Обработка статистических данных предприятия

 

Оглавление


Введение

. Теоретическая часть

.1 Группировка статистических данных

.2 Средние величины

.3 Ряды динамики

.4 Показатели вариации

.5 Корреляционно-регрессионный анализ

. Аналитическая часть

.1 Аналитическая группировка. Структурные средние

.2 Динамика изменения показателей

.3 Показатели вариации

.4 Распределение затрат на постоянные и переменные методом корреляционно-регрессионного анализа

Заключение

Библиография

Приложение



Введение


Затраты на производство являются одним из важнейших показателей, характеризующих деятельность предприятия. Их величина оказывает влияние на конечные результаты деятельности предприятия и его финансовое состояние. Определённый уровень затрат, складывающийся на предприятии, формируется под воздействием процессов, протекающих в его производственной , хозяйственной и финансовой сферах. Так, чем эффективнее использование в производстве материально-технических, трудовых и финансовых ресурсов и рациональнее методы управления, тем более появляется возможностей для снижения затрат на производство продукции в экономическом механизме предприятия.

В свою очередь, затраты на производство находятся в прямой зависимости от объема производства.

Мною были получены данные о затратах на производство (Приложение1).

Для того, чтобы проанализировать влияние объема производства на затраты, я поставила перед собой следующие задачи:

·провести аналитическую группировку и рассчитать структурные средние;

·Оценить динамику изменения показателей;

·Рассчитать показатели вариации;

·Распределить затраты на постоянные и переменные методом корреляционно-регрессионного анализа.

затрата производство стаптистический взаимосвязь


1. Теоретическая часть


.1 Группировка статистических данных


Для обработки собранных в ходе статистического наблюдения первичных данных широко используют метод группировки.

Статистическая группировка - это разделение общей совокупности единиц объекта наблюдения по одному или нескольким существенным признакам на однородные группы, различающиеся между собой в качественном и количественном отношении и позволяющие выделить социально-экономические типы явлений, изучить структуру совокупности или проанализировать взаимосвязи и взаимозависимости между признаками.

Метод группировок применяется для решения задач, возникающих в ходе научного статистического исследования:

выделение социально-экономических типов явлений;

изучение структуры явления и структурных сдвигов, происходящих в нем;

изучение связей и зависимостей между отдельными признаками явления.

Для решения этих задач применяют (соответственно) три вида группировок: типологические, структурные и аналитические.

Типологическая группировка решает задачу выявления и характеристики социально-экономических типов путем разделения качественно разнородной совокупности на классы, социально-экономические типы, однородные группы единиц в соответствии с правилами научной группировки.

Признаки, по которым производится распределение единиц изучаемой совокупности на группы, называются группировочными признаками, или основанием группировки.

Структурной группировкой называется группировка, в которой происходит разделение выделенных с помощью типологической группировки типов явлений, однородных совокупностей на группы, характеризующие их структуру по какому-либо варьирующему признаку.

Анализ структурных группировок, взятых за ряд периодов или моментов времени, показывает изменение структуры изучаемых явлений, т. е. структурные сдвиги. В изменении структуры общественных явлений отражаются важнейшие закономерности их развития.

Аналитическая группировка, в частности, исследует связи и зависимости между изучаемыми явлениями и их признаками. В основе аналитической группировки лежит факторный признак и каждая выделенная группа характеризуется средними значениями результативного признака.

Используя в аналитических группировках методы математической статистики, можно определить показатель тесноты (силы) связи между изучаемыми признаками.

В зависимости от степени сложности массового явления и от задач анализа группировки могут производиться по одному или нескольким признакам.

Если группы образуются по одному признаку, группировка называется простой .Группировка по двум или нескольким признакам называется сложной.

Если группы, образованные по одному признаку, делятся на подгруппы по второму, а последние - на подгруппы по третьему и т.д. признакам, т. е. в основании группировки лежит несколько признаков, взятых в комбинации, то такая группировка называется комбинационной. Комбинационная группировка позволяет выявить и сравнить различия и связи между исследуемыми признаками, которые нельзя обнаружить на основе изолированных группировок по ряду группировочных признаков. Однако при изучении влияния большого числа признаков применение комбинационных группировок становится невозможным, поскольку чрезмерное дробление информации затушевывает проявление закономерностей. Даже при наличии большого массива первичной информации приходится ограничиваться двумя - четырьмя признаками.

