http://rmid-oecd.asean.org/situs slot gacorlink slot gacorslot gacorslot88slot gacorslot gacor hari inilink slot gacorslot88judi slot onlineslot gacorsitus slot gacor 2022https://www.dispuig.com/-/slot-gacor/https://www.thungsriudomhospital.com/web/assets/slot-gacor/slot88https://omnipacgroup.com/slot-gacor/https://viconsortium.com/slot-online/http://soac.abejor.org.br/http://oard3.doa.go.th/slot-deposit-pulsa/https://www.moodle.wskiz.edu/http://km87979.hekko24.pl/https://apis-dev.appraisal.carmax.com/https://sms.tsmu.edu/slot-gacor/http://njmr.in/public/slot-gacor/https://devnzeta.immigration.govt.nz/http://ttkt.tdu.edu.vn/-/slot-deposit-dana/https://ingenieria.unach.mx/media/slot-deposit-pulsa/https://www.hcu-eng.hcu.ac.th/wp-content/uploads/2019/05/-/slot-gacor/https://euromed.com.eg/-/slot-gacor/http://www.relise.eco.br/public/journals/1/slot-online/https://research.uru.ac.th/file/slot-deposit-pulsa-tanpa-potongan/http://journal-kogam.kisi.kz/public/journals/1/slot-online/https://aeeid.asean.org/wp-content/https://karsu.uz/wp-content/uploads/2018/04/-/slot-deposit-pulsa/https://zfk.katecheza.radom.pl/public/journals/1/slot-deposit-pulsa/https://science.karsu.uz/public/journals/1/slot-deposit-pulsa/ Московский экономический журнал 5/2020 - Московский Экономический Журнал1

Московский экономический журнал 5/2020

УДК 658

DOI 10.24411/2413-046Х-2020-10306

ПАРНАЯ
РЕГРЕССИЯ И НУЛЕВАЯ ГИПОТЕЗА В АНАЛИЗЕ ПРОИЗВОДСТВА ОВОЩЕЙ В РОССИЙСКОЙ
ФЕДЕРАЦИИ

PAIR REGRESSION AND NULL
HYPOTHESIS IN STUDIES OF VEGETABLE PRODUCTION IN THE RUSSIAN FEDERATION

Баянова
Ольга Викторовна,
кандидат экономических наук, доцент,
доцент кафедры бухгалтерского учета и финансов ФГБОУ ВО Пермский ГАТУ, г. Пермь

Bayanova Olga Victorovna, candidate of economic Sciences, associate Professor,
associate Professor of accounting and Finance Department  FSBEI
HE Perm SATU, c. Perm

Аннотация.
В
научной статье представлена методика и результаты исследования валового сбора
овощей в Российской Федерации методом парной регрессии и выдвижения нулевой
гипотезы. Цель исследования – построить уравнение регрессии, повести
верификацию расчетов регрессионного значения результативного признака и
подтвердить (опровергнуть) нулевую гипотезу. Метод проведения анализа –
регрессионный анализ (парная регрессия), для верификации результатов определена
ошибка аппроксимации, выдвинута нулевая гипотеза по параметрам управления
регрессии и коэффициенту корреляции. Вывод: построена регрессионная модель
производства овощей, значение ошибки аппроксимации подтвердило отличный подбор
модели к исходным данным, нулевая гипотеза подтвердилась по параметру b,
значения параметра a и коэффициента корреляции
статистически значимы.

Summary. The scientific article presents the methodology and results of the study of the gross harvest of vegetables in the Russian Federation by the method of pair regression and the null hypothesis. The purpose of the study is to construct a regression equation, verify the calculations of the regression value of the resultant attribute, and confirm (refute) the null hypothesis. The method of analysis is regression analysis (pair regression). to verify the results, an approximation error was determined, and a null hypothesis was put forward based on the regression control parameters and the correlation coefficient. Conclusion: a regression model of vegetable production was built, the value of the approximation error confirmed the excellent selection of the model to the original data, the null hypothesis was confirmed by parameter b, the values of parameter a and the correlation coefficient are statistically significant.

