CC BY
44
ЭКОНОМИКА
УДК 332.144
ПРОГНОЗ ИНСТИТУЦИОНАЛЬНОГО РАЗВИТИЯ ЭКОНОМИКИ АГРОПРОМЫШЛЕННОГО КОМПЛЕКСА СИБИРСКОГО ФЕДЕРАЛЬНОГО ОКРУГА
Н. С. Бондарев, Г. С. Бондарева
PROGNOSIS OF INSTITUTIONAL DEVELOPMENT OF THE SIBERIAN FEDERAL DISTRICT
AGRO-INDUSTRIAL COMPLEX ECONOMY N. S. Bondarev, G. S. Bondareva
В статье представлен прогноз развития экономики агропромышленного комплекса Сибирского Федерального Округа с позиции институционализма. Методика исследования предполагает разделение каждого шага прогноза на две части: построение прогноза показателей, описывающих институциональные соглашения и построение прогноза показателей, характеризующих институциональную среду. Прогноз выполнен по предложенному автором алгоритму, состоящему из четырех блоков: отбор исходных данных для прогноза (как для показателей, характеризующих институциональные соглашения, так и для показателей институциональной среды, в которой осуществляют свою деятельность институты АПК), построение прогноза на основе экстраполяции тренда, которые построены исходя из основной тенденции развития, проецирование наиболее адекватных моделей с уровня Сибирского федерального округа на уровни регионов, построение прогноза, исходя из полученных моделей на планируемый период до 2020 года. По результатам исследований сделан вывод о том, что прогнозы показателей, характеризующих институциональную среду и институциональные соглашения в АПК, показывают негативные тенденции, которые требуют государственного вмешательства.
The paper presents a prognosis of economic development of the Siberian Federal District agro-industrial complex from the position of institutionalism. Research technique involves dividing each step of the prognosis into two parts. The first part includes the calculation of the indicators describing institutional agreements, the second includes the calculation of the indicators characterizing the institutional environment. The prognosis consists of four blocks: selection of initial data for the prognosis, calculations based on the extrapolation of the trend, projection of the most of adequate models from the level of the Siberian Federal District onto the regional level, prognosis for the planning period up to 2020 based on the received models. The results of the research allow the authors to conclude that prognosis of the indicators characterizing the institutional environment and institutional agreements in the agro-industrial complex shows negative trends that require government intervention.
Ключевые слова: агропромышленный комплекс, прогноз, институциональное развитие, институциональная среда, институциональные соглашения, моделирование, тренды.
Keywords: agro-industrial complex, agribusiness, prognosis, calculation, institutional development, institutional environment, institutional agreements, modeling, trends.
Институциональные преобразования в экономике Сибирского федерального округа должны базироваться на программных мероприятиях развития, генеральным из которых является «Стратегия социально-экономического развития Сибири до 2020 г.» [8].
Стратегия задает горизонт прогноза показателей, а именно до 2020 года, а также определяет пороговые значения показателей, которые необходимо достичь и указывает на некоторые институциональные изменения, включая изменения в сфере агропромышленного комплекса (АПК).
К пространственным приоритетам развития Сибири в сфере агропромышленного комплекса, согласно Стратегии, является формирование высокотехнологичных агропромышленных предприятий с законченным циклом производства, способных обеспечить население основными видами экологически чистого продовольствия и выйти на межрегиональные и международные рынки сельскохозяйственной продукции (в первую очередь зерна и продуктов его переработки), что означает
необходимость достижения отраслью к 2020 году показателей производства, обеспечивающих потребность населения в продовольствии.
В рамках реализации Стратегии предусматриваются и институциональные преобразования, в частности, стимулирование крупных личных подсобных хозяйств (ЛПХ) для перевода их в разряд крестьянско-фермерских хозяйств (К(Ф)Х).
