CC BY
35УДК 338.432(470.1/.2)
Шепелева Е. А.
Модель развития крестьянских (фермерских) хозяйств на сельских территориях Северо-Западного федерального округа
В статье представлены результаты исследования развития крестьянских (фермерских) хозяйств в СЗФО на примере Ленинградской области. Разработана модель, включающая эндогенную переменную - объем валовой продукции сельского хозяйства, произведенной данной категорией хозяйств, и ряд экзогенных переменных. Исследование проводилось с использованием корреляционно-регрессионного анализа по данным за 2014-2016 гг. по хозяйствам, получающим господдержку. Проведенный анализ показал, что на эндогенную переменную в 2016 г. наибольшее влияние оказывают размер выделяемых государственных субсидий, а также удаленность от Санкт-Петербурга и районного центра, причем удаленность от областного центра оказывает положительное влияние, а от районного - отрицательное. На протяжении 2014-2016 гг. влияние таких факторов, как размер господдержки и удаленность от районного центра, усиливаются. Кроме того, крестьянские (фермерские) хозяйства более развиты в районах области со средним уровнем развития сельскохозяйственных организаций.
Ключевые слова: корреляционно-регрессионный анализ, Ленинградская область, модель, крестьянские (фермерские) хозяйства (К(Ф)Х), сельские территории, факторы, переменные.
ГРНТИ: Экономика/Экономические науки: 06.71.07 Экономика агропромышленного комплекса в целом.
ВАК: 08.00.05
Shepeleva E. A.
Model of development of peasant (farmer) farms in rural areas of the North-West Federal District
The article presents the results of a study of the development of peasant (farm) farms in the North-West Federal District, using the example of the Leningrad Region. At the same time, a model has been developed that includes an endogenous variable-the volume of gross agricultural production produced by this category of farms and a number of exogenous variables. The study was conducted using correlation-regression analysis according to data for 2014-2016 on farms receiving state support. The analysis showed that the endogenous variable in 2016 is most affected by the size of government subsidies allocated, as well as the distance from St. Petersburg and the regional center, and the distance from the regional center has a positive impact, and from the regional center - a negative. Throughout 2014-2016, the impact of such factors as the size of state support and remoteness from the district center are increasing. In addition, peas-
© Шепелева Е. А., 2018 © Shepeleva E. A., 2018
ant (farm) farms are more developed in the regions with an average level of development of agricultural organizations.
Key words: correlation-regression analysis, Leningrad region, model, peasant (farm) farms, rural areas, factors, variables.
JEL classifications: Q12, Q19
В настоящее время крестьянские (фермерские) хозяйства К(Ф)Х играют важную роль в обеспечении качественными продуктами питания населения Северо-Запада РФ, поэтому вопросы моделирования развития данных хозяйств актуальны. Ранее нами рассматривались теоретические основы и методика моделирования интегрированных, кооперативных формирований в АПК [4]. Так, А.А. Дибиров [3] проводил анализ моделей интеграции, получивших развитие в аграрной сфере, механизмы и модели развития сельских территорий изучались
A.И. Костяевым, Г.Н. Никоновой, Т.В. Юрченко [5-7], экономические модели при разработке мер государственного воздействия для достижения продовольственного обеспечения регионов применяли
B.Н. Суровцев, Е.Н. Частикова [11]. Тренды развития малых форм хозяйствования в сельском хозяйстве РФ в рамках новых моделей экономического роста рассматривала Л.Н. Усенко [12], модели адаптации малых форм хозяйствования в сельском хозяйстве России к условиям аграрных кризисов разработали В.В. Кузнецов, О.И. Павлушкина, А.Н. Тарасов, В.Ф. Маковкина и др. [8], моделированием управления структурными и экономическими параметрами малых предприятий в сельском хозяйстве (фермерских хозяйств) занимались Т.П. Барановская, И.В. Арушанов [1].
Целью данного исследования является разработка модели развития К(Ф)Х на сельских территориях Северо-Западного федерального округа (СЗ ФО).
