Эконометрическое исследование эффективности деятельности аграрного производства на примере производства продукции животноводства Текст научной статьи по специальности «Экономика и бизнес»

Эконометрическое исследование эффективности деятельности аграрного производства на примере производства продукции животноводства Econometric study of the effectiveness of agricultural production on the example of

livestock production

t>, /") московский

■p ЭКОНОМИЧЕСКИЙ ЖУРНАЛ

УДК 658

DOI 10.24411/2413-046X-2020-10441 Баянова Ольга Викторовна,

кандидат экономических наук, доцент, доцент кафедры бухгалтерского учета и финансов ФГБОУВО Пермский ГАТУ, г. Пермь

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

Аннотация. Научная статья содержит методику и результаты анализа влияния факторов на изменение объемов производства продукции животноводства в Российской Федерации. Цель исследования - выявить влияние факторов на изменение объемов производства продукции животноводства для обеспечения информационных потребностей управления. Метод проведения исследования: множественная регрессия и корреляция. Определены коэффициенты множественной корреляции между результативным признаком и факторами, а также совокупный коэффициент множественной корреляции, построена матрица коэффициентов, проведен регрессионный анализ с помощью построенной двухфакторной модели, при проведении верификации результатов исследования рассчитано среднее значение ошибки аппроксимации. Вывод - выявлена прямая тесная связь между надоем молока на одну корову и энерговооруженностью труда в сельскохозяйственных организациях, обратная тесная связь между надоем молока на одну корову и поголовьем коров, а также между поголовьем коров и энерговооруженностью труда в сельскохозяйственных организациях; значение совокупного коэффициента множественной корреляции подтвердило наличие тесной связи между результативным признаком и факторами.

Summary. The scientific article contains the methodology and results of the analysis of the influence of factors on the change in the volume of livestock production in the Russian Federation. The purpose of the study is to identify the influence of factors on the change in the volume of livestock production in order to meet the information needs of management. Method of conducting the study: multiple regression and correlation. Multiple correlation coefficients between the effective feature and factors are determined, as well as the aggregate multiple correlation coefficient, a coefficient matrix is constructed, a regression analysis is carried out using the constructed two-factor model, and the mean value of the approximation error is calculated when verifying the study results. Conclusion - a direct close connection was identified between milk yield per cow and the energy content of labor in agricultural organizations, a reverse close connection between milk yield per cow and the number of cows, as well as between the number of cows and energy content of labor in agricultural organizations; the value of the aggregate multiple correlation coefficient confirmed the close relationship between the outcome feature and the factors.

Ключевые слова: аграрное производство; производство продукции животноводства; множественная регрессия и корреляция; матрица коэффициентов.

Keyword: agrarian production; production of livestock products; multiple regression and correlation; matrix of coefficients.

Введение

Производство продукции животноводческой отрасли является важным индикатором продовольственной безопасности Российской Федерации. Наряду с этим, рост производства продукции животноводства способен ускорить процесс импортозамещения сельскохозяйственной продукции в стране. Поэтому, проведение исследования факторов, способных положительно повлиять на рост производства продукции животноводства, является актуальным.

Исследования процессов обеспечения роста производства продукции животноводства являются актуальными в научной среде. Активное участие в дискуссиях принимали участие многие отечественные и зарубежные ученые-экономисты: провели математическое моделирование перспектив устойчивого развития сельскохозяйственных регионов Украины Tymosenko M. и Golovach K. [6]; построили модель волатильности цен на сельскохозяйственную продукцию на Чикагской товарной бирже с помощью эконометрических методов Cermak M., Males K. и Maitah M. [4]; проанализировали факторы, оказывающее влияние на экспорт сельскохозяйственной продукции в Албании, Brana K., Qineti A., Lazorcakova E. [5]; показала приоритетные направления реализации

государственной программы развития АПК в Тюменской области Зубарева И.Ю. [2]; представили результаты оценки эффективности реализации целевых программ развития АПК региона Асриянц К.Г. и Багавудинова К.Б. [1]; акцентировали внимание на проблемах инвестиционной привлекательности сельского хозяйства Соловьева Т.Н. и Мусьял А.В. [3].

Таким образом, анализ рычагов и инструментов обеспечения продовольственной безопасности и импортозамещения в аграрном производстве являются актуальными среди отечественных и зарубежных ученых.

Материалы и методы исследования Проведем эконометрическое исследование зависимости показателей импортозамещения продукции животноводства (надой молока на 1 корову) и эффективности экономики Российской Федерации (энерговооруженность труда в сельскохозяйственных организациях). Информационный этап снабжен данными с сайта Росстата Российской Федерации (таблица 1).

