Статистическое прогнозування врожайності зернових культур

Содержание Введение 3 1. Основні методи статистичного прогнозування 5 2. Методика авторегрессионого прогнозування врожайності сільськогосподарських культур по тренду і колеблемости 14 2.1. Методи вивчення тренду динамічного низки 14 2.2 Аналіз колеблемости рівнів динамічного низки 19 2.3. Прогнозування з урахуванням динамічних рядів 24 3. Природно-економічні умови вирощування сільськогосподарських культур в Орловської області 31 4. Авторегрессионое прогнозування врожайності зернових культур 34 5. Індексний аналіз врожайності сільськогосподарських культур 49 6. Статистична звітність про урожай і врожайності 52 Укладання 54 Список літератури 56 Додатка 57.

Нині суспільство стало на шлях початку ринкової економіці. Цей процес відбувається займе період і проходитиме зі багатьма протидіями, ускладненнями і успіхами. Тож у складної, суперечливій економічній ситуації необхідно виявлення намічених тенденцій, визначальних майбутнє народного господарства, і навіть складання прогнозу з перспективи, що є невід'ємною складовою частиною планування економіки з метою забезпечення стійкості обсягів виробництва та ефективності виробництва, у цілому. Ці завдання у сучасної економіці вирішує прогнозування, статистичний характер якого внаслідок використовуваних методів під час вирішення даних проблем економічного розвитку визнає багато хто ученые-экономисты.

Статистичний прогноз — це імовірнісна оцінка можливості розвитку тієї чи іншої об'єкта (процесу) і величини його ознак у майбутньому, отримана з урахуванням статистичної закономірності, виявленої за даними минулого періоду. Об'єктом статистичного прогнозування може бути ті явища і процеси, управління, а тим паче планування їх розвитку утруднено через дію багатьох чинників, вплив яких немає то, можливо однозначне й повністю визначено. Статистичний прогноз передбачає як правильне якісне пророцтво, а й досить точне кількісне вимір ймовірних можливостей очікуваних значення признаков.

Проте, нині прогнозування не може неблагополучної народногосподарської кон’юнктурою й загальним станом економіки. Виникає ряд проблем, від вирішення яких залежать перехід до ринків, стабілізація і поліпшення стану справ у народному господарстві. Реалізація таких цілей вимагає відповідних законодавчих актів, а дієвість прийнятих законів і постанов, своєю чергою, передбачає вивченість проблем економічного розвитку і її регионов.

Як відомо, врожай є продуктом взаємодії природних і ступінь економічних чинників. Врожайність ж характеризує продуктивність певної культури у умовах її обробітку. Воно і є дослідження справжньої курсової роботи, як результат взаємодії хозяйственно-агротехнических чи керованих факторів, і чинників метеорологічних, обуславливаемых її випадкову колеблемость.

Кінцевою метою даної роботи є підставою складання прогнозу врожайності зернових культур у господарствах Покровського району Орловської області на перспективу. Навіщо у процесі економічного аналізу вирішити такі: встановити основну тенденцію динаміки з урахуванням побудованих динамічних рядів врожайності зернових культур, оцінити стійкість динаміки врожайності, визначити ступінь впливу систематичної, викликаної керованими чинниками, і випадкової колеблемости у спільній колеблемости врожайності. Розв’язання всіх цих завдань проводиться методом авторегрессионого прогнозування, основу якого складають статистичне вивчення динаміки прогнозованого показника, у цьому разі - врожайності, за попередній період, і вивчення його колеблемости. Також у процесі виконання курсової роботи важливо встановити, використовуючи метод індексного аналізу, зміни цьогорічного валового збору загалом і завдяки окремих факторов.

У цьому ще до його виконання всіх розрахунків слід надати необхідне теоретичне обгрунтування застосовуваним методам у процесі экономикостатистичного аналізу врожайності зернових культур у господарствах Покровського району Орловської області, і навіть викласти природноекономічних умов вирощування сільськогосподарських культур у нашій регионе.

1. Основні методи статистичного прогнозирования.

Під прогнозом розуміється науково обгрунтоване опис можливих станів об'єктів у майбутньому, і навіть альтернативних колій та термінів досягнення цієї стану. Сам процес розробки прогнозів називається прогнозированием.

Прогнозування (від грецьк. prognosis — знання наперед) — це вид пізнавальної діяльності, спрямованої формування прогнозів розвитку об'єкта з урахуванням аналізу тенденцій його розвитку. Прогнозування має відповідати на двоє ключових запитань: що найімовірніше можна очікувати у майбутньому? Як треба міняти умови, щоб домогтися даного стану? Прогнозування є важливим з'єднувальним ланкою між теорією та практикою від у всіх галузях життя общества.

Залежно від рівня конкретності й правничого характеру на хід досліджуваних процесів і явищ розрізняють три форми передбачення: гіпотезу (загальнонаукове передбачення), прогноз і план. Ці форми передбачення тісно пов’язані у проявах друг з одним і з досліджуваним об'єктом в системи управління і планування є послідовні щаблі пізнання поведінки об'єкта в будущем.

Вихідний початок процесу — гіпотеза. Це науково обгрунтоване припущення щодо структурі об'єкта, характері елементів і зв’язків, їхнім виокремленням цей об'єкт, механізмі його функціонування та розвитку. На рівні гіпотези дається якісна характеристика об'єкта, якою виражено загальні закономірності її поведінки. Хоча гіпотеза носить найбільш загальний характер, без неї не можливо ніяке наукове управління і планування. Гіпотеза надає вплив саме на це через прогноз; будучи важливим джерелом інформації щодо його составления.

Прогноз тоді як гіпотезою має більшої визначеності і достовірність, оскільки грунтується як на якісних, а й у кількісних характеристиках і тому дозволяє характеризувати майбутнє стан об'єкта також кількісне. Прогноз висловлює передбачення на рівні конкретно-прикладной теорії, оскільки пов’язані з майбутнім, яке завжди стохастично. Майбутнє залежить багатьох випадкових чинників, складне переплетення яких практично врахувати неможливо. Звідси усі сподівання носять імовірнісний характер.

При дослідженні сутності прогнозу слід визначити методологічні аспекти співвідношення прогнозу і плану. Усі вони повинен знати певне місце у системи управління народним хозяйством.

План є систему взаємозалежних, вкладених у досягнення єдиної мети планових завдань, визначальних порядок, строки й послідовність здійснення окремих заходів. У ньому фіксуються шляху й кошти розвитку на відповідність до поставленими завданнями, обгрунтовуються прийняті управлінські решения.

План і прогноз є взаємно що доповнюють одне одного стадії планування. У цьому прогноз постає як чинник, який орієнтує існуючу практику спроможності розвитку на майбутньому, а прогнозування — як інструмент розробки планів. Форми поєднання прогнозу і плану можуть різнитися: прогноз може передувати розробці плану, слідувати його чи здійснюватися у процесі розробки плану. Істотне відмінність з-поміж них у тому, що план — відбиток і втілення вже прийнятого хозяйственно-политического рішення, а прогноз — це пошук реалістичного, економічно вірного шляху. Прогнозування є дослідницьку базу планування, має власну методологічну основу, відрізняється значною мірою від планирования.

