Большинство явлений и процессов в экономике находятся в постоянной взаимной и всеохватывающей объективной связи. Исследование зависимостей и взаимосвязей между объективно существующими явлениями и процессами играет большую роль в экономике. Оно дает возможность глубже понять сложный механизм причинно-следственных отношений между явлениями. Для исследования интенсивности, вида и формы зависимостей широко применяется корреляционно-регрессионный анализ, который является методическим инструментарием при решении задач прогнозирования, планирования и анализа хозяйственной деятельности предприятий.

Экономико-статистические модели описывают и воспроизводят в формализованном виде реальные экономические системы, имитируя их поведение в изменяющейся среде. Вместе с тем сама модель является системой, преобразующей некоторый набор факторов (факторные признаки) на входе в выходные результаты (результативные признаки).

Качество моделей, их адекватность реальным процессам определяются не только набором входных величин, но и выбранной формой связи. Практически невозможно отобразить все многообразие условий, факторов и взаимосвязей реального явления, поэтому в процессе экономико-статистического моделирования рассматривают наиболее существенные из них.

Цель курсовой работы - изучить зависимость производительности труда от различных факторов в отраслях растениеводства и обосновать основные пути ее повышения.

Задачи работы заключаются в следующем:

рассмотреть теоретические основы производительности труда в растениеводстве;

сделать научный анализ производительности труда в хозяйстве;

выявить зависимость производительности труда от различных факторов;

разработать предложения применительно к хозяйству по повышению производительности труда в растениеводстве.

Объектом наблюдения в курсовой работе является ООО «Меркит» Республики Алтай.

Предметом исследования является производительность труда в ООО «Меркит».

Объект исследования - закономерности, принципы и тенденции повышения производительности труда.

Методы исследования, используемые при написании курсовой работы:

- диалектический - рассматривает все процессы в развитии, динамике, времени;

- монографический - предполагает глубокое изучение всех сторон эффективности сельскохозяйственного производства на примере хозяйства; аналитический;

- расчетно-конструктивный.

Источниками информации для написания работы послужили законодательные и нормативные документы, труды экономистов-аграрников, научные работы и статьи, посвященные изучению производительности труда, материалы Государственного комитета по статистике и управлению сельского хозяйства, а также годовые отчеты исследуемого хозяйства за 2003-2007 гг., бизнес-план на 2008 г., данные первичного учета и отчетности.

1. Сущность корреляционно-регрессионного анализа и его использование в сельскохозяйственном производстве

1.1. Значение и содержание корреляционно-регрессионного анализа экономических процессов

Различают два вида зависимостей между экономическими явлениями и процессами:

- функциональную;

- стохастическую (вероятностную, статистическую). [2, с. 124-125].

В случае функциональной зависимости имеется однозначное отображение множества А на множество В. Множество А называют областью определения функции, а множество В - множеством значений функции.

Функциональная зависимость встречается редко. В большинстве случаев функция (У) или аргумент (Х) - случайные величины. Х и У подвержены действию различных случайных факторов, среди которых могут быть факторы, общие для двух случайных величин.

Если на случайную величину А действуют факторы Z1,Z2, ... , V1,V2 а на У – Z0, Z1,Vx, Кз ... , то наличие двух общих факторов Z2 и Vx позволит говорить о вероятностной или статистической зависимости между Х и У.

Статистической называется зависимость между случайными величинами, при которой изменение одной из величин влечет за собой изменение закона распределения другой величины. [2, с. 132-133].

В частном случае статистическая зависимость проявляется в том, что при изменении одной из величин изменяется математическое ожидание другой. В этом случае говорят о корреляции или корреляционной зависимости.

Статистическая зависимость проявляется только в массовом процессе, при большом числе единиц совокупности.

При стохастической закономерности для заданных значений зависимой переменной можно указать ряд значений объясняющей переменной, случайно рассеянных в интервале. Каждому фиксированному значению аргумента соответствует определенное статистическое распределение значений функции. Это обусловливается тем, что зависимая переменная, кроме выделенной переменной, подвержена влиянию ряда неконтролируемых или неучтенных факторов. Поскольку значения зависимой переменной подвержены случайному разбросу, они не могут быть предсказаны с достаточной точностью, а только указаны с определенной вероятностью.

