CC BY
28
Для цитирования: Иванова Т.В., Агафонов А.В., Ефимова Н.А., Бренчагова С.А., Абросимова М.С., Иванова А.А. Методика оценки развития сельского хозяйства региона // Управление в современных системах. 2022. № 1. С. 34-41.
DOI: 10.24412/2311-1313-33-34-41
УДК 631.153 JEL: Q15
ББК 4.49
МЕТОДИКА ОЦЕНКИ РАЗВИТИЯ СЕЛЬСКОГО ХОЗЯЙСТВА
РЕГИОНА
Иванова Т.В.1, ФГБОУ ВО «Чувашский государственный университет имени И.Н.
Ульянова»
Агафонов А.В. 2, Чебоксарский институт (филиал) ФГАОУВО «Московский
политехнический университет» Ефимова Н.А. 3, Чебоксарский филиал Российской академии народного хозяйства и государственной службы при Президенте Российской Федерации Бренчагова С.А.4, Чебоксарский институт (филиал) АНО ВО «Московский гуманитарно-
экономический университет» Абросимова М.С.5, ФГБОУ ВО «Чувашский государственный аграрный университет» Иванова А.А. 6, ФГБОУ ВО «Чувашский государственный университет имени И.Н.
Ульянова»
Аннотация
В статье разработан авторский метод оценки развития сельского хозяйства Чувашской Республики и темпов его прогнозирования. Для этого был проведен индексный анализ основных экономических параметров, рассчитан интегральный показатель, характеризующий их изменения, определены темпы развития сельского хозяйства Чувашской Республики. С помощью программы Excel представлен прогноз развития отрасли на 2021-2023 гг. по трем сценариям: оптимистичному, вероятностному и пессимистичному. Для оптимистического
1 Иванова Татьяна Валерьевна - профессор, д-р. экон. наук, ФГБОУ ВО «Чувашский государственный университет имени И.Н. Ульянова»; Россия, 428015, г. Чебоксары, пр. Московский, 15; e-mail: ivanovatv85@mail.ru; SPIN-код РИНЦ: 9444-0184; Author ID РИНЦ: 838059; Scopus Author ID: 00000000; ORCID: 0000-0002-8952-1384.
2 Агафонов Александр Викторович - директор филиала, доцент, канд. биол. наук, Чебоксарский институт (филиал) ФГАОУ ВО «Московский политехнический университет»; Россия, 428000, г. Чебоксары, ул. К. Маркса, 54; e-mail: ivanovatv85@mail.ru; SPIN-код РИНЦ: 1683-8072; Author ID РИНЦ: 723280.
3 Ефимова Наталия Анатольевна - декан факультета «Управление и экономика», канд. физ.-мат. наук, Чебоксарский филиал Российской академии народного хозяйства и государственной службы при Президенте Российской Федерации; Россия, 428034, г. Чебоксары, ул. Урукова, 15; e-mail: ena0174@mail.ru; SPIN-код РИНЦ: 4115-6937; Author ID РИНЦ: 14129; ORCID: 0000-0002-7398-1888.
4 Бренчагова Светлана Александровна - доцент кафедры экономики и менеджмента, канд. экон. наук, Чебоксарский институт (филиал) АНО ВО «Московский гуманитарно-экономический университет»; Россия, 428000, г. Чебоксары, ул. Гражданская, 85; e-mail: brenchagova@list.ru; SPIN-код РИНЦ: 6802-7950; AuthorID РИНЦ: 280207; ORCID: 0000-0001-8220-0484.
5 Абросимова Марина Сергеевна - зав. кафедрой экономики, менеджмента и агроконсалтинга, доцент, канд. экон. наук, ФГБОУ ВО «Чувашский государственный аграрный университет»; Россия, 428003, г. Чебоксары, ул. К. Маркса, 29; e-mail: amsik_74@mail.ru; SPIN-код РИнЦ: 3792-1295; AuthorID РИНЦ: 253696; Scopus Author ID: 57207846195; ORCID: 0000-0001-8756-5466.
6 Иванова Анна Алексеевна - магистрант, ФГБОУ ВО «Чувашский государственный университет имени И.Н. Ульянова»; Россия, 428015, г. Чебоксары, пр. Московский, 15; e-mail: ivanova3011anna@mail.ru; SPIN-код РИНЦ: 3289-6210; Author ID РИНЦ: 1079699; ORCID: 0000-0002-6112-8062.
прогноза рассчитаны доверительные интервалы прогнозируемых значений интегрального показателя, характеризующего темпы развития сельского хозяйства. На основании полученных прогнозов, можно констатировать необходимость корректировки тех или иных показателей, активно воздействующих на отрасль, что является математическим обоснованием принятия управленческих решений при разработке стратегий и программ, в целях развития сельского хозяйства Чувашской Республики.
