Статистический анализ себестоимости яиц (на примере СХОАО Белореченское)

статистического исследования в целом. Статистическое наблюдение должно быть

организовано так, чтобы в результате его проведения были получены

объективные, точные данные об изучаемом явлении. Неполные, неточные данные,

недостаточно хорошо характеризующие процесс, а тем более искажающие его,

приводят к тому, что и выводы из анализа такого материала делаются

ошибочные.

При статистическом наблюдении нужно точно определить, что именно

подлежит наблюдению, иначе говоря, необходимо установить объект наблюдения.

Объектом статистического наблюдения называется та совокупность, о которой

должны быть собраны нужные сведения.

Всякий объект статистического наблюдения состоит из отдельных

элементов, единиц. Характеристика объекта может быть получена лишь

посредством характеристики, прежде всего его элементов, единиц. Поэтому

необходимо решить вопрос о том, каков тот элемент совокупности, который

служит единицей наблюдения в каждом данном случае.

Единицей наблюдения называют тот составной элемент объекта наблюдения,

который является носителем признаков, подлежащих регистрации.

Специально организованное статистическое наблюдение представляет собой

наблюдение, которое организуется с какой-либо специальной целью на

определенную, как правило, дату для получения данных, которые в силу тех

или иных причин не собираются посредством отчетности, или для проверки,

уточнения данных отчетности.

В зависимости от степени полноты охвата наблюдением изучаемого объекта

статистическое наблюдение подразделяется на сплошное и не сплошное.

Сплошным называют такое наблюдение, при котором обследованию

подвергаются все без исключения единицы изучаемой совокупности явлений

(объекта наблюдения). Не сплошным называют такое наблюдение, при котором

обследованию подвергаются не все единицы изучаемой совокупности, а только

часть их.

3.2 Сводка и группировка

Статистическая сводка является сложной операцией по научной обработке

данных статистического наблюдения, при которой тысячи, а иногда и многие

миллионы индивидуальных показаний превращаются в стройную систему

статистических выкладок.

Статистическая сводка ведется на основе всестороннего теоретического

анализа изучаемых явлений и процессов. Если такой анализ не предшествует

сводке, то возможны недостаточно полный охват сводкой изучаемого явления,

выпячивание при этом частных вопросов и т.п. Предварительный теоретический

анализ должен способствовать тому, чтобы во время сводки не терялись

основные черты исследуемых явлений, чтобы статистические итоги отчетливо

характеризовали эти черты.

Статистическая сводка ведется по программе, которая составляется

заранее. Программа, прежде всего, определяет подлежащее и сказуемое сводки.

Подлежащее сводки составляют группы или части, на которые разбивается

совокупность явлений. Сказуемое сводки составляют показатели,

характеризующие каждую группу и совокупность в целом. Группы данной

совокупности могут быть получены по многим признакам и охарактеризованы

многими показателями.

Основное содержание программы сводки составляет система макетов

разработанных таблиц.

При разработке программы должны всемерно учитываться запросы

потребителей статистической цифры. Составление программы сводки должно

вестись совместно с теми, кто будет использовать ее результаты в работе.

Для успешного осуществления статистической сводки составляется ее

план. В плане фиксируется решение вопросов организации сводки, оформления

ее результатов в виде таблиц, публикации в виде статистических сборников и

др. В плане сводки даются указания и о том, на каких машинах она будет

производиться и какова техника сводки.

Чаще всего простые итоговые данные сводки не удовлетворяют

исследователя, поскольку они дают слишком общее представление об изучаемом

объекте. Другими словами, от статистики требуется не только характеристика

всех наблюдаемых объекта, но и знание отдельных его частей, групп.

Сравнение отдельных групп позволяет делать выводы об их различии, об их

развитии. Обобщение данных о развитии групп дает представление о характере

развития объекта в целом.

Чтобы иметь сведения о группах изучаемой совокупности, необходимо эту

совокупность расчленить. Расчленение множества единиц объекта наблюдения на

однородные группы по определенным существенным для них признакам называется

группировкой.

Группировка материала статистического наблюдения является одной из

важнейших работ статистического исследования вообще. Несмотря на кажущуюся

легкость проведения группировок и технический характер дела, эта операция

является труднейшим этапом статистической работы. Прежде чем проводить

любую группировку, необходимо определить группировочный признак, или

основание группировки. Основанием группировки является признак, по которому

совокупность расчленяется на группы. Выбор основания группировки зависит от

цели данной группировки и предварительного экономического анализа. Данные

по наблюдению приведены в таблице 4.

