CC BY
25
Интернет-журнал «Науковедение» ISSN 2223-5167 https://naukovedenie.ru/
Том 9, №6 (2017) https ://naukovedenie. ru/vo l9-6.php
URL статьи: https://naukovedenie.ru/PDF/167EVN617.pdf
Статья опубликована 17.01.2018
Ссылка для цитирования этой статьи:
Огородников П.И., Матвеева О.Б., Гусева Е.П. Компонентный анализ инвестиционной привлекательности сельскохозяйственных районов Центральной зоны Оренбургской области, их ранжирование и классификация // Интернет-журнал «НАУКОВЕДЕНИЕ» Том 9, №6 (2017) https://naukovedenie.ru/PDF/167EVN617.pdf (доступ свободный). Загл. с экрана. Яз. рус., англ.
УДК 33.330
Огородников Петр Иванович
ФГБУН «Институт экономики Уральского отделения Российской академии наук»
Оренбургский филиал, Россия, Оренбург1
Директор
Доктор технических наук, профессор E-mail: [email protected]
Матвеева Ольга Борисовна
ФГБУН «Институт экономики Уральского отделения Российской академии наук»
Оренбургский филиал, Россия, Оренбург Кандидат экономических наук E-mail: [email protected]
Гусева Елена Петровна
ФГБУН «Институт экономики Уральского отделения Российской академии наук»
Оренбургский филиал, Россия, Оренбург Научный сотрудник E-mail: [email protected]
Компонентный анализ инвестиционной привлекательности сельскохозяйственных районов Центральной зоны Оренбургской области, их ранжирование и классификация
Аннотация. В статье приведены исследования по оценке инвестиционной привлекательности предприятия.
Для обследования сельскохозяйственных районов Оренбургской области была сформирована выборка из 10 районов Центральной зоны Оренбургской области.
На основе компонентного анализа производительности труда в сельском хозяйстве районов Оренбургской области выявлено, что корреляция главных компонент с признаками, свидетельствует о тесной корреляционной связи первой главной компоненты с уровнем компетентности менеджмента района, второй с технической оснащённостью и третей условиями производства.
1 460000, г. Оренбург, ул. Пионерская, д. 11
Содержательный смысл компоненты (фактора) выявляется на основе признаков, обнаруживающих высокую по абсолютной величине корреляцию с компонентой (фактором), и имеющих высокие факторные нагрузки.
Выделенные главные компоненты были использованы при ранжировании и классификации предприятий, что соответствует ранжированию или классификации по связанным с ними совокупностям признаков. Для ранжирования или классификации предприятий исследования необходимо вычислить значения главных компонент для каждого предприятия, что очень важно учитывать при оценке инвестиционной привлекательности.
Для вложения инвестиций с точки зрения инвестиционной привлекательности инвесторам можно рекомендовать вкладывать средства в сельскохозяйственное производство следующих районов: Кувандыкский район, Беляевский район, Новосергиевский район, так как есть основания (более высокая компетентность руководства района, более высокая техническая вооруженность работающих и лучшие условия для бизнеса, что обеспечивает более высокую производительность труда) полагать, что вероятность невозврата вложенных средств будет существенно меньше, нежели в других районах Оренбургской области.
Разработанная методика компонентного анализа инвестиционной привлекательности оценки экономической привлекательности инвестиций могут быть использованы с успехом инвесторами для других регионов России.
Применяемая методика позволяет не только оптимизировать инвестиции сельскохозяйственной организации в целом, но и отметить необходимость производства той или иной сельскохозяйственной продукции (культуры) с целью обеспечения более рациональной структуры затрат.
Предложенная комплексная оценка привлекательности инвестиций на базе рассчитанных значений главных компонент позволяет не только объективно подойти к вопросу выбора объекта инвестиций, но и существенно снизить риски невозврата финансовых средств инвесторов.
Ключевые слова: компонентный анализ; производительность труда; эффективность; производимая продукция; ранжирование; главные компоненты
В анализе деятельности предприятий актуальной проблемой является оценка уровня использования производственного потенциала, необходимая для принятия обоснованных управленческих решений.
Уровень организации и управления производством на предприятии зависит от качества использования потенциальных возможностей производства товарной продукции. В качестве нормы можно принять объем производства товарной продукции, рассчитанный по математической модели, отражающей зависимость условного среднего значения объема производства товарной продукции от количества используемых ресурсов, то есть норма - это средний объем производства для предприятий с одинаковым производственным потенциалом. Математическая модель должна быть построена с использованием достаточно большого числа наблюдений за результатами деятельности предприятий с разным уровнем производственных ресурсов. Она должна адекватно отображать количественную взаимосвязь производственных затрат (факторов производства) и выпуска продукции.
