СЗАО «Легостаевское»	1,17
ЗАСО «Ужурское»	1,23
ОАО «Белоярское»	1,26
ЗАО «Игрышенское»	1,37
ЗАО «Новоселовское»	1,43
СЗАО «Дороховское»	1,61
МУП СХП «Ажинское»	1,78
ООО «Светлана»	1,98
ЗАО «Алтатское»	2,01
СХПК «Ачинский племзавод»	2,1
ЗАО «Андроновское»	2,14
ЗАО «Солгонское»	2,18
ЗАО «Авангард»	2,23
СЗАО «Бараитское»	2,28
ЗАО «Искра»	2,32
ЗАО «Новоселово»	2,39
ЗАО «Назаровское»	2,45
СЗАО «Краснополянское»	2,54
ЗАО «Светлолобовское»	2,89
ООО «Сельхозхолдинг»	3,14

Графическое изображение ранжированного ряда покажем на

рис.1.

Анализируя ранжированный ряд на графике, можно сделать вывод о том, что имеет место различие в величине фондоотдачи. Наибольшая фондоотдача в хозяйстве ООО «Сельхозхолдинг», которая составляет 3,14 тыс. руб., наименьшая - в СХПК «Ивановский», составляющая 0,98 тыс. руб., т.е. уровень фондоотдачи в ООО «Сельхозхолдинг» в 3,2 раза выше, чем в хозяйстве СХПК «Ивановский». Возрастание фондоотдачи на графике постепенное.

На основе ранжированного ряда построим интервальный ряд.

Для этого рассчитаем количество групп, на которые можно разделить

данную совокупность, по формуле Стерджесса: [1,9]

п = 1 + 3,322£g-N _(8Х

где п - число групп;

А^—объем (численность) совокупности.

п равно 6, т.е. представленная совокупность может быть

3. Корреляционно - регрессионный анализ

Корреляционно — регрессионный анализ изучает причины следственной связи, позволяет выявить факторы, оказывающие существенное влияние на вариацию (изменение) изучаемых явлений и процессов.

Причины следственного отношения - связь явлений и процессов, когда изменение одного ведет к изменению другого. Одни из факторов являются причиной изменения другого фактора, и приводят к появлению следствия. Причины связи носят всеобщий характер, поэтому нельзя изучать по отдельности.

Те явления или признаки, которые оказывают влияние или

являются причинами, называются факторными, а те признаки, которые

зависят от факторных, называют результативными. Все факторы

которые мы анализируем, находятся в определенной связи и

взаимозависимости между собой.

Корреляционно - статистическая связь — это неполная связь между признаками, которая проявляется при большем числе наблюдений. Использую метод корреляции можно решить следующие задачи. 13. Определим среднее изменение результативного признака;

Охарактеризовать меру в зависимости между результативным признаком и одним из факторов при среднем значении других; Установить тесноту связи между факторными и результативными признаками;

Установить меру относительного изменения признака на единицу относительного изменения фактора или факторов.

Различают следующие формы связи: прямая и обратная, которые различаются в зависимости от направления изменения результативного признака. Если он изменится в том же направлении, в которых изменяется факторный признак, то это - прямая связь. Если же результативный признак меняется в другом направлении - связь обратная. [3,223]

Для формирования корреляционной модели связи необходимо отобрать факторы, которые будут включены в модель и установить форму связи. На базе проведенной аналитической группировки хозяйств Ачинской природою - экономической зоны по уровню

фондоотдачи было решено включить в модель такие факторы как: ~

энерговооруженность, кВт/ч на чел, ^х2- затраты труда на 1 руб.

товарной выручки, ^Хз - удельный вес активной части основных фондов.

Далее необходимо построить матрицу множественной корреляции. После обработки матрицы по программе EXCEL получим многофакторный корреляционный анализ, который представлен в приложении ?.

Необходимо провести корреляционный анализ, где в качестве у -

результативного признака - является фондоотдача.

Для этого проверим адекватность модели, построенной на основе уравнения регрессии. Для чего сначала проверим значимость каждого коэффициента регрессии с помощью t - критерия Стьюдента. Параметр модели признается статистически значимым, если фактическое значение t больше его табличного, ^-табличное для нашего случая при вероятности 95% составляет 2,0595, фактическое значение взятое по модулю, при первом коэффициенте равно 1,23, при втором - 2,9999, при третьем - 2,0599. Поэтому можно сделать вывод о достоверности двух коэффициентов (повышение уровня фондоотдачи обусловлено затратами труда на 1 руб. товарной выручки и удельным весом активной части основных фондов).

