CC BY
70
такой структуры в современных условиях обеспечит только взаимодействие с крупным коллективным производством, гарантирующим инвестиции в развитие сельского хозяйства, регулярный сбыт продукции, наличие свободных финансовых средств и стабильность доходов. Кроме того, в процессе кооперирования ЛПХ и улучшения взаимосвязей между администрацией и крупными сельскохозяйственными и перерабатывающими предприятиями будет повышаться уровень реализации различных видов интересов и, соответственно, доходы занятого в сельском хозяйстве населения.
Исследованиями установлено, что уровень развития кооперационных и интеграционных процессов в значительной степени определяет устойчивость производства как в отдельных отраслях, так и в региональном АПК в целом. Одним из перспективных наиболее развитых интегрированных формирований следует считать агрохолдинги, обеспечивающие реализацию преимуществ масштабов производства, минимизацию отрицательного воздействия конкуренции для участников объединения, значительную централизацию капитала, диверсификацию производства, возможность повышения устойчивости бизнеса, централизацию ряда функций и тем самым экономию управленческих затрат.
— земельным интересам - через концентрацию земли у эффективного собственника, сохранение крупных земельных массивов, восстановление плодородия земель, экологически безопасную обработку почвы;
— имущественным интересам — через сочетание частной собственности членов кооператива с коллективной формой ее использования, рост кооперативных выплат, увеличение приращенных паев;
— производственным интересам — через модернизацию средств производства, обеспечение координации предпринимательской деятельности, удовлетворение потребностей рынка в высококачественной экологически безопасной продукции и услугах, преодоление монополизма со стороны крупных торговых предприятий и организаций;
— социальным интересам — через демократичность управления, гарантию трудоустройства, создание благоприятных условий для воспроизводства трудовых ресурсов, дополнительных рабочих мест [1].
Эффективность развития кооперационных и интеграционных процессов может быть существенным образом повышена за счет вовлечения в кооперацию и интеграцию малых форм бизнеса как одной из самых многочисленных групп субъектов хозяйствования в современных условиях. Очевидно, что эффективность
Литература
1. Баклаженко Г. А. Развитие интеграционных процессов в АПК на основе трансформации собственности // АПК: экономика, управление. 2008. № 2. С. 39-44.
2. Гумеров Р. Сельскохозяйственная кооперация и агропромышленная интеграция в пореформенной России // Российский экономический журнал. 2006. № 4. С. 66-75.
3. Дементьева О. В. Кооперационные объединения в АПК : теория и практика управления // АПК : экономика, управление. 2008. № 11. С. 29-36.
4. Емельянов А. Финансово-экономическое положение сельского хозяйства: пути оздоровления // Экономист. 2010. № 8. С. 29-31.
5. Кузнецова Э. Р. Роль и значение инвестиций в сельскохозяйственном производстве Экономика АПК Предуралья // Научно-практический журнал. 2009. № 6. С. 11-12.
6. Пермский край в цифрах, 2011 : краткий стат. сб. / Террит. орган Федеральной службы гос. статистики по Пермскому краю. Пермь, 2011. 176 с.
ОЦЕНКА ПРОИЗВОДСТВЕННОГО ПОТЕНЦИАЛА СЕЛЬСКОХОЗЯЙСТВЕННЫХ ПРЕДПРИЯТИЙ ТВЕРСКОЙ ОБЛАСТИ И ВЫЯВЛЕНИЕ ФАКТОРОВ, СДЕРЖИВАЮЩИХ РАЗВИТИЕ СЕЛЬСКОХОЗЯЙСТВЕННОГО ПРОИЗВОДСТВА
И. С. КОМЕЛЬКОВА,
аспирант, Тверская государственная сельскохозяйственная академия
170904, г. Тверь, п. Сахарово, ул. Василевского, д. 7;
тел.: 8 (4822) 53-14-31
Положительная рецензия представлена Е. В. Горшениной, доктором экономических наук, профессором, заведующей кафедрой экономики Тверского государственного университета.