Исследование проводилось на примере муниципальных районов Ленинградской области с использованием статистических данных Комитета по агропромышленному и рыбохозяйственному комплексу Ленинградской области за 2014-2016 гг. [10], анализ проводился по К(Ф)Х области, получающим господдержку. В качестве технических средств применялись программные продукты Microsoft Office Word и Excel для обработки статистических данных, а также программный комплекс SPSS. Метод исследования - экономико-статистический, в том числе: корреляционно-регрессионный анализ, при проведении которого использовались труды Д.Б. Эпштейна [13], А.Д. Наследова [9], А. Бююль А. П. Цёфель [2].
В качестве показателя, характеризующего уровень развития К(Ф)Х выбран объем валовой продукции сельского хозяйства, произведенной
данной категорией хозяйств, этот показатель в модели является эндогенной переменной.
Экзогенными факторами, влияющими на деятельность К(Ф)Х являются: государство, другие субъекты хозяйственной деятельности, удаленность рынков сбыта, наличие трудовых ресурсов. При этом в качестве переменных, характеризующих эти факторы, нами были выбраны размер государственных субсидий, объем производства валовой продукции в сельскохозяйственном объединении (СХО), среднемесячная заработная плата работников СХО, удаленность от административного центра, удаленность сельских администраций от районного центра, плотность сельского населения.
Взаимосвязь переменных, определяющих модель развития К(Ф)Х на сельских территориях (СЗ ФО) представлена на рис. 1.
Государство
Размер субсидий
Другие субъекты хозяйственной деятельности
Объем произ- Среднемесячная
водства вало- заработная
вои продукции плата
в СХО работников СХО
К(Ф)Х (объем ВП сельского хозяйства)
Удаленность рынков сбыта
Удаленность от Удаленность
администра- сельских адми-
тивного центра нистраций от
- Санкт- районного
Петербурга центра
---ч Наличие трудовых ресурсов
Плотность
сельского
населения
Рис. 1. Взаимосвязь переменных, определяющих модель развития К(Ф)Х
Для проведения корреляционно-регрессионного анализа в качестве факторных переменных были привлечены следующие величины:
Х1 - субсидии из бюджетов всех уровней, тыс. р.;
Х2 - стоимость валовой сельхозпродукции, полученной СХО, тыс. р.;
Хз - среднегодовая заработная плата работников СХО в расчете на одного работника, тыс. р.;
Х4 - плотность сельского населения, чел./км2;
Х5 - удалённость районного центра от Санкт-Петербурга, км;
Хб - средняя удалённость сельских администраций от районного центра, км.
Результативный признак (у) - стоимость валовой продукции сельского хозяйства, произведенной К(Ф)Х, получающими господдержку, тыс. руб.
В табл. 1-2 представлены переменные, использованные при анализе. Значения переменных Х 5 и Х б не зависят от года исследования.
Таблица 1
Значения переменных для К(Ф)Х Ленинградской области в 2014 г.
Районы Ленинградской области у Х 1 Х 2 Х 3 Х 4 Х 5 Х 6
Бокситогорский 6319 9612 152491 311,8 1,6 290 760
Волосовский 77581 26707 2136209 308,6 14,8 90 260
Волховский 7948 7635 1612229 276,4 5 120 470
Всеволожский 17211 15140 3376975 339,3 45 20 320
Выборгский 63620 9691 7486506 405,3 9,4 130 440
Гатчинский 159253 18560 3823495 298,8 33,3 460 240
Кингисеппский 12409 23314 733378 324,1 7,2 140 380
Киришский 7193 7067 427086 240,7 2,6 120 290
Кировский 33234 16080 21797089 482,2 4,2 550 470
Лодейнопольский 55123 38344 142731 185,4 1,8 240 540
Ломоносовский 16898 4227 1643648 267,1 32,2 40 420
Лужский 21998 8380 1952233 244,1 6,1 140 360
Приозерский 46026 25538 2106221 308,7 11,1 140 540
Сланцевский 2276 98 361797 260,7 4,8 190 300
Тихвинский 24777 16635 284731 204,4 1,7 200 480
Тосненский 23965 11320 3959511 455 10,7 50 320
Таблица 2
Значения переменных для К(Ф)Х Ленинградской области в 2015-2016 гг.
Районы Ленинградской области 2015 г. 2016 г.