Объектом исследования в данной работе будут являться институты аграрной сферы с экономической точки зрения, то есть «хозяйствующие субъекты в различной организационно-правовой форме, осуществляющие свою экономическую и иную деятельность на основе определенных правил, включая правила взаимодействия между собой» [1, с. 115].
Сложность аграрного сектора определяется тем, что в ее сфере происходят глубокие и противоречивые институциональные преобразования [5, с. 137].
Построение прогноза выполним по следующему алгоритму:
1. Аккумулирование данных для построения прогноза (как для показателей, характеризующих институциональные соглашения, так и для показателей институциональной среды, в которой осуществляют свою деятельность институты АПК).
Для более точного построения прогноза необходимо представить данные в динамике за длительный период, который ограничен десятью годами (более длительный период включает в себя неустойчивые девяностые годы ХХ в., учет которых может привести к искажению ре-
зультатов) - с 2002 г. по 2012 г., который позволяет определить динамику развития.
Для прогнозирования до 2020 г. основная динамика (тренд) представленных исходных данных будет перенесена на восемь последующих периодов. Источником исходных данных будут являться статистические сборники.
Исходные данные для построения прогноза численности институтов АПК представлены в таблице 1 [9].
Таблица 1
Исходные данные для построения прогноза численности институтов в АПК, единиц
Субъект Годы
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Сибирский федеральный округ 43054 42562 40247 43081 38932 34976 32202 30055 28186 25625 23789
Республика Алтай 941 926 854 896 688 694 664 670 645 595 529
Республика Бурятия 2699 2700 2478 2498 2237 1706 1689 1635 1416 1373 1036
Республика Тыва 1162 1189 1013 779 573 563 570 564 551 495 461
Республика Хакасия 1435 1465 1459 1548 1458 1420 1444 1462 1452 1446 1438
Алтайский край 6391 6428 6142 5967 5302 4989 4385 3930 3654 3191 2877
Забайкальский край 2287 2191 1997 2058 1684 1540 1475 1230 1201 1037 1014
Красноярский край 5335 5322 5096 6312 5906 4457 4497 4202 4131 3696 3485
Иркутская область 4710 4719 4462 6909 6421 6197 6011 6002 5497 4835 4641
Кемеровская область 2920 2765 2639 2331 2075 1923 1950 1838 1802 1702 1660
Новосибирская область 6922 6950 6669 6602 6074 5851 4774 4456 4232 3948 3603
Омская область 5968 5825 5482 4821 4306 3690 2907 2329 1928 1696 1455
Томская область 2284 2082 1956 2360 2208 1946 1836 1737 1677 1611 1590
Как видно из таблицы 1, за десять лет число институтов аграрной сферы снизилось более чем на 20 тыс. единиц. Само по себе это снижение нельзя оценивать только негативно, если существующее количество институтов удовлетворяет потребности населения в продовольствии. Структура институтов аграрной сферы по типу организационно-правовой формы собственности в Сибирском федеральном округе сложилась следующим образом: доля хозяйственных обществ по данным за 2012 г. составила 45,2 %, наибольшая концентрация наблюдается в Алтайском край - 791 предприятие, что обусловлено спецификой региона, наименьший удельный вес в СФО занимают государственные и муниципальные унитарные сельскохозяйственные предприятия, с численностью 350 единиц или 4,8 % [12].
Необходимо представить выборку показателя с 2002 г. по 2012 г. не только по Сибирскому федеральному округу, но и по каждому региону, входящему в его состав, так как аккумулирование данных позволяет осуществить переход к следующему шагу 2 построения прогноза.
2. Построение прогноза на основе экстраполяции тренда, исходя из основной тенденции развития (графическое представление).
Тренд описывает процесс вариации анализируемого показателя за длительное время, исключая случайные колебания. Тренд явления находят путем аппроксимации фактических уровней временного ряда на основе выбранной функции [2, с. 129].
При прогнозировании использованы следующие наиболее часто используемые функции: линейная, степенная, параболическая, логарифмическая, экспоненциальная и полиномиальная.