Отже, завдання економіко-статистичного прогнозування такі: виявлення перспектив найближчого або як віддалене майбутнє в досліджуваній галузі з урахуванням реальних процесів дійсності: вироблення оптимальних тенденцій і найперспективніших планів із урахуванням складеного прогнозу з оцінкою прийнятого рішення з позицій його наслідки в прогнозованому периоде.

Прогнози можна підрозділяти залежно від цілей, завдань, об'єктів, часу попередження, методів організації прогнозування, джерел інформації та т.д. Багато таких ознак і відсутність їх суворо певних характеристик ускладнюють утворення єдиної классификации.

Відповідно до ухвалених класифікаціям з погляду об'єкта прогнозування прогнози можна підрозділяти на науково-технічні, економічні, соціальні, военно-политические.

Економічні своєю чергою можуть підрозділятися залежно від масштабності об'єкта на: а) глобальні - розглядають найбільш загальні тенденції і закономірності у світовому масштабі; б) макроекономічні - аналізують найбільш загальні тенденції явищ і процесів масштабу економіки нашої країни загалом; в) структурні (міжгалузеві і міжрегіональні) — прогнозують розвиток народного господарства за розрізі галузей матеріального виробництва та промисловості; р) регіональні - прогнозують розвиток окремих регіонів; буд) прогнози розвитку народохозяйственных комплексів визначають закономірності розвитку сукупностей галузей, об'єднаних єдиною метою функціонування, технологічної послідовністю обробки вихідного сировини й т.д.; е) галузеві - прогнозують розвиток галузей; ж) мікроекономічні - прогнозують розвиток окремих підприємств, виробництва та окремих продуктів і т.д.

За час попередження вирізняються такі економічні прогнози: оперативні (до 1 місяці); короткострокові (від кількох основних місяців до 1 року); середньострокові (від 1 до 5 років); довгострокові (від 5 до 20 років і більше). Перелічені види прогнозів відрізняються одна від друга за змістом і характерові оцінок досліджуваних процесів. Оперативний прогноз грунтується на припущенні у тому, що у прогнозованому періоді не пройде істотних змін — у досліджуваному об'єкті як кількісних, і якісних. У них переважають детально-количественные оцінки очікуваних событий.

Нетривалий прогноз передбачає лише кількісних зміни. Оцінка подій дається лише кількісна. Середньостроковий і довгостроковий прогнози виходять що з кількісних, що з якісних змін переважають над якісними. У среднесуточном прогнозі оцінку подій дається количественно-качественная, в довгостроковому кількісноколичественная.

Часом попередження при прогнозуванні називає час від моменту, котрій є останні статистичні дані про досліджуваному об'єкті, досі, до якої належить прогноз. Іноді її називають прогнозованим периодом.

Тривалість періоду залежить від специфіки об'єкта прогнозу, в частковості від часу функціонування об'єкта прогнозування, від інтенсивності зростання показників, від тривалості дії виявлених тенденцій і закономерностей.

Залежно від цілей прогнозу (по функціональному ознакою) можна виділити 2 типу: пошуковий і нормативний прогнозы.

Нормативний прогноз — прогноз, призначеним для вказівки можливих колій та термінів досягнення заданого, бажаного кінцевого стану прогнозованого об'єкта. Пошуковий ж прогноз не орієнтується на задану мета, а розглядає можливі напрями розвитку прогнозованого об'єкта (її майбутнього стану). Отже, пошуковий прогноз відштовхується щодо майбутнього стану об'єкта з його минулого й сучасного, нормативний ж прогноз ввозяться зворотному порядку: від заданого стану у майбутньому до існуючим тенденціям та його змін у складі поставленої мети. У цьому обидва прогнозу виступають на практиці одночасно у ролі та напрямів і підходів до прогнозування і використовуються совместно.

Розробка прогнозів спирається застосування різних методів прогнозирования.

Методами прогнозування називаються сукупність прийомів мислення, дозволяють з урахуванням аналізу минулих (ретроспективних) зовнішніх і внутрішніх зв’язків, властивих об'єкту, а як і їх змін — у рамках аналізованого явища винести судження певної достовірності у майбутнє розвитку объекта.

Нині налічують більш 150 методів і прийомів прогнозування. У цьому кожен із новачків має свої особливості в залежність від мету використання коштів і рівня проведених досліджень. Методи розрізняють також із наукової обгрунтованості та призначення. Вибір методів прогнозування ввозяться відповідності до характеру об'єкта й виконання вимог, що висуваються до інформаційному забезпечення. Досвід, накопичений сучасної прогностикой, показує, що у великому різноманітті методів прогнозування можна виділити такі їх групи: методи експертні оцінки, методи екстраполяції, моделювання, нормативний і цільової методы.

Методи експертні оцінки засновані на використанні експертної інформації. Вони допомагають встановити ступінь труднощі й актуальність проблеми, визначити основні цілі й критерії, виявити важливі чинники та взаємозв'язку з-поміж них, вибрати найкращі альтернативи. Відомі 2 підходи до використанню експертів: індивідуальні оцінки й групповые.

Індивідуальні оцінки, чи метод узгодження оцінок, у тому, кожен експерт дає оцінку незалежно з інших, та був з допомогою будь-якого прийому ці оцінки можуть бути як оцінок типу інтерв'ю чи аналітичних записок.

Групові чи колективні методи експертизи засновані на спільної роботі експертів й одержанні сумарною оцінки всієї групи фахівців у цілому. У тому числі більш поширеними є метод комісії і метод мозковий атаки (метод колективної генерації йде чи метод групового розгляду з віднесеної оценкой).

Методи екстраполяції грунтуються на припущенні про незмінність чинників, визначальних розвиток досліджуваного об'єкта, і полягають у поширенні закономірностей розвитку об'єкта, і полягають у поширенні закономірностей розвитку об'єкта у минулому з його майбутнє. Залежно від особливостей зміни рівнів у низці динаміки прийоми екстраполяції може бути простими й складними. Першу групу становлять методи прогнозування, засновані на припущенні у тому відносному сталості у майбутньому абсолютних значень рівнів, середній рівень низки, середнього абсолютного приросту, середнього темпу зростання. Друга ж група методів полягає в виявленні основний тенденції, тобто. застосуванні статистичних формул, що описують тренд. Їх можна розділити на 2 основних типи: на адаптивні методи лікування й аналітичні (кривих зростання). Адаптивні методи прогнозування засновані у тому, що реалізації її залежить від обчисленні послідовних у період значень прогнозованого показника з урахуванням ступеня впливу попередніх рівнів. До них належать методи ковзної і экспоненуальной середніх, метод гармонійних терезів, метод авторегрессионых перетворень. У основу аналітичних методів (кривих ростов) прогнозування покладено принцип отримання з допомогою методу найменших квадратів оцінки детермінованою компоненти, що характеризує основну тенденцию.

Особливе місце у сучасному прогнозуванні займають методи багаточинникового моделювання — логічного, інформаційного, статистического.

До логічному моделювання ставляться методи прогнозування по історичної аналогії, методи сценарію, дерева цілей, матриць взаємовпливу і др.

