Крестьянские (фермерские) хозяйства

 

 

Таблица 1.3  Регрессионная  статистика

Множественный R	0,819179114
R-квадрат	0,671054421
Нормированный R-квадрат	0,561405895
Стандартная ошибка	2786,969861
Наблюдения	9

 

Множественный коэффициент корреляции R = 0,819 показывает, что теснота связи между валовым сбором и факторами, включенными в модель, сильная. Множественный коэффициент детерминации (R-квадрат) D = 0,671 т.е. 67,1% вариации валового сбора объясняется вариацией изучаемых факторов.

 

Таблица 1.4 Дисперсионный  анализ

	df	SS	MS	F	Значимость F
Регрессия	2	95071311,01	47535656	6,120049612	0,03559362
Остаток	6	46603206,04	7767201
Итого	8	141674517

 

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=9-2=7, где k – число факторов в модели, n – число наблюдений, F_табл = 5,59. Так как F_факт = 6,12 > F_табл = 5,59, то коэффициент корреляции значим, следовательно, построенная модель в целом адекватна.

 

Таблица 1.5 Коэффициенты регрессии

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение
Y-пересечение	4548,412748	9334,885369	0,487248913	0,643371052
Переменная X 1	0,176752116	1,353476688	0,130591179	0,900367169
Переменная X 2	0,129697017	0,140989503	0,919905482	0,393103578

 

Продолжение таблицы 1.5

Нижние 95%	Верхние 95%	Нижние 95,0%	Верхние 95,0%
-18293,22885	27390,05434	-18293,22885	27390,05434
-3,135086024	3,488590257	-3,135086024	3,488590257
-0,215291868	0,474685902	-0,215291868	0,474685902

 

 

Используя таблицу 1.5 составим уравнение регрессии:

У = 4548,41 +0,18Х₁ +0,13Х₂.

Интерпретация полученных параметров следующая:

а0 = 4548,41 – свободный член уравнения регрессии, содержательной интерпретации не подлежит;

а1 = 0,18– коэффициент чистой регрессии при первом факторе свидетельствует о том, что при увеличении посевной площади 1 тыс. га валовый сбор увеличится на 0,18%, при условии, что другие факторы остаются постоянными;

а2 = 0,13– коэффициент чистой регрессии при втором факторе свидетельствует о том, что при увеличении инвестиций на 1 млн. руб. валовый сбор увеличится на 0,13%, 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=9-2-1 =6, где k – число факторов в модели, n – число наблюдений, tтабл = 2,45. Получим

t1факт = 0,13 < tтабл = 2,2,

t2факт = 0,92 <  tтабл = 2,2.

Значит, статистически  значимым не является ни один из факторов.

 

 

 

Таблица 1.6 Описательная статистика

	У	Х1	Х2
Среднее	16321,53942	13658,37511	72160,33333
Стандартная ошибка	1402,747884	812,2377594	7797,352628
Медиана	15657,92	14133	76884
Мода	#Н/Д	#Н/Д	#Н/Д
Стандартное отклонение	4208,243652	2436,713278	23392,05788
Дисперсия выборки	17709314,63	5937571,601	547188372
Эксцесс	-0,80085349	-0,999003474	-0,982552857
Асимметричность	0,143116459	-0,567810825	-0,444572973
Интервал	13024,926	7002	66981
Минимум	9678,424	9529	35407
Максимум	22703,35	16531	102388
Сумма	146893,8548	122925,376	649443
Счет	9	9	9

 

 Средние  значения признаков, включенных в модель У = 16321,54 тыс. тон.; Х1 = 13658,37 тыс. га; Х2 = 72160,33 млн. руб.

Стандартные ошибки коэффициентов регрессии Sа0 = 1402,75; Sа1 = 812,24; Sа2 = 7797,35.

Средние квадратические отклонения признаков σУ = 4208,24 тыс. тонн; σХ1 = 2436,71 тыс. га; σХ2 = 23392,06 млн. руб..

Зная средние  значения и средние квадратические отклонения признаков, рассчитаем коэффициенты вариации для оценки однородности исходных данных.

Вариация факторов, включенных в модель не превышает допустимых значений (33-35%). Валовый сбор характеризуется вариацией 25,78%. В данном случае необходимо проверить исходную информацию и исключить те значения, которые значительно отличаются от средних значений.

Разные единицы  измерения делают несопоставимыми коэффициенты регрессии, когда возникает вопрос о сравнительной силе воздействия на результативный признак каждого из факторов чистой регрессии. Выразим их в стандартизированной форме в виде бета-коэффициентов и коэффициентов эластичности.

Каждый из β-коэффициентов  показывает, на сколько средних квадратических отклонений изменится число действующих строительных организаций, если соответствующий фактор изменится на свое среднее квадратическое отклонение.

При увеличении посевной площади на 1 среднее квадратическое отклонение валового сбора увеличивается на 0,18 своего среднего квадратического отклонения; при увеличении инвестиций на 1 свое среднее квадратическое отклонение валового сбора увеличивается на 0,72 своего среднего квадратического отклонения.

