CC BY
51
УДК 519.865.3:332.362:551.58
DOI: 10.24411/2587-6740-2019-11587
ИННОВАЦИОННАЯ МОДЕЛЬ ЧАСТИЧНОГО РАВНОВЕСИЯ В ПРИЛОЖЕНИИ К АНАЛИЗУ ЭФФЕКТОВ ИЗМЕНЕНИЯ КЛИМАТА
Н.М. Светлов, Е.А. Шишкина
Всероссийский институт аграрных проблем и информатики имени А.А. Никонова — филиал ФГБНУ «Федеральный научный центр аграрной экономики и социального развития сельских территорий — Всероссийский научно-исследовательский институт экономики сельского хозяйства», г. Москва, Россия
Дано концептуальное описание нового инструментального средства сценарного анализа влияния различных факторов на сельское хозяйство России в региональном разрезе — PF+PE-модели частичного равновесия на рынках сельскохозяйственной продукции субъектов Российской Федерации. Разработана методология его применения для сценарного анализа влияния изменения климата на производство сельскохозяйственной продукции в регионах России. В разрезе субъектов федерации проверены гипотезы об отсутствии такого влияния на производство зерна, семян подсолнечника, скота и птицы, молока, остальной продукции сельского хозяйства. Гипотезы отклонены в пользу гипотезы о росте производства, в порядке перечисления продуктов, для 26, 27, 19, 13 и 21 региона из 78 учтенных в модели, в пользу гипотезы о сокращении производства, соответственно, для 6, 1, 13, 19 и 11 регионов. В целом по России влияние изменений климата на производство оценивается как незначительное, при этом направленность его положительна для всех отраслей, кроме молочной.
Ключевые слова: изменение климата, сценарный анализ, РР+РЕ-модель, частичное равновесие, зерно, молоко, скот и птица, подсолнечник, сельское хозяйство.
Введение
Известно [1], что сельское хозяйство проигрывает другим отраслям экономики по двум причинам: длительность оборота капитала и риски зависимости от климатических условий. В настоящее время климатические условия больше не могут считаться практически неизменными, и вторая причина постепенно выходит на первый план. При таких обстоятельствах сельское хозяйство должно быть вооружено соответствующими инструментальными средствами, позволяющими заранее оценивать изменения на рынках, предстоящие в связи с изменением климата.
В [14] представлено исследование последствий изменения климата для сельского хозяйства России, проведенное при помощи математической модели его территориально-отраслевой структуры. В ней изменение климата выражено через смещение географического положения природно-сельскохозяйственных зон. В отличие от традиционной методики, учитывающей влияние изменений температуры и увлажнения на урожайности, такой подход воспроизводит изменения во всем биоценозе — например, в почвах, в географии распространения симбионтов, вредителей, болезней сельскохозяйственных культур и др. Однако модели [14] присуще существенное ограничение: цены сельхозпродукции предполагаются в ней постоянными.
Для учета изменений в ценах необходимо использовать модели равновесия — либо общего, либо частичного. В мировой практике такие модели широко применяются для изучения экономических последствий изменения климата [13, 12, 10]. Однако они затрудняют зональный подход к представлению климатических изменений. Кроме того, вычислимые модели общего равновесия трудно детализировать. Как правило, вся продукция сельского хозяйства представляется
в них в стоимостной форме без подразделения по видам. В моделях частичного равновесия (далее — ч.р.) вызывает нарекания достоверность параметрических многомерных функций спроса и предложения, которые в них используются. Альтернативный подход опирается на системы моделей математического программирования [3, 8, 7], но он трудоемок, ограничен в возможностях отражения межрегиональной конкуренции и, подобно [14], не воспроизводит влияние происходящих изменений на цены.
В данной статье для изучения эффектов изменения климата используется разработанная нами инновационная модель ч.р. (РР+РЕ-модель), в которой параметрическая функция предложения заменяется моделью территориально-отраслевой структуры сельского хозяйства России, ранее использовавшейся в [14]. Полученная таким путем модель объединяет оба подхода, о которых шла речь выше — моделирование ч.р. и математическое программирование — в единый целостный инструмент, совмещающий преимущества обоих подходов и освобожденный от их самых существенных недостатков.
Главные результаты компьютерного эксперимента, поставленного на этой модели, ранее уже публиковались [4]. Цель данной статьи — более подробно раскрыть архитектуру примененной модели, а также обсудить выявленное влияние изменения климата на объемы производства сельхозпродукции в субъектах федерации: в [4] анализ представлен только на федеральном уровне и сконцентрирован на вопросах внешней торговли.
Гипотезы исследования
В данном исследовании использован тот же сценарий климатических изменений, что и в [14]. Этот сценарий, если его рассматривать без учета конкуренции, благоприятен для сельско-
го хозяйства: природно-сельскохозяйственные зоны с достаточным увлажнением смещаются на север и северо-восток вследствие расширения наиболее благоприятной из них, в настоящее время расположенной на Кубани. Положение зон с недостаточным увлажнением остается прежним. Таким образом, ареалы экономически выгодного возделывания культур с высокой добавленной стоимостью расширяются.
