Моделирование развития сельского хозяйства в Пермском крае
Ю.В. Старков,
канд. экон. наук, доцент, заведующий кафедрой экономики и управления на предприятии, Пермский национальный исследовательский политехнический университет (614000, Россия, г. Пермь, Комсомольский пр., 29; e-mail: saay729@mail.ru)
О.Н. Федосеева,
студент, Пермский национальный исследовательский политехнический университет (614000, Россия, г. Пермь, Комсомольский пр., 29; e-mail: fed-on@mail.ru) П.Е. Шинкаренко,
студент, Пермский национальный исследовательский политехнический университет (614000, Россия, г. Пермь, Комсомольский пр., 29; e-mail: shinkarienko92@gmail.com)
Аннотация. В статье рассмотрено влияние показателей сельскохозяйственной отрасли на изменение объема продукции сельского хозяйства. На основе регрессионного и корреляционного анализа выявлены факторы, влияющие на изменение объема продукции сельского хозяйства. Определены прогнозные значения факторов и спрогнозировано изменение объема продукции сельского хозяйства.
Abstract. The article discusses the impact of the agricultural sector indices on the volume of agricultural production. On the basis of regression and correlation analysis, factors affecting the change in the volume of agricultural production. Identified predicted values of factors and predicted the change of volume of agricultural products.
Ключевые слова: зависимость развития продукции сельского хозяйства от базовых показателей сельскохозяйственной отрасли, двухфакторная математическая модель, прогнозирование динамики развития сельского хозяйства.
Keywords: dependence of the development of agricultural products from the baseline agricultural sector, two-factor mathematical model, predicting the dynamics of the development of agriculture.
Проблемы сельского хозяйства вызывают особый интерес на современном этапе развития российского государства. Во многом он обусловлен приданием развитию агропромышленного комплекса статуса одного из приоритетных национальных проектов, реализация задач которого должна в перспективе привести к росту показателей сельскохозяйственного производства и развитию аграрного сектора российской экономики [5].
Имея значительную протяжность как в се-веро-южном направление, так и в западно-восточном, сельское хозяйство Пермского края занимает одну из лидерских позиций среди регионов Российской Федерации. В краевом агропромышленном комплексе роль Пермского муниципального района определяется не только его центральным положением, но и сформированным аграрным потенциалом.
Данная отрасль обеспечивает жителей своего района практически на 100 процентов продуктами питания. Сельскохозяйственное производство района представлено 16 сельскохозяйственными предприятиями различных форм собственности, в том числе федеральные государственные унитарные предприятия — 2, сельскохозяйственные кооперативы — 4, общества с ограниченной ответственностью — 6, акционерные общества — 4. При этом количество их изменяется вследствие смены собственника. Среди них 3 предприятия индустриального типа — это птицефабрики [2].
Сельскохозяйственное производство играет существенную роль в деятельности района, обладая значительным потенциалом для развития.
В данной статье рассматривается построение многофакторной модели прогнозирования объёма продукции сельского хозяйства на основе изменения показателей сельскохозяйственной отрасли.
Объектом исследования выступает сельское хозяйство Пермского края. Предмет исследования - прогнозирование объёма продукции сельского хозяйства.
Методологической базой исследования послужили: теория стратегического планирования и прогнозирования, теория парной и множественной регрессии. Прогнозирование — это научный способ выявления будущего состояния объекта и определения стратегии его развития в условиях неопределенности внешней и внутренней среды [6, с. 75].
Для поиска взаимосвязей развития сельского хозяйства Пермского края во времени воспользуемся статистическими данными за период 2002-2012 гг.
Результирующим показателем будет выступать объём продукции сельского хозяйства в денежном выражении, а влияющими факторами - показатели развития сельского хозяйства (у). Первоначально было отобрано семь факторов, от которых зависит изменение объёма продукции сельского хозяйства:
- валовые сборы основных сельскохозяйственных культур (х?);
- урожайность основных сельскохозяйственных культур (хг);
- посевные площади сельскохозяйственных культур (хз);
- поголовье скота и птицы (х4);
- расход кормов в животноводстве (х5);
Journal of Economy and entrepreneurship, Vol. 8, Nom. 7
Ю.В. Старков, О.Н. Федосеева, П.Е. Шинкаренко Моделирование развития сельского хозяйства в Пермском крае
- внесение органических удобрений под Для выбора факторов, в наибольшей сте-посевы (хб); пени влияющих на результирующий показатель,
- среднегодовая величина осадков (х7); необходимо построить корреляционную матрицу Также учитывался фактор времени (¿). (табл. 1).