Ключевые слова: Тверская область, сельскохозяйственное производство, производственный потенциал, эффективность производства, комплексная методика оценки производственного потенциала, факторы, сдерживающие развитие сельскохозяйственного производства.
Keywords: Tverskaya oblast, agricultural production, production potential, production efficiency, complex technique of an assessment of production potential, factors constraining development of agricultural production.
Цель и методика исследований. В процессе исследования использовались как об-
Целью данного исследования является уточнение и щенаучные методы познания: сравнительный и си-раскрытие составляющих элементов производствен- стемно-структурный, абстрактно-логический, — так ного потенциала сельскохозяйственных предприятий, и традиционные методы экономического анализа: ста-его оценка и выявление факторов, сдерживающих тистические группировки, монографический, корре-развитие сельскохозяйственного производства. ляционно-регрессионный.
84 www.m-avu.narod.ru
Рассматривая и систематизируя определения производственного потенциала сельскохозяйственного предприятия, выявили отсутствие единства во взглядах различных ученых. Определение «производственного потенциала», по мнению автора, должно отображать сущность и состав производственного потенциала и содержать в себе оценочные характеристики (свойства) всех элементов потенциала.
Исследование данной категории позволяет автору представить производственный потенциал сельскохозяйственного предприятия как возможность предприятия по выпуску продукции в определенных природно-экономических условиях, которая зависит от единства, сбалансированности, взаимосвязи его материально-технических, трудовых и земельных ресурсов, а также от уровня их отдачи и эффективности использования посредством задействования интеллектуального капитала, наличие и использование которого влияет на эффективное функционирование хозяйствующего субъекта.
Исходя из проведенного анализа состава производственного потенциала в сельском хозяйстве, нами выделены земля, трудовые ресурсы, средства производства (основные и оборотные средства) и интеллектуальный капитал как элементы производственного потенциала, составляющие его основу, а единство, сбалансированность, взаимосвязь, уровень и эффективность использования каждого отдельного элемента и их совокупности характеризуют производственный потенциал в целом.
Анализируя существующие методы оценки производственного потенциала сельскохозяйственных предприятий, базирующиеся на различных принципиальных подходах, автор считает, что требованиям комплексной оценки производственного потенциала предприятий в наибольшей степени отвечает индикаторный метод, а также метод с использованием аппарата производственных функций, поскольку сочетание вышеназванных методов дает возможность оценить потенциальные возможности предприятий производить продукцию на основе имеющейся ресурсной базы и эффективности ее использования и определять потенциально возможный объем производства сельскохозяйственной продукции.
В результате проведенной оценки было выявлено. какие предприятия по ресурсообеспеченности в рамках оценки производственного потенциала и эффективности использования способны произвести максимальный объем сельскохозяйственной продукции.
С целью оценки интеллектуального капитала в общей величине производственного потенциала автором предлагается воспользоваться подходом Б. И. Сма-гина, уделившего особое внимание индексу эффективности использования ресурсов [2]. Автор считает, что на основе данного подхода можно выявить предприятия с наивысшей эффективностью использования ресурсов и применить индекс эффективности данных предприятий в качестве «эталона» максимально возможного уровня интеллектуального капитала, посредством которого обеспечивается эффективное использование ресурсов.
С помощью статистических группировок автором выявлена зависимость эффективности деятельности сельскохозяйственных предприятий области от трудовых, материально-технических и земельных ресурсов.
Для определения влияния этих факторов построена многофакторная модель на основе проведения множественного регрессионного анализа с помощью программ «StatGraphics» и «Exsel». Автором сначала проводился расчет на основании общерайонных данных, однако из-за большого уровня варьирования статистических данных получить адекватную модель не удалось. Поэтому корреляционно-регрессионный анализ сделан на основе среднерайонных данных, в результате чего анализируемая совокупность приобрела сопоставимый вид.