Использование в статистических исследованиях ЭВМ и статистической теории распознавания образов позволило разработать метод группировки совокупности единиц одновременно по множеству характеризующих признаков. Такие группировки получили название многомерных.

При составлении структурных группировок на основе варьирующих количественных признаков необходимо определить количество групп и интервалы группировки.

Интервал - количественное значение, отделяющее одну единицу (группу) от другой, т. е. интервал очерчивает количественные границы групп.

Как правило, величина интервала представляет собой разность между максимальным и минимальным значениями признака в каждой группе.

Вопрос о числе групп и величине интервала следует решать с учетом множества обстоятельств, прежде всего исходя из целей исследования, значения изучаемого признака и т.д.

Количество групп и величина интервала связаны между собой: чем больше образовано групп, тем меньше интервал, и наоборот. Количество групп зависит от числа единиц исследуемого объекта и степени колеблимости группировочного признака. При небольшом объеме совокупности нельзя образовывать большое число групп, так как группы будут малочисленными.

При определении количества групп необходимо стремиться к тому, чтобы были учтены особенности изучаемого явления. Поэтому число групп должно быть оптимальным, в каждую группу должно входить достаточно большое число единиц совокупности, что отвечает требованию закона больших чисел. Однако в отдельных случаях представляют интерес и малочисленные группы: новое, передовое, пока оно не станет массовым, проявляется в незначительном числе фактов; поэтому задача статистики - выделить эти факты, изучить их.

Таким образом, при решении вопроса о численности единиц в группах нужно руководствоваться не формальными признаками, а знанием сущности изучаемого явления. На количество выделяемых групп существенное влияние оказывает степень вариации группировочного признака: чем она больше, тем больше следует образовать групп.

Ориентировочно определить оптимальное количество групп с равными интервалами можно по формуле американского ученого Стерджесса:


n = 1 + 3,322 lg N (1.1),


где N - число единиц совокупности;

х max и x min - соответственно наибольший и наименьший варианты признака в исследуемой совокупности равного.

Величина интервала определяется по формуле:




,

где h - величина


интервала;

R - разность между наибольшим и наименьшим вариантом признака в исследуемой совокупности;

n - количество групп или интервалов.

1.2 Средние величины


Статистическая совокупность содержит некоторое количество статистических величин, имеющих, как правило, разные значения и признаки, что делает невозможным сравнение нескольких совокупностей в целом. Для этой цели применяется средняя величина, как обобщающий показатель совокупности, характеризующий уровень изучаемого явления или процесса.

Особый вид средних величин - структурные средние - применяется для изучения внутреннего строения рядов распределения значений признака, а также для оценки средней величины (степенного типа), если по имеющимся статистическим данным ее расчет не может быть выполнен.

В качестве структурных средних чаще всего используют показатели моды и медианы.

Мода - значение признака, которое имеет наибольшую частоту в статистическом ряду распределения.

Отыскание моды производится по-разному, и это зависит от того, представлен ли варьирующий признак в виде дискретного или интервального ряда. Поиск моды в дискретном ряду происходит путем простого просматривания столбца частот. В этом столбце находится наибольшее число, характеризующее наибольшую частоту. Ей соответствует определенное значение признака, которое и является модой. Может оказаться, что два признака имеют одинаковую частоту. В этом случае ряд будет называться бимодальным. В интервальном вариационном ряду модой приближенно считают центральный вариант интервала с наибольшей частотой. В таком ряде распределения мода вычисляется по формуле:


(1.3),

где ХMo - нижнее значение модального интервала;

fMo - число наблюдений или объем взвешивающего признака в модальном интервале;

fMo-1 - то же для интервала, предшествующего модальному;

fMo+1 - то же для интервала, следующего за модальным;

?X - величина интервала изменения признака в группах.

Медиана - это величина, которая делит численность упорядоченного вариационного ряда на две равные части: одна часть имеет значения варьирующего признака меньшие, чем средний вариант, а другая - большие.

Чтобы найти медиану, необходимо отыскать значение признака, которое находится в середине упорядоченного ряда.

