Специализация, интеграция и диверсификация капитала в АПК
Специализация и диверсификация производства в крупных интегрированных предприятиях. Методические и практические подходы к расчету их экономической действенности в хозяйствах аграрной сферы. Роль АПК при формировании показателей эффективности экономики.
| Рубрика | Экономика и экономическая теория |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 21.09.2010 |
| Размер файла | 1,8 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
15,8
57
23
Агинский-Бурятский
17535,2
22160,9
30,3
11,6
58,1
24
Коми-Пермяцкий а,о.
31928,2
94893,9
57,4
7,8
34,8
25
Корякский а,о.
39984,9
15462,2
54,8
4,8
40,4
26
Ненецкий а.о.
26541
38994,1
46,2
6,5
47,3
27
Таймырский а.о.
42429,6
129456,9
66,5
6,5
27
28
Усть-Ордынский а,о.
31163,3
85889,1
51
7,6
41,4
29
Ханты-Мансийский а.о
110475,2
356139
65,3
1,4
33,3
30
Чукотский а,о,
43173,5
3212,1
42,8
2,6
54,6
31
Эвенкийский а.о.
42429,6
129456,9
66,5
6,5
27
32
Ямало-Ненецкий а.о.
110475,2
356139
65,3
1,4
33,3
33
Алтайский край
13103,8
34837,7
37,2
19,1
43,7
34
Краснодарский край
21524,8
109100,8
33,9
16
50,1
35
Красноярский край
42429,6
129456,9
66,5
6,5
27
36
Приморский край
25070,7
54791,9
37,8
4,4
57,8
37
Ставропольский край
16148,1
43440,1
32
18,9
49,1
38
Хабаровский край
32467
49534,8
39,6
3,8
56,6
39
Амурская обл,
22534,1
22773
21,9
14,7
63,4
40
Архангельская обл,
26541
38994,1
46,2
6,5
47,3
41
Астраханская обл.
18479,1
18942,9
57
6,4
36,6
42
Белгородская обл.
23097,6
34526,3
52
16,2
31,8
43
Брянская обл.
12802,2
18554,3
31,1
19,4
49,5
44
Владимирская обл.
15828,3
25577
50,6
17,5
31,9
45
Волгоградская обл,
18602,7
49974,2
50,3
14,6
35,1
46
Вологодская обл.
35591
47279
64,2
10,1
25,7
47
Воронежская обл.
16503,2
40710,1
37,5
18,7
43,8
48
Ивановская обл.
10382,3
12760,9
40,5
13,8
45,7
49
Иркутская обл.
31163,3
85889,1
51
7,6
41,4
50
Калининградская обл.
17006,1
16157,5
43,8
8,7
47,5
51
Калужская обл.
15935,1
17300,8
40,9
20,9
38,2
52
Камчатская обл.
39984,9
15462,2
54,8
4,8
40,4
53
Кемеровская обл.
23011
68975,4
53,4
6,7
39,9
54
Кировская обл.
17886,4
28543,1
47,9
16,7
35,4
55
Костромская обл.
18098,5
14286,9
42,3
20,4
37,3
56
Курганская обл.
14016,9
15424,2
39,1
17,3
43,6
57
Курская обл.
19182,5
25351,6
50,7
16,6
32,7
58
Ленинградская обл.
25395,9
42604,2
53,2
15,3
31,5
59
г.Санкт-Петербург
34333,5
161748,5
45,6
0
54,4
60
Липецкая обл.
25695,1
31923,6
60,2
12
27,8
61
Магаданская обл.
47941,5
11328,6
56,7
,9
42,4
62
Московская обл.
24509,9
160034,6
54
6,9
39,1
63
г.Москва
78487,7
677372,2
32,7
0
67,3
64
Мурманская обл.
43332
42976,7
53,6
,1
46,3
65
Нижегородская обл.
22741,4
83456,2
46,9
6,9
46,2
66
Новгородская обл.
22417,7
16409,7
52,9
9,7
37,4
67
Новосибирская обл.
21217,6
58301,8
32,2
16,1
51,7
68
Омская обл.
18702,1
40591,1
31,7
15,7
52,6
69
Оренбургская обл.
25411,3
56583,4
54,7
13,8
31,5
70
Орловская обл.
19884,8
17928,2
39,5
19,2
41,3
71
Пензенская обл.
12816,7
19686,5
42,1
20,2
37,7
72
Пермская обл.
31928,2
94893,9
57,4
7,8
34,8
73
Псковская обл.
14312,6
11548,8
31,6
22,2
46,2
74
Ростовская обл.
15780
68975,9
34,4
19,9
45,7
75
Рязанская обл.
17666,5
22789,8
45,7
21,6
32,7
76
Самарская обл.
36736,1
121328,4
53,4
8
38,6
77
Саратовская обл.
17888,3
48595,4
44,8
14,7
40,5
78
Сахалинская обл.
46980,5
28329,3
65
2,9
32,1
79
Свердловская обл.
26674,9
123408,9
55,7
6,6
37,7
80
Смоленская обл.
19057,2
21729
45,4
15,2
39,4
81
Тамбовская обл.
14016
17878,8
32
18,1
49,9
82
Тверская обл.
17307,6
27887,7
50,7
13,7
35,6
83
Томская обл.
29135,5
31166,3
47,3
8,4
44,3
84
Тульская обл.
17232,4
30286
48,9
13,5
37,6
85
Тюменская обл.
110475,2
356139
65,3
1,4
33,3
86
Ульяновская обл.
17693,5
26050,1
45,9
11,3
42,8
87
Челябинская обл.
22996,1
84579,6
61,7
6,4
31,9
88
Читинская обл.
17535,2
22160,9
30,3
11,6
58,1
89
Ярославская обл.
26580,3
37749,3
54,7
11,9
33,4
Построенное уравнение связи подушевого дохода в регионах со структурой производства в этих регионах оказалось схожим с аналогичными уравнениями (1)-(3). Напомним, что X1-означает долю аграрного сектора, Х2- промышленность и строительство, Х3- долю обслуживающего сектора экономики. Так же как и выше обнаружены отрицательный линейный и положительный квадратичный коэффициенты связи подушевого производства с долей аграрного сектора в общем производстве, доли остальных секторов оказались связаны с подушевым валовым региональным продуктом квадратичной зависимостью:
ВРПподуш.=-2816,84*Х1+86,59*Х12+11,75*Х22+8,78*Х32 (4)
Все коэффициенты уравнения (4) значимы, как это следует из таблицы 14.
Таблица 14. Результаты регрессионного анализа уравнения (4)
Высокое качества уравнения (4) подтверждается тестом Дарбина-Ватсона и практически нулевой сериальной корреляцией остатков (таблица 15).
Таблица 15. Результаты теста Дарбина-Ватсона и сериальная корреляция остатков уравнения (4)
Как и в случае оценки зависимости подушного ВВП от структуры производства для различных стран, на макроэкономическом уровне на уровне регионов также удалось описать более 90% вариации подушного валового регионального продукта (таблица 16).
Таблица 16. Дисперсионный анализ уравнения (4).
Этот факт подтверждает гипотезу о сильной связи подушного валового продукта со структурой производства на макро и мезо уровнях. Наконец, на рис. 9 представлена гистограмма распределения остатков уравнения (4). Как видно, величина остатков оказалась даже меньше, чем можно было бы ожидать при нормальном распределении остатков модели.
Рис. 9. Гистограмма распределения остатков для уравнения (4).
Анализ уравнения (4) показал, что положительный эффект от развития сектора сельскохозяйственного производства начинает проявляться только, если данный сектор занимает более 32,5 % в общей структуре ВРП региона.
Итак, учет понятия " пропорции производства" позволяет определить их как категорию, представляющую собой количественное описание основных параметров производства на определенный период времени. Изменение производственных пропорций экономического развития, как в мире, так и в России, рассмотрены в тесной взаимосвязи с тенденциями территориальной дифференциации уровня экономического развития и жизни населения стран и России, в частности.
Если рассматривать ВВП per capita и ВРП per capita в качестве главного индикатора экономического развития на макроэкономическом и региональном уровне, то можно констатировать, что в последние годы происходил процесс дивергенции экономического пространства в мире и в России.
В России впервые за многие десятилетия основой ее промышленного комплекса стали регионы, специализирующиеся на производстве топлива, сырья и полуфабрикатов. Соответственно произошло перераспределение производства промышленной продукции в северные и восточные районы страны, а также в районы юго-востока Европейской части России.
Территориальные пропорции производства сельскохозяйственной продукции претерпели значительно меньшие изменения, но на первое место здесь вышел Урал, который ранее не входил даже в первую тройку сельскохозяйственных районов страны.