Поскольку метод с использованием производственной функции предъявляет жесткие требования к однородности совокупности, исходная совокупность была разбита на группы на основе проведения кластерного анализа по методу Уорда (Wards method).
Из многофакторных производственных функций выбрана модель линейного уравнения множественной регрессии. Общий вид модели следующий:
У = а + а]х] + ах2 + а3х3 + ахп (1)
где: У — теоретические зшчения результативного признака, полученные путем подстановки значений факгорныхпризнаковвуравнениерегрессии;х15 х2,х3 ..., хп — факторные признаки; а0, а1, а2, ..., ап — параметры уравнения.
Результативным признаком является себестоимость валовой продукции, тыс. руб. Факторные признаки: х1 — среднегодовая численность работников, чел.; х2 — стоимость оборотных активов, тыс. руб.; х3 — площадь сельскохозяйственных угодий, га; х4 — стоимость основных средств, тыс. руб.
Соглашаясь с мнением таких ученых, как А. Ф. Гришин, И. А. Товма, К. З. Бисултанов и др., в экономических научных исследованиях использованы только производственные функции, в которых абсолютная величина показателя тесноты связи больше 0,7, к тому же путем подстановки фактических значений каждого из факторов (ресурсов) определен потенциальный объем производства валовой продукции [1].
В свою очередь согласно исследованиям В. М. Гусарова, Е. И. Кузнецовой, на основе коэффициентов регрессии нельзя сказать, какой из признаков оказал наибольшее влияние на валовое производство сельскохозяйственной продукции, так как коэффициенты регрессии измерены разными единицами. Также на их основе невозможно установить, в развитии каких факторных признаков заложены наибольшие резервы изменения результативного показателя, в данном случае объема валовой продукции сельского хозяйства, потому что в коэффициентах не учтена вариация факторных признаков [3].
Поэтому для определения факторов, сдерживающих развитие сельскохозяйственного производства, были вычислены частные коэффициенты эластичности Э^ бета-коэффициенты Pi и дельта-коэффициенты Лр руководствуясь алгоритмом расчета В. М. Гусарова. Е. И. Кузнецовой.
Таблица 1
Результаты кластерного анализа сельскохозяйственного производства районов Тверской области, 2010 г.
Показатели Кластеры
1 2
Число районов 26 10
Валовая продукция, тыс. руб. 5432,374 43014,70
Среднегодовая численность работников, чел. 20,869 57,0
Оборотные средства, тыс. руб. 3867,943 26879,55
Площадь сельскохозяйственных угодий, га 1380,805 1770,590
Среднегодовая стоимость основных средств, тыс. руб. 9783,150 44978,28
www.m-avu. narod. ru
85
Результаты исследований.
Результаты исследований по проведению кластерного анализа сельскохозяйственного производства районов Тверской области представлены в табл. 1.
В результате решения многофакторной линейной модели получены корреляционные уравнения, моделирующие зависимость уровня производства валовой продукции от обеспеченности районов Тверской области трудовыми, земельными и материально-техническими ресурсами отдельно для каждой классификационной группы:
1 группа:
У.. = 1706,2 + 199,861х, + 0,450568%, - 1,57978х (2)
21х/ 1 2 группа:
У. =2166,47+365,762х,+0,476624.х, -10,4481х,+0,187364х, (3)
1 2 1 3 4 V /
При построении регрессионной модели в 1 группе районов области значимыми по критерию надежности явились факторы х1, х^ х3. Проверка данных факторов с помощью критерия надежности показала, что Р-Уа1ие не превышает допустимый уровень значимости 5 %. Следовательно, полученные значения не случайны, они сформировались под влиянием существенных факторов, то есть подтверждается статистическая значимость всего уравнения и показателя тесноты связи К-21х2х3
Коэффициен/детерминации К21х2х3 = 0,8536 оценивает, что на 85 % вариация валового производства в районах Тверской области обусловлена влиянием факторов, включенных в уравнение множественной зависимости. Множественный коэффициент корреляции Яух1х2х3 = 0,8317 указывает на тесную связь валового производства с указанными факторами.
