CC BY
13
РАЗДЕЛ 3.
АНАЛИЗ
И ПРОГНОЗИРОВАНИЕ
ЭФФЕКТИВНОСТИ
ПРОИЗВОДСТВА
Усенко Л.Н.
АНАЛИЗ И ПРОГНОЗИРОВАНИЕ ПРОИЗВОДСТВА СЕЛЬСКОХОЗЯЙСТВЕННОЙ ПРОДУКЦИИ
НА ЮГЕ РОССИИ
Прогнозирование производства сельскохозяйственной продукции в первую очередь основано на анализе и оценке интегральных показателей — урожайности сельскохозяйственных культур и продуктивности животноводческой продукции, зависящих от нескольких групп факторов:
- природно-климатических (плодородие почв, осадки, фотосинтетическая активная радиация (ФАР), температура воздуха и т.д.);
- биологических (сортовые особенности культур, качество семян и т.д.);
- агротехнических (технология, сроки и качество технологических операций, дозы и способы внесения удобрений и т.д.);
- организационно-экономических (обеспеченность средствами производства, степень интенсификации и т.д.).
В связи с этим целесообразно одновременное использование нескольких различных методов прогнозирования, чтобы недостатки одних методов восполнялись преимуществами других.
На первом этапе с использованием разработанного совместно с учеными ГНУ ВНИИЭиН программного средства «FAR-TRADE»' исследовалась динамика урожайности основных сельхозкультур, их посевных площадей, валовых сборов и объемов реализации, а также аналогичных показателей по животноводству за
10—40 лет с использованием инерционных методов (линейного и нелинейных трендов).
На втором этапе использован корреляционно-регрессионный анализ. При этом в зависимости от информационной базы брались средние значения показателей за 3—5 лет по районам конкретного субъекта Федерации. В качестве основных факторов использовались балльная оценка пашни, уровень внесения удобрений (органических и минеральных) в натуральном и стоимостном выражении, энергооснащенность на 1 га посева, затраты кормов, уровень товарности и т.д.
На основе динамики вошедших в уравнение регрессии факторов с использованием линейных и нелинейных трендовых моделей рассчитывались их перспективные значения на прогнозируемый период. Подставив эти прогнозные значения в полученное уравнение регрессии, рассчитывают прогнозное значение урожайности и продуктивности животных.
На третьем этапе использовалось имитационное моделирование. С помощью программного средства прогнозные значения каждого фактора могут корректироваться в соответствии с поступлением новых ориентирующих материалов (постановлений; решений правительства, администраций конкретных регионов, касающихся целевых программ, различных мер поддержки АПК и т.д.).
В нестабильных экономических условиях переходной экономики целесообразна многоаспектная оценка тенденций изменения показателей.
Во-первых, метод моделирования как наиболее мощное средство прогнозирования, дополняется методом экспертных оценок. Программное средство «FAR-TRADE» работает в диалоговом режиме, результаты промежуточных расчетов (а также конечных) могут оцениваться самим пользователем как с использованием «Базы знаний'», так и с помощью индивидуальных и коллективных экспертных оценок.
Во-вторых, в процессе моделирования используются как модели, основанные на инерционных методических подходах (экстраполяция, предполагающая инерционность развития и проектирующая прошлые тенденции в будущее), так и имитационные модели, учитывающие воздействие динамически изменяющихся в перспективе факторов. В целом обработка временных рядов (динамики) данных показателей проводится с использованием различных методических подходов (трендовые, корреляционнорегрессионные, имитационные модели).
В-третьих, поскольку одномерная экстраполяция на основе временных динамических рядов не всегда может обеспечить достаточную достоверность прогноза, используются одновременно несколько методических подходов по расчету трендовых моделей. При этом применяются как линейная, так и криволинейные формы зависимостей.
Программное средство «FAR-TRADE» осуществляет построение графиков динамических временных рядов исследуемых экономических показателей, совмещая их с целым рядом теоретически возможных форм прямолинейной и криволинейных зависимостей.
Прежде всего, в расчетах используется уравнение прямой линии тренда:
Y = a + bx, (1)
где: b — главный параметр линейного тренда — его константа — среднее
абсолютное изменение в единицу времени;
а — свободный член уравнения.
Эта методика, на первый взгляд, близка методике корреляционнорегрессионного анализа связей — парной регрессии. Однако этот метод в корне отличается тем, что ряд значений времени
— это жестко упорядоченный ряд величин, и здесь не может быть и речи о корреляции между ними и значениями зависимой переменной.
