Реферат Статистико-экономический анализ экономической эффекктивности производства мяса КРС по совокупнос
Работа добавлена на сайт bukvasha.net: 2015-10-28Поможем написать учебную работу
Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
от 25%
Подписываем
договор
Гипероглавление:
КАЛУЖСКИЙ ФИЛИАЛ
КУРСОВАЯ РАБОТА
ФИШКИ………………………………………………………………………..
Введение
Таблица 1.1
Наименование хозяйства
ЗАО «Рассвет»
СПК «Сашкино»
ООО «Калуга-агро»
Интервальный ряд распределения хозяйств по среднесуточному привесу
Число хозяйств
До 275
Таблица 1.3
Сводные данные по группам хозяйств
Таблица 1.4
Промежуточная аналитическая группировка
Итого в среднем
Таблица 1.5
Показатели производства и реализации мяса КРС
Число хозяйств
Таблица 2.1
Таблица 2.2
В среднем
Линейные коэффициенты корреляции
Таблица 2.3
Регрессионная статистика
Таблица 2.4
Дисперсионный анализ
Таблица 2.5
Расчет данных
Расчетные данные
Таблица 3.2
Динамика среднесуточного привеса
Таблица 3.3
Динамика количества голов на 1 работника
Таблица 3.4
Таблица 3.5
Расчет данных
Расчетные данные
Таблица 3.6
Коэффициенты парной корреляции
Выводы и предложения
Список использованной литературы
ЗАО «Кривское» БOPOBCKИЙ PAЙOH
КЛХ «Борисово» БOPOBCKИЙ PAЙOH
СХ ООО «Швейцарское молоко» ДЗEPЖИHCKИЙ PAЙOH
СЗАО «Редькинское» ДЗEPЖИHCKИЙ PAЙOH
СЗАО «Дзержинское» ДЗEPЖИHCKИЙ PAЙOH
ЗАО «Дзержинск-инвест» ДЗEPЖИHCKИЙ PAЙOH
СПК «Имени Чапаева» ДЗEPЖИHCKИЙ PAЙOH
ООО «Калуга-агро» ДЗEPЖИHCKИЙ PAЙOH
СПК «Старки» ДЗEPЖИHCKИЙ PAЙOH
ООО «Правда» ДЗEPЖИHCKИЙ PAЙOH
СОАО «Угра» ДЗEPЖИHCKИЙ PAЙOH
СПК «Виньковский» ФEPЗИKOBCKИЙ PAЙOH
СПК «Октябрьский» ФEPЗИKOBCKИЙ PAЙOH
СПК «Нива» ФEPЗИKOBCKИЙ PAЙOH
ЗАО «Рассвет» ФEPЗИKOBCKИЙ PAЙOH
КСП «Аристово» ФEPЗИKOBCKИЙ PAЙOH
СПК «Кольцово» ФEPЗИKOBCKИЙ PAЙOH
СПК «Сугоново» ФEPЗИKOBCKИЙ PAЙOH
СПК «Ферзиковский» ФEPЗИKOBCKИЙ PAЙOH
СКП «Бебелево» ФEPЗИKOBCKИЙ PAЙOH
Ключ к фишкам
РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ
МОСКОВСКАЯ СЕЛЬСКОХОЗЯЙСТВЕННАЯ АКАДЕМИЯ
имени К.А. ТИМИРЯЗЕВА
Кафедра экономики и статистики
по статистике на тему:
«Статистико-экономический анализ экономической эффективности производства мяса КРС по совокупности хозяйств северо-восточной зоны Калужской области на примере ООО «Правда» Дзержинского района Калужской области»
Выполнила: студентка 31 группы
3 курса экономического факультета
Дубкова И.Ю.
Проверила: Кривушина О.А
Калуга, 2006г
СОДЕРЖАНИЕ
Статистика изучает состояние и развитие всех отраслей сельского хозяйства в целом по стране и дифференцирование по категориям хозяйства, экономическим районам, типическим группам хозяйств и др. Ее задачами являются разработка и анализ показателей численности и состава животных, воспроизводства стада, валовой продукции и продуктивности сельскохозяйственных животных, выхода продукции животноводства на единицу земельной площади. В процессе анализа животноводства используются данные, характеризующие материальные условия производства в отрасли: обеспеченность животноводства кормами, постройками, техникой, кадрами, уровень технологии и организации животноводства и т. п.
Скотоводство в общем объеме товарной продукции животноводства составляет около 55%, обслуживанием крупного рогатого скота на предприятиях занято примерно 60% работников отрасли. Хотя в последние годы объем производства продукции скотоводства значительно уменьшился, по экономическому значению оно остается важнейшей отраслью сельского хозяйства в большинстве регионов страны.
Целью данной курсовой работы является проведение статистико-экономического анализа эффективности производства мяса КРС.
Исходя из поставленной цели можно определить задачи данного курсового проекта:
- систематизация, рассмотрение и закрепление теоретических и практических знаний по общей теории статистики;
- анализ производства мяса КРС по совокупности хозяйств с использованием метода группировок;
- проведение корреляционно-регрессионного анализа эффективности производства мяса КРС по совокупности;
- анализ рядов динамики эффективности производства мяса КРС на примере конкретного предприятия.
Объектом данной курсовой работы является ООО «Правда» Дзержинского района а так же совокупность хозяйств северо-восточной зоны Калужской области.
Предметом изучения является эффективность производства мяса КРС.
В данном курсовом проекте использованы следующие методы: метод группировок, индексный анализ, метод средних величин, КРА, ряды динамики.
Для написания данной работы были использованы свод статистических данных по сельскому хозяйству Калужской области и бухгалтерский отчет ООО «Правда».
ГЛАВА
I.
Использование метода группировок в анализе эффективности производства мяса КРС по совокупности хозяйств
1.1. Построение ранжированного и интервального рядов распределения
По имеющимся данным о деятельности 21 предприятия мясного направления необходимо выделить, используя метод группировок, типические группы предприятий с различным уровнем производства мяса КРС и установить основные причины этих различий.
В качестве группировочного возьмем признак «Среднесуточный привес». Расположим предприятия по величине среднесуточного привеса в возрастающем порядке, т.е. построим ранжированный ряд (таблица 1.1)
КАЛУЖСКИЙ ФИЛИАЛ
КУРСОВАЯ РАБОТА
ФИШКИ………………………………………………………………………..
Введение
Таблица 1.1
Наименование хозяйства
ЗАО «Рассвет»
СПК «Сашкино»
ООО «Калуга-агро»
Интервальный ряд распределения хозяйств по среднесуточному привесу
Число хозяйств
До 275
Таблица 1.3
Сводные данные по группам хозяйств
Таблица 1.4
Промежуточная аналитическая группировка
Итого в среднем
Таблица 1.5
Показатели производства и реализации мяса КРС
Число хозяйств
Таблица 2.1
Таблица 2.2
В среднем
Линейные коэффициенты корреляции
Таблица 2.3
Регрессионная статистика
Таблица 2.4
Дисперсионный анализ
Таблица 2.5
Расчет данных
Расчетные данные
Таблица 3.2
Динамика среднесуточного привеса
Таблица 3.3
Динамика количества голов на 1 работника
Таблица 3.4
Таблица 3.5
Расчет данных
Расчетные данные
Таблица 3.6
Коэффициенты парной корреляции
Выводы и предложения
Список использованной литературы
ЗАО «Кривское» БOPOBCKИЙ PAЙOH
КЛХ «Борисово» БOPOBCKИЙ PAЙOH
СХ ООО «Швейцарское молоко» ДЗEPЖИHCKИЙ PAЙOH
СЗАО «Редькинское» ДЗEPЖИHCKИЙ PAЙOH
СЗАО «Дзержинское» ДЗEPЖИHCKИЙ PAЙOH
ЗАО «Дзержинск-инвест» ДЗEPЖИHCKИЙ PAЙOH
СПК «Имени Чапаева» ДЗEPЖИHCKИЙ PAЙOH
ООО «Калуга-агро» ДЗEPЖИHCKИЙ PAЙOH
СПК «Старки» ДЗEPЖИHCKИЙ PAЙOH
ООО «Правда» ДЗEPЖИHCKИЙ PAЙOH
СОАО «Угра» ДЗEPЖИHCKИЙ PAЙOH
СПК «Виньковский» ФEPЗИKOBCKИЙ PAЙOH
СПК «Октябрьский» ФEPЗИKOBCKИЙ PAЙOH
СПК «Нива» ФEPЗИKOBCKИЙ PAЙOH
ЗАО «Рассвет» ФEPЗИKOBCKИЙ PAЙOH
КСП «Аристово» ФEPЗИKOBCKИЙ PAЙOH
СПК «Кольцово» ФEPЗИKOBCKИЙ PAЙOH
СПК «Сугоново» ФEPЗИKOBCKИЙ PAЙOH
СПК «Ферзиковский» ФEPЗИKOBCKИЙ PAЙOH
СКП «Бебелево» ФEPЗИKOBCKИЙ PAЙOH
Ключ к фишкам
РОССИЙСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ
МОСКОВСКАЯ СЕЛЬСКОХОЗЯЙСТВЕННАЯ АКАДЕМИЯ
имени К.А. ТИМИРЯЗЕВА
КАЛУЖСКИЙ ФИЛИАЛ
Кафедра экономики и статистики
КУРСОВАЯ РАБОТА
по статистике на тему:
«Статистико-экономический анализ экономической эффективности производства мяса КРС по совокупности хозяйств северо-восточной зоны Калужской области на примере ООО «Правда» Дзержинского района Калужской области»
Выполнила: студентка 31 группы
3 курса экономического факультета
Дубкова И.Ю.