Под факторами обычно понимают все условия, влияющие на результаты производства, которые можно выразить количественно. Среди наиболее значимых факторов можно выделить следующие: а) природные ресурсы (уровень плодородия почв, качество сельскохозяйственных угодий, среднегодовые суммы положительных температур и среднегодовое количество осадков
за вегетационный период); б) трудовые ресурсы (численность занятых в производственном процессе, профессиональный и возрастной уровень работающих и менеджеров, уровень оплаты труда и др.); в) средства производства (объем основных производственных фондов и их состояние, технологический уровень производства, уровень освоения достижений науки и техники); г) обеспеченность сырьем для производства и качество сырья (сортовые семена, удобрения, породность скота, топливо и смазочные материалы и др.); д) финансовые ресурсы (объем оборотных средств, заемные средства); е) структура производства, обусловленная близостью рынков сбыта; ж) масштаб производства и система организации и управления производством.
Производительность труда на сельскохозяйственных предприятиях можно выразить в объёмах годовой валовой прибыли полученной предприятием в расчёте на одного работающего. Среди факторов, определяющих производительность труда можно выделить следующие:
1. Условия производства - удалённость рынков сбыта продукции So - фактическое расстояние района от областного центра, Y - средняя урожайность зерновых, характеризующая, в некоторой степени почвенно-климатические условия производства.
2. Уровень компетентности менеджмента района - уровень рациональности структуры товарной продукции можно оценить коэффициентом ранговой корреляции Спирмена (Я) между среднем уровнем рентабельности затрат по отдельным видам продукции и структурой затрат в общей полной себестоимости производства, который должен быть более +0,6 (Я >0,6) [1], средний уровень
рентабельности затрат по району м и среднее квадратическое отклонение рентабельности затрат на товарную продукцию С, характеризующие эффективность затрат и стабильность производства (риск).
3. Уровень средней вооружённости (К - фондовооружённости и Э -энерговооружённости) работающего в сфере материального производства [5].
Для обследования сельскохозяйственных районов Оренбургской области была сформирована выборка из 10 сельскохозяйственных районов Центральной зоны Оренбургской области.
В таблице 1 представлены результаты обследования предприятий как исходные данные для компонентного анализа, где W - годовая производительность труда, тыс. руб./чел.
Таблица 1
Результаты обследования в средних натуральных значениях за шесть лет (с 2010 по 2015 годы) Центральной зоны
Расстояние до областного центра, км Средняя урожайность зерновых, ц/га Коэффициент корреляции Средняя рентабельность затрат, руб./руб. Среднеквадратическое отклонение рентабельности (корень квадратный из дисперсии), руб./руб. Энерговооруженность, п.с./чел. Фондовооруженность, тыс. руб./чел. Производительность груда, в расчёте на одного работника, тыс. руб./год
Бо У Я М а Э К
№ Район Код Х1 Х2 Х3 Х4 Х5 Х6 Х7 Ш
1 Беляевский 1 110 7,16 -0,68 0,04 0,17 102 397 12
2 Кувандыкский 2 195 9,28 -0,63 0,14 0,18 161 424 95
3 Ново сергиевский 3 117 10,7 -0,88 0,01 0,03 77 224 2
4 Октябрьский 4 78 12,54 0,21 0,06 0,11 78 445 40
Расстояние до областного центра, км Средняя урожайность зерновых, ц/га Коэффициент корреляции Средняя рентабельность затрат, руб./руб. Среднеквадратическое отклонение рентабельно сти (корень квадратный из дисперсии), руб./руб. Энерговооруженность, л.с./чел. Фондовооруженность, тыс. руб./чел. Производительность труда, в расчёте на одного работника, тыс. руб./год
So Y R M а Э K
5 Оренбургский 5 0 10,74 -0,95 0,66 1,25 76 1101 180
6 Переволоцкий 6 73 12,3 -0,11 0,05 0,09 99 1039 33
7 Сакмарский 7 45 16,02 0,42 0,11 0,07 57 984 203
8 Саракташский 8 96 14,08 -0,11 1,62 3,73 115 1236 1646
9 Сорочинский 9 170 13,98 -0,78 0,19 0,08 81 384 122
10 Тоцкий 10 202 12,04 -0,13 0,11 0,09 111 503 49
Среднее 108,60 11,88 -0,36 0,30 0,58 95,70 673,70 238,20
Для удобства анализа результаты обследования (признаки) центрировали и нормировали
* = (Х - Хх, )/
в долях средеквадратических отклонений по формуле
• Хх? „т „^ „„о*™™ ™тттт„т,„ х
где: Х1 - средне значение натурального значения признака
а
х' - среднеквадратическое отклонение натурального признака.
В результате преобразованные признаки Х1 имеют средние значения равные нулю и дисперсии равные единице.
Наблюдаемые (измеряемые) признаки, представленные в таблице 1, являются косвенными характеристиками изучаемого объекта (средней производительности труда по району). На самом же деле существуют скрытые внутренние (латентные, фундаментальные) характеристики, число которых мало и которые определяют значения наблюдаемых признаков. Эти скрытые характеристики называют компонентами (факторами).
Рассмотрим некоторые вопросы минимизации описания многомерных статистических объектов на примере метода главных компонент.