У Х1 Х2 Хз X 4 У X 1 Х2 Хз Х4
Бокситогорский 10725 6385 445757 362,4 1,6 13873 32209 565339 352 0,2
Волосовский 91490 55907 2433536 331,7 14,8 97754 31490 2642433 348 14,8
Волховский 9992 8110 2022896 312,4 4,9 12464 4415 2315459 285 4,8
Всеволожский 28769 20023 4033331 390,3 48,3 36371 9013 3483984 425 51,7
Выборгский 52514 17624 9214914 441,2 9,3 54414 12604 10227368 479 9,3
Гатчинский 140746 39224 4949020 322,3 33,4 160116 15913 5164661 367 33,4
Кингисеппский 22016 8591 1061954 355,3 7,2 36108 12775 908739 389 7,2
Киришский 32942 20913 500979 272,1 2,6 46854 14413 539837 334 2,6
Кировский 51374 34320 22674956 547,4 4,2 56160 25200 23138792 513 4,2
Лодейнопольский 53480 17735 344035 236,8 1,8 64851 32212 371836 249 1,8
Ломоносовский 15854 12916 1788445 315,4 32,5 7426 28044 1973238 317 32,6
Лужский 34340 7710 2492523 282,3 6 33004 15766 2508803 299 5,9
Приозерский 66493 27395 2721435 355 11 114886 50383 3054827 382 10,9
Сланцевский 3644 3767 446532 306,5 4,8 2329 3345 481624 315 4,7
Тихвинский 29438 9479 337326 219 1,7 37126 15612 419327 234 1,7
Тосненский 52761 5416 4157883 463,3 10,4 44739 22051 3799726 432 10,3
Для корреляционно-регрессионного анализа был выбран метод Enter, включающий все независимые переменные, выбранные для анализа. Результаты анализа представлены в табл. 3-5.
Таблица 3
Показатели уравнения регрессии для анализа за 2014 г.
Модель Нестандартизованные коэффициенты Стандартизованные коэффициенты t Знч.
B Стд. ошибка Бета B Стд. ошибка
1 (Константа) -19017,335 55158,522 -,345 0,738
VAR00002 1,598 0,802 0,396 1,993 0,077
VAR00003 -0,003 0,003 -0,466 -1,178 0,269
VAR00004 119,903 156,738 0,250 0,765 0,464
VAR00005 1020,949 651,268 0,339 1,568 0,151
VAR00006 198,850 76,088 0,729 2,613 0,028
VAR00007 -103,988 64,332 -0,350 -1,616 0,140
Таблица 4
Показатели уравнения регрессии для анализа за 2015 г.
Модель Нестандартизованные коэффициенты Стандартизованные коэффициенты t Знч.
B Стд. ошибка Бета B Стд. ошибка
1 (Константа) -12635,155 50140,536 -0,252 0,807
VAR00002 1,610 0,522 0,668 3,085 0,013
VAR00003 -0,003 0,003 -0,510 -1,216 0,255
VAR00004 114,015 141,727 0,277 0,804 0,442
VAR00005 204,623 521,446 0,081 0,392 0,704
VAR00006 114,624 63,283 0,477 1,811 0,104
VAR00007 -59,088 54,498 -0,226 -1,084 0,306
Таблица 5
Показатели уравнения регрессии для анализа за 2016 г.
Модель Нестандартизованные коэффициенты Стандартизованные коэффициенты t Знч.
B Стд. ошибка Бета B Стд. ошибка
1 (Константа) 16611,257 65567,172 0,253 0,806
VAR00002 2,244 0,727 0,658 3,088 0,013
VAR00003 -0,003 0,003 -0,388 -1,016 0,336
VAR00004 117,119 175,517 0,216 0,667 0,521
VAR00005 372,444 633,230 0,128 0,588 0,571
VAR00006 188,550 76,394 0,651 2,468 0,036
VAR00007 -196,524 74,001 -0,623 -2,656 0,026
Уравнение множественной регрессии для анализа за 2014г. выглядит следующим образом:
у = 1,6 Х1 - 0,003 Х2 + 119,9 Х3 + 1020,95 Х4 + 198,85 Х5 - 104 Х6 - 19017,335.
Уравнение множественной регрессии для анализа за 201 5г. выглядит следующим образом:
у = 1,61 Х1 - 0,003 Х2 + 114,015 Х3 + 204,62 Х4 + 114,62 Х5 - 59,1 Х6 - 12635,16.