В ранжированных рядах несгруппированных данных нахождение медианы сводится к отысканию порядкового номера медианы по формуле:


(1.4),


гдеXMe - нижняя граница медианного интервала;- его величина (размах);

- половина от общего числа величин;

- сумма наблюдений (или объема взвешивающего признака), накопленная до начала медианного интервала;

fMe - число наблюдений или объем взвешивающего признака в медианном интервале.


1.3 Ряды динамики


Изменение социально-экономических явлений во времени изучается статистикой методом построения и анализа динамических рядов

Ряд динамики - это последовательность упорядоченных во времени количественных статистических величин, характеризующих развитие изучаемого явления или процесса. Конкретное значение величины называется уровнем ряда и обозначается Y, а их число в ряду обозначается n.

Каждый динамический ряд содержит две составляющие:

) показатели периодов времени (годы, кварталы, месяцы, дни или даты);

) показатели, характеризующие исследуемый объект за временные периоды или на соответствующие даты, которые называют уровнями ряда.

Ряды динамики классифицируются по следующим признакам.

  1. По времени - ряды моментные и интервальные.
  2. По форме представления - ряды абсолютных, относительных и средних величин.
  3. По интервалам времени - ряды равномерные и неравномерные (полные и неполные), первые из которых имеют равные интервалы, а у вторых равенство интервалов не соблюдается.
  4. По числу смысловых статистических величин - ряды изолированные и комплексные (одномерные и многомерные).

Для характеристики интенсивности развития во времени используются статистические показатели, получаемые сравнением уровней между собой, в результате чего получаем систему абсолютных и относительных показателей динамики

Любое изменение уровней ряда определяется базисным и цепным способами.

Базисные показатели характеризуют итоговый результат всех изменений в уровнях ряда от периода базисного уровня до данного (i-го) периода.Цепные показатели характеризуют интенсивность изменения уровня от одного периода к другому в пределах того промежутка времени, который исследуется.

Абсолютный прирост выражает абсолютную скорость изменения ряда динамики и определяется как разность между данным уровнем и уровнем, принятым за базу сравнения:


?(Б) = yi - y0 (1.5),


где yi - уровень сравниваемого периода;- уровень базисного периода.

?(Ц) = yi - yi-1 (1.6),

где yi - уровень сравниваемого периода; - уровень предшествующего периода.

Темп роста показывает процентное изменение уровня ряда по сравнению с базисным или цепным показателем:


(1.7),

(1.8).


Темп прироста показывает на какой процент уровень данного периода изменился по сравнению с базисным или цепным показателем:

Тпр = Тр - 100 % (1.9)

Средний уровень ряда (ряд интервальный):

равные промежутки времени:


(1.10);


неравные промежутки времени:

(1.11),


где yi - уровень ряда;

n - число уровней;

ti - длительность интервала времени между уравнениями.

Средний абсолютный прирост - обобщающий показатель скорости изменения явления во времени:


(1.12),


где yn - конечный уровень ряда;

y1 - начальный уровень ряда

Средний темп роста, %. Это средний коэффициент роста, который выражается в процентах:


(1.13).


Средний темп прироста, %. Для расчета данного показателя первоначально определяется средний темп роста, который затем уменьшается на 100%. Его также можно определить, если уменьшить средний коэффициент роста на единицу:


(1.14)

1.4 Показатели вариации


Вариацию можно определить как количественное различие значений одного и того же признака у отдельных единиц совокупности.

Изучение вариации в статистической практике позволяет установить зависимость между изменением, которое происходит в исследуемом признаке, и теми факторами, которые вызывают данное изменение.

Виды вариаций:

1.вариация в пространстве - понимается изменение значений признака по отдельным территориям;

2.вариация во времени - понимается изменение значений признака в различные периоды времени.

Для измерения вариации признака используют как абсолютные, так и относительные показатели.

К абсолютным показателям вариации относят: размах вариации, среднее линейное отклонение, среднее квадратическое отклонение, дисперсию.

К относительным показателям вариации относят: коэффициент осцилляции, линейный коэффициент вариации, относительное линейное отклонение и др.

Размах вариации - показывает различия между единицами совокупности, имеющими максимальное и минимальное значения признака


R = Xmax - Xmin (1.15).


Среднее линейное отклонение - дает обобщенную характеристику степени колебаемости признака в совокупности и вычисляется как среднее арифметическое из абсолютных значений отклонения индивидуального значения признака от средней величины

(1.16).