Для анализа признаков методом главных компонент использовалась матрица исходных данных размером 10х7 (таблица 1).
Матрица парных коэффициентов корреляции измеряемых признаков представлена в таблице 2.
Таблица 2
Матрица парных коэффициентов корреляции признаков
Х1 Х2 Х3 Х4 Х5 Х6 Х7 Ж
Х1 1,000
Х2 -0,200 1,000
Х3 -0,168 0,625 1,000
Х4 -0,233 0,275 0,023 1,000
Х5 -0,241 0,225 0,045 0,993 1,000
Х6 0,630 -0,463 -0,184 0,161 0,181 1,000
Х7 -0,638 0,456 0,352 0,664 0,648 -0,126 1,000
W -0,120 0,370 0,201 0,952 0,962 0,190 0,599 1,000
Производительность труда линейно связана с такими признаками, как общая рентабельность и дисперсия общей рентабельности, коэффициенты корреляции которых,
Интернет-журнал «НАУКОВЕДЕНИЕ» Том 9, №6 (ноябрь - декабрь 2017)
https://naukovedenie.ru [email protected]
соответственно равны 0,95 и 0,96, свидетельствующие о положительной линейной связи. А об отрицательном влиянии на производительность труда оказывает удаленность рынков сбыта, о чем говорит коэффициент корреляции, равный -0,12.
Положительно на производительность труда влияет урожайность зерновых, характеризующие климатические условия производства и фондовооруженность работников, соответственно коэффициенты корреляции равны 0,19 и 0,599.
В основу метода главных компонент положена линейная модель. Если N - число исследуемых объектов (в нашем случае N = 10), к - число признаков (в нашем случае к = 7), то для установления связи между главными компонентами и коэффициентами корреляции можно записать
Х]г = ал ■ Л + а! 2 • Лг + ... + ак ■ 1кг; г = 1 2 ■ ■ ■, N,
где: Х] - нормированное значение ]-го признака для г-го объекта (района); а] вес
(факторная нагрузка) г -й компоненты в]-й переменной; /уг - значение]-й главной компоненты для г-го объекта (района); N - число обследованных объектов (районов).
В методе главных компонент новые переменные определяют как некоррелированные нормированные линейные комбинации исходных признаков, дисперсии которых расположены
у2 > у2 ^^ ^ ^
в убывающем порядке, то есть "л-"/2-"/2-----"/к- [6, 7]
На основе корреляционной матрицы признаков (таблица 3), с использованием программы 8ТЛТ18Т1СЛ 6, получены матрица собственных чисел (таблица 4), Таблица анализа собственных значений (таблица 5), график собственных значений (график каменистой осыпи -критерий Кэттеля) (рис. 1), матрица факторных нагрузок (таблица 6), матрица коэффициентов компонент (таблица 7) и матрица главных компонент (таблица 8).
Таблица 3
Матрица собственных значений корреляционной матрицы
Главные компоненты
Компоненты Б2 Б3 Б4 Б5 Б6 Б7
2,234 0,000 0,000 0,000 0,000 0,000 0,000
Б2 0,000 1,354 0,000 0,000 0,000 0,000 0,000
Б3 0,000 0,000 1,209 0,000 0,000 0,000 0,000
Б4 0,000 0,000 0,000 0,845 0,000 0,000 0,000
Б5 0,000 0,000 0,000 0,000 0,763 0,000 0,000
Б6 0,000 0,000 0,000 0,000 0,000 0,547 0,000
Б7 0,000 0,000 0,000 0,000 0,000 0,000 0,049
Матрица собственных значений корреляционной матрицы свидетельствует об ортогональности главных компонент, то есть наблюдаемые признаки переведены в новую систему координат. Собственные числа корреляционной матрицы представляют дисперсии главных компонент. Дисперсия первой главной компоненты составляет 2,234 и является наиболее информативной компонентой, которая объясняет на 32 % влияние на производительность труда компетентности профессионализма управления. Значение второй главной компоненты для 35 районов колеблется с дисперсией 1,354, что объясняет на 19 % изменение производительности труда уровнем технической вооруженность работников. Соответственно, третья главная компонента составляет 1,209, то есть на 17,3 % изменения производительности труда от условий производства.
Таблица 4
Анализ собственных значений
Анализ собственных значений
Б Значение % диспер. Сумма % суммы
1 3,11 44,40 3,11 44,40
2 1,92 27,42 5,03 71,82
3 1,14 16,35 6,17 88,17
4 0,55 7,89 6,72 96,06
5 0,23 3,31 6,96 99,37
6 0,04 0,59 7,00 99,96
7 0,00 0,04 7,00 100,00
Используя для выбора числа компонент критерий Кайзера (собственные значения должны быть больше 1), для дальнейшего анализа выбираем первые три главные компоненты, которые объясняют 88,17 % общей дисперсии.
Это говорит о том, что изменение трех главных компонент на 88,17 % объясняет изменение производительность труда по 10 сельскохозяйственным районам Оренбургской области.
