CC BY
29
УДК 631.14:637.1:001
ПРОГНОЗ ПРОИЗВОДСТВА МОЛОКА В КЕМЕРОВСКОЙ ОБЛАСТИ НА ОСНОВЕ МОДЕЛИРОВАНИЯ
Е.В. РУДОЙ1, доктор экономических наук, проректор (e-mail: rudoy80@ngs.ru)
К.А. АРТЮХ1, научный сотрудник
П.М. ФЕДЯЕВ2, ассистент
Новосибирский государственный аграрный университет, ул. Добролюбова, 160, Новосибирск, 630039, Российская Федерация
2Кемеровский государственный сельскохозяйственный институт, ул. Марковцева, 5, Кемерово, 650056, Российская Федерация
Резюме. Динамика производства молока в Кемеровской области с 1995 по 2014 гг. представляет собой убывающий тренд. В целом за исследуемый период объемы производства снизились на 38,8 % (с 614 до 376тыс. т). Сложившаяся негативная ситуация обусловливает предпосылки для прогнозирования производства молока на перспективу. Для этого использовали два подхода: модель Бокса-Дженкинса типаARIMA (p, d, q); тренд-циклическая модель. Построение модели типа ARIMA (p,d,q) состоит из нескольких этапов. На первом шаге осуществляли ее идентификацию, определяли порядки разности d, авторегрессии p и скользящего среднего q. Значения p и q определяли на основании вида автокорреляционной и частной автокорреляционной функций. На втором шаге оценивали параметры модели, проверяли ее качество. Результаты прогноза производства молока на основе модели ARIMA (p,d,q) свидетельствуют о том, что в Кемеровской области к2020г. ожидается его снижение до 301 тыс. т. Прогноз с использованием тренд-циклической модели предполагал оценку тренда временного ряда и моделирование его циклической составляющей на основании спектрального анализа путем включения в модель функций cos(at) и sin(at). По результатам спектрального анализа выделены циклические составляющие с периодом 6,7 лет и 4 года. По прогнозным расчетам на основе тренд-циклической модели объем производства молока в Кемеровской области на период до 2020 г. также будет снижаться, но меньшими темпами и с периодами незначительного роста, до 373 тыс. т. Ключевые слова: прогноз, временной ряд, подход Бокса-Дженкинса, тренд-циклическая модель, динамика производства молока, Кемеровская область.
Для цитирования: Рудой Е.В., АртюхК.А., Федяев П.М. Прогноз производства молока в Кемеровской области на основе моделирования //Достижения науки и техникиАПК. 2017. Т. 31. № 2. С. 77-80.
За годы реформ объективные и субъективные факторы в разной степени отразились на каждом из субъектов Сибирского федерального округа, но в целом практически по всем показателям молочного скотоводства они имеют негативные последствия [1].
В хозяйствах Кемеровской области с 1990 по 2014 гг. поголовье коров сократилось в 3 раза и продолжает уменьшаться до сих пор. Удой молока на корову за этот период увеличился на 1450 кг, однако его валовое производство уменьшилось на 549,2тыс. т, а в расчете на душу населения в 2014 г. оно составило 137,4 кг, что ниже рекомендуемой нормы потребления на 202,6 кг. В целом за исследуемый период объемы производства молока во всех категориях хозяйств по области сократились с 924,9 тыс. т в 1990 г. до 375,9 тыс. т в 2014 г. и достигли уровня 1950-х гг. [2].
В этой связи возрастает необходимость прогнозирования развития производства молока в регионе. Прогнозом принято называть научное предвидение, полученное в рамках научной теории как заключение на основе вывода из известных эмпирических данных или обоснованных предположений. Прогноз осуществляется на краткосрочный, среднесрочный и долгосрочный периоды. Разработка прогнозов базируется на диалектической детерминации явлений будущего, при этом осуществляется учет широкого спектра возможных вариантов.
Цель нашего исследования - разработка прогноза производства молока в Кемеровской области на основе экономико-математического моделирования.