Проверила: Кривушина О.А
Калуга, 2006г
СОДЕРЖАНИЕ
| ВВЕДЕНИЕ………………………………………………………………… ГЛАВА I Использование метода группировок в анализе эффективности производства мяса КРС по совокупности хозяйств………… 1.1. Построение ранжированного и интервального рядов распределения…………………………………………………………………………… 1.2. Анализ типических групп…………………………………………….. 1.3. Показатели интенсификации…………………………………………. ГЛАВА II . Статистико-экономический анализ эффективности производства мяса КРС по совокупности хозяйств…………………….. 2.1. Комбинированная группировка по двум признакам……………….. 2.2. Корреляционно – регрессионный анализ……………………………. 2.3. Индексный анализ…………………………………………………….. ГЛАВА III. Анализ рядов динамики эффективности производства мяса КРС на примере ООО «Правда» Дзержинского района Калужской области………………………………………………………………….. 3.1. Анализ рядов динамики………………………………………………. 3.2. Аналитическое выравнивание рядов динамики методом укрупнения периодов, по уравнениям прямой и параболе и по скользящей средней………………………………………………………………………… 3.3. Индексный анализ…………………………………………………….. 3.4. Корреляционно – регрессионный анализ……………………………. ВЫВОДЫ И ПРЕДЛОЖЕНИЯ ……………………………………………… СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ…………………………... ФИШКИ………………………………………………………………………..КЛЮЧ К ФИШКАМ………………………………………………………….. ПРИЛОЖЕНИЕ……………………………………………………………….. | 3 5 5 8 10 12 12 15 19 22 22 26 26 29 30 35 37 38 41 42 |
Введение
Статистика изучает состояние и развитие всех отраслей сельского хозяйства в целом по стране и дифференцирование по категориям хозяйства, экономическим районам, типическим группам хозяйств и др. Ее задачами являются разработка и анализ показателей численности и состава животных, воспроизводства стада, валовой продукции и продуктивности сельскохозяйственных животных, выхода продукции животноводства на единицу земельной площади. В процессе анализа животноводства используются данные, характеризующие материальные условия производства в отрасли: обеспеченность животноводства кормами, постройками, техникой, кадрами, уровень технологии и организации животноводства и т. п.
Скотоводство в общем объеме товарной продукции животноводства составляет около 55%, обслуживанием крупного рогатого скота на предприятиях занято примерно 60% работников отрасли. Хотя в последние годы объем производства продукции скотоводства значительно уменьшился, по экономическому значению оно остается важнейшей отраслью сельского хозяйства в большинстве регионов страны.
Целью данной курсовой работы является проведение статистико-экономического анализа эффективности производства мяса КРС.
Исходя из поставленной цели можно определить задачи данного курсового проекта:
- систематизация, рассмотрение и закрепление теоретических и практических знаний по общей теории статистики;
- анализ производства мяса КРС по совокупности хозяйств с использованием метода группировок;
- проведение корреляционно-регрессионного анализа эффективности производства мяса КРС по совокупности;
- анализ рядов динамики эффективности производства мяса КРС на примере конкретного предприятия.
Объектом данной курсовой работы является ООО «Правда» Дзержинского района а так же совокупность хозяйств северо-восточной зоны Калужской области.
Предметом изучения является эффективность производства мяса КРС.
В данном курсовом проекте использованы следующие методы: метод группировок, индексный анализ, метод средних величин, КРА, ряды динамики.
Для написания данной работы были использованы свод статистических данных по сельскому хозяйству Калужской области и бухгалтерский отчет ООО «Правда».
ГЛАВА
I.
Использование метода группировок в анализе эффективности производства мяса КРС по совокупности хозяйств
1.1. Построение ранжированного и интервального рядов распределения
По имеющимся данным о деятельности 21 предприятия мясного направления необходимо выделить, используя метод группировок, типические группы предприятий с различным уровнем производства мяса КРС и установить основные причины этих различий.
В качестве группировочного возьмем признак «Среднесуточный привес». Расположим предприятия по величине среднесуточного привеса в возрастающем порядке, т.е. построим ранжированный ряд (таблица 1.1)
Таблица 1.1
Ранжированный ряд распределения хозяйств по среднесуточному привесу
| № | Наименование хозяйства | Среднесуточный привес, г | | Наименование хозяйства | Среднесуточный привес, г |
| 1 2 3 4 5 6 7 8 9 10 11 | ЗАО «Рассвет»СПК «Сашкино»КСП «Аристово» ЗАО «Дзержинск-инвест» СПК «Кольцово» СПК «Сугоново» СПК «Имени Чапаева» СПК «Ферзиковский» СКП «Бебелево» ООО «Калуга-агро»КЛХ «Борисово» | 180 222 230 239 270 301 302 341 348 356 363 | 12 13 14 15 16 17 18 19 20 21 | СПК «Старки» ООО «Правда» СОАО «Угра» СПК «Виньковский» СХ ООО «Швейцарское молоко» СЗАО «Редькинское» СЗАО «Дзержинское» ЗАО «Кривское» СПК «Октябрьский» СПК «Нива» | 373 383 388 424 448 457 494 500 557 710 |
Для большей наглядности изобразим ранжированный ряд графически, т.е. построим огиву Гальтона, в который на оси абсцисс запишем номера предприятий в ранжированном ряду, а на оси ординат – значение среднесуточного привеса.
Рис. 1.1. Огива Гальтона распределения предприятий по среднесуточному привесу
Между предприятиями имеются существенные различия в среднесуточном приросте: размах колебаний составляет 710-180=530г.
Возрастание среднесуточного привеса от хозяйства к хозяйству происходит в основном плавно, с небольшими скачками. Поскольку между хозяйствами различия достаточно небольшие, то выделить типические группы на основе анализа ранжированного ряда в данном случае затруднительно. Поэтому далее необходимо построить интервальный ряд распределения хозяйств, оценить качественное состояние каждой группы путем построения промежуточной аналитической группировки и перейти от нее к типическим группам хозяйств.
Построим интервальный ряд по среднесуточному привесу. Решим вопрос о числе групп, на которые следует разделить совокупность хозяйств.
Приближенно число групп n можно определить по формуле 1.1
n=1+3,3*lgN (1.1)
где N=21 – общая численность единиц в совокупности. В нашем случае число групп составит n= 5 групп.
СПК «Нива» имеет среднесуточный привес равный 710г, а это число значительно отличается от предшествующего ему, поэтому данные хозяйство целесообразно выделить в отдельную группу. Таким образом, остальные хозяйства мы будем делить на 4 группы (n1 = 4).
Далее установим величину интервала h по формуле 1.2.
h=(Xmax – Xmin)/n1, (1.2)
где Xmax = 557 – максимальное значение признака, а Xmin = 180 – минимальное значение. Величина интервала составит: n = (557-180)/4=94,25 = 95. Тогда верхняя граница первой группы составит 180+95=275г, второй – 275+95=370г, третьей – 370+95=465г, четвертой – 465+95=560г, а пятой соответственно – 710г. Распределим хозяйства по установленным группам (приложение 1) и подсчитаем их число в группах (табл. 1.2 и рис. 1.2).
Таблица 1.2
Интервальный ряд распределения хозяйств по среднесуточному привесу
| № группы | Группы по среднесуточному привесу, г. | Число хозяйств |
1 | 2 | 3 |
I | До 275 | 5 |
| II | 275-370 | 6 |
| III | 370-465 | 5 |
| IV | 465-560 | 4 |
| V | 560-710 | 1 |
Итого | 21 | |
Рис. 1.2. Интервальный ряд распределения хозяйств по среднесуточному привесу.
Интервальный ряд распределения показывает, что в совокупности в основном преобладают хозяйства со среднесуточным привесом от 275 до 370г, в группе с высоким среднесуточным привесом находится только одно хозяйство. Поэтому некоторые из групп необходимо объединить и укрупнить. Можно объединить только те, которые имеют сходные признаки, т.е. качественно однородные группы. Для этого нам необходимо провести оценку полученных групп, рассчитав ряд необходимых показателей, по которым и будет проводиться объединение.
1.2. Анализ типических групп
Рассчитаем и проанализируем по группам интервального ряда наиболее важные показатели, влияющие на уровень производства мяса КРС: среднесуточный привес, количество голов на одного работника, затраты на одну голову, затраты на основную продукцию в общих затратах. Для этого по каждой группе хозяйств подсчитаем общую сумму следующих показателей: получено прироста, ц.; среднегодовой поголовье, гол.; численность работников, чел.; затраты на все стадо, тыс. руб.
Таблица 1.3
Сводные данные по группам хозяйств
| Номер группы | Количество хозяйств | Группа по среднесуточному привесу, г | Получено прироста, ц | Затраты на стадо, тыс. руб. | Среднегодовое поголовье, гол. | Чесиленность работников, гол. |
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| I | 5 | До 270 | 1130 | 6859 | 1125 | 270 |
| II | 6 | 275-370 | 4282 | 19334 | 3137 | 586 |
| III | 5 | 370-465 | 2960 | 17213 | 2247 | 521 |
| IV | 4 | 465-560 | 7615 | 35103 | 3572 | 1012 |
| V | 1 | 560-710 | 1074 | 4337 | 377 | 130 |
Итого | 17061 | 82846 | 10458 | 2519 | ||
Используя данные таблицы 1.3 рассчитаем нужные нам показатели для объединения хозяйств в три группы (таблица 1.4).
