CC BY
69
УДК / UDC 338.436.33 (470.324)
МЕТОДОЛОГИЯ КЛАСТЕРНОГО АНАЛИЗА В МОНИТОРИНГЕ РАЗВИТИЯ
РЕГИОНАЛЬНОГО АПК
CLUSTER ANALYSIS METHODOLOGY THROUGH THE MONITORING OF THE DEVELOPMENT OF THE REGIONAL AGRO-INDUSTRIAL COMPLEX
Измалков А.А., кандидат экономических наук, заместитель руководителя Izmalkov A.A., Candidate of Economic Sciences, Deputy Head Департамент аграрной политики Воронежской области, Воронеж, Россия Department of Agrarian Policy of the Voronezh region, Voronezh, Russia
E-mail: [email protected]
АННОТАЦИЯ
Организационно-экономическая оценка функционирования регионального АПК проведена номинальным методом - кластерным анализом, представляющим собой многомерную статистическую процедуру по сбору данных об объекте и упорядочивание их в сравнительно однородные группы. Мониторинг состояния и динамики развития аграрного сектора Воронежской области этим методом выполнен по 15 показателям по алгоритму древовидной иерархической кластеризации. В результате кластерного анализа в регионе были выделены 6 групп районов: лидеры аграрного развития, районы со стабильным аграрным сектором, районы с высоким потенциалом роста, районы с нарушением пропорций развития, районы с нарушением пропорций развития и районы аграрной депрессии. Полученные параметры будут базисом для разработки целевых программ развития отрасли и сельских территорий области.
ABSTRACT
Organizational and economic evaluation of the functioning of regional agriculture held by cluster analysis, which is a multivariate statistical procedure to collect data about the object and organize them into relatively homogeneous groups. Monitoring the status and dynamics of development of the agricultural sector of the Voronezh region this method is executed by 15 indicators on hierarchical clustering tree algorithm. As a result of cluster analysis in the region were identified six groups of regions: the leaders of agrarian development, areas with a stable agricultural sector, areas with high growth potential, areas in violation of the proportions of the development areas in violation of the proportions of the areas of development and agrarian depression. The parameters obtained will be the basis for the development of targeted programs for the development industry and rural area.
КЛЮЧЕВЫЕ СЛОВА
Региональный АПК, кластерный анализ, методика кластерного анализа, дендрограмма, группировка муниципальных районов.
KEY WORDS
Regional agriculture, cluster analysis, cluster analysis technique, dendrogram, grouping municipal districts.
Ввиду различия природно-климатических условий и социально-демографических факторов, состояние и перспективы развития аграрного производства в муниципальных районах области представляются нам неодинаковыми. Наиболее подходящим для получения организационно-экономической оценки функционирования сельского хозяйства регион в административно-территориальном разрезе нам представляется номинальный (описательный) метод, однако, ввиду ограничения объемов данного исследования, предпочтительным является использовать численные классификационные методы. К данным методам относится кластерный анализ,
представляющий собой многомерную статистическую процедуру, выполняющую сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающую объекты в сравнительно однородные группы [1].
В.С. Юсов и О.А. Блинов [3] отмечают, что в отличие от других статистических процедур, методы кластерного анализа используются в большинстве случаев тогда, когда нет каких-либо априорных гипотез относительно классификации. Кластерный анализ позволяет обрабатывать большой объем информации и существенно сокращать массивы данных, требуемых для принятия управленческих решений, дела их компактными и наглядными. Существенную роль этот метод играет при анализе совокупностей временных рядов, характеризующих экономическое развитие экономических субъектов с учетом их неоднородности и специфики функционирования.
Для исследования любой предметной области кластерный анализ осуществляется посредством прохождения следующих этапов: отбор совокупности изучаемых объектов (выборки кластеризации); определение переменных (факторов), задающих признаковое пространство и позволяющих оценивать объекты, входящие в выборку; выбор меры близости (метрики) между членами выборки и вычисление ее значений; формирование кластеров (групп наиболее близких объектов); анализ сформированных кластеров, проверка гипотезы исследования и оценка результатов.
Изучаемыми объектами в рамках кластерного анализа являлись аграрные секторы муниципальных районов Воронежской области, за исключением г. Воронеж и г. Нововоронеж, существенно отличающихся спецификой аграрного производства. Для задания признакового пространства на основе официальных статистических данных [2] были выбраны 15 показателей, характеризующих состояние и динамику развития сельского хозяйства муниципальных районов. Они имеют различную экономическую природу, некоторые из них призваны отразить динамику процесса развития (временной промежуток выборки был задан в пределах 1998-2012 г.), а другие - сложившееся состояние (временной промежуток выборки был задан в пределах 2008-2012 г.).