Условия, материалы и методы. В работе использовали следующие методы исследования: абстрактно-логический, монографический, расчетно-конструктивный, экономико-математического моделирования.
Информационные материалы взяты из источников Федеральной службы государственной статистики Российской Федерации, Территориального органа Федеральной службы государственной статистики по Кемеровской области, Министерства сельского хозяйства РФ, нормативных актов.
Результаты и обсуждение. Экономическое прогнозирование позиционируется как система научных исследований, обладающих элементами количественного и качественного характера, нацеленных на определение тенденций развития экономических отношений и нахождение оптимальных решений для достижения поставленных целей. Составление научных прогнозов связано с выполнением следующих условий:
четкость всех используемых терминов, которая исключает любые двусмысленности, включая относящиеся к объекту прогнозирования, времени, показателям, характеристикам, методам, ожидаемым результатам;
доступность и возможность проведения проверки процесса прогнозирования, последовательности рассуждений прогнозиста любым независимым экспертом;
возможность проверки результатов прогнозирования. Хотя полное совпадения прогноза с действительностью возможно с весьма малой вероятностью, следует определять допустимую величину ошибки. Слишком широкий доверительный интервал прогнозов при принятии управленческих решений бессмыслен, поскольку в этом случае прогноз сбудется в любом случае;
согласованность многовариантных прогнозов. В случае, когда прогнозируется несколько характеристик одного и того же объекта, они не должны противоречить одна другой.
Экономико-математические модели, используемые для определения, разработки, проверки и достижения поставленных целей и решений, обеспечивают возможность применения в исследованиях не только качественных оценок процессов и явлений, но и количественных критериев, обеспечивающих достоверность и объективность анализа.
Осуществляя прогнозные расчеты, необходимо помнить, что знания не всегда бывают достаточно полными, а информация может быть недостаточно качественной. Сами же процессы имеют вероятностный характер. Именно с учетом этих соображений следует оценивать прогнозы. Обязательным условием успешного прогнозирования выступает понимание сущности прогнозируемых процессов, поскольку иначе будут сделаны формальные расчеты, лишенные смысла.
Чаще всего изыскательские методы применяют в тех случаях, когда выявленные тенденции, присущие показателям объекта в ретроспективе, прогнозируют на перспективу. В рамках рассмотренных методов можно выделить следующие основные подходы к прогнозированию:
подход «от данных», когда на основании имеющейся реализации прогнозируемого параметра и, при наличии, некоторого набора факторных переменных, коррелирую-
Рис.1. Динамика производства молока в Кемеровской области в 1995-2014 гг. (источ ник - Росстат).
щих с зависимой переменной, подбирают теоретическую конструкцию, наиболее точно воспроизводящую его динамику. К такому подходу относятся, в частности, модели временных рядов и тренд-циклические модели [3, 4];
оценка на основании теоретической модели предусматривает расчет на базе теоретически обоснованной модели, при этом часто прогнозные значения ее экзогенных переменных определяют с использованием моделей временных рядов или тренд-циклических моделей [5];
экспертные оценки [6], когда прогноз выполняют на основании опроса экспертов и последующей математико-статистической обработки их оценок [7, 8].
К недостаткам первых двух подходов, прежде всего, относятся размеры объема выборки: она не должна быть слишком мала. В случае использования подхода «от данных» возможно также построение «ложных» зависимостей, когда наблюдаемая статистически значимая корреляция не несет какой-либо смысловой нагрузки. Среди преимуществ этих подходов можно выделить достоверность и верифи-цируемость полученных результатов. Экспертный подход позволяет учитывать различные трудно формализуемые факторы и информацию, доступ к которой ограничен, а также дает возможность «тонкой настройки» моделей в случае использования экспертом подхода «от данных».
