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.