процессах реформирования. Изменяя и дополняя законодательную базу, необходимо проводить информационную работу с населением, не только раскрывая возможности и преимущества того или иного инструмента управления своими сбережениями, но и создавая позитивный образ финансовых институтов.
Использованные источники:
1. Звонова Е.А. Банковские вклады как основной инструмент аккумуляции сбережений населения в современных условиях // Экономика, налоги, право. 2015. № 1. С. 27-37.
2.Федеральная служба государственной статистики Режим доступа: www.gks.ru - Загл. с экрана.
3. Готовы ли россияне вкладывать деньги в акции? // Режим доступа: www.market-lab.org (дата обращения: 19.09.2014) - Загл. с экрана.
4. Центральный банк Российской Федерации. Режим доступа: www.cbr.ru (дата обращения: 01.02.2015) - Загл. с экрана.
5. Скапенкер О.М. Финансовый рынок: корректировка институциональной структуры // Деньги и кредит. 2013. № 11. С. 15-19.
Сыченко М.А. студент 3 курса факультет Экономический Россия, г. Волгоград ПРИМЕНЕНИЕ СТАТИСТИЧЕСКИХ МЕТОДОВ В ПРОГНОЗИРОВАНИИ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР НА ПРИМЕРЕ ВОЛГОГРАДСКОЙ ОБЛАСТИ В статье рассмотрены общие методы экономико-статистического прогнозирования основных видов сельскохозяйственной продукции. Применяется метод экстраполяции с использованием линейной модели.
Ключевые слова: прогнозирование, экстраполяция, аграрный сектор, продукция растениеводства, линейный тренд.
Sichenko M.A Student
3 course, Faculty of Economics Russia, Volgograd
APPLICATION OF STATISTICAL METHODS IN FORECASTING OF PRODUCTIVITY OF GRAIN CROPS ON EXAMPLE OF THE
VOLGOGRAD REGION
The article describes the general methods of economic-statistical prediction of basic agricultural products. The method of using a linear extrapolation model.
Keywords: forecasting, extrapolation, the agricultural sector, crop production, a linear trend.
В Российской Федерации зерновое производство считается основой агропромышленного комплекса. На территории Волгоградской области аграрное производство также является одним из основных направлений хозяйственной деятельности. АПК региона создает более 10% валового регионального продукта [2,4].
Несмотря на предпринятые меры правительством и органами управления АПК, агропромышленное производство страны все еще не преодолело затяжного кризисного состояния, вызванного социально-экономическими преобразованиями1990-х годов. Формирование многоукладной аграрной экономики само по себе не позволило решить проблемы сельского хозяйства [3,6]. В связи с этим обеспечение продовольственной безопасности требует построения достоверных прогнозов развития аграрного производства, основанных на экономико-статистических моделях, описывающих статистические зависимости исследуемого экономического показателя от основных факторов, оказывающих на него существенное влияние [5].
Прогнозирование-это предсказание будущего на основании накопленного опыта и текущих предположений относительно него. В настоящее время следует отметить непрерывно растущую потребность в прогнозах.
Прогнозирование представляет собой сложный процесс, по ходу которого необходимо решать большое количество различных вопросов. Для его производства следует применять в сочетании различные методы прогнозирования, которых на сегодняшний день существует огромное множество, но на практике используется значительно меньше.
Методы, получившие наиболее широкое распространение в мировой практике, это метод экспертных оценок, моделирование и прогнозирование (рисунок 1)._
Методы прогнозирования
Рисунок 1 Методы прогнозирования
Метод экспертных оценок используется, как в нашей стране, так и за рубежом для получения прогнозных оценок развития производства, научно-технического прогресса, эффективности использования ресурсов и т.п.
Нормативный метод является наиболее трудоемким, так как на практике установление идеальных норм и нормативов достаточно сложный процесс.
Необходимым условием регулирования рыночных отношений является составление надежных прогнозов развития социально-экономических явлений.
Выявление и характеристика трендов и моделей взаимосвязи создают базу для прогнозирования, т.е. для определения ориентировочных размеров явлений в будущем. Для этого используется метод экстраполяции. Метод прогнозной экстраполяции с точки зрения возможности применения на различных уровнях хозяйствования обладают большей универсальностью.
Дополнительным преимуществом является отсутствие необходимости в расчете большого количества входных параметров для построения прогноза. Информационной базой для построения прогноза являются наблюдения значений изучаемого показателя в длительной динамике. Выбор типа модели зависит от цели исследования и основывается на теоретическом анализе, выявляющем характер развития явления, а также на графическом изображении ряда динамики. Простейшими моделями, выражающими
тенденцию развития, являются: линейная функция: а + в1;;
показательная функция: а*в1 ;
степенная функция: y а + в1 + d2 .
В данном случае, для прогнозирования урожайности зерновых культур методом экстраполяции, на примере Волгоградской области, воспользуемся линейной моделью. Расчет параметров функции выполним методом наименьших квадратов, в качестве решения принимается точка минимума суммы квадратов отклонений между теоретическими и эмпирическими
уровнями: £ (yt - yi)2 стремится к min, где - выровненные уровни, yi -фактические уровни. Параметры «а» и «в» согласно методу наименьших квадратов находятся решением система нормальных уравнений: т.к. в обоих случаях £t = 0, система нормальных уравнений примет вид:
^У = па
t вычислив параметры а = 7,76; в = 0,029 можем
представить трендовую модель искомой функции в форме y ~ 17,76 + 0,029 t.