В экономике приходится иметь дело со многими явлениями, имеющими вероятностный характер. Например, к числу случайных величин можно отнести стоимость продукции, доходы предприятия, межремонтный проб е г автомобилей, время ремонта оборудования и т. д. [14, с. 212-213].

Односторонняя вероятностная зависимость между случайными величинами есть регрессия. Она устанавливает соответствие между этими величинами.

Односторонняя стохастическая зависимость выражается с помощью функции, которая называется регрессией.

Виды регрессий

1. Регрессия относительно числа переменных:

·простая регрессия - регрессия между двумя переменными;

·множественная регрессия - регрессия между зависимой переменной у и несколькими объясняющими переменными хx, х2 ... , хт. Множественная линейная регрессия имеет следующий вид:

у = а0 + axxx + f2*flj2 + …+ a,,pcт

где у - функция регрессии;

jq, x2,…, хт - независимые переменные; flj, а2,-, aт - коэффициенты регрессии;

д0 - свободный член уравнения;

т - число факторов, включаемых в модель[17, с. 172].

2. Регрессия относительно формы зависимости:

· линейная регрессия, выражаемая линейной функцией;

· нелинейная регрессия, выражаемая нелинейной функцией.

3. В зависимости от характера регрессии различаются следующие ее виды:

· положительная регрессия: она имеет место, если с увеличением (уменьшением) объясняющей переменной значения зависимой переменной также соответственно увеличиваются (уменьшаются);

· отрицательная регрессия: в этом случае с увеличением или уменьшением объясняющей переменной зависимая переменная уменьшается или увеличивается.

4. Относительно типа соединения явлений различаются:

· непосредственная регрессия: в этом случае зависимая и объясняющая переменные связаны непосредственно друг с другом;

· косвенная регрессия: в этом случае объясняющая переменная действует на зависимую через ряд других переменных;

· ложная регрессия: она возникает при формальном подходе к исследуемым явлениям без уяснения того, какие причины обусловливают данную связь.

Регрессия тесно связана с корреляцией. Корреляция в широком смысле слова означает связь, соотношение между объективно существующими явлениями. Связи между явлениями могут быть различны по силе. При измерении тесноты связи говорят о корреляции в узком смысле слова. Если случайные переменные причинно обусловлены, и можно в вероятностном смысле высказаться об их связи, то имеется корреляция.

Понятия «корреляция» и «регрессия» тесно связаны между собой. В корреляционном анализе оценивается сила связи, а в регресс ионном анализе исследуется ее форма. Корреляция в широком смысле объединяет корреляцию в узком смысле и регрессию. [15, с. 245-247].

Корреляция, как и регрессия, имеет различные виды, так различают:

1) относительно характера – положительную и отрицательную

2) относительно числа переменных - простую, множественную, частную;

3) относительно формы связи – линейную, нелинейную;

4) относительно типа соединения – непосредственную, косвенную, ложную.

Любое причинное влияние может выражаться либо функциональной, либо корреляционной связью. Но не каждая функция или корреляция соответствует причинной зависимости между явлениями. Поэтому требуется обязательное исследование причинно-следственных связей.

Исследование корреляционных связей мы называем корреляционным анализом, а исследование односторонних стохастических зависимостей - регрессионным анализом.

Корреляционный анализ проводится между величинами, не имеющими причинно-следственного характера отклонений. Цель корреляционного анализа - количественное определение тесноты связи между признаками. Если исследуются только 2 признака, то говорят о простой (парной) корреляции. Если исследуется связь между тремя и более признаками, то имеет место множественная корреляция. [25, с. 95-96].

При оценке корреляционной связи не ставится вопрос о характере причинно-следственных соотношений между признаками. Оценивается только степень тесноты между ними. Оценку связи делают с помощью коэффициента корреляции г, который изменяется в пределах -1 > r > + 1.

Коэффициент корреляции - мера тесноты связи между признаками. Положительное значение коэффициента корреляции означает, что с увеличением одного показателя возрастает и другой, и наоборот, отрицательное значение определяет уменьшение величины одного показателя при возрастании другого.

Коэффициент корреляции свыше 0,8 означает тесную причинно- следственную связь.

