Прогнозирование производства сливочного масла в России Текст научной статьи по специальности «Химические технологии»

Прогнозирование производства сливочного масла в России

DOI 10.24411/2658-3569-2019-14013 Личман Аэлита Афанасьевна,

к.э.н., ведущий научный сотрудник ВИАПИ имени А.А. Никонова — филиала ФГБНУ ФНЦ ВНИИЭСХ, г. Москва, Россия, тел.: 8(916)363-08-84, e-mail: [email protected] Аннотация. В статье представлен анализ и прогноз производства сливочного масла в России до 2025 года. Производство сливочного масла в России падает и не имеет явно выраженного тренда. Статистические данные по динамике производства с1992 года по 2018 показывают падение производства с 761,6 тыс.т. в 1992 году, до 256,5 тыс.т. в 2018 году. Сливочное масло является важным натуральным продуктом питания и поэтому анализ и прогноз производства такого продукта является целью данного исследования. Производство сливочного масла может зависеть от многих факторов. Были выделены несколько факторов, могущих влиять на объем производства. Это среднедушевой годовой доход населения, производство сырого и сухого молока, импорт сухого молока, экспорт и импорт сливочного масла, средние цены на тонну сырого молока, на килограмм сливочного масла, цена за 1 кг импортного сливочного масла ($ США), объем импорта пальмового масла. В качестве методов исследования были использованы статистические методы, в частности корреляционно-регрессионный анализ и прогноз временных рядов по трендовой составляющей. Была построена однофакторная линейная регрессионная модель с независимой переменной - производством сырого молока. На основе этой модели был произведен прогноз производства сливочного масла, который был сравнен с прогнозом сливочного масла по полиномиальной трендовой модели. При расчете по регрессионной модели, прогноз по сырому молоку был произведен по трем вариантам тренда: линейному, логарифмическому и полиномиальному.

Summary. The article presents the analysis and forecast of the production of butter in Russia until 2025. The production of butter in Russia is falling and does not have a pronounced trend. Statistical data on the dynamics of production from 1992 to 2018 show a decline in production from 761.6 thousand tons. in 1992, up to 256.5 thousand tons in 2018. Butter is an important natural food product and therefore the analysis and forecast of the production of such a product is the goal of this study. Butter production may depend on many factors. Several factors that could affect the

volume of production were identified. This is the average per capita annual income of the population, production of raw and dried milk, import of dried milk, export and import of butter, average prices per ton of raw milk, per kilogram of butter, price per 1 kg of imported butter ($ US), the volume of palm oil imports . As research methods, statistical methods were used, in particular, correlation-regression analysis and forecast of time series by the trend component. A one-way linear regression model was built with an independent variable — the production of raw milk. Based on this model, a forecast of butter production was made, which was compared with a forecast of butter according to a polynomial trend model. When calculated by the regression model, the forecast for raw milk was made according to three variants of the trend: linear, logarithmic and polynomial.

Ключевые слова: прогноз,производство сливочного масла, среднедушевой доход, сухое молоко, сырое молоко, пальмовое масло, дисперсионно-регрессионный анализ, регрессионные модели, трендовый прогноз, оценка прогноза.

Keywords: forecast, butter, per capita income, milk powder, raw milk, palm oil, analysis of variance and regression analysis, regression models, trend forecast, forecast estimate. Основные положения:

- на основе корреляционного анализа выделенных факторов выявлены факторы, сильно влияющие на производство питьевого молока и слабо влияющие. Это дало возможность отбора факторов для регрессионной модели;

- исходя из произведенного отбора факторов была построена однофакторная регрессионная модель производства сливочного масла, зависящая от производства сырого молока. При этом прогноз сырого молока был рассчитан на основе трех трендовых зависимостей;

- также были построены трендовые модели прогноза сливочного масла на основе двух периодов временных рядов: 2000-2017гг. и 2010-2017гг:

- сравнение прогнозов показало, что не стоит ожидать значимого роста производства сливочного масла при существующей динамике производства сырого молока-сырья для производства масла.

Введение. Сливочное масло является значимым молочным продуктом в рационе питания населения. Анализ его рынка представляет большой интерес для исследователей, государственных структур, производителей этих продуктов. Цель данной работы рассчитать прогноз производства сливочного масла в России до 2025 года на основе анализа, используя статистические данные и методы их обработки.