Метод історичної аналогії грунтується на встановленні та використання аналогії об'єкта прогнозування з за своєю природою об'єктом, випереджаючим перший її розвитку. Умовами успішного використання цього є правильний вибір об'єктів зіставлення, і навіть облік поправки на історичної зумовленості свідомості. У минулому історична аналогія застосовувалася у сфері критичного зіставлення культур; відомі також акти наступності у розвитку наукових принципів, і идей.

Якщо задано у вигляді їх опису, то показ варіантів можливої обстановки у майбутньому встановлення її наступу здійснюється з допомогою методу сценарію. Під сценарієм розуміється огляд інформації, що характеризує цю ситуацію. Ці дані містять у собі опис окремих чинників, які включають у тому чи іншою мірою на надходження конкретного події. Завданням сценарію є характеристика обстановки, в якої розвивається прогнозований процесс.

Застосування методу дерева цілей у прогнозуванні дозволяє послідовно розбити основні завдання на подзадачи і створити систему «зважених» по експертних оцінок зв’язків. Для відбору чинників в прогностичну модель і побудови системи зв’язків широко використовуються на практиці матриці взаємовпливу (суміжності), теорія графів і др.

Методи інформаційного моделювання становлять специфічну область в прогнозуванні. Характерні властивості масових потоків інформації створюють передумови для прогнозування розвитку з урахуванням масових джерел інформації, містять необхідні логічно впорядковані послідовності документов.

Найпоширенішими є методи прогнозування, засновані на статистичному моделюванні. Методи статистичного прогнозування може бути розбиті на 2 великі групи: прогнозування з урахуванням одиничних рівнів регресії, що описують взаємозв'язок признаков-факторов і результативних ознак та прогнозування з урахуванням системи рівнянь взаємозалежних рядів динамики.

Найскладнішим методом прогнозування є прогнозування на основі взаємозалежних рядів динаміки. З його за допомогою можна отримати роботу не лише результативного, а й факторних ознак, тобто. аналіз взаємозалежних рядів динаміки виражається з допомогою системи рівнянь регресії. Прогноз у разі краще піддається змістовної інтерпретації, ніж простий экстраполяция.

Нормативний метод прогнозування полягає у встановленні для відповідного відтинку часу фіксованою системи норм. Як інструмента при нормативному прогнозуванні можна використовувати теорія графів, матричний підхід і др.

Сутність цільового прогнозування залежить від рішенні зворотної завдання: в знаходженні умов досягнення у майбутньому норм, поставлених в вигляді суворо визначених і економічно обгрунтованих величин. Виконання цього завдання зазвичай здійснюється методами математичного программирования.

Комплекс методів прогнозування постійно вдосконалюється і поповнюється цією новою методою. Однією із центральних проблем є розробка обгрунтованою класифікації і вибір методів прогнозування. Створення такий класифікації робилися неодноразово. У цей час є велика кількість класифікаційних схем методів прогнозування, основою яких покладено різні класифікаційні принципи. Проте класифікація прогнозів методами їх розробки не може відсутністю єдиної класифікації методів. Найважливішими класифікаційними ознаками методів прогнозування є такі: ступінь формалізації, загальний принцип дії, спосіб отримання прогнозної информации.

За рівнем формалізації методи прогнозування можна розділити на інтуїтивні і формалізовані. Інтуїтивні застосовуються тоді, коли неможливо врахувати вплив багатьох чинників через значної складності об'єкта прогнозування, або щоб занадто простий. Ці методи базуються на інформації, що утворюється за оцінками фахівцівекспертів. Формалізовані методи базуються на фактично наявному інформаційному матеріалі об'єкт прогнозування та її минулому развитии.

Класи інтуїтивних і формалізованих методів прогнозування зі свого складу аналогічні експертним і «фактографическим» методам. Фактографічні методи є джерело інформацію про об'єкті прогнозування, заснований на фактичних даних, необхідні досягнення цієї мети прогнозування; експертні методи базуються на інформації, отриманої за оцінками специалистов-экспертов.

2. Методика авторегрессионого прогнозування врожайності сільськогосподарських культур по тренду і колеблемости.

2.1. Методи вивчення тренду динамічного ряда.

Аналіз і статистичне опис динаміки якогось суттєвого коливного показника починається з виявлення форми його тренду. Після цього приступають до статистичної оцінці параметрів тренда.

Відповідно до визначенням тренду, форма його об'єктивна б і відбиває закономірності розвитку досліджуваного процесу. Завдання дослідника залежить від виявленні реальною форми тренду, та був вже у виборі того рівняння (типу лінії), яке найкраще аппроксимирует об'єктивний тренд. З позицій визнання об'єктивного характеру форми тренду вихідний пункт дослідження самого процесу розвитку залежить від виявленні його матеріальної природи, внутрішніх причин розвитку та його зовнішніх умов. Таке дослідження може встановити очікувану форму тренда.

Виробничі процеси виявляється значно складнішим і апріорно встановити характер закону зміни будь-якого показника звичайно удается.

Існує система ієрархічно супідрядних тенденцій (трендів) динаміки. Трендом називають конкретне, у вигляді певної монотонної кривою опис тенденції розвитку. Тенденцією ж точніше називати об'єктивно існуюче властивість процесу, яка лише наближено позначається описується трендом певного виду. Тенденцію у тому сенсі можна ототожнити з визначенням «істинного тренду». Система ієрархічно супідрядних трендів складається з трендів першого порядку, кожний їхній яких має певний напрям. Тренд першого порядку відбиває певний однорідний період розвитку. На різних етапах розвитку тренди першого порядку може мати різний характер. Система трендів об'єднується загальним трендом вищого порядку, відбиває характер процесу розвитку на целом.

Теоретичний аналіз тренду доповнюється дослідженням його форми по фактичному динамічному ряду, що дає змоги виявити тип тренду і виміряти конкретні параметры.

У первинному динамічному ряду коливання рівнів неможливо встановити, дотримується чи єдина тенденція за період та яка її форма. Найпростішим методом, що дозволяє значною мірою абстрагуватися від коливань виявити тенденцію, служить метод середньорічних рівнів за окремі періоди. Для досить надійного виявлення форми тренду необхідно мати 4−5 таких середньорічних рівнів. У той самий час у тому, щоб у основному абстрагувати ці середньорічні рівні від колеблемости, кожен із новачків має бути узагальненням врожайності за досить великий число років із різними по сприятливість для вирощування культур умовами вже щонайменше як по п’ять років. І тому необхідно мати вихідний ряд значної длительности.

Порівняно нескладної й ефективної є методика вивчення тренду динамічного низки з урахуванням його згладжування з допомогою ковзної середньої. З що ковзають середніх визначаються характеристики, відповідні параметрами основних ліній, виражають тенденцію: ланцюгової абсолютний приріст (для прямий), ланцюгової темпи зростання (для експоненти), прискорення приріст (для параболи другого порядку). Потім ряд значення приросту розбивається на декілька частин, мінімально — дві, краще — три, чотири, критерієм t. Перевіряється суттєвість різниці між середніми приростами ті подпериоды. Якщо розвитку істотні при заданому рівні ймовірності, то середню характеристику вважатимуться константою (середньорічний абсолютний приріст), і тому вибирається відповідна їй лінія (пряма). Якщо відмінності абсолютних приростів істотні між всіма подпериодами, але з істотні відмінності середніх темпи зростання, вибирається експонента; якщо несуттєві відмінності прискорень — парабола другого порядку й т.д.