Уравнение множественной регрессии для анализа за 201 6г. выглядит следующим образом:
у = 2,24 Х1 - 0,003 Х2 + 117,12 Х3 + 372,44 Х4 + 188,55 Х5 - 196,52 Х6 + 16611,26.
Стоимость валовой сельхозпродукции, полученной СХО, а также средняя удалённость сельских администраций от районного центра, оказывают отрицательное влияние на стоимость валовой сельхозпродукции, произведенной в К(Ф)Х, а остальные переменные - субсидии из бюджетов всех уровней, среднегодовая заработная плата работников СХО в расчете на одного работника, плотность сельского населения, удалённость районного центра от Санкт-Петербурга -положительное.
Таким образом, в районах Ленинградской области, в которых СХО производят наибольшее количество валовой продукции сельского хозяйства - К(Ф)Х производят меньше сельхозпродукции, чем в районах с меньшим объемом сельхозпродукции в СХО. Хотя при этом средний размер заработной платы в СХО оказывает противоположное влияние на результативный показатель. Значение р-коэффициента у переменной стоимость валовой продукции значительно выше, чем у переменной средняя заработная плата, т. е. наибольшее влияние из этих двух факторов на результативный оказывает стоимость валовой продукции, произведенной в СХО. Это указывает на то, что К(Ф)Х более развиты в районах области со средним уровнем развития крупного нефермерского сельскохозяйственного производства.
Анализ показывает, что К(Ф)Х наиболее развиты на территории, удаленной от Санкт-Петербурга, но приближенной к районным центрам.
По значениям р-коэффициентов можно сделать вывод, что в
2014 г. наибольшее влияние на стоимость валовой сельхозпродукции, полученной К(Ф)Х, оказывала удаленность от Санкт-Петербурга, а в
2015 г. и в 2016 г. - размер субсидий из бюджетов всех уровней. Коэффициент множественной корреляции (К) при анализе по данным 2014 г. составил 0,82, по данным 2015 г. - 0,85, по данным 2016 г. -0,83, что показывает наличие высокой связи между рассматриваемыми признаками.
Коэффициент множественной детерминации для анализа по данным 2014 г. Р2 равен 66,8 %, т.е. вариация факторов, включенных в уравнение регрессии, объясняет 66,8 %% вариации стоимости валовой продукции, произведенной К(Ф)Х. По данным за 2015 г. данный показатель составил 72,3 %, а по данным за 2016 г. - 68,7 %. Это свидетельствует о том, что уровень информационной способности моделей выше среднего.
Критерий Фишера (Р) равен для анализа по данным 2014 г. -3,012, по данным 2015 г. - 3,919, по данным 2016 г. - 3,299, во всех случаях этот показатель больше уровня значимости, составившего соответственно 0,067; 0,033 и 0,053. Это показывает, что все три модели значимы.
Проверка на наличие систематических связей между остатками соседних случаев произведена при помощи теста на автокорреляцию Дарбина-Ватсона. Значение этого коэффициента составляет 2,3 для анализа по данным 2014 г., 1,8 - по данным 2015 г. и 2,15 по данным 2016 г., т. е. для всех трех моделей выполняется условие, означающее отсутствие автокорреляции: 1,5 < DW < 2,5.
Гистограмма остатков у всех трех моделей (рис. 2) хорошо согласуется с нормальным распределением. Это свидетельствует о том, что модели подобраны правильно.
Гистограмма
Гистограмма
Зависимая переменная: УАН 00001
Зависимая переменная: УЛМ0001
Среднее =-2,32Е-16
Стандартное
Регрессия Стандартизированный остаток
2014 г.
Среднее =4,16Е 16
Стандартное
Регрессия Стандартизированный остаток
2015 г.
и =16
N =16
Гистограмма
Зависимая переменная: УАИОООО1
Регрессия Стандартизированный остаток
2016 г.
Рис. 2. Гистограммы остатков (зависимая переменная: стоимость валовой продукции сельского хозяйства, произведенной К(Ф)Х Ленинградской области, получающими господддержку: по оси абсцисс - стандартные остатки регрессии, по оси ординат - частота)
График остатков на нормальном вероятностном распределении (рис. 3) показывает, что остатки достаточно хорошо ложатся на прямую. Это также показывает, что все три модели неплохо описывают наши данные.