Методы. Для решения поставленной задачи можно применить методы экстраполяции временного ряда статистических показателей производства выбранных продуктов путем подбора аналитических зависимостей и их оценки. Ещё один подход к получению прогноза - это построение регрессионных уравнений, описывающих связи между выбранным показателем и величинами, которые могут объяснять этот показатель. В данной работе были использованы как методы экстраполяции с разными видами зависимостей, так и построение регрессионного уравнения. Производство сливочного масла в России не имеет явно выраженного тренда. Его динамику, исходя из статистических данных с 1992 года по 2018 год (Таблица 1), можно проследить на Рисунке 1.

Та&лица 1. Объемы производства сливочного масла в РФ в 1992-2018 гг.

Пр-ЕО Пр-ЕО Пр-ЕО

СЛИЕ СЛИЕ СЛИЕ

масла. масла. масла.

Гады тонн Годы тонн Годы тонн

1992 761590 2001 270 607 2010 210 020

1993 732269 2002 279 063 201 1 217 295

1994 4Ё7777 2003 2S4 S22 2012 214 092

1995 421300 2004 276 236 2013 224 921

1996 323300 2005 253 931 2014 250 466

1997 292000 2006 267 7ES 2015 256 314

199S 276160 2007 272 430 2016 250 S72

1999 261710 20 0S 269 537 2017 270 125

2000 267 169 2009 229 В44 201S 256 500

С начала рассматриваемого периода 1992 года производство резко сокращалось с 762 тыс. тонн до 262 тыс. тонн в 1999 году и лишь с 2000 года резкое падение прекратилось, но особенного роста не наблюдается. Небольшие колебания происходят в пределах 200-300 тыс. тонн скорее похожие на стагнацию с короткими периодами небольшого роста и следующего за ним падения. Хотя с 2011 года можно наблюдать небольшой рост, до 2017 года, но в 2018 году производство опять снизилось (Рисунок 1).

Рисунок 1. Динамика производства сливочного масла в РФ за период 1992-2018 годы.

Исходя из здравого смысла, можно считать, что производство сливочного масла должно зависеть от поставок сырья, то есть от производства сырого молока. Рассмотрим

динамику производства сырого молока за тот же период 1992-2018 годы (Таблица 2) и её

график (Рисунок 2). Сравнивая эти два графика можно увидеть, что они почти идентичны.

Производство сырого молока также резко падает с 1992 года до 1999 года и с 2000 года по

2017 год находится в интервале от 30000 до 35000 тыс.тонн с небольшими колебаниями.

Причем колебания в этом коридоре от точек роста до точек спада практически те же по

годам, что и у сливочного масла. Зависимость достаточно наглядная.

Таблица 2. Данные по производству сырого молока в РФ за период 1992-2017 годы (Источник http: //www .f а о. о rg/fa ostat/е n/#d ata/Q L)

пр-во пр-во пр-во

сырого сырого сырого

молока, молока, молока,

тыс. тыс. тыс.

Годы тонн Годы тонн Годы тонн

1992 47015 2001 32595 2010 31585

1993 46297 2002 33209 2011 31386

1994 41951 2003 33085 2012 31501

1995 В9093 2004 31904 2013 30286

1996 35522 2005 30892 2014 30511

1997 33835 2006 31186 2015 30522

1998 32955 2007 31915 2016 30496

1999 32000 2008 «111 2017 30915

2000 31959 2009 32326 2018

Прогноз производства сливочного масла рассчитаем с помощью построения регрессионной модели с привлечением факторов, которые могут влиять на объемы производства.

На объемы производства сливочного масла по нашему мнению могут влиять следующие факторы, по которым собраны данные за 2000-2017 годы:

- объем производства сырого молока, (тыс. тонн, в год);

- средняя цена с учетом дефляции на тонну сырого молока, (руб.);

- доходы населения с учетом дефляции (руб./ чел/год);

- цена 1 кг. молока питьевого, с учетом дефляции (руб.);

- импорт сливочного масла (тонн);

- экспорт сливочного масла (тонн);

- цена 1 кг. масла сливочного с учетом дефляции (руб.);

- импорт пальмового масла (тонн);

- производство сухого молока (тонн);

- импорт сухого молока (тонн);

- цена подсолнечного масла с учетом дефляции (руб/кг);

- цена за 1 кг импортного сливочного масла ($ США).