К показателям признакового пространства настоящего кластерного анализа относятся:
XI - средний темп прироста производства продукции растениеводства в 1998-2012 гг., %; Х2 - средний темп прироста производства продукции животноводства в 1998-2012 гг., %; Х3 - распаханность сельскохозяйственных угодий в 2008-2012 гг., %;
Х4 - средний темп прироста посевных площадей в 1998-2012 гг., %;
Х5 - доля зерновых культур в посевах в 2008-2012 гг., %;
Х6 - доля подсолнечника в посевах в 2008-2012 гг., %;
Х7 - доля сахарной свеклы в посевах в 2008-2012 гг., %;
Х8 - произведено зерна на 100 га пашни в 2008-2012 гг., в среднем, ц;
Х9 - произведено подсолнечника на 100 га пашни в 2008-2012 гг., в среднем, ц;
Х10 - произведено сахарной свеклы на 100 га пашни в 2008-2012 гг., в среднем, ц;
XII - прирост живой массы скота на 100 га сельхозугодий в среднем в 2008-2012 гг., ц; Х12 - произведено молока на 100 га сельхозугодий в среднем в 2008-2012 гг., ц;
Х13 - плотность поголовья КРС в 2008-2012 гг. на 100 га сельхозугодий, гол.;
Х14 - плотность поголовья свиней в 2008-2012 гг. на 100 га пашни, гол.;
Х15 - плотность поголовья овец и коз в 2008-2012 гг. на 100 га сельхозугодий, гол.
В целях оценки расстояний между объектами выборки (ввиду разнородности факторов и различия единиц измерения переменных) значения факторов были нормализованы таким образом, чтобы математическое ожидание каждой
нормализованной переменной было равным нулю, а стандартное отклонение было равным единице:
Хи - ц
\тнорм г} ^ }
Х3 --,
гдеХнорм - нормализованное значение j-го фактора по нму объекту выборки;
и
Хи - наблюдаемое значение ро фактора по нму объекту выборки;
V
ц - среднее значение j-го фактора; ст ■ - стандартное отклонение j-го фактора.
На основе нормализованного признакового пространства в пакете статистической обработки данных 518118^8 10 был осуществлен кластерный анализ муниципальных районов Воронежской области В качестве метрики была выбрана «манхэттенская» мера расстояния, позволяющая сгладить влияние на результаты кластеризации, т.н. «выбросов» (аномально нетипичных значений) (рис. 1).
Рисунок 1 - Дендрограмма аграрной кластеризации районов Воронежской области
Расстояние по этой метрике определяется как сумма модулей разности координат объектов в признаковом пространстве:
/~< _ V-1 у норм _ у норм
СаЬ Ха} - ХЬ}
где Cab - оценка расстояния между объектами a и b; Xнорм - нормализованного значения значение j-го фактора для объекта a;
Xнорм - нормализованного значения значение j-го фактора для объекта b.
За правило объединения был принят метод полной связи, который позволяет определят расстояния между кластерами наибольшим возможным расстоянием между парами их членов. Иерархическая кластеризация позволяет детализировано вычленять кластеры: от самого низкого уровня, где все объекты объединены в один кластер, совпадающий с выборкой, до самого высокого, когда каждый отдельный объект выборки выступает как самостоятельный кластер. На полученной дендрограмме каждое последующее ветвление обозначено буквами a и b, последовательность которых позволяет идентифицировать кластер каждого уровня. Например, кластер baaa объединяет Семилукский, Репьевский и Острогожский районы, а кластер более высокого уровня baa объединяет их также с Нижнедевицким районом. В свою очередь, кластер baa входит в состав кластера ba, а тот - в состав кластера b, объединяющий большинство районов области. Во избежание излишней детализации, на графике не осуществлялось обозначение кластеров, содержащих менее 2-3 районов.
На дендрограмме хорошо заметно, что один из районов области - а именно Лискинский - является совершенно нетипичным по уроню развития сельского хозяйства, поэтому он оказался выделенным в отдельный кластер a. Темпы развития животноводства, а также плотность поголовья животных и удельное производство животноводческих видов продукции в разы выше, чем в среднем по выборке (рис. 2).
Рисунок 2 - Сравнение нормализованных показателей кластеров а и Ь, формирующих выборку
Несмотря на то, что темпы роста посевных площадей и доли товарных культур в структуре посевов на общем фоне представляются невысокими, удельное производство зерна и сахарной свеклы высокое. На территории района находятся крупный откормочный комплекс, молочный, сахарный, масложировой и консервный заводы, хлебозавод и элеватор, развита транспортная инфраструктура; и он по праву может называться «аграрным сердцем» области.
Кластер Ь, объединяющий остальные муниципальные районы, разделен на два кластера более низкого уровня: менее типичные районы вошли в кластер Ьа, более типичные - в кластер ЬЬ (рис. 3).