Таблица 4. Сводная таблица

|Год |Объемные показатели |Расчетные показатели |

| |сбор, |гол. |производст|оплату |на |труда на |1000шт, |

| |тыс. | |во яйца, |труда |1гол,|1000шт |р. |

|1992 |257099|998 |17626,707 |1987,308|258 |7,73 |68,56 |

|1993 |271114|1015 |19311,450 |2278,466|267 |8,40 |71,23 |

|1994 |267259|1007 |20049,770 |2553,733|265 |9,56 |75,02 |

|1995 |272876|1031 |50926,848 |3503,149|265 |12,84 |186,63 |

|1996 |293942|1094 |72430,248 |3940,656|269 |13,41 |246,41 |

|1997 |369648|1160 |144613,691|5265,046|319 |14,24 |391,22 |

|1998 |443218|1340 |234954,294|5565,081|331 |12,56 |530,11 |

|1999 |457899|1350 |221687,222|6528,000|339 |14,26 |484,14 |

|2000 |468624|1408 |160377,192|7207,000|333 |15,38 |342,23 |

|2001 |469864|1455 |317989,859|8885,000|323 |18,91 |676,77 |

|Всего |357154|11858 |1259967,28|47713,43|301 |13,36 |352,78 |

| |3 | |1 |9 | | | |

В качестве группировочных признаков служат затраты на оплату труда на

1000шт яиц и продуктивность кур.

Для изучения интенсивности вариаций уровней этих признаков сделаны

таблицы 5 и 6, где приводятся ранжированные ряды.

Таблица 5. Ранжированный ряд по продуктивности

|Сбор яйца на |Себестоимость|Год |

|1гол, шт. |1000шт, р. | |

|258 |68,56 |1992 |

|265 |186,63 |1995 |

|265 |75,02 |1994 |

|267 |71,23 |1993 |

|269 |246,41 |1996 |

|319 |391,22 |1997 |

|323 |676,77 |2001 |

|331 |530,11 |1998 |

|333 |342,23 |2000 |

|339 |484,14 |1999 |

Таблица 6. Ранжированный ряд по затратам

|Затраты на |Себестоимость |Год |

|оплату труда |1000шт, р. | |

|7,73 |68,56 |1992 |

|8,40 |71,23 |1993 |

|9,56 |75,02 |1994 |

|12,56 |530,11 |1998 |

|12,84 |186,63 |1995 |

|13,41 |246,41 |1996 |

|14,24 |391,22 |1997 |

|14,26 |484,14 |1999 |

|15,38 |342,23 |2000 |

|18,91 |676,77 |2001 |

Вариация по затратам на заработную плату и по продуктивности

незначительная.

Строим интервальный ряд, с равными интервалами, при n=3, исходя из

таблицы 6.

Интервал в группах: [pic].

Данные сводим в групповую таблицу 7 по затратам на заработную плату.

Таблица 7. Себестоимость яиц в зависимости от затрат на оплату труда.

|районов |о |сбор |затрат на |на |вье | |

| | | | | | |на |имость,|

| | | | | | |оплату |р. |

| | | | | | |р. | |

|7,73-11,4|3 |795472 |56987,928 |6819,507|3020 |8,57 |71,64 |

|6 | | | | | | | |

|11,46-15,|5 |1837583|724612,303 |24801,93|5975 |13,50 |394,33 |

|19 | | | |2 | | | |

|15,19-18,|2 |938488 |478367,051 |16092,00|2863 |17,15 |509,72 |

|91 | | | |0 | | | |

|Всего |10 |3571543|1259967,281|47713,43|11858 |13,36 |352,78 |

| | | | |9 | | | |

Большинство наблюдений – 5, которые при среднем уровне затрат на

заработную плату в расчете на 1000 яиц (13,50 руб.), имеют среднюю

себестоимость в данной совокупности. Минимальное число наблюдений – 2,

которые при самом высоком уровне затрат на заработную плату (17,15 руб.),

имеют максимальную себестоимость – 509,72р. Связь между факторным и

результативным признаками проявляется следующим образом: с увеличением

затрат на заработную плату себестоимость тоже увеличивается, т.е. связь

прямолинейная и прямая.

По второму группировочному признаку – продуктивности вариация уровней

также невелика. Группировку проводим как в случае с неравными интервалами.

Данные сводим в групповую таблицу 8.

Таблица 8. Себестоимость яиц в зависимости от продуктивности.

|районов по |о |сбор |затрат на |на |вье | |

| | | | | | |1гол, |р. |

| | | | | | |шт. | |

|258-269 |5 |1362290|180345,024|14263,31|5145 |265 |132,38 |

| | | | |2 | | | |

|319-323 |2 |839512 |462603,550|14150,04|2615 |321 |551,04 |

| | | | |6 | | | |

|331-339 |3 |1369741|617018,707|19300,08|4098 |334 |450,46 |

| | | | |1 | | | |

|Всего |10 |3571543|1259967,28|47713,43|11858 |301 |352,78 |

| | | |1 |9 | | | |

Минимальную продуктивность (265шт) имеют пять наблюдений, у них же и

самая низкая себестоимость (132,38). Максимальную продуктивность видим у

трех наблюдений (334шт), которые имеют себестоимость наиболее близкую к

средней по совокупности (450,46р.).