Таблица 1 - Данные статистики о показателях импортозамещения и

эффективности экономики Российской Федерации в 2012 - 2018 году

Годы Над ой молоха, на 1 Поголовье хоров, Энерговооруженность

корову. центнеров МИЛЛИОНОВ ГОЛОЕ труда в сельскохозяйственных организациях, л.с.

2012 45 8:7 70

2013 45 8=4 72

2014 48 83 75

2015 51 8Д 74

2016 54 8=0 77

2017 57 7:9 75

2018 59 7=9 80

Определимся с результативным признаком и факторами: у - результативный признак: надой молока на 1 корову; XI -фактор: поголовье коров;

х2 -фактор: энерговооруженность труда в сельскохозяйственных организациях.

Далее произведем расчет коэффициента множественной корреляции. Для того, чтобы определить значения числителя и знаменателя в формулах расчета коэффициента множественной корреляции составим рабочую таблицу (таблица 2).

Таблица 2 - Рабочая таблица для расчета коэффициента множественной

корреляции

Год у Т/ Тн -у ^ -у х/ - тг у

201: 45 8,7 70 391,5 3150 609 75,69 4900 2025

2013 45 8,4 72 378 3240 604,8 70,56 5134 2025

2014 48 8=3 75 398,4 3600 622.5 68,89 5625 2304

2015 51 ЕЛ 74 413,1 3774 599,4 65,61 5476 2601

2016 54 8:0 77 432,0 4158 616 64,0 5929 2916

2017 57 7,9 75 450,3 4275 592.5 62,41 5625 3249

2015 59 7,9 £0 466,1 4720 632 62,41 6400 3481

Итого 57,3 523 2929,4 2(917 4276,2 469,5" 39139 18601

Ср глнгг Ш1Ч 51,3 В,2 74,7 413.5 3845,3 610.5 «7,1 5591,3 2657,3

Рассчитаем коэффициент корреляции для выявления тесноты связи между результативным признаком и первым фактором:

Значение коэффициента множественной корреляции между результативным признаком и первым фактором показало обратную и тесную связь между надоем молока на 1 корову и поголовьем коров.

На следующем этапе рассчитаем коэффициент множественной корреляции для выявления тесноты связи между результативным признаком и вторым фактором:

Значение коэффициента множественной корреляции между результативным признаком и вторым фактором показало прямую и тесную связь между надоем молока на 1 корову и энерговооруженностью.

Далее произведем расчет коэффициента множественной корреляции по выяснению тесноты связи между факторами, оказывающими влияние на результативный признак:

Значение коэффициента множественной корреляции показало обратную и при этом тесную связь между посевной площадью и энерговооруженностью.

Московский экономический журнал №6 2020

Результаты исследования

Сгруппируем коэффициенты множественной корреляции в форме матрицы (таблица

3).

Таблица 3 - Матрица коэффициентов множественной корреляции

Показатель У Ч Х2

V 1

и -0=96 1

Х2 0,78 -0:9б 1

В завершение исследования произведем расчет совокупного коэффициента корреляции по определению тесноты связи между результативным признаком и факторами:

Г

я,

ГУХ± +ГУХ2-2:<?Уа-Г* ?У.У5

1-г

= 0.98

Х±х 2

В завершение исследования проведем регрессионный анализ методом множественной регрессии и корреляции. Модель множественной регрессии с использованием двух факторов имеет вид:

где а - свободный член уравнения,

Ь1 и Ь2 - коэффициенты уравнения множественной регрессии (параметры уравнения регрессии), показывающие, на сколько единиц в среднем изменится результативный признак при изменении фактора на одну единицу.

Для того, чтобы определить параметры уравнения множественной регрессии необходимо решить систему уравнений:

п п п

п * а + + Ь2* ^.ЯГ, = ^ ]

п п п п

а -

^ Х1 4- Ъ1 * ^ х\ + Ь3 * * Х2) = ^(Г *

11 п

а * + Ъ1 * * +

п п

ь, * ^Г х^ = ^0' *х2)

Исходные данные для решения системы уравнений возьмем из таблицы 2. Далее подставим в систему уравнений данные рабочей таблицы:

7 * а * 57,3 а *

а + Ь± * 57,3 + + Ъ± * 469,57 + Ь

523 +Ь± * 4276,2

Ь2* 523 = 359 + Ь2 * 4276,2 = 2929,4 + Ь7 * 39139 = 26917

Московский экономический журнал №6 2020

Чтобы определить параметры уравнения множественной регрессии используем метод Гаусса. По результатам расчета получаем значения параметров:

а = 124.662

Ы =-

íb =

13.206 0.465

Сделаем проверку по каждому году исследования:

У м 1 jf?! ■ х1 4- Ь2 ■

1)42 = 124,662 4- (—13,206) ■ 8.7 4 - 0,465 70

2)42 = 124,662 4- (—13,206) ■ 8,4 4 0,465 72

3) 50 - 124,662 4- (—13,206) ■ 8,3 4 - 0,465 75

4) 52 = 124,662 4- (-13,206) ■ 8,14 - 0,465 74

5) 5 5 = 124,662 + (-13,206) 8.0 4 - 0,465 77

б) 5 5 = 124,662 4- (-13,206) ■ 7,9- Ь 0,465 ■ 75

7) 58 — 124,662 4- (-13,206) -7,9- Ь 0,465 80

На этапе верификации произведем расчет ошибки аппроксимации (таблица 4).

(у - у)

100%

Таблица 4 - Рабочая таблица для определения ошибки апп эоксимации

Годы У У У -у А,

2012 45 42 3 6=7

2013 45 47 -2 4=4

2014 48 50 -2 4=2

2015 51 52 -1 2=0

2016 54 55 -1 1=9

2017 57 55 2 3=5

2018 59 58 1 1=7

Итого X X X 24=4

Среднее значение X X X 3.5

Среднее значение ошибки аппроксимации на уровне 3,5 % свидетельствует об отличном подборе модели к исходным данным.

Выводы

Совокупный коэффициент множественной корреляции подтвердил наличие тесной связи между надоем молока на 1 корову, поголовьем коров и энерговооруженностью. Особое влияние на значение совокупного коэффициента множественной корреляции

оказала обратная и тесная связь между надоем молока на 1 корову и поголовьем коров, а также между поголовьем коров и энерговооруженностью.

Рассчитанные параметры модели множественной регрессии позволили определить регрессионное значение результативного признака. Среднее значение ошибки аппроксимации показало, что регрессионные значения надоя молока на 1 корову отличаются от фактических в среднем на 3,5 %, что показывает отличный подбор модели к статистическим данным.

Список литературы

1. Асриянц К.Г., Багавудинова К.Б. Оценка эффективности реализации целевых программ развития АПК региона // Региональные проблемы преобразования экономики. - 2016. - № 12. - С. 39 - 48.

2. Зубарева Ю.В. Приоритетные направления реализации государственной программы развития АПК в Тюменской области // Агропродовольственная политика России. - 2016. -№ 11. - С. 10 - 12.

3. Соловьева Т.Н., Мусьял А.В. Инвестиционная привлекательность сельского хозяйства // Вестник Курской государственной сельскохозяйственной академии. - 2016. - № 8. - С. 14 - 18.

4. Cermak M. и др. Price volatility modeling - wheat: GARCH model application/ Cermak M., Malec K., Maitah M. // Agris On-line Papers in Economics and Informatics. - 2017. - № 4. -P.15 - 24.

5. Determinants of Albanian agricultural export: the gravity model approach / Braha K., Qineti A., Cupak A., Lazorcakova E. // Agris On-line Papers in Economics and Informatics. - 2017. -№ 2. - P.3 - 21.

6. Tymoseenko M., Golovach K. Modeling of the prospects for sustainable development of agricultural territories by the Bayesian networks // Management Theory and Studies for Rural Business and Infrastructure Development. - 2018. Vol. 40, - № 2. - Р. 263-273.

References

1. Asriyants K. G., K. B. Bagaudinova assessment of the effectiveness of implementation of targeted programs of agricultural development of the region // Regional problems of transformation of the economy. - 2016. - No. 12. - P. 39 - 48.

2. Zubareva Priority directions of implementing the state program of agricultural development in Tyumen region // agricultural and food policy of Russia. - 2016. - No. 11. - S. 10 - 12.

3. Solov'eva T. N., Musial A. B. Investment attractiveness of agriculture // Bulletin of the Kursk state agricultural Academy, 2016, no. 8, Pp. 14-18.

4. Cermak M. u gp. Price volatility modeling - wheat: GARCH model application/ Cermak M., Malec K., Maitah M. // Agris On-line Papers in Economics and Informatics. - 2017. - № 4. -P.15 - 24.

5. Determinants of Albanian agricultural export: the gravity model approach / Braha K., Qineti A., Cupak A., Lazorcakova E. // Agris On-line Papers in Economics and Informatics. - 2017. -№ 2. - P.3 - 21.

6. Tymoseenko M., Golovach K. Modeling of the prospects for sustainable development of agricultural territories by the Bayesian networks // Management Theory and Studies for Rural Business and Infrastructure Development. - 2018. Vol. 40, - № 2. - P. 263-273.