VI Международная студенческая научная конференция Студенческий научный форум - 2014

Аграрное производство является одним из основных направлений хозяйственной деятельности, выполняемых на территории Волгоградской области. Рентабельность его работы оказывает существенное влияние на социально- экономическое состояние области и всего региона.

Значение основной составляющей агропромышленного комплекса - сельского хозяйства, в экономической деятельности Волгоградской области обусловлено долей занимаемой продукцией сельского хозяйства во внутреннем валовом продукте региона, задействованным производственным потенциалом, численностью занятого трудоспособного населения и, безусловно, размерами земельных угодий, используемых в сельскохозяйственном производстве.

Земледелие в Волгоградской области ведется в крайне сложных погодно-климатических условиях. Характерными особенностями климата Волгоградской области, в силу территориального расположения, являются малоснежная зима с неустойчивым температурным режимом и засушливость, которая возрастает с северо-запада на юго-восток. Тем не менее, АПК региона создает более 10% валового регионального продукта. При этом в сельском хозяйстве области трудится 195,2 тыс. человек - или 16 % населения, занятого в экономике области

Волгоградская область является развитым сельскохозяйственным регионом. Почвенно-климатические условия позволяют организовать крупное производство высококачественного зерна, кукурузы, крупяных культур, семян масличных культур, овощей, фруктов, бахчевых. В структуре сельскохозяйственного производства около 70% приходится на продукцию растениеводства и 30% - на животноводство.

В сельском хозяйстве области функционируют 360 сельскохозяйственных предприятий, около 11,6 тыс. крестьянских (фермерских) хозяйств, 247,2 тыс. личных подворий и 315,5 тыс. садоводческих участков.

В Волгоградской области существует высокий потенциал для увеличения объемов производства продукции растениеводства и животноводства. Ожидается, что сельское хозяйство в Волгоградской области будет расти на 5% ежегодно до 2025 года.

Волгоградский регион стабильно входит в первую десятку ведущих субъектов Российской Федерации по объемам производства зерна и подсолнечника. По оперативным данным Минсельхоза России, по производству зерна Волгоградская область занимает 8 место в Российской Федерации, в прошедшем году - 9 место. Произведенное в области зерно пшеницы имеет высокие показатели качества, доля продовольственного зерна составила 96% (в 2012 году – 90%).

Таким образом. специализацией большинства сельскохозяйственных предприятий области является производство зерновых культур. В современной обстановке перехода к рынку на предприятии необходимо постоянно проводить анализ деятельности предприятий для принятия управленческих решений.

На примере ООО «Пелемзавод- колхоз им. Ленина» Суровикинского района Волгоградской области рассмотрим основные производственные показатели деятельности сельскохозяйственного предприятия с использованием методов и моделей.

Основной целью данной работы является проведение на примере ООО «Пелемзавод- колхоз им. Ленина» Суровикинского района Волгоградской области анализа основных производственных показателей деятельности сельскохозяйственного предприятия с использованием экономико-статистических методов, многофакторных регрессионных моделей.

Необходимо решить следующие задачи;

• выполнить анализ динамики себестоимости зерновых;

• применение регрессионных моделей для анализа сельскохозяйственных процессов.

В ходе выполнения работы применялись следующие методы исследования: монографический, графический, табличный, аналитического выравнивания, корреляционно регрессионный анализ.

Анализ динамики и структуры себестоимости зерновых и зернобобовых в ООО «ПЗК им. Ленина»

При изучении явлений во времени исследователь часто сталкивается с необходимостью описать интенсивность изменения и рассчитать средние показатели динамики. Для характеристики интенсивности изменения во времени такими показателями являются: абсолютный прирост, темпы роста (коэффициент роста), темпы прироста, абсолютное значение одного процента прироста.

