CC BY
48
Эффективное использование технического потенциала в сельском хозяйстве
П.И. Огородников, д.т.н., профессор, ОВ. Лактионов,
соискатель, О.С. Рубцова, аспирантка, Оренбургский филиал Института экономики УрО РАН
Агропромышленный комплекс России находится в состоянии разбалансированности, обусловленной общим состоянием экономики страны со специфичными территориальными особенностями регионов. Задача аграрной политики на современном этапе состоит в том, чтобы определить приоритеты развития аграрной сферы России и в соответствии с ними разработать основные направления их реализации. Необходимо перейти к принципиально новому способу аграрного производства, обеспечивающему продовольственную безопасность страны. Это требует коренного преобразования производительных сил сельского хозяйства.
Результаты сельскохозяйственного производства в значительной степени зависят от состояния и структуры его технического потенциала.
Последний в течение всего периода реформирования не только сокращался, но и ухудшался по качественным характеристикам.
Аграрная реформа в сельском хозяйстве развивается на фоне экономической нестабильности, нарушения производственных связей, инфляции, снижения покупательской способности и резкого сокращения бюджетного финансирования агропромышленного комплекса, усиления диспаритета цен на ресурсы для АПК.
В связи с резким расслоением коллективных и фермерских хозяйств в России по уровню финансовой состоятельности, объемам производимой продукции, дорожно-транспортной инфраструктуры, производственно-технической обеспеченности российский рынок техники требует наличия как дорогих, сложных и высокопроиз-
водительных, так и простых, дешёвых машин с минимальными затратами на техобслуживание и ремонт [1].
В результате снижения уровня технического потенциала обеспеченность машинно-тракторным парком составляет в России уже менее 50%. В том числе тракторами — 41%, плугами — 46%, зерноуборочными комбайнами — менее 48%. По оценке Министерства сельского хозяйства, в 2007 г. дефицит техники составлял 23 тыс. тракторов, 4,7 тыс. комбайнов, 6,7 тыс. сеялок. Кроме того, значительная часть имеющейся техники в настоящее время подлежит списанию. Аналогичная ситуация с техническим потенциалом АПК сложилась и в Оренбургской области.
Поэтому прогнозирование возможностей имеющегося технического потенциала по возможному производству сельскохозяйственной продукции на следующий год и на дальнейшую перспективу имеет большое значение. Существует целый ряд математических моделей, позволяющих провести прогноз на перспективу по вероятному валовому сбору зерна на год вперёд или несколько лет вперёд. Однако многие из них или сложны для практического применения (математические модели на уровне экономико-математических моделей), или очень просты — в виде трендов, значительно уступающих по адекватности уравнениям регрессии с несколькими переменными.
Для прогнозирования валового сбора зерна на следующий год осуществляем отбор основных факторов, влияющих на уменьшение или увеличение валового сбора зерна, включаем их в уравнение регрессии и затем анализируем его.
На основании априорной информации составлены и включены в уравнение регрессии следующие независимые переменные:
Y — валовой сбор зерна, при техническом потенциале, выраженном в (шт), тыс. ц;
Y’ — валовой сбор зерна, при техническом потенциале, выраженном в энергетических мощностях (л.с.), тыс. ц.
Зависимые переменные:
Х1 — посевные площади зерновых культур, тыс. га;
Х2 — энергетическая мощность тракторов, тыс. л.с.;
Х3 — энергетическая мощность комбайнов, тыс. л.с.;
Х4 — среднегодовая численность работников, занятых в сельском хозяйстве, чел.
В результате проведенного корреляционного анализа была получена матрица корреляционных отношений факторов друг к другу и факторов к результирующему показателю (У’) для Центральной зоны Оренбургской области (табл. 1).
1. Матрица корреляционных коэффициентов Центральной зоны области
Анализ коэффициентов матрицы показывает, что наиболее тесная связь с результатом наблюдается у факторов х3, х4, она равна 0,99423; 0,99195 соответственно. Далее тесная связь наблюдается между результирующим фактором (У’) и фактором х2 — 0,84433.
Уравнения регрессии для Центральной зоны:
Y = -12008,4 + 31,5 Х1 - 6,7 Х2 +
+ 47,7 Х3 -1,6 Х4, R2 = 0,98 У’ = -5678,92 + 73,92 Х: - 147,44 Х2 +
+ 175,36 Х3 -0,07 Х4, R2 = 0,72
Коэффициенты регрессии при факторных признаках и коэффициенты парной корреляции показывают, что наиболее сильное положительное влияние на валовой сбор зерна оказывают энергетическая мощность комбайнов, тыс. л.с. (175,36) и посевная площадь зерновых культур, тыс. га (73,92). А отрицательное влияние оказывает энергетическая мощность тракторов, тыс. л.с. (-147,44). Также увеличение среднегодовой численности работников на 1 человека дает увеличение валового сбора зерна на 0,07 тыс. ц.
Для Северной зоны матрица корреляционных коэффициентов представлена в таблице 2.
Значения коэффициентов матрицы показывают на достаточно тесную связь результирующего фактора (У’) со всеми зависимыми переменными — хь х2, х3, х4.