Прежде чем перейти непосредственно к результатам прогнозирования, рассмотрим динамику производства молока в Кемеровской области с 1995 по 2014 гг. (рис. 1). Временной ряд ее годовых данных представляет собой убывающий тренд [9] (в целом за исследуемый период объемы производства снизились на 38,8 %, с 614 до 376 тыс. т) с непродолжительными периодами роста (наиболее длительный - с 2005 по 2008 гг., прирост составил 7,5 %). До 1998 г. происходило резкое падение производства (в среднем порядка 7 % в год), после 1998 г. его темпы замедлилось (производство в 1999 г. составило 97,5 % к уровню предыдущего года), в 2000 г. впервые после распада СССР наблюдали некоторый рост объемов производства (на 1,8 %, по отношению к 1999 г.).
Современное состояние производства молока в Кемеровской области характеризуется наличием различных проблем. На его снижение влияют такие факторы как неэффективность молочной отрасли и недостаточность ее государственной поддержки, «мягкий» механизм регулирования рынка, изменение структуры спроса населения (с 1991 г. наблюдается сокращение спроса на молочную продукцию на фоне достаточно резкого роста других категорий). Еще одна возможная причина -тенденция глобализации рынка молочной продукции, переход значительной его доли к крупным федеральным производителям и дальнейшая специализация региона
на выпуске продукции других отраслей [10-13].
Сложившаяся ситуация обусловливает предпосылки прогнозирования производства молока на перспективу. При моделировании экономических процессов в случаях, когда по наблюдаемой реализации временного ряда необходимо подобрать соответствующую теоретическую конструкцию часто используют подход Бокса-Дженкинса [3, 14, 15], согласно которому значения временного ряда зависят от предыдущих значений ряда и ошибок. При этом оценивают модель ARMA (p, q) вида: р я
Xt = Const. + Ja^t-i + YPft-i + £e
/и ¡=1
где Xt - временной ряд, a,, b - авторегрессионные параметры и параметры скользящего среднего, et -случайное возмущение, ошибка.
Использование моделей такого типа предполагает наличие стационарности ряда. В широком смысле под стационарностью временного ряда понимают постоянство во времени среднего значения, дисперсии и автокорреляции ряда. Визуальная оценка графиков временного ряда и его автокорреляционной функции, а также тест Дики-Фуллера [16] позволяют сделать вывод о нестационарности временного ряда, характеризующего изменение объемов производства молока в Кемеровской области за 1995-2014 гг. К стационарному виду его можно привести взятием разностей первого порядка.
Для нестационарных временных рядов, которые могут быть приведены к стационарному виду взятием разностей некоторого порядка d от исходного временного ряда, используют модели авторегрессии - проинтегрированного скользящего среднего ARIMA (p, d, q) вида
AdXt = Const. + + + е„
/=1 j=i
где Ad - оператор разности временного ряда порядка d,
AdX, = Y(-1)* ч X.
' Ù kl(d-k)\ t~k
Модель ARIMA(p, d, q) можно интерпретировать как ARMA (p+d, q) с d единичными корнями.
Построение модели типа ARIMA (p, d, q) включает несколько этапов. Сначала проводят идентификацию модели, устанавливают порядки разности d, авторегрессии p и Таблица 1. Результаты оценки модели ARIMA (0, 1, 0) для объемов производства молока в Кемеровской области за период 1995-2014 гг.
Переменная Коэффициент Стандартная ошибка t-ста-тис-тика Значение
Константа -12,53 4,474 -2,799 0,012
Порядок раз- 1
ности
R2 0,86
Normalized BIC 6,096
Ljung-Box Statistics 22,073
Q(18) DF 18
Sig 0,229
Number of Outliers 0
й
о о
N о К
К
»
К К н о X К
к «
к
г*
(о
о ^
Н
£ (О
I 2
2 3
со ф
3 25 11
=1 ТЗ
О
I О I ё
й. 2 о> о ь ь
тз ш о
0
1
0" >
XI
2 X тз X ч со
Ф ф я тз тз р
о ф ф 1э
X 2 о? о 1э X о
X О О & 1= X 1э ч со аз
о -1 ф X о ь 1 Е.