Показатели среднесуточного привеса, приходится голов на одного работника, затраты на 1 голову и затраты на основную продукцию в общих затратах в хозяйствах I и II групп примерно одинаковые, поэтому их можно рассматривать как низшую группу. Между группами III и IV качественных различий нет, поэтому их целесообразно объединить в среднюю типическую группу. В высшую группу таким образом войдет одно хозяйство. Но оно имеет самые высокие показатели по среднесуточному привесу, а так же по затратам на 1 голову, поэтому его можно выделить в высшую группу.
Таблица 1.4
Промежуточная аналитическая группировка
| Номер группы | Количество хозяйств | Группа по среднесуточному привесу, г | Среднесуточный привес на 1 хозяйство, г. | Приходится голов на одного работника, гол. | Затраты на 1 голову, тыс. руб. | Затраты на основную продукцию в общих затратах, тыс. руб. |
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| I | 5 | До 270 | 228 | 4,6 | 6,7 | 0,64 |
| II | 6 | 275-370 | 335 | 5,4 | 6,2 | 0,69 |
| III | 5 | 370-465 | 413 | 3,8 | 7,7 | 0,77 |
| IV | 4 | 465-560 | 502 | 3,8 | 9,8 | 0,75 |
| V | 1 | 560-710 | 710 | 2,9 | 11,5 | 0,71 |
Итого в среднем | 438 | 4,1 | 8,4 | 0,71 | ||
Таким образом, в данной совокупности на основании промежуточной аналитической группировки следует выделить три типические группы: низшую – 11 хозяйств, среднего уровня – 9 хозяйств и высшую – одно хозяйство.
1.3. Показатели интенсификации
Выделим относительные статистические показатели, которые необходимо далее рассчитать для выявления по типическим группам уровня производства мяса КРС и наиболее существенных различий в нем. Рассмотрим такие показатели, как получено прироста на одну голову, на одного работника, на 1 руб. затрат, среднесуточный привес, цена реализации 1ц. мяса, выручено на одну голову, реализовано на одну голову.
Таблица 1.5
Показатели производства и реализации мяса КРС
| Показатели | Группа хозяйств по уровню | В среднем по совокупности | ||
| низшая | средняя | высшая | ||
1 | 2 | 3 | 4 | 5 |
Число хозяйств | 11 | 9 | 1 | 21 |
| Получено прироста на 1гол.,ц | 1,2 | 1,8 | 2,8 | 2,0 |
| Получено прироста на 1 работника, ц | 6,2 | 6,9 | 8,3 | 7,1 |
| Среднесуточный привес, г | 350 | 447 | 710 | 502 |
| Получено прироста на 1руб. затрат, кг. | 0,019 | 0,019 | 0,025 | 0,021 |
| Цена реализации 1ц. реализованного мяса, руб. | 2104 | 2257 | 2551 | 2304 |
| Выручено на 1 голову, тыс. руб.. | 4,1 | 5,0 | 6,2 | 5,1 |
| Реализовано на 1 голову, ц. | 2,0 | 2,2 | 2,4 | 2,2 |
Как видно из таблицы 1.5, в совокупности преобладают хозяйства со средним уровнем производства мяса КРС (11 хозяйств), хотя группа хозяйств с низшим уровнем незначительно отличается по численности.
Сравним значения показателей в крайних группах. В высшей группе получено прироста на одну голову больше, чем в низшей, на 2,8 – 1,2 = 1,6 ц., на одного работника на 8,3 – 6,2 = 2,1 ц., на 1 руб. затрат на 0,007 ц., цена реализации выше на 447 руб., выручено на 1 голову на 2,1 тыс. руб. больше, реализовано на 1 голову на 0,4 ц. больше.
Для высшей группы характерно сочетание высокого уровня всех показателей производства мяса КРС, а для низшей – низкого.
ГЛАВА
II
. Статистико-экономический анализ эффективности производства мяса КРС по совокупности хозяйств.
2.1. Комбинированная группировка по двум признакам
Необходимо определить влияние среднесуточного привеса и прироста в расчете на 1 руб. затрат на прирост в расчете на одного работника и другие показатели эффективности производства мяса КРС.
Выделим типические группы по намеченным признакам. Выделим три типические группы хозяйств по среднесуточному привесу, для этого необходимо определить интервалы по формуле 2.1.
h1=(Xmax1 – Xmin1)/3 (2.1)
Таким образом, получим h1=(710-180)/3=177, 180+177=357, 357+177=534. Значит, хозяйства подразделяются на 1) до 357г., 2) 357-534г., и 3) более 534г.
Кроме того, каждая группа подразделяется на подгруппы по второму признаку – прирост в рассчете на 1 руб. затрат, интервалы которых определяются по формуле h2=(Xmax2 – Xmin2)/2, h2=(0,037-0,013)/2=0,012, 0,013+0,012=0,025. По второму признаку хозяйства делятся на 1) до 0,025кг и 2) более 0,025кг.
Проанализируем, приведенные в таблице 2.1, данные. Как видно, не в каждой группе по среднесуточному привесу имеются хозяйства со всеми выделенными интервалами подгрупп по приросту в расчете на 1 рубль затрат. Следует так же отметить неравномерность распределения численности по подгруппам внутри групп. Так, в первой группе преобладают хозяйства с приростом на 1 рубль затрат менее 0,025 кг. – 9 хозяйств, тогда как с приростом более 0,025 кг. нет ни одного хозяйства. Во второй – 6 хозяйств с приростом менее 0,025 кг. и 4 хозяйства – более 0,025 кг. В группе со среднесуточным привесом более 534 г. в обеих подгруппах по одному хозяйству, и значения существенно не отличаются.
Таблица 2.1
Влияние среднесуточного привеса и прироста в расчете на 1 руб. затрат на прирост в расчете на 1 работника и другие показатели эффективности производства мяса КРС.
| № группы | Группы по среднесуточному привесу, г | Подгруппы по приросту в расчете на 1 руб. затрат, кг | Число хозяйств | Прирост в расчете на 1 работника, ц | Приходится голов на 1 работника, гол. |
| 1 | 2 | 3 | 4 | 5 | 6 |
| 1 | до 357 | до 0,025 | 9 | 5,4 | 4,6 |
| более 0,025 | - | - | - | ||
| Итого по 1 группе | 9 | 5,4 | 4,6 | ||
| 2 | 357-534 | до 0,025 | 6 | 5,4 | 2,9 |
| более 0,025 | 4 | 10,4 | 6,6 | ||
| Итого по 2 группе | 10 | 7,9 | 4,7 | ||
| 3 | более 534 | до 0,025 | 1 | 8,3 | 2,9 |
| более 0,025 | 1 | 8,8 | 3,9 | ||
| Итого по 3 группе | 2 | 8,6 | 3,4 | ||
| Всего | 21 | 7,3 | 4,2 | ||
| Подгруппы по приросту на 1 руб. затрат | до 0,025 | 16 | 6,4 | 3,5 | |
| более 0,025 | 5 | 9,6 | 5,3 | ||
С ростом среднесуточного привеса увеличивается прирост в расчете на 1 рубль затрат, следовательно, изучаемые группировочные признаки взаимосвязаны между собой. Сопоставление уровней прироста на 1 работника и количества голов в расчете на 1 работника показывает их закономерное увеличение по группам и подгруппам.
Проведем более подробный анализ прироста в расчете на одного работника (таблица 2.2)
Таблица 2.2
Прирост в расчете на 1 работника в зависимости от среднесуточного привеса и прироста на 1 руб. затрат.
| Группы по среднесуточному привесу, г. | Подгруппы по приросту в расчете на 1 руб. затрат, кг. | В среднем | |
| До 0,025 | Более 0,025 | ||
| До 357 | 5,4 | - | 5,4 |
| 357 - 534 | 5,4 | 10,4 | 7,9 |
| Более 534 | 8,3 | 8,8 | 8,6 |
| В среднем | 6,4 | 6,4 | 7,3 |
Оценим вначале влияние на прирост в расчете на 1 работника среднесуточного привеса при равном значении другого группировочного признака – прироста на 1 рубль затрат. Как видно, в группу с приростом на 1рубль затрат более 0,025 кг. и среднесуточным привесом менее 357 г. не вошло ни одного хозяйства.
Так, при приросте в расчете на 1 рубль затрат да 0,025 кг. прирост в расчете на 1 работника увеличивается по мере увеличения среднесуточного привеса с 5,4 ц. в 1 группе до 8,3 в 3. Повышение прироста в расчете на 1 работника от повышения среднесуточного привеса в группе 3 по сравнению с первой и второй группой составляет 8,3 – 5,4 = 2,9 ц. При приросте в расчете на 1 рубль затрат свыше 0,025 кг понижение прироста в расчете на 1 работника от повышения среднесуточного привеса равно 8,8 – 10,4 = - 1,6 ц.
Таким же образом оценим влияние на прирост в расчете на 1 работника прироста в расчете на 1 рубль затрат при фиксированном уровне среднесуточного привеса. Увеличение в третьей подгруппе по сравнению с остальными составляет:
- в группе со средним среднесуточным привесом: 10,4 – 5,4 = 5 ц;
- в группе с высоким среднесуточным привесом: 8,8 – 8,3 = 0,5 ц.
