13390 (анализ численности, продуктивности ивыход продукции молочного стада коров), страница 2

Эта зависимость может служить ориентированной при определении числа групп в этом случае, если распределение единиц совокупности по данному признаку приближаются к нормальному и применяются равные интервалы в группах.

n = 1+3.322Lg25 = 1+3.322*1.5 ~ 6 групп.

Далее необходимо определить величину интервала I по формуле (2.2):

i = (X_max - X_min) / n , где (2.2)

X_max - максимальное значение признака в изучаемом ранжированном ряду,

X_min - минимальное значение признака в изучаемом ранжированном ряду,

n - число групп.

I = (6270 - 1364)/6 = 818

Теперь построим ряд распределения хозяйств при этой величине интервала, значение X_min = 818 кг, тогда верхняя граница первой группы составит: _Xmin+i = 2182 кг. Эта граница одновременно является границей второй группы. Границы остальных групп определяются аналогично. Полученные данные Представлены в таблице 2.2.

Таблица 2.2

Интервальный ряд распределения хозяйств по уровню молочной продуктивности коров.

Интервальный ряд распределения совхозов (таблица 2.2.) показывает, что в совокупности преобладают хозяйства с удоем от одной коровы (11 хозяйств) от 1364 до 2182 кг. Группы хозяйств с высокой продуктивностью малочисленны, поэтому следует их объединить, то есть провести вторичную группировку, так как в четвертой группе нет ни одного хозяйства, а в пятой одно, но в каждой группе должно быть не менее трех хозяйств.

Рис.2.2

Интервальный ряд распределения хозяйств по уровню молочной продуктивности коров.

Таблица 2.3

Вторичная группировка хозяйств по уровню молочной продуктивности коров.

Сравнение в пределах каждой группы числа хозяйств можно сказать, что число хозяйств с низким уровнем продуктивности больше, чем с высоким в значительной мере.

2.2 Аналитическая группировка

Аналитическая группировка - это группировка, в задачу которой входит выявление и характеристика взаимосвязи между признаками изучаемого явления.

Рассчитаем и проанализируем по группам интервального ряда наиболее важные показатели, влияющие на уровень продуктивности, для этого подсчитаем общую сумму по группам. Данные представленные в таблице 2.4

Таблица 2.4

Аналитическая группировка по наиболее важным показателям, влияющих на продуктивность молочного стада.

Х₁ - выход приплода на 100 маток, голов;

Х₂ - удельный вес маток в стаде, голов;

Х₃ - расход кормов на 1 голову, т. руб.;

Х₄ - расход кормов на 1 продукции, т. руб.;

Х₅ - затраты труда на 1 голову, чел. -час.;

Х₆ - уровень производства продукции на 100 га с.-х. угодий, %;

Х₇ - уровень товарности продукции, %;

Х₈ - уровень рентабельности, %;

Х₉ - эффективность использования кормов;

Х₁₀ - уровень производительности труда, ц/час.

Анализ аналитической группировки показывает, что уровень продуктивности на прямую зависит от расхода кормов на 1 голову скота и при снижении количества корма будет снижать уровень продуктивности. Тоже самое можно сказать и об эффективности использования кормов, т.е. чем рациональнее будет использоваться корм, тем выше будет продуктивность. Сильное влияние на продуктивность также оказывает выход приплода - с уменьшением количества выхода приплода уровень продуктивности растет - это обусловлено тем, что, находясь корова в сухостойном периоде, она не дается и поэтому, это непосредственно влияет на валовой выход молока. Отсюда можно сделать вывод, эти показатели в значительной мере оказывают влияние на уровень продуктивности и поэтому они включены в матрицу.

2.3 Корреляционно - регрессионный анализ

Одна из важнейших черт статистических показателей, как объективных характеристик общественных явлений, состоит в их тесной взаимосвязи и взаимообусловленности.

Корреляционная зависимость обнаруживается как взаимосвязь двух или нескольких признаков. Различают признаки: факторные, обуславливающие изменение других признаков; результативные, изменяющиеся под воздействием факторных.

При исследовании корреляционной связи задачами статистики являются:

1. Выявления наличия связи между факторами и ее тесноты;

2. Определение формы связи и ее количественные характеристики.

Для анализа выбираются факторы, существенно влияющие на результат.

Количественную оценку влияния различных факторов на продуктивность проводится методом множественной корреляции, которая является продолжением статистических группировок. Для этого взяты статистические данные по 25 хозяйствам Ачинской зоны.

Для выявления взаимосвязи необходимо построить матрицу, затем ее проанализировать. Признаки, выступающие в качестве фактора, обуславливающих изменение других признаков, называются факторами. В данном случае взяты такие факторы как:

х₁ - выход приплода на 100 маток, головы;

х₂ - расход кормов на 1 голову, ц;

х₃ - эффективность использования кормов.

Результативные обозначения - у, в данном случае у - молочная продуктивность коров.

После обработки данных на ЭВМ были получены следующие результаты:

Коэффициент множественной корреляции (R) характеризует тесноту связи одновременно нескольких факторов на изменение результативного признака. Он изменяется от 0 до 1. Если R < 0,3 связь очень слабая или отсутствует совсем.; R до 0,5 связь слабая; R = 0,5 - 0,7 - умеренная; R = 0,7 - 0,9 - тесная; R > 0.9 - сильная. В данном случае R = 1 - это значит, что теснота связи между признакам и факторами сильная.

Коэффициент множественной детерминации (R²) характеризует величину вариации результативного признака, которая объясняется факторами, входящими в модель. R² = 1. Это значит, что на 100% продуктивность коров обусловлена факторами, включенными в модель и так же можно сказать что все факторы были учтены.

Частные коэффициенты детерминации или коэффициенты отдельного определения характеризуют степень влияния (в%) одного из факторов на результативный признак при условии, что остальные переменные закреплены на постоянном уровне:

d₁ = 0.0577 степень влияния на х₁ = 5,77%;

d₂ = 0,4832 степень влияния на х₂ = 48,32%;

d₃ = 0,3618 степень влияния на х₃ = 36,18%.

Частные коэффициенты детерминации показали, что х₁ влияет на продуктивность на 5,77%, х₂ - на 48,32%, х₃ - на 36,18%

Построим уравнение чистой регрессии:

у = а₀ +а₁ х₁ + а₂ х₂ + .... +а_n х_n,

где у - теоретическое значение зависимого признака,

а₀ - свободный член, экономического смысла не имеет,

а_1, а_{2, ....} а_n - параметры уравнения регрессии,

х_1, х₂, .... х_n - значение фактора аргумента.

Коэффициенты регрессии позволяют измерить среднее значение результативного признака на единицу изменения факторов при условии, что остальные факторы остаются постоянными, т.е. вариация их в данном случае исключается.

а₀ - условное начало,

а₁ = - 0,1211 коэффициент чистой регрессии.

При х₁ свидетельствует о том, что при изменение выхода на 100 маток, продуктивность коров уменьшится на 12,11 кг, при условии, что другими факторы неизменны.

а₂ = 12,2649 коэффициент чистой регрессии.

При х₂ свидетельствует о том, что при увеличении расхода кормов на 1 голову на единицу, продуктивность коров увеличится на 12,2649 кг, при условии, что другие факторы неизменны.

а₃ = 1,5955 коэффициент чистой регрессии.

При х₃ свидетельствует о том, что при увеличении эффективности использования кормов на единицу, продуктивность коров увеличится на 159,55 кг, при условии, что другие факторы неизменны.