CC BY
11Прогнозирование заработной платы в аграрном производстве в зависимости от
объемов производства картофеля Forecasting wages in agricultural production depending on the volume of potato
production
Ь Л московский
■p ЭКОНОМИЧЕСКИЙ ЖУРНАЛ
УДК 658
DOI 10.24411/2413-046Х-2020-10308 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. Научная статья содержит методику точечного и интервального прогнозирования, а также результаты исследования зависимости заработной платы в аграрном производстве от размера достигнутых производственных показателей на примере производства картофеля. Цель исследования - апробация методики точечного и интервального прогнозирование и выявление сопутствующих экономических расчетов при выявлении зависимости заработной платы от объемов производства картофеля. Метод проведения анализа - точечный и интервальный прогноз с сопутствующим построением уравнения регрессии и проверки результатов исследования. Вывод: построенная регрессионная модель хорошо подобрана к имеющимся исходным данным; выбранная точка объема производства картофеля способна обеспечить уровень заработной платы в размере 26872,3 рублей; построенный доверительный интервал включил в себя результат точечного прогнозирования.
Summary. The scientific article contains the methodology of point and interval forecasting, as well as the results of the study of the dependence of wages in agricultural production on the size of the achieved production indicators on the example of potato production. The purpose of the study is to test the method of point and interval forecasting and identify related economic
calculations when identifying the dependence of wages on the volume of potato production. The method of analysis is a point and interval forecast with the accompanying construction of the regression equation and verification of the results of the study. Conclusion: the built regression model is well matched to the available source data; the selected point of potato production is able to provide a salary level of 26872.3 rubles; the built confidence interval includes the result of point forecasting.
Ключевые слова: сельское хозяйство; заработная плата; производство картофеля; парная регрессия; точечный и интервальный прогноз.
Keyword: agriculture; wages; potato production; pair regression; point and interval forecast.
Введение
В современных условиях хозяйствования в аграрном производстве Россйтской Федерации активизировался процесс импортозамещения, что наглядно подтверждают статистические данные. Поэтому прогнозирование зависимости заработной платы от результатов производства картофеля, как одного из важных показателей импортозамещения, является актуальным.
Проблемы и перспективы развития сельского хозяйства в России, процессы импортозамещения и обеспечения продовольственной безопасности страны в Российской Федерации и за рубежом является предметом исследования многих ученых--экономистов: Cermak M., Males K. и Maitah M. осуществили процесс моделирования волатильности цен на сельскохозяйственную продукцию на Чикагской товарной бирже с помощью эконометрических методов [5]; факторы, оказывающее влияние на экспорт сельскохозяйственной продукции в Албании, выявили Brana K., Qineti A., Lazorcakova E. [4]; Vuckovic B. исследовал факторы, влияющие на рентабельность сельскохозяйственных предприятий Сербии [6]; инвестиционную привлекательность сельского хозяйства выявили Соловьева Т.Н. и Мусьял А.В. [1]; Шашкова И.Г. представила итоги развития АПК Рязанской области в период реализации политики импортозамещения [3]; рычаги стимулирования развития региональной аграрной экономики на основе импортозамещения озвучили Ткачев С.И., Васильева Е.В., Петрова И.В. и Казакова Л.В. [2].
Таким образом, проблемы импортозамещения и обеспечения продовольственной безопасности в аграрном производстве являются актуальными в отечественной научной среде и на международном уровне.
Материалы и методы исследования
По данным Росстата Российской Федерации, полученным на официальном сайте учреждения, к показателям импортозамещения продукции растениеводства в Российской Федерации относится производство картофеля. Произведем исследование заработной платы и показателя импортозамещения с использованием точечного и интервального прогнозирования. Для исследования поведения уровня заработной платы в качестве точки возьмем 26 млн. тонн картофеля. Для начала проанализируем статистические данные на предмет отсутствия в них выбранной точки (таблица 1).