Таблица 1

Анализ динамики и структуры себестоимости зерновых за 2000-2013гг

Годы	Себестоимость, руб.	Абсолютный прирос, руб.		Темп роста,%		Темп прироста,%		Абсолютное значение 1% прироста
		yi-yi-1	yi-yo	yi/ yi-1*100	yi/ yo*100	Aпр/ yi-1*100	Aпр/ yo*100	Aпр/ yo*100
2000	60,88	-	-	-	-	-	-	-
2001	68,88	7,74	7,74	112,71	112,71	12,71	12,71	0,61
2002	85,77	17,15	24,89	124,99	140,88	24,71	40,88	0,69
2003	102,51	16,74	41,63	119,52	168,38	19,51	68,38	0,86
2004	119,01	16,50	58,13	160,09	195,48	16,10	27,10	1,02
2005	221,72	102,71	160,84	186,30	364,19	86,30	264,19	1,19
2006	187,45	-34,27	126,57	84,29	307,90	-15,46	207,90	2,22
2007	167,37	-20,08	106,49	89,29	274,92	-10,71	174,92	1,87
2008	159,25	-8,12	98,37	95,15	261,58	-4,85	161,58	1,67
2009	270,11	110,86	209,23	169,61	443,68	69,61	343,68	1,59
2010	240,45	-29,66	179,57	89,02	394,96	-10,98	294,96	2,70
2011	190,83	-49,62	129,95	73,36	313,45	-20,64	213,45	2,40
2012	220,67	29,84	159,79	115,64	362,75	15,64	262,47	1,91
В среднем	161,15	12,29	100,25	109,25	256,99	14,01	159,40	1,44

Среднегодовой темп роста:

Среднегодовой темп прироста: Тпр = Троста-100%;

Aпр = (yn-y0)/n-1

Среднегодовой абсолютный прирост: Апр = (220,67-60,88) /12=13,32 руб.

На основании расчета можно отметить, что себестоимость за исследуемый ряд лет в среднем увеличилась на 13,22рубля, о чем и свидетельствуют темп роста и темп прироста.

Для выявления основной тенденции развития в рядах динамики применяются различные методы: укрупнения временных интервалов, скользящих средних, аналитического выравнивания. В данном случае применяется метод аналитического выравнивания. Метод аналитического выравнивания состоит в подборе для данного ряда динамики такой теоретической линии, которая выражает основные черты или закономерности изменения уровней явления.

Фактические и выровненные уровни ряда представим графически:

Рис.1.Фактический и выровненный уровень себестоимости зерновых ООО «ПЗК им.Ленина».

По данным графика видно - максимальная себестоимость составила 270,11 т. р. (2009 г.), минимальная – 60,88 т.р. (2000 г.). Также можно отметить, что в 2014г себестоимость производства 1ц. зерновых составит 162,10рубля.

Основным показателем производства является валовой сбор. Проанализируем тенденцию изменения валового сбора зерновых культур сельхозпроизводителей в период с 2002 по 2012 гг.

Как известно, на динамику валового сбора зерна влияет множество факторов. Наша задача сводится не только к отбору основных из них, но и определению степени влияния каждого фактора в отдельности и всех факторов в совокупности. Для этого воспользуемся корреляционно-регрессионным анализом, который подразумевает всестороннее исследование корреляционных связей, в том числе нахождение уравнений регрессии, измерение тесноты и направления связи, а также определение возможных ошибок, как параметров уравнений регрессии, так и показателей тесноты связи.

Для решения поставленной задачи были отобраны факторы, которые предположительно влияют на объемы валового сбора зерновых культур в Волгоградской области: Посевные площади под зерновые, тыс. га (Х1), Урожайность с убранной площади зерновых культур, ц/га (Х2), Внесено минеральных удобрений под зерновые, кг/га (Х3), Внесено органических удобрений под зерновые, т/га (Х4) .

Таблица 2.

Основные расчетные показатели взаимосвязи результативного и факторного признаков

Годы	Валовой сбор зерновых культур, тыс.тонн	Посевные площади под зерновыми, тыс. га	Урожайность с убранной площади зерновых культур, ц/га	Внесено минеральных удобрений под зерновые, кг/га	Внесено органических удобрений под зерновые, т/га
	Y	Х1	Х2	Х3	Х4
2002	1572,9	1278,5	12,8	44	1,2
2003	2244,1	1408,2	17,4	3	0,1
2004	2463,2	1507,7	18,4	2	0,1
2005	1766	1154	15,7	3	0,1
2006	2674	1581,3	17	7	0,1
2007	3581	2008,6	18,3	7	0,1
2008	3335	2022	16,9	16	0,04
2009	2774	2129,7	17,8	11	0,1
2010	5183	2149,1	24,6	14	0,03
2011	3317,1	2052,6	19,2	22	0,01
2012	1498,8	1620	12	22	0,03
Итого	30409,1	-	-	-	-

Построенная множественная регрессионная модель валового сбора зерновых культур в Волгоградской области имеет следующий вид:

Проверка значимости коэффициентов регрессии проводилась с помощью t-критерия Стьюдента, которая показала, что коэффициенты при x3 и x4 статистически незначимы. К тому же, матрица парных коэффициентов корреляции показала, что переменные x3 и x4 явно коллинеарны, т.е. находятся между собой в линейной зависимости (табл. 2).