При построении регрессионной модели во 2 группе районов области значимыми по критерию надежности явились все факторы (Р-Уа1ие не превышает допустимый уровень значимости 5 %).
Коэффициент детерминации К-21х2х3х4 = 0,9969 оценивает, что на 99 % вариация валового производства в районах Тверской области обусловлена влиянием факторов, включенных в уравнение множественной зависимости. Множественный коэффициент корреляции Яух1х2х3х4 = 0,9944 указывает на тесную связь валового производства с указанными факторами.
В результате полученных расчетов установлено, что 16 районов области имеют фактический уровень валового производства, превышающий теоретический, это означает, что районы использовали имеющиеся ресурсы с более высокой эффективностью, а оставшиеся 20 районов области работали ниже своих возможностей.
В каждой группе районов области выявлены районы с наивысшей эффективностью использования ресурсов и приняты коэффициенты эффективности данных районов в качестве «эталона» максимально возможного в каждой группе уровня интеллектуального капитала, посредством которого обеспечивается эффективное использование ресурсов. В первой группе районов — Вышневолоцкий район (а* = 1,889); во второй группе районов — Торжокский район (а* = 1,551) (табл. 2).
По результатам проведенной оценки (без учета показателя а*) установлено, что районы со средней ресурсообеспеченностью и средней эффективностью использования имеющихся ресурсов, такие как
Таблица 2
Эффективность использования производственного потенциала в сельскохозяйственных предприятиях Тверской области
Район Тверской области Фактический уровень валового производства, тыс. руб. Линейная многофакторная регрессионная модель
Теоретический уровень валового производства, тыс. руб. Эффективность использования производственного потенциала Теоретический уровень валового производства с учетом показателя а*, тыс. руб.
1 группа
Нелидовский 1731,6 3166,2 0,547 5980,9
Жарковский 1717,2 2759,1 0,622 5211,9
Спировский 5749,0 4883,8 1,177 9225,5
Фировский 4030,6 5092,3 0,791 9670,3
Бельский 3857,5 2979,6 1,295 5628,5
Сандовский 4911,2 5712,4 0,859 10790,7
Западнодвинский 4567,7 4746,9 0,962 8966,9
Андреапольский 3100,3 3242,4 0,956 6124,9
Лихо славльский 9035,0 9852,8 0,917 18611,9
Селижаровский 7083,0 7429,4 0,953 14034,1
Оленинский 5128,2 6258,1 0,819 11821,5
Кимрский 4402,0 3900,3 1,128 7367,6
Кувтттиновский 4655,5 4524,2 1,029 8546,2
Раметковский 3968,6 6433,9 0,617 12153,6
Максатихинский 3769,8 4049,3 0,931 7649,1
Вьттттневолоцкий 13332,7 7054,9 1,889 13332,7
Калязинский 6160,4 6156,5 1,001 11629,6
Удомельский 3759,4 3414,8 1,101 6450,5
Торопецкий 7072,6 6485,4 1,090 12250,9
Весьегонский 7385,9 7497,3 0,985 14162,4
Ржевский 7546,6 7704,1 0,979 14553,0
Зубцовский 6803,5 7457,3 0,912 14086,8
Кесовогорский 7671,8 9542,4 0,804 18025,6
Краснохолмский 6539,5 5518,1 1,185 10423,7
Остаптковский 12768,8 8787,6 1,453 16599,8
Молоковский 10912,1 10531,2 1,036 19893,4
2 группа
Бологовский 16477,0 14540,4 1,133 22552,2
Пеновский 22048,8 21957,3 1,004 34055,8
Лесной 14043,1 16556,5 0,848 25679,1
Сонковский 14595,5 11460,6 1,274 17775,4
Конаковский 203430,5 203585,6 0,999 315761,2
Катттинский 14001,3 17110,1 0,818 26537,7
Старицкий 19566,3 19364,2 1,010 30033,9
Торжокский 12540,6 8090,2 1,551 12540,6
Бежецкий 24620,9 31339,4 0,785 48607,4
Калининский 88822,7 86142,2 1,031 133606,5
86
№№№. т-Э¥и. пагосі. ги
Спировский, Осташковский, Кимрский, Бельский, Вышневолоцкий, Торжокский, Бологовский, Сонков-ский, получили фактический уровень валового производства равный или выше теоретического уровня. Тогда как районам, обладающим высокими потенциальными возможностями развития сельскохозяйственного производства, а именно ресурсообеспеченным и наиболее эффективно использующим имеющиеся ресурсы, таким как Лесной, Конаковский, Калининский, Бежецкий, получить уровень валового производства выше потенциально возможного не удалось, в связи с тем что в тяжелых экономических условиях поддерживать достаточно высокие объемы сельскохозяйственного производства и стремиться к их увеличению намного сложнее, чем вести производство в ограниченном объеме. С учетом показателя а*, учитывающего интеллектуальный капитал, достигли потенциально возможного объема производства продукции Вышневолоцкий и Торжокский районы.