Дисперсия -измеряет вариацию признака во всей совокупности под влиянием всех факторов, обуславливающих вариацию. Представляет собой средний квадрат отклонений индивидуальных значений признаков от их средней величины


(1.17).


Среднее квадратическое отклонение - обобщающая характеристика размеров вариации признаков в совокупности


(1.18).


Коэффициент вариации - оценивает однородность совокупности. Совокупность считается однородной, если коэффициент не превышает 33%.


(1.19).


1.5 Корреляционно - регрессионный анализ


Статистическое изучение взаимосвязей

В задачах данного раздела требуется установить и оценить связь между экономическими явлениями. Это одна из важнейших задач статистического исследования состоящая в том, чтобы на основе анализа и обобщения собранных в процессе наблюдения статистических данных выявить и охарактеризовать связь и взаимодействие между экономическими явлениями и процессами. Связи между признаками явлений и самими явлениями бывают различными, их подразделяют по степени зависимости одного явления от другого. Следует различать, прежде всего, связи функциональные и корреляционные.

Функциональные - это такие связи, когда изменению одного признака (х) на единицу соответствует изменение другого признака (у) на строго определенную величину.

Корреляционные - это такие связи, когда при одном и том же значении признака (х) встречаются разные значения признака (у); при этом однако между ними имеется такое соотношение, что определенному изменению признака (х) соответствуют средние изменения признака (у).

Связи по общему направлению могут быть прямые и обратные, а по их аналитическому выражению - прямолинейные, криволинейные.

Для успешного решения поставленной в задаче проблемы необходимо придерживаться следующего алгоритма расчетов:

  • оценка и анализ полученных результатов и определение тесноты связи между изучаемыми величинами;
  • отбор взаимодействующих факторов, оказывающих наибольшее влияние на результативный признак, выявление характера этого явления;
  • установление формы связи;
  • решение принятой модели путем нахождения параметров корреляционного уравнения.
  • Методы изучения взаимосвязи
  • Корреляционный анализ - метод установления связи и измерения ее тесноты между наблюдениями. Корреляционная связь проявляется в среднем для массовых наблюдений, когда заданным значением зависимой переменной соответствует некоторый ряд вероятных значений независимой переменной.
  • В статистике теснота связи может определяться с помощью различных коэффициентов (Фехнера, Пирсона, коэффициентные ассоциации и т. д.).
  • При линейной зависимости коэффициент корреляции между факторами х и у определяется следующим образом:

(1.20),


где r - линейный коэффициент корреляции;

n - количество единиц в совокупности;

x - индивидуальное значение факторного признака в совокупности;

y - индивидуальные значения результативного признака в совокупности.

Значения коэффициента корреляции изменяются в интервале [- 1; + 1].

Значение r = - 1 свидетельствует о наличии жестко детерминированной обратно пропорциональной связи между факторами; r = + 1 - соответствует жестко детерминированной связи с прямо пропорциональной зависимостью факторов. Если линейной связи между факторами не наблюдается, r = 0.

Другие значения коэффициента корреляции свидетельствуют о наличии стохастической связи, причем чем ближе (r) к единице, тем связь теснее. При r < 0,3 - связь можно считать слабой; при 0,3 < r 20,7 - связь средней тесноты; r > 0,7 - тесная.

Наиболее простым вариантом корреляционной зависимости является парная корреляция, т.е. зависимость между двумя признаками (результативным и факторным или между двумя факторными). Математически эту зависимость можно выразить как зависимость результативного показателя у от факторного показателя х. Связи могут быть прямые и обратные. В первом случае с увеличением признака х увеличивается и признак у, при обратной связи с увеличением признака х уменьшается признак у.

Регрессионный анализ - это метод установления аналитического выражения стохастической зависимости между исследуемыми признаками.

Уравнение регрессии показывает, как в среднем изменяется у при изменении любого из x и имеет вид:

  • y = f (x1 x2…xn) (1.21),
  • где у - зависимая переменная;
  • x - независимая переменная.
  • Если х одна, то это простой регрессионный анализ, если их несколько, то анализ называется многофакторный.
  • В ходе регрессионного анализа решаются две основные задачи:

- построение уравнения регрессии, т. е. нахождение вида зависимости между результативным показателем и независимыми факторами х1 , х2 …хn ;

  • оценка значимости полученного уравнения, т.е. определение того, насколько выбранные факторные признаки объясняют вариацию признака у.

