого фактора в формировании уровня урожайности, более объективно оцениваются итоги деятельности предприятий и более полно определяются внутрихозяйственные резервы.
Список использованной литературы:
1. Лубков В.А. Объект и этапы стратегического анализа организации/, В.А. Лубков // Российское предпринимательство. -2013. -№8. С. 46-51.
3. Степанова Т.А. Актуальные проблемы увеличения производства зерна (на примере сельскохозяйственных организаций Калачеевского, Аннинского и Бутурлиновского районов Воронежской области) / Т.А. Степанова, Е.Б. Панина, М.А. Мягкова // Журнал научных публикаций аспирантов и докторантов. №1(91). – Курск, 2014. – С. 6-8.
4. Степанова Т.А. Методы повышения конкурентоспособности предприятий Воронежской области на основе анализа себестоимости и резервов ее снижения зерновых культур / Т.А. Степанова, Е.В. Подгорная // Журнал научных публикаций аспирантов и докторантов. №12(102). – Курск, 2014 – С. 32-35.
Для более глубокого исследования взаимосвязи социально экономических явлений рассмотренные статистические методы часто оказываются недостаточными, ибо они не позволяют выразить имеющуюся связь в виде определенного математического уровня, характеризующего механизм взаимодействия факторных и результативных признаков. Это устраняет метод анализа регрессий и корреляций — регрессионно – корреляционный анализ (РКА), являющийся логическим продолжением, углублением более элементарных методов.
РКА заключается в построении и анализе экономико-математической модели в виде уравнения регрессии (корреляционной связи), выражающего зависимость явлений от определяющих его факторов.
РКА состоит из следующих этапов :
1. Предварительный (априорный) анализ;
2. Сбор информации и первичная обработка;
3. Построение модели (уравнения регрессии);
4. Оценка и анализ модели.
Подобное деление на этапы весьма условно, так как отдельные стадии тесно связаны между собой и нередко, результат полученный на одном этапе, позволяет дополнить , скорректировать выводы более ранних стадий РКА.
Основным и обязательным условием корректности применения РКА является однородность исходной статистической совокупности. Так, например если, изучается зависимость урожайности определенной сельскохозяйственной культуры от количества внесенных удобрений, очень важно, чтобы совокупность колхозов была однородна по климатическим условиям, почвенным зонам, специализации и т.п., различие которых оказывает влияние на величину урожайности.
Регрессионно – корреляционные модели могут быть использованы для решения различных задач: для анализа уровней социально – экономических явлений и процессов, например для анализа хозяйственной деятельности предприятия и вскрытия резервов, для прогнозирования и различных плановых расчетов.
Использование моделей позволяет значительно расширить возможности анализа, в частности анализа хозяйственной деятельности предприятий.
Рассмотрим расчет параметров для линейной парной регрессии.
При парной прямолинейной регрессии, увеличение факторного признака влечет за собой равномерное увеличение или снижение результативного признака. Для того чтобы установить аналитически форму связи необходимо пользоваться методами аналитических группировок, сравнения параллельных рядов и наиболее эффективным графическим методом.
Если связь прямолинейная, то аналитически такая связь записывается уравнением прямой yx=a+bx. Нужно иметь в виду, уравнение регрессии правильно выражает лишь при условии независимости коэфициентов a0 и a1 от факторного признака x либо такой незначительной зависимости, которой можно пренебречь.
Для нахождения параметров a0 и a1 строится система нормальных уравнений.
Парный коэффициент корреляции можно определить по формуле:
Zxy= ,
где хуср = ; хср= ; уср= ;
; .
Расчеты выполняются в таблице 3.2, 3.4,3.6
Зависимость между урожайностью озимых зерновых культур в расчете на 1 га посева за 7 лет
Факторный признак, х (материально-денежные затраты, т.р.), т.р./га
Результативный признак, у (урожайность, ц/га).
Теоретическое значение по уравнению yx=a+bx
– дисперсия факторного признака;
=8,16 – дисперсия результативного признака.
Rху=
Так как величина линейного коэффициента корреляции находится в пределах 0 2 =∑ху.
– дисперсия факторного признака;
– дисперсия результативного признака.
Исключение тренда. Корреляция отклонений от тренда. Расчеты за 8лет по озимым зерновым культурам.