Анализ коэффициентов уравнений множественной регрессии по 2 группам районов позволяет сделать вывод о степени влияния каждого из факторов на показатель валового производства.
В первом уравнении множественной регрессии параметр а1 равное 199,861 свидетельствует о том, что с увеличением среднегодовой численности работников на одного человека следует ожидать увеличения валового производства на 199,861 тыс. руб. Параметр а2 = 0,450568 свидетельствует о том, что увеличение стоимости оборотных средств на 1 руб. приведет к увеличению валового производства на 0,450568 тыс. руб. Параметр а3 = -1,57978 свидетельствует о том, что с увеличением площади сельскохозяйственных угодий на 1 га валовое производство уменьшится на 1,57968 тыс. руб.
Во втором уравнении множественной регрессии параметр а1 = 365,762 свидетельствует о том, что с увеличением среднегодовой численности работников на одного человека следует ожидать увеличения валового производства на 365,762 тыс. руб. Увеличение стоимости оборотных средств на 1 рубль приведет к увеличению валового производства на 0,476624 тыс. руб. Параметр а3 свидетельствует о том, что с увеличением площади сельскохозяйственных угодий на 1 га валовое производство уменьшится на 10,4481 тыс. руб. Параметр а4 свидетельствует о том, что с увеличением стоимости основных производственных фондов на 1 рубль валовое производство увеличится на 0,187364 тыс. руб.
Анализ частных коэффициентов эластичности показал, что по абсолютному приросту наибольшее влияние на валовое производство оказывают следующие факторы:
• в первой группе районов это фактор х1—среднегодо-вая численность работников, повышение которой на 1 % приводит к росту валовой продукции на 0,768 %; на втором месте фактор х2—оборотные средства, увеличение которых на 1 % приводит к росту валовой продукции на 0,32 %, а фактор х3 оказывает отрицательное влияние на объемы валовой продукции, увеличение площади сельскохозяйственных угодий на 1 % приводит к снижению стоимости валовой продукции на 0,401 %;
• во второй группе районов наибольшее влияние оказывает фактор х1 — среднегодовая численность работников, повышение которой на 1 % приводит к росту валовой продукции на 0,485 %, на втором месте фактор х2 — оборотные средства, увеличение которых на
1 % приводит к росту валовой продукции на 0,297 %, на третьем месте фактор х4 — основные средства, уве-
Экономика
личение которых на 1 % приводит к росту валовой продукции на 0,196 %; а рост фактора х3 — площади сельскохозяйственных угодий на 1 % приводит к снижению валового производства на 0,430 %.
По результатам анализа видно, что в каждой группе по абсолютному приросту наибольшее влияние оказывает фактор х1 — среднегодовая численность работников.