Совместное влияние двух факторов оценивается сопоставлением прироста в расчете на 1 работника при самых низких уровнях обоих факторов – 5,4 ц, и при самых высоких – 8,8. Повышение прироста, в расчете на 1 работника от совместного влияния факторов, включая их прямое действие и взаимодействие, составляет 8,8 – 5,4 = 3,4 ц.
2.2. Корреляционно – регрессионный анализ
Задачи корреляционного анализа сводятся к измерению тесноты известной связи между варьирующими признаками, определению неизвестных причинных связей (причинный характер которых должен быть выяснен с помощью теоретического анализа) и оценки факторов, оказывающих наибольшее влияние на результативный признак.
Задачами регрессионного анализа являются выбор типа модели (формы связи), установление степени влияния независимых переменных на зависимую и определение расчётных значений зависимой переменной (функции регрессии).
Решение всех названных задач приводит к необходимости комплексного использования этих методов.
В качестве результативного признака возьмем себестоимость 1 ц. мяса, а в качестве факторных признаков: затраты на корма на 1 корову и прирост на 1 руб. затрат.
Для проведения корреляционно-регрессионного анализа составим модель множественной линейной связи, которая будет иметь вид:
y = a0 + a1 x1 + a2 x2,
где у – результативный признак (себестоимость 1 ц. мяса, руб);
факторные признаки:
x1 –затраты на корма на 1 корову, тыс. руб;
x2–и прирост на 1 руб. затрат;
a1 , a2 - коэффициенты (параметры) линейной регрессии;
Поскольку a0является средним значением ув точке x1= x2 = 0, экономическая интерпретация часто затруднена или вообще невозможна.
Показатели тесноты связи дает возможность охарактеризовать степень зависимости вариации результативного признака от вариации признака-фактора. Одним из показателей степени тесноты связи является линейный коэффициент корреляции – r.
Вычисленные коэффициенты корреляции приведены в таблице. Они могут принимать значения от –1 до +1. Чем ближе коэффициент корреляции по абсолютной величине к 1 , тем теснее связь между ними. Знак при коэффициенте указывает на направление связи: «+» – прямая зависимость, «–» - обратная зависимость.
Таблица 2.2
Линейные коэффициенты корреляции
| | Столбец 1 | Столбец 2 | Столбец 3 |
| Столбец 1 | 1 | | |
| Столбец 2 | 0,633389 | 1 | |
| Столбец 3 | -0,18076 | -0,12668 | 1 |
Рассматривая полученные коэффициенты, можно сказать, что между себестоимостью 1 ц. мяса и затратами корма на 1 корову существует средняя сила связи, т.к. r = 0,6334. А прирост на 1 руб. затрат практически не оказывает влияния на себестоимость, т.к. r = -0,1808.
Ниже в таблице приведены рассчитанные коэффициенты множественной корреляции и детерминации (таблица 2.3).
Таблица 2.3
Регрессионная статистика
| Множественный R | 0,6414438 |
| R-квадрат | 0,4114501 |
| Нормированный R-квадрат | 0,3460557 |
| Стандартная ошибка | 1,7457818 |
| Наблюдения | 21 |
Коэффициент множественной корреляции свидетельствует о возможном наличии достаточно тесной обратной зависимости между рассматриваемыми признаками. Множественный R = 0,64, это показывает, что связь средней силы. Коэффициент множественной детерминации (R2) равен 0,41 означает, что вариация себестоимости 1 ц. мяса объясняется на 41% вариацией затрат на корма на 1 корову и приростом на 1 руб. затрат. А 59% вариации объясняется неучтенными факторами
Проведем оценку модели на адекватность.
Таблица 2.4
Дисперсионный анализ
| | df | SS | MS | F | Значимость F |
| Регрессия | 2 | 38,35185619 | 19,17592809 | 6,291822752 | 0,00847324 |
| Остаток | 18 | 54,85957238 | 3,047754021 | | |
| Итого | 20 | 93,21142857 | | | |
Данные корреляционно-регрессионного анализа показывают, что эмпирическое значение F критерия Фишера = 6,29 при значимости F 0,00847. Из таблицы 5% уровня распределения находим F теоретическое =3,07.
F теор. < F эмпир., следовательно, модель адекватна.
Исходя из полученных значений (приложение 2), уравнение регрессии зависимости себестоимости 1 ц. мяса, затрат на корма на 1 корову и прироста на 1 руб. затрат имеет вид:
Y = 1,89+ 0,22*X1 – 9,6*X2
Так же, анализируя коэффициенты уравнения регрессии, можно сказать, что = 1,89 – условное начало; а1– коэффициент чистой регрессии при первом факторе показывает, что при увеличении затрат на корма на 1 тыс. руб. себестоимость 1 ц. мяса возрастает на 0,22 руб. а2– коэффициент чистой регрессии показывает, что при увеличении прироста на 1 руб затрат на 1 кг. себестоимость 1 ц. снижается на 9,6 руб.
Чтобы лучше сравнить факторы, необходимо рассчитать коэффициенты эластичности (Э1 и Э2) и бета-коэффициенты. Для расчетов воспользуемся данными из приложения 3.
Э1 = 0,22* (11,4/4,16) = 0,6029
Коэффициент показывает, что при увеличении затрат на корма на 1 корову на 1%, себестоимость увеличивается на 0,6029%.
Э2 = -9,6* (0,025/4,16) = -0,9984
Коэффициент показывает, что при увеличении прироста на1 руб. затрат на 1%, себестоимость уменьшается на 0,9984%.
b1 = 0,22 * 741,6 / 93,2 = 1,75
Коэффициент показывает, что при увеличении затрат на корма на 1 корову на 741,6 руб., себестоимость увеличится на 1,75 * σу.
b2 = -9,6 * 0,01 / 93,2 = -0,001
Коэффициент показывает, что при увеличении прироста на 1 руб. затрат на 0,01 кг., себестоимость уменьшится на 0,001 * σу.
Если объем выборочной совокупности достаточно мал, используют критерий проверки гипотезы об отсутствии корреляционной связи между факторами, предложенный Р.А Фишером. При этом величина t эмпир. Распределена по закону Стьюдента с (n-m-1) степенями свободы.
Проведем оценку параметров уравнения множественной по критерию t Стьюдента. По данным корреляционно-регрессионного анализа имеем t0 эмпир. = 1,94; t1 эмпир. = 3,4; t2 эмпир. = -0,6. При уровне значимости 0,05, числе степеней свободы – 18, t теорит. = 2,1.
Если сравнить полученные t эмпирич. с критическим значением из таблицы Стьюдента, где ν=18, а α=0,05, то значение t-критерия будет меньше табличного, что говорит о несущественной корреляционной связи между себестоимостью 1 ц. мяса и приростом на 1 руб. затрат.
Таким образом, построенная регрессионная модель y = a0 + a1 x1 + a2 x2 в целом неадекватна, и выводы полученные по результатам малой выборки нельзя с достаточной вероятностью распространить на всю генеральную совокупность.
2.3. Индексный анализ
По типическим группам имеются данные по производству мяса КРС (таблица). Требуется установить общее изменение в уровне производства мяса в третьей типической группе по сравнению с первой группой и определить в какой мере эти изменения произошли за счет прироста на 1 голову, поголовья на 1 работника и себестоимости 1 ц. полученного прироста.
Таблица 2.5
Расчет данных
| Вид продукции | Исходные данные | Расчетные данные | ||||||||||
| Получено прироста на 1 гол, ц | Поголовье на 1 раб. гол. | Себестоимость 1ц прироста, руб. | Получено прироста на 1 работника, ц | Себестоимость прироста, полученного от 1 головы, руб. | ||||||||
| q0 | q1 | s0 | s1 | z0 | z1 | q0s0 | q1s1 | q1s0 | q0z0 | q1z1 | q1z0 | |
| Мясо | 1,2 | 2,8 | 5,0 | 2,9 | 6273 | 4768 | 6 | 8,12 | 14 | 7528 | 13350 | 17564 |
q0, q1 – получено прироста на 1голову в 1-ой и в 3-ей типических группах;
s0, s1 – поголовье на 1 работника в 1-ой и 3-ей типичских группах;
z0, z1 – себестоимасть 1ц прироста в 1-ой и 3-ей типичских группах;
q0s0, q1s1 – получено прироста на 1 работника в 1-ой и 3-ей типичских группах;
q0z0, q1z1 – себестоимость прироста, полученного от 1 головы в 1-ой и 3-ей типичских группах;
q1s0 – условный прирост, полученный на 1 работника;
q1z0 – условная себестоимость прироста, полученного от 1 головы.
Пользуясь этими обозначениями, запишем индексы, которые нужно вычислить:
1. Индекс производства продукции – получено прироста на 1 работника:
Iпр-ва = å(q1*s1)/å(q0*s0) = å(q1*s1)/å(q0*s1)*( å(q0*s1)/å(q0*s0)) (2.4)
2. Индекс себестоимости:
Ic/c = å (q1*z1)/ å (q0*z0) (2.5)
Вычислим индексы:
Iпр-ва = 8,12/6 = 1,35
Индекс производства показывает, что в третьей типической группе получено прироста на 1 работника на 35% больше, чем в первой типической группе.
Ic/c = 13350/17564 = 0,7601
Полученный значение индекса себестоимости показывает, что в третьей типической группе себестоимость прироста, полученного от 1 головы меньше, чем в первой типической группе на 23,99%. Экономия в затратах составила: å (q1*z1) - å (q1*z0) = 13350 – 17564 = - 4214 тыс. руб.