Коэффициент множественной корреляции определяют по усложненной формуле, которая используется в статистике. В научных исследованиях и практической деятельности пользуются готовыми компьютерными программами для персонального компьютера.

Чтобы составить объективное представление о том, сильна или слаба связь между показателями, используют так называемый коэффициент детерминации, на основании которого можно сделать вывод о количестве случаев изменения одного показателя (признака) под влиянием другого. Коэффициент детерминации представляет собой квадрат коэффициента корреляции г, или то же, но выраженное в процентах ( r2 * 100)

Итак, коэффициент корреляции, возведенный в квадрат и умноженный на 100 %, называется коэффициентом детерминации, который показывает, насколько результативный признак зависит от анализируемых одно- и двухфакторных признаков.

Корреляционный анализ позволяет установить связь между признаками и показывает форму этой связи, но он не дает представления об изменении одного показателя ряда в зависимости от изменения другого. Для исследования же нередко необходимо знать, насколько (в среднем) изменяется один признак при изменении другого на единицу. Эти важные и более глубокие свойства связи раскрывает регрессионный анализ, который для исследований различных вопросов экономики представляет большой интерес.

Применяя регрессионный анализ, можно, например, установить по некоторым показателям значения показателей совсем других размерностей, зная лишь о связи между ними и не затрачивая времени и средств на их непосредственное экспериментальное измерение или определение.

Регрессионный анализ - метод статистической обработки наблюдений, в результате которой оказывается возможным составить уравнение регрессии и получить количественную оценку влияния факторных признаков х на результативный у.[5, с. 130-132].

Уравнение у i =b10 x1j +b20 x20 + .... +b mn x mj ,

где b10, b20,…,bmn- средняя квадратическая оценка случайных факторов;

x1i, x20,…, xmn - значения непрерывных переменных х1, х2; называют уравнением регрессии.

Регрессионные зависимости могут быть самыми различными, важно лишь установить их экспериментально и сделать правильное математическое описание соответствующими формулами.

Регрессионный анализ проводят для установления связи между величинами, которые можно рассматривать как функции и аргументы, т. е. когда четко выражен характер причинно-следственных отношений между исследуемыми признаками.

Коэффициент регрессии показывает, на сколько изменится в среднем значение результативного признака у при увеличении факторного х.

Характеристикой относительного изменения прироста функции у=J{х) при малых относительных изменениях прироста аргумента х является эластичность функции.

Корреляционный и регрессионный анализ имеют свои задачи . [13, с. 295-299].

Задачи корреляционного анализа

1. Измерение степени связности (тесноты, силы) двух и более явлений. Здесь речь идет в основном о подтверждении уже известных связей.

2. Отбор факторов, оказывающих наиболее существенное влияние на результативный признак на основе измерения тесноты связи между явлениями.

3. Обнаружение неизвестных причинных связей. Корреляция непосредственно не выявляет причинных связей между явлениями, но устанавливает степень необходимости этих связей и достоверность суждений об их наличии. Причинный характер связей выясняется с помощью логически-профессиональных рассуждений, раскрывающих механизм связей.

Задачи регpeccионного анализа

1. Установление формы зависимости (линейная или нелинейная; положительная или отрицательная и т. д.).

2. Определение функции регрессии и установление влияния факторов на зависимую переменную. Важно не только определить форму регрессии, указать общую тенденцию изменения зависимой переменной, но и выяснить, каково было бы действие на зависимую переменную главных факторов, если бы прочие не изменялись и если бы были исключены случайные элементы. для этого определяют функцию регрессии в виде математического уравнения того или иного типа.

3. Оценка неизвестных значений зависимой переменной, т. е. решение задач экстраполяции и интерполяции. В ходе экстраполяции распространяются тенденции, установленные в прошлом, на будущий период. Экстраполяция широко используется в прогнозировании. В ходе интерполяции определяют недостающие значения, соответствующие моментам времени между известными моментами, т. е. определяют значения зaвисимой переменной внутри интервала заданных значений факторов.