Рисунок 3 - Сравнение нормализованных показателей кластеров ba и bb,
формирующих кластер b
Кластер bb неоднороден: на более высоком уровне детализации Семилукский, Репьевский, Острогожский, Нижнедевицкий районы, расположенные на западе области, входят в более благополучный кластер baa, в то время как восточные районы - Борисоглебский, Петропавловский, Новохоперский и Богучарский - в неблагополучный кластер bab, характеризующийся низким уровнем развития животноводства и менее интенсивной структурой растениеводства. «Визитной карточкой» кластера bab является высокая доля подсолнечника в структуре посевных площадей, что обусловлено как климатическими особенностями, так и стремлением аграрных формирований максимизировать эффективность производства при минимизации удельных затрат (рис. 4).
Рисунок 4 - Сравнение нормализованных показателей кластеров baa и bab,
формирующих кластер ba
Кластер bab объединяет окраинные районы Воронежской области -Семилукский, Репьевский, Острогожский, Нижнедевицкий, Борисоглебский, Петропавловский, Новохоперский и Богучарский. Для этих районов характерно в целом менее интенсивное и менее эффективное сельское хозяйство, что частично обуславливается природно-климатическими условиями. Уровень распаханности сельскохозяйственных угодий ниже, в структуре посевов практически отсутствует сахарная свекла, плотность поголовья КРС и удельное производство практически всех видов продукции (кроме зерна) низкие.
Дальнейшая детализация кластеров baa и bab нецелесообразна ввиду незначительности отличий между их подклассами.
Кластер более типичных по аграрной структуре муниципальных районов - bb -разделен в свою очередь на кластеры bba и bbb (рис. 5).
Кластер ЬЬа сформировали районы, в аграрном секторе которых хорошо развивается растениеводство - темп роста растениеводческой продукции за рассматриваемый период существенно выше среднеобластного, доля посевов товарных культур и их удельное производство также высоки. Однако молочное и мясное скотоводство здесь развито слабо, да и свиноводство на высоком уровне развито лишь в Верхнехавском районе, представляюшем собой отдельный микрокластер ЬЬаЬ.
Кластер ЬЬЬ сформирован районами, имеющими меньшие диспропорции между отраслями, однако и он дробится на подкластеры (рис. 6), имеющие существенные различия.
Районы, входящие в кластер ЬЬЬа (Эртильский, Павловский, Рамонский, Хохольский и Верхнемамонский) быстро развиваются, производят много зерна, подслонечника, молока, говядины и баранины; однако световодство и свиноводство здесь неразвиты. Наоборот, высокая концентрация свекловодства и свиноводства свойственна районам кластера ЬЬЬЬ, но темпы развития сельского хозяйства здесь ниже среднеобластных.
растТМП
иОй-т---
□ ЪЬа □ЪЪЪ
поде 100
зернЮО
Рисунок 5 - Сравнение нормализованных показателей кластеров ЬЬа и ЬЬЬ,
формирующих кластер ЬЬ
растТМП
овцГШТ<Щ°
живТМП
□ЬЬЬа ОЬЬЬЬ
поде100
зернЮО
Рисунок 6 - Сравнение нормализованных показателей кластеров ЬЬЬа и ЬЬЬЬ,
формирующих кластер ЬЬЬ
В составе кластера ЬЬЬЬ можно выделить кластер районов-«тяжеловесов» -ЬЬЬЬЬ, для которых характерны повышенные концентрация животноводства и свекловодства, а также удельное производство продукции этих отраслей; однако темпы роста производства очень низки, возможно в результате действия ограничений технологического характера. В кластер ЬЬЬЬЬ вошли Таловский, Россошанский и Аннинский районы (рис. 7).
Рисунок 7 - Сравнение нормализованных показателей кластеров ЬЬЬЬа и ЬЬЬЬЬ,
формирующих кластер ЬЬЬЬ
В районах кластера ЬЬЬЬа животноводство не развито, но его также можно разделить на типичные группы. Кластер ЬЬЬЬаЬ, демонстрирующий хорошие темпы роста и специализирующийся на производстве сахарной свеклы, зерновых и подсолнечника объединил Ольховатский, Терновский и Бобровский районы. Кластер ЬЬЬЬаа сформирован районами с наиболее низкими темпами роста и достаточно низким выходом основных видов сельскохозяйственной продукции в расчете на 100 га соответствующих земельных ресурсов (рис. 8). В этот кластер вошли Новоусманский, Каширский, Калачеевский, Воробьевский, Кантемировский, Каменский и Бутурлиновский районы.