Однако такие изменения могут подорвать укоренившиеся системы ведения сельского хозяйства. Во-первых, пока не завершится длительный процесс приспособления материально-технической базы к новым условиям, даже благоприятные изменения климата способны причинять ущерб. Во-вторых, регион, ранее имевший сравнительное преимущество в производстве определенного продукта, может его утратить даже в том случае, если природные условия производства этого продукта на его территории улучшатся. Это связано не только с тем, что они улучшатся и в других регионах, ресурсная база которых лучше подойдет к новым условиям, но и с положением региона на транспортной карте страны. В-третьих, изменение климата не сопровождается ростом спроса на продукцию сельского хозяйства. Перечень причин противоречивого влияния любых изменений климата на сельское хозяйство продолжен в [11].
Итак, теоретические соображения допускают, что улучшение природных условий сельского хозяйства может не обернуться подъемом, а в некоторых случаях даже привести к замедлению роста производства. Поэтому вопрос о последствиях изменений климата невозможно решить без количественных исследований, учитывающих особенности каждого региона страны, и особое внимание следует обратить на обретение или утрату конкурентных преимуществ отдельными регионами. В [14] такие преимущества находятся в центре внимания,
но отсутствие возможности учесть изменение цен способно исказить картину территориальных сдвигов производства. Вот почему нужен новый инструментарий, дающий уточненные оценки.
Эффект, который мы намерены обнаружить в данной статье для каждого из 78 субъектов Российской Федерации, учтенных в математической модели — это рост или снижение, вследствие влияния изменений климата, производства каждого из пяти продуктовых агрегатов: зерна, семян подсолнечника, скота и птицы, молока, остальной продукции сельского хозяйства. Соответственно, гипотезы об отсутствии эффекта (нулевые) предполагают отсутствие изменений в производстве продукции каждого вида вследствие сценарного изменения климата. Эти гипотезы могут быть отклонены в пользу одной из двух альтернативных гипотез: о положительном или об отрицательном влиянии изменения климата на производство продукции.
Методика исследования
Новизна PF+PE-модели (production frontier + partial equilibrium — граница производственных возможностей + частичное равновесие), положенной в основу данного исследования, заключается в том, что в ней использован намного более точный прием отражения зависимости предложения от цены, чем в традиционных моделях ч.р. Предложение товара выводится из оптимального плана производителя. Такая модель содержит данные непосредственно о ресурсах, используемых для сельскохозяйственного производства, что не только выводит ее точность на принципиально новый уровень в сравнении с обычными моделями ч.р., но позволяет исследовать изменение равновесия на каждом рынке под влиянием каждого ресурса. Именно это свойство позволяет нам по-новому подойти к описанию сценария изменения климата, включив в модель ч.р. сценарий, изначально разработанный для модели оптимального планирования. По сути, для каждого региона сценарий изменения климата описывается как изменение объема ресурсов (пашни и сельхозугодий в целом), относящихся к тем или иным природно-сельскохозяйственным зонам.
Основная трудность, возникающая при попытке включить в модель ч.р. задачу об оптимальной производственной программе, описывается в курсе микроэкономики. Математическая задача, полученная таким способом — это задача об установлении монопольных цен. Ее оптимальное решение — это максимум прибыли монополиста, способного установить цены, которые максимально выгодны для него. Но сельское хозяйство не является монополией.Сельхозпроизводители не в состоянии диктовать цены покупателям — они торгуют по ценам, которые складываются на рынках. Такому положению содействует, наряду с объективным фактором — многочисленностью конкурирующих между собой поставщиков сельхозпродукции — антимонопольное законодательство, ставящее вне закона соглашения о контроле над ценами.
Для преодоления этой трудности требуется особый подход, совсем недавно разработанный в ЦЭМИ РАН [5, 6]. Этот прием, основанный на теории двойственности в линейном программировании, позволяет получить решение не для монопольных, а для конкурентных цен. В соответствии с ним вся модель представляет собой единую задачу нелинейного программирования, и вычисляемое равновесие соответствует заложенным в нее данным точно, а не в некотором приближении. Архитектура модели представлена на рисунке.
Числовая модель данного типа построена впервые, и это сразу сделано для такого сложного объекта, как Российская Федерация. Модель описывает одновременно 400 внутренних рынков продукции сельского хозяйства, для каждого из которых получает равновесное решение, и 7 внешнеторговых рынков: 3 рынка импорта и 4 рынка экспорта. Из 400 внутренних рынков 320 связаны четырьмя транспортными задачами. Учтены различия в природных условиях между 12 природно-сельскохозяйственными зонами.
Для четырех продуктов (зерно, семя подсолнечника, скот и птица, молоко) и каждого субъекта федерации в модели строится продуктовый баланс, включающий производство (кроме Москвы и Санкт-Петербурга); потребление; ввоз и
Рис. Архитектура модели частичного равновесия на сельскохозяйственных рынках субъектов федерации
вывоз. В балансе зерна учитывается также его расход на пополнение ресурсов зернофуража.
Производство ограничивается наличием в регионе ресурсов: пашни (в разрезе природно-сельскохозяйственных зон); всех сельхозугодий (аналогично); основных средств (по балансовой стоимости на начало года); оборотных средств (могут пополняться за счет краткосрочного кредита); работников, занятых в сельском хозяйстве; поголовья сельскохозяйственных животных в пересчете на крупный рогатый скот; зернофуража (может пополняться за счет производства зерна). Данные о ресурсах, кроме земельных, основаны на сводной отчетности сельхозорганизаций по субъектам федерации с применением в необходимых случаях поправочных коэффициентов, учитывающих оценочную долю сельхозорганизаций в ресурсном потенциале сельского хозяйства. По сельхозугодьям и отдельно по пашне использованы данные ЕМИСС об их общей площади по всем типам хозяйств. Цены в каждом регионе определены как отношение зафиксированной статистикой выручки сельхозорганизаций от продаж данного продукта к проданному объему. Данные о внешней торговле взяты из базы данных ФАО. Более подробно использованные источники данных описаны в [14].