Анализ Р-коэффициентов показал, что на валовое производство наибольшее влияние способны оказать следующие факторы:
• в первой группе районов: среднегодовая численность работников, так как ей соответствует наибольшее значение Р-коэффициента (Р = 0,518), и оборотные средства (Р = 0,383);
• во второй группе районов — среднегодовая численность работников (0 = 0,325) и оборотные средства (Р = 0,306).
На основании анализа Д>коэффициентов установлено, что наибольшая доля прироста валовой продукции может быть обеспечена развитием следующих факторов из числа анализируемых:
• в первой группе районов — среднегодовая численность работников (Д = 0,619);
• во второй группе районов — среднегодовая численность работников (Д = 0,542).
Таким образом, на основании коэффициентов эластичности, Эь, р>, Дькоэффициентов можно судить о том, что главным резервом роста валовой продукции является увеличение среднегодовой численности работников. Поскольку носителем интеллектуального капитала является человек, а также имеется проблема нехватки квалифицированных специалистов в регионе, следовательно, его следует отнести к резервам роста валовой продукции.
Для сравнения полученных результатов потенциально возможного объема валового производства в районах области был проведен анализ деятельности среди сельскохозяйственных предприятий Бежецкого района, который по результатам проведенной индикаторным методом оценки имеет огромные потенциальные возможности для развития сельскохозяйственного производства. Сельскохозяйственные предприятия района были разделены на 2 группы:
— постепенно теряющие производственный потенциал и свертывающие производство (8 сельхозпредприятий);
— имеющие возможность наращивать производственный потенциал (8 сельхозпредприятий).
В результате решения многофакторной регрессионной модели получены корреляционные уравнения, моделирующие зависимость уровня производства валовой продукции от обеспеченности сельскохозяйственных предприятий Бежецкого района трудовыми, земельными и материально-техническими ресурсами отдельно для каждой классификационной группы:
1 группа:
У = -5549,25 + 2,05509% + 1,91119х, (4)
(х) 2 3 ' '
2 группа:
У = -14463,2 + 508,171х1 (5)
Р-Уа1ие по всем факторам в уравнениях не превышает допустимый уровень значимости 5 %.
Коэффициент детерминации Я2ух2х3 = 0,8563 по
1-й группе сельскохозяйственных предприятий района оценивает, что на 85 % вариация валового производства в сельскохозяйственных предприятиях обусловлена влиянием факторов, включенных в уравнение множественной зависимости. Множественный
ммм.т-эчи. пэгоб. ги
87
коэффициент корреляции Я 1х4 = 0,7988 указывает на тесную связь валового производства с указанными факторами.
Коэффициент детерминации Я2ух1 = 0,8294 по
2-й группе сельскохозяйственных предприятий оценивает, что на 83 % вариация валового производства обусловлена влиянием факторов, включенных в уравнение множественной зависимости. Множественный коэффициент корреляции Я = 0,7943 указывает на тесную связь валового производства с указанными факторами.
В первом уравнении множественной регрессии параметр а2 = 2,05509 свидетельствует о том, что с увеличением стоимости оборотных средств на 1 рубль валовое производство возрастет на 2,05509 тыс. руб. Увеличение площади сельскохозяйственных угодий на 1 га приведет к увеличению валового производства на 1,91119 тыс. руб.
Во втором уравнении множественной регрессии параметр а1 свидетельствует о том, что с увеличением среднегодовой численности работников на одного человека следует ожидать увеличения валового производства на 508,171 тыс. руб.
Необходимо учесть то, что сельскохозяйственные предприятия 1 группы находятся в депрессивном состоянии и для их вывода на стадию развития требуются вложения во все виды ресурсов, тогда как крупные сельхозпредприятия района, обеспечивающие основную часть валовой продукции района, испытывают нехватку в основном в рабочей силе и квалифицированных специалистах.
Подставив фактические значения каждого из факторов (ресурсов) в полученные корреляционные уравнения, определили потенциальный объем производства валовой продукции.
