2.2. Экономико-статистическая модель затрат на производство продукции.

Рассчитаем экономико-статистическую модель затрат на производство молока, используя многофакторные уравнения регрессии вида: y=f(x_i)+E , где:

y – денежно материальные затраты на 1 голову (тыс.руб.);

x1 – расходы кормов на 1 голову (ц.к.ед.);

x2 – затраты труда на 1 голову (тыс. чел.-час.);

Таблица 5 – Затраты ресурсов на производство молока.

№ п/п	X1	X2	y
1
2
3
4
5
6
7
8
9
10

Исходную информацию обработаем в программе «Регрессионный анализ многофакторной модели связи». В результате получим расчёты, представленные в приложении 5.

Справочный материал:

Используя комплекс показателей статистических характеристик, выбирают из всех возможных ту форму зависимости, которая ближе всех к фактической зависимости. Используя аналитические уравнения и коэффициенты регрессии, записывают уравнения регрессии. Экономическая интерпретация уравнения регрессии проводится с использованием коэффициентов регрессии, коэффициентов эластичности, стандартизованных коэффициентов (β - коэффициентов).

Коэффициент регрессии Аi показывает на сколько единиц в среднем изменится результат у, если соответствующий фактор хi увеличится на одну единицу от своего среднего уровня.

Коэффициент эластичности Аi показывает на сколько процентов в среднем изменится результат у, если соответствующий фактор хi увеличится на один процент от своего среднего уровня.

Стандартизованный коэффициент Аi показывает на сколько среднеквадратических отклонений в среднем изменится результат у, если соответствующий фактор хi увеличится на одно среднеквадратическое отклонение своего среднего уровня.

В характеристике распределения переменных распечатываются среднее значение, среднеквадратическое отклонение и коэффициент вариации, по которым можно судить об однородности выборки. Если коэффициент вариации 0.33, то выборка однородна, если коэффициент 0.33, то неоднородна, необходимо увеличить количество наблюдений или исключить наибольшее или наименьшее значения показателя. При коэффициенте вариации более 0.66 выводы, полученные по выборке, нельзя использовать для всей генеральной совокупности.

Факторы хi и хj являются коллинеарными (находятся в линейной зависимости), если Rxixj>=0,7. Если факторы коллинеарные, то они дублируют друг друга и следовательно один из них следует исключить из модели. При этом в модели оставляют фактор, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами.

Для оценки мультиколлинеарности факторов используют определитель матрицы парных коэффициентов корреляции между факторами:

Чем ближе к 0 определитель матрицы межфакторной корреляции, тем сильнее мультиколлениарность факторов и ненадёжней результаты множественной регрессии. Наоборот, чем ближе к 1 определитель, тем меньше мультиколлениарность факторов.