Продовольственные и ресурсные балансы строятся для пяти исходов случайных условий (погодных и экономических), образцами для которых служат условия, имевшие место в период 2011-2015 гг. Предполагается, что сельхозпроизводители выбирают производственную программу таким образом, чтобы максимизировать математическое ожидание маржинального дохода (выручки за вычетом производственных затрат без амортизации и затрат на перевозку продукции) с учетом равной вероятности возникновения условий каждого из этих лет.
Гипотезы исследования проверяются следующим образом. Вначале определяются ч.р. на рынках, включенных в модель, для каждого из двух сценариев: существующего и изменившегося климата. Оба эти сценария описаны и обоснованы в [14]. Здесь мы остановимся только на различиях между ними. Для получения сценария изменившегося климата в каждом субъекте федерации 30% площади каждой природно-сель-скохозяйственной зоны с достаточным увлажнением (кроме самой теплой из них) замещается площадью ближайшей более теплой зоны. Затем, если объем производства продукта в субъекте федерации одинаков в обоих сценариях, принимается нулевая гипотеза (об отсутствии эффекта). В противном случае она отклоняется в пользу гипотезы о росте либо сокращении производства вследствие изменения климата. Сценарии считаются детерминированными, в силу чего выводы по проверке гипотез относятся только к исследуемой паре сценариев.
Заметим, что сравнение результатов моделирования для сценария изменившегося климата с фактическими данными некорректно, так как фактическое состояние аграрных рынков, как правило, не является равновесным в анализируемом горизонте времени. Чтобы было достигнуто равновесие для сценария фактического климата, хозяйственные условия периода, данные которого использованы в модели, должны оставаться неизменными примерно в течение 5 лет: за это время сельхозпроизводители и рынки могли бы адаптироваться к ним в той степени, которая соответствует сценарию.
МЕЖДУНАРОДНЫЙ СЕЛЬСКОХОЗЯЙСТВЕННЫЙ ЖУРНАЛ № 5 (371) / 2019
Результаты исследования
Результаты тестирования гипотез исследования сведены в таблице 1.
По зерну нулевая гипотеза об отсутствии влияния изменений климата не отклонена для 42 субъектов федерации, отклонена в пользу роста для 26, где совокупный прирост составляет 551 тыс. т в год, и в пользу снижения для 6, где суммарное сокращение достигает 120 тыс. т. Итак, только благодаря изменению климата, без привлечения дополнительных ресурсов (кроме приращения краткосрочных кредитов, выдаваемых на коммерческих условиях, на 9,7 млрд руб.), страна может получать ежегодную прибавку в 430 тыс. т зерна. Это, безусловно, положительное изменение, но в масштабах страны оно невелико — всего лишь 0,5%. Для тех регионов, где прирост наибольший, его размер представлен в таблице 2. В таблице 3 представлены данные о спаде производства зерна вследствие сценарного изменения климата в тех 6 регионах, где он ожидается согласно результатам моделирования.
По подсолнечнику гипотеза об отсутствии влияния изменений климата не отклонена для 30 субъектов федерации. В 27 субъектах производство семян подсолнечника возрастает (совокупный прирост в годовом исчислении составит
114 тыс. т), в одном — Тюменской области — сокращается на пренебрежимо малую величину. Относительный прирост производства подсолнечника в стране, обусловленный фактором изменения климата, составляет 2,1%. Десятка регионов с наибольшим абсолютным приростом производства представлена в таблице 2.
Гипотеза о том, что изменение климата не повлияет на объем производства молока, не отклонена для 46 субъектов федерации. Для 13 субъектов она отклонена в пользу роста производства (в сумме на 58 тыс. т в год), еще для 19 — в пользу его сокращения (в сумме на 132 тыс. т). Итак, в отношении молока мы наблюдаем один из теоретически предсказанных парадоксальных эффектов более благоприятного климата — сокращение производства на 73 тыс. т в год, или на 0,2%. В данном случае его причина в углублении специализации: в условиях климата, благоприятствующего производству зерна и семян подсолнечника, сельское хозяйство перестраивается таким образом, чтобы извлечь максимум возможного из культур, по которым появляются сравнительные конкурентные преимущества, отказываясь (частично) от продукции, по которой такие преимущества проявляются в меньшей степени. Сокращение производства компенсируется ро-
стом импорта молочной продукции в пересчете на молоко [4, табл. 2].
Данные о росте производства молока под влиянием изменения климата в тех десяти регионах, где этот рост наибольший, представлены в таблице 4, а о его сокращении там, где оно наибольшее — в таблице 5. Выделить один наиболее значимый фактор, обусловивший попадание региона в ту или иную таблицу, не удается: ни географическое положение, ни специализация, ни размер производства не являются определяющим фактором. На деле таковыми оказываются пропорции, в которых соотносятся друг с другом ресурсы, учитываемые моделью, а также транспортная доступность для ввоза продукции (в том числе импортной) и ее вывоза на наиболее емкие рынки.