Факторный признак, х
Результативный признак, у
Разность между смежными уровнями
Rху=
Зависимость между урожайностью зерновых и зернобобовых культур в расчете на 1 га посева за 7 лет
Факторный признак, х (материально-денежные затраты, т.р.), т.р./га
Результативный признак, у (урожайность, ц/га).
Теоретическое значение по уравнению yx=a+bx
– дисперсия факторного признака;
– дисперсия результативного признака.
Исключение тренда. Корреляция отклонений от тренда. Расчеты за 8лет по озимым зерновым культурам.
Факторный признак, х
Результативный признак, у
Разность между смежными уровнями
Rху=
В заключение можно сделать вывод о экономической эффективности производства зерна за 3 года.
Экономическая эффективность производства зерна
В среднем за 3 года
Выводы и предложения.
В данной курсовой работе была рассмотрена урожайность и пути ее повышения в Племзавод колхозе им.Ленина Суровикинского района
Интенсификация, а следовательно, и повышение фондо- и энерговооруженности труда позволяют в первую очередь экономить живой труд, снижать его затраты. На практике это выражается в росте обрабатываемых площадей на работника, в снижении затрат труда на единицу земельной площади.
Повышение уровня технической оснащенности с.-х. благодаря улучшению качества проведения работ и соблюдению оптимальных сроков их выполнения способствует не только сокращению потребностей в труде, но и росту урожайности культур.
Анализ сложившегося положения в колхозе позволяет сделать следующие выводы. Наряду с хорошим производственным потенциалом, урожайность зерновых культур в Суровикинсокм районе недостаточно высока. Связано это как с природно-климатическими, так и с экономическими причинами. Можно даже сказать, что неблагоприятная климатическая обстановка усугубляется нехваткой денежных средств, из чего вытекает и нехватка оборудования, удобрений и т.п. Отсутствие необходимого оборудования и материалов также отрицательно сказывается на урожайности, т.к. не обеспечивается должный уход за урожаем.
Большое влияние на урожайность оказывают и метеорологические условия, особенно отмеченные в последние годы перепады температуры (очень жаркое лето и суровая зима) и весенние заморозки, губящие весенние всходы.
Исходя из этих выводов, можно сделать следующие предложения. В первую очередь, необходимо производить интенсификацию производства – обновлять давно устаревшее оборудование, здания, с.-х. машины. Во-вторых, вести подготовку квалифицированных кадров, которые смогут обеспечить должный уход за посевами и разработать меры защиты от неблагоприятных метеорологических условий. В-третьих, использовать наиболее продуктивные и выносливые сорта при посеве.
Список литературы:
1. Годовые отчеты Племзавода им.Ленина
2. Зинченко А.П. Сельскохозяйственная статистика с основами социально-экономической статистики. – М.,1998.
3. Общая теория статистики./Под ред. А.М. Гольберга и В.Ф. Козлова. – М.: Финансы и статистика,2005.
4. Практикум по общей теории статистики и сельскохозяйственной статистике. Учебное пособие./Под ред. А.П. Зинченко и др. – М.: Финансы и статистика, 1998.
7. Экономика сельского хозяйства/И.А. Минаков, Л.А. Сабетова, Н.И. Куликов и др., под ред. И.А. Минакова. – М.: Колос, 2000. – 328 с.
Допустим, что в результате расчетов мы имеем корреляционную модель, где tR,r,η> 2,48, > 1,96, f1> 1,5. В этом случае модель может быть использована для анализа и планирования показателей.
Первым этапом анализа на базе корреляционной модели является сравнение расчетных и фактических значений показателя.
Чтобы получить расчетные значения yx, в корреляционную модель подставляем фактические значения факторов. Пусть имеем корреляци
Файлы: 1 файл
МПП.docx
— во-вторых, выявить и выразить количественно взаимосвязь между показателями, т.е. между ведущим и другими.
В качестве ведущего следует взять показатель, достаточно полно характеризующий эффективность отрасли в целом.
В сельском хозяйстве в условиях нестабильности цен и издержек в качестве генерального показателя лучше всего взять урожайность зерновых культур. Через величину урожайности в значительной мере преломляется общее состояние растениеводства, величина урожайности зерновых в значительной мере предопределяет количественные и качественные характеристики животноводства. Взаимосвязи факторов имеют место в реальной экономике. Эти взаимосвязи надо учесть и количественно определить. Крайне важно, чтобы выходная информация одних корреляционных моделей служила бы входной для других, чтобы в перечне информации, которую используем для построения оптимизационной модели, не было бы ни одного показателя, который не был бы связан с другими.