Собственные значения матрицы корр Только основные переменные
т га
I
со
о ю о
о
3,5
3,0
2,5
2,0
1,5
1,0
0,5
0,0
-0,5
44,40%
59%
,04% —о
-1 0123456789
Номер собств. знач.
Рисунок 1. График собственных значений корреляционной матрицы признаков (график каменистой осыпи - критерий Кэттеля)
Факторные нагрузки можно интерпретировать как коэффициенты корреляции между компонентами и признаками (факторами и переменными). Поэтому они представляют наиболее важную информацию, на которой основывается интерпретация компонент, из которой следует, что первая компонента наиболее тесно линейно связана с признаками профессионализма руководства (менеджмента) района, вторая - с энерговооружённостью работников и третья с условиями производства.
Для вычисления признаков по компонентам в таблице 6 представлены факторные нагрузки.
Таблица 5
Факторные нагрузки (без вращения компонент - факторов)
Компоненты
Признаки Б2 Б3 Б4 Б5 Б6 Б7
XI -0,6320 -0,3845 -0,6070 -0,2589 0,0575 -0,1183 0,0005
Х2 0,6357 0,4544 -0,4656 -0,3595 0,1899 0,0853 0,0044
Х3 0,4404 0,4715 -0,6429 0,3400 -0,2330 -0,0214 -0,0038
Х4 0,7828 -0,5855 0,0090 -0,1837 -0,0964 0,0031 -0,0359
Х5 0,7707 -0,5983 0,0133 -0,1298 -0,1728 -0,0069 0,0337
Х6 -0,2952 -0,7988 -0,3745 0,3307 0,1204 0,1031 0,0010
Х7 0,9036 -0,0618 0,0749 0,2840 0,2904 -0,0954 0,0017
Из таблицы 4 и 5 следует, что первая главная компонента наиболее связана линейно с признаками, характеризующими компетентность руководства района, отвечающего за оптимальность структуры товарной продукции и общую рентабельность производства. Её вклад в общую дисперсию признаков составляет 44,4 %. Её можно назвать «профессионализм менеджмента предприятия».
Вторая главная компонента наиболее тесно линейно связана с признаками, характеризующими техническую вооружённость работников. Её вклад в общую дисперсию признаков составляет 27,42 %. Её можно назвать «техническая вооружённость работников района».
Третья главная компонента наиболее тесно линейно связана с признаками, характеризующими условия производства (природно-климатические условия, удалённость рынков сбыта продукции). Её вклад в общую дисперсию признаков составляет 16,35 %. Её можно назвать «условия бизнеса».
Таким образом, можно утверждать, что данный анализ позволил установить, что колебания производительности труда в районе зависят в первую очередь от уровня компетентности менеджмента.
При суммировании квадратов факторных нагрузок на фактор по всем признакам получим оценку полного вклада фактора в суммарную дисперсию признаков
к т
—Р = К (Р = 1,2т) _ V = ^—р
г=\ . Полный вклад всех общих факторов равен: р=1 ; отношение
V
— -100%
к (доля суммарной дисперсии, объясняемой факторами) служит иногда показателем
того, насколько хорошо выявленные факторы объясняют вариацию признаков, включенных в анализ.
Содержательный смысл фактора выявляется на основе признаков, обнаруживающих высокую по абсолютной величине корреляцию с фактором, и имеющих высокие факторные нагрузки. Для отделения таких признаков обычно используют определенные эмпирические критерии значимости, например, факторные нагрузки ^ 0,6 [8].
Используя критерий ^г >1 (собственные числа корреляционной матрицы больше единицы), можно выделить первые три главных компоненты (таблица 4 или 3).
Суммарный вклад трёх первых компонент в общую дисперсию составляет 88,17 %.
Для расчёта значений главных компонент в таблице 6 представлены коэффициенты линейной формы.
Коэффициенты компонент (факторов)
Таблица 6
Признаки Б2 Б3 Б4 Б5 Б6 Б7
Х1 -0,203 -0,200 -0,530 -0,469 0,248 -2,848 0,188
Х2 0,205 0,237 -0,407 -0,651 0,820 2,055 1,803
Х3 0,142 0,246 -0,562 0,615 -1,006 -0,516 -1,550
Х4 0,252 -0,305 0,008 -0,333 -0,416 0,074 -14,562
Х5 0,248 -0,312 0,012 -0,235 -0,746 -0,166 13,685
Х6 -0,095 -0,416 -0,327 0,598 0,520 2,483 0,389
Х7 0,291 -0,032 0,065 0,514 1,254 -2,297 0,689
Для ранжирования или классификации районов необходимо вычислить значения главных компонент для каждого района. Эти расчеты можно произвести, используя следующие формулы:
/и = -0,203 •
+ 0,205 • ^^ + 0,142 • ^^
у
у
у.
+ 0,252 •
- + 0,248 •
--0,095 •
у.
у.
у.
(1)
+ 0,291
Х7 1 Х7 .