Регрессионный анализ - один из наиболее разработанных методов математической статистики.

Применяется регрессионный анализ для планирования показателей и формирования нормативной базы.

По форме зависимости различают линейную и нелинейную регрессию.

При линейной зависимости уравнение регрессии имеет вид:


,



где a0, a1 - параметр уравнения, из которых «a1» - коэффициент регрессии.

Построение уравнения регрессии осуществляется методом наименьших квадратов, суть которого состоит в минимизации суммы квадратов отклонений фактических значений результативного признака от его расчетных значений:


а0n + a1?x = ?y?x + a1?x2 = ?xy (1.22),


где n - число наблюдений;

а0 - характеризует значение неучтенных факторов, влияющих на формирование результативного признака;

а1 - показывает изменение факторного признака на единицу собственного измерения.



2. Аналитическая часть


.1 Аналитическая группировка. Структурные средние


Аналитическая группировка.

Объём производства является группировочным признаком, т.к. необходимо оценить его эффективность на результативный показатель, а именно на затраты на производство.


Величина интервала:

Xmax=47,90 (кг)

Xmin=34,13 (кг)

N=12

R=47,90-34,13=13,77 (кг)

n=1+3,32*1,08=4,59 (1.1)

Рассчитаем интервалы:

[34,13 - 37,13] 1, 2, 7, 9, 10) 5

[37,13 - 40,13] 3, 5, 6, 11 ) 4

[40,13 - 43,13] 8 ) 1

[43,13 - 46,13] 4 ) 1

[46,13 - 49,13] 12 ) 1


Таблица. Группировочная таблица

номер по порядкугруппы по объему производства, кгколичествосреднее значение затрат на производство, тыс. руб.единицпроцент134,13 - 37,13541,815875,93237,13 - 40,13433,316943,02340,13 - 43,1318,316266,9443,13 - 46,1318,315399,52546,13 - 49,1318,319242,44

Вывод: наименьшее среднее значение затрат на производство составило 15399,52 тыс. руб. В данную группу по объему производства от 43,13 до 46,13 входит 1 месяц (апрель), что составляет 8,3%.


Таблица

№ предприятия4объем производства43,99затраты на производство15400

Вывод 2: набольшее среднее значение затрат на производство составило 19242,44 тыс. руб. В данную группу по объему производства от 46,13 до 49,13 входит 1 месяц (декабрь), что составляет 8,3%.


Таблица

№ предприятия12объем производства47,9затраты на производство19242,44

Структурные средние


Таблица

группы по объему производства, кгКоличество единиц34,13 - 37,13537,13 - 40,13440,13 - 43,13143,13 - 46,13146,13 - 49,131

XMo = 34,13

h = 3

fMo = 5

fMo-1 = 0

fMo+1 = 9


(кг) (1.3).

Медиана


Группировочная таблица

группы по объему производства, кгКоличество единиц34,13 - 37,13537,13 - 40,13440,13 - 43,13143,13 - 46,13146,13 - 49,131

Me=37,13

(1.4).


Вывод: в среднем наиболее часто достигаемый объем производства оценивается на уровне 37,34 кг. А также более половины месяцев исследуемого периода объём производства достигал 37,88 кг.



Гистограмма

Рис


Таблица. Динамика изменения объема производства

Периодобъем производстваабсолютный прирост, кг.темп ростатемп приростабазисныйцепнойбазисныйцепнойбазисныйцепнойянварь34,13------февраль36,081,951,95105,71105,715,715,71март40,085,954117,43111,0917,4311,09апрель43,999,863,91128,89109,7628,899,76май37,673,54-6,32110,3785,6310,37-14,37июнь39,95,772,23116,91105,9216,915,92июль35,211,08-4,69103,1688,253,16-11,75август40,456,325,24118,52114,8818,5214,88сентябрь35,161,03-5,29103,0286,923,02-13,08октябрь35,611,480,45104,34101,284,341,28ноябрь37,433,31,82109,67105,119,675,11декабрь47,913,7710,47140,35127,9740,3527,97Сумма463,61

Базисный показатель:

за анализируемый период объем производства увеличился по сравнению с январем. Наибольшее увеличение наблюдалось в декабре на 13,77 кг при темпе роста 140,35. Прирост оценивается на уровне 40,35%

Наименьшее увеличение объема производства было в сентябре месяце и составило 1,03 кг при темпе роста 103,02 % и темпе прироста 3,02%.

