Московский экономический журнал 6/2020

image_pdfimage_print

УДК 658

DOI 10.24411/2413-046Х-2020-10441

ЭКОНОМЕТРИЧЕСКОЕ ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ДЕЯТЕЛЬНОСТИ АГРАРНОГО ПРОИЗВОДСТВА НА ПРИМЕРЕ ПРОИЗВОДСТВА ПРОДУКЦИИ ЖИВОТНОВОДСТВА

ECONOMETRIC STUDY OF THE EFFECTIVENESS OF AGRICULTURAL PRODUCTION ON THE EXAMPLE OF LIVESTOCK PRODUCTION

Баянова Ольга Викторовна, кандидат экономических наук, доцент, доцент кафедры бухгалтерского учета и финансов ФГБОУ ВО Пермский ГАТУ, г. Пермь

Bayanova Olga Victorovna, candidate of economic Sciences, associate Professor, associate Professor of accounting and Finance Department  FSBEI HE Perm SATU, c. Perm

Аннотация. Научная статья содержит методику и результаты анализа влияния факторов на изменение объемов производства продукции животноводства в Российской Федерации. Цель исследования – выявить влияние факторов на изменение объемов производства продукции животноводства для обеспечения информационных потребностей управления. Метод проведения исследования: множественная регрессия и корреляция. Определены коэффициенты множественной корреляции между результативным признаком и факторами, а также совокупный коэффициент множественной корреляции, построена матрица коэффициентов, проведен регрессионный анализ с помощью построенной двухфакторной модели, при проведении  верификации результатов исследования рассчитано среднее значение ошибки аппроксимации. Вывод – выявлена прямая тесная связь между надоем молока на одну корову и энерговооруженностью труда в сельскохозяйственных организациях, обратная тесная связь между надоем молока на одну корову и поголовьем коров, а также между поголовьем коров и энерговооруженностью труда в сельскохозяйственных организациях; значение совокупного коэффициента множественной корреляции подтвердило наличие тесной связи между результативным признаком и факторами.

Summary. The scientific article contains the methodology and results of the analysis of the influence of factors on the change in the volume of livestock production in the Russian Federation. The purpose of the study is to identify the influence of factors on the change in the volume of livestock production in order to meet the information needs of management. Method of conducting the study: multiple regression and correlation. Multiple correlation coefficients between the effective feature and factors are determined, as well as the aggregate multiple correlation coefficient, a coefficient matrix is constructed, a regression analysis is carried out using the constructed two-factor model, and the mean value of the approximation error is calculated when verifying the study results. Conclusion – a direct close connection was identified between milk yield per cow and the energy content of labor in agricultural organizations, a reverse close connection between milk yield per cow and the number of cows, as well as between the number of cows and energy content of labor in agricultural organizations; the value of the aggregate multiple correlation coefficient confirmed the close relationship between the outcome feature and the factors.

Ключевые слова: аграрное производство; производство продукции животноводства; множественная регрессия и корреляция; матрица коэффициентов.

Keyword: agrarian production; production of livestock products; multiple regression and correlation; matrix of coefficients.

Введение

Производство продукции животноводческой отрасли является важным индикатором продовольственной безопасности Российской Федерации. Наряду с этим, рост производства продукции животноводства способен ускорить процесс импортозамещения сельскохозяйственной продукции в стране. Поэтому, проведение исследования факторов, способных положительно повлиять на рост производства продукции животноводства, является актуальным.

Исследования процессов обеспечения роста производства продукции животноводства являются актуальными в научной среде. Активное участие в дискуссиях принимали участие многие отечественные и зарубежные ученые-экономисты: провели математическое моделирование перспектив устойчивого развития сельскохозяйственных регионов Украины Tymosenko M. и Golovach K. [6]; построили модель волатильности цен на сельскохозяйственную продукцию на Чикагской товарной бирже с помощью эконометрических методов Cermak M., Males K. и Maitah M. [4]; проанализировали факторы, оказывающее влияние на экспорт сельскохозяйственной продукции в Албании, Brana K., Qineti A., Lazorcakova E. [5]; показала приоритетные направления реализации государственной программы развития АПК в Тюменской области Зубарева И.Ю. [2]; представили результаты оценки эффективности реализации целевых программ развития АПК региона Асриянц К.Г. и Багавудинова К.Б. [1]; акцентировали внимание на проблемах инвестиционной привлекательности сельского хозяйства Соловьева Т.Н. и Мусьял А.В. [3].

Таким образом, анализ рычагов и инструментов обеспечения продовольственной безопасности и импортозамещения в аграрном производстве являются актуальными среди отечественных и зарубежных ученых.

Материалы и методы исследования

Проведем эконометрическое исследование зависимости показателей импортозамещения продукции животноводства (надой молока на 1 корову) и эффективности экономики Российской Федерации (энерговооруженность труда в сельскохозяйственных организациях). Информационный этап снабжен данными с сайта Росстата Российской Федерации (таблица 1).