На объемы производства скота и птицы сценарное изменение климата не влияет в тех же 46 субъектах федерации, где не выявлено аналогичное влияние на производство молока. Но в пользу роста производства эта гипотеза отклоняется в 19 субъектах федерации, а в пользу его сокращения — в 13. Там, где выявлен прирост, его суммарный объем составляет 39 тыс. т в год. Сокращение в сумме составляет 12 тыс. т в год. Общий баланс влияния изменений климата на производство скота и птицы
Таблица 1
Результаты тестирования нулевых гипотез об отсутствии влияния изменений климата на объемы производства сельскохозяйственной продукции
Нулевая гипотеза отклоняется в пользу гипотезы о падении производства Нулевая гипотеза не отклоняется Нулевая гипотеза отклоняется в пользу гипотезы о росте производства
Зерно Ивановская, Томская, Вологодская, Свердловская, Кировская, Тюменская Краснодарский, Ростовская, Ставропольский, Алтайский, Воронежская, Татарстан, Волгоградская, Омская, Белгородская, Саратовская, Тамбовская, Башкортостан, Оренбургская, Новосибирская, Курганская, Самарская, Челябинская, Мордовия, Кабардино-Балкарская, Северная Осетия-Алания, Удмуртская, Адыгея, Чувашская, Калининградская, Карачаево-Черкесская, Калмыкия, Дагестан, Чеченская, Марий Эл, Забайкальский, Хакасия, Ленинградская, Бурятия, Ингушетия, Новгородская, Астраханская, Еврейская а.о., Хабаровский, Тыва, Саха, Алтай, Камчатская Рязанская, Нижегородская, Приморский, Псковская, Амурская, Брянская, Тверская, Красноярский, Владимирская, Пермский, Иркутская, Ярославская, Московская, Архангельская, Липецкая, Костромская, Смоленская, Курская, Калужская, Кемеровская, Тульская, Орловская, Карелия, Коми, Пензенская, Ульяновская
Семя подсолнечника Тюменская Краснодарский, Воронежская, Ростовская, Саратовская, Самарская, Волгоградская, Тамбовская, Ставропольский, Оренбургская, Белгородская, Алтайский, Башкортостан, Пензенская, Ульяновская, Татарстан, Челябинская, Адыгея, Новосибирская, Омская, Мордовия, Кабардино-Балкарская, Карачаево-Черкесская, Курганская, Чеченская, Калмыкия, Ингушетия, Дагестан, Северная Осетия-Алания, Чувашская, Хакасия Нижегородская, Тверская, Брянская, Рязанская, Амурская, Псковская, Приморский, Владимирская, Ярославская, Смоленская, Костромская, Московская, Ивановская, Калужская, Тульская, Липецкая, Курская, Иркутская, Пермский, Орловская, Красноярский, Свердловская, Архангельская, Вологодская, Кемеровская
Молоко Липецкая, Смоленская, Коми, Пермский, Амурская, Тверская, Приморский, Ивановская, Карелия, Архангельская, Псковская, Иркутская, Ярославская, Брянская, Свердловская, Владимирская, Московская, Рязанская, Нижегородская Татарстан, Башкортостан, Алтайский, Краснодарский, Ростовская, Саратовская, Оренбургская, Воронежская, Омская, Дагестан, Удмуртская, Новосибирская, Ставропольский, Ленинградская, Белгородская, Волгоградская, Челябинская, Кабардино-Балкарская, Чувашская, Мордовия, Самарская, Забайкальский, Курганская, Чеченская, Карачаево-Черкесская, Тамбовская, Бурятия, Красноярский, Тюменская, Кировская, Вологодская, Томская, Калужская, Кемеровская, Курская, Тульская, Костромская, Орловская, Пензенская, Ульяновская
Скот и птица Архангельская, Коми, Псковская, Костромская, Смоленская, Томская, Тульская, Пермский, Приморский, Амурская, Иркутская, Красноярский, Тверская Северная Осетия-Алания, Марий Эл, Хакасия, Саха, Астраханская, Калининградская, Адыгея, Калмыкия, Алтай, Новгородская, Ингушетия, Тыва, Хабаровский, Сахалинская, Мурманская, Камчатская, Еврейская а.о., Магаданская, Чукотский а.о. Московская, Нижегородская, Рязанская, Тюменская, Владимирская, Свердловская, Калужская, Вологодская, Карелия, Ярославская, Липецкая, Ивановская, Курская, Брянская, Кемеровская, Кировская, Орловская, Пензенская, Ульяновская
Остальная сельскохозяйственная продукция Томская, Амурская, Калужская, Псковская, Тюменская, Ярославская, Нижегородская, Владимирская, Брянская, Московская, Рязанская Краснодарский, Татарстан, Воронежская, Ростовская, Башкортостан, Дагестан, Саратовская, Ставропольский, Волгоградская, Ленинградская, Алтайский, Оренбургская, Самарская, Челябинская, Тамбовская, Новосибирская, Омская, Удмуртская, Белгородская, Астраханская, Мордовия, Чувашская, Курганская, Карачаево-Черкесская, Марий Эл, Северная Осетия-Алания, Хабаровский, Кабардино-Балкарская, Саха, Калининградская, Новгородская, Калмыкия, Забайкальский, Адыгея, Чеченская, Бурятия, Алтай, Хакасия, Еврейская а.о., Тыва, Ингушетия Пермский, Иркутская, Красноярский, Свердловская, Архангельская, Кировская, Коми, Карелия, Смоленская, Тверская, Вологодская, Костромская, Курская, Кемеровская, Липецкая, Приморский, Ивановская, Орловская, Тульская, Пензенская, Ульяновская
Примечание: В наименованиях субъектов федерации опущены слова «область», «край», «республика». Субъекты федерации, в которых производство соответствующей продукции отсутствует в обоих сценариях, в таблицу не включены.