Вероятностный график (доли) для регрессии для Стандартизированный остаток
Зависимая переменная: УАКОООО!
Наблюденная кум. вероятность
2014 г.
Вероятностный график (доли) для регрессии для Стандартизированный остаток
Зависимая переменная: УАКОООО1
Наблюденная кум. вероятность
2015 г.
Вероятностный график (доли) для регрессии для Стандартизированный остаток
Зависимая переменная: VAR00001
Наблюденная кум. вероятность
2016 г.
Рис. 3. График остатков на нормальном вероятностном распределении (зависимая переменная: стоимость валовой продукции сельского хозяйства, произведенной К(Ф)Х Ленинградской области, получающими господддержку: по оси абсцисс - наблюдаемые нормальные значения, по оси ординат - ожидаемые нормальные значения)
Анализ ß-коэффициентов показал, что на стоимость валовой сельхозпродукции, произведенной К(Ф)Х Ленинградской области в 2016 г., наибольшее влияние оказывает размер выделяемых государственных субсидий, а также удаленность от Санкт-Петербурга и районного центра, причем удаленность от областного центра оказывает положительное влияние, а от районного - отрицательное. На протяжении 2014-2016 гг. влияние таких факторов, как размер господдержки и удаленность от районного центра, усиливаются. Кроме того, К(Ф)Х более развиты в районах области со средним уровнем развития сельскохозяйственных организаций. Все три модели соответствуют необходимым критериям.
Список литературы
1. Барановская Т.П., Арушанов И.В. Модели управления структурными и экономическими параметрами малых предприятий в сельском хозяйстве (фермерских хозяйств) // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. - 2007. - № 32. - C. 37-54.
2. Бююль А., Цёфель П. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей / пер. с нем. -СПб.: ООО «ДиаСофтЮП», 2005. - 608 с.
3. Дибиров А.А. Перспективные модели развития интеграционных формирований в АПК // Форсайт «Россия»: дизайн новой промышленной политики.
Сборник материалов Санкт-Петербургского международного экономического конгресса (СПЭК-2015). - 2015. - C. 643-652.
4. Дибиров А.А., Джабраилова Б.С., Наумова Г.А., Шепелева Е.А., Степанова Г. И., Погодина О. В. Теоретические основы и методика моделирования интегрированных, кооперативных формирований в АПК. - Санкт-Петербург. -2013.
5. Костяев А.И. Развитие сельских территорий: модели и механизмы // Экономика, труд, управление в сельском хозяйстве. - 2015. - № 4 (25). - C. 12-15.
6. Костяев А. И., Никонова Г.Н. О необходимости новой парадигмы продовольственной безопасности России // Никоновские чтения. - 2014. - № 19. -С. 5-7.
7. Костяев А.И., Юрченко Т.В. Типология сельских территорий с учетом модели «Центр-периферия» // Научное обозрение: теория и практика. - 2015. -№ 4. - C. 147-154.
8. Кузнецов В.В., Павлушкина О.И., Тарасов А.Н., Маковкина В.Ф. и др. Модели адаптации малых форм хозяйствования в сельском хозяйстве России к условиям аграрных кризисов // Государственное научное учреждение Всероссийский научно-исследовательский институт экономики и нормативов РАСХН. - Ростов-на-Дону. - 2012.
9. Наследов А.Д. SPSS: Компьютерный анализ данных в психологии и социальных науках. - СПб.: Питер. - 2005. - 416 с.
10. Статистические данные Комитета по агропромышленному и рыбохозяйственному комплексу Ленинградской области. - 2016.
11. Суровцев В. Н., Частикова Е.Н. Применение экономических моделей при разработке мер государственного воздействия для достижения продовольственного обеспечения регионов // Продовольственное обеспечение регионов Российской Федерации: теория, методология, практика: материалы Международного круглого стола. - 2010. - C. 198-202.
12. Усенко Л.Н. Тренды развития малых форм хозяйствования в сельском хозяйстве РФ в рамках новых моделей экономического роста // Научные труды Вольного экономического общества России. - 2012. - Т. 165. - C. 271-281.