Однако экономические исследования многоаспектны, и, как правило, здесь применяют в комплексе все методы анализа. Так, например, цель регрессионного анализа - определение формы связи (уравнение регрессии), количественное определение коэффициентов уравнения (оценка коэффициентов регрессии) и определение изменения тесноты связи между признаками. Так же как и корреляционный, регрессионный анализ может проводиться по двум признакам у =f(x) (х - аргумент, у - функция), и тогда имеет место простой регрессионный анализ. Если же одновременно рассматривать несколько аргументов, т.е. y=f(xu x2,… ,х,,), то имеет место множественная регрессия.

В реальных условиях исследования прикладных задач, рассматриваемые признаки, как правило, взаимосвязаны, поэтому всегда приходится выявлять тесноту связи между ними и изучать формы связи.

Таким образом, более правильно говорить о комплексном корреляционно-регрессионном анализе.

1.2. Этапы проведения корреляционно-регрессионного анализа

Области его применения.

Корреляционно-регрессионный анализ проводят поэтапно в определенной логической последовательности: [14, 194-195].

1 ) анализ существа происходящих в исследуемой системе процессов и выявление причин возникновения взаимосвязей между признаками, характеризующими эти процессы;

2)выбор наиболее существенных признаков для исследования их на предмет включения в корреляционно-регрессионные модели, дифференциация признаков на факторные и результативные;

3)предварительный расчет и анализ парных коэффициентов корреляции, построение матрицы коэффициентов парной корреляции и оценка возможных вариантов группировки признаков для построения корреляционно регрессионных моделей;

4)выявление причинно-следственных соотношений между признаками и логическая оценка возможных вариантов формы связи, т.е. предварительная оценка формы уравнения регрессии;

5)решение уравнения регрессии - вычисление коэффициентов регрессии по уравнениям связи и их смысловая интерпретация с учетом прикладных задач исследуемой предметной области;

6)расчет теоретически ожидаемых (воспроизведенных по уравнению регрессии) значений результативного признака (функции);

7)определение и сравнительный анализ дисперсий: общей факторной (воспроизводственной) и остаточной; оценка тесноты связи между признаками, включенными в регрессионную модель;

8)общая оценка качества модели, отсев несущественных (или включение дополнительных) факторов, построение и решение новой модели (т. е. повторение п.п. 1-7, получение достаточно хорошей модели нередко требует ряда таких интерпретаций);

9)статистическая оценка достоверности параметров уравнения регрессии, построение доверительных границ для теоретически ожидаемых значений функции;

10) практические выводы из анализа.

В области экономико-математического моделирования и анализа экономических объектов и систем требуется переход от исследования отдельных процессов к изучению взаимодействия их совокупностей.

В рыночных условиях для получения исходно статистической информации используют методы маркетинговых исследований и управленческого учета. Для подготовки решений, ориентированных на перспективу, необходимо использование методов прогноза для обработки маркетинговой и учетной информации.

Целесообразно использование на предприятиях АПК корреляционно регрессионного анализа для определения:

доли рынка при различных ценах на продукцию;

культур в зависимости от погодных условий (температуры воздуха, температуры и влажности почвы в определенное время), от норм внесения минеральных удобрений;

продуктивности животных в зависимости от питательности кормов и живой массы.

2. Анализ объекта исследования и разработка числовой экономико-математической модели

2.1. Организационно-экономическая характеристика хозяйства

ООО «Меркит» образовано в 1996 году 20 мая, путем объединения двух крестьянских (фермерских) хозяйств «Мечин» и «Меркит».

Почтовый адрес: 649461 Республика Алтай, Усть-Канский район, село Яконур. Организационно-правовая форма хозяйства по последнему действующему Уставу ООО «Меркит» - юридическое лицо, являющееся юридической организацией, имеющий самостоятельный баланс, расчетный и другие банковские счета, печать с фирменным наименованием, банка, штампы и другие реквизиты.

По организационно-правовой форме «Меркит» является обществом с ограниченной ответственностью (ООО) – коммерческая организация, учрежденная семи лицами, уставный капитал, который разделен на доли определенных учредительными документами размеров. Уставный капитал общества с ограниченной ответственностью состоит из стоимости вкладов его учредителей:

1. Кулаков Александр Васильевич – 80000 рублей;

2. Такашев Егор Тихонович – 10000 рублей;

3. Дедин Александр Адучиевич – 2000 рублей;

4. Денишкин Виталий Николаевич – 2000 рублей;

5. Кулаков Аржан Викторович – 2000 рублей;

6. Маташев Юрий Михайлович - 2000 рублей;

7. Яшев Аркадий Николаевич - 2000 рублей.