положительный: 26 тыс. т в год (0,2% к валовому производству в сценарии нынешнего климата), чему способствует рост производства зерна. Его следствие — некоторое удешевление зернофуража: в масштабе России среднегодовая цена зерна снижается под влиянием меняющегося климата с 8,24 до 8,23 тыс. руб./т. Данные о росте производства скота и птицы под влиянием изменения климата в регионах-лидерах роста представлены в таблице 4, а о его сокращении в регионах-аутсайдерах — в таблице 5.
В отношении остальной продукции сельского хозяйства нулевая гипотеза не отклонена для 41 субъекта федерации. Если добавить к ним 5 субъектов, где такая продукция практически не производится, то опять получим 46 регионов, где не обнаружено влияние изменений климата на производство двух продуктов животноводства. Рост производства остальной продукции
под влиянием изменения климата выявлен в 21 субъекте федерации (на 5,62 млрд руб./год), сокращение — в 11 (на 3,70 млрд руб./год). В итоге получаем прирост на 0,1% к сценарию существующего климата. Детализация выявленных изменений в производстве данной продукции по отдельным регионам представлена в таблицах 4 и 5.
Данные по влиянию изменений климата на финансовый баланс сельского хозяйства страны, экспорт, импорт и внутреннюю торговлю в масштабе России в целом, полученные при помощи того же самого компьютерного эксперимента, представлены в статье [4]. В целом они, как и данные, приведенные выше, свидетельствуют о том, что в масштабах страны чистый (отделенный от любых других факторов) эффект сценарного изменения климата оказывается незначительным.
Обсуждение результатов
Проведенное нами исследование оставило в силе главный вывод статьи [14] о том, что последствия изменения климата на территории России — это вопросы региональной, а не федеральной повестки. Некоторым субъектам федерации придется столкнуться со значительной перестройкой сельского хозяйства, но в других либо вовсе ничего не произойдет, либо изменения будут минимальными. Имеется согласие между результатами двух исследований еще и в том, что в финансовом отношении сельское хозяйство России выигрывает от сценарного изменения климата [4, табл. 4].
Оба исследования — изложенное в данной статье и в [14] — показывают ухудшение сравнительных преимуществ ключевых отраслей животноводства в сравнении с производством зерна и особенно семян подсолнечника
Таблица 2
Десятка регионов-лидеров по абсолютному приросту производства зерна и семян подсолнечника вследствие изменений климата, тыс. т
Ранг Зерно Семя подсолнечника
Область, край Производство при изменении климата Абсолютный прирост Область, край Производство при изменении климата Абсолютный прирост
1 Рязанская 1232,65 79,35 Нижегородская 24,22 21,71
2 Нижегородская 1091,21 70,25 Тверская 13,93 13,57
3 Приморский 269,97 42,77 Брянская 15,09 13,32
4 Псковская 126,46 41,92 Рязанская 42,48 12,88
5 Амурская 329,59 41,34 Амурская 9,66 9,62
6 Брянская 737,39 39,29 Псковская 7,58 7,51
7 Тверская 186,75 36,57 Приморский 7,70 7,44
8 Красноярский 2058,18 33,36 Владимирская 5,77 5,73
9 Владимирская 204,12 31,01 Ярославская 5,26 5,19
10 Пермский 390,25 27,76 Смоленская 4,65 4,31
Таблица 3
Регионы, в которых наблюдается абсолютное снижение производства зерна вследствие изменений климата
Ранг Область Производство при изменении климата Абсолютный прирост
73 Ивановская 124,05 -0,74
74 Томская 275,26 -0,95
75 Вологодская 227,38 -3,71
76 Свердловская 630,65 -6,27
77 Кировская 567,12 -13,13
78 Тюменская 1366,81 -95,50
Таблица 4
Десятка регионов-лидеров по абсолютному приросту производства молока, скота и птицы, остальной продукции сельского хозяйства вследствие изменений климата
Ранг Молоко, тыс. т Скот и птица, тыс. т Остальная продукция, млрд руб.
Область, край Производство при изменении климата Абсолютный прирост Республика, область, край Производство при изменении климата Абсолютный прирост Область, край Производство при изменении климата Абсолютный прирост
1 Красноярский 732,11 26,24 Московская 289,13 8,02 Пермский 25,37 0,78
2 Тюменская 585,76 10,80 Нижегородская 147,49 6,13 Иркутская 25,78 0,72
3 Кировская 532,68 8,78 Рязанская 90,32 5,49 Красноярский 35,82 0,69
4 Вологодская 440,91 8,13 Тюменская 175,18 4,88 Свердловская 30,97 0,67
5 Томская 154,41 0,77 Владимирская 81,94 3,90 Архангельская 8,00 0,54
6 Калужская 230,37 0,76 Свердловская 249,86 3,17 Кировская 14,35 0,41
7 Кемеровская 375,57 0,76 Калужская 101,55 2,48 Коми 6,59 0,41
8 Курская 360,33 0,76 Вологодская 66,47 1,62 Карелия 3,95 0,31
9 Тульская 180,99 0,54 Карелия 12,82 0,83 Смоленская 13,23 0,30
10 Костромская 113,19 0,36 Ярославская 94,44 0,45 Тверская 14,88 0,16
МЕЖДУНАРОДНЫЙ СЕЛЬСКОХОЗЯЙСТВЕННЫЙ ЖУРНАЛ № 5 (371) / 2019
Таблица 5
Регионы-лидеры по абсолютному снижению производства молока, скота и птицы, остальной продукции сельского хозяйства вследствие изменений климата
Ранг Молоко, тыс. т Скот и птица, тыс. т Остальная продукция, млрд руб.