Последнее десятилетие характеризовалось усилением тенденции поляризации регионов по степени сокращения инвестиционной активности. Происходило постепенное перераспределение инвестиций с запада страны (за исключением Центрального района) на восток (в Уральский и Западную Сибирь).
Следует отметить, что распределение по группам регионов России объемов ВРП и ВРП per capita приобретает все более неравномерный характер. Аномальная дифференциация социально-экономического пространства, исключая унифицированный подход к выработке тактики и стратегии развития различных типов регионов, предъявляет новые требования к особенностям проведения региональной политики с точки зрения согласованности и дифференцированности путей выхода из кризиса.
Перейдем от макроэкономического анализа специализации и диверсификации производства к анализу микроэкономическому, то есть рассмотрим вопросы диверсификации и концентрации производства на уровне компаний и фирм.
3.3 Сравнение показателей эффективности функционирования широко диверсифицированных компаний и концентрированных компаний по мировым литературным источникам
Найти универсальное средство, позволяющее компании быстро и успешно развиваться, стать лидером рынка и, вообще, остаться в истории бизнеса, как «Форд» или «Дженерал электрик» - недостижимая мечта, вроде философского камня. Следует проанализировать опыт развития многих компаний и попытаться найти общие для наиболее эффективных закономерности.
Выделить в общей массе компаний наиболее эффективные нетрудно. Методики для этого разработаны и существуют уже давно. Сложнее понять, что объединяет компании-лидеры между собой, и чем они отличаются от менее эффективных. Возможно, лучшая кандидатура на роль такого критерия - степень диверсификации бизнеса. Но, сначала необходимо определиться, какие компании мы собираемся исследовать, где искать «эликсир эффективности»? Очевидно, что интерес представляют крупные компании из стран с давно сложившимися рыночными отношениями. Бизнес таких компаний не должен быть принципиально разным - нелепо сравнивать эффективность банка и промышленного предприятия, но и замыкаться в одной отрасли тоже неправильно - результат может оказаться неприменим для компаний, работающих в других отраслях. Наконец, выборка должна быть достаточно большой, чтобы сгладить влияние случайных выбросов и увидеть статистические закономерности.
В соответствии с этими критериями была подготовлена выборка из 60 американских, европейских и восточноазиатских компаний с годовым оборотом не менее 1 млрд USD работающих в следующих отраслях :
1. Сырье -10 компаний:
Hecla Mining Company; Minerals Technologies; PPG Industries ; Quaker Chemical ; Royal Gold ; RTI International Metals ; Stillwater Mining ; Titanium Metals; Universal Forest Products; Universal Stainless & Alloy Products
2. Средства производства- 10 компаний;
American Standard ;Boeing Company ; Honeywell International ; International Aluminum ; Key Technology; Lockheed Martin; Standard Pacific ; Texas Industries; Vulcan Materials; Zebra Technologies
3.Потребительские товары -10 компаний;
Bassett Furniture Industries Inc.; Dean Foods; Masco; Nike; Reebok International; Campbell Soup Company; Corn Products; Hewlett-Packard Company; Kellogg Company; Universal Electronics
4. Энергетика - 4 компании
Exxon Mobil; Occidental Petroleum ; Smith International; Williams Companies
5. Финансы -5 компаний
American Capital Strategies; American Express; American Financial Group; American International Group; American National Insurance
6. Услуги -10 компаний
Commonwealth Energy Corporation; Amazon.Com; Bob Evans Farms; Cable & Wireless; Commonwealth Telephone Enterprises; Disney Education Management; G&K Services; Goody's Family Clothing; J.B. Hunt Transport Services; Kelly Services Inc.
7. Конгломераты- 10 компаний.
Federal Signal; General Electric; Itt Industries; Pentair; Raytheon; Textron Inc.; Teleflex Incorporated ; Tyco International Ltd.; United Technologies Corporation
Попытаемся найти закономерности, влияющие на эффективность, а в результате и на успешность компаний. Поэтому для начала не будем сразу заниматься классификацией, а рассмотрим просто несколько моделей логик построения компаний:
Конгломерат
Вертикальная интеграция
Концентрированная компания
Приведенные варианты различных логик развития не претендует на полноту, но, тем не менее, большинство присутствующих на рынке компаний можно отнести к одному из присутствующих в ней классов. Как использовать эту информацию?
На, самом деле, для всех этих логик можно найти единую ось. Начинается она от компаний типа «конгломерат» - включающих в себя бизнесы, собранные безо всякой логики.
Дальше можно поставить вертикально-интегрированную компании, объединяющей логикой которых стала логика бизнеса. Они еще не являются концентрированными, но и широко диверсифицированными считать их было бы тоже неправильно.
И, наконец - концентрированная компания, одиночный бизнес вместо группы. Одна из наиболее жестких логик развития. Компания знает, что она умеет делать лучше всего, и развивает именно эту свою ключевую компетенцию, не инвестируя в другие, имеющие порой большую краткосрочную доходность, виды бизнеса. В результате, как правило, удается существенно сэкономить на инвестиционных расходах, провести массированные инновационные вложения, обеспечить быстроту реакции компании на входящие сигналы рынка.
Так мы получаем ось диверсификация - концентрация.
Рис. 10. Схема связи «диверсификация - концентрация» для компаний.
Итак, если отнести каждую из компаний, включенных в исследуемую выборку, к одному из 3-х основных типов, то появляется возможность сравнить их между собой и найти некие общие закономерности. Значит, нужны пока качественные признаки, позволяющие оценить степень диверсификации бизнеса компании. Для этого было рассмотрено три критерия:
1. Наличие в составе компании нескольких независимых бизнесов, выпускающих продукцию, предназначенную для разных рынков (например, Honeywell International, в состав которой входят подразделения приборы для автоматизации и управления производственными процессами - 32%; производство специальных материалов - 14%; авиационная техника - 38%; транспортные системы - 16%);
2. Наличие у фирмы, работающей на один рынок, производства нескольких несвязанных ключевых продуктов (например, химическая компания United Technologies Corporation, использующая в производстве большое количество несвязанных технологий, базирующихся на разных парках оборудования);
3. Наличие у компании вертикально интегрированной структуры, то есть производство, основанное на всей цепочке переделов, включая исходные материалы. Первому критерию, очевидно, соответствуют высокодиверсифицированные компании. Второй и третий используется для определения компаний со средним уровнем диверсификации. Концентрированные компании, как правило, не имеют в своем составе независимых бизнесов, не связанных общим производством конечных продуктов и всей вертикальной цепочки переделов.
Прежде всего, необходимо определить, какие параметры бизнеса наиболее полно позволяют охарактеризовать его эффективность. Прежде всего, любая коммерческая компания ставит основной своей цель извлечение прибыли. Этот факт может послужить отправной точкой для формирования системы коэффициентов, определяющих эффективность компании.
Но само понятие «прибыль» достаточно широкое, для того, чтобы полученные данные о прибыли различных компаний были сопоставимы друг с другом. Поэтому при формировании системы коэффициентов под «прибылью» предлагается понимать прибыль до налогообложения и амортизации - EBITDA. Во-первых, это общепринятый международный термин, и прибыль до налогообложения и амортизации можно рассчитать на основании данных практически любой системы бухгалтерского учета - российской, американского, британского, немецкого или японского GAAP. Во-вторых, на величину EDITDA не оказывают влияния принятые национальные ставки налогообложения и особенности начисления амортизации, что также делает сопоставление данных, полученных от самых различных компаний более корректным.
Отсюда мы можем получить следующие показатели эффективности:
1. Соотношение EBITDA/total assets - показывает прибыльность активов компании, какую прибыль удается извлекать на единицу стоимости активов. Этот показатель измеряется в процентах.
2. Соотношение EBITDA/employees - показывает, какую прибыль компании приносит один ее работник. Для обеспечения сопоставимости данных этот показатель измеряется в долларах США на одного работника. Как правило, крупные международные корпорации помимо отчетности в национальной валюте ведут и вторую - в долларовом эквиваленте, что делает удобным для сравнения именно доллар США.
2. Третий, универсальный показатель - рентабельность продаж - соотношение EBITDA/Net sales, он позволяет оценить насколько эффективны продажи компании. Этот показатель измеряется в процентах и является наиболее универсальным среди показателей, оценивающих эффективность компании через ее прибыль.
Рыночная стоимость компании (рыночная капитализация) - не менее важный показатель эффективности. Владельцы бизнеса заинтересованы в его постоянном удорожании. Многие, ставшие новой классикой, системы управления компанией используют в качестве основного критерия результативности фирмы именно рост ее рыночной капитализации.