о о о ф ь ^ аз -1 2
тз о ^ ч аз д §
я & ч аз со тз о тз ф 3 X о
аз со ё ф аз
X аз ^ я 5 аз X аз со тз о О X аз о
о о X о Е ф ф о
ф со .с 2 ф X X 2 О & X о со аз
со тз ь о ф X
аз ■ ф 1 —1 ь
1 о ^
тз ф
И
о д со |
М
ф §
2 ф
° 2
ш о
=1 &
тз ф
о ь ^ ^
со ■
1 я
° §
О ^ 2 О Е о х тз
¡1 Р 9
Ч
^ со
о ^ Э
0 о ь ш
0" О)
1 -
О Я
тз ф
о о
ф 5
7\ 7\
ТЗ О) аз 7^
" 5 тз ь
ф о
"
I =1
$ тз
■Я ^ тз
II
о £
тз Й о Э
ш г
-г- °
х о ф 7^ о о от
-I
§1 ■ сг
о со ^ о
о ш й »
>
р
о..
■О
ТЗ
м
О)
§ §
ф ф
СО -О- гчэ
1 ш О
2 £ ° ф =! ^
П I
о
=1 * н
о ^ Е
3 х о
^ = н
ф -л '
г ? в
х ® г
О Ч ф
^ 1 X
о Е ^
V х ф
ш ц
х ш
тз о
& о
£ 3
ь О
0) 7^
X О)
-Г ОТ
¡1
I ч
8 5
^ О
СО
№ Ш
£ О»
-е- ■
£ м
5 °
о ш
ф тз
0 я ч
1
о о
со ь ^
ф аз 2
ф о
тз ь
о <
8 1
н
аз о о о
^ ё со
^ О) I
со
Оу Обьем производства молока в Кемеровской области, тыс.т
М (О 1ы Л СЛ <л ^
о о о о о о о оооооооо
Производство молока в Кемеровской области, тыс.т.
о о
го ы о о о о
4а-О О
1Л
о о
СП
о о
о а
1995
1996
1997
1998
1999
2000 2001 2002
2003
2004
2005
2006
2007
2008
2009
2010 2011 2012
2013
2014
2015
2016
2017
2018
2019
2020 2021 2022
2023
2024
2025
/
1995
1996
1997
1998
1999
2000 2001 2002
2003
2004
2005
2006
2007
2008
2009
2010 2011 2012
2013
2014
2015
2016
2017
2018
2019
2020
Ф ь п
аз аз
| я
СП О
о
° 5
ш р
Я?. 1
<Р ^ " %
ф
м ч
м со со ш
'о^
о со
о §
тз
О)
со
I §*
тз ф Ф 2
м о
а я
X о
1 ч
о аз
I
о аз
аз со
СО I
тз о
ф 2
2 ф
ф тз
е
ч
со аз ш ®
ГО СО
8 § о аз
2 л ёР
ф о ь сл
£ ТЗ Ф
^ ^ 1
$ ю Ф
□ тз §
ф ф _и
аз со
I Ч
Е О
х
0
-А ° ^
5 I
п Е-
II X
1
X О
аз
81 аз е.
I-
25 О О п ТЗ
тз §
я
аз ф
X I
2 ^ -Я
аз I тз
х аз о
ш Е 2
СЛ Ф О
чо 3 О)
94 ? I
ж ^ ф ^
ш
I
аз
ф со Ь I
я Ч со Ф тз
ь ф
О" 2
р ф
I I
о
СО X =1
о н -о
СО О о
СО о со
^ 9 ®
ш ^ тз
аз Я 5
^ 2 $
° о ®
^ ^
3 § Ф ^
I
ш Л
о Р
2 О =1
Е Ф Ф
^ зЗ
т е 2
§ | Ё
Ё Щ ТЗ
® 1 ^
4 о я
ш I з
о аз щ
Р Я
О со М--1
о со
Й ®
Ф ТЗ =■ ?
