База научных работ, курсовых, рефератов! Lcbclan.ru Курсовые, рефераты, скачать реферат, лекции, дипломные работы

Эконометрическое изучение и анализ посевных площадей, урожая и урожайности картофеля

Эконометрическое изучение и анализ посевных площадей, урожая и урожайности картофеля

Министерство сельского хозяйства РФ

Департамент научно – технологической политики и образования

Федеральное государственное образовательное учреждение высшего

профессионального образования

«Красноярский государственный аграрный университет»

Ачинский филиал

Кафедра бухгалтерского учета и финансов

Курсовой проект

на тему: «Эконометрическое изучение и анализ посевных площадей, урожая и урожайности картофеля»

по дисциплине: «Эконометрика»

Выполнила студентка

4 курса 080801.65 ___________________ Осинцева Ю. А.

Проверил ___________________ Слепцов В. В.

Ачинск 2010 г.

Содержание

Введение 3

1 Теоретические аспекты эконометрического изучения и анализа себестоимости картофеля 6

2 Многофакторный корреляционно – регрессионный анализ 9

3 Вычисление параметров парной регрессии и корреляции 11

3.1 Выборочный коэффициент корреляции 12

3.2 Выборочный коэффициент детерминации 13

3.3 Средняя ошибка аппроксимации 14

4 Временные ряды в эконометрических исследованиях 15

4.1 Автокорреляция уровней временного ряда 17

4.2 Автокорреляция в остатках: расчет критерия Дарбина – Уотсона 29

Заключение 33

Библиографический список 35

Приложения 37

Введение

Картофель – важнейшая продовольственная, техническая и кормовая культура. По содержанию углеводов картофель находится в одном ряду с хлебом и крупами, а его белки приближаются по составу к животным белкам. Картофель и продукты его переработки (мезга, барда) широко используются в качестве корма, особенно для свиней и птицы. Картофель служит сырьем для спиртовой, текстильной, химической, пищевой, обувной, полиграфической промышленности. Картофель издавна считался вторым хлебом в России. В рационе россиян он занимает весьма существенное место, и особенно его роль выросла в связи с заметным снижением прожиточного минимума.

В настоящее время картофель возделывается практически во всех странах мира. Значительные объемы его производства сосредоточены в Китае, странах Европейского Экономического Содружества, Польше, США. Необходимо отметить, что общемировое производство картофеля с 1970 года снижается больше, чем на 20%. Особенно большое снижение производства картофеля в последние 10 – 12 лет наблюдается в России.

В условиях произошедших рыночных реформ производством картофеля занимаются различные группы товаропроизводителей – коллективные сельскохозяйственные предприятия, личные подсобные хозяйства населения, крестьянские (фермерские) хозяйства.

Рассматривая картофель как важную продовольственную культуру, не следует забывать и его земледельческую функцию. Как пропашная культура, картофель при правильном возделывании способствует очищению полей от сорняков и является хорошим предшественником зерновых и других культур, в том числе и озимых. Картофель хорошо растет на бедных почвах и лучше многих культур переносит повторное возделывание на одном месте. Спрос на картофель постоянный. Зимой спрос на картофель растет, отсюда увеличивается потребление картофеля. Осенью, из – за массового сбора, цены на него снижаются.

Картофель – одна из самых прибыльных культур. Природно-климатические условия Иркутской области соответствуют биологическим особенностям развития картофелеводства.

Картофелеводство – неотъемлемая часть сельскохозяйственного производства. Для возрождения картофелеводства необходим ряд мероприятий. Все мероприятия можно представить двумя направлениями:

1. Организация эффективной внутрихозяйственной деятельности сельскохозяйственных предприятий. Она включает в себя:

- организацию внутрихозяйственных расчетных отношений;

- концентрацию оптимальных размеров посевов картофеля (100 – 300 га) в специализированных севооборотах, обеспечивающих наиболее благоприятные условия для возделывания этой культуры;

- изучение и применение современных экономических технологий производства и хранения картофеля.

2. Создание эффективного государственного механизма макроэкономического регулирования.

Оно непрерывно связано с системой восстановления всего сельского хозяйства страны. Должен быть предусмотрен комплекс мер, направленных на стимулирование рынка картофеля:

- создание системы поддержки государством отечественного сельскохозяйственного производителя;

- стратегия развития отечественного тракторного и сельскохозяйственного машиностроения;

- разработка интегрированных систем регионального агропромышленного комплекса, которые включали бы в себя финансы, производство, семеноводство, хранение и переработку картофеля. Каждая фирма специализируется на производстве определенного картофеля: семенного, кормового, продовольственного, для производства крахмала, чипсов и других продуктов переработки. Торговлю картофелем осуществляют кооперативы и сами фермеры через систему оптовых рынков и систему прямых поставок. Такая организация производства и сбыта позволяет снизить себестоимость продукции.

Целью написания курсового проекта является использование эконометрических методов при исследовании эффективности урожая картофеля.

Задачи курсового проекта: на основе корреляционно – регрессионного анализа провести исследование влияния факторов на валовой сбор картофеля сельскохозяйственных предприятий, выявить между ними факторную зависимость, а также построить модель парной корреляции и проверить её на адекватность.

В качестве объекта исследования выступают 25 хозяйств аграрной сферы Красноярского края.

1 Теоретические аспекты эконометрического изучения и анализа себестоимости картофеля

Коренной поворот в сторону интенсификации требует качественной перестройки учета в целях активизации его роли в контроле за эффективностью использования материальных, трудовых и финансовых ресурсов. Учет на нынешнем этапе призван не только фиксировать состояние дел, но и своевременно сигнализировать о возникновении непроизводительных затрат и потерь, давать объективные данные для оперативного экономического анализа и прогнозирования развития, служить задаче эффективного использования материальных, трудовых и финансовых ресурсов, предотвращения и недопущения потерь.

В этой связи возрастает роль себестоимости продукции, отражающей достигнутый уровень управления, организации производства, труда, его стимулирования. В снижении себестоимости продукции важным является организация эффективной системы учета и контроля затрат. Недостаточная аналитичность учета, его неоперативность и другие недостатки ослабляют контроль за организацией производства. Задача точного учета формирования издержек и контроля за снижением себестоимости и повышением эффективности производства продукции на всех его стадиях является актуальной. [2, с.34]

В современных условиях сложились производственные связи, оказывающие определенное влияние на формирование себестоимости конечного продукта, которые целесообразно принимать во внимание при организации учета производственных затрат. До настоящего времени недостаточно изучены вопросы классификации затрат по производству картофеля в сельском хозяйстве, учету его потерь при транспортировке и хранении. Необходимо системно изучать организацию учета производственных затрат по стадиям технологического цикла, так как значительные затраты общественного труда на производство картофеля требуют постоянного контроля за правильностью и целесообразностью их осуществления. Целесообразно изучение технологических особенностей производства для разработки методов организации учета за производством картофеля, обеспечивающих усиление их контрольных функций с целью снижения себестоимости продукции.