Но, этот показатель также нельзя напрямую использовать для оценки сравнительной эффективности разных компаний. Сопоставив размеры рыночной капитализации и прибыли компании, мы сможем в сравнимой форме оценить, насколько стоимость бизнеса (фактически - отношение к нему со стороны инвесторов) соответствует достигнутым масштабам деятельности. Таким образом, получаем четвертый оценочный коэффициент - Mcap/Sales, выражаемый в %.
Последний открытый вопрос - это глубина исследования по времени. Здесь необходимо учитывать, что в начале 90-х, а тем более в 80-е годы ситуация на мировом рынке сильно отличалась от сегодняшней. Отсутствовали многие факторы. Не было целых отраслей промышленности (например, сфера услуг мобильных телекоммуникаций только зарождалась), поэтому не имеет смысла слишком углубляться в прошлое. Данные отбирались с 1990 по 1999 год включительно. Исключение из этого правила было сделано для соотношения EBITDA/employees, по которому удалось собрать достаточные данные за период 2007-2008 годов.
Возможность собрать достоверную информацию о большом количестве компаний здесь является серьезным ограничивающим фактором.
В качестве источника информации использовались годовые отчеты (annual reports) самих компаний. Эти отчеты готовят все публично торгуемые компании. Таким образом была получена информация об объемах продаж (net sales или revenues), активах компании (валюта баланса, total assets), прибыли до налогообложения и амортизации, динамике численности персонала по годам. В тех редких случаях, когда эти данные отсутствовали в отчете их всегда можно найти в других разделах сервера компании.
Cбор достоверной информации о рыночной капитализации (market capitalization) компании проводился с использованием сайта http://biz.yahoo.com/ic/. В качестве источника информации о рыночной капитализации были также использованы годовые обзоры крупнейших компаний по уровню рыночной капитализации.
Итак, какие результаты можно получить, сравнив компании с разным уровнем диверсификации бизнеса по выбранной системе критериев? Полученный ответ оказался неожиданно четким: в подавляющем большинстве случаев более эффективны концентрированные компании.
Первая группа критериев - прибыльность компаний. Внутри этой группы можно увидеть достаточно интересные тенденции. Максимальный отрыв наблюдается для показателя прибыли на одного сотрудника. Здесь концентрированные компании превосходят своих диверсифицированных коллег почти в три раза - в среднем 86 тыс. долларов прибыли на человека в концентрированной компании, против 29 тыс. долларов для широкодиверсифицированных. Компании со средним уровнем диверсификации занимают промежуточное положение, обеспечивая прибыль на уровне 49 тыс. долларов США на 1 работника.
Возможно, этот вывод получен из-за того, что концентрированные компании работают либо в добывающих либо в высокотехнологичных областях производства. В первых - эффективность растет за счет удорожания природных ресурсов, а во вторых - за счет интенсивного использования первичных инновационных технологий, которые не могут себе позволить развивать конгломераты.
Глава 4. Методические и практические подходы к расчету степени и экономической эффективности диверсификации и специализации в хозяйствах аграрной сферы
Исследования, проведенные в предыдущих главах дипломной, позволяют сделать вывод, что множества диверсифицированных и специализированных предприятий представляют собой нечеткие множества, то есть множества предприятий, степень принадлежности к которому различна для различных предприятий. Этот факт обосновывает наш подход классификации предприятий по степени диверсификации с позиции нечетких множеств. В следующем пункте кратко излагаются основные положения теории нечетких множеств, которые будут использоваться в дальнейшем.
4.1 Основные понятия теории нечетких множеств. Нечеткое множество специализированных (концентрированных) предприятий
Предпосылкой разработки теории нечетких множеств является принцип несовместимости, согласно которому сложность системы и точность, с которой ее можно описать традиционными математическими методами, по своей сути противоречивы друг другу. Методы нечеткой логики позволяют строить логико-лингвистические модели, отражающие общую смысловую постановку задачи, используя качественные представления соответствующие "человеческим" способам рассуждений и принятия решений.
Впервые понятие нечеткого множества появилось в 1965 году в работе Lotfi A. Zadeh, [49] профессора информатики Калифорнийского Университета в Беркли (Berkeley)(см. также,[48],[15],[148]).
Прикладные результаты теории нечетких множеств не заставили себя ждать. Для примера: сегодня зарубежный рынок так называемых нечетких контроллеров (разновидность которых установлена даже в стиральных машинах широко рекламируемой марки LG) обладает емкостью в сотни миллионов долларов. Нечеткая логика, как модель человеческих мыслительных процессов, встроена в системы искусственного интеллекта и в автоматизированные средства поддержки принятия решений (в частности, в системы управления технологическими процессами).
Начиная с конца 70-х годов, методы теории нечетких множеств начинают применяться в экономике. Отметим здесь монографию [148], в которой представлен широкий спектр возможных применений этой теории - от оценки эффективности инвестиций до кадровых решений и замен оборудования, приводятся соответствующие математические модели.
Классическая теория множеств базируется на двузначной логике. Выражения в форме а А, (а принадлежит А), где а представляет индивидуальный объект, а А -- множество подобных объектов, могут принимать только значение "истина" либо "ложь". После появления понятия "нечеткое множество" прежние классические множества иногда стали называть жесткими. Жесткость классической теории множеств стала источником ряда проблем при попытке применить ее к нечетко определенным категориям.
Рассмотрим категорию, определенную словом "диверсифицированный" Если применить это определение к предприятию, то какое предприятие можно считать диверсифицированным? В классической математике мы можем определить множество А "диверсифицированных предприятий" либо перечислением (составив список всех таких предприятий), либо введя в рассмотрение некоторую характеристическую функцию f такую, что для любого объекта X
f(X) = 1 тогда и только тогда, когда Х принадлежит А, а для всех других предприятий f(X) = 0 .Например, эта функция может отбирать только те предприятия, которые имеют более 3-х бизнесов, каждый из которых составляет не более 25 % от общего объема продаж :
А что можно сказать о множестве (категории) "диверсифицированных предприятий на самом деле? Интуитивно кажется, что границы множества размыты и принадлежность элементов множеству может быть каким-то образом ранжирована. В таком случае можно говорить о том, что отдельный объект (предприятие) более или менее типично для этого множества (категории). Можно с помощью некоторой функции охарактеризовать степень принадлежности объектов X такому множеству. Функция f(X) определена на интервале [0,1]. Если для объекта X функция f(X) = 1, то объект определенно является членом множества диверсифицированных предприятий, если f(X) = 0, то предприятие определенно не является членом множества. Все промежуточные значения означают степень членства объекта X в этом множестве.
Приведем примеры функции f(X) принадлежности элемента нечеткому множеству «негативное, отрицательное отношение», «толерантное, безразличное отношение», «положительное отношение». Четко просматриваются полутона, множества высказываний типа «скорее толерантное, чем положительное», «скорее отрицательное, чем безразличное» и так далее.
Рис. 11. Примеры функции f(X) принадлежности элемента нечеткому множеству «негативное, отрицательное отношение», «толерантное, безразличное отношение», «положительное отношение».
Степень принадлежности к нечеткому множеству специализированных одноотраслевых сельскохозяйственных предприятий будем определять, используя функции принадлежности изображенные на рис.12.
Рис.12. Функция принадлежности нечеткому множеству специализированных одноотраслевых сельскохозяйственных предприятий по доле отрасли в общей выручке.
Сельскохозяйственное предприятие считается специализированным двух отраслевым, если сумма двух нечетких множеств отраслевой принадлежности предприятия с функциями принадлежности и имеет вид, такой как на рис.12, а
+= (5)
В следующем пункте изучается вопрос о вычислении значений функции принадлежности, то есть степени принадлежности предприятия нечеткому множеству специализированных или диверсифицированных предприятий понятий энтропии и относительного эвклидового расстояния до ближайшего идеального 100% специализированного или диверсифицированного предприятия.
4.2 Определение степени принадлежности к множеству специализированных (концентрированных) предприятий (энтропийный подход и подход, основанный на определении относительного расстояния до максимально специализированного предприятия). Примеры расчеты степени специализации экономик различных стран
Современная теория сельскохозяйственной статистики не располагает объективным показателем, позволяющим количественно оценить степень диверсификации и специализации производства сельскохозяйственного предприятия и провести его классификацию на многоотраслевое или специализированное предприятие.
В этом пункте, в отличие от подхода, описанного в предыдущем пункте, вводится показатель степени диверсификации и специализации объекта, используя понятие энтропии (рассеяния) из теории информации. Данное понятие применяется к источникам формирования национального дохода в масштабе страны (в макроэкономическом анализе) и валового дохода предприятия (в микроэкономическом анализе). Перейдем к точным формулировкам.