Цепной показатель: в сентябре произошло наибольшее снижение объема производства на 5,29 кг при темпе снижения 86,92%. Следовательно, показатели по сравнению с январем оцениваются на уровне 13,08 %.

Наибольшее увеличение объема производства наблюдается в декабре месяце на 10,47 или 27,97% по сравнению с январем.

Средний уровень ряда (ряд интервальный равностоящий):


кг. (1.10)


Средний абсолютный прирост:


кг.(1.12)


Средний темп роста:


(1.13)


Средний темп прироста:


(1.14)


Вывод: в среднем за анализируемый период объем производства увеличился на 1, 25 кг



Темп роста объема производства

Рис


Таблица. Динамика изменения затрат на производство

Периодзатраты на производствоабсолютный прирост, тыс. руб.темп ростатемп приростабазисныйцепнойбазисныйцепнойбазисныйцепнойянварь15421,22------февраль16773,541352,321352,32108,77108,778,778,77март14480,42-940,8-2293,1293,986,33-6,1-13,67апрель15399,52-21,7919,199,86106,35-0,146,35май16515,381094,161115,86107,1107,257,17,25июнь21325,295904,074809,91138,29129,1238,2929,12июль16736,031314,81-4589,26108,5378,488,53-21,52август16266,9845,68-469,13105,4897,25,48-2,8сентябрь14536,11-885,11-1730,7994,2689,36-5,74-10,64октябрь15912,76491,541376,65103,19109,473,199,47ноябрь1545129,78-461,76100,1997,10,19-2,9декабрь19242,443821,223791,44124,78124,5424,7824,54Сумма198060,61

Вывод:

Базисный показатель: изменения затрат на производство за анализируемый период является не постоянным, так как они не только увеличивались, но и уменьшались.

Наибольшее увеличение наблюдалось в июне на 5904,07 тыс. руб при темпе роста 138,29. Прирост оценивается на уровне 38,29% Наибольшее снижение затрат на производство было в марте месяце и составило 6,1%

Цепной показатель: в июле произошло наибольшее снижение затрат на производство на 4589,26 тыс. руб.при темпе снижения 78,48%. Следовательно, показатели по сравнению с январем оцениваются на уровне 21,52 %

Наибольшее увеличение затрат на производство наблюдается в июне месяце на 4809,91 или 29,12% по сравнению с январем.

Средний уровень ряда (ряд интервальный равностоящий):


тыс. руб.(1.10).


Средний абсолютный прирост:


тыс. руб. (1.12)


Средний темп роста:


(1.13)


Средний темп прироста:


(1.14)


Вывод: в среднем за анализируемый период объем производства увеличился на 347,38 тыс. руб.

Темп роста затрат на производство


Расчетная таблица

34,1315421,22526326,24-4,5020,25312279,7136,0816773,54605189,32-2,556,50109069,9440,0814480,42580375,231,452,1030445,0843,9915399,52677424,885,3628,73442422,0537,6716515,38622134,36-0,960,9215220,5739,9021325,29850879,071,271,6134395,5635,2116736,03589275,62-3,4211,70195751,340,4516266,90657996,111,823,3153882,4835,1614536,11511089,63-3,4712,04175027,8535,6115912,76566653,38-3,029,12145130,7437,4315451,00578330,93-1,201,4422249,4447,9019242,44921712,889,2785,931653558,67Сумма198060,617687387,653189433,39

Размах вариации:=47,90-34,13=13,77 (1.15)

Среднее линейное отклонение:



(1.16)


Дисперсия:


(1.17)

Среднее квадратическое отклонение:


(1.18)


Коэффициент вариации:


(1.19)


Вывод: средний объем производства к затратам на производство составил 13,77 кг. Дисперсия оценивается на уровне 16,1. В результате среднеквадратическое отклонение, характеризующее изменение индивидуального значения признака от средней величины составило ±4,01% или 10,38%. Совокупность считается однородной, так как коэффициент вариации не превышает33%. Оптимальный интервал изменения среднего объема производства [34,8 - 42,82].