Теория и практика учета, анализа и контроля хозяйственной деятельности, теоретические и методические основы организации производства и управления при переходе и развитии рыночных отношений, создании новых условий приватизации производства раскрыты недостаточно. Первичный учет в производстве, заготовке, хранении и реализации картофеля не обеспечивает надежный контроль за сохранностью продукции. В этой связи актуальны исследования по перестройке бухгалтерского учета и анализа при создании и функционировании коллективов, специализирующихся на производстве картофеля при современных условиях хозяйствования. [2, с.34]

В картофелеводстве объектом калькуляции является основная продукция – клубнеплоды, а побочным – ботва, которая оценивается по нормативным затратам на ее уборку.

Исчисление фактической себестоимости клубней картофеля производится следующим образом. Из общей суммы затрат на возделывание и уборку урожая картофеля вычитают стоимость использованной в производстве ботвы. Себестоимость 1ц. картофеля определяется делением величины, полученной после вычитания, на массу клубней.

В специализированных картофелеводческих организациях себестоимость картофеля может быть рассчитана раздельно по ранним и поздним сортам. В таких случаях необходимо обеспечить также раздельный учет затрат по этим сортам.

Если в сельскохозяйственных организациях имеются картофелесортировальные пункты и весь выращенный урожай сортируется, то возникает необходимость в калькулировании себестоимости стандартного и нестандартного картофеля.

Следует отметить, что в результате сортировки кроме стандартного и нестандартного получают также мелкий и битый картофель, т.е. используемые отходы. Стоимость ботвы и стоимость мелкого и битого картофеля исключаются из общей суммы затрат по выращиванию картофеля. Оставшуюся после вычитания сумму распределяют между стандартным и нестандартным картофелем пропорционально его стоимости по ценам реализации. [5, с.62]

Так как картофель является одной из важнейших продовольственных культур, то значительная часть его подлежит реализации через торговую сеть и другим покупателям. Следует отметить, что Правительством РБ принимается ряд мер, направленных на улучшение продовольственной безопасности страны. Так, постановлением Совета Министров РБ от 01.07.2005 № 732 принято решение о создании стабилизационных фондов продовольственных товаров на межсезонный период 2005/2006 г. и формировании цен на продукцию растениеводства, которое обязывает облисполкомы и Мингорисполком создать соответствующие условия для хранения стабилизационных фондов. Кроме того, п. 4.2 данного постановления предусмотрено установить для юридических лиц и индивидуальных предпринимателей, осуществляющих производство продукции растениеводства, предельные закупочные цены на картофель и другую продукцию растениеводства с учетом экономически обоснованных затрат на их производство и конъюнктуры рынка, а также рекомендуемого Минсельхозпродом и Минэкономики минимального уровня закупочных цен на эти продукты. Названным постановлением также установлены предельные отпускные цены для организаций, осуществляющих заготовку картофеля, с уровнем рентабельности не более 20% от затрат и для организаций, занимающихся реализацией картофеля, – предельные розничные цены с учетом торговой наценки не более 25%. [3, с.4]

2 Многофакторный корреляционно – регрессионный анализ

На основании вышеперечисленных показателей составить матрицу и по программе STRAZ решить задачу множественной корреляции.

По совокупности хозяйств построить корреляционное уравнение связи урожайности картофеля с включением трех – четырех факторов.

Анализ корреляционной модели начинается с определения тесноты связи, ее характеризует коэффициент корреляции (R). Он может изменяться от 0 до 1, что свидетельствует об отсутствии связи или о слабой, средней и тесной связи.

Квадрат коэффициента множественной корреляции называется коэффициентом множественной детерминации. Он характеризует величину вариации результативного признака, которая объединяется факторами, входящими в модель. В матрице этот коэффициент равен, например, 0,4321, для анализа необходимо перевести его в проценты, что составит 43%. Это значит, что 43% вариации результативного признака обусловлено влиянием факторов, включенных в модель, или на 43% выбранные факторы влияют на величину У (Урожайность).

Коэффициенты отдельного определения или частные коэффициенты детерминации отражают «чистый вклад» каждого фактора в воспроизведенную вариацию результативного признака. Наибольшую тесноту связи с результативным признаком имеет тот фактор, коэффициент при котором наибольший (например, если коэффициент при Х4 равен 0,5, это значит, что качество земли на 50% влияет на уровень урожайности). [8, с.109]

Коэффициенты чистой регрессии показывают, на сколько ц с 1 га увеличится урожайность при изменении фактора на 1 единицу измерения. Например, если коэффициент при Х3 равен 0,3, это значит, что при увеличении энергообеспеченности на 1 л.с., урожайность увеличится на 0,3 ц с 1 га.

Каждый из β – коэффициентов показывает, на сколько средних квадратических отклонений изменится в среднем урожайность, если соответствующий фактор изменится на одно среднее квадратическое отклонение. Сопоставляя β – коэффициенты между собой, можно определить, какой фактор оказывает наиболее сильное влияние на варьирование результативного признака.

Каждый из коэффициентов эластичности показывает, на сколько процентов в среднем изменится урожайность, если соответствующий фактор изменится на 1%.

Знак + или – говорит о прямой или обратной связи между урожайностью и фактором.

Построить уравнение регрессии:

у = а0 + а1х1 + а2х2 + …+ аnxn, где:

а0 – свободный член, экономического значения не имеет; (1)

а1, а2, аn - коэффициенты чистой регрессии;

х1, х2, xn – значения соответствующих факторов.

у = (-3795,88)+(-5,57) * 57588+(-35,4) * 54668+92,7 * 50632+5,96 * 49703 + 41,9 * 46782+(-3,25) * 45627+(-0,03) * 44824+3,07 * 42313+5,35 * 40950

На основании полученного уравнения регрессии рассчитать прогнозируемый уровень урожайности для хозяйств зоны. Для этого в уравнение вместо Х подставить самые высокие их значения из матрицы и вместо а – соответствующие значения коэффициентов.

Полученный результат означает, что в хозяйствах, где урожайность выше среднего уровня, в будущем возможно достичь прогнозируемого уровня урожайности и при условии достижения каждым хозяйством максимальных значений факторов (или минимальных, если коэффициент со знаком «минус»). [8, с.109]

Произведем расчет множественной регрессии в MS Excel. (Приложение 3)

3 Вычисление параметров парной регрессии и корреляции

Рассмотрим взаимосвязь между валовым сбором картофеля (Y) и всего посевной площадью (Х). Исходные данные (Приложение 1)

Все расчеты сведены в таблицу. (Приложение 2)

Рассмотрим простейшую модель парной регрессии – линейную регрессию. Линейная регрессия находит широкое применение в эконометрике ввиду четкой экономической интерпретации ее параметров.

Линейная регрессия сводится к нахождению уравнения вида

yх = а + b · x или у = а + b · x + ε. (2)

Уравнение вида yх = а + b · x позволяет по заданным значениям фактора х находить теоретические значения результативного признака, подставляя в него фактические значения х.

Следующая система линейных уравнений для оценки параметров а и b:

а · n + b · x = y; (3)

a · x + b · x2 = x · y.