Ключевые слова: сельское хозяйство, развитие, методика оценки, интегральный показатель, прогнозирование, Чувашская Республика.
Введение
В начале XXI в. новые реалии выявили острую необходимость в современных технологиях изучения экономических процессов как в целом по народному хозяйству, так и в сельском хозяйстве, поскольку дореформенные методы безнадежно устарели. Учитывая недостатки публикаций по данному вопросу, например, в работах С. Албайк [Albeaik et al., 2017], Ю. Лу [Lou et al., 2017], М. Тахамипур [Tahamipour, 2018], не принимается во внимание подход для учета показателей с различными единицами измерений. В трудах С. Л. Брантон [Brunton et al., 2018], Э. Г. Бонджорно [Bongiorno et al., 2019], Н. Н. Мининой [Minina, 2018] -отсутствуют математические модели для исследования экономических процессов. А в статьях Д. Дж. Хрушка [Hruschka, etc. all], А. Такчелла [Tacchella, 2018], К. Д. Браммит [Brummitt et al., 2018], М. Тяпкиной [Tyapkina, 2019], А. Н. Ставцева [Ставцев и др., 2015] при наличии статистической информации, отсутствует математический аппарат для исследования и возможности получения прогнозов.
Анализируя результаты, проведенных нами ранее исследований, и имея разработанную технологию оценки влияния социально-экономических факторов на воспроизводство кадрового потенциала в сельском хозяйстве, предложен авторский алгоритм оценки и прогнозирования развития сельского хозяйства региона (на материалах Чувашской Республики). В отличие от цитируемых работ в данной статье предлагается применять математический аппарат для исследуемых процессов и на основании полученных прогнозов, осуществлять эффективное руководство сельским хозяйством в целях обеспечения его позитивного развития.
В качестве методов исследования автор применил индексный, расчет интегральных показателей, корреляционно-регрессионный анализ, прогнозирование с расчетом доверительных интервалов.
Цель статьи - разработка методики оценки темпов развития сельского хозяйства Чувашской Республики для получения качественного прогнозируемого результата в целях обеспечения позитивного развития отрасли.
На начальном этапе формируется выборка наиболее значимых экономических показателей, характеризующих развитие сельского хозяйства Чувашской Республики, являющегося объектом данного исследования. В первоначальном виде выборка состояла из двенадцати параметров, но на основании корреляционного анализа выделены пять показателей, оказывающих существенное влияние на развитие отрасли (таб. 1, составлена по данным Федеральной службы государственной статистики). Выбранные факторы приводятся к индексному значению (в %-ах к предыдущему году) для возможности их учета при расчете интегрального показателя (таб. 2).
Таблица 1
Основные экономические показатели, характеризующие развитие сельского хозяйства Чувашской Республики в 2011-2020 гг.
Показатели Год
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Сальдированный финансовый результат (прибыль минус убыток) организаций с.х., млн руб. 716,0 934,0 790,0 596,0 702,6 694,5 773,1 744,8 176,5 564,3
Производство продукции с.х., млн руб. в т.ч.: - животноводства; 15453,1 16768,3 15933,7 17390,5 19155,5 19968,7 21269,3 20187,5 21824,7 21907,4
- растениеводства 16669,1 15857,0 14928,6 19663,8 20191,7 19369,6 17467,6 17183,4 18375,5 22929,7
Инвестиции в основной капитал с.х. (без учета лесн. хоз-ва), млн руб. 2434,9 3423,2 2713,6 2419,7 2696,0 2230,7 1535,0 1137,2 1634,3 1214,1
Финансовые вложения организаций в с.х., млн руб. 326,6 377,1 456,6 573,5 359,7 511,9 664,0 818,6 1645,0 1286,1
Источник: Росстат
Метод индексного анализа позволяет агрегировать широкий спектр количественных показателей оценки, имеющих различные единицы измерения и не сопоставляемых между собой без стандартизации значений. На основании таблицы 1 формируется таблица 2, отражающая индексные значения экономических показателей, характеризующих темпы развития сельского хозяйства Чувашской Республики в 2011 -2020 гг.