"а Б ? .я
ь ш ■в- 5
аз я
25 ^
тз о
аз
I
аз
ф О
ТЗ от
^ о"
О Ф
& 2
& =1
О -О
м о
о ^
м со
О со
— о &
со
ТЗ ф
+ оз
& I
О 0-
оз Е
н 1
р ф
Н 2
—- =1
о аз
о
^ ф
от х
^ ^
аз ф
2 со
о »
& ®
§ 2
!1 8 I ё
ь о я -
^ о - о 5
> о о тз 2 аз ц ь о Й со
- ^
о о Ф
^—' X 2
X Ф
0" ТЗ
X о
7^ со
ТЗ о
^ ч §
ф
тз о
^ от
ф ь
со аз
> аз
о
X
ф
^
Е 2 а
со 5
аз 0"
тз X
.с аз
аз о
^ А
со 2
Ф
__ ь аз
о
оз ^ ГО-8
Ф
сл Ф
Щ аз
| со
Ч Ф
о I
-1 ф
О ТЗ
8
^ ¿Е
о аз
5 тз
О оз
аз н
со Ф
® §
^ <
о Е
со аз
о я
аз ^ N ф
н
Рё м а от
о ?
аз оз 5 о
ф
=1
ф
ТЗ ф
2
ф
I I
о
ф I
сл о ^ ^ О ш
-*■ Щ ^
Л ой
+
м
II
аз ^
=1 ТЗ
со о со ^ сл со
- о §
§ § 5
I X £
0 ^ Е
^ 03
-А- со
& ^ о
Я в ТЗ
£ й го
^ Ш
I
т -0
"Л 5 '
ГО ^ ш
1 1 | ^ § £
0 I -
В
З3 н ^
аз ^
1 I
. я тз
о -Э
-1- ^ ж
Е аз Р
х ш Й
° А §
01 5 5
гН
о ф х
со т аз
£ I
оз со
ф Е
-I со
^ Е
-1 го
0 5 I
» 5
Ш !=
-а Щ
ф з
1 5
аз |
ф ф
от о
о" 2
ь Ч
аз аз
=1 со
&
аз -<
п
сг
о +
ТЗ
ф
г т аз о I
аз
тз ^ ^
0 -е-
1 1
25 х
-3 Ф
§ Й
о- »
100 =1
^ со тз
¡,5 О и1 сл
11
II
^ -л ГО т 03 ГО
ь
со
100 =1
^ со тз
11 3 ¡.5 О
и1 сл
11
о ч
* -ч
ч ш
г от
О %
Н ё
со
аз ь
2 £.
(В
о
00 00 я
О СО М 4^ оо со а СП N3 'со 2
о ь
00 4^ 00 ® 4^ О -Ч н ^ 4^ О г -I СО СП
II
5"
£ со 0)
3 §
о-
■о
о
о
13 ф
ь
г >
л
М-^ЫЪ со о сл _ оо оо о"?;
N1 4^ 00^ СП О 00
-ч со оо сл 4^ 4^
00 4^ 00 00 о сл
-V 4^
00 00 00 00 СО СП 4^ 00 4^
М 4^ 00 4^ О
оо сл
М 4^ 00 м о ->■ 4^ 00
сл -Ч 4^ -Ч СО 4^
00 00 00 00 со -ч сл 00
М 4^ 00 ООО
о ->■ о
сл 00 м сл М 00
N3
о о>
(V) I N3
о
VI
(V)
N3
о
00
(V)
N3
о
(О (V)
КЗ
о
N3
о
(V)
—^ 7\
со аз
г^ Ф ? "О
° Е
от 5
гН ?!
«3 5 -,
2 со тз
о т ГО
со Го X
=1 %
тз го о
О ^ со
^ о < ■
2 о §тз "
о я О
ч & о
со аз ч
2 | 5
§ I »
О 21 5
V х I
Р X
^ а ^
" 1 1
03 ^ Ш
- о от =1 '
со го
— 5 тз
ь
5
6
аз ф
¡2
0 со
О
ь I
3 8
1
о и
0 о»
01
ф
ш,
о
09
3
■о
о
и п о
]Э
о
4 п
03
ш,
о ^
о ж
03 09
г
ш,
ф
■о о п
о ж о
5<
о
ОУ ^
03
СО
X л
аз ^ £
го О
ф ~
X 3
аз р ^
С/3
з'
X Й-
аз г-'
0 Й
1 ф
принятия и корректировки мер государственной поддержки и регулирования делают востребованным наличие надежных (и своевременных) прогнозов различных социально-экономических показателей, в том числе объемов выпуска и потребления продукции основных отраслей экономики, урожайности сельскохозяйственных культур и др. На микроэкономическом уровне прогнозирование также служит неотъемлемой частью управленческого процесса, поскольку позволяет выявить основные тенденции и факторы развития предприятия и отрасли в целом, своевременно скорректировать ценовую, ассортиментную политику и др.