ГЛАВА
III.
Анализ рядов динамики эффективности производства мяса КРС на примере ООО «Правда» Дзержинского района Калужской области
3.1. Анализ рядов динамики
Важной задачей статистики является изучение изменений явлений общественной жизни во времени. Для решения ее необходимо иметь данные по определенному кругу показателей на ряд моментов времени или за ряд промежутков времени, следующих друг за другом.
Ряд расположенных в хронологической последовательности значений статистических показателей, представляет собой динамический ряд.
Статистические показатели, характеризующие изучаемое общественное явление, называют уровнями ряда.
Для выявления закономерного систематического изменения уровня рядов динамики, свободного от случайных колебаний и отражающего тенденцию их развития, применяют ряд приемов: укрупнение периодов, расчет скользящих средних, выравнивание рядов разными приемами. Если условия формирования уровней ряда качественно или достаточно существенно меняются, выделяются разные периоды.
В таблице 3.1 представлены динамические ряды по различным показателям: количество голов на 1 работника, среднесуточный привес и доля затрат на основную продукцию в общих затратах.
Анализируя данные таблицы, можно сказать, что наибольший среднесуточный привес был в 2004 году – 383 г, в 1996 году на 1 работника приходилось наибольшее количество голов – 9,2, доля затрат на основную продукцию была самой большой в 2003 году.
Таблица 3.1
Динамические ряды количества голов на 1 работника, среднесуточного привеса и доли затрат на основную продукцию в общих затратах.
| Год | Среднесуточный привес, г | Количество годов на 1 работника, гол | Доля затрат на животноводство в общих затратах |
| 1 | 2 | 3 | 4 |
| 1995 | 323 | 9,1 | 0,70 |
| 1996 | 261 | 9,2 | 0,70 |
| 1997 | 341 | 8,9 | 0,67 |
| 1998 | 345 | 8,9 | 0,74 |
| 1999 | 294 | 7,3 | 0,75 |
| 2000 | 331 | 7,0 | 0,69 |
| 2001 | 294 | 6,3 | 0,72 |
| 2002 | 365 | 6,0 | 0,78 |
| 2003 | 127 | 5,3 | 0,88 |
| 2004 | 383 | 4,1 | 0,81 |
Определим аналитические показатели ряда динамики анализируемых показателей за 1995-2004 годы: абсолютные приросты, темпы роста, темпы прироста, абсолютные значения 1% прироста.
Показатели динамики с постоянной базой (базисные показатели) характеризуют окончательный результат всех изменений в уровнях ряда от периода, к которому относится базисный уровень, до данного периода. Показатели динамики с переменной базой (цепные показатели) характеризуют интенсивность изменения уровня от периода к периоду в пределах изучаемого промежутка времени.
Абсолютный прирост (А) определяется, как разность между двумя уровнями динамического ряда и показывает, насколько данный уровень ряда превышает уровень, принятый за базу сравнения. Таким образом, его можно определить по формулам:
Аi= уi–уi-1 (3.1) - цепные,
Аi= уi–у0 (3.2) – базисные.
Коэффициент роста (К) определяется как отношение двух сравниваемых уровней и показывает, во сколько раз данный уровень превышает уровень базисного периода. Он определяется по формулам:
Кi = yi / yi-1 ( 3.3) - цепные,
Кi= yi / y0 (3.4) – базисные.
Темп прироста показывает на сколько процентов уровень данного периода больше или меньше базисного уровня. Его можно рассчитать по формуле 3.5.
Тi=(Аi/yi-1)*100% (3.5)
Абсолютное значение 1% прироста (Ai) рассчитывают как отношение абсолютного прироста к темпу прироста в % за тот же период времени.
Ниже в таблице 3.2 приведены расчеты показателей динамики для среднесуточного привеса.
Таблица 3.2
Динамика среднесуточного привеса
| Годы | Среднесуточный привес, г | Абсолютные приросты, г | Темпы роста, % | Темпы прироста, % | Абсолютное значение 1% прироста, г | |||
| цепные | базисные | цепные | базисные | цепные | базисные | |||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| 1995 | 323 | - | - | - | 100 | - | - | - |
| 1996 | 261 | -62 | -62 | 80,80 | 80,80 | -0,19 | -19 | 323 |
| 1997 | 341 | 80 | 18 | 130,65 | 105,57 | 0,31 | 6 | 261 |
| 1998 | 345 | 4 | 22 | 101,17 | 106,81 | 0,01 | 7 | 341 |
| 1999 | 294 | -51 | -29 | 85,22 | 91,02 | -0,15 | -9 | 345 |
| 2000 | 331 | 37 | 8 | 112,59 | 102,48 | 0,13 | 2 | 294 |
| 2001 | 294 | -37 | -29 | 88,82 | 91,02 | -0,11 | -9 | 331 |
| 2002 | 365 | 71 | 42 | 124,15 | 113,00 | 0,24 | 13 | 294 |
| 2003 | 127 | -238 | -196 | 34,79 | 39,32 | -0,65 | -61 | 365 |
| 2004 | 383 | 256 | 60 | 301,57 | 118,58 | 2,02 | 19 | 127 |
Анализируя данные таблицы, можно сделать вывод, что среднесуточный привес колеблется по годам, в сравнении с 1995 годом в 2004 он увеличился на 60 г. Темпы роста и прироста так же колеблются. Среднесуточный привес увеличился с 1996 с 6% до 19%. Абсолютное значение 1% прироста уменьшилось с 323 г. в 1996 году до 127 г. в 2004 году.
Показатели динамики для количества голов на 1 работника приведены в таблице 3.3.
Таблица 3.3
Динамика количества голов на 1 работника
| Годы | Количество голов на 1 работника, гол | Абсолютные приросты, гол | Темпы роста, % | Темпы прироста, % | Абсолютное значение 1% прироста, гол | |||
| цепные | базисные | цепные | базисные | цепные | базисные | |||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| 1995 | 9,1 | - | - | - | 100 | - | - | - |
| 1996 | 9,2 | 0,1 | 0,1 | 101,10 | 101,10 | 0,01 | 1 | 9,1 |
| 1997 | 8,9 | -0,3 | -0,2 | 96,74 | 97,80 | -0,03 | -2 | 9,2 |
| 1998 | 8,9 | 0 | -0,2 | 100,00 | 97,80 | 0,00 | -2 | - |
| 1999 | 7,3 | -1,6 | -1,8 | 82,02 | 80,22 | -0,18 | -20 | 8,9 |
| 2000 | 7,0 | -0,3 | -2,1 | 95,89 | 76,92 | -0,04 | -23 | 7,3 |
| 2001 | 6,3 | -0,7 | -2,8 | 90,00 | 69,23 | -0,10 | -31 | 7 |
| 2002 | 6,0 | -0,3 | -3,1 | 95,24 | 65,93 | -0,05 | -34 | 6,3 |
| 2003 | 5,3 | -0,7 | -3,8 | 88,33 | 58,24 | -0,12 | -42 | 6 |
| 2004 | 4,1 | -1,2 | -5 | 77,36 | 45,05 | -0,23 | -55 | 5,3 |
Как видно из таблицы количество голов на 1 работника постоянно снижается по годам. Темпы роста и прироста так же уменьшаются. Количество голов на 1 работника уменьшилось с 1997 года с - 2% до - 55%. Абсолютное значение уменьшилось с 9,1 гол. в 1996 году до 5,3 гол. в 2004 году.
В таблице 3.4 рассчитаны показатели динамики для доли затрат на животноводство в общих затратах.
Анализируя показатели, можно заметить, что доля затрат на животноводство снижается к 2000 году, а потом увеличивается. Темпы роста и прироста колеблются таким же образом, и к 2004 году показатель превышает значение в 1995 году. Абсолютное значение 1 % прироста с 0,7 в 1997 году, уменьшилось до 0,69 в 2001 году, а потом снова увеличилось до 0,88 к 2004 году.
Таблица 3.4
Динамика доли затрат на животноводство в общих затратах.
| Годы | Для затрат на животноводство в общих затратах | Абсолютные приросты | Темпы роста, % | Темпы прироста, % | Абсолютное значение 1% прироста | |||
| цепные | базисные | цепные | базисные | цепные | базисные | |||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| 1995 | 0,70 | - | - | - | 100 | - | - | - |
| 1996 | 0,70 | 0 | 0 | 100,00 | 100,00 | 0,00 | 0,00 | - |
| 1997 | 0,67 | -0,03 | -0,03 | 95,71 | 95,71 | -0,04 | -4 | 0,7 |
| 1998 | 0,74 | 0,07 | 0,04 | 110,45 | 105,71 | 0,10 | 6 | 0,67 |
| 1999 | 0,75 | 0,01 | 0,05 | 101,35 | 107,14 | 0,01 | 7 | 0,74 |
| 2000 | 0,69 | -0,06 | -0,01 | 92,00 | 98,57 | -0,08 | -1 | 0,75 |
| 2001 | 0,72 | 0,03 | 0,02 | 104,35 | 102,86 | 0,04 | 3 | 0,69 |
| 2002 | 0,78 | 0,06 | 0,08 | 108,33 | 111,43 | 0,08 | 11 | 0,72 |
| 2003 | 0,88 | 0,1 | 0,18 | 112,82 | 125,71 | 0,13 | 26 | 0,78 |
| 2004 | 0,81 | -0,07 | 0,11 | 92,05 | 115,71 | -0,08 | 16 | 0,88 |
Рассматриваемые данные качественно разнородные, поэтому на основе анализа данных тенденцию выявить сложно.