ТаБлиьца 3. Статистические данные для расчета прогноза производства сливочного масла в РФ (2000=2017 гг.) _____

произ ВОДСГЕ экспо Объе о рт импорт м слив.м слив слив, рынка асла,т ма ела масла слив. онн ОАО ОАО годы масла ФАО тонн тонн Доход с дефля тором руб./ ч ел / го Д Пр- ВО сыр. мол., Т.т, Импорт пальм масла тонн Цена СЛИВ.М а ела с дефл. pyö/кг Цена с дефля торм сыр.м ол. pyö/т.

2 DDO 315 81 1 267 ООО 5 046 S3 357 12 431 32 2Е-3 1 57 ЗЕ6 256 13 833

2 001 373 813 269 ООО 4 372 1 D& 1S5 12 124 32 S7¿ 2SD СЗЭ 222 14 036

2 DZ-2 3B6 375 279 065 2 657 1 D& 367 13 416 33 462 31 5 ¿37 134 11 798

2 DSS 415 770 234 822 3 752 1 34 7ÜQ 15 200 33 316 335 560 200 13 453

2 DD¿ 372 941 278 236 4 584 1 D1 2S9 16 563 31 861 43Е- 169 190 12 780

2 DDE 332 467 253 931 3 498 82 £34 17 428 31 D7C 59& 779 186 12 304

2 DM 378 802 267 786 2 508 111 522 13 358 31 333 543 С 31 179 12 900

2 DD7 343 781 272 430 3 914 7Б 265 19 703 31 95S S7E ees 233 13 620

2 DM 352 570 271 804 3 692 S4 ¿ES 20 535 32 36-3 692 222 235 13 705

2 DM 290 314 232 868 4 093 61 Е39 19 808 32 S7-2 S2E ¿32 227 12 635

2 DIE 2S3 790 203 ООО 2 690 75 ¿33 21 566 31 S47 SSE- 3 31 261 15 289

2 D1 1 294 719 220 ООО 1 953 76- 672 20 701 31 646 ез::- 321 256 14 135

2 D12 321 526 215 700 4 098 1 D& 324 21 220 31 7Е6 SS& 1 59 244 12 278

2 D1 Э 350 833 227 ООО 2 647 1 26 ¿S0 22 858 3D 523 746- Е79 271 13 951

2 DU 384 974 253 ООО 5 187 1 37 161 22 835 3D 7&1 7D6 324 284 15 107

2 D1 E 341 280 258 31 4 4 483 S& ¿¿9 23 165 3D 7&7 885 369 278 14 857

2 Die 340 144 250 872 4 878 54 1 SO 22 745 3D 7Е-3 SSE 117 318 15 21 1

2 D17 362 925 270 125 3 600 9S бЗО 22 136 31 ООО 892 ■□■□0 343 13 521

2 D15 3D SCO 1 DS& 7-2Ü 346

Для выяснения связи данных по производству сливочного масла с перечисленными выше показателями построим таблицу парных корреляций (Таблица 4). В корреляционную Таблицу 4 были включены не все перечисленные выше в списке факторы, поскольку рассчитанная ранее корреляционная матрица для всех факторов позволила выявить наиболее значимые, которые и вошли в Таблицу 4. Эта таблица показывает парную связь

для всех вошедших в нее факторов. По величине и знаку коэффициентов корреляции можно судить о силе связи и ее направлению. В таблицу дополнительно включен фактор объема рынка сливочного масла равный сумме импорта и производства за минусом экспорта.

Таблица 4. Таблица парных корреляций для Э факторов.

объем рынка ПрОИЗб одет в о СЛМ5.М асла экспо рт слив М ОС!) f, йМПО р гТТ слив, м асл а, Доход ы насел ения с дефля торо м Произ водст во сыроз о молок о, Импор т пальм масла потре 6. Цена слив.м вс/а : дефля тором, Цена £ дефля терм сь/рог о молок а.