Сопоставление β-коэффициентов показывает, что  наиболее сильное влияние на варьирование валового сбора оказывает инвестиции вторым – посевная площадь.

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

При увеличении посевной площади на 1% валовый сбор увеличивается на 0,151%; при увеличении инвестиций на 1% валовый сбор увеличивается на 0,575%.

В таблице 1.7 приведены расчетные значения валового сбора и отклонения фактических значений от расчетных. Расчетные значения получены путем подстановки значений факторов валового сбора в уравнение регрессии.

Если расчетное  значение валового сбора превышает фактическое значение (остатки отрицательные), то в данном хозяйстве есть резервы повышения валового сбора за счет факторов включенных в модель, в противном случае (остатки положительные) у хозяйства отсутствуют резервы повышения валового сбора за счет факторов, включенных в модель.

Таблица 1.7 Остатки

Наблюдение	Предсказанное Y	Остатки
1	10824,86594	-1146,44194
2	11812,25658	1835,54742
3	14277,3299	-5,163896634
4	15723,7301	-65,81009901
5	17018,07585	-549,513851
6	20526,83572	2176,514276
7	17972,22533	2348,09247
8	18861,15737	-5522,578071
9	19877,37801	929,353692

 

Так порядковые номера годов № 1, 3, 4, 5, 8 имеют резервы повышения валового сбора. Полученную модель используем для расчета резервов роста валового сбора. Разделим хозяйства на две группы: первая – хозяйства, где валовый сбор ниже, чем в среднем по совокупности, а вторая – хозяйства, где валовый сбор выше, чем в среднем по совокупности. Заполним таблицу 1.8.

 

 

Таблица 1.8 Расчет резервов повышения валового сбора

Фактор	Среднее значение фактора			Разность между группами		Коэффициент регрессии	Влияние факторов на уровень рентабельности
	1	2	по совокупности	1	2		1	2
А	1	2	3	4=3-1	5=3-2	6	7=6*4	8=6*5
Вся посевная площадь, тыс. Га	11387,5	15475,07	13658,37	2270,87	-1816,7	0,18	408,76	-327,01
Инвестиции в основной капитал на охрану окруж. среды, млн. Руб	50875,3	89188,4	72160,33	21285,03	-17028,1	0,13	2767,05	-2213,6
Валовый сбор зерновых и зернобобовых культур крестьянских(фермерских хозяйств) тыс. Тонн	13318,98	20074,74	16321,54	3002,56	-3753,2	х	3175,81	2540,61

 

 

Анализируя  результаты таблицы 1.8 видим, что в 1 группе хозяйств есть резерв повышения валового сбора на 3175,81 тыс. тонн за счет рассматриваемых факторов. Так, если посевную площадь увеличить с 11387,5 тыс. га до среднего по совокупности (13658,37 тыс. га), то валовый сбор увеличится на 408,76 тыс. тонн; при увеличении инвестиций с 50875,3 млн. руб. до 72160,33, то валовый сбор  увеличится на 2767,05 тыс. тонн.

Суммарный резерв повышения валового сбора составляет 3175,81 тыс. тонн. Во второй группе резерв повышения валового сбора за счет рассматриваемых факторов исчерпан.

 

 

 

 

Заключение

 

Положение крестьянских (фермерских) хозяйств до сих пор четко не определено, что вызывает множество споров в теории и на практике. В нормативных правовых актах, регулирующих деятельность крестьянских (фермерских) хозяйств, и прежде всего в Гражданском кодексе Российской Федерации не учитывается их существенные особенности. В результате некоторые виды взаимоотношений - как право собственности, наследование имущества и ответственность крестьянского хозяйства по своим обязательствам - остаются либо вообще вне сферы правового регулирования, либо регулируются недостаточно четко. Многие проблемы в отношении права собственности крестьянского (фермерского) хозяйства обусловлены тем, что в теории аграрного и гражданского права не достаточно разработаны концептуальные подходы к названному виду хозяйствования.

Изучив методы статистического  анализа, а именно: анализ ряда динамики, индексный анализ и корреляционно-регрессионный анализ можно сделать следующее заключение:

1. Методом выравнивания ряда динамики по среднему коэффициенту роста за исследуемый период выявлена тенденция увеличение  роста валового сбора зерна в среднем в 1,012  раз или на 1,2%.

2. Аналитическим методом по уравнению прямой выявлена тенденция роста валового сбора в среднем ежегодно на 1045,45 тыс. тонн.

3. Выявленная тенденция по логарифмической функции сохранится, в следующие два года с вероятностью 95% можно ожидать увеличение валового сбора в России, причем в 2012 году валовый сбор будет составлять от до тыс. тонн, а в 2013 году – от 11269,64 до 29896,78 тыс. тонн.

4. Множественный коэффициент корреляции R = 0,819 показывает, что теснота связи между валовым сбором и факторами, включенными в модель, сильная. Множественный коэффициент детерминации (R-квадрат) D = 0,671 т.е. 67,1% вариации валового сбора объясняется вариацией изучаемых факторов.

5. Суммарный резерв повышения валового сбора составляет 3175,81 тыс. тонн. Во второй группе резерв повышения валового сбора за счет рассматриваемых факторов исчерпан.