Формализованный подход к прогнозированию различных социально-экономических показателей позволяет получать своевременный и релевантный прогноз с минимальными затратами. На сегодняшний день один из наиболее популярных подходов к прогнозированию -подход «от данных», в том числе модели типа ARIMA,
позволяющие сконструировать прогноз на основании предыдущих значений временного ряда и ошибок.
Выводы. Прогнозные расчеты, проведенные с использованием двух подходов, показывают, что производство молока в Кемеровской области в ближайшей перспективе будет снижаться. Так, согласно расчетам по модели ARIMA к2020 г. оно сократиться, по сравнению с 2016 г., на14,2 %. Тренд-циклическая модель подтверждает негативные тенденции в производстве молока, при этом уменьшение объемов в прогнозный период составит 6,7 %.
Построенные экономико-математические модели предназначены, прежде всего, для прогностического анализа происходящих изменений с целью последующего их регулирования. Учитывая новые негативные факторы и новые вызовы необходимо разработать стратегию развития молочной отрасли на долгосрочный период на федеральном и региональном уровне.
Литература.
1. Межрегиональная схема размещения и специализации сельскохозяйственного производства в субъектах Российской Федерации Сибирского федерального округа: рекомендации. Новосибирск: ФГБУН СФНЦА РАН, 2016. 283 с.
2. Федяев П.М. Научные основы регулирования рынка молока и молочной продукции региона. Новосибирск: ИЦ НГАУ «Золотой колос», 2016. 188 с.
3.Канторович Г. Г. Анализ временных рядов//Экономический журнал ВШЭ. 2002. № 1. С. 85-116.
4. Ковалёва Г.Д. Применение теории временных рядов в экономических исследованиях: курс лекций. Новосибирск: Издательство НГУ, 2008. 65 с.
5. Турунцева М.Ю. Прогнозирование в России: обзор основных моделей // Экономическая политика. 2011. № 1. С. 193-202.
6. Clements M.P., Hendry D.F. An Overview of Economic Forecasting //A Companion to Economic Forecasting. Oxford: Blackwell Publishing, 2002. Рр. 4.
7. Консенсус-прогноз. Национальный исследовательский университет - Высшая школа экономики [Электронный ресурс]. URL: https://dcenter.hse.ru/cpr (дата обращения: 14.12.2016).
8. Артюх Л.И. Система мониторинга формирования компетенций обучающихся в области информационных технологий //Мы продолжаем традиции российской статистики: материалы I Открытого российского статистического конгресса (Новосибирск, 20-22 октября 2015 г.). Новосибирск: НГУЭУ, 2015. С. 246-250.
9. Афанасьев Е.В., Рудой Е.В., Федяев П.М. Современное состояние и эффективность функционирования молочной отрасли Кемеровской области // Развитие агропромышленного производства и сельских территорий: материалы междунар. науч.-практ. конф. (Новосибирск, 2 марта 2016 г.). Новосибирск: Издательский центр «Золотой колос», 2016. С.131-136.
10. Кононова С. А., Харитонов А. В. Тенденции развития сельского хозяйства Кемеровской области // Проблемы современной экономики. 2016. № 1. С. 196-199
11. Рудой Е.В., Афанасьев Е.В., Григорьев Н.В. Формирование единого продовольственного рынка Сибири//АПК: Экономика, управление. 2011. № 5. С. 66-69.