4455,02 * 25 + 4,79 * 136478 = 764922,22

4455,02 * 136478 + 4,79 * 931254868 = 5067475038,89

Решая систему уравнений (3), найдем искомые оценки параметров а и b.

= 4,79 (4)

30604,20 – 4,79 · 5459,12 = 4455,02

Получаем уравнение парной регрессии у = 4455,02 + 4,79 · х, подставляя в него фактическое значение х, определим теоретическое, т. е. расчетное значение . [11, с.87]

3.1 Выборочный коэффициент корреляции

Корреляция – статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом изменения одной или нескольких из этих величин приводят к систематическому изменению другой или других величин. Математической мерой корреляции двух случайных величин служит коэффициент корреляции.

Коэффициент корреляции или парный коэффициент корреляции в теории вероятностей и статистике – это показатель характера изменения двух случайных величин.

Корреляция может быть положительной и отрицательной (возможна также ситуация отсутствия статистической взаимосвязи – например, для независимых случайных величин).

Отрицательная корреляция – корреляция, при которой увеличение одной переменной связано с уменьшением другой переменной, при этом коэффициент корреляции отрицателен.

Положительная корреляция – корреляция, при которой увеличение одной переменной связано с увеличением другой переменной, при этом коэффициент корреляции положителен.

Автокорреляция – статистическая взаимосвязь между случайными величинами из одного ряда, но взятых со сдвигом, например, для случайного процесса – со сдвигом по времени. [1, с.209]

Рассчитаем линейный коэффициент парной корреляции:

(5)

3.2 Выборочный коэффициент детерминации

Коэффициент детерминации – это квадрат множественного коэффициента корреляции. Он показывает, какая доля дисперсии результативного признака объясняется влиянием независимых переменных.

Также это квадрат корреляции Пирсона между двумя переменными. Он выражает количество дисперсии, общей между двумя переменными.

Коэффициент принимает значения из интервала [0; 1]. Чем ближе значение к 1, тем в большей степени уравнение регрессии пригодно для прогнозирования.

Функциональная связь возникает при значении равном 1, а отсутствие связи – 0. При значениях показателей тесноты связи меньше 0,7 величина коэффициента детерминации всегда будет ниже 50%. Это означает, что на долю вариации факторных признаков приходится меньшая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. Построенные при таких условиях регрессионные модели имеют низкое практическое значение. [1, с.79]

Рассчитает коэффициент детерминации:

(6)

3.3 Средняя ошибка аппроксимации

Средняя ошибка аппроксимации – среднее отклонение расчетных значений от фактических, допустимы предел – не более 8 – 10%.

Фактические значения результативного признака отличаются от теоретических. Чем меньше это отличие, тем ближе теоретические значения подходят к эмпирическим данным и лучше качество модели. Величина отклонений фактических и расчетных значений результативного признака по каждому наблюдению представляет собой ошибку аппроксимации. Их число соответствует объему совокупности. В отдельных случаях ошибка аппроксимации может оказаться равной нулю. Для сравнения используются величины отклонений, выраженные в процентах к фактическим значениям.

Поскольку () может быть величиной как положительной, так и отрицательной, ошибки аппроксимации для каждого наблюдения принято определять в процентах по модулю.

Отклонения () можно рассматривать как абсолютную ошибку аппроксимации, и как относительную ошибку аппроксимации. Чтобы иметь общее суждение о качестве модели из относительных отклонений по каждому наблюдению, определяют среднюю ошибку аппроксимации как среднюю арифметическую простую. [16, с.106]

Среднюю ошибку аппроксимации рассчитаем по формуле:

4,2% (7)

4 Временные ряды в эконометрических исследованиях

Эконометрическую модель можно представить с помощью двух типов исходных данных:

· данные, характеризующие совокупность различных объектов в определенный момент или период времени;

· данные, характеризующие один объект, построенные за ряд последовательных моментов или периодов времени.

Модели, построенные по данным первого типа, называются пространственными моделями, а модели, построенные по данным второго типа, называются моделями временных рядов.

Временной ряд – совокупность значений какого – либо показателя за несколько последовательных моментов времени.

Каждый уровень временного ряда формируется под воздействием большого числа факторов, которые можно условно разделить на три группы или компоненты:

1) факторы, характеризующие тенденцию ряда (Т), т. е. характеризуют совокупное долговременное воздействие множества фактора на динамику изучаемого показателя. В результате они формируют его возрастающую или убывающую тенденцию;

2) факторы, формирующие циклические колебания ряда (S), т. е. эти колебания могут носить сезонный характер, поскольку экономическая деятельность ряда отдельных показателей зависит от времени года (например, уровень безработицы в курортных городах в зимний период выше, чем в летний);

3) случайные факторы (Е). [10, с.296]

Основная задача эконометрического исследования отдельного временного ряда – выявление и придание количественного выражения каждой из перечисленных выше компонент, с тем чтобы использовать полученную информацию для прогнозирования будущих значений ряда или при построении моделей взаимосвязи двух или более временных рядов. [10, с.296]

Модель, в которой временной ряд представлен как сумма перечисленных компонент, называется аддитивной моделью временного ряда и имеет следующий вид:

Y = T + S + E (8)

Модель, в которой временной ряд представлен как произведение перечисленных компонент, называется мультипликативной моделью временного ряда и имеет вид:

Y = T · S · E (9)

4.1 Автокорреляция уровней временного ряда

Автокорреляцией называется корреляция уровней временного ряда друг с другом, со сдвигом во времени (лагом). Обычно изучение автокорреляции начинается со сдвига на одну единицу времени, принятую в изучаемом ряду, затем со сдвигом на две единицы и т. д.

При наличии тенденций или циклических колебаний значения каждого последующего уровня ряда зависят от предыдущих значений, т. е. такая зависимость называется корреляционной зависимостью и наряду с этим рассчитывается автокорреляция уровней ряда.

Автокорреляция уровней ряда рассчитывается в зависимости от заданных параметров:

1) коэффициент автокорреляции уровня ряда 1 порядка:

, где (10)

;

2) коэффициент автокорреляции уровня ряда 2 порядка:

, где (11)

;

Свойства коэффициента автокорреляции:

§ он строится по аналогии с линейным коэффициентом корреляции и характеризует тесноту связи как текущего, так и последующего уровня ряда;

§ по знаку коэффициента автокорреляции нельзя делать выводы о возрастающей или убывающей тенденции его изменения. [8, с.113]

Последовательность коэффициента автокорреляции первого, второго и т. д. порядков называется автокорреляционной функцией временного ряда, а график зависимости его значений от величины лага называется коррелограммой.

Анализ автокорреляционной функции и коррелограммы позволяет определить лаг, при котором связь между текущим и предыдущим уровнями ряда наиболее тесная, т. е. при помощи анализа автокорреляционной функции и коррелограммы можно выявить структуру ряда.

