Статистико-экономический анализ уровня и эффективности производства продукции растениеводства

Условная средняя рентабельность - 55,1%.

Из-за рентабельности отдельных продуктов  общая рентабельность основных культур  в III группе выше, чем во II группе на пунктов.  За счет структурной разницы средняя рентабельность в III группе ниже, чем во II группе на: .

Следует отметить, что рентабельность реализации по зернобобовым культурам в III группе ниже, чем во II-ой, а по картофелю наоборот. Общая рентабельность продукции растениеводства несколько выше в III группе, следовательно, во II группе выше рентабельность прочих культур.

2.11. Себестоимость производства единицы продукции

основной культуры

Одним из обобщающих показателей эффективности предприятий является себестоимость продукции – затраты всех ресурсов и средств на производство в денежной форме. По растениеводству она рассчитывается как затраты на 1 рубль валовой продукции в текущих или сопоставимых ценах. Фактический уровень себестоимости определяется по предприятиям, где имеется категория заработной платы работников с отчислениями.

Так как предприятия специализируются на производстве разных культур, то и себестоимость, т.е. издержки, каждого вида продуктов будет отличаться. Для нахождения себестоимости производства 1 ц продукции нужно затраты на производство (тыс. руб.) поделить на валовой сбор культуры (ц) (таблица 19).

Таблица 19. Себестоимость производства единицы продукции

основных культур

Самая низкая себестоимость производства 1 ц зерновых и зернобобовых в средней типической группе – 0,388 тыс. руб., в высшей типической группе гораздо выше –0,499 тыс. руб. Противоположная картина наблюдается в себестоимости 1 ц овощей: в высшей типической группе она минимальная – 0,263 тыс. руб.

При изучении себестоимости продукции следует различать постоянные и переменные затраты. В каждом предприятии есть затраты, которые остаются постоянными при любом объеме производства продукции (амортизация основных средств, арендная плата, затраты по организации и управлению производством). По мере увеличения объемов производства на предприятии их величина в расчете на единицу продукции уменьшается, что является важнейшим фактором снижения себестоимости.

Переменные затраты – удобрения, заработная плата, химические средства защиты растений – приводят к росту всей себестоимости.

Разделение на постоянные и переменные затраты носит относительный характер. Затраты на семена в растениеводстве неизбежны и являются постоянными затратами, но дополнительные затраты на них в связи с улучшением их качества, повышения норм высева следует считать переменными затратами.

2.12.       Финансовое состояние хозяйств

              Финансовое состояние предприятий характеризуется системой абсолютных моментных уровней размера активов и задолженностей, а также относительных показателей их соотношений.

Для анализа финансового состояния предприятий различных типических групп приведем таблицу 20.

Уровень кредиторской и дебиторской задолженности увеличивается от I группе к III группе.

Низшая группа предприятий имеют наименьшие значения задолженностей в связи с тем, что они не кредитоспособные. В высшей типической группе на 415,6% выше кредиторская задолженность, чем в I группе, и на 640,5% больше дебиторская задолженность. Что касается отношения кредиторской задолженности к общей выручке от реализации продукции и услуг, например,  для III группы, то можно сделать следующий вывод: на 1 рубль выручки приходится 1,4 рубль кредиторской задолженности. А вот дебиторской задолженности приходится 30 копеек на каждый рубль выручки для III группы. На предприятиях низшей типической группы дело обстоит хуже: на 1 рубль выручки приходится 39,7 рубль кредиторской задолженности.

Глава 3. Анализ изучения взаимосвязей факторных и результативных признаков

3.1 Оценка степени влияния на выход валовой продукции растениеводства отдельных факторов на основе корреляционно-регрессионного анализа

Корреляционная связь – это неполная связь между признаками, которая проявляется при рассмотрении достаточно большого числа наблюдений.

Требуется провести корреляционно-регрессионный анализ выхода валовой продукции на 100 га с. х. угодий и его факторов.

При отборе факторов для проведения анализа необходимо проверить тесноту связи признака с каждым из факторов и факторов друг с другом, для чего ищется матрица парных коэффициентов корреляции.