Предполагается, что предприятие получает доход от n направлений деятельности. Пусть Хi(t), i=1,2,…,n относительная доля средств валового дохода, полученная по итогам работы i-ого направления деятельности в период t.
Энтропийный количественный показатель специализации распределения долей в результирующем показателе следующий:
, (6)
По формуле (6) могут вычисляться энтропийные характеристики распределения по GDP, валовому доходу предприятия, маржинальным затратам, полным затратам и другим показателям, например, прибыли.
Задача классификации предприятия по степени диверсификации доходов от различных областей деятельности теперь может быть корректно поставлена.
Может быть теперь корректно поставлена также задача оптимизации степени диверсификации ресурсов и степени концентрации доходов по областям деятельности.
Отметим, что энтропийная характеристика специализации производства равна нулю, если доход от разных областей деятельности одинаковый, то есть Хi(t) =1/n и равна единице, если все доходы получены от одной области деятельности Хi(t)=0 при i?j, Хi(t)=1 при i=j.
Проверим, например, что при Хi(t) =1/n. Имеем
При Хi(t) 0 при i?j, Хi(t) 1 при i=j имеем
так как,
при Хi(t)= 0.
Можно предложить следующую схему классификации сельскохозяйственных предприятий по степени специализации.
Если показатель лежит в интервале от 0,25 до 1, то хозяйство считается узко специализированным. Если принадлежит интервалу от 0,15 до 0,25 , то хозяйство можно считать средне специализированным. Наконец хозяйство можно считать диверсифицированным, если принадлежит интервалу от 0 до 0, 15.
Другой перспективный подход определения степени специализации объекта исследования состоит в вычислении относительного расстояния объекта до ближайшего объекта, степень принадлежности которого нечеткому множеству специализированных объектов наивысшая, то есть равна 1.
Пусть, как и выше, число отраслей специализации равно n. Пусть Хi(t), i=1,2,…,n относительная доля отраслей специализации объекта исследований, полученная по итогам работы i-ого направления деятельности в период t. Очевидно, для наиболее специализированных объектов Хi(t)=0 при i?j, Хi(t)=1 при i=j. Для таких объектов вводимая степень специализации должна быть равна единице. С другой стороны, для максимально диверсифицированного объекта: Хi(t) =1/n, i=1,2,…n. Для такого объекта степень специализации должна быть равна нулю. Эвклидово расстояние D в пространстве векторов с n координатами вычисляется по формуле:
D=,
где Хi , Yi - координаты объектов. Вычислим расстояние между наиболее специализированными объектами и максимально диверсифицированным объектом Dmax:
Dmax=. (7)
Учтем далее, что сумма относительных долей отраслей специализации объекта должна быть равна единице. Тогда нетрудно доказать, что эвклидово расстояние между исследуемым объектом и ближайшим максимально специализированным объектом, равно
D= (8)
(в (8) предполагается, что относительные доли объекта предварительно упорядочены по убыванию) всегда меньше расстояния Dmax. Теперь можно ввести степень принадлежности объекта нечеткому множеству специализированных объектов по формуле:
1- . (9)
Как и в случае энтропийной степени принадлежности нечеткому множеству специализированных объектов, легко проверяется, что мера принадлежности равна нулю для полностью диверсифицированного объекта и равна 1 для абсолютно специализированного объекта. Для данного показателя к высокоспециализированным экономикам следует отнести государства с F(X) из интервала 0,5-1,0. К среднеспециализированным следует отнести экономики с показателем F(X) из интервала 0,25-0,5. Экономики считаются диверсифицированными, если F(X) из интервала 0-0,25.
В качестве примера применения введенных мер специализации объекта вычислим степень специализации экономик различных стран рассчитанные по формулам (6) и (9). Полная информация по 200 странам содержится в Приложении 4 дипломной работы. В таблице 17 приведена часть результатов по наиболее крупным странам мира.
Таблица 17. Степени специализации экономик стран мира
|
Страны мира |
Э(X) |
F(X) |
Страны мира |
Э(X) |
F(X) |
|
|
Afghanistan |
0,135026479 |
0,504016129 |
Kuwait |
0,435744065 |
0,504014617 |
|
|
Algeria |
0,258110392 |
0,495619191 |
Kyrgyzstan |
0,0346139989 |
0,147063895 |
|
|
Angola |
0,327607894 |
0,579643009 |
Latvia |
0,245199295 |
0,624101077 |
|
|
Argentina |
0,214784505 |
0,586115958 |
Lithuania |
0,155123468 |
0,507658655 |
|
|
Armenia |
0,0336261944 |
0,21942329 |
Luxembourg |
0,30053997 |
0,61425397 |
|
|
Australia |
0,26664298 |
0,637508621 |
Malaysia |
0,101171341 |
0,341820693 |
|
|
Austria |
0,262744646 |
0,564913802 |
Mexico |
0,226055525 |
0,610384805 |
|
|
Azerbaijan |
0,0409674773 |
0,302647865 |
Moldova |
0,0601949877 |
0,285017483 |
|
|
Bangladesh |
0,0911119305 |
0,210063294 |
Mongolia |
0,0527414197 |
0,218463053 |
|
|
Belarus |
0,0737400321 |
0,297504448 |
Netherlands |
0,26664298 |
0,637508621 |
|
|
Belgium |
0,322032926 |
0,679084123 |
New Zealand |
0,200710527 |
0,603515448 |
|
|
Bolivia |
0,121015888 |
0,449545642 |
Nicaragua |
0,0336261944 |
0,21942329 |
|
|
Brazil |
0,146516747 |
0,447369925 |
Nigeria |
0,0869357292 |
0,320294181 |
|
|
Bulgaria |
0,10057753 |
0,453923082 |
Norway |
0,267827315 |
0,589390697 |
|
|
Canada |
0,285206928 |
0,638337174 |
Pakistan |
0,0573060973 |
0,328956037 |
|
|
Chile |
0,111250784 |
0,428160862 |
Peru |
0,146834136 |
0,526291229 |
|
|
China |
0,115812328 |
0,368335532 |
Poland |
0,213889623 |
0,514407578 |
|
|
Croatia |
0,136699592 |
0,46924582 |
Portugal |
0,233928275 |
0,587750076 |
|
|
Cuba |
0,148335704 |
0,47151159 |
Romania |
0,0720625507 |
0,356571682 |
|
|
Czech Republic |
0,217316701 |
0,44116192 |
Russia |
0,181171427 |
0,494965348 |
|
|
Denmark |
0,26664298 |
0,637508621 |
Saudi Arabia |
0,238495631 |
0,391312888 |
|
|
Dominica |
0,0955138787 |
0,437150109 |
Slovakia |
0,205233954 |
0,519921881 |
|
|
Egypt |
0,0580633008 |
0,337731172 |
Slovenia |
0,234683934 |
0,515335167 |
|
|
Estonia |
0,197940143 |
0,567750072 |
South Africa |
0,221813899 |
0,583379669 |
|
|
Finland |
0,215059205 |
0,526607985 |
Spain |
0,22184697 |
0,563193407 |
|
|
France |
0,26664298 |
0,637508621 |
Sudan |
0,121280122 |
0,295798324 |
|
|
Georgia |
0,0760755423 |
0,393782217 |
Sweden |
0,275260622 |
0,613865308 |
|
|
Germany |
0,297126786 |
0,602005025 |
Switzerland |
0,261039551 |
0,552674615 |
|
|
Ghana |
0,0342893115 |
0,130344896 |
Syria |
0,0628441414 |
0,301573196 |
|
|
Greece |
0,200710527 |
0,603515448 |
Taiwan |
0,267827315 |
0,589390697 |
|
|
Hungary |
0,215059205 |
0,526607985 |
Tajikistan |
0,0751812657 |
0,39850187 |
|
|
India |
0,0536053696 |
0,312613646 |
Tanzania |
0,161268075 |
0,357154762 |
|
|
Indonesia |
0,060320796 |
0,255621064 |
Thailand |
0,111758683 |
0,356338598 |
|
|
Iran |
0,0751812657 |
0,39850187 |
Turkey |
0,100549841 |
0,442545966 |
|
|
Iraq |
0,363504245 |
0,752008065 |
Turkmenistan |
0,0472824783 |
0,301573196 |
|
|
Ireland |
0,213377541 |
0,366912328 |
Ukraine |
0,0290241963 |
0,232406358 |
|
|
Israel |
0,246703839 |
0,588660724 |
United Kingdom |
0,315379624 |
0,671697548 |
|
|
Italy |
0,246703839 |
0,588660724 |
United States |
0,366866818 |
0,748405087 |
|
|
Japan |
0,284961917 |
0,59822581 |
Uruguay |
0,202771856 |
0,584307806 |
|
|
Kazakhstan |
0,135502397 |
0,384939027 |
Uzbekistan |
0,0685826893 |
0,172413147 |
|
|
Kenya |
0,205392703 |
0,458059044 |
Venezuela |
0,232728595 |
0,379113537 |
|
|
Korea North |
0,00574144603 |
0,137271769 |
Vietnam |
0,0185303598 |
0,19371221 |
|
|
Korea South |
0,21951036 |
0,428948339 |
World |
0,219021139 |
0,551001114 |
Оценивая коэффициент корреляции между введенными характеристиками степени принадлежности стран нечеткому множеству стран со специализированными экономиками убеждаемся в том, что он достаточно высок и равен 0,86. Построим уравнение связи между показателями специализации стран мира (см. табл. 18.)
