CC BY
3
Белоусова Н.А., Гаврикова В. В., Кийко П. В.Сравнительный анализ землеустроительных объектов с помощью экономико-математического моделирования// Электронный научно-методический журнал Омского ГАУ. -2020. - № 2 (21) апрель - июнь. - URL http://e-journal.omgau.ru/images/issues/2020/2/00834.pdf. - ISSN 2413-4066
УДК 519.86:332.3
Белоусова Надежда Алексеевна
Студентка 2-го курса землеустроительного факультета ФГБОУВО Омский ГАУ, г. Омск na.belousova1806@omgau.org
Гаврикова Виктория Витальевна
Студентка 2-го курса землеустроительного факультета ФГБОУ ВО Омский ГАУ, г. Омск vv.gavrikova1806@omgau.org
Кийко Павел Владимирович
Кандидат педагогических наук, доцент ФГБОУ ВО Омский ГАУ, г. Омск pv.kiyko@om gau.org
Сравнительный анализ землеустроительных объектов с помощью экономико-
математического моделирования
Аннотация. В данной работе авторы поднимают проблему неэффективного использования земельных и производственных ресурсов в районах Омской области и предлагают с помощью регрессионной модели найти пути решения данной проблемы. Анализ построенной теоретической модели помогает добиться положительной динамики развития производственных ресурсов в исследуемых районах, а полученные результаты моделирования авторы предлагают использовать для достижения более высоких показателей всего региона.
Ключевые слова: землеустроительные объекты, моделирование, регрессионная модель, себестоимость, выручка, эффективность использования земельных и производственных ресурсов.
В условиях интенсификации сельского хозяйства большое значение приобретает проблема эффективного использования земельных ресурсов. В решении данной проблемы особая роль принадлежит умению квалифицированно анализировать имевшиеся в прошлом тенденции, делать правильные выводы, применять их для планирования и прогнозирования использования земель и находить оптимальные решения. При этом приходится сталкиваться с экономическими и землеустроительными задачами, связанными с использованием земельных ресурсов, определением перспективных параметров экономических показателей, обоснованием оптимальных вариантов устройства территории, а также использования материальных, трудовых и денежных ресурсов.
Таким образом, данное моделирование, результатом которого является прогнозирование развития сельского хозяйства в различных областях, районах и
направлениях, не может быть не актуальным в настоящее время, поскольку объем производства с годами существенно не увеличивается.
Цель нашего исследования заключается в следующем: исследовать использование земельных объектов Омского региона на основе полученных данных, построить экономико-математическую модель, с помощью которой оптимизировать сочетания её параметров -себестоимости продукции и выручки от её реализации.
Мы рассмотрели четыре района Омской области: Полтавский, Тарский, Русско-Полянский и Саргатский. Проанализировали показатели себестоимости и выручки для продукции, производимой во всех выбранных районах (яровые зерновые, сено, однолетние травы, молоко, силосные культуры). Сравнили объем производства каждого района за последние 10 лет в денежном эквиваленте, а потом, сделав графический анализ эмпирических данных, мы пришли к выводу, что лучше всего использовать модель множественной регрессии, которая в нашем случае представляет собой математическое отображение финансового процесса.
Линейная модель множественной регрессии, которою впоследствии нам необходимо составить, имеет вид:
у= ao+a1x1t+a2X2t+aзXзt+...+akXkt+£t, (1)
где k - количество включенных в модель факторов, ^ - коэффициенты регрессии, х] - влияющие переменные.
Коэффициент регрессии aj показывает, на какую величину в среднем изменится результативный признак у, если переменную X] увеличить на единицу измерения, т.е. является нормативным коэффициентом.
Построение модели происходит по имеющимся эмпирическим данным п наблюдений у, X] с параметрами а] (]=1, 2, ..., р; 1=1, 2, ..., п). Необходимо определить аналитическую зависимость у = ^Х1,Х2,...,ХР), наилучшим образом описывающую данные наблюдений [4].