13. Эпштейн Д.Б. О применении экономико-математических методов // Экономико-математические методы в АПК: история и перспективы: материалы международного научного симпозиума, памяти профессора Ростислава Григорьевича Кравченко. - 1999. - С. 61-62.
References
1. Baranovskaja T.P., Arushanov I.V. Modeli upravlenija strukturnymi i jekonomicheskimi parametrami malyh predprijatij v sel'skom hozjajstve (fermerskih hozjajstv). Politematicheskij setevoj jelektronnyj nauchnyj zhurnal Kubanskogo gosudar-stvennogo agrarnogo universiteta, 2007, № 32, рр. 37-54.
2. Bjujul' A., Cjofel' P. SPSS: iskusstvo obrabotki informacii. Analiz statisticheskih dannyh i vosstanovlenie skrytyh zakonomernostej. Per. s nem. St. Petersburg: OOO «DiaSoftJuP», 2005. 608 p.
3. Dibirov A.A. Perspektivnye modeli razvitija integracionnyh formirovanij v APK. V sbornike: Forsajt «Rossija»: dizajn novoj promyshlennoj politiki. Sbornik materialov Sankt-Peterburgskogo mezhdunarodnogo jekonomicheskogo kongressa (SPJeK-2015). 2015, рр. 643-652.
4. Dibirov A.A., Dzhabrailova B.S., Naumova G.A., Shepeleva E.A., Stepanova G.I., Pogodina O.V. Teoreticheskie osnovy i metodika modelirovanija integrirovannyh, kooperativnyh formirovanij v APK. Sankt-Peterburg, 2013.
5. Kostjaev A.I. Razvitie sel'skih territory: modeli i mehanizmy. Jekonomika, trud, upravlenie v sel'skom hozjajstve, 2015, № 4 (25), pp. 12-15.
6. Kostjaev A.I., Nikonova G.N. O neobhodimosti novoj paradigmy prodovol'stven-noj bezopasnosti Rossii. Nikonovskie chtenija, 2014, № 19, pp. 5-7.
7. Kostjaev A.I., Jurchenko T.V. Tipologija sel'skih territorij s uchetom modeli «Centr-periferija». Nauchnoe obozrenie: teorija i praktika, 2015, № 4, pp. 147-154.
8. Kuznecov V.V., Pavlushkina O.I., Tarasov A.N., Makovkina V.F. i dr. Modeli adaptacii malyh form hozjajstvovanija v sel'skom hozjajstve Rossii k uslovijam agrarnyh krizisov. Gosudarstvennoe nauchnoe uchrezhdenie Vserossijskij nauchno-issledovatel'skij institut jekonomiki i normativov RASHN. Rostov-na-Donu, 2012.
9. Nasledov A.D. SPSS: Komp'juternyj analiz dannyh v psihologii i social'nyh naukah. St. Petersburg: Piter Publ., 2005. 416 p.
10. Statisticheskie dannye Komiteta po agropromyshlennomu i rybohozjajstven-nomu kompleksu Leningradskoj oblasti, 2016.
11. Surovcev V. N., Chastikova E.N. Primenenie jekonomicheskih modelej pri raz-rabotke mer gosudarstvennogo vozdejstvija dlja dostizhenija prodovol'stvennogo obespechenija regionov. V sbornike: Prodovol'stvennoe obespechenie regionov Ros-sijskoj Federacii: teorija, metodologija, praktika. Materialy Mezhdunarodnogo kruglogo stola, 2010. PP. 198-202.
12. Usenko L.N. Trendy razvitija malyh form hozjajstvovanija v sel'skom hozjajstve RF v ramkah novyh modelej jekonomicheskogo rosta. Nauchnye trudy Vol'nogo jekonomicheskogo obshhestva Rossii, 2012, T. 165, pp. 271-281.
13. Jepshtejn D.B. O primenenii jekonomiko-matematicheskih metodov. V sbornike: Jekonomiko-matematicheskie metody v APK: istorija i perspektivy. Materialy mezhdunarodnogo nauchnogo simpoziuma, pamjati professora Rostislava Grigor'evicha Kravchenko, 1999, pp. 61-62.