Ключевые
слова:
сельское хозяйство; валовой сбор овощей; парная регрессия
и корреляция; нулевая гипотеза; доверительный интервал.

Keyword: agriculture; gross vegetable harvest; pair regression
and correlation; null hypothesis; confidence interval.

Введение

Наращивание объемов отечественного
производства овощей находится  в
приоритете задач Правительства Российской Федерации, позволяющее ускорить
процесс импортозамещения сельскохозяйственной продукции. Поэтому, проведение
анализа методом парной регрессии и построение регрессионной модели валового
сбора овощей является актуальным экономическим исследованием.

Перспективы развития
отрасли сельского хозяйства и обеспечение его эффективности являются
актуальными и дискуссионными среди отечественных и зарубежных
ученых-экономистов: Savic
L.,
Boskovic
G.
и Micic
V.
отметили производственный персонал и перспективы развития АПК Сербии на фоне
АПК других стран ЕС [4]; Viet
Van
Hoang,
Khai
Tien
Tran
и Binh
Van
Tu
 дали оценку конкурентоспособности сельского
хозяйства Вьетнама с использованием ряда индексов сравнительного преимущества [5];
Zaharsky
T.,
Pokrivcak
J.
сделали сравнение эффективности факторов производства в сельском хозяйстве
стран Центральной и Восточной Европы [6]; перспективы развития
сельскохозяйственного производства в современных условиях выявили Сивак Е.Е.,
Волкова С.Н. и Герасимова В.В. [2]; Смагин Б.И. провел анализ функционирования
сельскохозяйственного производства на основе теории систем [3]; Антамошкина
Е.Н. представила результаты анализа эффективности агропродовольственной
политики на основе экономико-математического моделирования [1].

Таким образом, проблемы
повышения эффективности аграрного производства являются актуальными в
отечественной научной среде и на международном уровне.

Материалы и методы исследования

Исследование показателей производства овощей с использованием приема регрессионного анализа проводится по статистическим данным, представленным на сайте Росстата Российской Федерации (таблица 1).

Далее определимся с
результативным признаком и фактором:

  • результативный признак (y) — производство овощей;
  • фактор (х) — посевная площадь.

Расчет регрессионного значения результативного признака (объема производства овощей) произведем в таблице 2.

Уравнение регрессии   

Определим ошибку аппроксимации (таблица 3).

Значение ошибки
аппроксимации, равное 1,3%, означает отличный подбор модели к исходным данным.

Далее выдвинем гипотезу
H0 о статистически
незначимыхотличиях от нуля значений
показателей:

a = b
= rxy
=
0.

tтабл =
2,57 для числа степеней свободы  df
=
n
– 2 = 7 — 2 = 5

и α = 0,05.

Вначале определим случайную ошибку параметра ma:

Для
расчета ошибки параметра ma  произведем
дополнительные расчеты (таблица 4).

Для расчета среднеквадратического отклонения по фактору используем формулу:

Составим вспомогательную таблицу по определению среднеквадратического отклонения фактора (таблица 5).

Среднеквадратическое отклонение фактора равняется 21,1.

Далее
определим случайную ошибку параметра mb:

Затем
определим случайную ошибку параметра mr:

Для определения
числителя необходимо рассчитать коэффициент детерминации. Коэффициент
детерминации равен квадрату коэффициента корреляции. Для расчета коэффициента
детерминации необходимо определить значение среднеквадратического отклонения по
результативному признаку используем формулу:

Составим вспомогательную
таблицу по определению среднеквадратического отклонения результативного
признака (таблица 6).

По данным таблицы 6
среднеквадратическое отклонение по результативному признаку составит 385,4.

Напомним расчет коэффициента
корреляции:

Коэффициент
детерминации показывает вариацию результативного признака, объясняемую
фактором.

В завершение сделаем вычисление
значения t-
критерия Стьюдента:

Табличное значение на
пяти процентном уровне значимости (α = 0,05) при числе степеней свободы равное 5
(n
– 2) tтабл = 2,57.

По параметру a и  коэффициенту корреляции фактические значенияtстатистики
превышают табличное значение. По параметруb  фактические значенияtстатистики
меньше табличного значения, так как имеет отрицательное значение.