у
/2г = -0,200 -1 + 0,237
у,.
1 1 I ПОТ7. 2г л2_ + 0 246 •-
у
у
0,305
п п п
Х41 - Х4 - 0 312 • -Х5'' - Х5 П Л 1 С. Х61~Х6
-0,416 •-
у
у
у
(2)
-0,032
Х7¡ Х7 _
у
/31 = -0,534
Хм Х1
• Х ^
1 Л1 -0,407 • ——_2 -0,562 •
у
у„
у
+ 0,008 •
- + 0,012 •
--0,327 •
у
у
у
(3)
+ 0,065 •
у
где: ] - натуральное значение]-ого признака г-ого предприятия.
При оценке инвестиционной привлекательности районов, оценку латентных (скрытых, внутренних) характеристик районов можно рассчитать по формулам (1), (2) и (3). Результаты расчёта позволят отнести район к одной из трёх групп.
Для каждого района определены значения главных компонент представлены в таблице 5, рассчитанные по этим формулам.
+
Х1-Х
Х"-Х
Х"-Х
41 '"4
51 '"5
Ы "6
+
+
Х Х
Х Х
Х Х
41 4
51 5
61 "6
+
Х Х
71 "7
п
Таблица 7
Значения главных компонент (факторы)
Компоненты (факторы)
Признаки Б2 Б3 Б4 Б5 Б6 Б7
1 -0,9310 -0,4015 0,9821 0,7884 -1,1959 -1,2496 -0,0210
2 -1,1298 -1,3470 -0,7594 0,8787 0,7545 1,5466 -0,3977
3 -0,8278 0,2297 0,8427 -1,1232 -0,5303 0,4699 1,7157
4 -0,0252 0,9915 -0,3765 0,3612 -1,6961 1,1950 -0,7037
5 0,7983 -0,2276 2,0584 0,1367 0,8120 0,0882 -1,3326
6 0,2656 0,4819 -0,0545 1,3138 1,2822 -0,3343 1,5851
7 0,9262 1,7551 -0,5766 0,2737 0,2903 0,0962 -0,2224
8 2,0040 -1,6001 -0,6084 -0,4810 -0,7440 -0,0569 0,5618
9 -0,4873 0,2278 -0,2406 -2,0374 0,9458 0,0514 -0,4396
10 -0,5931 -0,1098 -1,2673 -0,1109 0,0815 -1,8064 -0,7457
В таблицы 8 представлены коэффициенты корреляции связи главных компонент с признаками.
Корреляция главных компонент с признаками, также свидетельствует о тесной корреляционной связи первой компоненты с уровнем компетентности менеджмента района, второй с технической оснащённостью и третей условиями производства [9].
Таблица 8
Корреляция главных компонент с признаками (таблица 2) (значимы для 5 % уровня значимости коэффициенты ABS(R) > 0,35
Б2 Б3 Б4 Б5 Б6 Б7
Х1 -0,6320 -0,3845 -0,6070 -0,2589 0,0575 -0,1183 0,0005
Х2 0,6357 0,4544 -0,4656 -0,3595 0,1899 0,0853 0,0044
Х3 0,4404 0,4715 -0,6429 0,3400 -0,2330 -0,0214 -0,0038
Х4 0,7828 -0,5855 0,0090 -0,1837 -0,0964 0,0031 -0,0359
Х5 0,7707 -0,5983 0,0133 -0,1298 -0,1728 -0,0069 0,0337
Х6 -0,2952 -0,7988 -0,3745 0,3307 0,1204 0,1031 0,0010
Х7 0,9036 -0,0618 0,0749 0,2840 0,2904 -0,0954 0,0017
В таблице 8 выделены статистически значимые значения для 5% уровня значимости, превышающие по абсолютной величине 0,35.
При суммировании квадратов факторных нагрузок на фактор по всем признакам
получим оценку полного вклада фактора в суммарную дисперсию признаков
к т —Р (Р = т) V = ^—р
г=1 . Полный вклад всех общих факторов равен: Р_1 ; отношение
V
— -100%
к (доля суммарной дисперсии, объясняемой факторами) служит иногда показателем
того, насколько хорошо выявленные факторы объясняют вариацию признаков, включенных в анализ [9].
Данная предварительная оценка по выделенным главным компонентам, которая характеризует основные принципы, влияющие на уровень производительности труда может быть использована инвесторами для принятия решений о вложении средств в сельскохозяйственное производство районов Оренбургской области.
На основе компонентного анализа проведем ранжирование и классификацию 10 районов Оренбургской области по экономической привлекательности инвестиций.
Главные компоненты позволяют производить группировку районов по величине их значений для оценки, соответственно, компетентности руководства, технической вооружённости работников и условий производства.
В таблице 9 представлены результаты классификации по первой главной компоненте, характеризующей уровень компетентности менеджмента.