Распределение затрат на постоянные и переменные методом корреляционно - регрессионного анализа


Расчетная таблица

xyxyx2y234,1315421,22526326,241164,86237814026,2936,0816773,54605189,321301,77281351644,1340,0814480,42580375,231606,41209682563,3843,9915399,52677424,881935,12237145216,2337,6716515,38622134,361419,03272757776,5439,9021325,29850879,071592,01454767993,5835,2116736,03589275,621239,74280094700,1640,4516266,90657996,111636,20264612035,6135,1614536,11511089,631236,23211298493,9335,6115912,76566653,381268,07253215930,8237,4315451,00578330,931401,00238733401,0047,9019242,44921712,882294,41370271497,15463,61198060,617687387,6518094,853311745278,83

Линейный коэффициент тесноты связи:


(1.20)


Вывод: линейный коэффициент тесноты связи равен 0,4, что позволяет сделать вывод о том, что между объемом производства и затратами на производство существует умеренная прямая связь, т.е. с увеличением объема производства увеличиваются затраты на него.

Решим уравнение регрессии:


12·а0+463,61·а1=198060,61

,61·а0+18094,85·а1+7687387,65 (1.22)



,36 - 17909,25 а1+18094,85 а1=7687387,65

,6 а1=36306,29

а1=195,62

а0=8947,44

Уравнение затрат:

y(x)=8947,44+195,62x

y(x1)=15623,95(x2)=16005,41(x3)=16787,89(x4)=17552,76(x5)=16316,45(x6)=16752,68(x7)=15835,22(x8)=16860,27(x9)= 15825,44(x10)=15913,47

y(x11)=16269,5

y(x12)=18317,64

Вывод: постоянные издержки производства составили 8947,44 тыс. руб/кг, переменные издержки составили 195,62 тыс.руб/кг.


Заключение


Изучив литературу на данную тему и проделав все поставленные перед собой задачи, я убедилась, что объем производства оказывает непосредственное влияние на затраты предприятия.

Так как успех предприятия заключается в том, чтобы прибыль была больше затрат, то необходимо четко рассчитывать их величину. Для этого предприятие делит затраты на постоянные и переменные.

Постоянные затраты не меняются при изменении объема производства.

Переменные затраты являются функцией объема производства. Примером переменных затрат являются издержки на материалы, энергию, рабочую силу и снабжение. Общие переменные затраты прямо, а иногда и пропорционально, зависят от объема производства. Для определенных диапазонов значений объемов производства зависимость переменных затрат от объемов более или менее пропорциональна, причем характер ее зависит от использования постоянных производственных мощностей и ресурсов.

Как в экономике, так и в бухгалтерском учете часто предполагается, что переменные: затраты являются непрерывной функцией объема производства. Однако в действительности некоторые переменные затраты для разных уровней объемов производства остаются постоянными. Затраты, которым свойственны подобные характеристики, называются полупеременными (или полупостояннымн) затратами. Они содержат переменную и постоянную составляющие.

затрата статистический группировка динамика


Библиография


1.www.hi-edu.ru

2.Под ред. проф. И.И. Елисеевой. Статистика: Учебник - М.: Витэрм, 2002.

3.Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики: Учебник - М.: ИНФРА-М, 1998. 416 с.

.Райзберг Б. А., Лозовский Л. Ш., Стародубцева Е. Б. Современный экономический словарь. 5-е изд., перераб. и доп. - М.: ИНФРА-М, 2007. -495 с



Приложение


Таблица. Статистика затрат

МесяцОбъем производства, кгЗатраты на производство, тыс. руб.123Январь34,1315421,22Февраль36,0816773,54Март40,0814480,42Апрель43,9915399,52Май37,6716515,38Июнь39,921325,29Июль35,2116736,03Август40,4516266,9Сентябрь35,1614536,11Октябрь35,6115912,76Ноябрь37,4315451Декабрь47,919242,44Итого463,61198060,61Среднее значение38, 6316505,05


Оглавление Введение . Теоретическая часть .1 Группировка статистических данных .2 Средние величины .3 Ряды динамики .4 Показатели вариации

Больше работ по теме:

КОНТАКТНЫЙ EMAIL: [email protected]

Скачать реферат © 2017 | Пользовательское соглашение

Скачать      Реферат

ПРОФЕССИОНАЛЬНАЯ ПОМОЩЬ СТУДЕНТАМ