CC BY
12Повышение эффективности деятельности в аграрном производстве и его влияние на
показатели импортозамещения Improving the efficiency of agricultural production and its impact on import substitution
indicators
Ь Л московский
■p ЭКОНОМИЧЕСКИЙ ЖУРНАЛ
УДК 658
DOI 10.24411/2413-046X-2020-10417 Баянова Ольга Викторовна,
кандидат экономических наук, доцент, доцент кафедры бухгалтерского учета и финансов ФГБОУВО Пермский ГАТУ, г. Пермь
Bayanova Olga Victorovna, candidate of economic Sciences, associate Professor, associate Professor of accounting and Finance Department FSBEIHE Perm SATU, c. Perm
Аннотация. В научной статье представлена методика и результаты эконометрического исследования влияния факторов на объемы производства овощей в Российской Федерации. Цель исследования - определить влияние факторов, оказывающих влияние на изменение объемов производства овощей. Методом проведения исследования является множественная регрессия и корреляция: определены коэффициенты множественной корреляции, показана матрица коэффициентов, построена двухфакторная модель, определено регрессионное значение результативного признака, проведена верификация результатов исследования с помощью ошибки аппроксимации. Вывод - выявлена обратная и тесная связь между результативным признаком и посевной площадью, а также между посевной площадью и энерговооруженностью труда; выявлена прямая тесная связь между объемами производства овощей и энерговооруженностью труда в сельском хозяйстве; среднее значение ошибки аппроксимации свидетельствует об отличном подборе модели к исходным данным.
Summary. The scientific article presents the methodology and results of the econometric study of the influence of factors on the production volumes of vegetables in the Russian Federation. The aim of the study is to determine the influence of factors affecting the change in vegetable
production volumes. Method of investigation is multiple regression and correlation: coefficients of multiple correlation are determined, matrix of coefficients is shown, two-factor model is built, regression value of effective characteristic is determined, results of investigation are verified with the help of approximation error. Conclusion - there is a reverse and close connection between the effective sign and the sowing area, as well as between the sowing area and the energy armament of labor; There is a direct close link between the production of vegetables and the energy use of agricultural labour; The average value of the approximation error indicates that the model is well matched to the source data.
Ключевые слова: сельское хозяйство; производство овощей; множественная регрессия и корреляция; ошибка аппроксимации.
Keyword: agriculture; production of vegetables; multiple regression and correlation; approximation error.
Введение
Производство овощей является важным средством обеспечения кормовой базы для отрасли животноводства, поэтому находится в приоритете программы развития сельского хозяйства и обеспечения продовольственной безопасности страны. Поэтому исследование факторов, оказывающих влияние на изменение объемов производства овощей, является актуальным.
Моделирование процессов, способных обеспечить рост производства продукции аграрного производства, а также выявление резервов являются актуальными в научной среде. В дискуссиях по обеспечению роста продукции аграрного производства принимали участие многие отечественные и зарубежные ученые-экономисты: представили итоги математического моделирования перспектив устойчивого развития сельскохозяйственных регионов Украины Tymosenko M. и Golovach K. [6]; вскрыли возможности и обратили внимание на угрозы программы Общей аграрной политики ЕС и связь с функционированием сельскохозяйственных предприятий Болгарии К. Kaneva [4]; акцентировали внимание на угрозах продовольственной безопасности Белоруссии в современных глобальных национальных аспектах N.V. Kireyenka и S.A. Kondratenko [5]; проблемы развития сельскохозяйственного производства в современных условиях показали Сивак Е.Е., Волкова С.Н. и Герасимова В.В. [1]; провел анализ на основе теории систем и выявил проблемы функционирования сельскохозяйственного производства Смагин Б.И. [2]; показала пути оптимизации факторов эффективного сельскохозяйственного производства в условиях многоукладной аграрной экономики Фролова О.А. [3].
Таким образом, исследование рычагов и резервов повышения эффективности деятельности в аграрном производстве являются актуальными исследованиями среди отечественных и зарубежных публикаций.
Материалы и методы исследования Проведем исследование показателей, которые характеризуют импортозамещение и эффективность экономики Российской Федерации. На информационном этапе эконометрического исследования используем данные сайта Росстата Российской Федерации (таблица 1).
