Корреляционно-регрессионный анализ уровня производительности труда - Статистическое изучение и анализ производительности труда в животноводстве на примере с/х предприятий Южной лесостепной зоны

Изучение взаимосвязи между признаками заключается в определении формы и количественной характеристики связи, а также степени тесноты связи.

Основная задача корреляционного анализа - ответить на вопрос - существует ли между признаками зависимость. В наиболее общем виде задача статистики в области изучения взаимосвязей состоит в количественной оценке их наличия и направления (прямая или обратная связь), а также характеристике силы (слабая, средняя или тесная связь) и формы влияния одних факторов на другие.

Задачи собственно корреляционного анализа сводятся к измерению тесноты связи между варьирующими признаками, определению неизвестных причинных связей и оценке факторов оказывающих наибольшее влияние на результативный признак.

Задачи регрессионного анализа лежат в сфере установления формы зависимости, определения функции регрессии, использования уравнения для оценки неизвестных значении зависимой переменной.

Решение названных задач опирается на соответствующие приемы, алгоритмы, показатели, применение которых дает основание говорить о статистическом изучении взаимосвязей.

Для того чтобы результаты корреляционного анализа нашли практическое применение и дали желаемый результат, должны выполняться определенные требования в отношении отбора объекта исследования и признаков-факторов. Одним из важнейших условий правильного применения методов корреляционного анализа является требование однородности тех единиц, которые подвергаются изучению методами корреляционного анализа. Например, при корреляционном анализе зависимостей тех или иных технико-экономических показателей работы предприятий от определенных факторов должны быть отобраны предприятия, выпускающие однотипную продукцию, имеющие одинаковый характер технологического процесса и тип используемого оборудования, для предприятий добывающей промышленности определенную роль играет и географическое размещение предприятий.

При выполнении указанных общих требований далее необходима количественная оценка однородности исследуемой совокупности по комплексу признаков. Одним из возможных вариантов такой оценки является расчет относительных показателей вариации. Традиционно широкое распространение для этих целей получил коэффициент вариации (если коэффициент вариации менее 33%, то исследуемую совокупность можно считать однородной и пригодной для исследования). Если совокупность неоднородна, то следует откинуть аномальные значения, то есть значения с максимальными и минимальными значениями признака.

Все множество факторов, оказывающих влияние на величину результативного показателя, к действительности не может быть введено в рассмотрение, да практически в этом и нет необходимости, так как их роль и значение в формировании величины результативного показателя могут иметь существенные различия. Поэтому при ограничении числа факторов, включаемых в изучение, наряду с качественным анализом целесообразно использовать и определенные количественные оценки, позволяющие конкретно охарактеризовать влияние факторов на результативный показатель (к оценкам можно отнести парные коэффициенты корреляции, ранговые коэффициенты при экспертной оценке влияния факторов и др.). Включаемые в исследование факторы должны быть независимыми друг от друга, так как наличие тесной связи между ними свидетельствует о том, что они характеризуют одни и те же стороны изучаемого явления и в значительной мере дублируют друг друга.

Для проведения анализа из 10 показателей я выбрал: затраты на корма, оплата труда, затраты на содержание так как именно с эти показатели имеют наиболее сильную связь с факторным показателем.

Рассчитаем данные показатели для каждого предприятия. Результативный фактор обозначим за Y, а фактический за X.

У - Уровень производительности труда, тыс. руб.;

Х1 - Затраты на корма на 100 гол., тыс. руб.;

Х2 - Оплата труда, тыс. руб./1 - го работника;

Х3 - Затраты на содержание ОС, тыс. руб./100 голов

Результаты расчетов предоставлены в приложении В "Корреляционно-регрессионная модель"

По данным из приложения В проведем корреляционно-регрессионный анализ.

Коэффициент множественной корреляции показывает тесноту связи между уровнем производительности труда и фактическими показателями. В данном случае он равен 0,43, связь умеренная.

Так как значения критерий Фишера и Стьюдента больше табличных, значит коэффициенты являются достоверными, а уравнение является существенным.

Далее рассчитаем B-коэффициент и коэффициент эластичности.

В-коэффициент показывает на сколько стандартных отклонений изменится вариация результативного признака, если у соответствующего данному в-коэффициенту фактора вариация увеличится на одно стандартное отклонение, при фиксированном положении остальных факторов.

В-коэффициент рассчитывает по формуле:

ВI= (34)

В1=0,01*=0,009

В2=9,4*=0,5

В3==0, 02

Коэффициент эластичности (Э) - показывает, на сколько процентов изменится результативный признак, если соответствующий данному коэффициенту регрессии фактор увеличится на один процент, при фиксированном положении остальных факторов.

Рассчитаем коэффициент эластичности по формуле:

(35)

    ?1=0,01*=0,01 ?2=9,4*=0,5 ?3 = 0,07 * = 0,02

Наиболее значимым фактором является оплата труда.

Построим вспомогательную таблицу.

Таблица 7. Расчет прогнозного уровня производительности труда по уравнению регрессии

А0=681

A1=0,01

A2=9,4

А3=0,07

Y=681+0,01+9,4+0,07

При

52041,7

146,8

16803,3

3757,3

При

275,1

6,8

0,4

747,7

При

6483,7

67,4

1866,9

1510,08

Х1

52041,7

67,4

1866,9

1965,7

Х2

6483,7

146,8

1866,9

2256,4

Х3

6483,7

67,4

16803,3

2555,6

При минимальных значениях уровень производительности труда составляет 747,7. При максимальных составляет 3757,3. При средних значениях составляет 1510,08.

Похожие статьи




Корреляционно-регрессионный анализ уровня производительности труда - Статистическое изучение и анализ производительности труда в животноводстве на примере с/х предприятий Южной лесостепной зоны

Предыдущая | Следующая