Высшим органом управления ООО «Меркит» является общее собрание его членов, который проводится не реже одного раза в год.

Землепользование хозяйства расположено в юго-восточной части района. Центральная усадьба ООО «Меркит» расположена в урочище Алтын-Туу в 9 км от районного центра с.Усть-Кан, в 257 от республиканского центра г. Горно-Алтайска. Ближайшая железнодорожная станция в г.Бийск находится на расстоянии 357 км. С указанными пунктами хозяйство связано дорогой районного значения с гравийным и асфальтовым покрытием. Рельеф территории представлен тремя геоморфологическими элементами: горная, горно-увалистая часть и долина реки Чарыш, средний уклон пашни 15-17º, а кормовые угодья расположены по склонам гор, логов, долинам рек и ручьев.

Таким образом, природно-климатические условия ООО «Меркит» благоприятны для выращивания из зерновых культур в основном только овса, также многолетних трав. Природно-климатические условия благоприятны для разведения животных.

Предприятие специализируется на производстве продуктов животноводства: шерсти, баранины, говядины, конины при круглогодовом использовании пастбищ. Основой поступления денежных средств является пантовое мараловодство и племенное овцеводство. Чтобы определить производственное направление, специализацию хозяйства необходимо рассмотреть и проанализировать структуру товарной продукции предприятия (табл. 1).

Как видно из таблицы 1 в ООО «Меркит» до 2008 года в основном реализуется животноводческая продукция. В структуре товарной продукции в 2008 году наибольший удельный вес занимают продукция животноводства 99,1 % в структуре, которой панты составляют 68,4 %. Продукция растениеводства составляют только 0,9 % товарной продукции. В 2008 году по сравнению с 2004 годом реализация скота и птицы в живой массе увеличилась на 475,8 % за счет продажи маралов другим организациям для дальнейшего разведения, овец - заготовительным организациям. Таким образом, продукция животноводства в 2008 году по сравнению с 2004 годом увеличилась на 44,7%. В 2005 году в силу высокой урожайности сельскохозяйственных культур было изготовлено достаточное количество кормов, поэтому объем реализованной растениеводческой продукции больше, а в 2008 году осталась на таком же уровне как и в 2004 году. Уровень товарной продукции за последние пять лет повысился на 37,1 % или на 2927 тыс.руб. основным фактором такого повышения явились сокращения потерь продукции в процессе ее производства, хранения, транспортировки и сокращения внутрихозяйственного расхода продукции на производственные нужды.

Таблица 1 - Состав и структура товарной продукции ООО «Меркит»

Виды продукции	2004г			2005г.					2006г.			2007г.				2008г.		2008 в % к 2004 г
	тыс.р		%	тыс.р		%			тыс.р	%		тыс.р		%		тыс.р	%
Продукция растениеводства - всего	100		1,2	1554		18,2			426	3,3		81		0,7		100	0,9	100
Скот и птица в живой массе всего:	315		4	850		9,9			5430	42,5		4701		41,5		1814	16,7	575,8
в т. Ч крупный рогатый скот	295		3,7	343		4			1630	12,8		2092		18,4		724	6,7	254,4
лошади	-			282		3,3			3614	28,3		172		1,5		-		-
олени				225		2,6			-			1489		13,1		400	3,7	400
овцы и козы	20		0,3	-								948		8,3		690	6,3	345,5
Шерсть всякая		101	1,2		193		2,3	214			1,7		220		1,9	197	1,8	195,4
Панты		7108	90,3		5926		69,3	5103			39,9		4300		37,9	7397	68,4	104,2
Прочая продукция животноводства		122	1,5		-			-					204		1,8	470	4,3	385,1
Продукция животноводства собственного производства реализованная в переработанном виде		128	1,6		28		0,3	1605			12,5		1828		16,1	823	7,6	642,6
Итого продукция животноводства		7774	90,8		6997		81,8	12352			96,7		11253		99,3	10701	99,1	144,7
Всего по организации		7874	100		8551		100	12778			100		11334		100	10801	100	137,1

Страницы: 1, 2, 3