Урожайность зерновых может быть определена несколькими корреляционными моделями. Рассмотрим возможные ситуации.
1. Урожайность предприятия изменяется стабильно. Влияние природных факторов ослаблено. В этом случае для планирования урожайности можем использовать трендовую корреляционную модель yx=a0+a1x, где х — номер года.
Устойчивость этой модели возрастает, если вместо а0 берем yо, который означает среднюю за последние 2-3 года фактическую урожайность зерновых
2. Урожайность зерновых колеблется. Однако по многолетним данным установлено, что она тесно связана с факторами урожайности: плодородием, удобрениями, другими факторами технологии и природных условий.
В этом случае урожайность зерновых обосновываем с помощью многофакторной корреляционной модели
Среди факторов этой модели можно выделить следующие группы:
i=l-7 — факторы, характеризующие свойства почвы (рН —реакция почвенного раствора, Н — гидролитическая кислотность, S — сумма поглощенных оснований, Р205, К2О и т.д.);
i = 13-18— свойства самого растения, выражаемые через сорта растений;
i = 19-25— коэффициенты взаимосвязи t° и атмосферных осадков (чаще всего выражается через гидротермический коэффициент (ГТК)). Однако расчеты свидетельствуют, что используемая ныне формула не точна. Ее следует совершенствовать, имея в виду, что те декады вегетационного периода, которые отличаются низкой температурой t° и большим количествам осадков, оказывают негативное влияние на развитие растений. При расчете ГТК эти декады можно взять с поправочным коэффициентом. Наряду с этим следует иметь в виду, что ГТК надо считать по каждой культуре.
3. Многофакторная модель требует прогноза показателей на планируемый год. А это может предположить ошибки, снижает эффективность прогнозных расчетов в целом.
Учитывая изложенное, при планировании урожайности зерновых лучше всего использовать третий вариант — автокорреляционную трендовую модель, которая есть функция от фактического значения урожайности и времени уx = f(yo, t)- При этом модель учитывает, что при увеличении у0 возможности приращения урожайности становятся меньшими.
Параметры этой модели могут быть рассчитаны на основе поэтапного моделирования. На первом этапе рассчитываем корреляционную модель вида
На следующем этапе рассчитываем параметры а2 и а3, имея в виду, что а0 и a1 известны, а значение a0заменяем на у0.
Урожайность зерновых отдельных видов может быть рассчитана на основе соотношения средней урожайности зерновых и отдельных видов этой группы.
Коэффициенты можем рассчитать в среднем по совокупности предприятий или, что более правильно, по предприятиям первой группы с лучшим уровнем использования ресурсов (где yi>yx).
Урожайность других сельскохозяйственных культур может быть обоснована исходя из производственных и технологических взаимосвязей, имеющихся в растениеводстве.
Суть взаимосвязи в том, что в условиях ротации сельскохозяйственных культур, севооборота на площади, занятой ранее зерновыми, возделываются все другие культуры. Значит, плодородие почвы в равной мере влияет как на зерновые, так и на другие культуры. С другой стороны, есть технологическая взаимосвязь в производстве различных видов продукции. Она выражается в том, что уровень технологии при возделывании других культур, как правило, подтягивается до уровня технологий ведущей культуры — зерновых. Отсюда следует, что урожайность других культур может быть определена на основе нелинейных моделей в зависимости от урожайности зерновых
где х — перспективная урожайность зерновых, ц с 1 га; а0, aj, — коэффициенты регрессии по культуре j.
Крайне важно обеспечить взаимосвязь урожайности сельскохозяйственных культур и продуктивности животных. В цепочке этих показателей "урожайность — продуктивность" чаще всего имеет место разрыв.
С целью исключения диспропорций в показателях, корреляционную модель формирования продуктивности животных можно обосновать в зависимости от фактической продуктивности, времени и приращения урожайности зерновых при этом Δu — приращение урожайности зерновых — считаем как величину, выражающую темпы развития кормовой базы. Данные по урожайности культур и продуктивности животных используем для построения корреляционной модели по определению затрат труда. Чаще всего факторами модели будут:
x1 — урожайность сельскохозяйственных культур или продуктивность животных;
x2 — фактические затраты на начало планового периода;
x3— номер года, для которого производим расчет.