Рисунок 8 - Сравнение нормализованных показателей кластеров ЬЬЬЬаа и ЬЬЬЬаЬ,
формирующих кластер ЬЬЬЬа
В результате оценки стратегических перспектив развития сельского хозяйства Воронежской области и кластерного анализа были выделены следующие группы районов:
1. Лидеры аграрного развития. К таким районам в настоящее время относится лишь Лискинский, являющийся флагманом агропромышленного сектора экономики области, ориентированной на приоритетное развитие отраслей животноводства. Вместе с тем, обладая огромными конкурентными преимуществами, он может являться угрозой развития аграрных производств в других районах области. Оптимальная стратегия аграрного развития данного района связана с развитием кормовой базы, определенной диверсификацией экономики через поддержку недостаточно развитых и новых отраслей, с формированием эффективного сектора малого агробизнеса, а также развитием государственно-частного партнерства по реализации мероприятий в рамках повышения устойчивости развития сельских территорий;
2. Районы со стабильным аграрным сектором. К этой категории относятся Таловский, Россошанский и Аннинский районы, специализирующиеся на производстве высокозатратных отраслей (молочное и мясное скотоводство, свиноводство, свекловодство и т.п.), но демонстрирующие в последние годы сравнительно медленные темпы роста. Для этих районов выбор стратегии развития связан с переходом на новый технический и технологический уровень производства, обеспечивающий рост производительности труда, наращивание объемов производства и переработки сельскохозяйственной продукции, а также с развитием процессов агропромышленной интеграции, обеспечивающих максимально возможное вовлечение в процесс производства всех ресурсов сельского хозяйства и реализацию их аграрного потенциала.
3. Районы с высоким потенциалом роста. К районам данной группы можно отнести Эртильский, Павловский, Рамонский, Хохольский, Верхнемамонский, Подгоренский, Панинский, Поворинский, Грибановский и Вехнехавский районы. Агропромышленное производство этих районов должно стать главным приоритетом поддержки в рамках региональных программ развития. Основное внимание при этом должно быть уделено развитию перерабатывающих производств, созданию новых рабочих мест, активизации частнопредпринимательской инициативы сельского населения.
4. Районы с нарушением пропорций развития (Семилукский, Репьевский, Острогожский, Нижнедевицкий, Ольховатский, Терновский и Бобровский районы). Аграрнопромышленные секторы этих районов, имея свои сильные стороны, являются достаточно узкоспециализированными и демонстрируют низкие темпы развития. Приоритетным направлением стратегии их развития должно стать наращивание темпов роста производства и выравнивание диспропорций в развитии за счет поддержки отстающих отраслей.
5. Районы с замедленными темпами аграрного развития (кластер ЬЬЬЬаа). В данную группу вошли Новоусманский, Каширский, Калачеевский, Воробьевский, Кантемировский, Каменский и Бутурлиновский районы. Темп роста производства, как в растениеводстве, так и в животноводстве на протяжении рассматриваемого периода был самым медленным, а эффективность использования земельных ресурсов в растениеводстве - относительно низкой. Кроме того, аграрное производство в данных районах не имеет ярко выраженных диспропорций, но при этом отсутствуют и потенциальные точки роста. Стратегические перспективы развития этих районов связаны с формированием драйверов роста и привлечением средств крупных инвесторов в развитие агропромышленного производства.
6. Районы аграрной депрессии (кластер ЬаЬ), в который входят Борисоглебский, Петропавловский, Новохоперский и Богучарский районы. Для этих районов возможно применение стратегии «контролируемого сжатия», направленной на максимальное «обезболивание» сельской депопуляции и сельскохозяйственной деградации, или же стратегии «подчинения», основанной на постепенной передаче контроля над аграрным производством более развитым аграрным формированиям из соседних районов.
Создание возможностей для аграрного развития в данных регионах представляется затрудненным.
Максимальная отдача агропромышленного потенциала региона может быть обеспечена при рациональном сочетании стратегий отраслевого и территориального развития при соблюдении оптимальных пропорций формирования агропромышленного комплекса области и учете эффективности использования финансовых ресурсов, выделяемых на развитие его элементов в рамках системы государственной поддержки производителей сельскохозяйственной продукции и ее переработчиков и повышения устойчивости развития сельских территорий.
Стратегия развития территориально-отраслевых комплексов регионального уровня является базисом для разработки целевых программ развития отдельных отраслей и территорий, а обоснованные в процессе ее разработки индикаторы и показатели формируют систему критериев и ограничений, определяющих пропорции распределения финансовых ресурсов, направляемых органами власти на поддержку отдельных секторов экономики области.
БИБЛИОГРАФИЯ
1. Айвазян С.А. Прикладная статистика: Классификация и снижение размерности -С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин - М.: Финансы и статистика, 1989. - 607 с.
2. Воронежский статистический ежегодник. 2013: Стат. сб. / Воронежстат. - Воронеж, 2013. - 340 с.
3. Юсов В.С. Применение кластерного анализа для оценки экономических показателей сельскохозяйственных предприятий / В.С. Юсов, О.А. Блинов // Вестник Омского государственного аграрного университета. - 2013. - №2 (10). -С. 82-84.