Определимся с результативным признаком и факторами:

yрезультативный признак: надой молока на 1 корову;

х1фактор: поголовье коров;

х2фактор: энерговооруженность труда в сельскохозяйственных организациях.

Далее произведем расчет коэффициента множественной корреляции. Для того, чтобы определить значения числителя и знаменателя в формулах расчета коэффициента множественной корреляции составим рабочую таблицу (таблица 2).

Рассчитаем коэффициент корреляции для выявления тесноты связи между результативным признаком и первым фактором:

Значение коэффициента множественной корреляции между результативным признаком и первым фактором показало обратную и тесную связь между надоем молока на 1 корову и поголовьем коров.

На следующем этапе рассчитаем коэффициент множественной корреляции для выявления тесноты связи между результативным признаком и вторым фактором:

Значение коэффициента множественной корреляции между результативным признаком и вторым фактором показало прямую и тесную связь между надоем молока на 1 корову и энерговооруженностью.

Далее произведем расчет коэффициента множественной корреляции по выяснению тесноты связи между факторами, оказывающими влияние на результативный признак:

Значение коэффициента множественной корреляции показало обратную и при этом тесную связь между посевной площадью и энерговооруженностью.

Результаты исследования

Сгруппируем коэффициенты множественной корреляции в форме матрицы (таблица 3).

В завершение исследования произведем расчет совокупного коэффициента корреляции по определению тесноты связи между результативным признаком и факторами:

В завершение исследования проведем регрессионный анализ методом множественной регрессии и корреляции. Модель множественной регрессии с использованием двух факторов имеет вид:

где a – свободный член уравнения,

b1 и b2 – коэффициенты уравнения множественной регрессии (параметры уравнения регрессии), показывающие, на сколько единиц в среднем изменится результативный признак при изменении фактора на одну единицу.

Для того, чтобы определить параметры уравнения множественной регрессии необходимо решить систему уравнений:

Исходные данные для решения системы уравнений возьмем из таблицы 2.

Далее подставим в систему уравнений данные рабочей таблицы:

Чтобы определить параметры уравнения множественной регрессии используем метод Гаусса. По результатам расчета получаем значения параметров:

Сделаем проверку по каждому году исследования:

На этапе верификации произведем расчет ошибки аппроксимации (таблица 4).

Среднее значение ошибки аппроксимации на уровне 3,5 % свидетельствует об отличном подборе модели к исходным данным.

Выводы

Совокупный коэффициент множественной корреляции подтвердил наличие тесной связи между надоем молока на 1 корову, поголовьем коров и энерговооруженностью. Особое влияние на значение совокупного коэффициента множественной корреляции оказала обратная и тесная связь между надоем молока на 1 корову и поголовьем коров, а также между поголовьем коров и энерговооруженностью.

Рассчитанные параметры модели множественной регрессии позволили определить регрессионное значение результативного признака. Среднее значение ошибки аппроксимации показало, что регрессионные значения надоя молока на 1 корову отличаются от фактических в среднем на 3,5 %, что показывает отличный подбор модели к статистическим данным.

Литература

1. Асриянц К.Г., Багавудинова К.Б. Оценка эффективности реализации целевых программ развития АПК региона // Региональные проблемы преобразования экономики. – 2016. – № 12. – С. 39 – 48.

2. Зубарева Ю.В. Приоритетные направления реализации государственной программы развития АПК в Тюменской области // Агропродовольственная политика России. – 2016. – № 11. – С. 10 – 12.

3. Соловьева Т.Н., Мусьял А.В. Инвестиционная привлекательность  сельского хозяйства // Вестник Курской государственной сельскохозяйственной академии. – 2016. – № 8. – С. 14 – 18.

4. Cermak M. и др. 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.

5. 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.

6. Tymoseenko M., Golovach K. Modeling of the prospects for sustainable development of agricultural territories by the Bayesian networks // Management Theory and Studies for Rural Business and Infrastructure Development. – 2018. Vol. 40, – № 2. – Р. 263-273.

Reference

1. Asriyants K. G., K. B. Bagaudinova assessment of the effectiveness of implementation of targeted programs of agricultural development of the region // Regional problems of transformation of the economy. – 2016. – No. 12. – P. 39 – 48.

2. Zubareva Priority directions of implementing the state program of agricultural development in Tyumen region // agricultural and food policy of Russia. – 2016. – No. 11. – S. 10 – 12.

3. Solov’eva T. N., Musial A. B. Investment attractiveness of agriculture // Bulletin of the Kursk state agricultural Academy, 2016, no. 8, Pp. 14-18.

4. Cermak M. и др. 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.

5. 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.

6. Tymoseenko M., Golovach K. Modeling of the prospects for sustainable development of agricultural territories by the Bayesian networks // Management Theory and Studies for Rural Business and Infrastructure Development. – 2018. Vol. 40, – № 2. – Р. 263-273.