Для расчёта коэффициентов уравнения тренда использован метод наименьших квадратов (МНК), суть которого заключается в минимизации квадратов отклонений теоретических уровней временного ряда от фактических.
Оценка параметров качества модели определяется по коэффициенту аппроксимации.
Кроме экспертной оценки соответствия графиче- Построим прогноз по Сибирскому федеральному
ского тренда значениям динамики выборки, необходи- округу в целом, используя различные модели. На рис. 1 мо выбрать наиболее приемлемую модель развития. и 2 представлены наиболее адекватные модели тренда
развития.
Рис. 1. Прогнозная модель динамики количества институтов АПК в Сибирском федеральном округе по экспоненциальной функции, ед.
Оценка тесноты связи прогнозного тренда к исходным данным осуществляется с помощью коэффициента аппроксимации (Я2). Коэффициент аппроксимации может принимать значения от 0 до 1, чем ближе значение коэффициента к единице, тем точнее прогноз [4].
Значение коэффициента аппроксимации по экспоненциальной модели развития составляет 93,96 % и указывает, что на долю неучтенных в тренде факторов
приходится 6,04 % ее дисперсии (остаточная дисперсия [3, с. 118]) и, следовательно, уравнение регрессии значимо.
Необходимо проверить и другие варианты развития: полиномиальный, степенной, линейный, логарифмический.
На рис. 2 приведен еще один, наиболее адекватный, тренд развития.
Рис. 2. Прогнозная модель динамики количества институтов АПК в Сибирском федеральном округе по линейной функции, ед.
Несмотря на более высокое значение коэффициента аппроксимации, выбираем первую модель развития тренда, которая в большей степени учитывает скачек показателя 2005 г. Линейная же модель сглаживает данный рост показателя, и не дает учет возможности неожиданного роста.
Получив наиболее адекватную модель развития по Сибирскому федеральному округу, необходимо спроецировать ее на уровне регионов (шаг 3).
3. Проецирование полученных наиболее адекватных моделей с уровня Сибирского федерального округа на уровни входящих в него субъектов.
Для наглядности спроецированные тренды по Новосибирской области отражены на рис. 3.
В отличие от значения показателя аппроксимации модели СФО, экспоненциальный тренд по Новосибирской области дал несколько лучшеезначение, что подтверждает еще большую достоверность модели.
Линейный тренд прогнозной модели количества институтов АПК показан на рис. 4.
Рис. 3. Прогнозная модель динамики количества институтов АПК в Новосибирской области по экспоненциальной функции, ед.
Рис. 4. Прогнозная модель динамики количества институтов АПК в Новосибирской области по линейной функции, ед.
Как видим из рис. 3 и 4, линейная модель более адекватна, чем экспоненциальная модель, что объясняется более высоким уровнем значения аппроксимации (0,9565 против 0,9479).
Далее таким же образом произведен отбор наиболее адекватных моделей для других регионов. Рассмотрев таким образом каждый регион, убеждаемся в
Для целей расчета е применено значение до десятых, то есть значение 2,7.
Прогноз количества институтов АПК в Сибирском федеральном округе показывает их снижение, а при условии сохранения предыдущих тенденций к 2020 г. их численность уменьшится почти вдвое - с 23789 ед. в 2012 г. до 14261 ед. в 2020 г.
соответствии модели Сибирского федерального округа моделям регионов, которые в него входят.
4. Построениеитогового прогноза на планируемые 2013 - 2020 гг.
Представим совокупные данные по прогнозам институционального развития экономики АПК СФО, начав с прогноза количества институтов АПК (с/х организаций, К(Ф)Х, ЛПХ) на графике (рис. 5).
= 49850е~°'063х, ед.
По аналогичной схеме построен прогноз и по другим значимым институциональным показателям, среди важнейших из которых является структура продукции сельского хозяйства по категориям институтов, с учетом того, что для приемлемых моделей значение коэффициента аппроксимации должно быть хотя бы не меньше 50 %, модели с коэффициентом
Рис. 5. Прогноз количества институтов АПК в СФО по экспоненциальной модели у
аппроксимации выше 80 % можно признать достаточно хорошими.