Таблица 2
Динамика изменения экономических показателей, характеризующих темпы
развития сельского хозяйства Чувашской Республики в 2011-2020 гг., __в % к предыдущему году_
Показатели Год Средний темп
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Индекс сальдированного финансового результата (прибыль минус убыток) организаций с.х. 367,2 130,4 84,6 75,4 117,9 98,8 111,3 96,3 23,7 319,7 142,5
Индекс производства продукции с.х., в т.ч.: 105,7 108,5 95,0 109,1 110,1 104,2 106,5 94,9 108,1 100,4 104,3
животноводства;
- растениеводства 246,3 95,1 94,1 131,7 102,9 95,9 90,2 98,4 106,9 124,8 118,6
Индекс изменения инвестиций в основной капитал с.х. (без учета лесн. хоз-ва) 150,9 140,9 79,3 89,2 111,4 82,7 68,8 74,1 143,7 74,3 101,5
Индекс изменения финансовых вложений организаций в с.х. 172,9 115,5 121,1 125,6 62,7 142,3 129,7 123,3 200,9 78,2 127,2
Интегральный показатель, характеризующий темпы развития сельского хозяйства 120,1 117,0 93,8 104,0 98,6 103,1 99,1 96,1 95,4 118,4 104,6
Источник: авторская разработка
На основе информации таблицы 2 по формуле 1 (авторская разработка) рассчитывается интегральный показатель, характеризующий темпы развития сельского хозяйства Чувашской Республики в 2011-2020гг., (ИПР.С.Х.), в %:
ипр.сх. = ^ЛСФР * 1ППЖ* 1ППР * 1ИОК * 1ФЛО (1)
где 1сфр - индекс изменения сальдированного финансового результата (прибыль минус убыток) организаций сельского хозяйства, %;
1ппж - индекс изменения производства продукции животноводства, %;
1ППР - индекс изменения производства продукции растениеводства, %;
1иок - индекс изменения инвестиций в основной капитал сельского хозяйства, %;
1фло - индекс изменения финансовых вложений организаций в сельское хозяйство, %.
Значения интегрального показателя, характеризующего темпы развития сельского хозяйства Чувашской Республики в 2011-2020гг. (ИПр.с.х.), вносятся в таблицу 2. Из нее видно, что за анализируемый период прогресс в развитии отрасли наблюдался в: 2011 г., 2012, 2014, 2016 и 2020 гг., соответственно, когда значения интегрального показателя превышали 100 баллов. При этом максимальный скачок произошел в 2011 г., когда темпы развития сельского хозяйства составили 120,1 баллов. Это было связано с: подписанием Указа Президента РФ от 30.01.2010 г. №120 «О Доктрине продовольственной безопасности Российской Федерации», Распоряжением Правительства РФ от 30.11.2010г. №2136-р «О Концепции устойчивого развития сельских территорий РФ на период до 2020 года», Распоряжением Правительства РФ от 08.12.2011 г. №2227-р «О Стратегии инновационного развития России до 2020 года»; реализацией Национального проекта «Развитие АПК» и Ведомственной целевой программы «Развитие птицеводства Чувашской Республики на 2010— 2015 гг.» и т.д. В остальные годы анализируемого периода отмечался регресс.
Если анализировать среднее совокупное значение изменения индексов за 20112020 гг., то они расположились в следующей последовательности (по убыванию): сальдированный финансовый результат - 142,5%; финансовые вложения организаций в
сельское хозяйство - 127,2%; производство продукции растениеводства - 118,6% и животноводства - 104,3%; инвестиции в основной капитал - 101,5%. Следовательно, наибольшее влияние на интегральный показатель, характеризующий темпы развития сельского хозяйства Чувашской Республики, оказали сальдированный финансовый результат и финансовые вложения организаций.
На следующем этапе в целях дальнейшей детализации исследуемой проблемы, предлагается осуществить прогнозирование интегрального показателя темпов развития сельского хозяйства Чувашской Республики; на основании его динамики за 2011-2020 гг. и с помощью программы Excel, в таблице 3 выведены уравнения трех вариантов развития ситуации на 2021-2023 гг. (оптимистического, вероятностного и пессимистического).
Таблица 3
Прогноз изменения интегрального показателя, характеризующего темпы развития сельского хозяйства Чувашской Республики до 2023 г.
Вариант прогноза Уравнение Год 2023 г. к 2020г., %
2020 2021 2022 2023
Оптимистический y = 0,426x2 - 6,1318x + 121,48 118,4 109,3 108,0 107,2 90,5
Вероятностный y = 114,42x-0,062 99,1 98,1 97,1 82,0
Пессимистический y = 115,78x-0,074 95,5 94,7 93,4 78,9
Источник: авторская разработка
Далее рассчитываются доверительные интервалы прогнозируемых значений интегрального показателя, характеризующего темпы развития сельского хозяйства ИПр.с.х. на 2020-2023 гг. для оптимистического прогноза (поскольку для него коэффициент детерминации показал наибольшее значение), которые охватывают следующие диапазоны:
94,4107 < Y2020 < 114,7079; 95,2582 < Y2021 < 114,7236;
97,4764 < Y2022 < 113,0069; 98,0621 < Y2023 < 112,7225.