Таблица 3.

Матрица парных коэффициентов корреляции

	Y	х1	х2	х3	х4
Y	1
х1	0,790	1
х2	0,913	0,606	1
х3	0,538	0,722	0,370	1
х4	-0,544	-0,726	-0,419	-0,907	1

Исключив статистически незначимые коэффициенты, была получена модель следующего вида:

Проверка значимости коэффициентов регрессии с помощью t-критерия Стьюдента при α=0,05 и df=8 показала, что коэффициенты при х1 и х2 статистически значимы (Таблица 3) , средняя ошибка аппроксимации не превышает 10% (А=8,9%) следовательно, она может быть использована для построения прогноза

Таблица 4.

Расчет средней ошибки аппроксимации

Годы	Валовой сбор зерновых культур, тыс.тонн	Посевные площади под зерновыми, тыс. га	Урожайность с убранной площади зерновых культур, ц/га	Расчетные графы
	Y	Х1	Х2	Y^	Y-Y^	Ai
2002	1572,9	1278,5	12,8	1284,057	288,843	0,18364
2003	2244,1	1408,2	17,4	2447,1872	-203,087	0,0905
2004	2463,2	1507,7	18,4	2778,9042	-315,704	0,12817
2005	1766	1154	15,7	1789,203	-23,203	0,01314
2006	2674	1581,3	17	2549,9678	124,0322	0,04638
2007	3581	2008,6	18,3	3310,7326	270,2674	0,07547
2008	3335	2022	16,9	3015,215	319,785	0,09589
2009	2774	2129,7	17,8	3333,8342	-559,834	0,20181
2010	5183	2149,1	24,6	4862,6466	320,3534	0,06181
2011	3317,1	2052,6	19,2	3558,8996	-241,8	0,07289
2012	1498,8	1620	12	1484,42	14,38	0,00959
Итого	30409,1	-	-	30415,067	-	0,9793

Таблица 5.

Проверка значимости коэффициентов регрессии

Коэффициент

tрасч

tтабл

Вывод

а₀

-4,984

2,306

Значим

а₁

3,032

2,306

Значим

а₂

5,554

2,306

Значим

Коэффициент детерминации, равный 0,92 говорит, что 92% вариации валового сбора зерновых культур объясняется вариацией учтенных в модели факторов. Коэффициент множественной корреляции (R=0,9606) свидетельствует о достаточно сильной связи между результативным и факторными признаками. Данная модель обладает отличными прогностическими свойствами. Интерпретация коэффициентов регрессии говорит о том, что с увеличением посевных площадей под зерновые культуры на 1 тыс. га и урожайности с убранной площади на 1 ц/га валовой сбор зерна увеличится на 1,106 тыс. тонн и 221,67 тыс. тонн соответственно. Обращая внимание на высокие значения коэффициента корреляции между результативным признаком и двумя объясняющими переменными, воспользуемся методом Фриша-Воу, где в исходное уравнение регрессии вводится дополнительный фактор времени . На основе вышеизложенного, была построена модель с включением фактора «время» следующего вида:

Проверка значимости полученной модели показала, что в целом модель адекватна – F - критерий Фишера составил 28,08 при табличном значении 8,89 (к1=7, к2=3, α=0,05); но t-критерий Стьюдента показал, что коэффициент при t статистически незначим. Поэтому, для прогноза валового сбора зерновых культур воспользуемся моделью (2).

Возможность использования трендовой модели для анализа и прогнозирования может быть определена только после установления ее адекватности, т.е. соответствия модели исследуемому процессу. Трендовую модель можно считать адекватной, если она правильно отражает систематические компоненты временного ряда (таблица 5).

Таблица 6

Проверка значений случайной остаточной компоненты на адекватность

Модель

Критерий серий

Критерий пиков

Расчетное

Критическое

Расчетное

Критическое

K=5

=3

6,73

2,9

5

4

Очевидно, что модель соответствуют всем требованиям, предъявляемым к остаточной компоненте. Модель считается адекватной, а остаточная компонента – случайной. Следовательно, модель соответствуют исследуемому процессу и может быть использована для прогноза валового сбора зерновых культур в Волгоградской области.

Результаты прогноза свидетельствуют о том, что если динамика валового сбора зерновых культур будет протекать в соответствии с параметрами модели, то его объем будет возрастать и к 2014 году составит 4591,417 тыс. тонн.

Код для цитирования: Скопировать