Таблица 18. Расчет уравнения связи между энтропийной характеристикой степени специализации и характеристикой основанной на относительном расстоянии до ближайшего по структуре абсолютно специализированного объекта
Окончательно получаем
F(x)=0,223+1,348*Э(х). (10)
Хорошее качество уравнения связи и значимость всех коэффициентов подтверждает вывод о тесной связи между изучаемыми характеристиками специализации.
К группе государств с высокоспециализированными экономиками, кроме малых государств, вошедших в Приложение 4, можно также отнести такие государства как США, Нидерланды, Норвегия, Англия и некоторые другие. Государства, имеющие диверсифицированную экономику- это Киргизия, Северная Корея, Гана и ряд других. Легко прослеживается положительная связь между степенью специализации экономики страны и показателями, связанными с ВВП. Соответствующие расчеты приведены в таблице 19.
Таблица 19. Корреляционная матрица связей показателей степени специализации Э(Х) и F(X) с показателями ВВП.
Наиболее тесная связь новых показателей специализации прослеживается с показателями подушевого производства 0,78 и 0,57 соответственно для Э(Х) и F(X). Этот факт неявно указывает на предпочтительность использования показателя Э(Х) в дальнейших исследованиях, как более значимого для показателей развития экономики.
Оценим, с помощью новых характеристик Э(Х) и F(X) степень специализации субъектов Российской Федерации. В качестве отраслей, как и для стран, были выбраны промышленность, сельское хозяйство и сфера услуг. Данные расчетов представлены в таблице 20.
Таблица 20. Степени специализации субъектов РФ
|
№ региона |
Регионы |
Э(Х) |
F(X) |
Пром. % в ВРП |
С.х. % в ВРП |
Услуги, Связь, транспорт, торговля % в ВРП |
|
|
1 |
Адыгея |
0,0208 |
0,133 |
32,6 |
25 |
42,4 |
|
|
2 |
Башкирия |
0,1627 |
0,342 |
57,8 |
10,7 |
31,5 |
|
|
3 |
Алтай |
0,0294 |
0,184 |
27,6 |
26,8 |
45,6 |
|
|
4 |
Бурятия |
0,1034 |
0,252 |
34,4 |
14,1 |
51,5 |
|
|
5 |
Дагестан |
0,0336 |
0,192 |
28,9 |
24,9 |
46,2 |
|
|
6 |
Кабардино-Балкария |
0,0009 |
0,031 |
31,9 |
32,7 |
35,4 |
|
|
7 |
Калмыкия |
0,1095 |
0,245 |
35,4 |
13,3 |
51,3 |
|
|
8 |
Карачаево-Черкесия |
0,0073 |
0,089 |
31,2 |
29,5 |
39,3 |
|
|
9 |
Карелия |
0,2556 |
0,220 |
53,3 |
3,6 |
43,1 |
|
|
10 |
Коми |
0,2989 |
0,236 |
54,9 |
2 |
43,1 |
|
|
11 |
Марий-Эл |
0,0152 |
0,080 |
39 |
25,1 |
35,9 |
|
|
12 |
Мордовия |
0,0269 |
0,127 |
42,2 |
22,9 |
34,9 |
|
|
13 |
Сев,Осетия |
0,1271 |
0,249 |
36,3 |
11,7 |
52 |
|
|
14 |
Татарстан |
0,2151 |
0,372 |
60,6 |
7,5 |
31,9 |
|
|
15 |
Тува |
0,1547 |
0,428 |
19,3 |
18,8 |
61,9 |
|
|
16 |
Удмуртия |
0,1445 |
0,351 |
57,8 |
12,8 |
29,4 |
|
|
17 |
Хакасия |
0,1896 |
0,307 |
56,6 |
7,9 |
35,5 |
|
|
18 |
Ингушетия |
0,1103 |
0,228 |
50,4 |
12,9 |
36,7 |
|
|
19 |
Чечня |
нет |
данных |
||||
|
20 |
Чувашия |
0,0595 |
0,198 |
47,3 |
18,5 |
34,2 |
|
|
21 |
Якутия-Саха |
0,2837 |
0,291 |
57,7 |
2,9 |
39,4 |
|
|
22 |
Еврейская а,обл, |
0,1206 |
0,347 |
27,2 |
15,8 |
57 |
|
|
23 |
Агинский-Бурятский а |
0,1561 |
0,351 |
30,3 |
11,6 |
58,1 |
|
|
24 |
Коми-Пермяцкий а,о. |
0,1945 |
0,320 |
57,4 |
7,8 |
34,8 |
|
|
25 |
Корякский а,о. |
0,2340 |
0,255 |
54,8 |
4,8 |
40,4 |
|
|
26 |
Ненецкий а.о. |
0,1912 |
0,138 |
46,2 |
6,5 |
47,3 |
|
|
27 |
Таймырский а.о. |
0,2695 |
0,467 |
66,5 |
6,5 |
27 |
|
|
28 |
Усть-Ордынский а,о. |
0,1768 |
0,209 |
51 |
7,6 |
41,4 |
|
|
29 |
Ханты-Мансийский а.о |
0,3590 |
0,411 |
65,3 |
1,4 |
33,3 |
|
|
30 |
Чукотский а,о, |
0,2823 |
0,235 |
42,8 |
2,6 |
54,6 |
|
|
31 |
Эвенкийский а.о. |
0,2695 |
0,467 |
66,5 |
6,5 |
27 |
|
|
32 |
Ямало-Ненецкий а.о. |
0,3590 |
0,411 |
65,3 |
1,4 |
33,3 |
|
|
33 |
Алтайский край |
0,0481 |
0,141 |
37,2 |
19,1 |
43,7 |
|
|
34 |
Краснодарский край |
0,0841 |
0,236 |
33,9 |
16 |
50,1 |
|
|
35 |
Красноярский край |
0,2695 |
0,467 |
66,5 |
6,5 |
27 |
|
|
36 |
Приморский край |
0,2518 |
0,304 |
37,8 |
4,4 |
57,8 |
|
|
37 |
Ставропольский край |
0,0636 |
0,228 |
32 |
18,9 |
49,1 |
|
|
38 |
Хабаровский край |
0,2598 |
0,279 |
39,6 |
3,8 |
56,6 |
|
|
39 |
Амурская обл, |
0,1777 |
0,447 |
21,9 |
14,7 |
63,4 |
|
|
40 |
Архангельская обл, |
0,1912 |
0,138 |
46,2 |
6,5 |
47,3 |
|
|
41 |
Астраханская обл. |
0,2134 |
0,304 |
57 |
6,4 |
36,6 |
|
|
42 |
Белгородская обл. |
0,0905 |
0,267 |
52 |
16,2 |
31,8 |
|
|
43 |
Брянская обл. |
0,0629 |
0,236 |
31,1 |
19,4 |
49,5 |
|
|
44 |
Владимирская обл. |
0,0768 |
0,249 |
50,6 |
17,5 |
31,9 |
|
|
45 |
Волгоградская обл, |
0,0952 |
0,234 |
50,3 |
14,6 |
35,1 |
|
|
46 |
Вологодская обл. |
0,2124 |
0,446 |
64,2 |
10,1 |
25,7 |
|
|
47 |
Воронежская обл. |
0,0507 |
0,141 |
37,5 |
18,7 |
43,8 |
|
|
48 |
Ивановская обл. |
0,0923 |
0,153 |
40,5 |
13,8 |
45,7 |
|
|
49 |
Иркутская обл. |
0,1768 |
0,209 |
51 |
7,6 |
41,4 |
|
|
50 |
Калининградская обл. |
0,1556 |
0,156 |
43,8 |
8,7 |
47,5 |
|
|
51 |
Калужская обл. |
0,0347 |
0,101 |
40,9 |
20,9 |
38,2 |
|
|
52 |
Камчатская обл. |
0,2340 |
0,255 |
54,8 |
4,8 |
40,4 |
|
|
53 |
Кемеровская обл. |
0,1965 |
0,244 |
53,4 |
6,7 |
39,9 |
|
|
54 |
Кировская обл. |
0,0724 |
0,202 |
47,9 |
16,7 |
35,4 |
|
|
55 |
Костромская обл. |
0,0387 |
0,122 |
42,3 |
20,4 |
37,3 |
|
|
56 |
Курганская обл. |
0,0602 |
0,133 |
39,1 |
17,3 |
43,6 |
|
|
57 |
Курская обл. |
0,0825 |
0,247 |
50,7 |
16,6 |
32,7 |
|
|
58 |
Ленинградская обл. |
0,1017 |
0,284 |
53,2 |
15,3 |
31,5 |
|
|
59 |
г.Санкт-Петербург |
0,3718 |
0,210 |
45,6 |
0 |
54,4 |
|
|
60 |
Липецкая обл. |
0,1664 |
0,388 |
60,2 |
12 |
27,8 |
|
|
61 |
Магаданская обл. |
0,3374 |
0,258 |
56,7 |
,9 |
42,4 |
|
|
62 |
Московская обл. |
0,1950 |
0,256 |
54 |
6,9 |
39,1 |
|
|
63 |
г.Москва |
0,4239 |
0,434 |
32,7 |
0 |
67,3 |
|
|
64 |
Мурманская обл. |
0,3649 |