Из таблицы 9 видно, что для предприятий первой группы, имеющей более высокое среднее значение первой главной компоненты, характерно, по сравнению со второй и третьей группами, более высокой уровень признаков, характеризующих компетентность руководства предприятием, отвечающих за оптимальность структуры товарной продукции и общую рентабельность производства, что отражено в более высоких средних показателях коэффициенте корреляции Я, общей рентабельности производства М и низкой дисперсии рентабельности, характеризующей риск.
Таблица 9
Таблица 9. Результаты классификации районов по первой главной компоненте
№ Район F1 Б2 Б3 Б4 в Б6 Б7 W
2 Кувандыкский -1,13 -1,35 -0,76 0,88 0,75 1,55 -0,40 95,00
1 Беляевский -0,93 -0,40 0,98 0,79 -1,20 -1,25 -0,02 12,00
3 Новосергиевский -0,83 0,23 0,84 -1,12 -0,53 0,47 1,72 2,00
Среднее значение -0,96 -0,51 0,36 0,18 -0,32 0,26 0,43 36,33
10 Тоцкий -0,59 -0,11 -1,27 -0,11 0,08 -1,81 -0,75 49,00
9 Сорочинский -0,49 0,23 -0,24 -2,04 0,95 0,05 -0,44 122,00
4 Октябрьский -0,03 0,99 -0,38 0,36 -1,70 1,20 -0,70 40,00
Среднее значение -0,37 0,37 -0,63 -0,60 -0,22 -0,19 -0,63 70,33
6 Переволоцкий 0,27 0,48 -0,05 1,31 1,28 -0,33 1,59 33,00
5 Оренбургский 0,80 -0,23 2,06 0,14 0,81 0,09 -1,33 180,00
7 Сакмарский 0,93 1,76 -0,58 0,27 0,29 0,10 -0,22 203,00
8 Саракташский 2,00 -1,60 -0,61 -0,48 -0,74 -0,06 0,56 1646,00
Среднее значение 1,00 0,10 0,20 0,31 0,41 -0,05 0,15 515,50
Группировка районов по первой главной компоненте показала, что для районов третьей группы, имеющих более высокое среднее значение первой главной компоненты, характерно, по сравнению со второй и третьей группами, более высокий уровень признаков, характеризующих компетентность руководства предприятием, отвечающих за оптимальность структуры товарной продукции и общую рентабельность производства, что отражено в более высоких средних показателях таких как коэффициент корреляции между рентабельностью и структурой затрат на производство продукции, общая рентабельность производства и низкая дисперсия рентабельности, характеризующая большую стабильность и меньший риск годовая производительность труда равна 515,5 тыс. руб./чел., против, соответственно, 70,3 тыс. руб./чел. во второй и 36,3 тыс. руб./чел. в первой группах.
Следовательно, по значению первой главной компоненты можно дать оценку уровня компетентность руководства предприятием, что очень важно учитывать при оценке инвестиционной привлекательности [10].
В таблице 10 представлены результаты классификации по второй главной компоненте, характеризующей техническую вооружённость работников районов, непосредственно занятых в сфере материального производства.
Таблица 10
Результаты классификации районов по второй главной компоненте
№ Район F2 Б3 Б4 ^5 Б6 Б7 W
8 Саракташский 2,004 -1,6001 -0,6084 -0,481 -0,744 -0,0569 0,5618 1646
2 Кувандыкс кий -1,1298 -1,347 -0,7594 0,8787 0,7545 1,5466 -0,3977 95
1 Беляевский -0,931 -0,4015 0,9821 0,7884 -1,1959 -1,2496 -0,021 12
Среднее значение -0,019 -1,116 -0,129 0,395 -0,395 0,080 0,048 584,3
5 Оренбургский 0,7983 -0,2276 2,0584 0,1367 0,812 0,0882 -1,3326 180
10 Тоцкий -0,5931 -0,1098 -1,2673 -0,1109 0,0815 -1,8064 -0,7457 49
9 Сорочинский -0,4873 0,2278 -0,2406 -2,0374 0,9458 0,0514 -0,4396 122
Среднее значение -0,094 -0,037 0,184 -0,671 0,613 -0,556 -0,839 117
3 Новосергиевский -0,8278 0,2297 0,8427 -1,1232 -0,5303 0,4699 1,7157 2
6 Переволоцкий 0,2656 0,4819 -0,0545 1,3138 1,2822 -0,3343 1,5851 33
4 Октябрьский -0,0252 0,9915 -0,3765 0,3612 -1,6961 1,195 -0,7037 40
7 Сакмарский 0,9262 1,7551 -0,5766 0,2737 0,2903 0,0962 -0,2224 203
Среднее значение 0,085 0,865 -0,041 0,206 -0,163 0,357 0,594 69,5
Результаты классификации по второй главной компоненте, характеризующей техническую вооружённость работников районов, непосредственно занятых в сфере материального производства показали аналогичные результаты. В третьей группе, более высокие средние значения второй компоненты имеем и более высокую производительность труда. Так годовая производительность труда в третей группе равна. 584,3 тыс. руб./чел., во второй 117 тыс. руб./чел. и в первой 69,5 тыс. руб./чел.