Если наиболее высоким оказался коэффициент автокорреляции первого порядка, исследуемый ряд содержит только тенденцию. Если наиболее высоким оказался коэффициент автокорреляции порядка τ, ряд содержит циклические колебания с периодичностью в τ момент времени. Если ни один из коэффициентов автокорреляции не является значимым, можно сделать предположение относительно структуры этого ряда: либо ряд не содержит тенденции и циклических колебаний и имеет структуру, сходную со структурой ряда, либо ряд содержит сильную нелинейную тенденцию, для выявления которой нужно провести дополнительный анализ. Поэтому коэффициент автокорреляции уровней и автокорреляционную функцию целесообразно использовать для выявления во временном ряде наличия или отсутствия трендовой компоненты Т и циклической (сезонной) компоненты S. [14, с.187]

Произведем расчет коэффициентов автокорреляции уровней ряда для наших данных.

Таблица 1 – Расчет коэффициента автокорреляции первого порядка временного ряда

t				-
1	4752	-	-	-	-	-	-
2	30950	4752	-929,38	-25226,25	23444646,09	863737,89	636363689,06
3	6555	30950	-25324,38	971,75	-24608961,41	641323969,14	944298,06
4	4100	6555	-27779,38	-23423,25	650683245,47	771693675,39	548648640,56
5	10412	4100	-21467,38	-25878,25	555538097,09	460848189,39	669683823,06
6	22167	10412	-9712,38	-19566,25	190034757,34	94330228,14	382838139,06
7	15271	22167	-16608,38	-7811,25	129732169,22	275838120,14	61015626,56
8	39011	15271	7131,63	-14707,25	-104886591,78	50860075,14	216303202,56
9	7498	39011	-24381,38	9032,75	-220230865,03	594451446,89	81590572,56
10	26499	7498	-5380,38	-22480,25	120952175,09	28948435,14	505361640,06
11	40950	26499	9070,63	-3479,25	-31558972,03	82276237,89	12105180,56
12	46782	40950	14902,63	10971,75	163507875,84	222088231,89	120379298,06
13	39356	46782	7476,63	16803,75	125635337,34	55899921,39	282366014,06
14	6259	39356	-25620,38	9377,75	-240261471,66	656403615,14	87942195,06
15	50632	6259	18752,63	-23719,25	-444798200,53	351660944,39	562602820,56
16	49703	50632	17823,63	20653,75	368124694,84	317681608,14	426577389,06
17	16256	49703	-15623,38	19724,75	-308167166,03	244089846,39	389065762,56
18	40368	16256	8488,63	-13722,25	-116483034,41	72056754,39	188300145,06
19	42313	40368	10433,63	10389,75	108402755,34	108860530,64	107946905,06
20	24234	42313	-7645,38	12334,75	-94303789,28	58451758,89	152146057,56
21	38330	24234	6450,63	-5744,25	-37054002,66	41610562,89	32996408,06
22	57588	38330	25708,63	8351,75	214712008,84	660933399,39	69751728,06
23	54668	57588	22788,63	57588,00	1312351336,50	519321429,39	3316377744,00
24	44824	54668	12944,63	24689,75	319599555,09	167563316,39	609583755,06
25	45627	44824	13747,63	14845,75	204093803,84	188997193,14	220396293,06
итого	765105	719478	-4752	29978,25	2864459403,16	6667053227,63	9681287327,44

31879,38 (12)

29978,25 (13)

0,356 (14)

Таблица 2 – Расчет коэффициента автокорреляции второго порядка временного ряда

t				-
1	4752	-	-	-	-	-	-
2	30950	-	-	-	-	-	-
3	6555	30950	-26710,43	-125,04	3339965,67	713447326,28	15635,87
4	4100	6555	-29165,43	-24520,04	715137728,93	850622586,06	601232532,18
5	10412	4100	-22853,43	-26975,04	616472396,89	522279481,36	727652970,65
6	22167	10412	-11098,43	-20663,04	229327440,45	123175254,62	426961365,78
7	15271	22167	-17994,43	-8908,04	160295207,41	323799683,15	79353238,61
8	39011	15271	5745,57	-15804,04	-90803162,50	33011519,67	249767790,26
9	7498	39011	-25767,43	7935,96	-204489242,11	663960695,28	62979405,91
10	26499	7498	-6766,43	-23577,04	159532527,06	45784639,67	555876979,18
11	40950	26499	7684,57	-4576,04	-35164904,55	59052542,58	20940173,91
12	46782	40950	13516,57	9874,96	133475493,84	182697535,28	97514766,31
13	39356	46782	6090,57	15706,96	95664243,06	37094984,67	246708483,18
14	6259	39356	-27006,43	8280,96	-223639112,24	729347519,67	68574240,91
15	50632	6259	17366,57	-24816,04	-430969437,50	301597587,45	615836013,91
16	49703	50632	16437,57	19556,96	321468748,28	270193550,28	382474548,39
17	16256	49703	-17009,43	18627,96	-316851011,59	289320871,62	347000764,18
18	40368	16256	7102,57	-14819,04	-105253222,76	50446432,67	219604049,61
19	42313	40368	9047,57	9292,96	84078630,19	81858436,36	86359040,91
20	24234	42313	-9031,43	11237,96	-101494871,42	81566814,23	126291666,78
21	38330	24234	5064,57	-6841,04	-34646910,85	25649820,84	46799875,87
22	57588	38330	24322,57	7254,96	176459153,15	591587178,75	52634394,13
23	54668	57588	21402,57	57588,00	1232530925,74	458069797,88	3316377744,00
24	44824	54668	11558,57	23592,96	272700726,63	133600429,88	556627597,44
25	45627	44824	12361,57	13748,96	169958622,71	152808294,62	189033805,44
итого	765105	714726	-35702	31075,04	2827129934,50	6720972982,87	9076617083,43

33265,43 (15)

31075,04 (16)

0,362 (17)

Таблица 3 – Расчет коэффициента автокорреляции третьего порядка временного ряда

t				-
1	4752	-	-	-	-	-	-
2	30950	-	-	-	-	-	-
3	6555	-	-	-	-	-	-
4	4100	6555	-30677,50	-24525,73	752387998,41	941109006,25	601511298,26
5	10412	4100	-24365,50	-26980,73	657398910,36	593677590,25	727959644,17
6	22167	10412	-12610,50	-20668,73	260642985,27	159024710,25	427196287,07
7	15271	22167	-19506,50	-8913,73	173875621,05	380503542,25	79454533,89
8	39011	15271	4233,50	-15809,73	-66930480,41	17922522,25	249947476,44
9	7498	39011	-27279,50	7930,27	-216333874,86	744171120,25	62889225,53
10	26499	7498	-8278,50	-23582,73	195229607,73	68533562,25	556145025,62
11	40950	26499	6172,50	-4581,73	-28280711,59	38099756,25	20992224,80
12	46782	40950	12004,50	9869,27	118475684,45	144108020,25	97402544,17
13	39356	46782	4578,50	15701,27	71888277,18	20962662,25	246529965,26
14	6259	39356	-28518,50	8275,27	-235998365,27	813304842,25	68480138,71
15	50632	6259	15854,50	-24821,73	-393536075,05	251365170,25	616118144,80
16	49703	50632	14925,50	19551,27	291812521,09	222770550,25	382252265,26
17	16256	49703	-18521,50	18622,27	-344912424,32	343045962,25	346789041,53
18	40368	16256	5590,50	-14824,73	-82877637,82	31253690,25	219772538,71
19	42313	40368	7535,50	9287,27	69984243,64	56783760,25	86253434,71
20	24234	42313	-10543,50	11232,27	-118427467,50	111165392,25	126163950,62
21	38330	24234	3552,50	-6846,73	-24322998,64	12620256,25	46877674,35
22	57588	38330	22810,50	7249,27	165359535,55	520318910,25	52551955,07
23	54668	57588	19890,50	57588,00	1145454114,00	395631990,25	3316377744,00
24	44824	54668	10046,50	23587,27	236969535,45	100932162,25	556359434,71
25	45627	44824	10849,50	13743,27	149107637,45	117711650,25	188877545,26
итого	765105	683776	-42257	31080,73	2776966636,18	6085016829,50	9076902092,93

