CC BY
10
ПРОГНОЗИРОВАНИЕ ВАЛОВОГО СБОРА ЗЕРНА В НОВОСИБИРСКОЙ ОБЛАСТИ С УЧЕТОМ ТЕХНОЛОГИЧЕСКОГО РАЗВИТИЯ
М.С. Петухова, канд. экон. наук, науч. сотр. Новосибирский государственный аграрный университет (Россия, г. Новосибирск)
DOI: 10.24411/2411-0450-2019-11128
Аннотация. В данном исследовании осуществляется попытка прогноза объема производства продукции растениеводства не только на основе имеющихся факторов производства, но и с учетом научно-технического прогресса. Последний в данном случае выражается показателями урожайности культур, производительности труда и энергообеспеченности. Модель прогноза представляется в виде степенной функции, параметры которой и отражают уровень используемых технологий. Как показал корреляционный анализ, производительность и энергообеспеченность имеют сильную взаимосвязь, поэтому показатель производительности труда был исключен из модели. В результате исследования рассчитано прогнозное значение валового сбора зерна в сельскохозяйственных организациях Новосибирской области к 2030 г. с учетом научно-технического прогресса.
Ключевые слова: прогнозирование, научно-технический прогресс, валовой сбор, урожайность, энергообеспеченность, производительность.
Производственные возможности отрасли растениеводства определяются технологическими условиями производства продукции, которые выражаются зависимостями между затратами различных ресурсов и выпуском продукции. Такие соотношения являются основными элементами для большинства моделей прогнозирования. Однако прогноз, который строится только на основе затраченных ресурсов, является недостаточно объективным, так как не учитывает фактор технологических изменений. Последний в сельском хозяйстве, и, в частности, в растениеводстве, определяется уровнем урожайности, производительностью труда и энергообеспеченностью. По нашему мнению, эти показатели должны также включаться в модель прогнозирования в качестве факторов.
Как известно, в производстве сельскохозяйственной продукции участвуют три фактора: труд, земля, капитал. Рассмотрим каждый по отдельности:
1. Труд. Основная характеристика труда в растениеводстве - это производительность трактористов-машинистов, которая определяется уровнем использования новых технологий в производстве. На практике, чем выше производительность труда,
тем больше объем произведенной продукции.
2. Земля. Основной показатель использования земли в производственном процессе - это урожайность сельхозкультур, значение которого говорит об используемых агротехнологий, количества и качества внесенных удобрений и т.д. Внедрение в производство новых технологий и работа на полях современной техники позволяет повысить урожайность сельскохозяйственных культур и увеличить валовой сбор.
3. Капитал. Основные средства в сельском хозяйстве - это земля, здания, сооружения, машины и оборудование и т.д. В растениеводстве основным капиталом, по нашему мнению, наряду с землей являются сельскохозяйственные машины, которые непосредственно участвуют в посеве и уборке урожая. Использование энергонасыщенных и высокопроизводительных комбайнов непременно скажется на увеличении валового сбора [1].
Таким образом, основными факторами, оказывающими существенное влияние на увеличение производства продукции растениеводства, являются урожайность культур (Б), производительность труда (Ь) и энергообеспеченность (К). Однако при исследовании вышеназванных факторов на
наличие связей, выявлено, что коэффициент корреляции между производительностью труда и энергообеспеченностью составляет -0,7, что говорит о наличии довольно значительно связи между ними. И так как корреляция между производительностью труда и урожайностью выше чем корреляция между урожайностью и энергообеспеченностью, то фактор производительности труда можно исключить из исследования.
Для построения модели прогноза валового сбора зерновых культур в Новосибирской области будем использовать степенную функцию вида:
Уф = А [К ф ] а 1 [ Б ] а 2.
где У - валовой сбор зерна;
К - энергообеспеченность на 1 га; - урожайность зерна;
А - технологический коэффициент.