Дуже істотним методом виявлення форми тренду служить графічне зображення динамічного деяких обласних і його аналіз шляхом добору линий.

Також є методи, не придатні загалом виявлення форми тренду, які можна використані як допоміжні вартість окремих етапах аналізу типу тренду. Це порівняння залишкової суми квадратів відхилень фактичних рівнів від рівнів вирівняного низки до сумі рівнів вихідного динамічного низки. Ці методи ставляться до апостенения для відображення тренду і існування тренду протягом всього периода.

Однією з кількісних методів вибору форми тренду є дисперсионный аналіз з оцінкою готівкових ефектів, що застосовується в основному задля обробки експериментальних даних, але з декотрими поправками може бути застосований до тимчасовим рядах з метою оцінки форми тренду. Сутність методу полягає у оцінці середніх квадратів, які стосуються лінійному, квадратическому і кубічному ефектів чинники часу й порівняння цих середніх квадратів з залишкової дисперсией.

Установивши форму тренду, визначають параметри тренду виходячи з емпіричного динамічного низки. Для будь-якої з основних форм трендів існує одне головне параметр — константа. Для лінійного тренду — це середньорічний приріст, для експоненційного — середньорічний темпи зростання, для статечного і логістичного — показник ступеня при номерах років t чи при числі l, для логарифмічного тренду [pic] - це коефіцієнт a1 при логарифме. Інші параметри, включаючи вільний член, можуть залежати від довільного вибору початковій точки звіту времени.

Тренд є середню динамічну величину. Рівняння тренду та її основний параметр належать сімейства середніх статистичних величин. Тому на згадуваній них поширюється загальний стан, стосується будь-який середньої статистичної величині: під час розгляду даної емпіричну системи значень ознаки ізольовано у просторі чи у часі середній розмір є суцільної прямої і визначається однозначно без ймовірності помилки і довірчого інтервалу. Якщо ж дана емпірична система сприймається як частина більш загальній системи, середня є вибіркової оцінкою генеральної середнього розміру і підлягає супроводу її стохастической помилкою і довірчим интервалом.

Так основне практичне застосування тренду полягає у прогнозуванні процесу, то імовірнісна оцінка генеральних величин параметра тренду є необхідною за умови збереження однорідності причинного комплексу. Звідси випливає одне з першочергові завдання методики визначення величини основного параметра тренду, яка полягає у мінімізації стохастической помилки цієї параметра.

Більшість статистиків переймається тим визначення параметрів тренду способом найменших квадратів, мінімізуючи суму квадратів відхилень окремих рівнів від тренду. Існують методи побудови «нормальних рівнянь» способом найменших квадратів для прямий лінії, парабол другого і третього порядку, експоненційною кривою. У цьому доцільно переносити звіт часу у середину выравниваемого динамічного низки, система нормальних рівнянь помітно спрощуються і зменшується обсяг обчислювальної работы.

Іншим прийомом побудови систем нормальних рівнянь методом найменших квадратів тим типів рівнянь тренду, які приводимы до лінійному виду, є заміна переменных.

Середньорічні ланцюгові і базисні показники динаміки добре описують розвиток явища у часі, коли динамічні ряди змінюються плавно. Для рядів, схильні до значної колеблемости ці показники можуть сильно спотворювати справжню тенденцію, оскільки розмір визначається значенням рівнів динамічного низки, що стоять на кінцях досліджуваного періоду. Тому застосовують інші показники, меншою мірою залежать від значень, що стоять на кінцях низки. Ці показники обчислюються з урахуванням аналітичного вирівнювання. Під аналітичним вирівнюванням розуміють оптимальне себто заданого критерію вирівнювання динамічного низки з обов’язковим аналітичним вираженням тренду вигляді деякою кривою. Так, висловлення середньорічного приросту, отриманого з допомогою аналітичного вирівнювання і званого вирівняним приростом, застосовують лише лінійне рівняння, а висловлювання показника середньорічного коефіцієнта і темпу зростання служить вирівнювання низки по показовою кривою. Якщо розвиток економічного процесу приміром із прискоренням, доцільно разом із середньої швидкістю вести величину середньорічного прискорення, навіщо динамічний ряд вирівнюють за параболою другого порядка.

Для визначення параметрів тренду сильно коливному ряду застосовують метод багаторазового аналітичного вирівнювання, оскільки що сильніше колеблемость і що коротше динамічний ряд, то більше вписувалося вплив випадкового розподілу відхилень від тренду спотворює значення параметрів, отриманих при одноразовому аналітичному выравнивании.

Показники ефективності виробництва та що впливають них чинники можуть перебувати у стохастической чи функціональною зв’язку. У першому випадку для вивчення застосовуються імовірнісні методи, у другому — методи функціонального аналізу, до якого належить індексний аналіз. Він вивчає зміна у поступовій динаміці показників під впливом чинників, що є складовими частинами показника і є вивчення односторонніх причинних зв’язків, відбиваючи насправді не причинні, а структурні чи об'ємні зміни показника і висловлюючи цим слідства дійсних причин.

2.2 Аналіз колеблемости рівнів динамічного ряда.

Коливаннями рівнів динамічних рядів називають їх відхилення від тренду, що висловила тенденцію зміни рівнів. Коливання — процес, протекающий у часі. Проте є поняття «варіації колеблемости», тобто. відмінність показників колеблемости за і той період між територіями та між об'єктами. Сільськогосподарському виробництву поруч із сезонної колеблемостью властива колеблемость рівнів урожайності та валового збору різні роки. Тому з найважливіших завдань виробництва, у сільське господарство є необхідність зменшення колеблемости обсягу сільськогосподарської продукції різні годы.

У будь-якій галузі виробництва та будь-якому соціальному процесі з’являється динамічний єдність потребі - і випадковості, служить загальним причинним обгрунтуванням існування колеблемости.

Основними завданнями статистичного вивчення колеблемости виробничих та соціальних процесів є следующие:

— вимір сили колебаний;

— вивчення типу коливань, розкладання складної колеблемости на різнорідні составляющие;

— дослідження змін колеблемости у часі, динаміки колебаний;

— вивчення варіації колеблемости в просторової чи іншого сукупності объектов;

— вивчення чинників колеблемости і його статистико-математическое моделирование.

Основними абсолютними показниками, котрі характеризують силу коливань, являются:

1) амплітуда, чи розмах коливань — це різницю між алгебраїчним найбільшим у період відхиленням тренду і найменшим алгебраїчним отклонением.

[pic], (1).

2) Середнє лінійне відхилення (по модулю) розраховується за формуле:

[pic], (2) де Еt — відхилення фактичних рівнів від тренда.

N — число уровней,.

3) Основним абсолютним показником колеблемости вважають середнє квадратическое відхилення. Якщо аналізований період є вибіркою, через яку робиться оцінка генеральної величини колеблемости до цього процесу з метою прогнозирования.

(екстраполяції), то оцінку генерального середнього квадратического відхилення обчислюють по формуле:

[pic], (3) де Р — число параметрів тренду, включаючи вільний член.