34777,50 (18)

31080,73 (19)

0,374 (20)

Таблица 4 – Расчет коэффициента автокорреляции четвертого порядка временного ряда

t				-
1	4752	-	-	-	-	-	-
2	30950	-	-	-	-	-	-
3	6555	-	-	-	-	-	-
4	4100	-	-	-	-	-	-
5	10412	4100	-26021,57	-28148,62	732471301,16	677122179,61	792344754,29
6	22167	10412	-14266,57	-21836,62	311533685,40	203535060,33	476837931,43
7	15271	22167	-21162,57	-10081,62	213352983,21	447854429,47	101639042,62
8	39011	15271	2577,43	-16977,62	-43758600,41	6643138,04	288239548,53
9	7498	39011	-28935,57	6762,38	-195673357,07	837267293,90	45729796,15
10	26499	7498	-9934,57	-24750,62	245886792,83	98695709,47	612593143,24
11	40950	26499	4516,43	-5749,62	-25967743,74	20398127,04	33058119,19
12	46782	40950	10348,43	8701,38	90045619,26	107089973,90	75714030,48
13	39356	46782	2922,43	14533,38	42472767,73	8540588,76	211219161,91
14	6259	39356	-30174,57	7107,38	-214462174,22	910504760,90	50514864,00
15	50632	6259	14198,43	-25989,62	-369011749,65	201595373,90	675460298,24
16	49703	50632	13269,43	18383,38	243936960,45	176077734,61	337948695,24
17	16256	49703	-20177,57	17454,38	-352187018,41	407134388,76	304655414,43
18	40368	16256	3934,43	-15992,62	-62921817,31	15479728,18	255763864,00
19	42313	40368	5879,43	8119,38	47737320,35	34567680,33	65924347,05
20	24234	42313	-12199,57	10064,38	-122781134,31	148829543,04	101291763,95
21	38330	24234	1896,43	-8014,62	-15199152,55	3596441,33	64234118,48
22	57588	38330	21154,43	6081,38	128648138,97	447509848,18	36983194,29
23	54668	57588	18234,43	57588,00	1050084272,57	332494385,33	3316377744,00
24	44824	54668	8390,43	22419,38	188108214,50	70399291,61	502628642,29
25	45627	44824	9193,43	12575,38	115610866,54	84519128,90	158140206,10
итого	765105	677221	-46357	32248,62	2007926175,31	5239854805,57	8507298679,90

36433,57 (20)

32248,62 (21)

0,301 (22)

Таблица 5 – Расчет коэффициента автокорреляции пятого порядка временного ряда

t				-
1	4752	-	-	-	-	-	-
2	30950	-	-	-	-	-	-
3	6555	-	-	-	-	-	-
4	4100	-	-	-	-	-	-
5	10412	-	-	-	-	-	-
6	22167	10412	-16088,25	-23244,05	373956087,41	258831788,06	540285860,40
7	15271	22167	-22984,25	-11489,05	264067197,46	528275748,06	131998269,90
8	39011	15271	755,75	-18385,05	-13894501,54	571158,06	338010063,50
9	7498	39011	-30757,25	5354,95	-164703535,89	946008427,56	28675489,50
10	26499	7498	-11756,25	-26158,05	307520575,31	138209414,06	684243579,80
11	40950	26499	2694,75	-7157,05	-19286460,49	7261677,56	51223364,70
12	46782	40950	8526,75	7293,95	62193688,16	72705465,56	53201706,60
13	39356	46782	1100,75	13125,95	14448389,46	1211650,56	172290563,40
14	6259	39356	-31996,25	5699,95	-182377025,19	1023760014,06	32489430,00
15	50632	6259	12376,75	-27397,05	-339086438,59	153183940,56	750598348,70
16	49703	50632	11447,75	16975,95	194336431,61	131050980,06	288182878,40
17	16256	49703	-21999,25	16046,95	-353020864,79	483967000,56	257504604,30
18	40368	16256	2112,75	-17400,05	-36761955,64	4463712,56	302761740,00
19	42313	40368	4057,75	6711,95	27235415,11	16465335,06	45050272,80
20	24234	42313	-14021,25	8656,95	-121381260,19	196595451,56	74942783,30
21	38330	24234	74,75	-9422,05	-704298,24	5587,56	88775026,20
22	57588	38330	19332,75	4673,95	90360306,86	373755222,56	21845808,60
23	54668	57588	16412,75	57588,00	945177447,00	269378362,56	3316377744,00
24	44824	54668	6568,75	21011,95	138022246,56	43148476,56	441502042,80
25	45627	44824	7371,75	11167,95	82327335,41	54342698,06	124723107,20
итого	765105	673121	-56769	33656,05	1268428779,84	4703192111,25	7744682684,15

38255,25 (20)

33656,05 (21)

0,21 (22)

Таблица 6 – Расчет коэффициента автокорреляции шестого порядка временного ряда

t				-
t				-
1	4752	-	-	-	-	-	-
2	30950	-	-	-	-	-	-
3	6555	-	-	-	-	-	-
4	4100	-	-	-	-	-	-
5	10412	-	-	-	-	-	-
6	22167	-	-	-	-	-	-
7	15271	22167	-22984,3	-11489,05	264067197,5	528275748,1	131998269,9
8	39011	15271	755,75	-18385,05	-13894501,54	571158,06	338010063,5
9	7498	39011	-30757,3	5354,95	-164703535,9	946008427,6	28675489,5
10	26499	7498	-11756,3	-26158,05	307520575,3	138209414,1	684243579,8
11	40950	26499	2694,75	-7157,05	-19286460,49	7261677,56	51223364,7
12	46782	40950	8526,75	7293,95	62193688,16	72705465,56	53201706,6
13	39356	46782	1100,75	13125,95	14448389,46	1211650,56	172290563,4
14	6259	39356	-31996,3	5699,95	-182377025,2	1023760014	32489430
15	50632	6259	12376,75	-27397,05	-339086438,6	153183940,6	750598348,7
16	49703	50632	11447,75	16975,95	194336431,6	131050980,1	288182878,4
17	16256	49703	-21999,3	16046,95	-353020864,8	483967000,6	257504604,3
18	40368	16256	2112,75	-17400,05	-36761955,64	4463712,56	302761740
19	42313	40368	4057,75	6711,95	27235415,11	16465335,06	45050272,8
20	24234	42313	-14021,3	8656,95	-121381260,2	196595451,6	74942783,3
21	38330	24234	74,75	-9422,05	-704298,24	5587,56	88775026,2
22	57588	38330	19332,75	4673,95	90360306,86	373755222,6	21845808,6
23	54668	57588	16412,75	57588	945177447	269378362,6	3316377744
24	44824	54668	6568,75	21011,95	138022246,6	43148476,56	441502042,8
25	45627	44824	7371,75	11167,95	82327335,41	54342698,06	124723107,2
итого	765105	673121	-56769	33656,05	1268428780	4703192111	7744682684