3.2. Аналитическое выравнивание рядов динамики методом укрупнения периодов, по уравнению прямой и параболе и по скользящей средней
Одной из задач, возникающих при анализе рядов динамики, является установление закономерности изменения изучаемого показателя. В редких случаях закономерность изменения явления, общая тенденция его развития ясно отображается уровнями динамического ряда.
Но чаще приходится встречаться с такими рядами, в которых можно говорить лишь об общей тенденции изменения показателя.
Одним из наиболее простых приемов обнаружения общей тенденции развития показателя – укрупнение интервала динамического ряда. В качестве укрупненного интервала возьмем период – 3 года.
Расчеты проводились с помощью программы Dinamica. Результаты представлены в приложении.
Таким образом можно рассчитать абсолютные изменения среднесуточного привеса по укрупненным периодам 1999 год по сравнению с 1996 годом составляет 970 – 925 = 45; а 2002 год по сравнению с 1999 годом - 786 – 970 = -184 (приложение 4 на двух листах).
Количество голов на 1 работника изменится на: 27,20 - 23,20 = 4; 17,60 - 23,20 = -5,6 соответственно (приложение 5 на двух листах).
Доля затрат на основную продукцию в общих затратах увеличилась сначала на 2,18 – 1,47 = 0,71, а потом на 2,38 – 2,18 = 0,2 (приложение 6 на двух листах).
Выявление основной тенденции может быть осуществлено так же методом скользящей средней.
Для выявления тенденции можно использовать уравнение прямой:
yi = a0 + a1 * t и уравнение параболы: yi = a0 + a1 * t + a2 * t2.
Из данных приложения видно, что уравнение прямой для среднесуточного привеса имеет вид - y = 306,40 - 2,08t. Оно показывает, что в среднем каждый год среднесуточный привес уменьшается на 2,08 г, начиная с выравненного центрального уровня – 306,4 г.
Уравнение параболы имеет вид - y = 310,97 - 2,08t - 0,42t^2.
Проанализируем полученный коэффициенты: a0 = 310,97 - выровненный уровень среднесуточного привеса для центрального года динамического ряда; a1 = - 2,08- среднее уменьшение среднесуточного привеса за год; a2 = - 0,42 - ускорение снижения.
Для того, чтобы определить, какой из видов кривых наиболее точно описывает ряд, сравним среднеквадратические отклонения. Исходя из полученных данных, можно сделать вывод, что наиболее точно ряд описывает парабола, так как отклонение по ней меньше, чем по прямой.
Можно сделать прогнозные оценки по среднесуточному привесу по годам 2005-2007. Прогноз проводится по параболе. Согласно прогнозу среднесуточный привес в 2005 году составит 283,51 г, в 2006 - 276,03 г, в 2007 - 267,71 г.
Аналогичным образом проведем выравнивание по количеству голов на 1 работника. В результате было получено следующее уравнение прямой y = 7,21 – 0,5t. Уравнение показывает, что в среднем каждый год количество голов на 1 работника уменьшается на 0,5 гол, начиная с выравненного центрального уровня – 7,21 гол.
После проведения выравнивания по уравнению параболы, мы получаем его в следующем виде - y = 7,53 - 0,50t - 0,03t^2.
Проанализируем полученный коэффициенты: a0 = 7,53 - выровненный уровень количества голов на 1 работника для центрального года динамического ряда; a1 = 0,50 - среднее увеличение на 1 работника за год; a2 = 0,03 - ускорение роста.
По уравнению параболы прогноз на 2005-2007 гг. составит: 3,49 гол; 2,61гол. и 1,67гол. соответственно.
И наконец, проведем выравнивание по доле затрат на животноводство в общих затратах.
В результате получим следующее уравнение прямой: y = 0,68 + 0,03t. Уравнение показывает, что в среднем каждый год доля затрат за основную продукцию увеличивается на 0,03, начиная с выровненного центрального уровня 0,68.
При выравнивании ряда по уравнению параболы были получены параметры: a0 = 0,64 выровненный уровень доли затрат на животноводство в общих затратах для центрального года динамического ряда; a1 = 0,03 среднее увеличение доли затрат за год; a2 = 0,00 – ускорения роста нет.
Следовательно уравнение параболы имеет вид: y = 0,64 + 0,03t + 0,00t^2.
По полученному уравнению прогноз составит: 2005 г. – 0,88; 2006 г. – 0,92; 2007 г. – 0,96.
Таким образом проанализировав три показателя, заметна тенденция к их уменьшению, кроме доли затрат на животноводство в общих затратах.
Метод укрупнения и выравнивания по скользящей средней не позволил выявить основную тенденцию по динамическим рядам, поэтому мы вынуждены прибегнуть к другим методам выравнивания.
3.3. Индексный анализ
За последние два года (2003 г. и 2004 г.) имеются данные по производству мяса (таблица 3.5). Требуется установить общее изменение в уровне производства мяса в 2004 году по сравнению с 2003, и определить, в какой мере эти изменения произошли за счет прироста на 1 голову, поголовья на 1 работника и себестоимости 1ц. полученного прироста.
Таблица 3.5
Расчет данных
| Вид продукции | Исходные данные | Расчетные данные | ||||||||||
| Получено прироста на 1 гол, ц | Поголовье на 1 раб. гол. | Себестоимость 1ц прироста, руб. | Получено прироста на 1 работника, ц | Себестоимость прироста, полученного от 1 головы, руб. | ||||||||
| q0 | q1 | s0 | s1 | z0 | z1 | q0s0 | q1s1 | q1s0 | q0z0 | q1z1 | q1z0 | |
| Мясо | 1,1 | 3,6 | 5,3 | 4,1 | 8962 | 13104 | 5,83 | 14,76 | 19,08 | 9858 | 47174 | 32263 |
q0, q1 – получено прироста на 1голову в 2003г. и в 2004г;
s0, s1 – поголовье на 1 работника в 2003г. и в 2004г;
z0, z1 – себестоимасть 1ц прироста в 2003г. и в 2004г;
q0s0, q1s1 – получено прироста на 1 работника в 2003г. и в 2004г;
q0z0, q1z1 – себестоимость прироста, полученного от 1 головы в 2003г. и в 2004г;
q1s0 – условный прирост, полученный на 1 работника;
q1z0 – условная себестоимость прироста, полученного от 1 головы.
Пользуясь этими обозначениями, запишем индексы, которые нужно вычислить:
1. Индекс производства продукции – получено прироста на 1 работника:
Iпр-ва = å(q1*s1)/å(q0*s0) = å(q1*s1)/å(q0*s1)*( å(q0*s1)/å(q0*s0)) (3.6)
2. Индекс себестоимости:
Ic/c = å (q1*z1)/ å (q0*z0) (3.7)
Вычислим индексы:
Iпр-ва = 14,76/5,83 = 2,53
Индекс производства показывает, что в 2004 году получено прироста на 1 работника на 153% больше, чем в 2003 году.
Ic/c = 47174/9858 = 4,78
Полученное значение индекса себестоимости показывает, что 2004 году себестоимость прироста, полученного от 1 головы больше, чем в 2003 году на 378%.
3.4. Корреляционно – регрессионный анализ
Модель представляет собой логическое или математическое описание компонентов и функций, отображающих существенные свойства моделируемого объекта или процесса, даёт возможность установить основные закономерности изменения оригинала. В модели оперируют показателями, исчисленными для качественно однородных массовых явлений (совокупностей).
По количеству включаемых факторов модели могут быть однофакторными и многофакторными (два и более факторов).
Важнейшим этапом построения регрессионной модели (уравнения регрессии) является установление в анализе исходной информации математической функции. Сложность заключается в том, что из множества функций необходимо найти такую, которая лучше других выражает реально существующие связи между анализируемыми признаками. Выбор типов функции может опираться на теоретические знания об изучаемом явлении, опыт предыдущих аналогичных исследований, или осуществляться эмпирически – перебором и оценкой функций разных типов и т.п.
При изучении связи экономических показателей производства используют различного вида уравнения прямолинейной и криволинейной связи. Внимание к линейным связям объясняется ограниченной вариацией переменных и тем, что в большинстве случаев нелинейные формы связи для выполнения расчётов преобразуют (путём логарифмирования или замены переменных) в линейную форму.
Для проведения корреляционно-регрессионного анализа составим модель множественной линейной связи, которая будет иметь вид:
y = a0 + a1 x1 + a2 x2,
где у – результативный признак (среднесуточный привес, г);
факторные признаки:
x1 –количество голов на 1 работника, гол.;
x2–доля затрат на животноводство в общих затартах;
a1 , a2 - коэффициенты (параметры) линейной регрессии;
Вычисленные линейные коэффициенты корреляции приведены в таблице 3.6.
Таблица 3.6
Коэффициенты парной корреляции
| Показатели | Среднесуточный привес | Количество голов на 1 работника | Доля затрат на животноводство в общих затратах |
| Среднесуточный привес | 1 | - | - |
| Количество голов на 1 работника | 0,088191 | 1 | - |
| Доля затрат на животноводство в общих затратах | -0,27718 | -0,49613 | 1 |
Как упоминалось ранее, чем ближе коэффициент корреляции по абсолютной величине к 1 , тем теснее связь между показателями. На основе этого, анализируя данные, можно сделать вывод, что связь между количеством голов на 1 работника и среднесуточным привесом очень мала, т. к. r = 0,088191. Маленькая сила связи существует так же между долей затрат на животноводство в общих затратах и среднесуточным привесом, т.к. r = -0,27718.
