CC BY
16УДК 519.237.8:633.1(476.2)
КЛАСТЕРИЗАЦИЯ ЗЕРНОПРОИЗВОДЯЩИХ РАЙОНОВ ГОМЕЛЬСКОЙ ОБЛАСТИ
Н.В. ПАВЛОВЕЦ, аспирантка УО " Белорусская государственная сельскохозяйственная академия"
CLUSTERING OF GRAIN PRODUCING AREAS IN THE GOMEL REGION
N.V PAULAVETS, the post-graduate student The Establishment of education "The Byelorussian state agricultural academy"
В статье приводятся результаты The article produces the results of
исследования факторов, влияющих на research influencing of on the grain
эффективность производства зерна по production efficiency in natural-economic
природно-экономическимусловиям в Го- conditions in the Gomel region. The
мельской области. Исследование прово- research was carried out with the help of
дилось с помощью кластерного и корре- cluster and regression-correlator analysis.
ляционно-регрессионного анализа. В ре- As a result the homogenous groups
зультате выделены и охарактеризованы (strong, middle and weak clusters) were
однородные группы (сильный, средний и sorted out and characterized; was
слабый кластеры), представлено графи- presented a graphic representation of the
ческое изображение результатов процес- consecutive clustering results - the vertical
са последовательной кластеризации - tree diagram, as well as regression model
график вертикальной древовидной диаг- for each cluster. On the base of figures
раммы, а также составлена регресси- resulted after cluster analysis the author
оннаямодель для каждого кластера. На constructs a map of grain producing
основе показателей, полученных в резуль- regions' areas optimal from the point of
тате проведенного кластерного анали- view on economic efficiency of grain
за, была построена оптимальная, с точ- producing. ки зрения экономической эффективности производства зерна, карта зернопро-изводящихрайонов области.
Ключевые слова: кластерный анализ, корреляционно-регрессионный анализ, евклидово расстояние, древовидная диаграмма.
Введение. Зерновое производство является основой аграрного сектора экономики и отраслей АПК. Уровень развития зернового производства традиционно характеризует и определяет социально-политическую и экономическую стабильность в стране, ее продовольственную безопасность, а также является своеобразным индикатором экономического благополучия республики. Именно по показателю абсолютного и душевого производства зерна, размерам переходящих его запасов,
наличию резервных фондов, состоянию зернового рынка можно судить не только об эффективности функционирования экономики агропромышленного комплекса и его отдельных отраслей, но и об уровне жизни населения, экономическом могуществе самого государства [1, с. 7].
В современных условиях использование экономию - математических и экономико-статистических методов позволяет объективно оценить состояние и определить перспективы развития зерновой отрасли. Построение модели - это распространенное средство абстрагирования и упрощения проблемы, позволяющее дать полную и всестороннюю характеристику состояния зернового хозяйства в целом по региону, установить закономерности его развития, что создает научную основу для выработки концептуальной стратегии развития отрасли.
Материалы и методы. Теоретической и методологической основой для написания статьи послужили труды отечественных и зарубежных авторов. Практической - явились статистические данные, годовые отчеты сельскохозяйственных предприятий Гомельской области [2]. Комплексно использовались методы и приемы исследования экономических процессов и явлений: общелогические методы познания (анализ и синтез, сравнение, обобщение), экономико-статистический, экономико -математические и др.
Результаты и предложения. С целью исследования факторов, влияющих на производство зерна в Гомельской области, были выделены и охарактеризованы однородные группы (кластеры) зернопроизводящих районов области по факторам, влияющим на экономическую эффективность производства зерна.
Исследование провели с помощью кластерного и корреляционно-регрессионного анализа с применением пакета SPSS Version 14 [3, с. 25-38].
Методика кластер-процедуры представляет иерархическую древовидную кластеризацию. Задача кластерного анализа заключается в следующем: на основании данных разбить множество объектов на n кластеров так, чтобы каждый объект принадлежал одному и только одному подмножеству разбиения, объекты же, принадлежащие одному и тому же кластеру, были сходными, в то время как объекты, относящиеся к разным кластерам, - разнородными.
Решением задачи кластерного анализа является разбиение, удовлетворяющее некоторому критерию оптимальности.
Для проведения кластерного анализа были выбраны 17 показателей, которые оказывают влияние на производство зерна в области: Xj - урожайность зерновых, ц/га; X2 - качество пашни, балл; X3 - доля прибыль-
ных хозяйств, %; Х4 - стоимость основных фондов на 100 га сельхозугодий, млн/руб.; Х5 - наличие энергетических мощностей на 100 га пашни, л.с.; Х6 - приходится тракторов на 100 га пашни, шт.; Х7 - приходится комбайнов на 100 га посева зерновых, шт.; Х8 - внесено органических удобрений на 1 га пашни, т; Х9 - внесено минеральных удобрений на 1 га пашни, кг; Х10 - средняя реализационная цена 1 т зерна, тыс. руб.; Х11 -затраты труда на 1 т зерна, чел.-ч ; Х12 - себестоимость 1 т зерна, тыс. руб.; Х13 - валовой сбор на 100 га пашни, т; Х14 - выручка от реализации за 1 т зерна, млн/руб.; Х15- рентабельность,%; Х16 - доля зерновых в посевной площади, %; Х17 - выход зерна с 1 балло-га посевной площади зерновых, кг.
