Прогнозирование основных целевых индикаторов развития сельского хозяйства Краснодарского края
Г.В. Маханько,
д-р экон. наук, доц., профессор, Кубанский государственный аграрный университет (350000, г. Краснодар, ул. Калинина, 13; e-mail: Dor_03-03@mail.ru)
С.Л. Захаров,
директор по корпоративной стратегии и финансам, ОАО «СК имени М.И. Калинина» (352165, Краснодарский край, Гулькевичский район, с. Новоукраинское, ул. Красная, 127; e-mail: kalinina-oao@yandex.ru)
Аннотация. В статье авторами апробирована методика прогнозирования основных целевых индикаторов долгосрочной краевой целевой Программы «Развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия в Краснодарском крае» на 2013-2020 годы. Получены прогнозы объема производства продукции сельского хозяйства, инвестиций и среднемесячной заработной платы работников сельского хозяйства.
Abstract. The authors tested a method of forecasting the main target indicators of long-term regional target program "Development of agriculture and regulation of markets for agricultural products, raw materials and food in the Krasnodar Territory" for 2013-2020. A forecast volume of agricultural production, investment and average monthly board of agricultural workers.
Ключевые слова: целевые индикаторы, прогнозирование, сельское хозяйство, Краснодарский край.
Keywords: target indicators, forecasting, agriculture, Krasnodar region.
Прогнозирования отраслевых и региональных процессов является неотъемлемой частью процесса управления, от которого в значительной мере зависят экономические и социальные последствия развития территорий, эффективность использования трудовых, природных и материально-вещественных ресурсов. При этом прогнозы основываются, как правило, на генетическом подходе, при котором направления развития обосновываются исходя из достигнутого уровня развития производительных сил, наметившихся отраслевых проблем и нормативно-целевом подходе, при котором направления развития региона обусловлены предварительно сформулированными целями.
В зависимости от специфики конкретной территории есть необходимость модификации методов прогнозирования, выработки таких прогнозов и планов, которые бы способствовали её социально-экономическому развитию.
Нами предложен следующий алгоритм прогнозирования основных целевых индикаторов развития сельского хозяйства Краснодарского края:
1) на основании имеющегося ряда данных (2004-2013 гг.) осуществлялась спецификация трендовой модели;
2) производилась прогнозная оценка по данной модели на один период (в нашем случае год) в разрезе трех траекторий прогноза - потенциальный (соответствует значениям получаемым непосредственно по модели), оптимистический (значениям верхней доверительной границы прогноза) и пессимистический (значениям нижней доверительной границы прогноза);
3) в том случае если прогнозная оценка признавалась статистически значимой, на следующем этапе полученное прогнозное значение добавлялось к исходному временному ряду;
4) снова повторялись процедуры спецификации и прогнозирования на один временной интервал и т.д.
Спецификация трендовых моделей для индикативных показателей осуществлялась на основании экспертного подхода, в соответствии с которым на первоначальном этапе делаются предположения о возможных формах моделей визуально наиболее точно описывающих исходную криволинейную зависимость. В качестве возможных нами использовались следующие формы трендовых уравнений:
1) линейная: у = Ь0 + Ь\х;
2) логарифмическая: у = Ь0 + Ь • 1п(X);
3) обратная: у = Ь0 + —;
X
4) квадратическая: у = Ь0 + ЬХХ + ЬX ;
5) кубическая:
у = Ь0 + Ь1х + Ь2 х2 + Ь3 х3;
6) степенная: у = Ь0 • XЬ ;
7) показательная: у = Ь0 • Ь*;
8) Э-образная: у = вЬ°+ Ь /х ;
1
1 /и + b0 ■ b1x
9) логистическая: у =
10) роста: у = вЬ°+ Ьх;
11) экспоненциальная: у = Ьо • е^1 х.
Далее для каждой из них рассчитывались отдельные статистические показатели, в соответствии с величиной которых отдавалось предпочтение качественно лучшей из моделей. Наилучшей признается та из них, для которой выполняются следующие критерии: наименьшее значение из всех зависимостей для стандартной ошибки и средней ошибки аппроксимации, и максимальное значение для индексов корреля-
Г.В. Маханько, С.Л. Захаров Прогнозирование основных целевых индикаторов развития сельского хозяйства Краснодарского края
ции и детерминации, а также для Г-критерия Фишера.
Так, для индикативного показателя долгосрочной краевой целевой Программы «Развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия в Краснодарском крае» на 20132020 годы - производство продукции сельского хозяйства в хозяйствах всех категорий при спецификации прогностической модели была отобрана трендовая зависимость, в основе которой
лежит линейная функция. Окончательная форма модели имеет следующий вид и статистические характеристики:
^ = 19403,752 * £ - 38797560,018 (1)
(й2 = 0,992; F = 1744,409; Б1д. = 0,000)
Сводные результаты последовательной спецификации и параметризации модели (1) представлены в таблице 1.