До показників колеблемости крім абсолютних має входити і відносні показники, роль яких у тому, що лише них виражається порівнянна щодо різноманітних рядів міра інтенсивності коливального процесу. Відносні показники будуються як стосунки абсолютних показників до середнього рівня низки динаміки за ж період. Так, на основі середнього квадратического відхилення можна визначити відносний показник — коефіцієнт колеблемости.

[pic], (4).

Стосовно врожайності з урахуванням досвіду масового виміру коливань з різних культурам і територіям при [pic] колеблемость можна характеризувати як слабку; при [pic] як помірну; при [pic] - як сильну; при [pic] - як дуже сильную.

Система показників колеблемости мусить бути доповнена показниками стійкості як властивості, протилежного колеблемости.

Коефіцієнтом стійкості називають величину рівну [pic] (5), чи доповнення коефіцієнта колеблемости до единицы.

Істотною характеристикою колеблемости є тип коливань. Первинних, чи «чистих», коливань в динамічних лавах можна назвати три: «пилообразная», чи «маятникова», колеблемость, коли він знаки відхилень від тренду чергуються суворо по черзі; долгопериодическая, чи циклічна, коли він кілька рівнів поспіль відхиляються від тренду один бік, та був кілька рівнів — у протилежний інший бік і т.д.; випадково розподілена у часі, коли він равновероятна будь-яка послідовність знаків і величини відхилень від тренда.

Жоден з цих типів, зазвичай, не зустрічається практично в чистому вигляді, але одне із типів є переважним для певного процесу. Знання типу домінуючі колеблемости має велике практичного значення для прогнозування й у розробки заходів із зменшенню коливань або за подоланню їх негативних наслідків. Так, при переважання «пилкоподібної» колеблемости потрібно значно менший страхової запас, аніж за рівної за інтенсивністю долгопериодической колеблемости, оскільки недобір продукції за першої з них відразу ж на наступного року компенсується її підвищенням над середнім рівнем тренду, а другий — коли типі кілька років із недобором продукції ідуть одне за другим.

Різні типи колеблемости пояснюються, зазвичай, разними причинами. Так «пилообразная» колеблемость — автоколебательным причинним механізмом. Долгопериодическая колеблемость зазвичай пов’язані з циклами зовнішніх чинників: сонячна активність, зміна пори року, гіпотетичні цикли метеорологічних процесів. Випадкову колеблемость зазвичай розглядають як накладання чи «інтерференцію» багатьох різних за характером і довжині циклу коливальних процессов.

Для дослідження типу колеблемости запропонований ряд методів. Так, М.Дж. Кондэл запропонував критерій «поворотних точок», чи локальних экстремумов, в ряду відхилень від тренду. Їм доведено, що з випадковому розподілі у часу коливань число локальних экстремумов загалом равно:

[pic], (6).

за середнього квадратическом отклонении.

[pic] (7).

При «пилкоподібної» колеблемости число «поворотних точок» буде одно N-2, а при долгопериодической — подвоєному числу циклів, зменшуваних на довжині періоду N, оскільки з цикл містить (экстремума. Вимірявши фактичне число «поворотних точок» і порівнявши його з очікуваним що за різних типах коливань, можна визначити переважний тип колеблемости.

Інший метод визначення типу колеблемости, у якому враховується не лише порядок чергування величин відхилень від тренду, а й ці величини — автокорреляционный аналіз. Вона складається в обчисленні коефіцієнтів автокорреляции у низці відхилень від тренду зі зсувом на 1,2,3 тощо. Отримана серія коефіцієнтів автокорреляции утворює так звану «автокорреляционную функцію». Вже з коефіцієнта автокорреляции першого порядку, тобто з зрушенням однією рік можна досить надійно будувати висновки про переважному типі колебаний.

Коефіцієнт автокорреляции першого порядку обчислюється по формуле:

[pic], (8).

При «пилкоподібної» колеблемости всі твори в чисельнику коефіцієнта будуть негативні і буде отримана істотна величина коефіцієнта. Навпаки, при долгопериодической колеблемости переважна частина творів — в чисельнику, притому найбільше при абсолютну величину будуть позитивні, і цього коефіцієнт автокорреляции виявиться істотно позитивним. При випадково розподіленої у часі колеблемости однаково мабуть будь-яке чергування знаків відхилень від тренду. Тому виявиться приблизно порівну позитивних і негативних творів, а коефіцієнт виявиться несуттєво відмінними від нуля. Суттєвість відмінності коефіцієнта автокорреляции перевіряється по спеціальним таблицам.

2.3. Прогнозування з урахуванням динамічних рядов.

Одна з ключових практичних застосувань статистичного вивчення тенденцій динаміки і колеблемости полягає у прогнозуванні його основі можливих оцінок величини досліджуваного ознаки. Прогнозування з урахуванням виміру тренду і колеблемости одне із методів статистичного прогнозирования.

Статистичний прогноз — це імовірнісна оцінка можливостей розвитку тієї чи іншої об'єкта (процесу) і величини його ознак в майбутньому, отримана з урахуванням статистичної закономірності, виявленої по даним минулого періоду. Він призначений або для планування управління об'єкта, або розробки стратегії поведінки суб'єкта, якщо об'єкт не управляем.

Статистичний прогноз передбачає як правильне якісне пророцтво, а й досить точне кількісне вимір ймовірних можливостей очікуваних значень ознак. Для даної мети необхідно, щоб прогностична модель мала достатню точність чи припустимо малу помилку прогнозу. Помилка статистичного прогнозу тим менше, ніж менше термін попередження — тимчасової проміжок від бази прогнозу до прогнозованого періоду, і що довші база прогнозу — минулий період, однорідний по закономірностям розвитку, з урахуванням інформації протягом якого побудована прогностична модель. Для визначення терміну попередження використовують суто емпіричне правило: здебільшого термін попередження ні перевищувати частині довжини бази прогноза.

Помилка прогнозу пов’язана прямий залежністю з колеблемостью. Тому сила коливань повинна враховуватися під час виборів співвідношень між довжиною бази прогнозу і строком попередження. Чим сильніший колеблемость, то більшим має бути це соотношение.

Область застосування методу прогнозування не основі тренду і колеблемости дуже широка, що випливає із великої значення вивчення трендів і колеблемости в соціально-економічних науках, а також у процесі практичного планування та управління виробництвом. Однією з найяскравіших прикладів може бути прогнозування врожайності з урахуванням трендовой моделі, отже, і обсягу продукції рослинництва, оскільки серед чинників, які впливають врожайність, значної ролі грають метеорологічні явища, що на даний час наука абсолютно не може прогнозувати навіть у рік у перед, а трендовая модель і вимір колеблемости дають підстав сподіватися ймовірні кордону прогнозованою врожайності кілька років вперед.

Прогнозування завжди спирається на досвід розвитку досліджуваного явища в минулому. Тому будь-який прогноз як межі досліджуваного періоду можна як экстраполяцию.

Прогноз виражається як у вигляді точкової чи интервальной оцінці. Точковий прогноз є оцінка прогнозованого показника у точці (в конкретному року, місяці, дні, середині періоду прогнозу) по рівнянню, описывающему тенденцію показателя.