объем рынка 1

произвад ство слив.масл а 0,766 1

экспорт слив масла 0,159 0,311 1

и мпор гТТ слив. Масло 0,772 ОД 33 -0,023 1

Доходы ъаселени я с дефлято ром, -0,310 -0,541 -0,059 0,065 1

Производ ство сыр ого молоно. 0,191 0,365 -o,osa 0,077 -0,750 1

Импорт пальм масла -0,178 -0,369 -0,033 0,097 0,943 -0,767 1

Потребит. Цена слив.масл а с дефлятор ом -0,239 -0,292 0,273 0,062 0,627 -0,559 0,657 1

Цена сыр. мол. с дефлято рм -0,026 -0,042 0,161 0,009 0,461 -0,453 0,547 0,852 1

Как видно из Таблицы 4 сильной связи производства сливочного масла со всеми другими показателями для статистических данных за 2000-217 год не выявлено. Обратим внимание на некоторые показатели. Так, связь достаточно высокая (коэффициент корреляции равен 0,63 при расчете для данных с учетом дефляции и 0, 958 без учета

дефляции) между ценой сливочного масла и величиной дохода. При росте дохода растет и цена масла. Это достаточно понятно. Также при росте импорта пальмового масла растет цена сливочного масла (коэффициент корреляции 0,66 для данных с учетом дефляции и 0,88 для данных без учета дефляции). Можно допустить, что пальмовое масло как-то участвует в продукции сливочного масла. Также видна сильная положительная связь цены сырого молока и цены сливочного масла (коэффициент корреляции 0,85 для данных с учетом дефляции и 0,99 без учета дефляции), что вполне естественно. Кроме этого рост дохода связан с ростом импорта пальмового масла (коэффициент корреляции 0,94). Можно объяснить это тем, что пальмовое масло используется в широкой линейке пищевой продукции и при росте дохода спрос на эту продукцию растет. Объем рынка сливочного масла показал сильную связь с его импортом (коэффициент корреляции 0,77). Несколько странно выглядит отрицательная связь дохода и производства сырого молока (коэффициент корреляции -0,75), то есть при росте доходов производство сырого молока уменьшается. Но в то же время высока положительная связь (коэффициент корреляции 0,981) между доходом и ценой сырого молока. Это можно объяснить тем фактом, что если производство молока уменьшается, то его цена растет, что подтверждается их отрицательным парным коэффициентом корреляции -0,736). Некоторые коэффициенты корреляции, приведенные выше взяты из матрицы парных корреляций для 14 показателей, не представленной в тексте.

Интересно отметить отрицательные парные коэффициенты, они не велики, но отрицательное значение имеет важный смысл. Так объём рынка сливочного масла имеет отрицательную связь с импортом пальмового масла. Это может говорить о том, что рост пальмового масла сокращает рынок сливочного масла, за счет замещения его суррогатами. Кроме этого объём рынка сливочного масла имеет отрицательную связь с ценой масла, с ценой сырого молока и с доходами населения. То есть при росте цены масла и цены сырого молока рынок масла уменьшается, что естественно.

Поскольку регрессионную модель имеет смысл строить при наличии достаточно хорошей связи между зависимой и независимыми переменными было решено увеличить длину временного ряда для объёмов производства сливочного масла и сырого молока начиная с 1992 года. Расчет коэффициента корреляции для этих рядов за период 1992-2018 год показал, что он высок и равен 0.97. Далее построим регрессионную модель для производства сливочного масла на 26 наблюдениях с одним независимым фактором -объёмом производства сырого молока. Результаты представлены в Таблице 5. Включение в модель некоторых дополнительных факторов показало их незначимость.

Таблица 5. Показатели расчета регрессионной модели сливочного масла с одной независимой переменной - сырым молоком.

Регрессионная статистика

Множественный R 0,9711

R-квадрат 0,9431

Нормированный R-

квадрат 0,940 S

Стандартная ошибка 34324

Наблюдения 26

Дисперсионный анализ

Значимое

df MS F ть F

397,9644

Регрессия 1 4,б385Е+11 4,6SS5Efll 36 1.9Е-16

2827437868

Остаток 24 7 1178119945

Итого 25 4,97125Е+11

Коэффицие Стандартн t- статистик Р- Нижние

нты ая ошибка а Значение 95%

9,12809Е-

У-пересечение -686743 50533, -13,589 13 -791039

пр-во сырого молока 1,3978Е-

тыс. тонн 29,613 1,48 19,949 16 26,55406

Модель имеет вид:

Y= -686743+ 29,618Х+ 8 , где (1) Y - объём производства сливочного масла ; X! - объём производства сырого молока.