Далее проанализируем коэффициенты множественной корреляции и детерминации (приложение 7).
Множественный R = 0,28, это показывает, что связь между признаками очень мала. Коэффициент множественной детерминации (R2) равен 0,08 означает, что вариация среднесуточного привеса объясняется на 8% вариацией количества голов на 1 работника и долей затрат на животноводство в общих затратах. А 92% вариации объясняются неучтенными факторами
Данные корреляционно-регрессионного анализа показывают, что эмпирическое значение F критерия Фишера = 0,305.
При значимости 5% F = 3,79. F эмпир. < F теор., следовательно, модель неадекватна.
Остальные результаты расчетов представлены в приложении. Исходя из них, уравнение регрессии зависимости среднесуточного привеса от количества голов на 1 работника и доли затрат на животноводство в общих затратах имеет вид:
Y = 393,97 - 2,65 *X1 – 100,13*X2
Так же, анализируя коэффициенты уравнения регрессии, можно сказать, что = 393,97 –условное начало; а1– коэффициент чистой регрессии при первом факторе показывает, что при изменении количества голов на 1 работника на 1, среднесуточный привес уменьшается на 2,65 г. а2– коэффициент чистой регрессии показывает, что при изменении доли затрат на животноводство в общих затратах на 1, среднесуточный привес снижается на 100,13 г. При условии, что другой фактор остается неизменным.
Чтобы лучше сравнить факторы, необходимо рассчитать коэффициенты эластичности (Э1 и Э2) и бета-коэффициенты. Воспользуемся данными из приложения 8.
Э1 = 2,65* (7,21/306,4) = 0,062
Коэффициент показывает, что при увеличении количества голов на 1 работника на 1%, среднесуточный привес увеличивается на 0,062%.
Э2 = 100,13* (0,68/306,4) = 0,222
Коэффициент показывает, что при увеличении доли затрат на животноводство в общих затратах на 1%, среднесуточный привес увеличивается на 0,222%.
b1 = 2,65 * (28,91/47422,4) = 0,002
Коэффициент показывает, что при увеличении количества голов на 1 работника на 28,91 руб., среднесуточный привес увеличится на 0,002 * σу.
b2 = 100,13 * 0,45/47422,4 = 0,0009
Коэффициент показывает, что при увеличении доли затрат на животноводство в общих затратах на 1, себестоимость увеличится на 0,0009 * σу.
Для практического использования моделей регрессии большое значение имеет их адекватность, т.е. соответствие фактическим статистическим данным.
Корреляционный и регрессионный анализ обычно проводится для ограниченной по объёму совокупности. Поэтому показатели регрессии и корреляции – параметры уравнения регрессии, коэффициенты корреляции и детерминации могут быть искажены действием случайных факторов. Чтобы проверить, насколько эти показатели характерны для всей генеральной совокупности, не являются ли они результатом стечения случайных обстоятельств, необходимо проверить адекватность построенных статистических моделей.
Проведем оценку параметров уравнения множественной по критерию t Стьюдента. По данным корреляционно-регрессионного анализа имеем t0 эмпир. = 2,1; t1 эмпир. = - 0,16; t2 эмпир. = -0,74. При уровне значимости 0,05, числе степеней свободы – 7, t теорит. = 2,3.
Если сравнить полученные t эмпирич. с критическим значением из таблицы Стьюдента, где ν=7, а α=0,05, то значение t-критерия будет меньше табличного, что говорит о несущественной корреляционной связи среднесуточным привесом и анализируемыми факторами.
Таким образом, это еще раз доказывает, что построенная регрессионная модель Y = 393,97 - 2,65 *X1 – 100,13*X2 неадекватна, и выводы полученные по результатам малой выборки нельзя с достаточной вероятностью распространить на всю генеральную совокупность.
Можно сделать вывод, что а0, а1, а2 признаются незначимыми и подтверждается гипотеза о том, что каждый из этих параметров в действительности равен 0 , и лишь в силу случайных обстоятельств оказался равным проверяемой величине.
Выводы и предложения
1. В совокупности преобладают хозяйства со средним среднесуточным привесом. Группы с более низким и более высоким уровнем среднесуточного привеса имеют меньшую численность.
2. В совокупности преобладают хозяйства с низким уровнем производства мяса КРС, группа хозяйств с низшим уровнем незначительно отличается по численности, и только в высшую группу входит одно хозяйство.
3. Комбинированная группировка показала, что изучаемые группировочные признаки взаимосвязаны между собой – с ростом среднесуточного привеса увеличивается прирост в расчете на 1 рубль затрат.
4. Корреляционно-регрессионный анализ показал, что связь между факторным и результативным признаками достаточно низкая. Наибольшее влияние на результативный признак (себестоимость 1 ц. мяса) оказывают затраты корма на 1 корову.
5. Индексный анализ показал, что в третьей типической группе получено прироста на 1 работника на 35% больше, чем в первой. А так же в третьей типической группе себестоимость прироста, полученного от 1 головы меньше, чем в первой на 23,99%.
6. Анализ рядов динамики показал, что наибольшее значение среднесуточного привеса было зафиксировано в 2004 году. Так же можно сказать, что среднесуточный привес колеблется по годам, но в целом видна тенденция к увеличению. Количество голов на 1 работника уменьшается по годам. А доля затрат на животноводство снижается к 2000 году, а потом увеличивается.
7. После проведения укрупнения периодов в рядах динамики можно сделать следующий вывод: во втором периоде среднесуточный привес заметно увеличивается, в третьем - снижается. Согласно тренду, предполагается его дальнейшее снижение. Количество голов на 1 работника по укрупненным периодам так же снижается, в то время как доля затрат на животноводство в общих затратах растет.
8. При выравнивании ряда среднесуточного привеса уравнение прямой говорит о том, что в среднем каждый год среднесуточный привес уменьшается на 2,08 г, начиная с выравненного центрального уровня – 306,4 г., а уравнение параболы, что в среднем каждый год среднесуточный привес уменьшается на 2,08 г с ускорением 0,42 г., начиная с выровненного центрального уровня 310,97.
В среднем каждый год количество голов на 1 работника уменьшается на 0,5 гол, начиная с выравненного центрального уровня – 7,21 гол., а уравнение параболы, что в среднем каждый год количество голов на 1 работника уменьшается на 0,5 гол. с ускорением снижения 0,03 гол., начиная с выровненного центрального уровня 7,53.
Доля затрат за основную продукцию в среднем каждый год увеличивается на 0,03, начиная с выровненного центрального уровня 0,68, а уравнение параболы, что в среднем каждый год доля затрат за основную продукцию увеличивается на 0,03, начиная с выровненного центрального уровня 0,64, при этом ускорение слишком мало.
9. Индексный анализ в третьей главе в рядах динамики показал, что в 2004 году получено прироста на 1 работника на 153% больше, чем в 2003 году. А себестоимость прироста в 2004 году, полученного от 1 головы больше, чем в 2003 году на 378%.
10. Корреляционно-регрессионный анализ показал, что нет никакой связи между рассматриваемыми показателями (R = 0,28). Таким образом, вариация среднесуточного привеса объясняется только на 8% вариацией количества голов на 1 работника и долей затрат на животноводство в общих затратах. А 92% вариации объясняются неучтенными факторами. Значения коэффициентов эластичности и бета-коэффициентов, так же свидетельствуют о незначительной связи.
Список использованной литературы
1. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики: Учебник. - М.: ЮНИТИ. - 1998.
2. Брылев А.А., Чаусов Н.Ю., Лобода Н.Т., Полпудникова О.В.. Основы научно-исследовательской работы студентов; Издательский педагогический центр «Гриф» - Калуга, 2000. – 172 с.
3. Гусаров В.М.. Теория статистики, М.: ЮНИТИ, 2001. – 247с
4. Елисеева И.И., Юзбашев М.М., Общая теория статистики; М.: Финансы и статистика, 2002. – 480 с.
5. Зинченко А.П. и др. Практикум по общей теории статистики и сельскохозяйственной статистики: Учеб. пособие. М.: Финансы и статистика, 1988.-328 с.
6. . Зинченко А.П. и др. Практикум по статистике: Учеб. пособие для студентов высш. учеб. заведений. М.: Колос, 2003.-392с.
7. Практикум по теории статистики, под ред. Р.А. Шмойловой, М.: Финансы и статистика, 2001. - 456 с.
8. Свод данных по сельскохозяйственным предприятиям Калужской области за 1995-2004 годы.