Сводные результаты пошаговой спецификации модели (1) для прогнозирования производства продукции сельского хозяйства в хозяйствах всех категорий Краснодарского края
Таблица 1
База для прогноза Период упреждения Сводка для модели Оценки параметров
Я-квадрат Г ст. св. 1 ст.св.2 Знч. Константа Ь1
2004-2013 2014 0,968 241,872 1 3 ,000 -38797560,02 19733,567
2004-2014 2015 0,976 362,808 1 4 ,000 -38797560,02 19403,752
2004-2015 2016 0,981 524,056 1 5 ,000 -38797560,02 19403,752
2004-2016 2017 0,985 733,678 1 6 ,000 -38797560,018 19403,752
2004-2017 2018 0,988 1000,470 1 7 ,000 -38797560,018 19403,752
2004-2018 2019 0,990 1333,959 1 8 ,000 -38797560,018 19403,752
2004-2019 2020 0,992 1744,409 1 9 ,000 -38797560,018 19403,752
Из представленных в таблице данных видно, что на каждом из этапов экстраполяции индикативного показателя период упреждения составлял всего один, после чего на последующем этапе исходная база увеличивалась также на этот уже спрогнозированный и присоединенный к основному массиву данных год. Выполняемые процедуры позволили существенно повысить качество прогностической модели. Так, индекс детерминации, характеризующий долю объясненной вариации индикативного показателя синтезированной моделью, увеличился с 0,968 до 0,992. В процессе спецификации немного изменились и параметры модели (Ь0 и 61), что обусловлено увеличение длины исходной базы прогнозирования.
В качестве ключевых показателей, на основании которых можно судить о высоком качестве синтезированной трендовой модели для прогнозирования, выступают Г-критерий Фишера и статистическая значимость модели. Г-критерий характеризует соотношений факторной и остаточной дисперсии в расчете на одну степень свободы, в зависимости от величины этого соотношения различают и статистическую значимость модели. Таким образом, показатель значимости характеризует вероятность ошибки, при которой допустимо отвергнуть нулевую гипотезу и принять альтернативную. Существует общепринятая терминология, которая относится к доверительным интервалам вероятности. Высказывания, имеющие вероятность ошибки р < 0,050, называются значимыми; высказывания с вероятностью ошибки р<0,010 - очень значимыми, а высказывания с вероятностью ошибки р < 0,001 - максимально значимыми.
В связи с этим, для приведенного показателя-индикатора результаты дисперсионного анализа подтверждают, что полученная модель в целом может быть признана максимально значимой (р < 0,001) и вполне обоснованно использовалась для прогнозирования.
В результате описанной процедуры пошаговой экстраполяции были получены следующие
варианты прогнозов для показателя производства продукции сельского хозяйства в хозяйствах всех категорий Краснодарского края, наглядно представленные на рисунке 1. На представленном рисунке видно, что результаты прогнозирования индикативного показателя получены в разрезе трех вариантов (оптимистического, потенциального и пессимистического).
В рамках исследования основных индикаторов долгосрочной краевой целевой Программы «Развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия в Краснодарском крае» на 2013-2020 годы нами были получены прогнозные значения других индикаторов развития сельского хозяйства края - производство продукции растениеводства в хозяйствах всех категорий, производство продукции животноводства в хозяйствах всех категорий, объем инвестиций в сельское хозяйство края и средняя номинальная заработная плата в сельском хозяйстве.
Для прогнозирования производства продукции растениеводства в хозяйствах всех категорий в качестве оптимальной математической формы нами была отобрана зависимость в форме трендовой линейной модели. Окончательная форма модели имеет следующий вид и статистические характеристики:
^ = 13452,667* Ь- 26904728,333 (2)
(й2 = 0,985; F = 927,695; = 0,000)
Сводные результаты последовательной спецификации и параметризации модели (2) представлены в таблице 2.
Из представленных в таблице данных видно, что выполнение пошаговых процедур позволило существенно повысить качество прогностической модели. Так, индекс детерминации показывает, что доля объясненной вариации индикативного показателя - производства продукции растениеводства в хозяйствах всех категорий Краснодарского края - построенной моделью объяснена в конечном итоге на 98,5 %. Значение Г-критерия Фишера существенно увеличилось с 81,855 до 927,695, что указывает на то,
что полученная модель статистически признает- обоснованно может использоваться для прогно-
ся максимально значимой (р < 0,001) и вполне зирования.
ооооооооооооооооо
О Производство продукции сельского хозя йств а, млн руб.
•■■А" Нижняя граница
доверительного интервала
• ••А** Верхняя граница
доверительного интервала
Рис. 1. Результаты прогнозирования производства продукции сельского хозяйства в хозяйствах всех категорий Краснодарского края, млн. руб.
Таблица 2
Сводные рез
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.