Параметры функции а1 и а2 являются коэффициентами эластичности для соответствующих факторов производства, которые определяются имеющимися технологиями. При сумме всех степеней факторов меньшей 1 предполагается, что валовой сбор увеличивается не быстрее, чем среднее увеличение факторов. Если же сумма степеней факторов больше единицы, то валовой сбор увеличивается быстрее роста факторов. При сумме степеней равной 1 среднее увеличение валового сбора совпадает темпом роста факторов.
На основе имеющихся данных о производстве продукции растениеводства в сельскохозяйственных организациях Новосибирской области в период с 2002 по 2018 гг. [2] нами была построена модель прогнозирования валового сбора зерна для региона:
У = 0, 1 К" 0 0 1 8 X Б1 0 2.
Интересным представляется параметр а1 = -0,018, который обозначает то, что с увеличением энергетических мощностей на 1 га посевов происходит уменьшение валового сбора. Данную ситуацию можно ин-
терпретировать следующим образом: энергообеспеченность хозяйств увеличивается, при этом количество комбайнов на 1000 га посевов сократилась в период с 2002 по 2018 гг. с 4 до 2. Это означает, что зерноуборочные комбайны становятся мощнее, а так как растет и урожайность культур, то и производительней. Следовательно, за счет использования новых технологий в растениеводстве области валовой сбор существенно увеличился. А фактическое его уменьшение объясняется преимущественно значительным сокращением посевных площадей (на 38% в 2018 г. по отношению к 2002 г.).
При сохранении существующей тенденции сокращения посевных площадей под зерновыми культурами и внедрении новых технологий в растениеводстве и семеноводстве валовой сбор зерна к 2030 г. в Новосибирской области может составить 3,2 млн тонн при средней урожайности в 30 ц/га.
В заключение данного исследования можно сделать следующие выводы:
- при прогнозировании объемов сельскохозяйственного производства необходимо учитывать не только имеющиеся ресурсы, но и показатели их эффективности, то есть технологии, которые позволяют более эффективно использовать эти ресурсы;
- к основным показателям, характеризующим уровень технологического развития производства, можно отнести урожайность, производительность труда и энергообеспеченность;
- для построения модели прогнозирования валового сбора используется степенная функция, где в качестве переменных выступают урожайность и энергообеспеченность. Переменная - производительность труда исключена из модели, так как обладает сильной связью с энергообеспеченностью;
- согласно построенной модели, валовой сбор зерна в сельскохозяйственных организациях Новосибирской области к 2030 г. составит 3,2 млн тонн.
Библиографический список
1. Рудой Е.В. Совершенствование метода сценарного прогнозирования научно-технологического развития отрасли растениеводства на основе анализа динамики факторов производства / Е.В. Рудой, М.С. Петухова // Экономика сельскохозяйственных и перерабатывающих предприятий. - 2019. - №7. - С. 40-43.
2. Сводная годовая отчетность сельскохозяйственных организаций Новосибирской области за 2002-2018 гг. // Министерство сельского хозяйства Новосибирской области. [Электронный ресурс]. Режим доступа: http://mcx.nso.ru/ (дата обращения 14.08.2019).
FORECASTING OF THE GROSS GRAIN HARVEST IN THE NOVOSIBIRSK REGION WITH REGARD TO TECHNOLOGICAL DEVELOPMENT
M.S. Petukhova, Candidate of Economic Sciences, Researcher Novosibirsk State Agrarian University (Russia, Novosibirsk)
Abstract. This study attempts to predict the volume of crop production not only on the basis of available factors of production, but also taking into account scientific and technological progress. The latter in this case is expressed in terms of crop yields, labor productivity and energy supply. The forecast model is presented as a power function, the parameters of which reflect the level of technologies used. As the correlation analysis showed, productivity and energy supply have a strong relationship, so the indicator of labor productivity was excluded from the model. As a result of the study, the estimated value of gross grain harvest in agricultural organizations of the Novosibirsk region by 2030, taking into account scientific and technological progress.
Keywords: forecasting, technological progress, total gathering, productivity, energy security, performance.