В таблице 11 представлены результаты классификации по третьей главной компоненте, характеризующей условия производства (природно-климатические условия, удалённость рынков сбыта продукции).
Таблица 11
Результаты классификации районов по третьей главной компоненте
№ Район Б2 F3 Б4 Б6 Б7 W
10 Тоцкий -0,59 -0,11 -1,27 -0,11 0,08 -1,81 -0,75 49,00
2 Кувандыкский -1,13 -1,35 -0,76 0,88 0,75 1,55 -0,40 95,00
8 Саракташский 2,00 -1,60 -0,61 -0,48 -0,74 -0,06 0,56 1646,0
Среднее значение 0,09 -1,02 -0,88 0,10 0,03 -0,11 -0,19 596,67
7 Сакмарский 0,93 1,76 -0,58 0,27 0,29 0,10 -0,22 203,00
4 Октябрьский -0,03 0,99 -0,38 0,36 -1,70 1,20 -0,70 40,00
9 Сорочинский -0,49 0,23 -0,24 -2,04 0,95 0,05 -0,44 122,00
Среднее Значение 0,14 0,99 -0,40 -0,47 -0,15 0,45 -0,46 121,67
6 Переволоцкий 0,27 0,48 -0,05 1,31 1,28 -0,33 1,59 33,00
3 Новосергиевский -0,83 0,23 0,84 -1,12 -0,53 0,47 1,72 2,00
1 Беляевский -0,93 -0,40 0,98 0,79 -1,20 -1,25 -0,02 12,00
5 Оренбургский 0,80 -0,23 2,06 0,14 0,81 0,09 -1,33 180,00
Среднее значение -0,17 0,02 0,96 0,28 0,09 -0,26 0,49 56,75
Результаты классификации по третей главной компоненте, характеризующей условия производства в районе, показали аналогичные результаты. В третьей группе, более высокие средние значения третьей компоненты имеем и более высокую производительность труда. Так годовая производительность труда в третей группе равна 596,67 тыс. руб./чел., во второй 121,67 тыс. руб./чел. и в первой 56,75 тыс. руб./чел. В таблице 12 показано ранжирование районов по всем трем главным компонентам в порядке убывания.
Таблица 12
Ранжирование районов по всем трём главным компонентам в порядке убывания
№ Район Б2 Б3 Б4 ~Р5 Б6 Б7 W
2 Кувандыкс кий -1,130 -1,347 -0,759 0,879 0,755 1,547 -0,398 95,0
1 Беляевский -0,931 -0,402 0,982 0,788 -1,196 -1,250 -0,021 12,0
3 Новосергиевский -0,828 0,230 0,843 -1,123 -0,530 0,470 1,716 2,0
Среднее значение -0,963 -0,506 0,355 0,181 -0,324 0,256 0,432 36,3
10 Тоцкий -0,593 -0,110 -1,267 -0,111 0,082 -1,806 -0,746 49,0
9 Сорочинский -0,487 0,228 -0,241 -2,037 0,946 0,051 -0,440 122,0
4 Октябрьский -0,025 0,992 -0,377 0,361 -1,696 1,195 -0,704 40,0
Среднее значение -0,369 0,370 -0,628 -0,596 -0,223 -0,187 -0,630 70,3
6 Переволоцкий 0,266 0,482 -0,055 1,314 1,282 -0,334 1,585 33,0
5 Оренбургский 0,798 -0,228 2,058 0,137 0,812 0,088 -1,333 180,0
7 Сакмарский 0,926 1,755 -0,577 0,274 0,290 0,096 -0,222 203,0
8 Саракташский 2,004 -1,600 -0,608 -0,481 -0,744 -0,057 0,562 1646,0
Среднее значение 0,999 0,102 0,205 0,311 0,410 -0,052 0,148 515,5
Сортировка районов по всем трём главным компонентам в порядке убывания и их значимости, то есть сначала по первой, затем по второй и третьей компонентам показала, что в первую группу вошли 4 района со средней годовой производительностью 515,5 тыс. руб./чел. Во вторую группу вошли также 3 района со средней годовой производительностью 70,3 тыс. руб./чел. В третью группу вошли 3 районов со средней годовой производительностью 36,3 тыс. руб./чел.
Для вложения инвестиций с точки зрения инвестиционной привлекательности инвесторам можно рекомендовать вкладывать средства в сельскохозяйственное производство следующих районов: Кувандыкский район, Беляевский район, Новосергиевский район, так как есть основания (более высокая компетентность руководства района, более высокая техническая вооруженность работающих и лучшие условия для бизнеса, что обеспечивает более высокую производительность труда) полагать, что вероятность невозврата вложенных средств будет существенно меньше, нежели в других районах Оренбургской области.
Разработанная методика компонентного анализа инвестиционной привлекательности и научно-методический инструментарий оценки экономической привлекательности инвестиций могут быть использованы с успехом инвесторами для других регионов России.