Таблица 1 — Статистические данные имиорто замещения и эффективности
экономики Российской Федерации в 2012 — 2018 году
Годы Производство овогцей: Посевная площадь, Энерговооруженность
тысяч тонн тысяч гектаров труда в сельскохозяйственных организациях, л.с.
2012 12792 594 70
2013 12597 571 72
2014 12821 563 75
2015 13185 563 74
2016 13181 551 77
2017 13612 535 75
2018 13685 526 80
Статистические данные используем для определения результативного признака и факторов:
у - результативный признак: производство овощей; XI -фактор: посевная площадь;
х2 -фактор: энерговооруженность труда в сельскохозяйственных организациях.
Произведем расчет коэффициента множественной корреляции. Для того, чтобы определить значения числителя и знаменателя в формулах расчета коэффициента множественной корреляции составим рабочую таблицу (таблица 2).
Таблица 2 - Рабочая таблица для расчета коэффициента множественной
корреляции
Год у Г) -у Т; ) ip1 и1 LV
2012 12792 594 70 759Е44Е 895440 415Е0 352Е36 4900 163635264
2013 12597 571 72 ЛЭ2ВВ7 Э069В4 41112 326041 5184 15В6В4409
2014 12В21 563 75 721Е223 961575 42225 316969 5625 16437В041
2015 131*5 563 74 7423155 975690 41662 316969 5476 173844225
2016 131 El 551 77 7262731 1014537 42427 303601 5929 17373Я761
2017 13612 535 75 72Е2420 1020900 40125 2Е6225 5625 1В52В6544
2013 136В5 526 Е0 "19В310 1094800 420 ВО 276676 6400 187279225
Итйгй 91В73 3903 523 51176174 6Е70326 291211 2179317 39139 1206В464 6 9
Ср 13124,7 557,6 74,7 7310 Е 82 941475 41601,6 311331 5591,3 172 4 0 663 В,4
Рассчитаем коэффициент корреляции для выявления тесноты связи между результативным признаком и первым фактором:
Значение коэффициента множественной корреляции между результативным признаком и первым фактором показало тесную, но обратную связь между производством овощей и посевной площадью.
На следующем этапе рассчитаем коэффициент множественной корреляции для выявления тесноты связи между результативным признаком и вторым фактором:
Значение коэффициента множественной корреляции между результативным признаком и вторым фактором показало прямую и тесную связь между производством овощей и энерговооруженностью.
Далее произведем расчет коэффициента множественной корреляции по выяснению тесноты связи между факторами, оказывающими влияние на результативный признак:
Полученное значение коэффициента множественной корреляции показало обратную и при этом тесную связь между посевной площадью и энерговооруженностью. Результаты исследования
Сгруппируем коэффициенты множественной корреляции в форме матрицы (таблица Таблица 3 - Матрица коэффициентов множественной корреляции
Показатель V Ч
V 1
ч -0=95 1
0=82 -0=75 1
В завершение исследования произведем расчет совокупного коэффициента корреляции по определению тесноты связи между результативным признаком и факторами:
Проведем регрессионный анализ методом множественной регрессии и корреляции. Модель множественной регрессии с использованием двух факторов имеет вид:
где а - свободный член уравнения,
Ь1 и Ь2 - коэффициенты уравнения множественной регрессии (параметры уравнения регрессии), показывающие, на сколько единиц в среднем изменится результативный признак при изменении фактора на одну единицу.
Решим систему уравнений для определения параметров уравнения множественной регрессии:
Исходные данные для решения системы уравнений представлены в таблице 2. Далее подставим в систему уравнений данные вспомогательной таблицы:
а '3903 + ^ * 2179317 + 4 * 291211= 51176174 а * 523+ Ьг* 291211 + Ь2 * 39139 = 6870326
Для определения параметров уравнения множественной регрессии используем метод Гаусса. По результатам расчета получаем значения параметров:
Сделаем проверку по каждому году исследования:
у = а -Ч- - I, -Ч- -
1)12546= 24919.084 Ч н С— 18,474) 594 4 - с— 19,993) 70
2)12931 — 24919.084 Ч н С— 18,474) 5 714 - с— 19,993) 72
3)13019 24919.084 Ч н С— 18,474) 563 -1 - с— 19,993) 75
1 > 13С39 = 24919.084 Ч н С— 18,474) 563 -1 - с— 19,993) 74
5)13200 = 24919,084 Ч н С— 18,474) 551 -ч - с— 19,993) 77
6)13536 24919.084 Ч н С— 18,474) 535 -1 - с— 19.993) 75
/)13602= 24919,084 - С- -18,474) -526- ь С- -19,993) - 80
На этапе верификации произведем расчет ошибки аппроксимации (таблица 4).