Использовав справочную информацию, а также данные открытых интернет источников, мы просчитали средние значения доходности и себестоимости выбранных видов продукции по области за каждый год. Данные приведены на рис.1
р-н х1 х2 хЗ х: У
2008 41618 931 6029 22716 8510 254424
2009 42102 1766 6320 24895 8407 254526
2010 46012 1525 4889 23654 8383 254531
2011 45305 11.59 4438 22163 8015 242743
2012 47939 1357 4501 24565 8947 255862
2013 51288 1682 4689 25986 9137 274474
2014 48983 2025 4406 27085 8380 315029
2015 64312 2085 5524 27479 10381 418802
2016 61785 1443 5031 26542 10502 321783
2017 68208 2151 3958 31268 13877 342388
сумма за 10 лет 517552 16124 49785 256353 94539 2934562
Рис. 1
где Х - себестоимость: х1 - яровые зерновые; х2- сено;
х3 - однолетние травы; х4 - молоко;
х5 - силосные культуры; У - выручка от реализации данных видов продукции с 2008 по 2017 года.
Для построения регрессионной модели мы использовали табличный процессор MS Ехсе1 и встроенную функцию «Анализ данных» [1]. На основе эмпирических данных
выбранных районов провели анализ производственных и земельных ресурсов Омской области. Результаты исследования приведены ниже (рис. 2).
вывод итогов
Регрессионная статистика
Множественный й 0,952962651
[(-квадрат 0,903137314
Нормированный ^квадрат 0,793310082
Стандартная ошибка 25431,64417
Наблюдения 10
Дисперсионный анализ
М5 ¥ Значимость Р
Регрессия 5 25676147917 5135229583 7,908697615 0,033586822
Остаток 4 2597256759 649314189,7
Итого 9 28273404676
Коэффициенты Стандартн ая ошибка статистика Р-Значение Нижние 95% Верхние 95%
У-пересечение -123534,2629 213652,8383 -0,578200898 0,594120041 -716729,6399 469661,1142
Переменная XI 7,373345479 2,075044444 3,555752986 0,023676028 1,617098489 13,13959247
ПеременнаяХ2 31,73524666 58,25623574 0,545611062 0,061433369 -129,9599939 193,5304872
ПеременнаяХЗ 20,85097722 12,42650439 2,677943898 0,168661294 -13,65053008 55,35248452
Переменная X4 2,53451704 15,00872892 4,168869533 0,01740947 29,13639489 44,20542897
Переменная Х5 -19,55836031 16,3440656 -3,196694922 0,129750269 -14,93726124 25,81954061
Рис. 2
Мы видим, что построенная модель статистически значима - коэффициент детерминации R2, показывающий долю вариации результативного признака, близок к 1: R2=0,9. "Множественный R" также высок и отражает высокую степень зависимости переменных xj и эд.
На основе величины "Значимости F", которая равняется 0,03 что меньше допустимого 0,05, мы можем говорить о том, что выбранные нами факторы оказывают существенное влияние при оценке экономической эффективности землеустроительных объектов.
Критерий F >6,25; что говорит о хорошем анализе данных [5].
Статистическую значимость показателей Х1,Х2,Хз,Х4,Х5 мы можем узнать исходя из критериев: 'Ч-статистика" (если больше 2,61, следовательно культуры выгодно использовать), "Р- значение" (который показывает, какая погрешность между теоретическими и практическими данными. Если <0,05, то коэффициент статистически значим), "нижние - верхние 95%" (исходя из их положительного/отрицательного значения).
Так, мы видим, что:
1. У (выручка) является свободным членом, поэтому коэффициент при нем не играет особой роли.
2. Коэффициент при х1 (яровые зерновые) статистически значим.
3. Коэффициент перед х2 (сено) имеет небольшую значимость, что доказывает незначительную степень влияния данного показателя на общий объем выручки.
4. Получившийся показатель перед хЗ (однолетние травы), незначим.
5. х4 (молоко) является одним из наиболее значимых показателей, потому что используется не только для продажи, но и для его реализации внутри предприятия, что также сокращает некоторые расходы.
6. х5 (силосные культуры) полностью статистически незначим, значит, выращивание данной культуры не сможет принести большой прибыли для предприятия.