Как видно из них ИПр.с.х. на 2020 г. со значением 104,6%, входит в доверительный интервал на 2020 г. Аналогичная процедура проводилась нами ранее для 2019 г., до появления в сводном доступе фактических статистических данных за 2020 г. ИПр.с.х. на 2019 г. составлял 95,4%, что тоже входило в прогнозируемый диапазон: 94,5684 < Y201g < 104,3736.
Для наглядности на рисунке 1 отражен график оптимистического прогноза изменения интегрального показателя, характеризующего темпы развития сельского хозяйства Чувашской Республики до 2023 г.
140
120 100 80 60 40
y = 0,426x2 - 6,1318x + 121,48
• Фактические данные
Полиномиальная (Фактические данные)
20
0 -
Q<V ^ ^ ^ ¿V4 <$>
Рисунок 1. Оптимистический прогноз изменения интегрального показателя, характеризующего темпы развития сельского хозяйства Чувашской Республики до 2023 г.
Источник: авторская разработка
Возможности современного состояния математики и компьютерных технологий, позволяют получать качественные достоверные прогнозы. В соответствии с предлагаемой методикой оценки можно сравнить прогнозируемые значения в будущем периоде, что неоднократно было проделано автором и отражено в публикациях.
Полученный диапазон доверительного интервала ИПр.с.х. на 2021 г. меньше диапазона показателей 2020 г., что свидетельствует о высокой эффективности мероприятий, реализуемых в рамках государственной программы «Экономическое развитие и инновационная экономика», «Приоритетного национального проекта «Развитие АПК», федеральной «Государственной программы развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2013-2020 гг.», государственной программы Чувашской Республики «Комплексное развитие сельских территорий Чувашской Республики», утвержденную постановлением Кабинета Министров Чувашской Республики от 26.12.2019 г. № 606 (с изменениями от 25.03.2020 г. № 115).
Заключение
Таким образом, разработанный алгоритм - это уникальный инструмент определения темпов развития сельского хозяйства Чувашской Республики. Он является универсальным и точным средством прогнозирования на очередной период и обладает большим потенциалом для дальнейших исследований, так как с его помощью можно оценивать не только влияние экономических параметров на процесс развития, но и воздействие инновационных, социальных, политических, правовых, экологических и прочих факторов в целях обеспечения устойчивого развития страны, федеральных округов и регионов. Предлагаемая технология исследования позволяет законодательным и исполнительным органам власти убедительно обосновать необходимость принимаемых социально-экономических проектов и программ.
Список источников
1. Albeaik S., Kaltenberg M., Alsaleh M., Hidalgo C. 729 new measures of economic complexity // Addendum to Improving the Economic Complexity Index. 2017. arXiv:1708.04107v1, Aug. 2017
2. Bongiorno E.G., Goia A. Describing the concentration of income populations by functional principal component analysis on Lorenz curves // Journal of Multivariate Analysis. 2019. № 170. C. 10-24.
3. Brummitt C.D., Gomez-Lievano A., Hausmann R., Bonds M.H. Machine-learned patterns suggest that diversification drives economic development. 2018. arXiv:1812.03534v1 [physics.soc-ph] 9 Dec
4. Brunton S.L., Proctor J.L., Kutz J.N. Discovering governing equations from data by sparse identification of nonlinear dynamical systems // Proceedings of the National Academy of Sciences of the United States of America. 2016. № 113(15). C. 3932-3937.
5. Hruschka D.J., Hadley C., Hackman J. Material wealth in 3D: Mapping multiple paths to prosperity in low- and middle- income countries PloS one. 2017. 12(9):e0184616-18. DOI: 10.1371/journal.pone.0184616
6. Ivanova T., Kadyshev E., Ladykova T., Brenchagova S., Nemtsev V., Ivanova A. Forecasting agricultural production as a tool for effective industry management (on the example of the Chuvash Republic) // Smart Innovation, Systems and Technologies (Springer). 2022. № 247. C. 393-402. DOI: 10.1007/978-981-16-3844-2
7. Ivanova T., Kozina A., Chernyshova T., Prokopiev A., Anufrieva E., Smolkina Yu. Development of the concept of systemic management of personnel potential reproduction as an element of ensuring sustainable development of rural areas // IOP Conference Series: Earth and Environmental Science. 2021. № 937(3). 032099
8. Ivanova T., Saiganov A., Sorokin O., Kuznetsova E., Petrova S. Methodology for assessing the rates of reproduction social infrastructure of agriculture // E3S Web of Conferences. 2021. № 291. 05035. DOI: 10.1051/e3sconf/202129105035
9. Ivanova T., Yakovchik N., Chainikov V., Kravchenko T., Mityugina M. Forecasting the development of social infrastructure agriculture of the Chuvash Republic // E3S Web of Conferences (EDP Sciences). 2021. № 291. 05031. DOI: 10.1051/e3sconf/202129105031
10. Lou Y., Bien J., Caruana R., Gehrke J. Sparse Partially Linear Additive Models // Journal of Computational and Graphical Statistics. 2016. № 25(4). C. 1126-1140.