Таблица 4 - Рабочая таблица для определения ошибки атт эоксимацнн
Годы У У у -У А,
2012 12792 12546 246 1=9
2013 12597 12931 -334 21
2014 12821 13019 -198 1,5
2015 13185 13039 146 1,1
2016 13181 13200 -19 0,1
2017 13612 13536 76 0=6
2018 13685 13602 83 0=6
Игого X X X 8=5
Среднее значение X X X 1=2
Среднее значение ошибки аппроксимации, равное 1,2 %, свидетельствует об отличном подборе модели к исходным данным.
Выводы
Совокупный коэффициент множественной корреляции подтверждает наличие тесной связи между производством овощей, посевной площадью и энерговооруженностью. Существенное влияние на значение совокупного коэффициента множественной корреляции оказала обратная и тесная связь между производством овощей и посевной площадью, а также обратная тесная связь между посевной площадью и энерговооруженностью.
Значения параметров модели множественной регрессии позволили определить регрессионное значение результативного признака. Расчет ошибки аппроксимации показал, что регрессионные значения объема производства овощей отличаются от фактических в среднем на 1,2 %.
Список литературы
1. Сивак Е.Е. и др. Перспективы развития сельскохозяйственного производства в современных условиях/ Сивак Е.Е., Волкова С.Н., Герасимова В.В.. - Курск, 2017. - 190 с.
2. Смагин Б.И. Анализ функционирования сельскохозяйственного производства на основе теории систем// Развитие сельскохозяйственной кооперации/ Мичуринский государственный аграрный университет. - г. Мичуринск, 2016. - № 10. - С. 104 - 108.
3. Фролова О.А. Оптимизации факторов эффективного сельскохозяйственного производства в условиях многоукладной аграрной экономики // Материалы Всероссийской научно-практической конференции «Аграрный потенциал в системе
продовольственного обеспечения: теория и практика», 21-22 июня 2016 г./ Ульяновская ГСХА. - Ульяновск , 2016. - Ч.1 - С. 272 - 276.
4. Kaneva K. Challenges to agricultural holdings: CAP 2015 - 2020 // Икон. Упр.селск.Стоп. -2014. - Vol.59, № 3. - P.17 - 27.
5. Kireyenka N.V., Kondratenko S.A. Food security of the Republic of Belarus: global and national aspects // Весш. Нац. акад. навук Беларус Сер. аграр. навук. - 2015. - № 4. - Р. 516.
6. Tymoseenko M., Golovach K. Modeling of the prospects for sustainable development of agricultural territories by the Bayesian networks // Management Theory and Studies for Rural Business and Infrastructure Development. - 2018. Vol. 40, - № 2. - Р. 263-273.
References
1. Sivak E. E. et al. Prospects for the development of agricultural production in modern conditions/ Sivak E. E., Volkova S. N., Gerasimova V. V.-Kursk, 2017. - 190 p.
2. Smagin B. I. Analysis of agricultural production functioning on the basis of systems theory// Development of agricultural cooperation / Michurinsk state agrarian University. - Michurinsk, 2016. - № 10. - Pp. 104-108.
3. Frolova O. A. Optimization of factors of effective agricultural production in the conditions of multi-layered agrarian economy / / Materials of the all-Russian scientific and practical conference "Agricultural potential in the food supply system: theory and practice", June 21-22, 2016/ Ulyanovsk state agricultural Academy - - Ulyanovsk, 2016. - Part 1-P. 272-276.
4. Kaneva K. Challenges to agricultural holdings: CAP 2015 - 2020 // Икон. Упр.селск.Стоп. -2014. - Vol.59, № 3. - P.17 - 27.
5. Kireyenka N.V., Kondratenko S.A. Food security of the Republic of Belarus: global and national aspects // Весш. Нац. акад. навук Беларус Сер. аграр. навук. - 2015. - № 4. - Р. 516.
6. Tymoseenko M., Golovach K. Modeling of the prospects for sustainable development of agricultural territories by the Bayesian networks // Management Theory and Studies for Rural Business and Infrastructure Development. - 2018. Vol. 40, - № 2. - Р. 263-273.