40268,68 (23)

34879,42 (24)

0,154 (25)

Таблица 7 – Расчет коэффициента автокорреляции седьмого порядка временного ряда

t				-
1	4752	-	-	-	-	-	-
2	30950	-	-	-	-	-	-
3	6555	-	-	-	-	-	-
4	4100	-	-	-	-	-	-
5	10412	-	-	-	-	-	-
6	22167	-	-	-	-	-	-
7	15271	-	-	-	-	-	-
8	39011	15271	-3494,83	-20314,67	70996374,22	12213860,03	412685681,78
9	7498	39011	-35007,83	3425,33	-119913498,44	1225548394,69	11732908,44
10	26499	7498	-16006,83	-28087,67	449594599,06	256218713,36	788917018,78
11	40950	26499	-1555,83	-9086,67	14137338,89	2420617,36	82567511,11
12	46782	40950	4276,17	5364,33	22938783,39	18285601,36	28776072,11
13	39356	46782	-3149,83	11196,33	-35266583,94	9921450,03	125357880,11
14	6259	39356	-36246,83	3770,33	-136662643,94	1313832926,69	14215413,44
15	50632	6259	8126,17	-29326,67	-238313381,11	66034584,69	860053377,78
16	49703	50632	7197,17	15046,33	108290968,72	51799208,03	226392146,78
17	16256	49703	-26249,83	14117,33	-370577647,11	689053750,03	199299100,44
18	40368	16256	-2137,83	-19329,67	41323605,72	4570331,36	373636013,44
19	42313	40368	-192,83	4782,33	-922193,28	37184,69	22870712,11
20	24234	42313	-18271,83	6727,33	-122920713,44	333859893,36	45257013,78
21	38330	24234	-4175,83	-11351,67	47402668,06	17437584,03	128860336,11
22	57588	38330	15082,17	2744,33	41390492,72	227471751,36	7531365,44
23	54668	57588	12162,17	57588,00	700394854,00	147918298,03	3316377744,00
24	44824	54668	2318,17	19082,33	44236029,06	5373896,69	364135445,44
25	45627	44824	3121,17	9238,33	28834378,06	9741681,36	85346802,78
итого	765105	640542	-94207	35585,67	544963430,61	4391739727,17	7094012543,89

42505,83 (26)

35585,67 (27)

0,098 (28)

Таблица 8 – Расчет коэффициента автокорреляции восьмого порядка временного ряда

t				-
1	4752	-	-	-	-	-	-
2	30950	-	-	-	-	-	-
3	6555	-	-	-	-	-	-
4	4100	-	-	-	-	-	-
5	10412	-	-	-	-	-	-
6	22167	-	-	-	-	-	-
7	15271	-	-	-	-	-	-
8	39011	-	-	-	-	-	-
9	7498	39011	-37508,18	2230,35	-83656471,71	1406863302,15	4974474,24
10	26499	7498	-18507,18	-29282,65	541939116,64	342515580,91	857473418,77
11	40950	26499	-4056,18	-10281,65	41704174,88	16452567,56	105712266,24
12	46782	40950	1775,82	4169,35	7404035,06	3153549,21	17383503,95
13	39356	46782	-5650,18	10001,35	-56509409,06	31924494,15	100027060,65
14	6259	39356	-38747,18	2575,35	-99787654,89	1501343684,44	6632442,77
15	50632	6259	5625,82	-30521,65	-171709400,18	31649890,38	931570939,18
16	49703	50632	4696,82	13851,35	65057360,41	22060151,27	191859978,30
17	16256	49703	-28750,18	12922,35	-371519927,47	826572647,09	166987205,54
18	40368	16256	-4638,18	-20524,65	95196935,06	21512680,97	421261136,89
19	42313	40368	-2693,18	3587,35	-9661374,53	7253199,50	12869101,12
20	24234	42313	-20772,18	5532,35	-114919011,59	431483315,33	30606929,07
21	38330	24234	-6676,18	-12546,65	83763629,88	44571332,27	157418352,42
22	57588	38330	12581,82	1549,35	19493685,29	158302283,33	2400494,54
23	54668	57588	9661,82	57588,00	556405093,41	93350833,91	3316377744,00
24	44824	54668	-182,18	17887,35	-3258654,83	33188,27	319957395,24
25	45627	44824	620,82	8043,35	4993502,76	385421,85	64695526,54
итого	765105	625271	-133218	36780,65	504935629,12	4939428122,59	6708207969,46

45006,18 (29)

36780,65 (30)

0,088 (31)

Таблица 9 – Расчет коэффициента автокорреляции девятого порядка временного ряда

t				-
1	4752	-	-	-	-	-	-
2	30950	-	-	-	-	-	-
3	6555	-	-	-	-	-	-
4	4100	-	-	-	-	-	-
5	10412	-	-	-	-	-	-
6	22167	-	-	-	-	-	-
7	15271	-	-	-	-	-	-
8	39011	-	-	-	-	-	-
9	7498	-	-	-	-	-	-
10	26499	7498	-21320,06	-29143,25	621335911,45	454545065,00	849329020,56
11	40950	26499	-6869,06	-10142,25	69667749,14	47184019,63	102865235,06
12	46782	40950	-1037,06	4308,75	-4468443,05	1075498,63	18565326,56
13	39356	46782	-8463,06	10140,75	-85821801,05	71623426,88	102834810,56
14	6259	39356	-41560,06	2714,75	-112825179,67	1727238795,00	7369867,56
15	50632	6259	2812,94	-30382,25	-85463370,36	7912617,38	923081115,06
16	49703	50632	1883,94	13990,75	26357698,58	3549220,50	195741085,56
17	16256	49703	-31563,06	13061,75	-412268831,61	996226914,38	170609313,06
18	40368	16256	-7451,06	-20385,25	151891771,83	55518332,38	415558417,56
19	42313	40368	-5506,06	3726,75	-20519718,42	30316724,25	13888665,56
20	24234	42313	-23585,06	5671,75	-133768578,23	556255173,13	32168748,06
21	38330	24234	-9489,06	-12407,25	117733170,70	90042307,13	153939852,56
22	57588	38330	9768,94	1688,75	16497293,20	95432139,88	2851876,56
23	54668	57588	6848,94	57588,00	394416612,75	46907944,88	3316377744,00
24	44824	54668	-2995,06	18026,75	-53991242,92	8970399,38	324963715,56
25	45627	44824	-2192,06	8182,75	-17937099,42	4805138,00	66957397,56
итого	765105	586260	-140716	36641,25	470835942,92	4197603716,44	6697102191,44