0,197 |
53,6 |
,1 |
46,3 |
|
|
65 |
Нижегородская обл. |
0,1841 |
0,134 |
46,9 |
6,9 |
46,2 |
|
|
66 |
Новгородская обл. |
0,1526 |
0,254 |
52,9 |
9,7 |
37,4 |
|
|
67 |
Новосибирская обл. |
0,0898 |
0,262 |
32,2 |
16,1 |
51,7 |
|
|
68 |
Омская обл. |
0,0963 |
0,276 |
31,7 |
15,7 |
52,6 |
|
|
69 |
Оренбургская обл. |
0,1196 |
0,303 |
54,7 |
13,8 |
31,5 |
|
|
70 |
Орловская обл. |
0,0452 |
0,102 |
39,5 |
19,2 |
41,3 |
|
|
71 |
Пензенская обл. |
0,0396 |
0,118 |
42,1 |
20,2 |
37,7 |
|
|
72 |
Пермская обл. |
0,1945 |
0,320 |
57,4 |
7,8 |
34,8 |
|
|
73 |
Псковская обл. |
0,0398 |
0,189 |
31,6 |
22,2 |
46,2 |
|
|
74 |
Ростовская обл. |
0,0477 |
0,176 |
34,4 |
19,9 |
45,7 |
|
|
75 |
Рязанская обл. |
0,0402 |
0,180 |
45,7 |
21,6 |
32,7 |
|
|
76 |
Самарская обл. |
0,1767 |
0,252 |
53,4 |
8 |
38,6 |
|
|
77 |
Саратовская обл. |
0,0828 |
0,142 |
44,8 |
14,7 |
40,5 |
|
|
78 |
Сахалинская обл. |
0,3197 |
0,417 |
65 |
2,9 |
32,1 |
|
|
79 |
Свердловская обл. |
0,2053 |
0,283 |
55,7 |
6,6 |
37,7 |
|
|
80 |
Смоленская обл. |
0,0790 |
0,155 |
45,4 |
15,2 |
39,4 |
|
|
81 |
Тамбовская обл. |
0,0708 |
0,239 |
32 |
18,1 |
49,9 |
|
|
82 |
Тверская обл. |
0,1040 |
0,237 |
50,7 |
13,7 |
35,6 |
|
|
83 |
Томская обл. |
0,1600 |
0,151 |
47,3 |
8,4 |
44,3 |
|
|
84 |
Тульская обл. |
0,1007 |
0,206 |
48,9 |
13,5 |
37,6 |
|
|
85 |
Тюменская обл. |
0,3590 |
0,411 |
65,3 |
1,4 |
33,3 |
|
|
86 |
Ульяновская обл. |
0,1198 |
0,144 |
45,9 |
11,3 |
42,8 |
|
|
87 |
Челябинская обл. |
0,2369 |
0,385 |
61,7 |
6,4 |
31,9 |
|
|
88 |
Читинская обл. |
0,1561 |
0,351 |
30,3 |
11,6 |
58,1 |
|
|
89 |
Ярославская обл. |
0,1357 |
0,295 |
54,7 |
11,9 |
33,4 |
В отличие от результатов для страновой идентификации для регионов России корреляционная связь между характеристиками специализации Э(Х) и F(X) оказалась ниже, хотя и весьма значимой (см. таблицу 21).
Таблица 21. Расчет коэффициента корреляции и уравнения связи между характеристиками специализации Э(Х) и F(X)
F(x)=0,015+0,635*Э(х). (11)
Кроме Москвы и Санкт-Петербурга к высоко специализированным субъектам РФ можно отнести Тюменскую обл., Сахалинскую обл., Вологодскую и Амурскую обл., Красноярский край и ряд национальных округов Севера.
К районам с диверсифицированной экономикой относятся Республика Мари-Эл, Карачаево-Черкесия, Кабардино-Балкария, Орловская, Калужская и Воронежская обл. и некоторые другие.
4.3 Оценка степени специализации (концентрации) предприятий по материалам сельскохозяйственного производства в Воронежской области на основе анализа составляющих компонент отраслей в выручке и в затратах
Косвенно о переменах в специализации сельскохозяйственного производства страны можно судить об изменениях в посевных площадях сельскохозяйственных культур страны. Динамика изменений посевных площадей представлена в таблице 22.
Таблица 22. Посевные площади сельскохозяйственных культур РФ (в хозяйствах всех категорий; тысяч гектаров)
|
|
1975 |
1980 |
1985 |
1990 |
1995 |
1996 |
1997 |
1998 |
1999 |
2005 |
2001 |
2007 |
|
|
Вся посевная площадь |
126542 |
124815 |
119121 |
117705 |
102540 |
99626 |
96554 |
91660 |
88329 |
85419 |
84753 |
84578 |
|
|
Зерновые культуры |
77023 |
75465 |
68138 |
63068 |
54705 |
53388 |
53634 |
50724 |
46555 |
45636 |
47241 |
47474 |
|
|
в том числе: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
озимые зерновые культуры |
15450 |
17795 |
15996 |
18411 |
11895 |
13916 |
13423 |
12353 |
11414 |
11991 |
12793 |
14595 |
|
|
из них: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
пшеница |
8936 |
11107 |
8374 |
9731 |
8194 |
9329 |
8944 |
8246 |
7609 |
7926 |
8525 |
10113 |
|
|
рожь |
5926 |
6125 |
7214 |
7989 |
3233 |
4133 |
3989 |
3761 |
3386 |
3531 |
3621 |
3804 |
|
|
ячмень |
588 |
563 |
408 |
691 |
468 |
454 |
490 |
345 |
419 |
533 |
648 |
677 |
|
|
яровые зерновые культуры |
61573 |
57670 |
52142 |
44657 |
42810 |
39472 |
40211 |
38371 |
35141 |
33645 |
34447 |
32879 |
|
|
из них: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
пшеница |
25091 |
22893 |
16910 |
14513 |
15715 |
16378 |
17112 |
17855 |
15413 |
15278 |
15240 |
15549 |
|
|
кукуруза на зерно |
532 |
590 |
1080 |
869 |
643 |
622 |
918 |
787 |
704 |
813 |
684 |
625 |
|
|
ячмень |
18752 |
17991 |
15736 |
13032 |
14242 |
11338 |
12027 |
10938 |
9436 |
8644 |
9479 |
9602 |
|
|
овес |
10243 |
9901 |
10981 |
9100 |
7928 |
6904 |
6438 |
5229 |
5336 |
4518 |
4869 |
4269 |
|
|
просо |
1615 |
1733 |
1680 |
1936 |
698 |
1228 |
1086 |
975 |
1610 |
1588 |
1214 |
581 |
|
|
гречиха |
1012 |
1131 |
1100 |
1278 |
1604 |
1369 |
1112 |
1226 |
1339 |
1577 |
1594 |
836 |
|
|
рис |
270 |
377 |
322 |
287 |
171 |
172 |
151 |
146 |
173 |
175 |
154 |
149 |
|
|
зернобобовые |
4025 |
3007 |
4177 |
3556 |
1784 |
1430 |
1340 |
1185 |
1072 |
922 |
1076 |
1214 |
|
|
Технические культуры |
5947 |
6180 |
5727 |
6111 |
6476 |
6026 |
5398 |
5949 |
7505 |
6454 |
5400 |
5802 |
|
|
в том числе: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
лен-долгунец |
664 |
595 |
550 |
418 |
177 |
153 |
114 |
107 |
104 |
108 |
127 |
111 |
|
|
сахарная свекла (фабричная) |
1557 |
1615 |
1492 |
1460 |
1085 |
1060 |
933 |
810 |
900 |
806 |
773 |
809 |
|
|
масличные культуры |
3337 |
3578 |
3364 |
4007 |
5149 |
4747 |
4278 |
4958 |
6434 |
5485 |
4448 |
4838 |
|
|
из них: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
подсолнечник |
2060 |
2380 |
2320 |
2739 |
4127 |
3874 |
3588 |
4168 |
5585 |
4629 |
3821 |
4117 |
|
|
соя |
792 |
741 |
623 |
675 |
487 |
485 |
404 |
453 |
439 |
421 |
417 |
476 |
|
|
Картофель и овощебахчевые культуры |
5393 |
4749 |
4426 |
3966 |
4303 |
4281 |
4271 |
4127 |
4247 |
4243 |
4213 |
4217 |
|
|
в том числе: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