Определим статистическую существенность уравнения множественной

регрессии по F-критерию (критерий Фишера). F(paKin =4,55

Fyna6n ⁼ 4,28; Рфак^ Ртабл

Т.к. F - критерий фактический больше F - критерия табличного, что говорит о существенности уравнения.

В связи с тем, что мы рассматриваем влияние нескольких

факторных признаков на результативный, то регрессия будет

множественной. Поэтому уравнение регрессии будет иметь вид:

где ^а° - свободный член уравнения регрессии;

^а\ ->^а2 ■> ^аъ _ коэффициенты регрессии, которые показывают на какую величину изменяется в

среднем результативный признак при изменении факторного на единицу;

XXX

1' 2' з _ факторы, влияющие на результативный признак. У - результативный признак.

При решении было получено следующее уравнение множественной регрессии:

у = 2,27 - 2,34 XX] — 0,05 х х₂ +1,06 х х₃

Также в результате решения корреляционной задачи определяется ряд коэффициентов, которые дают количественную оценку влияния факторных признаков на результативный. Такие коэффициенты как: и. Коэффициент корреляции (R). Коэффициент множественной корреляции показывает тесноту связи между явлениями. Может принимать значения от -1 до 1. В статистике говорят, что если значения коэффициента множественной корреляции:

15. меньше 0,3 (-0,3) - связь слабая, практически отсутствует;

от 0,3 до 0,45 - связь умеренная; от 0,45 до 0,65 - связь средняя; от 0,65 до 0,87- связь тесная;

15. выше 0,87 - связь положительная, близкая к функциональной.

Анализ матрицы показал, что коэффициент множественной корреляции R равен 0,62785479.

Следовательно, в нашем случае связь между факторными и результативными признаками средняя.

2) Коэффициент детерминации (R2).

Коэффициент множественной детерминации R2 характеризует вариацию признака, обусловленную влиянием факторов, включенных в

модель, R2 равен 0,39420164 — это значит, что 39 % вариации результативного признака обусловлено влиянием факторов, включенных в модель.

Для измерения количественного влияния факторов на результативный признак необходимо проанализировать коэффициенты чистой регрессии. Они показывают на сколько в среднем изменится значение^ с изменением фактора на единицу при фиксированном положении других факторов, включенных модель. В нашем случае уравнение регрессии имеет вид:

у ~ 2,27 - 2,34 XX]— 0,05 х х₂ +1,06 х х,

^а° свободный член уравнения, экономического смысла не имеет;

"коэффициент чистой регрессии при факторе свидетельствует о том, что при увеличении уровня фондоотдачи на 1 тыс. руб. энерговооруженность в среднем снизится на 2,34 кВт/ч на чел при фиксированном среднем значении других факторов.

- коэффициент чистой регрессии при факторе ^х2 свидетельствует о том, что при увеличении фондоотдачи на 1 тыс. руб. затраты труда на 1 руб. товарной выручки в среднем снизятся на 0,05 чел - час на руб при фиксированном среднем значении других факторов.

^С1ъ - коэффициент чистой регрессии при факторе свидетельствует о том, что при увеличении фондоотдачи на 1 тыс. руб. удельный вес активной части основных фондов увеличится на 1,06 процента при фиксированном среднем значении других факторов. Одним из относительных показателей является коэффициент эластичности показывает, на сколько процентов изменится

разделена на 6 групп.

После определения числа групп следует определить величину интервала. Интервал - промежуток между двумя показателями количественного группировочного признака, он очерчивает количественные границы групп.

Каждый интервал имеет свою величину, верхнюю и нижнюю границы или хотя бы одну из них. Нижней границей интервала называется наименьшее значение признака в интервале, а верхней границей - наибольшее значение признака в нем. Величина интервала представляет собой разность между верхней и нижней границами интервала.

Если группировка с равными интервалами, то величина интервала определяется по формуле:

X — X

j — max mill

п (9)

где i- величина интервала, Х_тах, Х_т[_п - соответственно максимальное