Область Производство при изменении климата Абсолютный прирост Область, край Производство при изменении климата Абсолютный прирост Область Производство при изменении климата Абсолютный прирост
69 Архангельская 114,34 -5,12 Костромская 29,81 -0,35 Амурская 21,39 -0,07
70 Псковская 198,67 -5,74 Смоленская 62,79 -0,47 Калужская 17,61 -0,10
71 Иркутская 449,22 -7,74 Томская 115,07 -0,53 Псковская 7,94 -0,19
72 Ярославская 251,66 -8,32 Тульская 97,58 -1,11 Тюменская 38,15 -0,23
73 Брянская 315,23 -9,69 Пермский 118,92 -1,27 Ярославская 18,18 -0,35
74 Свердловская 608,19 -10,11 Приморский 57,71 -1,38 Нижегородская 36,45 -0,38
75 Владимирская 325,75 -15,17 Амурская 60,01 -1,47 Владимирская 18,73 -0,41
76 Московская 646,74 -18,53 Иркутская 147,13 -1,52 Брянская 25,63 -0,54
77 Рязанская 343,88 -18,78 Красноярский 208,21 -1,60 Московская 57,67 -0,62
78 Нижегородская 587,10 -20,42 Тверская 117,54 -2,11 Рязанская 23,97 -0,81
в случае, если климат будет меняться в согласии со сценарием. Сценарное изменение климата только усилит диспропорции, о которых пишут авторы [2]. Эти диспропорции обусловлены не столько проводимой аграрной политикой, сколько объективно более сложными условиями ведения животноводства в России в сравнении с лидирующими производителями. В их числе необходимость больших запасов кормов на зимний период, неизбежность их частичных потерь, потребность в импортном зерне кукурузы для производства первоклассных комбикормов.
На региональном уровне наблюдаются некоторые расхождения с результатами, представленными в [14]. Так, для всех субъектов федерации, лидирующих в приросте производства какого-либо продукта вследствие изменения климата по данным [14], исследование, представленное выше, тоже отклонило гипотезы о нулевом эффекте в пользу роста производства, но ни один из них не сохранил лидирующую позицию. Аналогично обстоит дело с регионами, лидирующими в снижении производства по данным предшествующего исследования: для каждого из них гипотеза о нулевом эффекте отклонена в пользу снижения, но ни в одном из них оно не стало наибольшим. Причина различий в географии эффектов изменения климата между двумя исследованиями заключается главным образом в том, что модель [14] пренебрегает изменениями цен (в том числе внешнеторговых). Кроме того, в отличие от предшествующего исследования, в используемой нами РР+РЕ-модели подсолнечника, производство которого имеет определенную региональную специфику и играет важную роль в формировании доходов сельского хозяйства, выделено из состава остальной продукции сельского хозяйства. Впрочем, как показано в [4, табл. 3], в среднем по России изменения в ценах из-за климата незначительны, хотя их направленность по всем пяти продуктам, учтенным в модели, одна и та же: в сценарии изменившегося климата они чуть ниже.
Возможно, сельское хозяйство России в большей мере испытает на себе последствия изменения климата на остальной территории планеты, чем на собственной территории. Эти последствия скажутся на внутреннем производстве через изменение внешнеторговых цен. Для того чтобы при моделировании рос-
сийского сельского хозяйства в явном виде учесть этот фактор требуются достаточно надежные оценки изменения мировых цен на важнейшие виды сельхозпродукции при сценарном изменении климата. Эта задача ждет своего решения.
Отчасти адаптационная способность сельского хозяйства России к изменению климата, в том числе за счет перераспределения производства между регионами, объясняется общесистемными закономерностями, присущими большим совокупностям неоднородных объектов, конкурирующих за ресурсы [9] — в данном случае совокупности сельхозтоваропроизводителей. Следует, однако, заметить, что в [9] отрицательное влияние климата на сельское хозяйство предполагается априори, тогда как в данной статье рассматривается сравнительно благоприятный сценарий.
Выводы
Проведенное исследование внесло вклад в науку в двух направлениях: методологическом и прикладном. В плане развития методологии впервые в мировой практике разработана, отлажена и доведена до практического применения модель ч.р. на сельскохозяйственных рынках России, имеющая инновационную архитектуру. Эта архитектура позволяет вводить в модель описание сценария изменения климата в форме изменения географического положения природно-сельскохозяйственных зон. Ее создание стало возможным благодаря заделу в двух различных направлениях научных исследований: созданию в 2017 г. в ВИАПИ имени А.А. Никонова модели территориально-отраслевой структуры сельского хозяйства России, вошедшей в расширенной форме в состав новой модели, и разработанному годом позже в ЦЭМИ РАН методу построения и решения РР+РЕ-моделей.