Уравнения регрессии для Северной зоны:
2. Матрица корреляционных коэффициентов Северной зоны области
У = -12036,1 + 11,9 Х: + 15,2 Х2 —
— 31,4 Х3 — 0,5 Х4, R2 = 0,93 У’ = 6279,834 + 15,786 Х: — 49,169 Х2 +
+ 11,704 Х3 + 0,532 Х4, R2 = 0,9
В Северной зоне на величину валового сбора зерна (тыс. ц) положительно влияют посевная площадь зерновых культур, тыс. га (15,786), энергетическая мощность комбайнов, тыс. л.с. (11,704), и численность работников, занятых в сельском хозяйстве, чел. (0,532). Отрицательное влияние имеет энергетическая мощность тракторов, тыс. л.с. (-49,169).
3. Матрица корреляционных коэффициентов Западной зоны области
Величины коэффициентов матрицы показывают достаточно тесную связь результирующего фактора (У’) со всеми зависимыми переменными — хь х2, х3, х4.
Уравнения регрессии для Западной зоны:
У = -21988,2 + 2,7 Х: + 20 Х2 —
— 31,8 Х3 — 0,8 Х4, R2 = 0,98 У’ = -1448,49 + 39,4 Х: — 44,87 Х2 +
+ 64,14 Х3 — 0,46 Х4, R2 = 0,96
Коэффициенты регрессии при факторных признаках и коэффициенты парной корреляции показывают, что наиболее сильное положительное влияние на валовой сбор зерна в Западной зоне оказывают энергетическая мощность комбайнов, тыс. л.с. (64,14), и посевная площадь зерновых культур, тыс. га (39,4). А отрицательное влияние оказывает энергетическая мощность тракторов, тыс. л.с. (-44,87), и среднегодовая численность работников, чел. (-0,46).
Значения коэффициентов матрицы показывают достаточно тесную связь результирующего фактора (У’) со всеми зависимыми переменными — хь х2, х3, х4.
Уравнения регрессии для Юго-западной зоны:
4. Матрица корреляционных коэффициентов Юго-западной зоны области
Y = -4310,81 + 29,83 Х: + 0,94 Х2 +
+ 4,35 Х3 - 0,7 Х4, R2 = 0,96 Г = -6511,97 + 43,46 Х: + 21,60 Х2 +
+ 4,22 Х3 - 0,86 Х4, R2 = 0,95
Коэффициенты регрессии при факторных признаках и коэффициенты парной корреляции показывают, что наиболее сильное положительное влияние на валовой сбор зерна оказывают энергетическая мощность комбайнов, тыс. л.с. (64,14), и посевная площадь зерновых культур, тыс. га (39,4). А наиболее сильное отрицательное влияние оказывают энергетическая мощность тракторов, тыс. л.с. (-44,87), и среднегодовая численность работников, чел. (-0,46).
5. Матрица корреляционных коэффициентов Южной зоны области
Величины коэффициентов матрицы показывают достаточно тесную связь результирующего фактора (У’) со всеми зависимыми переменными — хь х2, х3, х4.
Уравнения регрессии для Южной зоны:
Y = -11726,4 + 11,5 Х: + 2,6 Х2 +
+ 19,9 Х3 — 0,8 Х4, R2 = 0,98 Y’ = 10375,58 + 5,93 Х: — 101,39 Х2 —
— 31,13 Х3 + 1,47 Х4, R2 = 0,97
Коэффициенты регрессии при факторных признаках и коэффициенты парной корреляции показывают, что наиболее сильное положительное влияние на валовой сбор зерна в Южной зоне оказывают посевная площадь зерновых культур, тыс. га (5,93), и среднегодовая численность работников, чел. (1,47). А наиболее сильное отрицательное влияние оказывают энергетическая мощность комбайнов, тыс. л.с. (-101,39), и энергетическая мощность тракторов, тыс. л.с. (-31,13).
6. Матрица корреляционных коэффициентов Восточной зоны области
Величины коэффициентов матрицы показывают, что наиболее тесная связь с результатом наблюдается у факторов х3, х4, она равна 0,75892;
0.94158 соответственно. Тесная связь наблюдается между результирующим фактором (У’) и фактором х2 — 0,66400.
Уравнения регрессии для Восточной зоны:
Y = -4444,47 — 3,97 Х: — 14,08 Х2 +
+ 45,22 Х3 — 1,24 Х4, R2 = 0,9 У’ = 20550,03 — 4,47 Х: — 57,55 Х2 +
+ 119,85 Х3 — 1,46 Х4, R2 = 0,65
Коэффициенты регрессии при факторных признаках и коэффициенты парной корреляции показывают, что положительное влияние на валовой сбор зерна в Восточной зоне оказывает энергетическая мощность комбайнов, тыс. л.с. (119,85). А отрицательное влияние оказывают и энергетическая мощность тракторов, тыс. л.с. (-57,55), посевная площадь зерновых культур, тыс. га (-4,47), и численность работников, чел. (-1,46).
Таким образом, мы выявили, что снижение энергетических мощностей тракторов (л.с.) и среднегодовой численности работников (чел.) негативно сказывается на увеличении производства сельскохозяйственных культур и техническом потенциале области.
При этом количественные показатели технического потенциала сельскохозяйственных зон более объективно отражают процесс влияния на выходной параметр, чем мощностные (коэффициент детерминации значительно выше по всем сельскохозяйственным зонам).
Это связано, прежде всего, с тем, на наш взгляд, что учет мощностных характеристик тракторов и комбайнов мы ведем по нормативным показателям, а на самом деле степень изношенности МТП такова, что мощность движителя значительно ниже нормативной.
Литература
1. Симченко, А.Н. Эффективность предпринимательской деятельности в сфере машинно-технологического обслуживании агробизнеса // Экономика сельскохозяйственных и перерабатывающих предприятий. 2008. № 8. С. 77—79.