Применяемая методика позволяет не только оптимизировать инвестиции сельскохозяйственной организации в целом, но и отметить необходимость производства той или иной сельскохозяйственной продукции (культуры) с целью обеспечения более рациональной структуры затрат.
ЛИТЕРАТУРА
1. Базаров М. К., Огородников, П. И. max информации при min сложности методов количественного анализа (пособие начинающему исследователю) / П. И. Огородников // Екатеринбург: Институт экономики УрО РАН, 2008. - 357 с.
2. Шулятьева Г. М. Инновации в хозяйствах населения как фактор развития предпринимательства на селе // Экономика и предпринимательство. 2015. № 9-1 (62-1). С. 945-948.
3. Иванов В. А., Авакян К. Г. Сравнительный анализ методик оценки инвестиционной привлекательности предприятия. Вестник Удмуртского Университета. Серия Экономика И Право, 2014, с. 22-28.
4. Огородников П. И., Матвеева О. Б., Крючкова И. В., Чиркова В. Ю. Сравнительный анализ методик оценки инвестиционной привлекательности отдельных экономических систем. Известия ОГАУ, 2014, №4, с. 194-196.
5. Огородников П. И., Базаров М. К., Клюшин Д. И., Гусева Е. П., Спешилова И. В. Производительность труда сельскохозяйственных организаций и ее анализ методом главных компонентов (глава 7) / Теория и практика управления модернизацией инновационной деятельности в социально-экономических и технических системах: монография / под общ. ред. В. В. Бондаренко, Ф. Е. Удалова / МНИЦ ПГСХА. - Пенза: РИО ПГСХА, 2015. - 132 с. - С. 118-130.
6. Ползунова Н. Н., Краев В. Н. Исследование систем управления: Учебное пособие для вузов. - М.: Академический Проект; Трикста, 2006. - 240 с. - («Gaudeamus»).
7. Дубров А. М. Обработка статистических данных методом главных компонент. Москва «Статистика». 1978.
8. Базаров М. К., Нефёдов Ю. В., Огородников П. И. Монография. Оптимизация риска предпринимательства. Оренбург: ГБУ РЦРО, 2015. - 195 с.
9. Огородников П. И., Клюшин Д. И., Гусева Е. П. Совершенствование структуры затрат продуктового портфеля сельскохозяйственных организаций с позиции меры риска // Известия Оренбургского государственного аграрного университета. 2015. - Т.54 - №4. - С. 229-233.
10. Огородников П. И., Матвеева О. Б., Спешилова И. В., Гусева Е. П. Особенности принятия управленческих решений в условиях неопределенности // Региональные проблемы развития малого агробизнеса: сборник статей Международной научно-практической конференции / МНИЦ ПГСХА. - Пенза: РИО ПГСХА, 2015. - 156 с. - С. 98-101.
Ogorodnikov Pyotr Ivanovich
OURO RAHN IE Orenburg branch, Russia, Orenburg E-mail: [email protected]
Matveeva Olga Borisovna
OURO RAHN IE Orenburg branch, Russia, Orenburg E-mail: [email protected]
Guseva Elena Petrovna
OURO RAHN IE Orenburg branch, Russia, Orenburg E-mail: [email protected]
Component analysis of investment attractiveness of agricultural areas of the Central zone of the Orenburg region and their ranking and classification
Abstract. The article presents research on the assessment of investment attractiveness of enterprise.
For the survey of agricultural areas of the Orenburg region was formed by a sample of 10 districts of the Central zone of the Orenburg region.
On the basis of component analysis of labour productivity in agriculture of the Orenburg region revealed that the correlation of principal components with signs, evidence of the close correlation of the first principle component with the level of competence of the management area, the second with technical equipment and third conditions of production.
The meaning components (factor) is detected on the basis of characteristics that detect high absolute value of correlation with the component (factor), and having high factor loadings.
The main components were used in the ranking and classification of companies, which corresponds to the ranking or the classification of related sets of features. For ranking or classification of enterprises research is needed to calculate the values of principal components for each enterprise, which is very important to take into account when assessing investment attractiveness.
For investment terms of investment attractiveness to investors can be encouraged to invest in agricultural production the following areas: Kuvandykskiy rayon, Belyaevsky district, Novosergievskiy rayon, as there is reason (higher competence of district leadership, higher technical equipment and the best working environment for business resulting in higher productivity) to believe that the likelihood of repayment of the invested funds will be significantly less than in other regions of the Orenburg region.
The developed methodology of component analysis of investment attractiveness evaluation of the economic attractiveness of investments can be used successfully by investors to other regions of Russia.
The methodology allows not only to optimize the investments of agricultural organization as a whole, but also noted the need for the production of a particular agricultural product (crops) to ensure more rational cost structure.
The proposed comprehensive assessment of the attractiveness of investments on the basis of calculated values of main components allows us not only to objectively approach the question of choosing an investment, but also significantly reduce the risk of non-repayment of funds investors.
Keywords: component analysis; labor productivity; efficiency; products ranking; the main component