47819,06 (32)

36641,25 (33)

0,089 (34)

Таблица 10 – Расчет коэффициента автокорреляции десятого порядка временного ряда

t				-
1	4752	-	-	-	-	-	-
2	30950	-	-	-	-	-	-
3	6555	-	-	-	-	-	-
4	4100	-	-	-	-	-	-
5	10412	-	-	-	-	-	-
6	22167	-	-	-	-	-	-
7	15271	-	-	-	-	-	-
8	39011	-	-	-	-	-	-
9	7498	-	-	-	-	-	-
10	26499	-	-	-	-	-	-
11	40950	26499	-10057,00	-12085,13	121540185,93	101143249,00	146050447,68
12	46782	40950	-4225,00	2365,87	-9995786,67	17850625,00	5597325,08
13	39356	46782	-11651,00	8197,87	-95513344,53	135745801,00	67205017,88
14	6259	39356	-44748,00	771,87	-34539489,60	2002383504,00	595778,15
15	50632	6259	-375,00	-32325,13	12121925,00	140625,00	1044914245,02
16	49703	50632	-1304,00	12047,87	-15710418,13	1700416,00	145151091,22
17	16256	49703	-34751,00	11118,87	-386391735,53	1207632001,00	123629195,95
18	40368	16256	-10639,00	-22328,13	237549010,53	113188321,00	498545538,15
19	42313	40368	-8694,00	1783,87	-15508936,80	75585636,00	3182180,28
20	24234	42313	-26773,00	3728,87	-99832947,27	716793529,00	13904446,62
21	38330	24234	-12677,00	-14350,13	181916640,27	160706329,00	205926326,68
22	57588	38330	6581,00	-254,13	-1672451,47	43309561,00	64583,75
23	54668	57588	3661,00	57588,00	210829668,00	13402921,00	3316377744,00
24	44824	54668	-6183,00	16083,87	-99446547,60	38229489,00	258690766,95
25	45627	44824	-5380,00	6239,87	-33570482,67	28944400,00	38935936,02
итого	765105	578762	-167215	38584,13	-28224710,53	4656756407,00	5868770623,45

51007,00 (35)

38584,13 (36)

0,005 (37)

4.2 Автокорреляция в остатках: расчет критерия Дарбина – Уотсона

Автокорреляция в остатках – это корреляционная зависимость между значениями остатков (εt) за текущий и предыдущие моменты времени. Для определения остатков используется критерий Дарбина – Уотсона:

(38)

Таким образом, d – это отношение суммы квадратов разностей последовательных значений остатков к остаточной сумме квадратов по модели регрессии.

Расчет коэффициента автокорреляции в остатках первого порядка определяется по формуле:

(39)

где

; . (40)

Критерий Дарбина – Уотсона и коэффициент автокорреляции связаны соотношением d = 2 · (1 - rε).

Таким образом, если в остатках существует полная положительная автокорреляция и = 1, то d = 0. Если в остатках есть полная отрицательная автокорреляция, то = -1 и, следовательно, d = 4. Если автокорреляция остатков отсутствует, то = 0 и d = 2. Значит,

Алгоритм выявления автокорреляции остатков на основе критерия Дарбина – Уотсона следующий. Выдвигается гипотеза Н0 об отсутствии автокорреляции остатков. Альтернативные гипотезы Н1 и Н*1 состоят соответственно в наличии положительной или отрицательной автокорреляции в остатках. Далее по специальным таблицам определяются критические значения критерия Дарбина – Уотсона dL и dU для заданного числа наблюдений n, числа независимых переменных модели k и уровня значимости α. По этим значениям числовой промежуток [0; 4] разбивают на пять отрезков.

Если фактическое значение критерия Дарбина – Уотсона попадает в зону неопределенности, то на практике предполагают существование автокорреляции остатков и отклоняют гипотезу Н0. [10, с.436]

По нашим данным по 25 хозяйствам построим уравнение регрессии зависимости валового сбора картофеля (Y) от посевной площади всего (га) (Х1) и наличия тракторов (физ. ед) (Х2):

y = (-3795,88) – (-5,57) * х1 + (-35,4) * х2

Определим по организациям объясненную регрессию t, εt, εt-1, εt- εt-1, , (εt - εt-1)2, (εt)2.

Для этого сначала найдем оценки коэффициента линейного тренда по формуле:

=; (41)

; (42)

; (43)

. (44)

Модель тренда имеет следующий вид:

, (45)

отсюда . (46)

Таким образом, получаем уравнение модели тренда =9644,3+1612,3 · t, подставляя в него № хозяйства по порядку (t), определим выровненные значения валового сбора . (Приложение 4)

Объясненная регрессия определяется путем подстановки фактических значений Х1 и Х2 в уравнение регрессии. Остатки εt рассчитаем по следующей формуле :

εt = yt - t. (47)

εt-1 это те же значения, что и εt, но со сдвигом на один период времени, результаты вычислений оформили в таблицу.

Таблица 6 – Расчет объясненной регрессии и остатков

Период времени	t	εt	εt-1	εt- εt-1	(εt - εt-1)2	(εt)2
А	1	2	3	4	5	6
1	-10828,68	15580,68	-	-	-	242757589,26
2	-25423,80	56373,80	15580,68	40793,12	1664078639,33	3178005326,44
3	-10641,89	17196,89	56373,8	-39176,91	1534830277,15	295733025,67
4	-9998,86	14098,86	17196,89	-3098,03	9597789,88	198777853,30
5	-11326,63	21738,63	14098,86	7639,77	58366085,65	472568034,28
6	-19168,82	41335,82	21738,63	19597,19	384049855,90	1708650015,07
7	-13104,70	28375,70	41335,82	-12960,12	167964710,41	805180350,49
8	-56511,30	95522,30	28375,7	67146,60	4508665891,56	9124509797,29
9	-21842,16	29340,16	95522,3	-66182,14	4380075654,98	860844988,83
10	-31223,28	57722,28	29340,16	28382,12	805544735,69	3331861608,40
11	-33318,95	74268,95	57722,28	16546,67	273792288,09	5515876934,10
12	-33982,28	80764,28	74268,95	6495,33	42189311,81	6522868923,92
13	-51922,99	91278,99	80764,28	10514,71	110559126,38	8331854015,42
14	-13949,34	20208,34	91278,99	-71070,65	5051037291,42	408377005,56
15	-23834,48	74466,48	20208,34	54258,14	2943945756,26	5545256643,59
16	-24129,69	73832,69	74466,48	-633,79	401689,76	5451266112,64
17	-13392,73	29648,73	73832,69	-44183,96	1952222321,28	879047190,61
18	-24359,93	64727,93	29648,73	35079,20	1230550272,64	4189704922,08
19	-19991,44	62304,44	64727,93	-2423,49	5873303,78	3881843243,71
20	-19425,28	43659,28	62304,44	-18645,16	347641991,43	1906132730,12
21	-25891,68	64221,68	43659,28	20562,40	422812293,76	4124424182,02
22	-33350,76	90938,76	64221,68	26717,08	713802363,73	8269858070,34
23	-25621,10	80289,10	90938,76	-10649,66	113415258,12	6446339578,81
24	-30108,28	74932,28	80289,1	-5356,82	28695520,51	5614846586,00
25	-26781,88	72408,88	74932,28	-2523,40	6367547,56	5243045902,85
Итого	-610130,93	1375235,93	1302827	56828,20	26756479977,09	92549630630,80