Точкова оцінка розраховується шляхом підстановки номери року, на який розраховується прогноз, в рівняння тренду. вона є середньої оцінкою для прогнозованого інтервалу часу. Так, точковий прогноз вказує ту величину врожайності, яку загалом вийде об'єкт на прогнозований рік, якщо тенденція динаміки врожайності збережеться. Цю величину можна залучити до планирование.

Интервальный прогноз на кшталт прогнозованого показника розпадається на три виду: прогноз ймовірних кордонів тренду; прогноз ймовірних кордонів рівнів окремих років із урахуванням їхньої можливої колеблемости щодо тренду; прогноз ймовірних кордонів середньорічних рівнів динамічного ряда.

Прогноз ймовірних кордонів тренду нічого для будь-якого заданого року (терміну попередження) відповідає питанням у тому, у межах якого інтервалу виявиться із заданою ймовірність рівень тренду [pic] 1958 року номером tk, по тому як стануть відомі всі рівні yi окремих років, починаючи з наступного за кінцем бази прогнозу рівня [pic] і по рівня прогнозованому року yk (l — період попередження, k-l — база прогнозу). При одноразовому вирівнювання для визначення параметра лінійного тренду — середньорічного абсолютного приросту — середня помилка прогнозу тренду для року з номером tk, отсчитываемого від середини прогнозу, обчислюється по формуле:

[pic], (9).

де [pic] - позначення середньої помилки прогнозу тренда;

[pic] - оцінка середнього квадратического відхилення окремих рівнів від тренда;

N — число рівнів динамічного ряда.

Середнє квадратическое відхилення отримують при одноразовому вирівнювання. З формули слід, що помилка прогнозу тренду виходить як дисперсія суми. Перше складова подкоренного висловлювання — це квадрат середньої помилки параметра а0 — вільного члена рівняння лінійного тренду, тобто середньої помилки рівня низки, обернено пропорційної числу членів низки, аналізованого як вибірка. Друге — це дисперсія оцінки другого параметра а1, тобто середньорічного приросту, помноженого на число років від середини бази прогнозу до прогнозованого періоду, оскільки помилка в прогнозі зростає пропорційно кількості років. Оскільки параметри а0 і а1 — лінійно незалежні, то застосовується складання за правилами дисперсії суми незалежних величин.

Для обчислення ймовірних кордонів прогнозу тренду необхідно середню помилку прогнозу помножити на величину t критерію чи нормального розподілу, щоб отримати ймовірну помилку прогнозу тренду а[pic].

а[pic]=[pic][pic] (10).

Ймовірний інтервал прогнозу тренду дорівнює крапковому прогнозу плюс-мінус ймовірна ошибка.

[pic][pic] а[pic], (11).

Ймовірну помилку і наявність інтервал доцільно обраховувати з досить близькими t одиниці ймовірності: Конкретний вибір ймовірності чи надійності прогнозу залежить з його завдань і зажадав від сили коливань. При прогнозі конкретного, рівня низки динаміки через те, конкретну рівень залежить як від тренду, і від колеблемости, середня помилка прогнозу розраховується за формуле:

[pic], (12) де [pic] - середня помилка тренда;

[pic] - середнє очікуване для прогнозованого року відхилення конкретного рівня від тренду чи абсолютної колеблемости.

При прогнозі середньорічного рівня кілька років розраховується точковий прогноз середньорічного абсолютного рівня. Якщо розглядається динаміка одномірного показника, це є середня арифметична величина з точкових прогнозів всім років усредняемого періоду попередження l:

[pic], (13).

При лінійних формах тренду середній рівень і тренду середнього квадратического відхилення формула середньої помилки прогнозу середньорічного рівня виглядає наступним образом:

[pic], (14).

Для оцінки правильності статистичного прогнозу застосовується методика ретроспективної оцінки авторегрессионых прогнозів, в основі якої становить система показателей.

1. Показник оправдываемости. Оправдавшимся вважається прогноз, в довірчі кордону інтервалу якого потрапило фактичне значення рівня. По групі прогнозів обчислюється показник оправдываемости прогнозів j:

[pic], (15) де gj — число оправдавшихся прогнозів; g — загальна кількість прогнозов.

Отже, показник оправдываемости прогнозів — це частка оправдавшихся у досить однорідної характером прогнозованих процесів, достатньої великий на погашення випадків групі прогнозов.

2. Абсолютна відхилення точного прогнозу від фактичного уровня:

[pic], (16).

3. Відносне відхилення точечної прогнозу від фактичного уровня:

[pic], (17).

Відносні відхилення можна порівняти у межах групи однорідних якісно рядів динаміки, але й будь-яких прогнозів, отриманих у тому ж методом. По середньої величині відносного відхилення можна будувати висновки про ролі методики прогнозів. Якщо підставу цієї методики: гіпотеза — про збереженні тренду остаточно терміну попередження, збереження типу колеблемости і його тенденції, правильне відображення цих тенденцій прогностичними рівняннями — справедливі, то середній розмір відносного відхилення прогнозів від фактичних рівнів мусить бути близька до середньої величині відносних помилок, закладених методиці самих прогнозів, тобто величине.

[pic], (18).

де [pic] - середня статистична помилка прогнозу, уровня.

Близьке збіг апріорній величини середньої відносної помилки у групі прогнозів і середній фактичної апостеріорної величини прогнозів при їхні досить великому числі свідчить правильність вихідних передумов методу прогнозирования.

У цьому испытуемая методика перебуває у нерівних погіршених умовах, бо, ніж коротше вихідний динамічний ряд, важче вірно визначити форму і параметри тренду і колеблемости.

3. Природно-економічні умови вирощування сільськогосподарських культур в Орловської области.

Орловська область лежить у центральній частині Среднерусской височини, не більше степової та лісостеповій зон. Протяжність її з заходу Схід становить 200 км, із півночі на південь — 150 км.

Клімат у сфері помірно-континентальний, порівняно теплий, помірковано вологий. Орловська область лежить у зоні нестійкого зволоження. Річна сума опадів по центральним районам і південному сході області - 440−490 мм. За теплий період року випадає 300−425 мм, за холодний — 140−185 мм.

Для влагообеспеченности сільськогосподарських культур дуже важливі запаси продуктивної вологи у грунті. На початку вегетації найбільші запаси продуктивної вологи перебувають у метровому шарі суглинистые грунту північ від і заході області: 200−220 мм на зябу і 195−215 мм під озимими культурами. На території у зоні оподзоленных і выщелоченных чорноземів запаси продуктивної вологи в метровому шарі становлять до початку весни 155−180 мм на зябу і 145−200 мм під озимими культурами. Протягом років з низькими весняними влагозапасами врожай сільськогосподарських культур при неполивном землеробстві повністю визначається характером опадів на весняно-літній період. Опади над територією області випадають протягом 15−175 днів на рік. У теплий період загалом протягом місяця буває 12−16 днів собівартість опадами, у холодний — 13−19.

