2018-02-14
223
| № | Y2 | YX1 | YX2 | YX3 | YX4 | YX5 |
| 1 | 176400 | 36708,0 | 14994,0 | 18942,0 | 111300 | 14372,40 |
| 2 | 180625 | 37867,5 | 15130,0 | 19167,5 | 112625 | 14573,25 |
| 3 | 178929 | 37224,0 | 15101,1 | 19119,6 | 112941 | 14479,29 |
| 4 | 181476 | 37786,2 | 16017,6 | 19297,8 | 112464 | 14594,76 |
| 5 | 181476 | 37871,4 | 16060,2 | 19297,8 | 112890 | 14599,02 |
| 6 | 184041 | 37966,5 | 16087,5 | 19476,6 | 113256 | 14701,83 |
| 7 | 184041 | 38009,4 | 16130,4 | 19476,6 | 114114 | 14706,12 |
| 8 | 185761 | 38574,5 | 16162,5 | 19610,5 | 114646 | 14774,68 |
| 9 | 187489 | 38796,8 | 16280,8 | 19744,8 | 114745 | 14843,24 |
| 10 | 186624 | 38707,2 | 16416,0 | 19699,2 | 114480 | 14813,28 |
| 11 | 188356 | 39016,6 | 16535,4 | 19833,8 | 115010 | 14886,20 |
| 12 | 189225 | 39019,5 | 16573,5 | 19879,5 | 115275 | 14916,15 |
| S | 2204443 | 457547,6 | 191489,0 | 233545,7 | 1363746 | 176260,22 |
Продолжение табл. 2
| № | X12 | X22 | X32 | X42 | X52 |
| 1 | 7638,76 | 1274,49 | 2034,01 | 70225 | 1171,0084 |
| 2 | 7938,81 | 1267,36 | 2034,01 | 70225 | 1175,8041 |
| 3 | 7744,00 | 1274,49 | 2043,04 | 71289 | 1171,6929 |
| 4 | 7867,69 | 1413,76 | 2052,09 | 69696 | 1173,7476 |
| 5 | 7903,21 | 1421,29 | 20,5209 | 70225 | 1174,4329 |
| 6 | 7832,25 | 1406,25 | 2061,16 | 69696 | 1174,4329 |
| 7 | 7849,96 | 1413,76 | 2061,16 | 70756 | 1175,1184 |
| 8 | 8010,25 | 1406,25 | 2070,25 | 70756 | 1175,1184 |
| 9 | 8028,16 | 1413,76 | 2079,36 | 70225 | 1175,1184 |
| 10 | 8028,16 | 1444,00 | 2079,36 | 70225 | 1175,8041 |
| 11 | 8082,01 | 1451,61 | 2088,49 | 70225 | 1176,4900 |
| 12 | 8046,09 | 1451,61 | 2088,49 | 70225 | 1175,8041 |
| S | 94969,35 | 16638,63 | 24743,51 | 843768 | 14094,5722 |
|
|
|
Проанализируем полученные результаты. Как известно, коэффициент парной корреляции изменяется от – 1 до + 1. Если названный коэффициент находится в пределах ± 0,8 – 0,9, то, согласно шкале оценки взаимосвязи переменных, связь между факторами считается высокой, а если значение коэффициента превышает ± 0,9, то связь считается очень высокой.
В нашем случае взаимосвязь между валовым доходом фермерского хозяйства и затратами на обработку почвы высокая (rYX5 = = 0,897), и это вполне объяснимо: чем выше качество подготовки почвы (больше удобрений, меньше сорняков, качество вспашки и боронования, полив и т.д.), тем выше урожайность, следовательно, тем выше и доход от продажи урожая зерновых. Этот фактор (Х5) считаем существенным и включаем в модель.
Взаимосвязь между валовым доходом фермерского хозяйства и урожайностью зерновых культур также оказалась высокой (rYX2 = = 0,826) и этот факт также поддается логическому объяснению: чем лучше сорта пшеницы (высокая всхожесть, устойчивость к вредителям и погодным условиям и т.д.), тем выше урожайность, следовательно, тем выше и доход от продажи урожая. Этот фактор (Х2) также считается существенным и включается в модель.
Взаимосвязь между валовым доходом фермерского хозяйства и долей пахотных земель очень высокая (rYX3 = 0,965). Здесь логика также просматривается: чем больше земли отведено под возделывание культуры, тем больше будет собрано урожая при прочих равных условиях, следовательно, тем выше будет и доход от продажи урожая. Это фактор (Х3) также существенен и включается в модель.
Взаимосвязи между валовым доходом фермерского хозяйства и затратами труда на обработку почвы, в соответствии со шкалой оценки связи переменных, не наблюдается (rYX1 = - 0,144). Поскольку затраты труда на протяжении всего рассматриваемого периода остаются неизменными, то они никак не повлияли на размер валового дохода. Следовательно, этот фактор (Х1) считается несущественным и в модель не включается.
|
|
|
Взаимосвязь между валовым доходом фермерского хозяйства и надоями молока от одной коровы высокая (rYX4 = 0,829). Молочные продукты – это товар. Если наблюдается, хоть и небольшой рост надоев, то, разумеется, это способствует повышению валового дохода, так как повышается товарная масса. Этот фактор (Х5) считаем существенным и включаем в модель.
Таким образом, расчет коэффициентов парной корреляции позволил из имеющихся факторов выявить существенные и несущественные. Один из факторов по этому критерию в дальнейшем не рассматривается и в модель не включается, что позволяет ее в некоторой степени упростить без существенных искажений результатов моделирования хозяйственной деятельности фермерского хозяйства.
3. Проверка отсутствия мультиколлинеарности
Для проверки отсутствия мультиколлинеарности между оставшимися факторами воспользуемся формулой парной корреляции, которая имеет следующий вид:
.
Для вычисления коэффициентов парной корреляции по этой формуле необходимые численные значения параметров SY, SХ1, SХ2, SХ3, SХ4, SХ5 представлены в табл. 1. Численные значения параметров SХ12, SХ22, SХ32, SХ42, SХ52 представлены в табл. 2. Для определения численных значений параметров SХ1Х2, SХ1Х3, SХ1Х5, SХ2Х3, SХ2Х5, SХ3Х5, необходимо провести дополнительные промежуточные расчеты, результаты которых представлены в табл. 3.
Т а б л и ц а 3
Промежуточные расчеты показателей