Рассчитаем критерий Дарбина – Уотсона:

=0,29 (48)

Фактическое значение критерия Дарбина – Уотсона сравнивается с табличным значением при 5% - ом уровне значимости и при n = 25 хозяйств, m = 2 (число факторов х):

- нижняя граница = 1,21

- верхняя граница = 1,55

Значение d меньше нижнего табличного значения 1,21, таким образом, эта модель неадекватна.

Заключение

Основным путем повышения эффективности производства картофеля является снижение себестоимости и повышение общего объема выручки. Увеличение общего объема выручки возможно в основном за счет увеличения урожайности.

Для повышения качества картофеля, хозяйству необходимо повышать уровень агротехники, своевременно проводить сев и уборку, своевременно и в нормативных количествах использовать средства защиты растений, удобрения, а также улучшить организацию сбыта продукции.

Для рентабельности предприятий необходимо снижать себестоимость путем увеличения урожайности и снижения материальных затрат. Для увеличения урожайности необходимо:

1. внедрение новых технологий возделывания картофеля;

2. выведение и использование новых, более стойких сортов;

3. интенсивное использование удобрений;

4. проведение мероприятий по обработке почвы;

5. соблюдение севооборота;

6. соблюдение агротехнических сроков проведение работ.

Для снижения материальных затрат необходимо:

1. нормированное и экономное расходование денежных ресурсов;

2. ликвидация излишних штатных единиц;

3. оптимизация использования имеющихся трудовых ресурсов.

Кроме того, большую роль в снижении себестоимости в настоящее время играют социально-экономические факторы, в частности материальная заинтересованность работников в результатах своего труда.

Проведение вышеназванных мероприятий позволит снизить себестоимость продукции, что позволит при продаже картофеля заложить в его стоимость большую долю прибыли. Это позволит предприятию развиваться более интенсивно и обеспечит эффективность производства в целом.

Корреляционно – регрессионный анализ учитывает межфакторные связи, следовательно, дает нам более полное измерение роли каждого фактора: прямое, непосредственное его влияние на результативный признак; косвенное влияние фактора через его влияние на другие факторы; влияние всех факторов на результативный признак. Если связь между факторами несущественна, индексным анализом можно ограничиться. В противном случае его полезно дополнить корреляционно-регрессионным измерением влияния факторов, даже если они функционально связаны с результативным признаком.

Библиографический список

1. Айвазян С.А. Теория вероятностей и прикладная статистика: [Текст] Учебник. Т.1/С. А. Айвазян, В. С. Мхитарян. – 2-е изд.; испр. – М.: ЮНИТИ, 2004. – 656с. – (Прикладная статистика. Основы эконометрики. В 2 – х т., Т.1).

2. Алборов Р.А. Оценка производственных запасов и исчисление себестоимости продукции в условиях рынка: [Текст] Экономика сельскохозяйственных и перерабатывающих предприятий. - М.:, 2005. – 427 с.

3. Баделин Б.Ф. Предлагаем грядовую систему земледелия // Картофель и овощи. – 2-е изд.; 2006. – 285 с.

4. Балдин К. В. Эконометрика: [Текст] Учебное пособие / К. В. Балдин, О. Ф. Быстров, М. М. Соколов. 2-е изд.; перераб. и доп – М.: ЮНИТИ, 2004. – 254 с.

5. Белебеха И.А. Учет и калькуляция себестоимости сельскохозяйственной продукции. - Львов: Высшая школа, 2004.- 176 с.

6. Домбровский В. В. Эконометрика: [Текст] Учебник / В. В. Домбровский. – М.: Новый учебник – М, 2006. – 342 с.

7. Доугерти К. Введение в эконометрику: [Текст] Учебник: Пер. с англ. / К. Доугерти. – М.: ИНФРА – М, 2003, 2004 – 402 с. – (Университетский учебник)

8. Дубров А.М. Математическая статистика (для бизнесменов и менеджеров): [Текст] Учебное пособие с задачами/А. М. Дубров, В. С. Мхитарян, Л. И. Трошин; Моск. гос. ун – т экономики, статистики и информатики. – М.: МЭСИ, 2004. – 142 с.

9. Дубров А.М. Многомерные статистические методы: [Текст] Учебник. Для экономистов и менеджеров/А. М. Дубров, В. С. Мхитарян, Л. И. Трошин. – М.: Финансы и статистика, 2005

10. Елисеева И.И. Эконометрика: [Текст] Учебник/И. И. Елисеева, С В. Курышева, Т. В. Костеева и др.; Под ред. И. И. Елисеевой. – 2-е изд., перераб. и доп. – М.: Финансы и статистика, 2005. – 576 с.: ил.

11. Зинченко А.П. Сельскохозяйственные предприятия: экономико-статистический анализ/ А.П. Зинченко.- М.: Финансы и статистика, 2005. – 160 с.

12. Колемаев В. А. Эконометрика: [Текст] Учебник / В. А. Колемаев. – М.: ИНФРА – М, 2005. – 160 с.

13. Кремер Н. Ш. Эконометрика: [Текст] Учебник / Н. Ш. Кремер, Б. А. Путко; [ВЗФЭИ]; Под ред. Н. Ш. Кремера. – М.: ЮНИТИ, 2004. – 311 с.

14. Лопатников Л.И. Экономико – математический словарь. Словарь современной экономической науки/Л. И. Лопатников. – 4-е изд.; перераб. и доп. – М.: ABF, 2006. – 704 с.

15. Магнус Я. Р. Эконометрика. Начальный курс: [Текст] Учебник / Я. Р. Магнус, П. К. Катышева, А. А. Пересецкий. 6-е изд., перераб. и доп – М.: Дело, 2004. – 576 с.

16. Макарова Е. А. Моделирование и прогнозирование экономических процессов: [Текст] Учебно – методическое пособие (для студентов экономических специальностей) / Е. А. Макарова; ВЗФЭИ. Волгоградский ф – л. – Волгоград: ВолГУ, 2004. – 246 с.

мвмв

Авторское мнение может не совпадать с мнением редакции портала
Перепечатка материалов без ссылки на наш сайт запрещена