На території Вінницької області щорічно у травні-червні бувають посухи і суховії слабкої інтенсивності. У середньому за теплий спостерігається 18−19 днів із слабкими посухами і суховеями в північних районах і 24−27 днів, у південних районах. Засухи і суховії середньої інтенсивності на більшу частину території області відрізняються не щорічно, крім південного сходу області. Важливим елементом у боротьбі собівартість ними є комплекс агролесомелиоративных заходів і впровадження у виробництво засухостійких сортів низки сільськогосподарських культур. У цьому озимі культури менше страждають від посухи і суховіїв, дають вищі врожаї проти яровими при умови хорошого розвитку та сприятливою перезимовки. Нестійкість снігового покрову погіршує умови зимівлі озимих та можуть призвести до вымерзанию чи выпреванию великих площадях.

Водні ресурси області формуються з допомогою річкового стоку, штучних водойм, влаштованих на малих ріках і наполняющихся місцевим стік, а як і з допомогою використання підземних вод. У цьому основними джерелами формування водних ресурсів є великі та малі річки, яких території Вінницької області налічується близько 60. Їх водосборная площа належить до басейнах річок Оки, Сосни й Десни. Основний особливістю режиму річок був частиною їхнього високий рівень у весняне повінь. Більшість річок має низькі берега, і поводковые води виходять заплави, забезпечуючи їм хорошу влагозарядку. Більшість річок Орловської області є мелководными і паркан води дуже ограничен.

Найважливіше роль розвитку зрошення у сфері належить зарегулированию стоку з допомогою водоймищ і водоемов.

Успішне розвиток сільського господарства нерозривно пов’язане з правильним використанням земельного фонду, й у першу чергу земельного фонду сільськогосподарського призначення. Землі, використовувані в сільськогосподарському виробництві, вимагають проведення великомасштабних робіт з їх известкованию.

Розчленованість рельєфу, характер грунтового покрову, господарська діяльність людини визначили повсюдне активний розвиток процесів водної эрозии.

Надзвичайно різноманітний грунт області. Чи ж тільки на орних землях налічується понад 240 ґрунтових різновидів. З сходу захід змінюють одне одного різні види чорноземів, сірих похвальних, дерновоподзелистых та інших видів грунтів. Різний ще й механічний склад грунтового покрову, який змінюється зі Сходу захід від глинистого і тяжелосуглинистого до піщаного і супесчаного.

По почвенному покриву область є зоною перехідних грунтів від дерновоподзелистых до черноземам. Їх розмаїття визначається різними умовами почвообразования. А різне співвідношення і розподіл грунтів наклали, своєю чергою, відбиток на продуктивність грунтового покриву господарств і навіть районів области.

4. Авторегрессионое прогнозування врожайності зернових культур

Для характеристики напряму, і інтенсивності розвитку досліджуваного явища розрахуємо систему показників динаміки посівної площі зернових культур в Покровському районі Орловської області ланцюговими і засадничими способами.

Таблиця 1.

Показники динаміки посівної площі зернових культур в Покровському районі Орловської области.

|Годы |Посівна |Абсолютний |Темп зростання, % |Темп прироста,|Абсолют-н| | |площа, |приріст | |% |ые | | |га | | | |значення | | | |ланцюгової |базис-н|цепной |базис-н|цепной |базис-| | | | | |ый | |ый | |ный | | |1988 |62 400 |- |- |- |100 |- |- |- | |1989 |61 680 |-720 |-720 |98,8 |98,8 |-1,2 |-1,2 |- | |1990 |59 789 |-1891 |-2611 |96,9 |95,8 |-3,1 |-4,2 |- | |1991 |57 086 |-2703 |-5314 |95,5 |91,5 |-4,5 |-8,5 |- | |1992 |56 562 |-524 |-5838 |99,1 |90,6 |-0,9 |-9,4 |- | |1993 |56 234 |-328 |-6166 |99,4 |90,1 |-0,6 |-9,9 |- | |1994 |55 922 |-312 |-6478 |99,4 |89,6 |-0,6 |-10,4 |- | |1995 |55 261 |-661 |-7139 |98,8 |88,6 |-1,2 |-11,4 |- | |1996 |54 072 |-1189 |-8328 |97,8 |86,7 |-2,2 |-13,3 |- | |1997 |52 928 |-1144 |-9472 |97,9 |84,8 |-2,1 |-15,2 |- | |1998 |45 789 |-7139 |-16 611 |86,5 |73,4 |-13,5 |-26,6 |- | |1999 |43 725 |-2064 |-18 675 |95,5 |70,1 |-4,5 |-29,9 |- | |2000 |52 601 |8876 |-9799 |120,3 |84,3 |20,3 |-15,7 |8876 |.

Розрахуємо середньорічний абсолютний приріст по формуле:

[pic], (19) де Sn — кінцевий рівень низки, га;

S0 — початковий рівень низки, га; n — число уровней.

[pic] га.

Визначимо середньорічний темпи зростання по формуле:

[pic], (20).

[pic].

За період 1988;2000 рр. в Покровському районі Орловської області посівна площа зернових культур щорічно скорочувалася загалом на 1,4% чи 816,58 га.

Аналіз цепних показників динаміки показав, що під час з 1988;2000 рр. відбувалося скорочення посівної площі зернових культур проти попереднім роком, у своїй найбільше зниження величини посівної площі відзначалося 1998 року проти 1997 роком — на 13,5% чи 7139 га. Збільшення посівної площі відбувалося лише 2000 року на 20,3% чи 8876 га.

Аналіз базисних показників динаміки дозволив встановити, що у всім протязі періоду відбувалося неухильне скорочення посівної площі зернових культур проти 1988 роком, найбільше скорочення посівної площі зернових культур відзначалося 1999 року — на 29,9% чи 18 675 га.

Для проведення подальшого економічного аналізу з єдиною метою складання прогнозу врожайність зернових культур в Покровському районі Орловської області необхідно встановити наявність тенденції динаміки в динамічних лавах врожайності зернових культур.

Перевіримо гіпотезу про існування тенденції в динамічному ряду врожайність зернових культур в Покровському районі Орловської области.

Таблиця 2.

Динаміка врожайності зернових культур в Покровському районі Орловської області. | | |абсолютні |отно-с| | | | | | | | | |итель-| | | | | | | | | |ный, %| | | | | | |1999 |2000 |1999 |2000 |1999 |2000 |умовний | |43 725 |52 601 |12,3 |18,2 |537 817,5 |957 338,2 |646 992,3 |.

Введемо умовні обозначения:

S0, S1 — посівна площа базисного (1999), звітного (2000) року, га; y0, y1 — врожайність базисного (1999), звітного (2000), ц.

1. Розрахуємо індекс цьогорічного валового збору по формуле:

[pic] (39).

[pic].

Визначимо цілковиту зміну валового сбора.

[pic].

2000 року проти 1999 роком валовий збір зерна збільшився на 419 520,2 ц чи 78%.

2. Розрахуємо індекс розміру й структури посівної площади.

[pic] (41).

[pic] 120,2%.

Визначимо цілковиту зміну цьогорічного валового збору з допомогою зміни розміру й структури посівної площади.

[pic] (42).

[pic] ц.

2000 року проти 1999 роком валовий збір зерна збільшився 20,2% чи 109 174,8 ц з допомогою зміни розміру та структури посівної площади.

3. Розрахуємо індекс розміру посівів по формуле.

[pic] (43).

[pic].

Визначимо цілковиту зміну цьогорічного валового збору зерна з допомогою зміни площі посіву по формуле:

[pic] (44).