Фишки
ЗАО «Кривское» БOPOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 4801 | 0,42 | 1976 | 11620 | -6819 | 2430 | -5817 | 856 | 1768 | 500 | 14432 | 8270 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 12354 | 360 | 4,9 | 2,1 | 2,4 | 13,3 | 5,6 | 5,5 | 2,3 | 3,5 | 0,014 | |
КЛХ «Борисово» БOPOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 2678 | 0,76 | 1310 | 4314 | -1636 | 2044 | -37,9 | 718 | 1086 | 363 | 5854 | 4413 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 4203 | 103 | 105 | 1,5 | 7,0 | 26,0 | 3,7 | 12,7 | 1,8 | 1,2 | 0,026 | |
СХ ООО «Швейцарское молоко» ДЗEPЖИHCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 377 | 0,79 | 150 | 920 | -543 | 2513 | -59,0 | 115 | 222 | 448 | 15278 | 9207 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 1757 | 36 | 6,2 | 1,9 | 3,2 | 10,5 | 3,3 | 4,2 | 1,3 | -3,6 | 0,013 | |
СЗАО «Редькинское» ДЗEPЖИHCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 2725 | 0,79 | 1158 | 4162 | -1437 | 2353 | -34,5 | 579 | 1073 | 457 | 6836 | 4452 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 3958 | 101 | 10,6 | 1,8 | 5,7 | 27,0 | 4,7 | 11,5 | 2 | -1,2 | 0,027 | |
СЗАО «Дзержинское» ДЗEPЖИHCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 401 | 1 | 192 | 863 | -462 | 2089 | -53,5 | 86 | 180 | 494 | 9395 | 6211 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 808 | 30 | 6 | 2,1 | 2,9 | 13,4 | 4,7 | 6,4 | 2,2 | -2,4 | 0,022 | |
ЗАО «Дзержинск-инвест» ДЗEPЖИHCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 517 | 0,61 | 220 | 643 | -126 | 2350 | -19,6 | 180 | 182 | 239 | 4478 | 5725 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 806 | 23 | 7,9 | 1,0 | 7,8 | 22,5 | 2,9 | 9,6 | 1,2 | -0,6 | 0,022 | |
СПК «Имени Чапаева» ДЗEPЖИHCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 2011 | 0,73 | 1020 | 3826 | -1815 | 1972 | -47,4 | 265 | 344 | 3,2 | 8321 | 7372 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 2205 | 56 | 6,1 | 1,3 | 4,7 | 35,9 | 7,6 | 18,2 | 3,8 | -1,8 | 0,016 | |
ООО «Калуга-агро» ДЗEPЖИHCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 1587 | 0,76 | 488 | 934 | 653 | 3252 | 69,9 | 380 | 556 | 356 | 3976 | 3385 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 1511 | 55 | 10,1 | 1,5 | 6,9 | 28,8 | 4,2 | 8,9 | 1,3 | 1,3 | 0,037 | |
СПК «Старки» ДЗEPЖИHCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 1867 | 0,74 | 927 | 3112 | -1246 | 2014 | -40,0 | 435 | 663 | 373 | 5699 | 4558 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 2479 | 63 | 10,5 | 1,5 | 6,9 | 29,6 | 4,3 | 14,7 | 2,1 | -1,3 | 0,027 | |
ООО «Правда» ДЗEPЖИHCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 1740 | 0,81 | 925 | 5090 | -3350 | 1881 | -65,8 | 425 | 691 | 383 | 12659 | 8962 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 5380 | 105 | 6,6 | 1,6 | 4,0 | 16,6 | 4,1 | 8,8 | 2,2 | -3,6 | 0,013 | |
СОАО «Угра» ДЗEPЖИHCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 3268 | 0,89 | 1238 | 7170 | -3902 | 2640 | -54,4 | 572 | 912 | 388 | 9699 | 6681 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 5548 | 200 | 4,6 | 1,6 | 2,9 | 16,3 | 5,7 | 6,2 | 2,2 | -3,1 | 0,016 | |
СПК «Виньковский» ФEPЗИKOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 1630 | 0,61 | 759 | 2624 | -944 | 2148 | -37,9 | 263 | 472 | 424 | 7791 | 5294 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 2049 | 117 | 4,0 | 1,8 | 2,2 | 13,9 | 6,2 | 6,5 | 2,9 | 1,3 | 0,023 | |
СПК «Октябрьский» ФEPЗИKOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 12815 | 0,77 | 5708 | 20880 | -8065 | 2245 | -38,6 | 2051 | 4594 | 557 | 8768 | 4640 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 17983 | 521 | 8,8 | 2,2 | 3,9 | 24,6 | 6,2 | 11,0 | 2,8 | 1,4 | 0,026 | |
СПК «Нива» ФEPЗИKOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 2329 | 0,71 | 913 | 3440 | -1111 | 2551 | -32,3 | 377 | 1074 | 710 | 11504 | 4768 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 4337 | 130 | 8,3 | 2,8 | 2,9 | 17,9 | 6,2 | 7,0 | 2,4 | 1,2 | 0,025 | |
ЗАО «Рассвет» ФEPЗИKOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 990 | 0,65 | 630 | 2325 | -1335 | 1571 | -57,4 | 281 | 247 | 180 | 6456 | 8538 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 1814 | 61 | 4,0 | 0,9 | 4,6 | 16,2 | 3,5 | 10,3 | 2,2 | 2,1 | 0,014 | |
| СПК «Сашкино» ФEPЗИKOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 298 | 0,75 | 168 | 699 | -401 | 1774 | -57,4 | 142 | 134 | 222 | 6218 | 7493 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 883 | 39 | 3,4 | 0,9 | 3,6 | 7,6 | 2,1 | 4,3 | 1,2 | 2,4 | 0,015 | |
КСП «Аристово» ФEPЗИKOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 1486 | 0.60 | 653 | 2199 | -713 | 2276 | -32.4 | 335 | 331 | 230 | 5412 | 6556 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 1813 | 77 | 4.3 | 1.0 | 4.4 | 19.3 | 4.4 | 8.5 | 1.9 | 1.1 | 0.018 | |
СПК «Кольцово» ФEPЗИKOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 400 | 0,59 | 234 | 987 | -587 | 1709 | -59,5 | 185 | 236 | 270 | 8341 | 8805 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 1543 | 70 | 3,4 | 1,3 | 2,6 | 5,7 | 2,2 | 3,3 | 1,3 | 2,5 | 0,015 | |
СПК «Сугоново» ФEPЗИKOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 1206 | 0,56 | 673 | 2122 | -916 | 1792 | -43,2 | 326 | 414 | 301 | 5445 | 5229 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 177 | 58 | 7,1 | 1,3 | 5,6 | 20,8 | 3,7 | 11,6 | 2,1 | 1,4 | 0,023 | |
СПК «Ферзиковский» ФEPЗИKOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 2396 | 0,63 | 1074 | 3567 | -1171 | 2231 | -32,8 | 359 | 525 | 341 | 6677 | 5371 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 2397 | 84 | 6,3 | 1,5 | 4,3 | 28,5 | 6,7 | 12,8 | 3,0 | 1,1 | 0,022 | |
СКП «Бебелево» ФEPЗИKOBCKИЙ PAЙOH | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
| 4127 | 0,70 | 1895 | 6577 | -2450 | 2178 | -37,3 | 913 | 1357 | 348 | 7933 | 6122 |
| 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | |
| 7243 | 230 | 5,9 | 1,5 | 4,0 | 17,9 | 4,5 | 8,2 | 2,1 | 1,3 | 0,019 | |
Ключ к фишкам
1. Выручка от реализации мяса КРС, тыс. руб.
2. Коэффициент мясной специализации, дли.
3. Количество реализованного скота в живой массе, ц.
4. Полная себестоимость реализованной продукции, тыс. руб.
5. Прибыль (убыток) от реализации, тыс. руб.
6. Цена реализации 1 ц. мяса, руб.
7. Рентабельность (убыточность) реализации, %.
8. Среднегодовое поголовье, гол.
9. Получено прироста, ц.
10. Среднесуточный привес, г.
11. Затраты на 1 голову, руб.
12. Себестоимость 1 ц. привеса, руб.
13. Затраты на все стадо, тыс. руб.
14. Численность работников, чел.
15. Получено прироста на 1 работника, ц.
16. Получено прироста на 1 голову, ц.
17. Приходится голов на 1 работника, гол.
18. Выручено на 1 работника, тыс. руб.
19. Выручка на 1 голову, тыс. руб.
20. Реализовано на 1 работника, ц.
21. Реализовано на 1 голову, ц.
22. Прибыль (убыток) на 1 ц. реализованного мяса, тыс. руб.
23. Получено прироста на 1 рубль затрат, кг.
Приложение 1
Распределение хозяйств по группам по среднесуточному привесу, г.
| № п/п | Наименование хозяйства | Номер группы |
| 1 | ЗАО «Рассвет» Ферзиковский район | 1 |
| 2 | СПК «Сашкино» Ферзиковский район | |
| 3 | КСП «Аристово» Ферзиковский район | |
| 4 | ЗАО «Дзержинск-инвест» Дзержинский район | |
| 5 | СПК «Кольцово» Ферзиковский район | |
| 6 | СПК «Сугоново» Ферзиковский район | 2 |
| 7 | СПК «Имени Чапаева» Дзержинский район | |
| 8 | СПК «Ферзиковский» Ферзиковский район | |
| 9 | СКП «Бебелево» Ферзиковский район | |
| 10 | ООО «Калуга-агро» Дзержинский район | |
| 11 | КЛХ «Борисово» Боровский район | |
| 12 | СПК «Старки» Дзержинский район | 3 |
| 13 | ООО «Правда» Дзержинский район | |
| 14 | СОАО «Угра» Дзержинский район | |
| 15 | СПК «Виньковский» Ферзиковский район | |
| 16 | СХ ООО «Швейцарское молоко» Дзержинский район | |
| 17 | СЗАО «Редькинское» Дзержинский район | 4 |
| 18 | СЗАО «Дзержинское» Дзержинский район | |
| 19 | ЗАО «Кривское» Боровский район | |
| 20 | СПК «Октябрьский» Ферзиковский район | |
| 21 | СПК «Нива» Ферзиковский район | 5 |