Таблица 1 - Сведения о показателях импортозамещения п заработной плате в Российской Федерашш
Годы Производство картофеля. Среднемесячная
млн. тонн номинальная начисленная заработная плата работников организаций, рублен
2012 243 21820=9
2013 24:0 24715:5
2014 243 271023
2015 25=4 28527=9
2016 22 5 30651=2
2017 21 = 7 329513
2018 22 4 35802:0
Этап 1. Точечный прогноз.
Точечный прогноз среднемесячной номинальной начисленной заработной платы работников организаций при объеме производства картофеля, равном 26 млн. тонн, определяется по формуле уравнения регрессии:
у=а+Ь*х
где у -среднемесячная номинальная начисленная заработная плата работников организаций (результативный признак); а - свободный член уравнения регрессии;
Ь - параметр уравнения регрессии, характеризующий изменение заработной платы при изменении объема производства картофеля на единицу (1 млн. тонн); х - производство картофеля (фактор). Определим значение параметра Ь:
Для этого составим вспомогательную таблицу (таблица 2).
Таблица 2 - Вспомогательная таблица по определению параметра b
Годы X У х ■ у
2012 24,5 21820,9 534612,05 600,25
2013 24,0 24715,5 593172,0 576,0
2014 24,3 27102,3 658585,89 590,49
2015 25,4 28527,9 724608,66 645,16
2016 22,5 30651,2 689652,0 506,25
2017 21,7 32951,5 715047,55 470,89
2018 22,4 35802,0 801964,8 501,76
Итого 164,8 201571,3 4717642,95 3890,8
Среднее значение 23,5 28795,9 673949,0 555,83
ху-х ■ у _ 673949,0 - 2 3,5 ■ 28795,9
= -769.455
х 555,33 23.Б 23,Ь
Определим значение параметра а.
а = у — Ъ - х = 28795,9 -(-769,455) 23,5 = 46878,09
Произведем расчет регрессионного значения результативного признака.
3) ух=а + Ъ - х = 46878,09 - (-769,455) - 24,3 = 28180,3
6) % = а + Ъ - х = 46878,09 - (-769,455) - 21,7 = 30180,9
7) % = а + Ъ - х = 46878,09 - (-769,455) - 22,4 = 29642,3
Произведем расчет ошибки аппроксимации по формуле:
Вспомогательная таблица по определению ошибки аппроксимации (таблица 3).
Таблица 3 — Вспомогательная таблица по определению ошибки аппроксимации
Годы V У - У~ л,
2012 21820,9 28026,4 -6205,5 28,4
2013 24715,5 28411,2 -3695,7 14,9
2014 27102.3 28180.3 -1078.0 4.0
2015 28527,9 27333,9 1194,0 4,2
2016 30651,2 29565 А 1085,8 3,5
2017 32951,5 30180,9 2770,6 8,4
201Ё 35802,0 296423 6159,7 17,2
Итого 2015713 к: X 80,6
Среднее значение 28795,9 X X 11,5
Данные таблицы свидетельствуют о хорошем подборе модели к исходным данным, так как среднее значение ошибки аппроксимации равно 11,5%.
Этап 2. Интервальный прогноз.
Интервальное прогнозирование базируется на результатах точечного прогнозирования и начинается с определения стандартной ошибки прогнозируемого значения заработной платы. Стандартная ошибка определяется по формуле:
Вспомогательная таблица по определению стандартной ошибки прогноза (таблица 4). Таблица 4 — Вспомогательная таблица по определению стандартной ошибки прогноза
Годы X х — X о* - ху у - 9 (у -у)2
2012 24,5 1 1 -6205,5 38508230,25
2013 24,0 0,5 0,25 -3695,7 13658198,49
2014 24,3 0,8 0,64 -1078,0 1162084,0
2015 25,4 1=9 3,61 1194,0 1425636,0
2016 22,5 -1 1 1085,8 1178961,64
2017 21,7 -1.8 3,24 2770,6 7676224,36
2018 22,4 -1,1 1,21 6159,7 37941904,09
Итого 164,8 X 10,95 X 5420272,0
Среднее значение 23,5 X X X X
5 =
тур - 5
/5«0=72.0= ]041 \1 п-2 7-2
. !(]_+ 1+ = Ю41Д79
/(1+ 1+
V 7 10.95/
= 1362,7
Предельная ошибка прогноза заработной платы составит: Аур = ^авм ■ тур = 2,57 * 1362,7 = 3502,1 рублей.
