Эконометрическое моделирование валового сбора зерновых и зернобобовых культур

В данной статье был проведен эконометрический анализ сельскохозяйственных процессов на основе данных Росстата. Изучено влияние различных факторов на валовой сбор зерновых и зернобобовых культур по регионам РФ и построена шестифакторная модель в пакете Statistica.

Ключевые слова: эконометрические методы, растениеводство, валовой сбор зерновых и зернобобовых культур, моделирование, прогнозирование, сельское хозяйство, шестифакторная модель, дескриптивный анализ.

Роль прогнозирования в подготовке управленческих решений всех уровней (страна, отрасль, регион, предприятие) повышается в современных условиях, поскольку наряду с учетом социальных, технологических, экономических и политических факторов конкурентного окружения и научно-технического прогресса, объективно необходимо оценивать состояние экономических объектов, динамику из развития и делать соответствующие прогнозы.

Одной из главных проблем экономической науки является удовлетворение постоянно растущих потребностей в условиях ограниченности ресурсов. Поскольку сельское хозяйство снабжает население продуктами питания, а промышленность — сырьем, обеспечивая продовольственную независимость страны, то эта отрасль экономики заслуживает особого внимания и изучения. Чем более развит агропромышленный комплекс страны, тем более независима она от других стран с точки зрения продовольственной безопасности.

Агропромышленный сектор экономики имеет определенные особенности:

1. Рынок сельскохозяйственной продукции наиболее приближен к рынку совершенной конкуренции.
2. Ограниченная возможность изменять ассортимент продукции.
3. Временной лаг между получением готового продукта и затратами, вложенного в него.
4. Значительная зависимость от погодных условий и другие. [3, c. 67–80]

Объектом проведенного исследования стал валовой сбор зерновых и зернобобовых культур по состоянию на 2016 год по 60 регионам РФ. Была выдвинута гипотеза, что на валовой сбор зерновых и зернобобовых культур оказывают влияние следующие факторы:

– обеспеченность сельскохозяйственных организаций тракторами на 1000 га пашни, шт. (X1);

– посевные площади зерновых и зернобобовых культур в сельскохозяйственных организациях, тыс. га (X2);

– количество внесенных сельскохозяйственными организациями минеральных удобрений по зерновые и зернобобовые культуры, кг (X3);

– убранные площади зерновых и зернобобовых культур сельскохозяйственными организациями, тыс. га (X4);

– количество осадков, выпавших в июле, мм (X6).

По данным Росстата в соответствии с методикой [2, с. 87–104] была построена шестифакторная модель зависимости валового сбора зерновых и зернобобовых культур — y от вышеперечисленных факторов в пакете .

Перед проведением эконометрического моделирования был проведен дескриптивный анализ на допустимость использования данных для моделирования.

Полученная многофакторная регрессионная модель имеет следующий вид:

Y= -41102 -621,1– 11,5 + 73+ 15,8+ 1502,3- 41

Сама модель может быть интерпретирована следующим образом. В среднем, с увеличением количества тракторов (х1) на «1 трактор на 1000 га пашни» валовой сбор зерновых и зернобобовых культур (y) сельскохозяйственными организациями увеличивается на 621 тыс. центнеров в выборке по 60 субъектам РФ при постоянстве остальных факторов (x2, x3, x4, x5, x6).

В среднем с увеличением посевных площадей (x2) на 1 тыс. га валовой сбор зерновых и зернобобовых культур (y) сокращается на 11,5 тыс. га при постоянстве остальных факторов (x1, x3, x4, x5, x6).

В среднем с увеличением количества внесенных минеральных удобрений (x3) на 1кг на 1000 га пашни валовой сбор зерновых и зернобобовых культур (y) увеличивается на 73 тыс. центнеров при постоянстве остальных факторов (x1, x2, x4, x5, x6).

В среднем с увеличением убранных площадей (x4) на 1 тыс. га валовой сбор зерновых и зернобобовых культур (y) увеличивается на 15,8 тыс. центнеров при постоянстве остальных факторов (x1, x2, x3, x5, x6).

В среднем с увеличением средней температуры воздуха в июле (x5) на 1 градус Цельсия валовой сбор зерновых и зернобобовых культур (y) увеличивается на 1502,3 тыс. центнеров при постоянстве остальных факторов (x1, x2, x3, x4, x6).

Причем, статистически значимыми являются коэффициенты а2, а3, а4 и а5, а коэффициенты а0, а1, а6 сформированы под влиянием случайных причин. Поэтому факторы x1, x6 можно исключить из модели как неинформативные.

Определив частные коэффициенты эластичности: Ex1= 0,22 %, Ex2= 0,44 %, Ex3=0,35 %, Ex4=0,64 %, Ex5=2,84 %, Ex6=-0,31 %можно сделать следующий вывод. Например, при увеличении посевных площадей на 1 % от среднего уровня валовой сбор зерновых и зернобобовых увеличивается на 0,64 % от своего среднего уровня.

Полученные значения парных коэффициентов корреляции говорят о наличии прямой умеренной связи валового сбора зерновых и зернобобовых культур (Y) с фактором x5 и прямой тесной межфакторной связи между убранными (x4) и посевными (x2) площадями. Также между посевными площадями (x2) и количеством осадков (x5), то есть присутствует мультиколлинеарность и, следовательно, фактор x2 целесообразно исключить из модели.

Коэффициенты частной корреляции дают более точную характеристику тесноты зависимости двух признаков, чем коэффициенты парной корреляции, так как «очищают» парную зависимость от взаимодействия данной пары признаков с другими признаками, представленными в модели. Наиболее тесно показатель валового сбора зерновых и зернобобовых культур (Y) связан с размером убранных площадей (x4) — r yx4/x1x2x3x5x6= 0,65 по сравнению с другими факторами.

Коэффициент множественной корреляции Ryx1x2х3х4x5x6= 0,93 свидетельствует о сильной связи факторных признаков с результативным.

Оценим статистическую надежность полученного уравнения множественной регрессии с помощью общего F-критерия, который проверяет нулевую гипотезу о статистической незначимости параметров построенного регрессионного уравнения и показателя тесноты связи (H0: a0= a1=a2=а3=а4=а5=а6=0, Ryx1x2х3х4х5х6=0).

Фактическое значение F-критерия Фишера — Fр=65,69 cравним с табличным значением F-критерия Fт (α= 0,05, d.f.1= m =6, d.f.2 = 53) = 2,29. Поскольку Fр> Fт, то признается статистическая значимость регрессионного уравнения, его параметров и показателя тесноты связи Ryx1x2х3х4х5х6.

Таким образом, в результате проведенного эконометрического анализа установлена зависимость валового сбора зерновых и зернобобовых культур в 2016 году по 60 субъектам Российской Федерации от посевных площадей, количества внесенных удобрений, убранных площадей и средней температуры воздуха.

Литература:

1. Федеральная служба государственной статистики. URL: http://www.gks.ru (дата обращения: 27.02.2018).
2. Лукьянова Н. Ю. Маркетинговое прогнозирование: учебник для бакалавров / Балтийский федеральный университет имени Им. Канта. — Казань: Бук, 2017. — 191с.
3. Смагин Б. И. Экономический анализ и статистическое моделирование аграрного производства. Монография. — Мичуринск: Изд-во МичГАУ, 2007. — 153 с.