«Статистическо-экономический анализ производства льнопродукции по группе хозяйств Сарапульского и Каракулинского районов»

В настоящее время неизмеримо вырос интерес предприятий к подготовке лиц, умеющих квалифицированно проводить расчеты технико-экономических показателей. На многих предприятиях эта работа ведется на кустарном уровне.

Поэтому на передовых предприятиях создаются постоянные подразделения, которые заняты анализом и расчетами экономической деятельности. Более того, руководители предприятий заботятся о том , чтобы их ближайшими помощниками становились руководители служб маркетинга и главный бухгалтер с новыми, более широкими функциями. Руководство предприятием в условиях рынка начинается с решения вопросов: что производить, сколько, по какой цене продавать? И лишь потом право голоса получают руководители технических служб.

Конечно, создать службу анализа, способную дать достоверные расчеты технико-экономических показателей работы предприятия, непросто - в стране ощущается огромный дефицит специалистов.

В курсовой работе раскрываются некоторые вопросы анализа технико-экономических показателей деятельности предприятия, касающиеся программы выпуска продукции, технологического процесса изготовления изделий, эффективности использования материалов, ценовой политики, рентабельности и некоторых других.

Расчеты дадут возможность получения более точных представлений и выводов о технико-экономических показателях деятельности предприятия. В итоге расчетов выявляется результативность той или иной производственной операции и необходимое ресурсное обеспечение.

В процессе исследования были использованы данные хозяйств, занимающихся выращиванием сельскохозяйственных культур (в частности льна) Сарапульского и Каракулинского районов

Лён является одной из лучших прядильных культур. Главным образом его возделывают для получения натурального волокна, а также семян, из которых добывают масло. Льняное волокно отличается высокими технологическими свойствами:

-в 2 раза крепче хлопкового волокна;

-в 3 раза крепче шерстяного и незначительно уступает шелковой пряже.

Изделия из льна практичны, гигиеничны, и что не менее важно красивы. Текстильной промышленностью страны вырабатывается широкий ассортимент товаров бытового и технического назначения: бельё, одежда, полотенца, брезент, одеяла, ремни, шпагат, нитки и др. Технические ткани хорошо противостоят гниению, медленно изнашиваются. Вся продукция из льна, да и льняное волокно, пользуются огромным спросом не только в России, но и за рубежом, где в последнее время уделяется большое внимание именно экологичности продукта.

Важное значение имеют и семена льна. Они содержат до 25% белка, 35-39% масла. Масло используют главным образом для технических изделий. Способность его быстро высыхать, образуя прочную и эластичную плёнку, используют для приготовления высококачественной олифы, а также лаков и эмалей. Широкое применение масло находит в медицине, бумажной и мыловаренной отраслях промышленности. Отходы маслобойного производства это ценный высокобелковый корм. Питательность одного килограмма льняного жмыха составляет 1,15 корм. ед.

Урожай льна долгунца содержит 70-75% соломы, 10-15% семян и 10-15% мякиши. Выход тресты от урожая льносоломы составляет в среднем 70%.

Итак, проанализировав вышесказанное, можно сделать вывод о том, что лён - незаменимая сельскохозяйственная культура не только в народном хозяйстве России, но и в экономике страны.

Данный метод проверки гипотезы о существовании тенденции, как правило, применяется для рядов с монотонной тенденцией.

Исключение случайных колебаний значений уровней ряда осуществляется с помощью нахождения «усредненных» значений. Способы устранения случайных факторов делятся на две больше группы:

1. Способы «механического» сглаживания колебаний путем усреднения значений ряда относительно других, расположенных рядом, уровней ряда.

2. Способы «аналитического» выравнивания, т.е. определения сначала функционального выражения тенденции ряда, а затем новых, расчетных значений ряда.

Методы «механического» сглаживания. Сюда относятся:

1. Метод усреднения по двум половинам ряда, когда ряд делится на две части. Затем, рассчитываются два значения средних уровней ряда, по которым графически определяется тенденция ряда. Очевидно, что такой тренд не достаточно полно отражает основную закономерность развития явления.