Построенная теоретическая модель поможет понять, получит ли инвестор положительную динамику развития производственных ресурсов от своих финансовых вложений и использования ресурсов в полной мере. Теоретически варьируя инвестиции в разные отрасли производства, мы, в первую очередь, добиваемся получения прибыли в
регионе от использования данных ресурсов и выходим на статистическую значимость полученных коэффициентов и всей модели в целом. [2, 3]
На основе полученных в данной таблице коэффициентов мы составили уравнение, с помощью которого впоследствии проводили оценку экономической эффективности использования земель, и по статистическим данным спрогнозировали, какая будет выручка с использованием этих факторов. Данные коэффициенты показывают, насколько изменится выручка в дальнейшем периоде, если на предполагаемую величину изменить себестоимость исследуемой продукции.
Y= -123534,26 + 7,38Xi + 31,79X2 + 20,85X3 + 2,53X4 - 19,56X5 + E Е - ошибка (разность между теоретическим и практическим значениями по модулю) Далее мы подставляем в полученное уравнение вместо х прогнозируемые значения себестоимости для дальнейшего увеличения прибыли: Х1 = 75000 Х2 = 5000 Х3 = 10000 Х4 = 45000 Х5 = 15000
У = -123534,26 + 7,38 *75000 + 31,79 * 5000 + 20,85 * 10000 + 2,53 * 45000 - 19,56 * 15000 = 617865,74
Мы добились увеличения выручки за счет двух статистически значимых показателей (молоко и яровые зерновые). Таким образом, для эффективного производства наилучшим вариантом будет вкладывать большие суммы денег в производство яровых зерновых и молока, и уменьшая капиталовложения на сено, силосные культуры и однолетние травы.
Таким образом, проанализировав эмпирические данные нескольких районов Омской области, мы можем спроецировать это на всю Омскую область и сделать вывод, что при прогнозируемых показателях себестоимости, выручка от их реализации увеличилась, причем модель осталась статистически значимой, а значит, может быть полезной на дальнейший период. Это все доказывает необходимость применения математических моделей в землеустройстве.
Ссылки на источники:
1.Kiyko P.V., Shchukina N.V. Teaching methodology of econometric modeling with the help of interactive teaching methods // International Journal of Economic Research. 2017. Т. 14. № 7. P. 59-75. URL: http://serialsjournals.com/articles.php?volumesno_id=1222&journals_id=41&volumes_id=10 68. (дата обращения 26.03.2020)
2.Кийко П. В., Щукина Н. В. Эконометрика. Продвинутый уровень: учебное пособие М.Берлин: Директ-Медиа, 2015. - 61 с. URL: http://e-journal.omgau.ru/index.php/2015- god/1/16-statya/65-00017. (дата обращения 15.02.2020)
3.Кийко П.В. Экономико-математические методы и модели: учебно-методическое пособие / П. В. Кийко. -М.-Берлин: Директ-Медиа, 2016. -122 с. ISBN 978-5-4475-7962-3 http://www.directmedia.ru/book_443424_ekonomiko_matematicheskie_metodyi_i_modeli/ (дата обращения 27.02.2020).
4.Кийко П.В., Щукина Н.В. Инновационные аспекты изучения эконометрики [Электронный ресурс] // Электронный научно-методический журнал Омского ГАУ, 2016, №4 (7) http://e-journal.omgau.ru/index.php/vypuski/2016-god/4-7-oktyabr-dekabr-2016-g/32-statya-2016-4/462 00207. (дата обращения 16.02.2020)
5.Соколов, Г.А. Введение в регрессионный анализ и планирование регрессионных экспериментов в экономике: Учебное пособие / Г.А. Соколов, Р.В. Сагитов. - М.: ИНФРА-М, 2012. - 202 c.
Nadezhda Belousova
2nd year student of the Faculty of Land Management FSBEIHE Omsk SAU, Omsk na.belousova1806@omgau.org
Victoria Gavrikova
2nd year student of the Faculty of Land Management FSBEI HE Omsk SAU, Omsk vv.gavrikova1806@omgau.org
Pavel Kiyko
Candidate of pedagogical Sciences, associate Professor FSBEI HE Omsk SAU, Omsk pv.kiyko@om gau.org
Comparative analysis of land management facilities using economic and mathematical modeling
Abstract. In this work, the authors can solve the problem of inefficient use of land resources. An analysis of the constructed theoretical model helps to achieve positive dynamics in the development of resources in the studied zones.
Keywords: land management objects, modeling, regression model, cost price, revenue, efficiency of land and production resources use.