Оценку институциональных изменений можно произвести на основе показателей производства, ко-
Из представленных данных следует, что наибольший удельный вес в целом по СФО в 2005 г. относится на хозяйства населения (53,7 %) и сельскохозяйственные организации (41 %), тогда как на долю К(Ф)Х приходится чуть более 5 %. К 2012 г. особых структурных изменений не наблюдается, порядка 2 % хозяйств населений сменили свою форму деятельности - перешли от ЛПХ к институтам в виде крестьян-ско-фермерских хозяйств.
Динамика структуры производства продукции сельского хозяйства зависит как от количества участников производства, так и от объема производимой продукции.
Прогноз динамики структуры институтуциональ-ного производства продукции сельского хозяйства сельскохозяйственными организациями представлен на рис. 6.
В соответствии с данным прогнозом к 2020 г. 43,8 % всего производства сельскохозяйственной
торое должно быть представлено в теории в значительной степени рыночными институтами. Доля производства продукции отрасли по категориям хозяйств представлена в таблице 2 [11].
продукции займут сельскохозяйственные организации с точностью ±4 % (так как остаточная дисперсия составляет приблизительно 25 % (1- 0,7501)).
В свою очередь необходимо оценить долю крестьянских (фермерских) хозяйств в общей структуре институтов АПК (рис. 7), тенденции к росту которой не столь значительны, рост доли К(Ф)Х происходит с огромным трудом, сопровождается падением, что и обусловило значительную остаточную дисперсию на уровне 23 %.
Как следует из прогноза, представленного на рис. 7, в производстве сельскохозяйственной продукции к 2020 г. доля К(Ф)Х так и не сможет превысить 10 % рынка.
В совокупности к 2020 г. сельскохозяйственные организации и К(Ф)Х будут производить до 54 % аграрной продукции, остальная часть будет приходиться на долю личных подсобных хозяйств, которые относят к псевдоинститутам [1, с. 116].
Таблица 2
Структура продукции институтов сельского хозяйства по категориям хозяйств в СФО, %
Субъект Сельскохозяйственные организации Хозяйства населения Крестьянские (фермерские) хозяйства
год
2005 2012 2005 2012 2005 2012
Сибирский федеральный округ 41,0 41,2 53,7 51,7 5,2 7,1
Республика Алтай 20,9 11,8 69,3 70,3 9,8 17,9
Республика Бурятия 14,9 21,3 81,6 74,1 3,5 4,6
Республика Тыва 13,1 12,4 85,0 81,0 1,9 6,6
Республика Хакасия 34,7 27,0 61,3 61,0 4,0 12,0
Алтайский край 41,6 42,5 51,7 48,0 6,6 9,5
Забайкальский край 20,7 13,9 76,5 78,6 2,8 7,5
Красноярский край 42,1 46,2 56,3 51,1 1,7 2,7
Иркутская область 38,0 40,0 58,0 52,0 4,1 8,0
Кемеровская область 44,6 40,3 45,6 53,8 9,8 5,9
Новосибирская область 57,8 56,6 39,4 39,2 2,8 4,2
Омская область 41,2 39,2 49,4 51,0 9,4 9,8
Томская область 43,2 50,5 54,6 45,1 2,2 4,4
Рис. 6. Прогноз динамики структуры производства продукции отрасли сельскохозяйственными организации СФО по степенной функции вида у = 35,549х0'0697, %
Рис. 7. Прогноз динамики структуры производства продукции сельского хозяйства К(Ф)Х СФО по логарифмической функции вида у = 2,00811п(х) + 3,5503, %
Институты в процессе своей деятельности опираются на институциональные соглашения, которые конституируются на основе договора (контракта) между отдельными индивидами относительно дополнительных «внутренних» ограничений, добавляемых к общепринятым «правилам игры», соблюдать которые они обязаны [9, с. 152]. Главное условие контракта -это ценовое соглашение, непосредственно влияющее на финансовое состояние институтов и институциональной экономики отрасли в целом. Главной оценкой эффективности институциональных соглашений будет являться прибыльность или убыточность института, напрямую зависящее от ценового условия
Из динамики следует, что к 2020 г. численность убыточных сельскохозяйственных предприятий в Сибирском федеральном округе будет составлять 151 предприятие при 213 - на конец 2012 г.