[pic] ц.

2000 року проти 1999 роком посівна площа зернових культур збільшилося на 20,24% у результаті отримано більше зерна на 109 174,8 ц.

6. Статистична звітність про урожай і урожайности.

Сучасна організація статистики врожаю сільськогосподарських культур ставить завдання визначити найповніше розміри фактичного збирати врожай підійшов переважають у всіх категоріях хозяйств.

Основними джерелами даних про урожай і врожайності являются:

1) спеціальна звітність про збір врожаю сільськогосподарських культур (форма функции-7с-х). З її визначають попередні розміри збирати врожай підійшов сільськогосподарських культур і остаточні підсумки посівних площадей;

2) річні звіти сільськогосподарських предприятий;

3) матеріали бюджетних обстежень, регистрирующие фактичний збирання врожаю на присадибних землях колхозников.

Усі даних про розмірах посівної і прибраній площі й зібраному врожаї входять у звіт про фактичному зборі врожаю сільськогосподарських культур виходячи з документів первинного обліку господарств. Збір врожаю зернових і соняшнику показується в звіті в спочатку оприходованном весе.

З звіту про збір врожаю та інших документів (звіти про посівних площах, матеріали бюджетних обстежень та інших.) обласне статистичне управління становить зведений звіт про попередніх розмірах фактичного збирати врожай підійшов сільськогосподарських культур у цьому року початку щодо окремих, та був за всіма категоріями хозяйств.

Задля більшої повноти і точності даних про урожай сільськогосподарських культур початку жнив і остаточно її систематично перевіряється повнота оприбуткування збирати врожай підійшов сільськогосподарських культур і правильність звіту (форма функции-7 с-х). практикуються також одноразові роботи з обстеження якостей жнив і виявлення втрат при жнивного поля окремих сільськогосподарських культур.

Остаточні розміри фактичного збирати врожай підійшов в сільськогосподарських підприємств і підсобні господарства встановлюють підставі даних річних звітів підприємств. Тому важливе завдання органів державної статистики — перевірка правильності даних річного звіту про площах міст і збору сільськогосподарських культур, забезпечення достовірності цих відомостей. остаточні розміри фактичного збирати врожай підійшов сільськогосподарських культур визначають диференційовано у цілому за всі категоріям хозяйств.

При розбиранні цих даних із сільськогосподарських підприємств органи державної статистики розраховують чистий вагу продукції зернових культур й соняшнику як загальний фактичний збирання врожаю з відрахуванням невикористовуваних відходів та усушки. [5].

Заключение

.

У цілому нині умови вирощування основних сільськогосподарських культур в Орловської області, зокрема зернових, можна характеризувати як сприятливі, чим свідчить проведений економіко-статистичний аналіз, результати якого дозволяють дійти невтішного висновку про існування тенденції динаміки в побудованому динамічному ряді врожайності зернових культур в Покровському районі Орловської області. Встановлено лінійна форма тренду з їх постійним абсолютним зниженням, стосовно ступеня колеблемости, що його можна охарактеризувати як помірну — 21,9% середнього багаторічного уровня.

Для району встановлено випадковий тип колеблемости у часі, що потребує створення певної кількості страхових запасів, бо немає цілковитої певності щодо тому, що неврожай минулого року її компенсується врожаєм поточного года.

З іншого боку, слід зазначити його присутність серед районі сильної стійкості зниження врожайності зернових культур, про що свідчить коефіцієнт кореляції рангів Спирмена, рівний — 0,7198.

Як показав аналіз загальної колеблемости в Покровському районі Орловської області організаційно-технічним чинником у спільній колеблемости врожайності відводиться 46%, випадковим — 54%. Залежність врожайності від рівня агротехніки, організації та управління виробництвом по Покровському району Орловської області - умеренная.

Через війну економіко-статистичного аналізу врожайності зернових культур в Покровському районі Орловської області протягом період 1988;2000 рр. був складено точковий і интервальный прогноз рівнів урожайності озимих та интервальный прогноз рівнів врожайності на 2002 рік і середньорічний на 2001;2003 рр. в Покровському районі Орловської області перебуватиме у межах [pic] ц/га, а наступні 3 роки [pic] ц/га.

Результати проведеного економічного аналізу свідчать в отриманні у майбутньому за збереження існуючої тенденції динаміки досить низьких урожаїв зернових культур.

1. Система ведення сільського господарства Орловської области.

(Організаційноекономічні основи). Тула. Прюкское книжкове видавництво, 19 996, — 172 с.

2. Соціальні чинники підвищення ефективності сільськогосподарського виробництва. Елгова: Латвійська сільськогосподарська академия.

1991 — 120 с.

3. Статистичне моделювання та прогнозування під. ред.

Гранборга. Москва: Фінанси і статистика, 2000, — 383 с.

4. Юзбасиев М. М. Манелл А.М. Статистичний аналіз тенденцій і колеблемости. Москва: Фінанси і статистика, 1998, — 207 с.

5. Сергєєв С.С. Сільськогосподарська статистика з засадами соціально-економічної статистики. Москва: Фінанси і статистика. 1999. — 656 с.

Приложения.

Таблица.

Динаміка врожайності зернових культур в Покровському районі Орловської області протягом 1988;2000 рр. |№ п/п|годы|Урожайность|Расчетные величини | | | |ц/га | |.

| | |t0 |t2 |yit |[pic] |yi-[pic] |(yi-[pic])2 |yi -[pic] |(yi -[pic])2 |.

|1 |1988 |19,2 |-6 |36 |-115,2 |24,3 |-5,1 |26,01 |0,3 |0,09 | |2 |1989 |23,0 |-5 |25 |-115 |23,4 |-0,4 |0,16 |4,1 |16,81 | |3 |1990 |27,4 |-4 |16 |-109,6 |22,5 |4,9 |24,01 |8,5 |72,25 | |4 |1991 |20,2 |-3 |9 |-60,6 |21,6.

|-1,4 |1,96 |1,3 |1,69 | |5 |1992 |26,4 |-2 |4 |-52,8 |20,7 |5,7 |32,49 |7,5 |56,25 | |6 |1993 |25,7 |-1 |1 |-25,7 |19,8 |5,9 |34,81 |6,8 |46,24 | |7 |1994 |19,5 |0 |0 |0 |18,9 |0,6 |0,36 |0,6 |0,36 | |8 |1995 |13,9 |1 |1 |13,9 |18,0 |-4,1 |16,81 |-5,0 |25 | |9 |1996 |13,1 |2 |4 |26,2 |17,1 |-4,0 |16,0 |-5,8 |33,64 | |10 |1997 |13,6 |3 |9 |40,8 |16,2 |-2,6 |6,76 |-5,3 |28,09 | |11 |1998 |13,6 |4 |16 |54,4 |15,3 |-1,7 |2,89 |-5,3 |28,09 | |12 |1999 |12,3 |56 |25 |61,5 |14,4 |-2,1 |4,41 |-6,6 |43,56 | |13 |2000 |18,2 |6 |36 |109,2 |13,5 |4,7 |22,09 |-0,7 |0,49 | |Разом |- |246,1 |0 |184 |- 172,9 |- |43,2 |188,76 |-0,6 |352,56 | |.