Так на основе исчисленного уравнения y ~ 17,76 + 0,029t. экстраполяцией при t = 16 можно определить ожидаемую урожайность
зерновых культур в 2016 году ц/га: y ~ 17,76 + 0,029*16 = 18,221 ц/га. Так как на практике результат экстраполяции прогнозируемых явлений обычно получают не дискретными, а интервальными оценками, для определения
границ интервалов воспользуемся формулами: ■y't + taS У ; ^ - taS У
.где: 1а - коэффициент доверия по распределению Стьюдента;
Таблица 1 - Выравнивание по прямой ряда динамики _урожайности _ зерновых культур__
Годы Урожайность, ц/га 1 12 У1 Уг у - У (У - У )2
2001 17,9 -13 169 -2321,7 17,38 0,52 0,2704
2002 17,5 -11 121 -192,5 17,44 0,06 0,0038
2003 15,0 -9 81 -135 17,50 -2,50 6,2302
2004 17,7 -7 49 -123,9 17,55 0,15 0,0213
2005 18,3 -5 25 91,5 17,61 0,69 0,4732
2006 16,9 - 3 9 -50,7 17,67 -0,77 0,5931
2007 17,8 - 1 1 -17,8 17,73 0,07 0,0052
2008 24,6 + 1 1 24,6 17,79 6,81 46,4285
2009 19,2 + 3 9 57,6 17,84 1,36 1,8383
2010 12,0 + 5 25 60 17,90 -5,90 34,8359
2011 17,2 + 7 49 120,4 17,96 -0,76 0,5779
2012 16,4 + 9 81 147,6 18,02 -1,62 2,6187
2013 17,5 + 11 121 192,5 18,08 -0,58 0,3321
2014 20,6 + 13 169 267,8 18,13 2,47 6,0797
Итого Еу =248,6 а = 0 Ш=91 0 Еу=26,4 ~ = 248,6 у1 -У = 0 (у1 -У )2 = 100
Источник: авторский по [1]
Б = - )2/(п-т) - остаточное среднее квадратичное
отклонение от тренда, скорректированное по числу степеней свободы (п-т); п - число уровней ряда динамики; т - число параметров адекватной модели
тренда. Вероятностные границы интервала прогнозируемого явления: (У -
~) < упр < (Уг + 1а Б ~ )
Рассчитаем прогнозируемые доверительные интервалы урожайности зерновых культур на 2016 г. При п = 2 и т = 14, число степеней свободы равно 12. Тогда при доверительной вероятности, равной 0,95, коэффициент
доверия 1а = 2,1718 (по таблице Стьюдента), (у1 - У г)2 = 100
Тогда Б ~ = V 100,00 / 12 = + 2,89; - 2,89. Зная точечную оценку
прогнозируемого значения урожайности: У( 18,221 ц/га определяем вероятностные границы интервала по формуле:
18,221 ц/га.- 2,1718*2,89 < упр < 18,221 ц/га.+ 2,1718*2,89
11,94 < упр < 24,50. Следовательно, с вероятностью, равной 0,95, можно утверждать, что урожайность зерновых культур в 2016 году не менее чем11,94 ц/га, но и не более чем 24,50 ц /га.
Нужно иметь ввиду, что экстраполяция в рядах динамики носит не
только приближенный, но и условный характер. Поэтому ее следует рассматривать как предварительный этап в разработке прогнозов. Для составления прогноза должна быть привлечена дополнительная информация, не содержащаяся в самом динамическом ряду.
Использованные источники:
1. Статистическое обозрение. Сельское хозяйство, охота и лесоводство в Волгоградской области. Волгоград 2014г.
2. Мазаева Т.И. Аграрный сектор экономики Волгоградской области в контексте продовольственной безопасности: тенденции развития // Экономика и предпринимательство. 2013. № 3 (32). С. 160-163.
3. Мазаева Т.И. Продовольственная безопасность - национальный приоритет / Т.И. Мазаева, О.А. Донскова // Экономика сельского хозяйства России. 2011. №7. С 34 - 40.
4. Мазаева Т.И. Роль производства зерна в продовольственной безопасности (на примере Волгоградской области) // Экономика и предпринимательство. 2014. № 3 (32). С. 366-169.
5. Мазаева Т.И. Экономико-статистическое моделирование производства сельскохозяйственной продукции при обеспечении продовольственной безопасности/ Т.И. Мазаева, А.Ф. Рогачев // Экономика и предпринимательство. 2014. № 4 ч.1.
6. Смотрова Е.Е. Прогноз развития мясного подкомплекса Волгоградского региона в контексте продовольственной безопасности // Экономический анализ: теория и практика 2014, № С.51- 55.
Тагирова А.В. преподаватель кафедра коммерции и менеджмента Нижневартовского государственного университета
Россия, г. Нижневартовск КОНКУРЕНЦИЯ КАК ГАРАНТ ФУНКЦИОНИРОВАНИЯ РЫНОЧНОГО МЕХАНИЗМА В УСЛОВИЯХ ЭКОНОМИЧЕСКИХ
САНКЦИЙ
Статья посвящена важнейшему институту рыночной экономики -конкуренции. Конкуренция является гарантом эффективного
функционирования рыночного механизма. Рассмотрены проблемы, возникшие в связи с экономическими санкциями; и как способ повышения конкурентоспособности- импортозамещение.
Ключевые слова: конкуренция; конкурентоспособность; санкции; импортозамещение.
The article is devoted to the major Institute of market economy -competition. Competition is the guarantor of effective functioning of the market mechanism. Considers the problems arising from economic sanctions; and as a