Линейный тренд дает, как правило, хорошие результаты при использовании в программном средстве для оценки параметров тренда. Однако процессы, происходящие в экономике агропромышленного производства, преимущественно характеризуются криволинейными зависимостями.
Проведенный нами анализ различных криволинейных зависимостей, характеризующих изучаемые экономические процессы, позволил отобрать следующие из них, дающие наиболее часто приемлемые результаты: экспоненциальная, степенная и логарифмическая кривые.
Их функции имеют вид:
экспоненциальная — У! = аЬ1 (2)
степенная — У = а0х1Ь (3)
логарифмическая — У = Ь + а 1пх (4)
Для оценки достоверности результатов трендового моделирования (всех названных видов зависимостей применительно к исследуемым временным динамическим рядам) в программном средстве используется также способ сравнения сумм квадратов отклонений от фактических значений показателей (дисперсия). Наименьшие суммы квадратов отклонений от фактических значений показателей характеризуют наибольшую достоверность результатов решения трендовых моделей.
Прогнозирование с применением корреляционного анализа основывается на одновременном использовании корреляционно-регрессионного и трендового компьютерного моделирования.
Во-первых, в процессе корреляционного анализа оцениваются и отбираются наиболее важные факторы, рассчитывается корреляционно-регрессионная модель.
Во-вторых, на основе динамических временных рядов значений факторов, включенных в формулу корреляционнорегрессионной модели, рассчитываются трендовые модели и определяются прогнозные значения этих факторов в заданном перспективном году. Подставив эти значения в корреляционно-регрессионную модель, получают искомое прогнозное значение.
Однако наиболее перспективным в условиях нестабильной переходной экономики является имитационное моделирование, которое как раз стремится учесть основные нестандартные изменения факторов. Использование программного средства «FAR-TRADE'» позволило осуществить прогноз (объемов производства и реализации аграрной продукции, других показателей) с применением имитационного моделирования.
Для этого при использовании формулы рассчитанной корреляционно-
регрессионной модели перспективные значения включенных в формулу факторов (полученных на основе трендовых моделей) корректировались с учетом ориентирующих материалов — федеральных и региональных программ развития АПК.
Прогнозирование размещения, специализации и концентрации сельхозпро-изводства осуществлялось после проведения анализа и оценки этих процессов в базовом периоде по двум сценарным подходам: эволюционному и интенсивному. Прогноз развития процесса размещения, концентрации и специализации основных видов сельхозпродукции осуществлялся по трем вариантам (сценариям).
Первый (умеренный) вариант, в основу прогнозирования которого заложены имеющиеся тенденции определенного роста сельскохозяйственного производства в ЮФО, темпы которого определялись системой наших экстраполяционных расчетов. Однако выполнение этого мини-
мального прогноза потребует достаточно значительных усилий, чтобы сохранить и усилить сложившиеся положительные тенденции развития сельхозпроизводства.
Второй (интенсивный) вариант потребует по сравнению с первым гораздо более значительных вложений в различные направления развития сельского хозяйства регионов ЮФО.
Третий вариант прогноза (оптимистический) построен на предположении о нормативном обеспечении сельского хозяйства ресурсами и ведении его в соответствии с земельными системами сельского хозяйства. Все эти условия учитывались в наших прогнозных расчетах.
Анализ процессов концентрации производства животноводческой продукции в южно-российских регионах позволил установить следующие тенденции: в современном сельском хозяйстве Южного федерального округа производство мяса в основном сконцентрировано в Краснодарском крае (29,5%), Ростовской области (17,4%), Ставропольском крае (15,6%), Волгоградской области (13,4%) от общего объема его производства в округе; производство молока сконцентрировано в Краснодарском крае (30,2%), Ростовской области (19,7%), Ставропольском крае (12%) и Волгоградской области (11,6%); производство яиц сконцентрировано в Краснодарском крае (29,8%), Ростовской области (22,5%), Ставропольском крае (16,2%), а также в Волгоградской области (13,1%); производство шерсти сконцентрировано в Дагестане (39,8%), Ставропольском крае (21,7%), Калмыкии (11,6%).
В период трансформации экономики Российской Федерации под влиянием рыночного механизма экономических отношений в регионах Юга России сложилась территориальная специализация сельского хозяйства.
Республика Адыгея — производство зерновых (34,6%), в т.ч. кукурузы на зерно (0,7%); продукции птицеводства (19,5%); продукции скотоводства (18,1%); подсолнечника (5,5%); продукции свиноводства (1,9%); сахарной свеклы (0,7%);
плодов и ягод (0,5%); продукции овцеводства (0,2%).
Республика Дагестан — производство продукции птицеводства (25,6%); винограда (16,5%); зерновых (16,4%), в т.ч. риса, кукурузы на зерно (0,3%); продукции мясомолочного скотоводства (13,5%); продукции овцеводства и ко -зоводства (7,0%); плодов и ягод (0,7%); овощей (0,5%).
Республика Ингушетия — производство зерновых (73,6%), в т.ч. кукурузы на зерно (2,3%); картофеля (8,7%); продукции скотоводства (5,3%); продукции овцеводства и козоводства (5,0%); продукции птицеводства (4,3%); подсолнечника (2,4%); сахарной свеклы (2,2%); овощей (0,3%);
Чеченская Республика — производство зерновых (71,2%), в т.ч. зернобобовых (1,3%), кукурузы на зерно (1,0%); продукции птицеводства (5,1%); винограда (1,3%); сахарной свеклы (1,4%); подсолнечника (1,2%); продукции овцеводства (0,6%); продукции скотоводства (0,3%).
Кабардино-Балкарская Республика — производство зерновых (38,0%), в т.ч. кукурузы на зерно (8,4%); продукции скотоводства (16,0%); продукции птицеводства (15,8%); подсолнечника (2,7%); продукции свиноводства (1,1%); продукции овцеводства (0,6%); сахарной свеклы (0,7%); плодов и ягод (0,6%); картофеля (0,5%); овощей (0,5%); винограда.
Республика Калмыкия — производство зерновых (50,8%), в т.ч. риса; продукции тонкорунного овцеводства (19,3%); продукции мясомолочного скотоводства (11,7%); подсолнечника (4,1%); продукции птицеводства (1,6%); овощей (1,3%); продукции свиноводства (0,9%); бахчевых.
Карачаево-Черкесская Республика — производство зерновых (43,4%), в т.ч. кукурузы на зерно (5,2%); сахарной свеклы (10,0%); продукции скотоводства (9,9%); продукции птицеводства (7,3%); продукции овцеводства и козоводства (3,2%); подсолнечника (2,6%); картофеля (1,6%); продукции свиноводства (0,5%).
Республика Северная Осетия — Алания — производство зерновых (39,7%), в т.ч. кукурузы на зерно (9,4%); продукции скотоводства (19,5%); продукции птицеводства (8,9%); картофеля (3,2%); подсолнечника (2,1%); продукции свиноводства (1,9%); овощей (0,7%); продукции овцеводства (0,3%).
Краснодарский край — производство зерновых (27,8%), в т.ч. кукурузы на зерно (1,7%), зернобобовых (0,9%), риса; продукции молочно-мясного скотоводства (17,7%); продукции свиноводства (6,8%); продукции птицеводства (6,0%); подсолнечника (5,0%); сахарной свеклы (3,6%); плодов и ягод (2,3%); винограда (2,1%); овощей (0,7%); сои; табака; чая; эфирномасличных; цитрусовых.
Ставропольский край — производство зерновых (52,8%), в т.ч. кукурузы на зерно (2,4%), зернобобовых (0,8%); продукции скотоводства (7,6%); подсолнечника (5,3%); продукции птицеводства (5,2%); продукции свиноводства (2,4%); продукции овцеводства (2,3%); сахарной свеклы (1,0%); овощей (0,5%); плодов и ягод (0,4%); винограда (0,2%); бахчевых; сои; эфирномасличных.
Астраханская область — производство продукции птицеводства (21,2%); овощей (10,5%); зерновых (8,6%), в т.ч. риса; продукции мясомолочного скотоводства (6,0%); продукции овцеводства (4,7%); картофеля (1,9%); продукции свиноводства (0,4%); бахчевых.
Волгоградская область — производство зерновых (38,7%), в т.ч. кукурузы на зерно (1,7%), зернобобовых (0,4%); подсолнечника (12,8%); продукции скотоводства (11,2%); продукции птицеводства (7,6%); продукции свиноводства (2,9%); овощей (3,1%); картофеля (1,3%);
Ростовская область — производство зерновых (44,8%), в т.ч. кукурузы на зерно (1,6%), зернобобовых (1,2%), риса; подсолнечника (21,2%); продукции птицеводства (8,2%); продукции скотоводства (6,6%); продукции свиноводства (3,5%); овощей (0,9%); плодов и ягод (0,7%); продукции овцеводства (0,4%);
картофеля (0,2%); винограда (0,2%); сои; бахчевых.
Южный федеральный округ — производство зерновых (37,4%), в т.ч. кукурузы на зерно (1,9%), зернобобовых (0,8%), риса; продукции скотоводства (12,6%); подсолнечника (8,7%), продукции птицеводства (7,5%); продукции свиноводства (4,4%); сахарной свеклы (1,9%); плодов и ягод (1,3%); винограда (1,3%); овощей (1,1%); продукции овцеводства (1,0%); картофеля (0,3%); бахчевых; сои, эфирномасличных; табака; чая; цитрусовых.
Результаты прогноза концентрации и специализации сельского хозяйства на юге России на период 2008 г. показывают:
- 3/4 товарного производства зерна будет сконцентрировано в трех регионах: Ставропольском и Краснодарском краях и Ростовской области;
- 95,3% товарного производства маслосемян подсолнечника может быть сконцентрировано в Ростовской и Волгоградской областях, Краснодарском и Ставропольском краях;
- сельское хозяйство Краснодарского и Ставропольского краев, а также Карачаево-Черкесской Республики к 2008 г. может обеспечить 97,9% товарного производства сахарной свеклы в Южном федеральном округе;
- в 2008 г. 75,0% товарного производства овощей открытого грунта может быть сосредоточено в Краснодарском крае, республиках Дагестан и Кабардино-Балкария, в Ростовской и Астраханской областях;
- наибольшая концентрация производства товарного картофеля в 2008 г. может быть сосредоточена в Краснодарском крае и Волгоградской области (44,6%);
- в 2008 г. 95,9% товарного производства плодов и ягод в сельском хозяйстве юга России может быть сосредоточено в четырех регионах: Краснодарский и Ставропольский края, КабардиноБалкарская республика, Ростовская область;
- 93,2% товарного производства винограда в округе в среднесрочной перспективе может быть обеспечено сельхозтоваропроизводителями Краснодарского и Ставропольского краев (67%) и Республики Дагестан (26,2%);
- производство товарного молока к концу 2008 г. может быть сконцентрировано в Краснодарском и Ставропольском краях, Ростовской и Волгоградской областях. Сельхозтоваропроизводители в этих регионах имеют потенциальную возможность произвести 93,4% товарного молока округа;
- практически 80% говядины может быть произведено в Краснодарском и Ставропольском краях, Республике Дагестан, Ростовской и Волгоградской областях;
- до 70% товарного производства свинины может быть сосредоточено в Краснодарском крае и Ростовской области. Еще 1/4 ее товарного объема может быть произведено в хозяйствах Волгоградской области и Ставропольского края.
Анализ возможных тенденций изменения концентрации и специализации сельскохозяйственного производства в Южном федеральном округе по вариантам развития сельского хозяйства на период до 2008 г. позволяет предположить развитие следующих направлений региональной специализации:
- сохраняется зерновая специализация степных регионов Юга России и одновременно может протекать процесс углубления зерновой специализации сельского хозяйства ряда кавказских республик;
- к 2008 г. Ростовская область может сохранить лидерство как основной производитель маслосемян подсолнечника в Российской Федерации;
- углубится специализация Краснодарского и Ставропольского краев в производстве сахарной свеклы;
- производство овощей открытого грунта, а также плодов и ягод более высокими темпами может развиваться в горной части Южного федерального ок-
руга. Это предположение относится и к перспективам производства картофеля;
животноводческая продукция, производимая в южно-российских регионах, имеет более низкий уровень конкурентоспособности по сравнению с продукцией животноводства, произведенной в регионах других федеральных округов.
Расчеты, проведенные с использованием программного комплекса, показа-
ли, что в Южном федеральном округе в среднесрочной перспективе ресурсная база и инфраструктура позволит в 2008 г. обеспечить рост объемов производства зерна на 20,1—48,8%, подсолнечника — на 7,9—28,0%), сахарной свеклы — 26,8—86,9%), овощей -17,6—32,3%, плодов — 27,8%), винограда — 26,3%, говядины — 9,5—28,0%), , молока — 6,3— 25,9%), свинины— 13,2—26,3%).