В прикладном плане получены обновленные и уточненные оценки географии влияния изменения климата (согласно принятому в данном исследовании сценарию) на объемы производства зерна, семян подсолнечника, скота и птицы, молока, остальной продукции сельского хозяйства в разрезе субъектов Российской Федерации. Для каждого из 78 субъектов федерации, представленных в модели и охватывающих всю территорию страны, кроме Крыма и городов, имеющих статус субъектов федера-
ции, проверены (в детерминистической трактовке) гипотезы об отсутствии влияния климата на производство каждого из этих продуктов. Обобщенные характеристики полученных результатов согласуются с предшествующим исследованием [14]: в частности, в целом для сельского хозяйства страны и для внешней торговли продукцией сельского хозяйства эффект сценарного изменения климата положителен, но малосущественен; производство молока в России в сценарии изменившегося климата немного меньше, чем в сценарии фактического климата, а по остальным видам продукции — немного больше; по каждому виду продукции значительная часть субъектов федерации (чуть более половины) не подвергнется влиянию сценарных изменений климата, а во многих из оставшихся это влияние будет невелико; за исключением семян подсолнечника, по каждому виду продукции найдутся не только субъекты федерации, которые увеличат производство, но и такие, где оно сократится.
География положительных и отрицательных эффектов изменения климата в отношении производства зерна, скота и птицы, молока уточнена в сравнении с [14]. В частности, наибольшие приросты производства в сценарии изменившегося климата по сравнению со сценарием фактического климата ожидаются в Рязанской области (зерно), Нижегородской области (семя подсолнечника), Красноярском крае (молоко), Московской области (скот и птица) и Пермском крае (остальная продукция сельского хозяйства). Наибольшее снижение производства угрожает Тюменской (зерно), Нижегородской (молоко), Тверской (скот и птица), Рязанской (остальная продукция) областям.
Литература
1. Голубев А.В. Технология отраслей как стимул аграрного развития // АПК: экономика, управление. 2019. № 3. С.28-34.
2. Крылатых Э.Н., Белова Т.Н. Экспорт российского зерна в контексте формирования региональной экономической политики // Экономика региона. 2018. № 3. С. 778-790.
3. Романенко И.А. Проектирование эффективного сельского хозяйства с учетом агропотенциала // Экономика сельского хозяйства России. 2014. № 1. С. 59-65.
4. Светлов Н.М. Влияние изменения климата на сельскохозяйственную торговлю России // Обзор
торговой политики в странах Европы и Центральной Азии / РАО. 2019, май. № 49. С. 7-10. Ж: http://www.fao. огд/3/са5068ги/са5068ги.р<^
5. Светлов Н.М. Непараметрическое представление границы производственных возможностей в модели частичного равновесия // Экономика и математические методы. 2019. № 4.
6. Светлов Н.М. Способ включения непараметрической границы производственных возможностей в модель частичного равновесия // Формирование организационно-экономических условий эффективного функционирования АПК: сборник научных статей 11-й Международной научно-практической конференции / редкол.: Г.И. Гануш и др. Минск: БГАТУ, 2019. С. 371-376.
7. Сиптиц С.О., Романенко И.А., Евдокимова Н.Е. Методологические подходы к моделированию адаптации
сельского хозяйства к долгосрочным климатическим изменениям // Экономика сельского хозяйства России. 2019. № 2. С. 60-66.
8. Сиптиц С.О., Романенко И.А., Евдокимова Н.Е. Размещение аграрного производства как механизм адаптации к климатическим изменениям // Экономика сельского хозяйства России. 2018. № 5. С. 71-76.
9. Сиптиц С.О., Романенко И.А., Евдокимова Н.Е. Це-нологический метод для оценки адаптивной реакции сельскохозяйственных товаропроизводителей на долгосрочные климатические изменения // Международный сельскохозяйственный журнал. 2019. № 2. С. 39-43.
10. Чугункова А.В., Пыжев А.И., Пыжева Ю.И. Влияние глобального изменения климата на экономику лесного и сельского хозяйства: риски и возможности // Актуальные проблемы экономики и права. 2018. № 3. С. 523-537.
11. lizumi T., Ramankutty N. How do weather and climate influence cropping area and intensity? Global food security. 2015. No. 4. Pp. 46-50.
12. Kang Y., Khan S., Ma X. Climate change impacts on crop yield, crop water productivity and food security — a review. Progress in Natural Science. 2009. Vol. 19. Pp. 1665-1674.
13. M'barek R., Britz W., Burrell A., DelinceJ. An integrated modelling platform for agro-economic commodity and policy analysis (iMAP) — a look back and the way forward. European Commission: Joint Research Centre, 2012. 91 p.
14. Svetlov N.M., Siptits S.O., Romanenko I.A., Evdokimova N.E. The effect of climate change on the location of branches of agriculture in Russia. Studies on Russian economic development. 2019. No. 4. Pp. 406-418.