Судя по значениям в Таблице 5 статистических оценок параметров модели, можно сказать, что связь между результирующим и факторным признаком достаточно тесная (коэффициент множественной корреляции К=0,9711). Коэффициент детерминации Я2=0,9431 говорит о том, что вариация производства сливочного масла на 94,3 % объясняется вариацией учтенного в модели фактора - сырого молока. Также в пользу значимости модели говорит вычисленное значение значимости Б. Коэффициенты регрессии также значимы, судя по вычисленным коэффициентам: 1-статистики и р-значению.

Линейный вид регрессионной модели подтверждает Рисунок 3 — график корреляционного поля, где по оси абсцисс откладываются данные по объему производства сырого молока (тыс.тонн), а по оси ординат - объемы производства сливочного масла за период 1992-2017 годы. Я2 линейной аппроксимации равен 0,94.

Пр-во СЛИВОЧНОГО масла тонн

ВООООО 700000 600000 500000 400000 300000 200000 100000 и

Рисунок 3, Корреляционное поле (ось абсцисс — объем производства сырого молока, тыс. тонн, ось ординат - объем производства сливочного масла, тонн).

Выполним еще одно вычисление, построив регрессионное уравнение для логарифмических значений показателей для получения эластичности сливочного масла по молоку (Таблица 6). Из таблицы видно, что логарифмическая регрессия имеет вид

LnY= -14,26+2,58X+E, где (2)

Y - объём производства сливочного масла; X - объём производства сырого молока; E - ошибка.

Статистические оценки, как самой модели, так и коэффициентов регрессии говорят о значимости модели и ее коэффициентов. Модель в логарифмическом виде представляет эластичность объемов производства сливочного масла относительно объёма производства сырого молока. Можно сказать, что увеличение на 1% производства сырого молока вызовет увеличение производства сливочного масла на 2,58 %.

Таблица 6. Выеод итогов расчета логарифмической регрессионной модели сливочного масла с одним фактором - сырым молоком.

Регрессионная статистика

Множественный И С. 9^057

И- квадрат С .929426

Нормированный И-квадрат С.926МЗ

Стандартная ошибка С.СЗВ094

Наблюдения 27

Дисперсионный анализ

df SS MS F Значимость F

Регрессия 1 2,Ь55392 2.5Ь50Э1397 329,2337512 £,£275Е-16

Остаток 25 0Д94С35 0,007760605

Итого 26 2,7-5167

Коэффициенты Стандартная ошибка t- статистика Р-Значение Нижние 35%

У-перееечение -14.2552 1.4754С 1 6.7052эЕ-1С -17.30613054

1п сыр. мол 2.577204 0,1^2034 1S.1-433734 6,627SE-16 2,234673226

На основе регрессионной модели (1) вычислим прогнозные значения объемов производства сливочного масла до 2025 года. Для этого необходимо рассчитать прогноз сырого молока.

Прогноз производства сырого молока был проведен несколькими способами, из них был выбран наиболее достоверный - это трендовый прогноз с разными видами зависимости. Это

линейная функция:

у = -125,3И + 32981 R2 = 0,6027;

логарифмическая:

у = -787,Шф + 33357 R2 = 0,4895; полином третьей степени:

у = 0,137^ — 4,9888^ — 74,0 т + 32856 R2 = 0,6038. График производства сырого молока с этими видами трендов представлен на рисунке

Рисунок 4. Производство сырого молока в РФ (2000-2017 гг.) стремя видами трендов.

Прогноз был произведен по этим трем видам трендов до 2025 года. Как можно заметить из графиков на Рисунке 4 прогноз по логарифмической функции можно считать оптимистичным, остальные два практически сходны, хотя предпочтительнее полиномиальный. В Таблице 7 приведены прогнозные значения на 2018-1025 год для сырого молока (прогноз на 2018 год приведен, поскольку при расчетах данные за этот год отсутствовали).

Таблица 7. Прогноз производства сырого молока в РФ в тыс. тонн на 20182025 гг.

