CC BY
14
ИСПОЛЬЗОВАНИЕ КЛАСТЕРНОГО ПОДХОДА ПРИ ПРОГНОЗИРОВАНИИ УРОЖАЙНОСТИ
ЗЕРНОВЫХ КУЛЬТУР
Гусманов Р.У., д.э.н., проф., председ. КГ Собрания - Курултая Республики Башкортостан, Стовба Е.В., к.э.н., доц. Бирского филиала Башкирского государственного университета. Низомов С.С., к.э.н., вед. специалист-эксперт Министерства сельского хозяйства Республики Башкортостан
В настоящее время среди представителей мирового научного сообщества растет понимание кластерной философии, и сами кластеры становятся ключевой составляющей национальных стратегических планов развития экономики. Применение кластерного подхода является более эффективным при условии, если сгруппированные кластеры вписаны в более широкий контекст стратегии развития региональной экономики.
Как показывает мировая практика, сформированные кластеры представляют собой инновационный драйвер, мегатренд современной экономики [1, 2]. Регионы, на территории которых формируются кластеры, становятся лидерами экономического развития государства. Так, в американской экономике создано 380 крупнейших кластеров, в которых задействовано 57% всех трудовых ресурсов страны и производится 61% ВВП [3, с. 114]. Согласно проведенным исследованиям 7 из 19 европейских регионов, на территории которых эффективно развиваются кластеры, находятся в тройке инновационно активных регионов [4].
В нашей стране формирование сети территориально-производственных кластеров, реализующих конкурентный потенциал территорий, заявлено в качестве одной из стратегических целей Концепции долгосрочного социально-экономического развития РФ на период до 2020 г. [5]. Применение кластерного подхода позволяет реализовать последовательный переход от «политики выравнивания» к принципу «поляризованного» («сфокусированного») развития российских регионов.
Использование кластерного подхода представляет особый интерес для перспектив развития сельского хозяйства такого региона, как Республика Башкортостан. Формирование кластеров помогает повысить конкурентоспособность производства сельскохозяйственной продукции, расширить номенклатуру реализации продуктов питания и улучшить продовольственное обеспечение населения [6, 7]. Применение методов кластерного анализа определяет рациональное размещение и оптимальное использование имеющегося производственного потенциала агроорганизаций.
Одной из областей практического приложения методов кластерного анализа являет-
ся задача прогнозирования такого результирующего показателя, характеризующего производственную деятельность агроорганизаций, как урожайность сельскохозяйственных культур. Комплексное использование методов статистического моделирования на основе построения эконометрических моделей и последующего применения многомерного статистического анализа позволяет прогнозировать вероятностные значения показателей урожайности сельскохозяйственных культур и объединять агроорганизации в однородные кластеры. На основе применения кластерного подхода нами осуществлено прогнозирование урожайности зерновых культур для агроорганизаций Дюртюлинского района, одного из типичных сельских муниципальных образований Южной лесостепной зоны Республики Башкортостан. Проведение количественного и качественного анализа результатов корреляционно-регрессионного анализа позволяет сформировать линейную функцию, которая наиболее полно соответствует поставленной цели исследования:
Y = 0,514х1 + 0,091х2 + 0,243хз + 0,035х4 + 0,221хз - 12,891, где: Y - урожайность зерновых культур агроор-ганизаций, ц с 1 га; х1 - экономическая оценка пашни, в баллах бонитета; х2 - фондооснащен-ность (стоимость ОПФ сельскохозяйственного назначения в руб. в расчете на 100 га сельхозугодий); х3 - удельный вес семян первой репродукции и элиты в общем объеме посеянных семян зерновых культур, %; х4 - удельная доля семян первой репродукции и элиты в общем объеме посеянных семян зерновых культур, %; х5 - энергообеспеченность (энергетических мощностей в л.с. в расчете на 100 га сельскохозяйственных угодий).