Таблица 1
Корреляционная матрица
у Х1 Х2 Хз Х4 Х5 Хб Х7 t
У 1
Х1 -0,67 1
Х2 0,75 -0,09 1
Хз -0,89 0,87 -0,50 1
Х4 0,27 -0,02 0,21 -0,05 1
Х5 -0,75 0,84 -0,40 0,94 0,24 1
Хб 0,46 -0,24 0,34 -0,53 -0,09 -0,52 1
Х7 -0,12 0,19 -0,08 -0,01 -0,49 -0,13 0,71 1
Т 0,91 -0,83 0,56 -0,99 0,02 -0,93 0,56 0,04 1
В ходе корреляционного анализа был сделан вывод, что такие факторы как поголовье скота и птицы (Х4), внесение органических удобрений под посевы (хб), среднегодовая величина осадков (х7) оказывают незначительное влияние на изменение продукции сельского хозяйства. Коэффициент корреляции между у и фактором Х4 равен 0,27, между у и фактором Хб равен 0,46, между у и фактором Х7 равен -0,12. Данные коэффициенты доказывают незначительность соответствующих им факторов.
Таким образом, для выбора факторов, влияющих на изменение объема продукции сельского хозяйства осталось пять показателей: валовые сборы основных сельскохозяйственных культур, урожайность основных сельскохозяйственных культур, посевные площади сельскохозяйственных культур, расход кормов в животноводстве, фактор времени.
Коэффициенты корреляции соответственно равны -0,67, 0,75, -0,89 и 0,91. Это свидетельствует о сильной тесноте связи факторов и результирующего показателя.
Проверим адекватность оставшихся факторов для построения модели. Для проверки факторов на адекватность воспользуемся р-значением.
Если р-значение фактора меньше (или равно) 0,05 (т.е. для 95 %-ной доверительной вероятности), то фактор признается значимым [1]. В данном случае р-значение показателя валовые сборы основных сельскохозяйственных культур равно 0,057. Так как р-значение фактора больше 0,05, то данный фактор необходимо исключить.
Снова проведем регрессионный анализ, но уже без фактора валовые сборы основных сельскохозяйственных культур. Исключим также фактор расход кормов в животноводстве, р-значение которого равно 0,053.
Оценка факторов с помощью р-значений показывает их адекватность построенной модели.
На основе статистических данных построим многофакторную модель зависимости объёма продукции сельского хозяйства от двух выбранных факторов.
Для построения многофакторной модели, в таблице 2 представлены исходные данные: продукция сельского хозяйства, урожайность
основных сельскохозяйственных культур, относительный номер года.
Многофакторная модель зависимости объёма продукции сельского хозяйства от выбранных факторов:
у = -387,59 + 37,15x2 + 1740,871 (1)
где, у - продукция сельского хозяйства, млн. руб.;
х2 - урожайность основных сельскохозяйственных культур, центнеров с гектара убранной площади;
t - относительный номер года.
Таблица 2
Исходные данные для построения многофакторной модели
Год Продукция сельского хозяйства, млн. руб. Урожайность основных сельскохозяйственных культур, центнеров с гектара убранной площади Относительный номер года
2002 17 303 378,7 1
2003 17 454 356,4 2
2004 19 109 353,1 3
2005 18 127 343,1 4
2006 19 100 366,8 5
2007 20 238 348,6 6
2008 26 972 401,4 7
2009 27 352 454,9 8
2010 30 558 300,8 9
2011 40 557 572,8 10
2012 35 861 469,9 11
Регрессионный анализ модели показал, что среднеквадратическое отклонение (стандартная ошибка) равна 2527,28 тыс. руб., коэффициент корреляции равен 0,92, коэффициент детерминации равен 0,96 (высокая надежность построенной модели), критерий Фишера равен 46,86 (модель статистически значима).
Высокие значения данных коэффициентов показывают высокое качество модели (1), что в свою очередь, позволяет использовать ее для прогнозирования изменения объёма продукции сельского хозяйства. Поэтому следующий шаг - прогноз изменения факторов, влияющих на модель.
Их прогнозирование осуществим с помощью построения трендов факторов. Построим тренд фактора урожайность основных сельскохозяйственных культур (по исходным данным).
Экономика и предпринимательство, № 7, 2014 г.
Из всех построенных трендов выберем тот, у которого большее значение детерминации. Для удобства представим данные в таблице 3.
Таблица 3
Анализ трендов урожайности основных сельскохозяйственных культур
Из данной таблицы видно, что наибольший И2 имеет полиномиальная функция. Её и будем использовать для прогнозирования соответствующего фактора.
Далее с 95%-ой достоверностью определим прогнозные значения фактора урожайность сельскохозяйственных культур до 2015 года. Занесём результаты в таблицу 4.
Таблица 4
Прогнозные значения урожайности основных сельскохозяйственных культур
Год Урожайность основных сельскохозяйственных культур, центнеров с гектара убранной площади
2013 547,36
2014 597,60
2015 653,69
Подставив прогнозные значения изменения факторов (урожайность основных сельскохозяйственных культур и относительный номер года) в двухфакторную математическую модель (1), определим прогнозные значение продукции сельского хозяйства (точечный прогноз) с 2013 до 2015 года. Результаты представим в таблице 5.
Для оценки надежности прогнозных значений необходимо найти интервал, в который попадут фактические величины с вероятностью 95%. Интерва
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.