картофель |
4449 |
3790 |
3538 |
3124 |
3409 |
3404 |
3352 |
3265 |
3256 |
3252 |
3240 |
3232 |
|
|
овощи (без высадков) |
735 |
742 |
676 |
618 |
758 |
737 |
749 |
743 |
820 |
833 |
831 |
835 |
|
|
Кормовые культуры |
38179 |
38421 |
40830 |
44560 |
37056 |
35931 |
33251 |
30860 |
30022 |
29086 |
27899 |
27086 |
|
|
в том числе: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
многолетние травы (укосная площадь посева прошлых лет и беспокровные посевы текущего года) |
13551 |
13783 |
16451 |
18287 |
19518 |
19364 |
19122 |
18509 |
18172 |
18184 |
17945 |
17100 |
|
|
однолетние травы |
10190 |
10445 |
9994 |
12612 |
9350 |
8203 |
7563 |
7047 |
6436 |
5981 |
5701 |
6365 |
|
|
кукуруза на силос, зеленый корм и сенаж |
10067 |
9650 |
10119 |
10089 |
6147 |
6359 |
5054 |
4060 |
4233 |
3670 |
3164 |
2710 |
|
|
кормовые корнеплоды (включая сахарную свеклу на корм скоту) |
721 |
828 |
974 |
732 |
243 |
223 |
196 |
167 |
180 |
165 |
160 |
150 |
|
|
Площадь чистых паров |
7306 |
9506 |
14542 |
13808 |
17383 |
17766 |
17779 |
18565 |
17584 |
18042 |
17483 |
16311 |
Оценим изменения в специализации сельскохозяйственного производства по изменению в относительных долях посевных площадей по следующим направлениям:
1.Зерновые культуры
2.Зернобобовые культуры
2. Технические культуры
3.Картофель и овощи
5. Кормовые культуры
Данные по относительным площадям по приведенным выше направлениям представлены в таблице 23.
Таблица 23. Относительные доли посевных площадей по направлениям сельскохозяйственного производства за период 1975-2007 гг.
|
1975 |
1980 |
1985 |
1990 |
1995 |
1996 |
1997 |
1998 |
1999 |
2005 |
2001 |
2007 |
||
|
Площадь с.х. угодий (без чистого пара) |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
|
Зерновые культуры |
0,59 |
0,59 |
0,55 |
0,52 |
0,52 |
0,53 |
0,55 |
0,55 |
0,52 |
0,53 |
0,55 |
0,55 |
|
|
зернобобовые |
0,03 |
0,02 |
0,03 |
0,03 |
0,02 |
0,01 |
0,01 |
0,01 |
0,01 |
0,01 |
0,01 |
0,01 |
|
|
Технические культуры |
0,05 |
0,05 |
0,05 |
0,05 |
0,06 |
0,06 |
0,06 |
0,06 |
0,08 |
0,07 |
0,06 |
0,07 |
|
|
Картофель и овощебахчевые культуры |
0,04 |
0,04 |
0,04 |
0,03 |
0,04 |
0,04 |
0,04 |
0,04 |
0,05 |
0,05 |
0,05 |
0,05 |
|
|
Кормовые угодья |
0,29 |
0,3 |
0,33 |
0,37 |
0,36 |
0,36 |
0,34 |
0,33 |
0,34 |
0,34 |
0,33 |
0,32 |
Из таблицы 23 следует, что, несмотря на абсолютное уменьшение площади сельскохозяйственных угодий за период 1975-2007 годы на 34%, долевая структура посевных площадей почти не изменилась. Доля зернобобовых культур уменьшилась с 3-х до 1-го процента, доля технических культур увеличилась на 2%, с 5% до 7%; несколько увеличилась (на 1%) доля картофеля с 4% до 5%. Несмотря на значительное уменьшение поголовья КРС в хозяйствах, кормовые угодья продолжают использоваться в частном секторе и доля их площадей осталась на уровне 70-80-х годов. Рассчитаем коэффициенты Э(t) и F(x) степень специализации использования сельскохозяйственных земель в России за рассматриваемые годы. Результаты расчетов представим в таблице 24.
Таблица 24. Коэффициенты Э(t) и F(x) - степени специализации использования сельскохозяйственных земель в России за 1975-2007гг.
|
Годы |
Э(t) |
F(x) |
Годы |
Э(t) |
F(x) |
|
|
1975 |
0,343 |
0,5348 |
1997 |
0,349 |
0,4903 |
|
|
1980 |
0,345 |
0,5355 |
1998 |
0,354 |
0,4903 |
|
|
1985 |
0,36 |
0,4907 |
1999 |
0,355 |
0,4530 |
|
|
1990 |
0,33 |
0,45845 |
2005 |
0,314 |
0,4657 |
|
|
1995 |
0,336 |
0,4569 |
2001 |
0,326 |
0,4892 |
|
|
1996 |
0,327 |
0,4683 |
2007 |
0,342 |
0,4877 |
Итак, степень специализации использования земель сельскохозяйственного назначения на протяжении всего периода наблюдений, несмотря на перемены уклада и многочисленные реформы, остается практически неизменной. Это говорит о том, что введенная характеристика является числовым инвариантом, закономерностью сельскохозяйственного производства.
Перейдем к исследованию степени специализации предприятий аграрного сектора Воронежской области.
Для расчетов были выбраны 27 хозяйств высокого по уровню развития Аннинского района, 17 хозяйств среднего по уровню развития Калачеевского района и 14 хозяйств отстающего в развитии Панинского района Воронежской области.
Исследовалась специализация хозяйств по следующим направлениям
Зерновые культуры.
Технические культуры (сахарная свекла + подсолнечник).
Животноводство в целом.
Рассчитывались показатели специализации: Э(х) - показатель основанный на энтропии удельных весов затрат и выручки в общей сумме затрат и выручки и F(x) - показатель отклонения от модельного абсолютно не специализированного хозяйства имеющего равные удельные веса затрат и выручки в общей сумме затрат и выручки. Расчеты проводились совместно в пакете EXCEL и Statistica. Приведем пример таблицы расчета в пакете Statistica по доле выручки для хозяйств Калачеевского района в 1996 году (табл. 4.9).
Далее строились графики показателей степени специализации Э(х) и F(x). Приведем в качестве примера график, позволяющий сравнить изменения, произошедшие в степени специализации Анненского района за период с 1996 по 2007 годы. Графики строились как по составу затрат так и по составу отраслей в выручке (Рис.13, Рис. 14)
Таблица 25. Пример расчета степени специализации хозяйств (Калачеевский район, по составу выручки, 1996 год )
Рис.13. График степени специализации хозяйств Аннинского района Воронежской области в 1996 и 2007 годах (расчет по затратам).
Рис.14. График степени специализации хозяйств Аннинского района Воронежской области в 1996 и 2007 годах (расчет по выручке).
Затем были вычислены средние коэффициенты специализации по всему району. Приведем таблицы 26 -28 для показателей специализации Анненского, Калачеевского и Панинского районов.