Результаты исследования

Определим предельную
ошибку для каждого параметра:

a = T табл · ma =
2,57 · 2235,9 = 5746,26;

b
=
T
табл ·
mb =
2,57 * 4 = 10,28.

Доверительный интервал
по параметру а:

γa  = a ± a =  ± 5746,26;

γa
min
 = 21981,73 – 5746,26 = 16235,47;

γa
max
 = 21981,73 + 5746,26 = 27727,99.

Доверительный интервал
по параметру b:

γb 
=
b
±
b =  ± 10,28;

γb min  = — 15,885 – 10,28 = —
26,165;

γb max  =  — 15,885 + 10,28 = — 5,605.

Нулевая гипотеза
подтверждается только по параметру b.
 Значения параметра a и
коэффициента корреляции статистически значимы.

Выводы

Таким образом, рост объема производства овощей на 75,7 % сопряжен со
снижением посевных площадей, а на долю
неучтенных в модели факторов приходится (1 – 0,757) 24,3 %.

Анализ верхней и нижней
границ (γa
max  иγa min ; γb max  и γb min) доверительных
интервалов свидетельствует о том, что с вероятностью 0,95 (p = 1
– α):
параметрa и  коэффициент
корреляции, находясь в указанных
границах, не принимают нулевых значений и существенно отличаются от нуля.

Литература

1. Антамошкина Е.Н.
Анализ эффективности агропродовольственной политики на основе
экономико-математического моделирования // Региональные проблемы преобразования
экономики. – 2016. — № 10. – С. 46 – 54.

2. Сивак Е.Е. и др. Перспективы
развития сельскохозяйственного производства в современных условиях/ Сивак Е.Е.,
Волкова С.Н., Герасимова В.В.. – Курск, 2017. – 190 с.

3. Смагин Б.И. Анализ
функционирования сельскохозяйственного производства на основе теории систем//
Развитие сельскохозяйственной кооперации/ Мичуринский государственный аграрный
университет. – г. Мичуринск, 2016. — № 10. – С. 104 – 108.

4. Savic L. и
др. Serbian agro-industry-potentials and perspectives/
Savic L., Boskovic G., Micic V. // Economics of Agriculture. – 2016. Vol. 63, —
№ 1. – Р. 107-122.

5. Viet  Van Hoang и др. Assessing the Agricultural Competitive Advantage bu
the RTA index: A Case Study in Vietnam / Viet Van Hoand, Khai Tien Tran, Binh
Van Tu // Agris On-line Papers in Economics and Informatics. – 2017. — № 3. – Р. 15-26.

6. Zahorsky T., Pokrivcal J. Assessment of the agricultural performance
in Central and Eastern European countries // Agris On-line Papers in Economics
and Informatics. – 2017. – № 1. – P.113 – 123.

Reference

1. Antamoshkina E. N. Analysis of the effectiveness of agri-food policy
based on economic and mathematical modeling / / Regional problems of economic
transformation. — 2016. — no. 10. — Pp. 46-54.

2. Sivak E. E. et al. Prospects for the development of agricultural
production in modern conditions/ Sivak E. E., Volkova S. N., Gerasimova V.
V.-Kursk, 2017. — 190 p.

3. Smagin B. I. Analysis of agricultural production functioning on the
basis of systems theory// Development of agricultural cooperation / Michurinsk
state agrarian University. — Michurinsk, 2016. — № 10. — Pp. 104-108.

4. Savic L. и
др. Serbian agro-industry-potentials and perspectives/
Savic L., Boskovic G., Micic V. // Economics of Agriculture. – 2016. Vol. 63, —
№ 1. – Р. 107-122.

5. Viet  Van Hoang и др. Assessing the Agricultural Competitive Advantage bu
the RTA index: A Case Study in Vietnam / Viet Van Hoand, Khai Tien Tran, Binh
Van Tu // Agris On-line Papers in Economics and Informatics. – 2017. — № 3. – Р. 15-26.

6. Zahorsky T., Pokrivcal J. Assessment of the agricultural performance
in Central and Eastern European countries // Agris On-line Papers in Economics
and Informatics. – 2017. – № 1. – P.113 – 123.