В качестве меры расстояния выбран квадрат евклидова расстояния. В качестве стратегии объединения кластеров применялся метод Варда, который позволяет сгруппировать районы в п-ое количество кластеров с характерными признаками [4, с. 218-220; 5, с. 26-30]. Для представления результатов решения задачи регионального кластерного анализа используем наиболее известный метод представления матрицы расстояний, основанный на идее графического изображения результатов последовательной кластеризации, которое обычно называют дендограммой [6]. Многомерная группировка районов Гомельской области получена в виде графика вертикальной древовидной диаграммы (рис. 1). По оси абсцисс расположены районы Гомельской области. По оси ординат отражены значения интегрального показателя, величина которого определена на основе 17 вышеизложенных показателей и представляет многомерную статистическую оценку.
На основе полученных результатов можно сделать вывод, что на территории Гомельской области в природно-экономических условиях 2006 г. сформированы 3 кластера (сильный, средний, слабый), основные экономические показатели которых представлены в таблице 1.
6 Ельский
19 Светлогорский
7 Житковичский
9 Калинковичский
11 Лельчицкий
2 Б - Кошелевский 18 Рогачевский
15 Октябрьский
16 Петриковский
8 Жлобинский
10 Кормянский 1 Брагинский
14 Наровлянский 21 Чечерский
3 Ветковский
12 Лоевский
5 Добрушский
13 Мозырский
17 Речицкий
20 Хойникский
4 Гомельский
Рисунок 1 - Вертикальная древовидная диаграмма
Таблица 1 - Экономические показатели кластеров Гомельской области, 2006 г.
Показатели по кластерам Кластер
сильный средний слабый
Количество районов в кластере 4 11 6
Урожайность зерна, ц/га 28,0 19,3 18,0
Валовый сбор на 100 га пашни, т 134,9 93,4 81,0
Доля прибыльных хозяйств, % 53,9 46,4 36,0
Себестоимость 1 т зерна, тыс. руб. 159,6 192,9 243,9
Средняя реализац. цена 1 т зерна, тыс. руб. 181,6 169,0 156,5
Рентабельность, % 8,9 -2,9 -13,7
Анализ и оценка состояния производства зерна в Гомельской области свидетельствуют о том, что в разных сельскохозяйственных предприятиях области показатели урожайности зерновых культур, себестоимости, рентабельности и т. д. значительно варьируют, что подтверждается количеством районов, вошедших в разные кластеры (сильный кластер -4, средний - 11, слабый - 6 районов).
Лидирующую позицию по производству зерна в Гомельской области занимает кластер, в который вошли Гомельский, Мозырский, Речиц-кий и Хойникский районы. На основании полученных результатов этот кластер можно охарактеризовать как сильный.
В следующий кластер вошли 11 районов: Будо-Кошелевский, Ель-ский, Житковичский, Жлобинский, Калинковичский, Кормянский, Лель-чицкий, Октябрьский, Петриковский, Рогачевский, Светлогорский. Эта группа хозяйств относится к среднему кластеру. Несмотря на свою многочисленность значения показателей невысоки.
Третий кластер включает 6 районов: Брагинский, Ветковский, Доб-рушский, Лоевский, Наровлянский, Чечерский. Данную группу хозяйств мы можем охарактеризовать как слабый кластер, так как в результате решения получены самые низкие показатели.
По результатам проведенного кластерного анализа составлена оптимальная, с точки зрения эффективности производства зерна, карта зер-нопроизводящих районов Гомельской области (рис. 2).
Увеличение намолотов зерна, улучшение его качества, подъем экономической эффективности зернопроизводства возможны лишь в случае решения ряда проблем [7, с. 20]. С экономической точки зрения, целесообразно учитывать доступные для экономического анализа факторы, оценивая их значимость с помощью математических моделей или иных методов исследования. В целях комплексного и системного изучения влияния составляющих производственного потенциала на эффективность возделывания зерновых культур был выполнен корреляционно-регрессионный анализ.
Слабый кластер
Рисунок 2 - Карта оптимальной структуры посевных площадей зерновых культур
В качестве факторных признаков были взяты: Х1 - доля зерновых в посевной площади, %; Х2 - урожайность, ц/га; Х3 - себестоимость 1 т, тыс. руб.; Х4 - средняя реализационная цена 1 т зерна, тыс. руб. Результативным показателем была прибыль на 1 га посева.
Полученные модели для каждого кластера представлены в таблице 2.