Данные урожайности, продуктивности и затрат труда используем для построения модели формирования себестоимости продукции. Ее факторы:
x1 — урожайность или продуктивность животных;
x2 — затраты труда на 1 ц продукции;
x3— факторные значения себестоимости 1 ц продукции на начало планируемого периода;
Данные по урожайности и продуктивности, затратам труда могут послужить основой для определения фондооснащенности. Факторы в модели следующие:
x1 — урожайность, продуктивность;
x2 — затраты труда;
x3 — фактическая фондооснащенность на начало планового периода;
Модель фондооснащенности может быть упрощена исходя из того, что стоимость фондов в расчете на единицу отрасли (га, гол.) может быть расчленена на две составляющие: постоянную часть и переменную, которая непосредственно связана с урожайностью сельскохозяйственных культур или продуктивностью животных. Приведенные выше модели составляют систему. По ним выполняется требование, что выходная информация одних моделей используется в качестве входной в других.
Для обоснования перспективных значений показателей могут быть использованы пространственно-временные корреляционные модели.
Методика их построения заключается в следующем.
1. Закономерности использования ресурсов изучают за значительный временной отрезок и по результативному показателю, отличающемуся стабильностью, лучше всего — по абсолютному показателю.
2. В рамках временного отрезка выделяют три или более периодов. Например:
По средним данным каждого периода рассчитываем параметры многофакторной корреляционной модели формирования одного и того же результативного показателя:
3 период уx. = 46,0 + 0,18x1 + 0,41х2 + . + 3,45х5, где x1 — стоимость основных производственных фондов, тыс. у.д.е.;
x2 — сумма производственных затрат, тыс. у.д.е.;
x5 — среднегодовая численность рабочих, чел.
3. Выясняем закономерности изменения параметров корреляционной модели. Эти закономерности применительно к а0 и aj (коэффициентам регрессии) выражаем через трендовые корреляционные модели. В результате получим пространственно-временную корреляционную модель, которая будет учитывать основные тенденции или изменения окупаемости ресурсов во времени. Расчет производим следующим образом:
ay t — номер года
В среднем: 1980 — первый год — t=1; 1981 —второй год — t=2; 1982 — третий год — t=3.
В среднем за 1980-1082 гг. t = 1,5 и т.д. Определяем параметры корреляционной модели:
Приведенные математические выражения объединяют все три корреляционные модели, учитывают изменение окупаемости ресурсов во времени. В результате получаем пространственно-временную корреляционную модель. Она имеет вид
Параметры корреляционной модели свидетельствуют, что влияние неучтенных факторов с увеличением t снижается, эффективность первого ресурса и второго по мере увеличения t снижается и эффективность пятого ресурса по мере увеличения t возрастает.
Суть пространственно- временной модели заключается в том, что эффективность ресурсов изменяется во времени, значит и R изменяются (во времени).
Проблемы информационного обеспечения на основе корреляционных и других видов моделей существенно усложняются в условиях функционирования новых видов хозяйственных формирований и наличия коммерческой тайны на информацию. Трудности с получением массовых данных будут ориентировать на сбор необходимой информации в рамках одного или нескольких рядом расположенных предприятий. В новой ситуации возрастает роль методики сбора информации по системе хозяйства-лет или объекта-лет. Поскольку при подобном подходе информация берется за каждый год в отдельности, то требуется учитывать существенное влияние субъективных факторов, особенно на показатели отраслей растениеводства. Чтобы снизить это влияние, необходимо, наряду с учетом материальных или главных факторов корреляционной модели, ввести дополнительные факторы, описывающие принадлежность информации к тому или иному году. Например, по восьми участкам хозяйством за три года собрана информация о плодородии пашни и внесении удобрений. В этом случае корреляционная модель формирования урожайности будет иметь факторы: x1, х2 — соответственно балл 1 га пашни и внесение удобрений, х3, х4, х5 — принадлежность соответствующей информации соответственно к первому, второму и третьему годам. В результате расчетов мы получим коэффициенты регрессии при материальных факторах и количественную оценку влияния природно-экономических условий в отдельные годы.
Читайте также: