CC BY
20Эконометрическое исследование факторов, оказывающих влияние на производство
овощей в Российской Федерации Econometric study of factors influencing vegetable production in the Russian Federation
|>, f¡ МОСКОВСКИЙ ар ЭКОНОМИЧЕСКИЙ ЖУРНАЛ
УДК 658
DOI 10.24411/2413-046Х-2020-10305 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 и результаты эконометрического исследования влияния факторов на объемы производства овощей в Российской Федерации. Цель исследования - выявить влияние факторов на изменение объемов производства овощей для обеспечения информационных потребностей управления. Методом проведения исследования является множественная регрессия и корреляция: определены коэффициенты множественной корреляции, показана матрица коэффициентов, построена двухфакторная модель, определено регрессионное значение результативного признака, проведена верификация результатов исследования с помощью ошибки аппроксимации. Вывод - выявлена тесная связь между результативным признаком и факторами; рост урожайности овощей сгладил негативное влияние сокращения посевных площадей на изменение объемов производства овощей. Summary. The scientific article contains the methodology and results of an econometric study of the influence of factors on the volume of vegetable production in the Russian Federation. The purpose of the study is to identify the influence of factors on changes in the volume of vegetable production to meet the information needs of management. Method of the study is multiple regression and correlation: determination of the coefficient of multiple correlation, shows a matrix of coefficients built two-factor model, the regression determined value of the effective
feature, the verification of the research results with errors of approximation. Conclusion-a close relationship between the effective feature and factors was revealed; the increase in vegetable yield smoothed out the negative impact of the reduction in acreage on the change in vegetable production volumes.
Ключевые слова: аграрное производство; производство овощей; множественная регрессия и корреляция; матрица коэффициентов.
Keyword: agricultural production; vegetable production; multiple regression and correlation; coefficient matrix.
Введение
Производство овощей в Российской Федерации является приоритетным направлением развития аграрного производства, позволяющем обеспечить продовольственную безопасность страны. Поэтому проведение эконометрического исследования факторов, оказывающих влияние на валовой сбор овощей, является актуальным.
Эконометрические исследования и моделирование процессов обеспечения роста производства сельскохозяйственной продукции являются актуальными в научной среде. В активных дискуссиях принимали участие многие отечественные и зарубежные ученые-экономисты: результаты математического моделирования перспектив устойчивого развития сельскохозяйственных регионов Украины представили Tymosenko M. и Golovach K. [6]; потенциал АПК и перспективы его развития в Сербии выявили Milanovic M.R., Stefanovic S. и Dimitrijevic B. [5]; обратили внимание на степень доступности данных для проведения анализа состояния аграрного сектора Чехии Jarolimek J. и Martinec R. [4]; Зубарева И.Ю. выявила приоритетные направления реализации государственной программы развития АПК в Тюменской области [2]; результаты региональной практики разработки и реализации стратегических программ представил Московский Н.В. [3]; Асриянц К.Г. и Багавудинова К.Б. дали оценку эффективности реализации целевых программ развития АПК региона [1].
Таким образом, исследование инструментов повышения эффективности деятельности в аграрном производстве являются актуальными среди отечественных и зарубежных ученых.
Материалы и методы исследования
Информационный этап построения эконометрической модели производства овощей в Российской Федерации представлен статистическими данными о производстве овощей, посевной площади и урожайности, заимствован на официальном сайте Росстата Российской Федерации. Данные информационного этапа представлены в таблице 1.
Таблица 1 - Статистические данные производства овощей в 2012 - 2018 году
Годы Производство овош.ей, Посевная площадь. Урожайность,
тысяч тонн тысяч гектаров ц/га
2012 12792 594 234
2013 12597 571 234
2014 12821 563 231
2015 13185 563 254
2016 13181 551 262
2017 13612 535 286
2018 13685 526 292
Представленные статистические данные используем для определения результативного признака и факторов:
у - результативный признак: производство овощей; XI -фактор: посевная площадь; х2 -фактор: урожайность.
Рассчитаем коэффициент множественной корреляции. Для того, чтобы определить значения числителя и знаменателя в формулах расчета коэффициента множественной корреляции составим вспомогательную таблицу (таблица 2).
Таблица 2 - Вспомогательная таблица для расчета
коэффшлтента множественной корреляции
Го; V: V; -V 11 ■ х: х:' У
2012 12792 594 234 7593443 2993323 : 33996 352336 ;47;6 163635264
2013 12597 571 234 7192357 2947693 133614 326041 ;4";б 153654409
2014 12321 563 231 721322? 29616:1 130053 316969 53361 164373041
2015 13155 563 254 742? 155 3343990 :-зос2 316969 64516 173344225
2016 13181 551 262 7262731 3453422 144362 303601 63644 173733761
2017 13612 535 236 725242; 3893032 153010 236225 31796 155256544
2013 1365; 526 292 719В310 3996С20 153592 2"66"6 35264 157279225
Итого 91373 3903 1793 51176174 235941-1 996629 21793 :т 463093 1206346469
Среднее значение 13124.7 557,6 256.1 7310352 3370591.6 142375.6 311331 66156,1 17240663 3:4
Произведем расчет коэффициента корреляции для выявления тесноты связи между результативным признаком и первым фактором:
Значение коэффициента множественной корреляции между результативным признаком и первым фактором показало тесную, но обратную связь между производством овощей и посевной площадью.
На следующем этапе рассчитаем коэффициент множественной корреляции для выявления тесноты связи между результативным признаком и вторым фактором:
Московский экономический журнал №5 2020
Значение коэффициента множественной корреляции между результативным признаком и вторым фактором показало прямую и тесную связь между производством овощей и урожайностью.
Далее следует рассчитать коэффициент множественной корреляции по выяснению тесноты связи между факторами, оказывающими влияние на результативный признак:
•Iх:' [7=
-0,896
Полученное значение коэффициента множественной корреляции показало обратную и при этом тесную связь между посевной площадью и урожайностью.
Результаты исследования Коэффициенты множественной корреляции следует сгруппировать в форме матрицы (таблица 3).
Таблица 3 - Матрица коэффициентов множественной корреляции
Показатель V XI Х2
у 1
XI -0=871 1
У-2 0,915 -0=896 1
Завершим исследование расчетом совокупного коэффициента корреляции по определению тесноты связи между результативным признаком и факторами:
Далее проведем регрессионный анализ методом множественной регрессии и корреляции. Множественная регрессия с использованием двух факторов выражается моделью:
где а - свободный член уравнения,
Ь1 и Ь2 - коэффициенты уравнения множественной регрессии (параметры уравнения регрессии), показывающие, на сколько единиц в среднем изменится результативный признак при изменении фактора на одну единицу.
Определение параметров уравнения множественной регрессии произведем с использованием системы уравнений:
Далее подставим в систему уравнений данные вспомогательной таблицы:
а * 3903 + Ъг * 2179317 + Ь2 * 996629 = 51176174 а * 1793 + Ь2 * 996629 + Ь2 * 463093 = 23594141
Для определения параметров уравнения множественной регрессии используем метод Гаусса. По результатам расчета получаем значения параметров:
Сделаем проверку по каждому году исследования: у = а + Ь1х1+ Ь2 ■ х2,
1) 12774 = 8789,86 + 0,286 ■ 594 + 16,3 ■ 234
2) 12767 = 8789,86 + 0,286 ■ 571 + 16,3 ■ 234
3) 12716 = 8789,86 + 0,286 ■ 563 + 16,3 ■ 231
4) 13091 = 8789,86 + 0,286 ■ 563 + 16,3 ■ 254
5) 13218 = 8789,86 + 0,286 ■ 551 + 16,3 ■ 262
6) 13605 = 8789,86 + 0,286 ■ 535 + 16,3 ■ 286
7) 13700 = 8789,86 + 0,286 ■ 526 + 16,3 292
Произведем расчет ошибки аппроксимации (таблица 4).
Таблица 4 - Рабочая таблица для определения ошибки аппроксимации
Годы V V y-j> Ai
2012 12792 12774 18 0,14
2013 12597 12767 170 Г35
2014 12821 12716 105 0,82
2015 13185 13091 94 0,71
2016 13181 13218 -37 0,28
2017 13612 13605 7 0,05
201S 13685 13700 -15 0,11
Итого X X X 3,46
Среднее значение X X X 0,5
Значение ошибки аппроксимации, равное 0,5%, свидетельствует об отличном подборе модели к исходным данным.
Выводы
Полученное значение совокупного коэффициента множественной корреляции подтверждает наличие тесной связи между производством овощей, посевной площадью и урожайностью. Существенное влияние на значение совокупного коэффициента множественной корреляции оказала обратная и тесная связь между производством овощей и посевной площадью, а также обратная тесная связь между посевной площадью и урожайностью.
Полученные значения параметров модели позволили определить регрессионное значение результативного признака. Расчет ошибки аппроксимации показал, что регрессионные значения объема производства овощей отличаются от фактических в среднем на 0,5%.
Список литературы
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. Московский Н.В. Региональная практика разработки и реализации стратегических программ // Агропродовольственная политика России. - 2016. - № 9. - С. 26 - 29.
4. Jarolimek J., Martinec R. Fnalysis of open data availability in Czech Republic agrarian sector // Agris On-line Papers in Economics and Informatics. - 2016. - № 3. - P.57 - 67.
5. Milanovic M.R. Agrarian potentials in the reindustrialization of Serbia - import of inputs and the opportunity costs of development // Economics of Agriculture. - 2016. Vol. 63, - M 1. - Р. 143-158.
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, - M 2. - Р. 263-273.
References
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. Moscow N. In. Regional practice development and implementation of strategic programs // agricultural and food policy of Russia. - 2016. No. 9. - S. 26 - 29.
4. Jarolimek J., Martinec R. Fnalysis of open data availability in Czech Republic agrarian sector // Agris On-line Papers in Economics and Informatics. - 2016. - M 3. - P.57 - 67.
5. Milanovic M.R. Agrarian potentials in the reindustrialization of Serbia - import of inputs and the opportunity costs of development // Economics of Agriculture. - 2016. Vol. 63, - M 1. - Р. 143-158.
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, - M 2. - Р. 263-273.