2. Метод укрупнения интервалов, при котором производится увеличение протяженности временных промежутков, и рассчитываются новые значения уровней ряда.

3. Метод скользящей средней. Последовательность определения скользящей средней:

- определяют количество временных промежутков, включаемых в укрупненный интервал;

- рассчитывают средний уровень для каждого укрупненного интервала. Интервалы последовательно, начиная с первого ряда, включают в себя следующие уровни ряда и исключают предыдущие. Считают, что расчетный средний уровень относится к середине укрупненного интервала;

- если количество промежутков времени, включенных в укрупненный интервал четное, то выполняется центрирование расчетных уровней ряда. Центрирование – определение средней арифметической простой из двух, расположенных рядом значений расчетных средних уровней ряда;

- определяют по полученным средним (или центрированным) уровням ряда основную закономерность.

Отрицательной стороной использования метода скользящей средней является образование сдвигов в колебаниях уровней ряда, обусловленных «скольжением» интервалов укрупнения. Сглаживание с помощью скользящей средней может привести к появлению «обратных» колебаний, когда выпуклая «волна» заменяется на вогнутую. В результате происходит искажение основной тенденции. Чтобы устранить этот недостаток применяется взвешенная скользящая средняя.

В последнее время стала рассчитываться адаптивная скользящая средняя. Ее отличие состоит в том, что среднее значение признака, рассчитываемое также, как описано выше, относится не к середине ряда, а к последнему промежутку времени в интервале укрупнения. Причем предполагается, что адаптивная средняя зависит от предыдущего уровня в меньшей степени, чем от текущего. То есть, чем больше промежутков времени между уровнем ряда и средним значением, тем меньшее влияние оказывает значение этого уровня ряда на величину средней.

4. Метод экспоненциальной средней. Экспоненциальная средняя – это адаптивная скользящая средняя, рассчитанная с применением весов, зависящих от степени «удаленности» отдельных уровней ряда от среднего значения. Величина веса убывает по мере удаления уровня по хронологической прямой от среднего значения в соответствии с экспоненциальной функцией, поэтому такая средняя называется экспоненциальной. На практике применяется многократное экспоненциальное сглаживание ряда динамики, которое используется для прогнозирования развития явления.

Методы «аналитического» сглаживания

Более точным способом отображения тенденции динамического ряда является аналитическое выравнивание, т.е. выравнивание с помощью аналитических формул. В этом случае динамический ряд выражается в виде функции у(t), в которой в качестве основного фактора принимается время t, и изменения аргумента функции определяют расчетные значения уt.

Фактическими (или эмпирическими) уровнями ряда динамики называют исходные данные об изменении явления, т.е. данные, полученные опытным путем, посредством наблюдения. Они обозначаются уi. Расчетными (или теоретическими) уровнями ряда называют значения, полученные в результате подстановки в уравнение тренда значений t, и обозначают их .

Предполагается, что уровень ряда уt в аналитическом выражении уt = f(t) + f(t) состоит из двух компонент. Первая, f(t), рассматривается как систематическая составляющая, отражающая основную тенденцию и выражаемая определенным уравнением. Вторая, f(t), – как случайная компонента.

Таким образом, целью аналитического выравнивания является:

- определение вида функционального уравнения;

- нахождения параметров уравнения;

- расчет «теоретических», выровненных уровней, отображающих основную тенденцию ряда динамики.

Графическое отображение изменения уровней ряда играет большую роль в применении данного вида выравнивания. Оно позволяет ускорить процедуру анализа и увеличить степень наглядности полученных результатов.

7. Статистика: курс лекций/ Харченко Л.П., Долженкова В.Г., Ионин В.Г. и др.- Новосибирск,: НГАЭиУ, М.: ИНФРА-М, 1997 г.-310 с.

8. Статистический словарь/ гл.ред. М.А. Королёв.-М.: Финансы и статистика, 1989 г.-623 с.

9. Теория статистики: Учебник/под ред. проф. Шмойловой Р.А.- М.: Финансы и статистика, 1996 г.-464 с.

10. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере/ под ред. В.Э. Фигурнова.- М.: ИНФРА-М. Финансы и статистика, 1998 г.-528 с.