контракта. В этой связи произведем прогноз доли убыточных институтов отрасли.
Доля убыточных предприятий, занимающихся сельскохозяйственным производством, спрогнозирована ниже (рис. 8).
С высокой точностью прогнозная модель показывает, что свой пик убыточности сельскохозяйственные предприятия прошли, но динамика показывает рост численности убыточных предприятий к 2017 г. и спад к 2020 г., причем численность убыточных предприятий будет превышать в пиковый период 2017 г. данные 2012 г. Для наглядности отразим представленный на рис. 8 тренд развития с 2013 г. на отдельном рис. 9.
Спрогнозированные тренды показателей, характеризующих институциональные соглашения, показывают, что существующая ситуация в сфере АПК коренным образом не изменится, необходим пере-
2500
2002 2003 2004 2005 2006 2007 2008 2009 201: 201 1 2012
Рис. 8. Прогнозная модель динамики убыточных предприятий сельского хозяйства СФО по полиномиальной функции третьей степени, тыс. ед.
5 00
100 0
2013 2014 2015 2016 2017 2018 2019 2020
Рис. 9. Прогноз динамики убыточных предприятий сельского хозяйства СФО по полиномиальной функции вида у = -1,3118х3 + 50,854х2 - 608,58х + 2475, тыс. ед.
смотр институциональных преобразований, начатых в начале девяностых годов двадцатого века.
Некоторые изменения институциональных соглашений может вносить институциональная среда (то есть среда функционирования институтов - сельская местность) и если прогноз ее изменений будет оптимистичным, можно ожидать некоторое улучшение ситуации в сфере институциональных соглашений [6, с. 262]. Из институциональной среды институты АПК получают, прежде всего, земельные ресурсы (данные ресурсы в общей площади неизменны) и трудовые ресурсы, приток которых обеспечивается общим уровнем развития села. Снижение численности поселений приводят прежде всего к нехватке трудовых
Как следует из полученного прогноза, численность населения, занятого в сельском хозяйстве Сибирского федерального округа, продолжит свое снижение вплоть до 826 тыс. чел. в 2020 г. При этом отметим, что достоверность данного прогноза самая слабая, поэтому на практике пользоваться ей можно в сочетании с другими подходами в прогнозировании, не полагаясь только на метод наименьших квадратов [7, с. 2205].
Вместе с тем заработная плата оставшихся работников теоретически должна увеличиться и практические расчеты подтверждают данное предположение (рис. 12). Точность прогноза среднемесячной заработной платы очень велика, возможное отклонение приближается к 2 %.
Представленные прогнозы показателей оценки институциональной среды АПК также показывают
ресурсов, при отсутствии которых не возможно производство и содержание инфраструктуры институциональной среды.
Прогноз числа сельских поселений на период до 2020 г. показан на рис. 10.
До 2020 г. в Сибирском федеральном округе сельских поселений по прогнозу останется примерно 3347 ед. с 3461 ед. в 2012 г. за счет их «исчезновения» и объединения мелких с более крупными муниципальными образованиями.
Уменьшение числа сельских поселений должно привести и к уменьшению численности экономически активного населения, занятого в отрасли, что и показывает прогноз на рис. 11.
= -10,536х + 3557,3
негативные тенденции (кроме заработной платы, но ее рост - это увеличение затрат институтов АПК, и значит также негативная тенденция), которые не могут существенно повлиять на тренды в сфере институциональных соглашений.
Таким образом, с учетом представленных тенденций институциональная среда и институциональные соглашения в агропромышленном комплексе не будут способствовать достижению главной цели отрасли -обеспечения населения продовольствием. Полученные прогнозные данные на период до 2020 г. требуют государственного вмешательства и корректировки программ социально-экономического развития.
Рис. 10. Прогноз числа сельских поселений в СФО по линейной функции вида у
Рис. 11. Прогноз численности экономически активного населения, занятого в сельском хозяйстве СФО функции вида у = -13,41х +1094,1, тыс. чел.
Рис. 12. Прогноз среднемесячной заработной платы работников сельского хозяйства СФО по функции вида y = 1175,4x +117,53, рублей
Литература
1. Бондарев Н. С. Институт как основа понятийного аппарата институционального направления в экономике // Журнал правовых и экономических исследований. 2014. № 4. С. 114 - 117.
2. Бондарева Г. С. Совершенствование продовольственного обеспечения населения региона (на материалах Кемеровской области): дис... канд. экон. наук. Новосибирск, 2013. 206 с.
3. Бондарева Г. С., Бондарев Н. С. Формирование продовольственного обеспечения населения региона: научная монография / под науч. ред. д-ра экон. наук П. Д. Косинского; Министерство сельского хозяйства, Кемеровский ГСХИ. Новосибирск, 2014. 187 с.
4. Громова Н. М., Громова Н. И. Основы экономического прогнозирования: научная монография. М.: Академия естествознания, 2006. Режим доступа: www.rae.ru/monographs/10-168 (дата обращения: 30.11.2014).
5. Косинский П. Д., Бондарева Г. С. Методика прогнозирования потребления продуктов питания // Экономист. 2014. № 8. С. 73 - 82.
6. Косинский П. Д., Медведев А. В, Бондарева Г. С. Оценка эффективности функционирования агропродо-вольственного кластера региона // Фундаментальные исследования. 2013. № 11-2. С. 261 - 265.
7. Медведев А. В., Косинский П. Д., Бондарева Г. С. Экономико-математическое моделирование агропро-довольственного кластера региона // Фундаментальные исследования. 2013. № 10-10. С. 2203 - 2206.
8. Об утверждении Стратегии социально-экономического развития Сибири до 2020 года: Распоряжение Правительства РФ № 1120-р от 5 июля 2010 г. // Гарант: справочно-правовая система.
9. Патрушев С. В. Институционализм в политической науке: этапы, течения, идеи, проблемы. М.: Финансы и статистика, 2006. 356 с.
10. Регионы России. Основные характеристики субъектов Российской Федерации - 2013 г.: стат. сб. / Рос-стат. М., 2013. 645 с.
11. Сельское хозяйство, охота и охотничье хозяйство, лесоводство в России - 2013 г.: Регионы Российской Федерации (основные показатели сельского хозяйства): стат. сб. / Росстат. М., 2013. 462 с.
12. Статистический бюллетень «Структура и основные показатели деятельности хозяйствующих субъектов (без субъектов малого предпринимательства)» // Каталог публикации: Федеральная служба госстатистики. Режим доступа: www.gks.ru
Информация об авторах:
Бондарев Николай Сергеевич - кандидат экономических наук, доцент кафедры теоретической экономики, экономического моделирования и права Кемеровского государственного сельскохозяйственного института, [email protected].
Nikolay S. Bondarev - Candidate of Economies, Assistant Professor at the Department of Economies, Economic Modelling and Law, Kemerovo State Agricultural Institute.
Бондарева Галина Сергеевна - кандидат экономических наук, старший преподаватель кафедры теоретической экономики, экономического моделирования и права Кемеровского государственного сельскохозяйственного института, [email protected].
Galina S. Bondareva - Candidate of Economics, Senior Lecturer at the Department of Economics, Economic Modelling and Law, Kemerovo State Agricultural Institute.
Статья поступила в редколлегию 17.02.2015 г.