Гс^ы Прогноз сыр. мел. ПС линейному тренду Прогноз сыр. мел. по логарифмическому .тренду Прогноз сыр. мел. по кубическому полиному

201£ 30 200 31 039 30 553

2019 30 075 30 999 30 476

2020 29 949 30 961 30 370

2021 29 324 30 924 30 272

2022 29 699 30 539 30 151

2023 29 574 30 556 30 100

2024 29 443 30 523 30 023

202:> 29 323 31 947 29 967

Е. - квадрат длл тренда 0.6027 0.459: 0:6033

МАРЕ (%) 1.9055 1.7924 1.4367

Сигма 1.96 1 336 546 1 120

Для оценки качества прогноза были рассчитаны Средние Абсолютные Процентные Ошибки (МАРЕ)

N

г1

Лг

) = .

I; — X

где N - количество наблюдений, Хг - фактическое значение, - прогнозное значение.

Значения МАРЕ для всех трех видов прогнозов также приведены в Таблице 7.

В Таблице 7 приведены точечные прогнозы. Для расчета интервальных значений прогноза воспользуемся методом «сигма 1,96», когда верхняя граница прогноза равна прогнозу плюс «сигма 1,96», а нижняя граница прогноза равна прогнозу минус «сигма 1,96». «Сигма 1,96»— говорит о том, что вероятность попадания очередного значения прогноза в границы доверительного интервала составляет ~ 95,5 %, т.е. шансы примерно 20 к 1, или существует 4,5% вероятности выхода за границы. Для всех трех видов трендов были рассчитаны значения Сигмы 1,96. Для линейного прогноза — 1381, для логарифмического — 546 , для кубического полинома - 1120. Они также приведены в Таблице 7.

Для расчета прогнозных значений по сливочному маслу воспользуемся регрессионной моделью (1) с тремя разными видами трендов для сырого молока: линейный,

логарифмический и полиномиальный. Рассчитаем ещё один прогноз производства сливочного масла по тренду (Рисунок 5). Из всех доступных видов зависимостей для тренда выбрали квадратичный полином с наибольшим значением Я2 =0,4117 и рассчитали прогноз. Он также представлен в Таблице 8.

Производство слие.масла,тонн

■ пранзивдЕтво c.-i'a.wac.-a.TOHH F^htst

- Полиномиальная | п раиэввдЕгво слнв.масла.тонн

гик гооэ 2:12 2:15 zou rnzi 2:24

^исунгк 5. Динамика проу;воюете = сли^с-ьог;: мэ:ла ъ Ро (2300-2С17 гг.! с полинсмиальным трендегл.

ТЕОЛИЦЭ задели с гремя

1УЭСЛЕ.

3. Пэоп-ое пэошеонсгеэ елнеочного масла но 2C2z ггда го регрЕссионнюй виде мл прогн с 35 сь рог2 мол ска л по пол и номиальнаму гэенду СЛ И ВОЧНОГС

"олы ПрмцвцдЕтг а :ли 5.мае." а.- □ ПН ПрЕчо: по П4"П ИНБЛН1 [ЕЫр. шл.г] ли - тренду] ПрЕчо: no □ i"n кцдвли ¡:=-p. нхл. па л с -j □ и фи. ПрЕчо: no Пй"П ИЦЕПП jctip '.:1.1. г с ПОЛИНЕ V. треног! ПрЕчо: .ыасла пс ПОЛИНЕ V.