Сформулируем корреляционно – регрессионную модель:

х0=а0+а1х1+а2х2,

где х0 – средний выход валовой продукции, тыс. руб.;

х1, х2 – факторы выход валовой продукции: обеспеченность трудовыми ресурсами и уровень затрат на семена и посадочный материал в расчете на 100 га с. х. угодий;

а0, а1, а2 – параметры уравнений регрессии.

Формула статистической связи двух переменных  называется парной регрессией. По результатам регрессионного анализа было получено уравнение регрессии:

х0 = -99,15 + 5,72 х1 + 89,270х2

r01, r02 – коэффициенты парной корреляции первого фактора с результативным признаком (затраты на минеральные удобрения и выход валовой продукции) и второго (численность рабочих и выход валовой продукции).

Свободный член уравнения (а0) – условное начало уравнения. Параметры при переменных х1 и х2 называют коэффициентами чистой регрессии. Коэффициент чистой регрессии показывает, на сколько единиц изменится результативный признак при изменении фактора на единицу при условии, что все остальные факторы останутся неизменными:

–      при увеличении численности работников на одного человека, выход валовой продукции увеличится на 89,27 тыс. руб. ();

–      при увеличении затрат на производство продукции растениеводства на 1 тыс. руб., выход валовой продукции увеличится на 5,7 тыс. руб. ().

Теснота связи между факторами и результатом высокая (коэффициент множественной корреляции R=0,8746), включенные в модель факторы объясняют 76% (R2=0,7649) вариации результативного признака.

              Уравнение в целом значимо: F-критерий Фишера равный 26,03 значим уже при 0,0000093278061, что гораздо меньше принимаемой обычно 5% области значимости при проверке статистических гипотез. Следовательно, влияние факторов, включенных в модель, на выход валовой продукции достоверно.

Аналогично проверяется значимость каждого из коэффициентов чистой регрессии и условного начала (а0), они будут значимы для генеральной совокупности, если "Р-значение" по каждому из параметров менее 0,05 (5%).

В нашей модели значим каждый из коэффициентов чистой регрессии:

t1=3,5, "Р-значение" = 0,0031414376, или 0,31414376%, что гораздо меньше 5%; t2=2,33, "Р-значение"= 0,0333375305, а также условное начало a0 ("Р-значение" = 0,6194564285, или 61,946%); Следовательно, полученные закономерности в результате интерпретации а1 и а2 можно распространять на всю генеральную совокупность.

Одним из условий возможности применения множественного корреляционно-регрессионного анализа является отсутствие взаимной высокой коррелированности между факторными переменными – мультиколлинеарности.

Условие отсутствия мультиколлинеарности факторов заключается в одновременном выполнении неравенств:

r12< r01

r12< r02,

где - коэффициенты парной корреляции первого фактора с результативным признаком (затраты на минеральные удобрения и выхода валовой продукции) и второго (численности работников и выхода валовой продукции);

r12   – коэффициент парной корреляции между факторами (затратами на минеральные удобрения и численности работников).

В случае выполнения данного требования, можно считать, что факторы действуют не в одном направлении (отсутствует явление мультиколлинеарности) только в том случае, если r12 по модулю не превышает 0,6.

Отметим, что в модели отсутствует явление мультиколлинеарности, коэффициент парной корреляции между факторами равен (r12=0,6). Следовательно, построенную многофакторную модель можно использовать в целях анализа и установления закономерностей.

Чтобы продолжить корреляционный анализ и сравнить факторы по силе влияния, определить чистый вклад каждого фактора, рассчитаем стандартизованные коэффициенты (коэффициенты эластичности (Э) и β-коэффициенты (β)) и коэффициенты отдельного определения (d) по каждому фактору:

;  

;

,

где - средние значения, - средние квадратические отклонения результативного признака, первого и второго факторного признака соответственно.

              Таким образом, необходимо рассчитать средние уровни и средние квадратические отклонения по каждому фактору, а также коэффициенты парной корреляции (табл.21).

Таблица 21.Расчет стандартизированных коэффициентов регрессии и коэффициентов отдельного определения