В результате проведенных расчетов установлено, что 7 из 16 сельскохозяйственных предприятий района имеют фактический выход продукции выше нормативного.
В каждой группе сельхозпредприятий района выявлены предприятия с наивысшей эффективностью использования ресурсов и приняты коэффициенты эффективности данных предприятий в качестве «эталона» максимально возможного в каждой группе уровня интеллектуального капитала, посредством которого обеспечивается эффективное использование ресурсов. В первой группе предприятий — СПК «Лаптиха» (а* = 1,743); во второй группе — СПК «Подобино» (а* = 1,982).
Таким образом, результаты проведенного множественного регрессионного анализа среди районов Тверской области подтверждаются результатами множественного регрессионного анализа среди сельскохозяйственных предприятий Бежецкого района. Высокие параметры достигнуты деятельностью двух крупных предприятий района — СПК «Подобино» и ОАО «Зареченское», которые производят 46,5 % рай-
онного объема сельскохозяйственной продукции, а такие крупные предприятии, как СПК «Новая жизнь», КХ «Красный Льновод», КХ «Имени Крупской» недовыполнили потенциально возможный план по производству сельскохозяйственной продукции.
Выводы. Рекомендации.
В результате проведенной оценки производственного потенциала сельскохозяйственного производства Тверской области с использованием предложенного автором комбинированного метода, состоящего из индикаторного метода оценки и метода с использованием производственной функции, было выявлено, что районы, обладающие высокими потенциальными возможностями развития сельскохозяйственного производства и наиболее эффективно их использующие, получили фактический уровень валового производства равный или ниже теоретического уровня, а районы со средней ресурсообеспеченностью и средней эффективностью использования производственного потенциала получили фактический уровень валового производства равный или выше теоретического уровня, вследствие того что поддерживать достаточно высокие объемы сельскохозяйственного производства и стремиться к его повышению в тяжелый кризисный период, который переживает в настоящее время все сельское хозяйство, намного сложнее, чем вести производство в ограниченном объеме. Поэтому государству следует в большей степени обратить внимание на предприятия, которые обеспечивают наибольшую часть валовой продукции всего Тверского региона. Исследования показали, что это сельскохозяйственные предприятия таких районов, как Вышневолоцкий, Лесной, Конаковский, Калининский, Бежецкий, Торжокский, Старицкий. В ходе проведения анализа в одном из ведущих районов (Бежецком), который по результатам проведенного индикаторного метода оценки имеет огромные потенциальные возможности для развития сельскохозяйственного производства, определили, что практически все сельскохозяйственное производство сосредоточено в 4 из 16 сельскохозяйственных предприятий. Можно предположить, что аналогичная ситуация наблюдается и в остальных вышеназванных районах, а это всего % часть всех сельскохозяйственных предприятий области.
Наиболее рациональный путь роста производства валовой продукции, как показали исследования, для развивающихся районов Тверской области — это увеличение среднегодовой численности работников и повышение их квалификации (аналогичные результаты по сельскохозяйственным предприятиям Бежецкого района). Практическая реализация выявленных резервов, а также поддержка государства позволит добиться этим сельскохозяйственным предприятиям потенциально возможного (максимального) объема производства продукции и тем самым обеспечить значительный рост сельскохозяйственного производства региона.
Литература
1. Гришин А. Ф., Бисултанов К. З., Богданова О. В., Товма И. П. Статистическое моделирование в сельском хозяйстве : учебное пособие / под. ред. А. Ф. Гришина. М. : МГУЛ, 2001. 451 с.
2. Смагин Б. И. Определение производственного потенциала в аграрном производстве // Аграрная наука. 2003. № 1. С. 4-5.
3. Гусаров В. М., Кузнецова Е. И. Статистика : учебное пособие для студентов вузов, обучающихся по экономическим специальностям. 2-е изд., перераб. и доп. М. : ЮНИТИ-ДАНА, 2008. 479 с.
88
№№№. т-Э¥и. пегое!. ги