Доверительный интервал прогноза:
yp = 26872,3 ± 3502,1. Результаты исследования При производстве картофеля в точке, равной 26 млн. рублей, результативный признак (размер заработной платы) определяется по формуле:
yp = 46878,09 + (-769,455) • 26 = 26872,3 рублей. Доверительный интервал заработной платы в точке производства, равной 26 млн. тонн картофеля, имеет границы:
не меньше, чем yp min = 26872,3 - 3502,1 = 23370,2 рублей, и не больше, чем yp max = 26872,3 + 3502,1 = 30374,4 рублей.
Выводы
Таким образом, точечный и интервальный прогноз показателей импортозамещения продукции растениеводства и заработной платы показал следующие результаты:
- производство картофеля в точке, равной 26 млн. тонн, заработная плата составит 26872,3 рублей;
- доверительный интервал, имеющий размах от 23370,2 рублей до 30374.4 рублей включает значение, полученное в результате точечного прогнозирования заработной платы в размере 26872,3 рублей.
Список литературы
1. Соловьева Т.Н., Мусьял А.В. Инвестиционная привлекательность сельского хозяйства // Вестник Курской государственной сельскохозяйственной академии. - 2016. - № 8. - С. 14 - 18.
2. Стимулирование развития региональной аграрной экономики на основе импортозамещения/ Ткачев С.И., Васильева Е.В., Петрова И.В., Казакова Л.В. // Аграрный научный журнал. - 2016. - № 7. - С. 93 - 100.
3. Шашкова И.Г. АПК Рязанской области в период реализации политики импортозамещения // Материалы Всероссийской научно-практической конференции «Аграрный потенциал в систем продовольственного обеспечения: теория и практика», 2122 июня 2016 г./ Ульяновская ГСХА. - Ульяновск, 2016. - Ч.1. - С. 161 - 166.
4. Determinants of Albanian agricultural export: the gravity model approach / Braha K., Qineti A., Cupak A., Lazorcakova E. // Agris On-line Papers in Economics and Informatics. - 2017. -№ 2. - P.3 - 21.
5. Cermak M. u gp. Price volatility modeling - wheat: GARCH model application/ Cermak M., Malec K., Maitah M. // Agris On-line Papers in Economics and Informatics. - 2017. - № 4. -P.15 - 24.
6. Vuckovic B. Causes of different profitability of agricultural sector // Economics of Agriculture . - 2016. - Vol. 63, № 1. - P.123 - 141.
References
1. Solov'eva T. N., Musial A. B. Investment attractiveness of agriculture // Bulletin of the Kursk state agricultural Academy, 2016, no. 8, Pp. 14-18.
2. Stimulating the development of the regional agricultural economy based on import substitution/ Tkachev S. I., Vasileva E. V., Petrova I. V., Kazakova L. V. / / Agrarian scientific journal. - 2016. - № 7. - Pp. 93-100.
3. Shashkova I. G. agro-industrial complex of the Ryazan region during the implementation of the import substitution policy // Materials of the all-Russian scientific and practical conference "Agricultural potential in food supply systems: theory and practice", June 21-22, 2016/ Ulyanovsk state agricultural Academy — Ulyanovsk, 2016. - Part 1. - P. 161-166.
4. Determinants of Albanian agricultural export: the gravity model approach / Braha K., Qineti A., Cupak A., Lazorcakova E. // Agris On-line Papers in Economics and Informatics. - 2017. -№ 2. - P.3 - 21.
5. Cermak M. u gp. Price volatility modeling - wheat: GARCH model application/ Cermak M., Malec K., Maitah M. // Agris On-line Papers in Economics and Informatics. - 2017. - № 4. -P.15 - 24.
6. Vuckovic B. Causes of different profitability of agricultural sector // Economics of Agriculture . - 2016. - Vol. 63, № 1. - P.123 - 141.