12. Рудой Е.В. Развитие региональных агропродовольственных рынков на основе их интеграции.// Вестник Новосибирского государственного аграрного университета. 2011. Т. 1. № 17. С. 170-174.
13. Кравченко А. С. Проблемы и перспективы развития Кемеровской области //Проблемы современной экономики: материалы IVмеждунар. науч. конф. (Челябинск, февраль 2015 г.). - Челябинск: Два комсомольца, 2015. С. 114-116.
14. Box G. E.P., Jenkins G. M. Time Series Analysis, Forecasting and Control, rev. Ed., San Francisco: Holden-Day, 1976.
15. Мхитарян С. В., ДанченокЛ. А. Прогнозирование продаж с помощью адаптивных статистических методов // Фундаментальные исследования. 2014. № 9. С. 818-822.
16. Dickey D. A., Fuller W. A. Distribution of the Estimators for Autoregressive Time Series with a Unit Root/Journal of the American Statistical Association. 1979. No 74. Pp. 427-431.
17. Akaike, Hirotugu. A new look at the statistical model identification / IEEE Transactions on Automatic Control. 1974. No 19 (6). Pp. 716-723.
18. Ковалёва Г.Д. Измерение и моделирование циклической динамики экономических процессов на основе спектрального анализа: автореф. дис.... канд. экон. наук: 08.00.13. Новосибирск, 1991.22с.
19. Носонов А. М. Концептуальные основы циклического развития//Псковский регионологическийжурнал. 2012. № 14. С.36-47.
20. Коломак Е.А. Тенденции и факторы пространственной концентрации экономической активности в России//XVI Апрельская международная научная конференция по проблемам развития экономики и общества (Москва, 7-10 апреля 2015 г.). В 4-х кн./ отв. ред. Е.Г. Ясин. М.: НИУ ВШЭ, 2016. Кн. 2. С. 46-56.
FORECAST OF MILK PRODUCTION NN KEMEROVO REGION BASED ON MODEL ANALYSIS
E.V. Rudoi1, K.A. Artyukh1, P.M. Fedyaev2
'Novosibirsk State Agrarian University, ul. Dobrolyubova, 160, Novosibirsk, 630039, Russian Federation 2Kemerovo State Agricultural Institute, ul. Markovtseva, 5, Kemerovo, 650056, Russian Federation
Abstract. The dynamics of milk production in Kemerovo region tends to be regressive from 1995 to 2014. The volumes of production reduced from 614 to 376thousand tons (38.8 %). This negative situation causes the prerequisites for forecasting milk production. We used two approaches to achieve this purpose: Box-Jenkins model of the ARIMA (p, d, q) type and a trend cyclic model. The building of ARIMA (p, d, q) model consists of several stages. The first stage assumes model identification, d gap order, orders of p autoregression and of moving average q. Values of p and q were defined by means of autocorrelation function and partial autocorrelation function. The second stage is based on the estimation of the model parameters and its quality assessment. The forecast of milk production based on ARIMA (p, d, q) model certifies that milk production in Kemerovo region will reduce to 301,000 tons by 2020. Milk production forecast based on the trend cyclic model assumes an assessment of time series trend and modeling of its cyclic component by means of spectral analysis and cos(omega t) and sin(omega t) functions. The spectral analysis highlights cyclic components of 6.7 years and 4 years. The results of forecasting calculations of the trend cyclic mode show that milk production in Kemerovo region will reduce to 373,000 tons by 2020, but with slower rates and with periods of insignificant growth. Keywords: forecasting, time series, Box-Jenkins approach, trend-cycle model, milk production dynamics, Kemerovo region. Author Details: E.V. Rudoi, D. Sc. (Econ.), pro-rector (e-mail: rudoy80@ngs.ru); K.A. Artyukh, research fellow; P.M. Fedyaev, assist. For citation: Rudoi E.V, Artyukh K.A., Fedyaev P.M. Forecast of Milk Production nn Kemerovo Region Based on Model Analysis. Dostizheniya nauki itekhnikiAPK. 2017. V 31. No. 2. Pp. 77-80 (in Russ.).