В результате решения задачи с применением информационно-программного обеспечения получена матрица парных коэффициентов корреляции для каждого кластера. На основе полученных данных можно утверждать, что наиболее сильное влияние на результативный показатель оказывают следующие факторы: доля зерновых в посевной площади, %; урожайность, ц/га; себестоимость 1 т зерна, тыс. руб.
Анализ результатов решения модели позволяет сделать вывод о том, что рассчитанные в кластерах коэффициенты множественной корреляции 79, 89, 94 % показывают достаточно сильную связь между резуль-
Таблица 2- Корреляционно-регрессионный анализ и модели влияния факторов на прибыль
Показатели Коэффициент множественной корреляции Коэффициент множественной детерминации Модели
Сильный кластер 0,99 0,83 У= -1,88 + 0,22бХ[ + + 1,305х2-0,044х3
Средний кластер 0,89 0,80 У = -198,7 + 10,22х2
Слабый кластер 0,94 0,88 у = -84,45 + 0,552х[ + + 1,66х2
тативным показателем и действующими факторами. Множественные коэффициенты детерминации подтверждают, что вариация прибыли на 83 % в сильном кластере, на 80 - в среднем и на 88 % в слабом кластере зависит от изменения исследуемых факторов. Доля влияния неучтенных и случайных факторов составляет 17, 20, 12 % соответственно.
На основании проведенной работы необходимо заключить, что модели можно использовать для прогнозирования и оптимизации производственно-хозяйственной деятельности предприятий, занимающихся зерно-производством, так как коэффициент множественной корреляции и критерий Фишера в каждом из выделенных кластеров соответствует норме.
Проведенный нами корреляционно-регрессионный анализ эффективности зернопроизводства Гомельской области показывает, что наибольшее влияние на прибыльность предприятий во всех кластерах оказывает урожайность зерновых культур.
Необходимо отметить, что зерновые культуры в каждой конкретной местности могут стабильно производиться только тогда, когда затраты компенсируются соответствующим урожаем и выполнением требований качества продукции [8, с. 91], что, в свою очередь, является основным условием достижения экономически целесообразных объемов производства зерна, определенных Государственной программой возрождения и развития села на 2005-2010 годы [9].
Использование статистических данных по региональным группам сельскохозяйственных предприятий позволяет дать полную и всестороннюю характеристику состояния зернового производства в целом по Го -мельской области, установить закономерности развития, что создает научную основу для выработки определенной стратегии развития отрасли.
Зерновое производство, несмотря на сдерживающие его развитие факторы, занимает важнейшее место в сельскохозяйственном секторе
экономики, формируя продовольственную и экономическую безопасность региона.
Таким образом, с экономической точки зрения, целесообразно учитывать доступные для экономического анализа факторы, в максимальной степени обеспечивающие более высокий уровень эффективности зернопроизводства, оценивая их значимость с помощью математических моделей, статистических или иных методов и решений.
Литература
1. Повышение эффективности производства зерна на основе научно-технического прогресса / А.И.Нечаев [и др.]; под общ. ред. А.И.Нечаева. - Москва: АгриПресс, 2005. - 208 с.
2. Основные показатели работы сельхозорганизаций Гомельской области за 2006 год: стат. сб. / Отв. за вып. Н.П. Киклевич. - Гомель: Областное управление статистики, 2007. - 100 с.
3. Методические указания к выполнению домашних заданий по дисциплине " Многомерные статистические методы" / сост.: В.Н. Калинина,
B. И. Соловьев. - Москва: ГУУ, 2005. - 65 с.
4. Romesburg, С.Н. Cluster Analysis for Researchers / С.Н. Romesburg. -Mathematics, 2004. - 344 pages.
5. Aldenderfer, М.Б., Cluster Analysis / М.Б. Aldenderfer, R.K. Blashfield. -Science, 1984. - 88 pages.
6. Кластерный анализ [Электронный ресурс]. - Режим доступа: http:// www.statsoit.ru/home/textbook/modules/stcluan.html. - Дата доступа: 16.07.2007.
7. Демешева, И. Повышение эффективности производства и сбыта зерна в регионе / И. Демешева // АПК: экономика, управление. - 2006. - N° 8. -
C. 18-20.
8. Кранц, Ю. Можно ли заработать на зерновых в Беларуси и Германии /Ю. Кранц // Задачи и перспективы АПК в контексте Программы возрождения и развития села: материалы VI Междунар. науч.-практ. конф., Минск, 28-29 сент. 2006 г.; под ред. В. Г.Гусакова. - Минск: Ин-т экономики НАН Беларуси, 2006. - С. 86-91.
9. Государственная программа возрождения и развития села на 20052010 годы. [Электронный ресурс]. - 2005. - Режим доступа: http:// mshp. minsk.by. - Дата доступа: 06.08.2007.
Информация об авторе
Павловец Наталия Вячеславовна - аспирантка УО " Белорусская государственная сельскохозяйственная академия". Информация для контактов: тел.(моб.) 8 (029) 532-41-11. E-mail: [email protected].
Дата поступления статьи - 1 октября 2007 г.