Таблица 26. Расчет изменений в степени специализации предприятий Анненского района Воронежской области за 1996-2007 годы
|
Анна Расчет по затратам |
степень специализации; энтропия |
степень специализации; отклонение от абсолюта |
|
|
Среднее по хозяйствам 1996 |
0,16400198 |
0,401498774 |
|
|
Среднее по хозяйствам 2007 |
0,230372342 |
0,41752633 |
|
|
Анна Расчет по выручке |
степень специализации; энтропия |
степень специализации; отклонение от абсолюта |
|
|
Среднее по хозяйствам 1996 |
0,07661744 |
0,21424323 |
|
|
Среднее по хозяйствам 2007 |
0,09552830 |
0,24176464 |
Таблица 27. Расчет изменений в степени специализации предприятий Калачеевского района Воронежской области за 1996-2007 годы
|
Калач Расчет по затратам |
степень специализации; энтропия |
степень специализации; отклонение от абсолюта |
|
|
Среднее по хозяйствам 1996 |
0,27270889 |
0,5529646949 |
|
|
Среднее по хозяйствам 2007 |
0,15894371 |
0,273826939 |
|
|
Калач Расчет по выручке |
степень специализации; энтропия |
степень специализации; отклонение от абсолюта |
|
|
Среднее по хозяйствам 1996 |
0,10226230 |
0,2980347309 |
|
|
Среднее по хозяйствам 2007 |
0,14324980 |
0,3062587868 |
Таблица 28. Расчет изменений в степени специализации предприятий Панинского района Воронежской области за 1996-2007 годы
|
Панино Расчет по затратам |
степень специализации; энтропия |
степень специализации; отклонение от абсолюта |
|
|
Среднее по хозяйствам 1996 |
0,12936992 |
0,34246487 |
|
|
Среднее по хозяйствам 2007 |
0,191952917 |
0,30119698 |
|
|
Панино Расчет по выручке |
степень специализации; энтропия |
степень специализации; отклонение от абсолюта |
|
|
Среднее по хозяйствам 1996 |
0,086886827 |
0,23729037 |
|
|
Среднее по хозяйствам 2007 |
0,16860524 |
0,29383700 |
Как видно из таблиц 26-28 за годы с 1996 по 2007 степень специализации районов увеличилась как при расчете по выручке, так и при расчете по затратам хозяйств. Это можно объяснить усилением действия рыночных факторов, заставляющих хозяйства в силу невысокой рентабельности концентрировать средства на воспроизводство в меньшем числе наиболее рентабельных отраслей.
4.4 Сравнение устойчивости двух методов оценки степени специализации (концентрации) предприятий
В данном пункте исследуется изменчивость (колеблемость) с течением времени удельных весов прямых затрат и выручки различных отраслей сельскохозяйственного производства в общей сумме затрат и выручки сельскохозяйственных предприятий. Схема исследований предлагается следующая: на первом этапе рассчитываются удельные веса прямых затрат и выручки различных отраслей сельскохозяйственного производства в общей сумме затрат и выручки сельскохозяйственных предприятий по ряду районов Воронежской области за период с 1996 по 2007 годы. Затем вычисляются средние по районам показатели удельных весов прямых затрат и выручки за рассматриваемый период для рассматриваемой отрасли производства. Наконец составляются для каждого района два временных ряда первый ряд включает районные средние удельные веса прямых затрат в общей сумме затрат, а второй - районные средние удельные веса выручки в общей сумме выручки за период с 1996 по 2007 годы для данной отрасли производства. Для каждого временного ряда вычисляется показатель колеблемости - коэффициент вариации , равный отношению среднего квадратического отклонения временного ряда к его среднему значению (математическому ожиданию) a
. (12)
Ряды удельных весов будут тем более устойчивы, чем ниже их коэффициент вариации.
Очевидно, более устойчивые ряды наиболее пригодны для оценки специализации сельскохозяйственных предприятий. В таблицах 29 и 302 приведены фрагменты расчетов описательных статистик для районных показателей среднерайонных удельных весов прямых затрат и выручки для зерновой отрасли за 1996-2007 годы. Такие расчеты были проведены для всех лет с 1996 по 2007 годы и всех отраслей (зерновая отрасль, технические культуры и животноводство).
Таблица 29. Пример расчета описательных статистик районных показателей удельных весов прямых затрат и выручки (Анненский район, 1996, 1997 годы, зерновая отрасль).
|
1996 затр зерно Анна |
1996 затр тех культуры Анна |
|||||
|
Среднее |
20,0294 |
Среднее |
20,9742 |
|||
|
Стандартное отклонение |
5,642004 |
Стандартное отклонение |
6,490185 |
|||
|
Дисперсия выборки |
31,83221 |
Дисперсия выборки |
42,12251 |
|||
|
Интервал |
29,12623 |
Интервал |
30,67496 |
|||
|
Минимум |
5,569409 |
Минимум |
10,87675 |
|||
|
Максимум |
34,69564 |
Максимум |
41,5517 |
|||
|
Сумма |
560,8233 |
Сумма |
566,3034 |
|||
|
Счет |
28 |
Счет |
27 |
|||
|
Наибольший(1) |
34,69564 |
Наибольший(1) |
41,5517 |
|||
|
Наименьший(1) |
5,569409 |
Наименьший(1) |
10,87675 |
|||
|
Уровень надежности(95,0%) |
2,187739 |
|
Уровень надежности(95,0%) |
2,567433 |
|
|
|
1996 выручка зерно Анна |
1996 выручка тех культуры Анна |
|||||
|
Среднее |
42,62769 |
Среднее |
24,74607 |
|||
|
Дисперсия выборки |
100,3677 |
Дисперсия выборки |
56,38522 |
|||
|
Интервал |
47,17831 |
Интервал |
30,18377 |
|||
|
Минимум |
10,59292 |
Минимум |
11,74151 |
|||
|
Максимум |
57,77123 |
Максимум |
41,92527 |
|||
|
Сумма |
1236,203 |
Сумма |
668,144 |
|||
|
Счет |
29 |
Счет |
27 |
|||
|
Наибольший(1) |
57,77123 |
Наибольший(1) |
41,92527 |
|||
|
Наименьший(1) |
10,59292 |
Наименьший(1) |
11,74151 |
|||
|
Уровень надежности(95,0%) |
Подобные документы
Основы специализации и диверсификации производства в крупных интегрированных предприятиях. Диверсификация и кооперация в аграрной сфере России: формирование показателей эффективности экономики. Оценка сравнительной инвестиционной привлекательности.
диссертация [1,9 M], добавлен 01.10.2010Основополагающие концепции диверсифицированных компаний. Направления вертикальной интеграции. Перспективы развития аграрной политики и крупных сельскохозяйственных предприятий в России. Подходы к расчету экономической эффективности диверсификации.
дипломная работа [737,7 K], добавлен 07.10.2010Сущность, значение и исторические факты появления диверсификации и специализации предприятия. Формы диверсификации и специализации, их характеристика. Основные преимущества, недостатки и эффективность специализированных и диверсифицированных компаний.
курсовая работа [45,4 K], добавлен 19.08.2010Понятие диверсификации и ее виды. Подходы к совершенствованию структуры экономики страны. Диверсификация экономики региона как важнейшее условие повышения ее конкурентоспособности. Отраслевая структура промышленного производства Челябинской области.
реферат [57,5 K], добавлен 27.08.2012Специализация и кооперирование предприятий: понятие, виды, формы (предметная, подетальная, технологическая), показатели уровня. Концентрация производства и обоснование оптимального размера предприятий. Комбинирование и эффект диверсификации производства.
контрольная работа [102,7 K], добавлен 18.07.2011Основные направления специализации и кооперирования производства. Система показателей, характеризующих производственную программу. Оценка экономической эффективности мероприятий по внедрению НТП на предприятии. Расчет основных экономических показателей.
курсовая работа [103,9 K], добавлен 02.07.2010Земельные ресурсы и основные фонды хозяйства. Специализация и диверсификация аграрных предприятий, уровень рентабельности товарной продукции, использование собственного и заемного капитала. Возможности трансформации землепользования на перспективу.
курсовая работа [105,2 K], добавлен 17.07.2011Теоретические аспекты диверсификации производства на предприятиях: понятие и причины этого процесса. Изучение видов стратегий диверсификации производства. Практическое применение методов стратегии диверсификации на примере химической промышленности РФ.
курсовая работа [289,9 K], добавлен 28.02.2010Специализация производства как процесс общественного разделения труда. Характеристика и анализ структуры производства СПК "Ворони". Показатели экономической эффективности размещения: качество продукции; производительность труда; окупаемость затрат.
дипломная работа [124,5 K], добавлен 25.05.2014Совокупные затраты производства. Методика определения себестоимости продукции и ее факторный анализ. Анализ показателей финансового состояния предприятия. Технологические факторы снижения себестоимости. Специализация и диверсификация аграрных предприятий.
курсовая работа [83,0 K], добавлен 17.06.2010