2000 267 169 274 5Д 5=1225 264060 290329

1001 27Z 507 270 613 265066 26 1 443 232 120

2002 273 066 2£7 107 275 613 273 539 274 223

2003 2 £4 322 2£3 395 2ES9C7 275 513 157 139

2004 27£ 236 159 £&4 2E3 JB5 272 236 2-50363

2001 253 931 255 572 259 4E5 2ES79: 23541)0

20И 267 763 252 261 255 B61 2£6 192 230764

2007 272 ¿30 248 550 252 743 2Е1465 246 Э21

2003 255 537 244 63S 250 302 257 646 24Z SID

20» 22В S44 241127 247 545 255 745 241702

2010 210 020 237 41S 245 324 249 793 240 307

2011 217 155 235 704 245 295 245 Е14 23S 724

гтг 214 092 229 592 241430 241ВЭО 239954

2013 224 921 226 231 239 702 237 В66 240 9Е 7

2014 25: 466 222 5 70 236094 235 К1 142 352

156314 21S 653 236 5B9 230104 24Е МО

25: 372 215 147 235 IT 5 226 351 249001

2017 27: 125 211 453 235 B43 222 71£ 233 294

КПЗ 217 724 232 5B3 219 224 25В 400

201$ 204 :12 231 337 215 Е95 254 31Э

2020 2:0 301 230 25a 212 766 271050

2021 156 590 229 165 2=9 646 27S 5M

2022 152 673 223 129 2=717: 236 SE1

2023 1E9 167 227 1Z 7 204 757 296 12С

2024 1E5 45; 226 1B5 2:2 632 306 102

2021 1E1 7M 259 455 2:0 Е21 Z16SE7

МАРЕ ошибка прогноза б % ".6 T. 7 7.5 6i4

Как видно из Таблицы 8 из всех четырех видов прогноза производства сливочного масла оптимистичный прогноз — по тренду, три остальных по регрессионной модели весьма пессимистичны, может быть второй прогноз по регрессионной модели с

логарифмическим трендом сырого молока более реалистичен. Относительная ошибка прогноза практически у всех одинаковая. Ещё один вариант прогноза можно рассчитать, если предположить, что тенденция, сложившаяся с 2010 года сохранится до 2025 года. Тогда выбрав вид тенденции как линейную функцию y = 8819,4x + 197076 с достаточно высоким R2 = 0,8998 (Рисунок 6), рассчитаем прогноз производства сливочного масла до 2025 года (Таблица 9). Относительная ошибка прогноза MAPE в этом случае меньше, чем в предыдущих прогнозах и составляет 2,64%. Прогноз получился самым оптимистичных из всех приведенных ранее.

J50Q00 аоо о» 250 ОМ аоо ом производство слив.масла,тонн

у= SS1MX* 197А76 ...-- Р-оде»

у'" — прснз иоде тво сл ии.маилллонн

1W000 100 000 SttttW

-Лннейпля

ыньмасл^тонн )

0

гаю го12 ¿сил 2СИ.& iDie ¿mo 2022 2024

Рисунок 6. Линей-ый тренд производства сливочно_о масла за период 2010-2025г.

Таб/ица 9. Прогноз производства сливочно_о масла до 202Б гюда по линейно.у.у тренду, рассчлта-нсму с 2010 года по 2017 год.

Годы производство слив.масладо нн Прогноз по линейному тренду с 2010-2017 Годы Прогноз по линейному тренду с 2010-2017

2010 210 020 205 395 201S 276 451

2011 217 295 214 715 2019 2S5 270

2012 214 092 223 534 2020 294 0S9

2013 224 921 232 354 2021 302 909

2014 250 466 241 173 2022 311 72S

2015 256 314 249 992 2023 320 54S

2016 250 S72 258 312 2024 329 367

2017 270 125 267 631 2025 33& IS6

Судя по тенденциям в производстве сырого молока — фактора, определяющего объёмы производства сливочного масла, вряд ли стоит ждать осуществления значительного роста производства масла. Также не стоит слишком доверять прогнозу, основанному на

экстраполяции тренда (последний столбец в Таблице 9), поскольку значение R2 практически для всех зависимостей не высоко. Последний прогноз основан на тенденции за последние 8 лет, возможно это слишком короткий срок. Но поскольку прогнозы рассчитаны, их осуществление может проверить только время.

Список использованной литературы

1. Интернет-портал ФАО [Электронный ресурс]. URL: http://www.fa0.0rg/fa0stat/en/#data/QP дата обращения: 01.06.2019 — 01.08. 2019..

2. Сайт Федеральной службы государственной статистики [Электронный ресурс]. URL: https://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/databases/ дата обращения 01.05.2019 — 01.06. 2019

3. Электронный ресурс. URL: https://www.mbureau.ru/blog/osnovnye-ocenki-tochnosti-prognozirovaniya-vremennyh-ryadov

4. Электронный ресурс. URL: https://4analytics.ru/vozmojnosti-forecast4ac-pro/raschet-doveritelnogo-intervala-s-vozmojnostyu-zadat-sigma-ot-1-do-3.html