11. Minina N.N. Formation of equity capital of agricultural organizations of the Republic of Belarus // Achievements of science and technology of the agro-industrial complex. 2018. № 32(1). C. 50- 56. DOI: 10.24411/0235- 2451- 2018- 10111
12. Orlov V., Ivanova T., Arkhipova V., Ivanitskaya I. Assessment of the influence of social factors on reproduction of personnel potential in agriculture of Russia, PbWOSCE-2018: Business technologies for sustainable urban development // E3S Web Conf. 2019. № 110. DOI: 10.1051/ e3sconf/201911002143
13. Orlov V., Ivanova T., Brechagova S., Rumbayeva N. Mathematical modeling of economic factors impact: reproduction of personnel potential in agriculture sector of Russia // IOP Conf. Series: Earth and Environmental Science. 2020. № 433. 012012. IOP Publishing. DOI:10.1088/1755-1315/433/1/012012
14. Orlov V., Ivanova T., Kadyshev E., Chernyshova T., Prokopev A., Ivanova A. Mathematical modeling in forecasting reproduction processes in agriculture // Lecture Notes in Networks and Systems (Atlantis Press). 2022. № 246. C. 330-338. / Book: XIV International Scientific Conference "INTERAGROMASH 2021". DOI: 10.1007/978-3-030-81619-3
15. Tacchella A., Mazzilli D., Pietronero L. A dynamical systems approach to gross domestic product forecasting // Nature Physics. 2018. № 14(8). C. 861-865.
16. Tahamipour M., Mahmoudi M. The role of agricultural sector productivity in economic growth: the case of Iran's economic development plan // Macrothink Institute: Research in Applied Economics. 2018. № 10(1). DOI: 10.5296/rae.v10i1.12809
17. Tyapkina M. Consumption as the main element of the reproduction process in agriculture // International Scientific and Practical Conference "Agriculture and Food Security: Technologies, Innovations, Markets, Human Resources" (FIES 2019). BIO Web of Conferences. 2020. 17. 00240. DOI: 10.1051/bioconf/20201700240
18. Материалы Федеральной службы государственной статистики [Электронный ресурс] URL: https://rosstat.gov.ru/
19. Ставцев А.Н., Мирошников Г.А. Государственная поддержка обновления материально-технической базы агропромышленного комплекса Республики Беларусь // RJOAS. 2016. №1 (49). DOI: 10.18551/rjoas.2016-01.02
METHODOLOGY FOR ASSESSING AGRICULTURAL DEVELOPMENT OF THE
REGION
Ivanova T.V., Chuvash State University named I.N. Ulyanov
Agafonov A.V., Cheboksary Institute (branch) of the Moscow Polytechnic University Efimova N.A., Cheboksary Branch of the Russian Presidential Academy of National Economy and
Public Administration
Brenchagova S.A., Cheboksary Institute (branch) of the Moscow University of Humanities and
Economics
Abrosimova M.S., Chuvash State Agrarian University Ivanova A.A., Chuvash State University named I.N. Ulyanov
Abstract
The author's method of assessing the development of agriculture in the Chuvash Republic and the pace of its forecasting. For this purpose, an index analysis of the main economic parameters was carried out, an integral indicator characterizing their changes was calculated, the pace of development of agriculture in the Chuvash Republic was determined. With the help of the Excel program, the forecast of the industry development for 2021-2023 is presented according to three scenarios: optimistic, probabilistic and pessimistic. For an optimistic forecast, confidence intervals of the predicted values of the integral indicator characterizing the pace of agricultural development are calculated. Based on the forecasts obtained, it is possible to state the need to adjust certain indicators that actively affect the industry, which is a mathematical justification for making managerial decisions when developing strategies and programs for the development of agriculture in the Chuvash Republic.
Keywords: agriculture, development, assessment methodology, integral indicator, forecasting, Chuvash Republic.