Из приведенной таблицы нельзя сказать, как проявляется связь между

признаками.

Для более глубокого изучения связи продуктивности кур и затрат на

заработную плату и себестоимости яиц проводим комбинационную группировку.

Для проведения комбинационной группировки нужно воспользоваться

интервальными рядами таблиц 7 и 8.

Таблица 9. Себестоимость яиц в зависимости от продуктивности кур и

затрат на заработную плату

|ы |районов |ло |сбор |затрат на |на |ловь| |

|район|по |наб| |производст|оплату |е | |

|1992 |17626,707 |68,56 |

|1993 |19311,450 |71,23 |

|1994 |20049,770 |75,02 |

|1995 |50926,848 |186,63 |

|1996 |72430,248 |246,41 |

|1997 |144613,691 |391,22 |

|1998 |234954,294 |530,11 |

|1999 |221687,222 |484,14 |

|2000 |160377,192 |342,23 |

|2001 |317989,859 |676,77 |

|Всего |1259967,281 |352,78 |

[pic]р.

Мода (Мо) – это наиболее распространенное значение признака, т.е.

варианта, которая в ряду распределения имеет наибольшую частоту.

В дискретном ряду мода определяется визуально. На основании таблицы 4

можно утверждать, что Мо=676,77р. (2001г), т.к. 2001г самый большой валовой

сбор яиц.

Медиана (Ме) – варианта, которая расположена в середине упорядоченного

ряда распределения и делит ряд на две равные по объему части.

Медиана, как и мода не зависит от крайних значений вариантов, поэтому

применяется для характеристики центра в ряду распределения с

неопределенными границами.

В дискретном ряду медианой будет значение признака, для которого

кумулятивная частота (Sm) равна или превышает половину объема совокупности.

Объем совокупности, если судить по таблице 4, равен 3571543тыс.шт., его

половина равна 1785771,5 тыс.шт. Кумулятивная частота 1998 года

(Sm=2175156) превышает и максимально близка к этой цифре. Значит, медианой

является себестоимость 1998 года и равняется Ме=530,11р. Следовательно,

кумулятивная частота определяет, что валовой сбор, равный 1785771,5

тыс.шт., будут иметь себестоимость в среднем 530,11р.

Коэффициент асимметрии равняется: [pic], где

[pic]- средняя величина;

[pic]- мода;

[pic]- среднее квадратическое отклонение.

[pic]

[pic] значит, имеется сильная левосторонняя асимметрия.

Показатели вариации

Вариация – различия в значениях какого-либо признака. Средняя величина

дает только обобщающую характеристику совокупности, но не раскрывает

строение совокупности, т.е. не показывает, как располагаются около средней

варианты усредняемого признака. Для измерения и оценки вариации

используются абсолютные (вариационный размах, среднее линейное и

квадратическое отклонения, дисперсии) и относительные (коэффициенты

вариации, неравномерности, локализации, концентрации) характеристики.

Вариационный размах (R) – характеризует диапазон вариации:

[pic]

Среднее линейное отклонение: [pic]

Среднее квадратическое отклонение: [pic]

Дисперсия: [pic]

На основании среднего квадратического отклонения получим коэффициент

вариации: [pic]

Себестоимость отклоняется от совокупности на 207,70р. или на 58,88%.

3.4. Корреляционно-регрессионный анализ

Корреляционный и регрессионный методы решают две основные задачи:

1. Определение с помощью уравнений регрессии аналитической формы

связи между вариацией признаков х и у;

2. Установление меры тесноты связи между признаками (в какой мере

вариация х обусловливает вариацию у).

Путем построения и анализа регрессионных моделей можно ответить на

вопрос, как каждый фактор влияет на изучаемое явление. Корреляционный и

регрессионный методы дают возможность количественно исследовать влияние

факторов на изучаемое явление. Современные статистики широко используют

метод корреляции. Он выступает как источник теоретических знаний. Между тем

применение его без заранее обусловленной цели и качественного анализа

нередко приводит к ошибочным выводам.

Для того чтобы корреляционный метод способствовал изучению сущности

явлений, необходимо, чтобы исследователь владел не только этим методом, но

и предметом своего исследования.

Понятие корреляционной зависимости является частным случаем более

общего понятия – зависимости стохастической. Переменная у находится в

стохастической зависимости от х, если каждому значению х соответствует ряд

распределения у и с изменением х эти ряды закономерно изменяются. Если же

они не изменяются или изменяются случайно, то у стохастически не зависит от

х.

Основная задача изучения корреляционных связей состоит в отыскании

причин исследуемого явления, события, факта. Факторный признак выступает

как признак-причина, а результативный – как признак-следствие.

Корреляционный метод анализа включает в себя несколько этапов:

1. Постановка задачи и выбор факторных и результативных признаков;

Страницы: 1, 2, 3, 4

МЕНЮ

Статистический анализ себестоимости яиц (на примере СХОАО Белореченское)