Об авторах:
Светлов Николай Михайлович, доктор экономических наук, профессор, главный научный сотрудник, ORCID: http://orcld.org/0000-0001-6906-6129, Researcher ID: G-8621-2018, nlkolai.svetlov@gmail.com Шишкина Екатерина Алексеевна, младший научный сотрудник, ORCID: http://orcid.org/0000-0002-2553-5461, Researcher ID: G-8611-2018, ekaterinashi@rambler.ru
AN INNOVATIVE PARTIAL EQUILIBRIUM MODEL APPLIED TO THE ANALYSIS OF EFFECTS OF CLIMATE CHANGE
N.M. Svetlov, E.A. Shishkina
All-Russian institute of agrarian problems and informatics named after A.A. Nikonov — branch of the FSBSI "Federal research center of agrarian economy and social development of rural areas — All-Russian research institute of agricultural economics'; Moscow, Russia
A conceptual description is presented for an novel instrument aimed at scenario analyses of influence of various factors on Russia's agriculture across federal subjects. The instrument is a so called PF+PE (production frontier plus partial equilibrium) model of Russian regional agricultural markets. The methodology of its application to the scenario analysis of climate change influence on the output of agricultural production in the regions of Russia. For each of 78 federal subjects and each of five products (grain, sunflower seed, animals for slaughtering, milk and the remaining agricultural production) the hypotheses are tested about the absence of such influence. These hypotheses are rejected, according to the above list of products, for 26, 27, 19, 13 and 21 federal subjects in favour of the hypothesis about the production growth and for 6, 1, 13, 19 and 11 federal subjects in favour of the hypothesis about the production decline. As for Russia as a whole, the influence of climate change is assessed as minor. Its direction is rather positive for all products but milk.
Keywords: climate change, scenario analysis, PF+PE-model, partial equilibrium, grain, milk, cattle and poultry, sunflower, agriculture.
References
1. Golubev AV. Technology of the branches is as incentive of agrarian development. APK: ekonomika, upravlenie = AIC: economy, management. 2019. No. 3. Pp. 28-34.
2. Krylatykh E.N., Belova T.N. Russian grain exports in the context of regional economic policy. Ekonomika regiona = Economy of region. 2018. No. 3. Pp. 778-790.
3. Romanenko I.A. Design of effective agriculture taking into account agricultural capacity. Ekonomika selskogo khoziajstva Rossii = Economics of Russian agriculture. 2014. No. 1. Pp. 59-65.
4. Svetlov N.M. Influence of climate change on Russia's agricultural trade. Obzor torgovoj politiki v stranakh Evropy i Tsentralnoj Azii = Reviev of trade policy in European and Central Asian countries (FAO). 2019, May. No. 49. Pp. 7-10. URL: http://www.fao.org/3/ca5068ru/ca5068ru.pdf
5. Svetlov N.M. Non-parametric production frontier in a computable partial equilibrium model. Ekonomika i matematicheskie metody = Economics and mathematical methods. 2019. No. 4.
6. Svetlov N.M. A method of inclusion of non-parametric production frontier into a partial equilibrium model. Forming organizational and economic conditions for effective operation of AIC: proceedings of 11th international scientific and practical conference. G.I. Ganush et al., eds. Minsk, 2019. Pp. 371-376.
7. Siptits S.O., Romanenko I.A., Evdokimova N.E. Methodological approaches to modeling the adaptation of agriculture to long-term global climatic changes. Ekonomika selskogo khoziajstva Rossii = Economics of Russian agriculture. 2019. No. 2. Pp. 60-66.
8. Siptits S.O., Romanenko I.A., Evdokimova N.E. Allocation of agrarian production as a mechanism of adaptation to climate changes. Ekonomika selskogo khoziajstva Rossii = Economics of Russian agriculture. 2018. No. 5. Pp. 71-76.
9. Siptits S.O., Romanenko I.A., Evdokimova N.E. The cenological method for estimating the adaptive reaction of agricultural producers to long-term climate change. Mezh-dunarodnyj selskokhozyajstvennyj zhurnal = International agricultural journal. 2019. No. 2. Pp. 39-43.
10. Chugunkova AV., Pyzhev A.I., Pyzheva Yu.I. Influence of global climate change on economy of forestry and agriculture: risks and opportunities. Aktualnye problemy ekonomiki i prava = Current problems of economy and law. 2018. No. 3. Pp. 523-537.
11. Iizumi T., Ramankutty N. How do weather and climate influence cropping area and intensity? Global food security. 2015. No. 4. Pp. 46-50.
12. Kang Y., Khan S., Ma X. Climate change impacts on crop yield, crop water productivity and food security — a review. Progress in Natural Science. 2009. Vol. 19. Pp. 1665-1674.
13. M'barek R., Britz W., Burrell A., Delincé J. An integrated modelling platform for agro-economic commodity and policy analysis (iMAP) — a look back and the way forward. European Commission: Joint Research Centre, 2012. 91 p.
14. Svetlov N.M., Siptits S.O., Romanenko I.A., Evdoki-mova N.E. The effect of climate change on the location of branches of agriculture in Russia. Studies on Russian economic development. 2019. No. 4. Pp. 406-418.
About the authors:
Nikolai M. Svetlov, doctor of economic sciences, professor, chief researcher, ORCID: http://orcid.org/0000-0001-6906-6129, Researcher ID: G-8621-2018, nikolai.svetlov@gmail.com
Ekaterina A. Shishkina, junior researcher, ORCID: http://orcid.org/0000-0002-2553-5461, Researcher ID: G-8611-2018, ekaterinashi@rambler.ru
nikolai.svetlov@gmail.com