Разработанный нами кластерный подход по прогнозированию урожайности зерновых культур включает следующие составляющие:
- проведение классификационного анализа хозяйств района. При объединении сельскохозяйственных организаций на основе целого ряда показателей в отдельные кластеры используется метод ^средних;
- осуществление многомерной группировки на основе ключевых факторов, влияющих на уровень урожайности зерновых культур.
При проведении кластеризации сельскохозяйственных организаций учитывались результаты корреляционно-регрессионного анализа фактического и прогнозного уровней урожайности зерновых культур. Кластериза-
ция всех зернопроизводящих агроорганизаций Дюртюлинского района позволила выделить один «средний» (I), два «сильных» (III и IV) и один «средний» (II) кластеры (табл. 1).
Таблица 1. Характеристики кластеров по сельскохозяйственным организациям Дюртюлинского района Республики Башкортостан
Показатели Кластеры
I II III IV
Посевная площадь зерновых культур, га 1295 472 2265 1496
Урожайность зерновых культур, ц/га 20,1 10,9 29,4 36,0
Выход зерна в расчете на 100 га пашни, ц 154 353 645 907
Производство зерна в расчете на 1 га сельхозугодий, кг 117 198 522 683
Реализация зерна, тонн 395 921 2656 2558
Выручка от реализации продукции, тыс. руб. 21423 15102 55256 44133
Прибыль от реализации продукции, тыс. руб. 3316 2064 8389 7171
Количество сельскохозяйственных организаций 4 2 8 5
Повышение уровня урожайности зерновых культур определяет формирование позитивных предпосылок для оптимального использования земельных ресурсов и сосредоточения производства товарного зерна в конкретных сельскохозяйственных организациях
рассматриваемого района. Сопоставление расчетных показателей с эмпирическими показателями урожайности зерновых культур показывает, что существуют резервы повышения урожайности в двенадцати агроорганизациях района (табл. 2).
Таблица 2. Фактический и прогнозируемый уровень урожайности зерновых культур в агроорганизациях Дюртюлинского района Республики Башкортостан, ц/га
Кластер Урожайность зерновых культур Сельскохозяйственные организации
Уфакт. У А расч. АУ У А прогн.
I кластер 21,8 21,1 0,7 21,4 ООО «Калинина»
21,0 21,4 -0,4 ООО «Еникеева»
21,1 21,7 -0,6 ООО «ЗАиР Агро»
16,5 17,2 -0,7 ООО «Асян»
II кластер 11,5 11,9 -0,4 11,2 ООО «Асяновское»
10,3 11,0 -0,7 ООО ПЗ «Крупской»
III кластер 34,8 34,9 -0,1 32,7 ООО ПЗ «им. Кирова»
34,1 34,6 -0,5 ООО ПЗ «Нива»
35,5 35,8 -0,3 ООО ПЗ «Валиева»
21,5 21,1 0,4 МУП «Танып»
29,8 30,4 -0,6 ООО ПЗ «Победа»
22,9 23,8 -0,9 ООО ПЗ «Горшкова»
22,8 22,3 0,5 ООО «ДКХП»
33,7 33,2 0,5 ООО ПЗ «Россия»
IV кластер 45,6 43,7 1,9 35,9 ООО ПЗ «Ленина»
30,1 31,7 -1,6 ООО МТС «Дюртюлинская»
32,8 32,1 0,7 ООО «Игенче»
35,6 34,2 1,4 ООО ПЗ «Уныш»
36,0 36,3 -0,3 ООО ПЗ «Чишма»
Согласно проведенным расчетам повышение уровня урожайности зерновых культур в краткосрочной перспективе возможно в пятнадцати хозяйствах района. В остальных сель-
скохозяйственных организациях урожайность зерновых культур снизится.
Таким образом, применение кластерного подхода при прогнозировании урожайности зерновых культур определяет реализацию и приня-
тие стратегически и тактически научно-обоснованных решений по принципу «от настоящего к будущему». Апробация предложенного в статье методического подхода по использованию методов кластерного анализа при прогнозировании зерновых культур для агрооргани-
Источники
1. Brown R. Cluster dynamics in theory and practice with application to Scotland. - Glasgow, 2000.
2. Paija L. The Finnish ICT cluster in the digital economy. - Helsinki, 2001.
3. Хуажева А.Ш., Кетова Н.П. Механизм устойчивого развития регионального агропромышленного комплекса: концептуальное обоснование, формирование территориально-отраслевых кластеров, условия реализации. - Ростов н/Д: Издательство «Содействие - XXI век», 2012. - 288 с.
