Статистический анализ

Вывод: Валовой  надой молока в 2008 году по сравнению 2007г. снизился на 4 %, что составило 443537,2 кг.

2) I Y/П=(П₂₀₀₈·у₂₀₀₇)/(П₂₀₀₇·у₂₀₀₇)=11761195,6/12781414,8=0,92 или 92%

∆Y/П=(П₂₀₀₈-П₂₀₀₇)·у₂₀₀₇=(3117,2-3387,6)·3773=-1020219,2

Вывод: Валовой надой молока в 2008 году по сравнению 2007г. за счет изменения поголовья коров, снизился на 8 %, что составила 1020219,2 кг.

3) I Y/у = (у₂₀₀₈·П₂₀₀₈) / (у₂₀₀₇·П₂₀₀₈) = (3958·3117,2)/(3773·3117,2) = 12337877,6/11761195.6=1,05 или 105%

∆Y/у=(у₂₀₀₈-у₂₀₀₇)·П₂₀₀₈=(3958-3773)·3117,2=576682

Вывод: Валовой надой молока в 2008 году по сравнению 2007г. за счет изменения надоя молока на одну корову, увеличился на 5%, что составило 576682 кг.

4) Взаимосвязь  индексов:

I Y = I Y/П · I Y/у

∆Y = ∆Y/П + ∆Y/у

0,96=0,92·1,05

-443537,2=-1020219+576682

Вывод: Валовой надой молока Центрального федерального округа в 2008 году по сравнению с 2007 г., снизился на 8 %, за счет снижения поголовья коров, и за счет роста надоя молока на одну корову на 5%.

     Интегральный  коэффициент К. Гатева: 

     

     Индекс  структурных сдвигов А. Салаи

     

     Таблица 3.2 Расчет обобщающих структурных сдвигов

 

     В результате расчетов за 2007-2008 годы получим систему обобщающих показателей структурных сдвигов:

     Таблица 3.3 Вывод итогов расчета обобщающих показателей за 2007-2008гг

     Расчет  индекса Салаи имеет отличительную  особенность, которую можно отнести  к недостаткам, – его величина сильно изменяется с изменением элементов, на которые делится совокупность.

     В итоге мы выяснили, что все показатели за исследуемый период показывают различное значение структурных сдвигов данных показателей. Отличаясь между собой лишь количественно, они отражают одну и ту же динамику процесса конечного использования. То есть структура поголовья КРС по категориям хозяйств не так стабильна. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

4. КОРЕЛЯЦИОННО - РЕГРЕССИОННЫЙ АНАЛИЗ 
 

          Таблица 4.1 Исходные данные для корреляционно-регрессионного анализа

               Таблица 4.2 Корреляционная матрица

Как мы видим по данным таблицы 5.2 связь между надоем на одну корову и потреблением молочных продуктов прямая, слабая, а между надоем на одну корову и расходов кормов, связь обратная и очень слабая, связь между надоем на одну корову и поголовьем коров, обратная и очень слабая. Коэффициенты корреляции между факторами свидетельствуют об отсутствии  мультиколлениарности.

Таблица 4.3  Регрессионная статистика 

 

Множественный коэффициент корреляции  R = 0,25 показывает, что теснота связи между надоем молока на одну корову и факторами включенными в модель, умеренная. Множественный коэффициент детерминации (R-квадрат) D= -0,064, т.е. 6,4%  вариации надоя молока на одну корову объясняется вариацией изучаемых факторов.

Таблица 4.4 Дисперсионный анализ 

 

     Проверим  значимость коэффициента множественной  корреляции, для этого воспользуемся F-критерием, для чего сравним фактическое значение F с табличным значением F_табл. При вероятности ошибки α = 0,05 и степенях свободы v1=k-1=2-1=1, v2=n-k=26-3 =23, где k – число факторов в модели, n – число наблюдений, F_табл = 4,17. Так как F_факт = 0,5 < F_табл = 3,63, то коэффициент корреляции незначим, следовательно, построенная модель неадекватна.

                Таблица 4.5 Коэффициенты регрессии

                                                      Продолжение таблицы 4.5

               Используя таблицу 4.5 составим уравнение регрессии:

      Y= 2039,77 + 10,43X1 – 5,13X2 – 1,47Х3

     Интерпретация полученных параметров следующая:

     а0 = 2039,77 – свободный член уравнения регрессии, содержательной интерпретации не подлежит;

     а1 = 10,43 – коэффициент чистой регрессии при первом факторе свидетельствует о том, что при увеличении уровня потреблении молока и молочных продуктов, надой молока на одну корову увеличится на 10,4%, при условии, что другие факторы остаются постоянными;

     а2 = -5,13 – коэффициент чистой регрессии при втором факторе свидетельствует о том, что при уменьшении расхода корма в расчете на одну голову, надой молока уменьшится на 5,13%, при условии, что другие факторы остаются постоянными;

     а3 = – 1,47 – коэффициент чистой регрессии при третьем факторе свиде-тельствует о том, что при увеличении поголовья коров  уровень надоя молока на одну корову уменьшится на 1,47%, при условии, что другие факторы остаются постоянными

     Проверку  значимости коэффициентов регрессии  осуществим с помощью t-критерия Стьюдента; для этого сравним фактические значения t-критерия с табличным значением t-критерия. При вероятности ошибки α = 0,05 и степени свободы v= n-k-1=26-3-1=22, где k – число факторов в модели, n – число наблюдений, , tтабл = 2,13. Получим

     t1факт = 2,21> tтабл = 2,13,

     t2факт = -0,06 <  tтабл = 2,13,

     t3факт = -0,48 <  tтабл = 2,13.

     Значит, статистически значимыми являются первый фактор. В этом случае модель пригодна для принятия решений, но не для прогнозов 
 
 

Таблица 4.6 Описательная статистика