4. Innobarometer on cluster's role in facilitating innovation in Europe. Analytical Report. - The Gallup Organization Hungary, 2006. - 125 p. (URL:
заций Дюртюлинского района позволяет сделать вывод о целесообразности его использования в других муниципальных образований Республики Башкортостан и субъектов Российской Федерации с аналогичными условиями производства.
http://cordis.europa.eu/innovation/en/policy/innobar ometer.htm).
5. Распоряжение Правительства РФ от 17 ноября 2008 г. № 1662-р «О Концепции долгосрочного социально-экономического развития РФ на период до 2020 года» (URL: http://base.garant.ru/ 194365).
6. Гусманов Р.У., Стовба Е.В., Низомов С.С. Обеспечение продовольственной безопасности региона в условиях импортозамещения // Теория и практика мировой науки. - 2017. - № 11. - С. 17-23.
7. Гусманов У.Г., Гусманов Р.У., Стовба Е.В. Прогнозирование развития агропродовольственной сферы сельских территорий на основе кластерного подхода // Экономика сельского хозяйства России. - 2013. - № 10. - С. 65-72.
ЭФФЕКТИВНОСТЬ ИНДУСТРИАЛЬНО-ТЕХНОЛОГИЧЕСКОЙ МОДЕЛИ КОРПОРАТИВНОГО
ПРОИЗВОДСТВА ЗЕРНА Алимова Г.К.. к.э.н., гендир. ООО «Научно-исследовательский институт интенсивного земледелия и агроинноваций»
В России последние годы наблюдается интенсивный подъем зерновой отрасли. Несмотря на это, риски, вызванные отставанием отечественного производства от передовых стран по уровню технологического развития, еще высоки.
Проблемой современного зернопроиз-водства РФ является умеренная урожайность зерновых культур и низкое качество зерна со слабым выходом продовольственной кондиции (до 25%). В частности, дефицит зерна сильных и высоких кондиций сказывается на качестве хлеба, формируется низкокачественная хлебная продукция с добавлением искусственных улучшителей, что ухудшает качество жизни людей. Причиной такого положения является деградация почвенного плодородия земель сельхозназначения и низкая компетенция массовых сельхозпроизводителей в преодолении природных ограничивающих факторов почвенной среды.
Наша страна обладает высокими естественными преимуществами (более 50% черноземных земель мира), но природные резервы пока недостаточно используются во благо развития сельского хозяйства. В этом контексте предлагаем построение эффективной модели производства зерна с переходом к новому технологическому укладу на аддитивной основе.
Она обуславливает широкое внедрение концепции формирования заданных параметров урожая (ЗПУ) зерновых культур и способна служить драйвером роста аграрной экономики. Это позволяет выделить зерновой пояс на аг-роландшафтной территории страны с уровнем ЗПУ от 30 до 90 ц/га с учетом диверсификации аддитивных технологий для производства продовольственного зерна.
На основании предложенной индустриально-технологической модели производства зерна появилась возможность оценить:
- эффективность генофонда сортов. В госреестре селекционных достижений зарегистрировано более 620 сортов хлебных злаков с различными хозяйственно-ценными признаками. В массовом зернопроизводстве биологическая продуктивность сортов реализована лишь на 25-30%.
- естественный потенциал агроланд-шафта страны. Он колеблется от 30 до 110 ц/га зерновых единиц (з.е.), а на практике его продуктивность реализована от 20 до 40 %. Тогда как аддитивные технологии позволяют приблизиться к реализации возможностей конкретного сорта как биологического ресурса и природного потенциала агроландшафтов страны с учетом их региональных особенностей.
Хозяйственным и экономическим эф-
