Использование методов статистического моделирования при разработке стратегии развития сельских территорий региона

Размещено на http://www.allbest.ru/

Бирская государственная социально-педагогическая академия

ИСПОЛЬЗОВАНИЕ МЕТОДОВ СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ ПРИ РАЗРАБОТКЕ СТРАТЕГИИ РАЗВИТИЯ СЕЛЬСКИХ ТЕРРИТОРИЙ РЕГИОНА

Стовба Е.В.

В современных условиях развития аграрной экономики проблематика разработки стратегии развития сельских территорий на региональном уровне является важной и актуальной задачей отечественных научных исследований [3, 6, 8, 9]. Необходимо отметить, что к настоящему времени в Российской Федерации не сформирована единая методология и методические подходы к трактовке формирования стратегии развития сельских территорий.

Однако, по нашему мнению, использование методов моделирования при выработке альтернативных сценариев развития сельских территорий позволяет эффективно проектировать сбалансированное развитие производственной и социальной сферы и определять возможные условия достижения роста сельской экономики, повышения уровня и качества жизни сельского населения [1, 4, 5]. Новая парадигма социально-экономического развития сельских территорий Республики Башкортостан определяет использование современных методов моделирования и прогнозирования, а именно построение эконометрических, оптимизационных и имитационных моделей, а также применение многомерного статистического (кластерного) анализа.

Важно подчеркнуть, что разработка стратегии развития сельских территорий на региональном уровне с применением методов моделирования предусматривает обработку очень больших массивов объективной информации. При этом по мере повышения иерархического уровня управления моделируемого объекта - «сельскохозяйственная организация» - «сельская территория» - «регион» - степень детализации, используемых при решении экономико-математической задачи параметров, уменьшается. Целый ряд моделируемых социально-экономических показателей при переходе на более высокий уровень либо исключается, либо агрегируется и объединяется по определенному признаку, что особенно характерно при применении в исследовании методов индексного и кластерного анализа.

Построение модельных конструкций, адекватно отображающих реальную действительность, невозможно без предварительной оценки всего массива необходимой информации с последующим сжатием ее объема. Использование методов кластерного анализа помогает объединить муниципальные образования (сельские районы) региона с учетом различных социально-экономических показателей в однородные группы (кластеры) [2, с. 30]. На данной основе существенно сокращаются большие массивы реальной экономической информации, используемой в дальнейших модельных расчетах, и по определенным критериям выделяются типичные агроорганизации в пределах сельских территорий по Республике Башкортостан.

В связи с этим нами разработана методика сжатия больших массивов реальной экономической информации, основанная на выделении типичных хозяйств. Алгоритм определения типичных агроорганизаций в границах каждой сельской территории региона осуществляется с помощью методов кластерного и корреляционно-регрессионного анализа и включает следующие этапы:

1. Использование методов многомерного статистического анализа для сжатия больших массивов реальной экономической информации.

Реализация данного этапа основана на осуществлении группировки сельскохозяйственных организаций с использованием методов (процедур) многомерного статистического анализа по однородным кластерам. Целью проводимой кластеризации является выделение изолированных групп, внутри которых объекты (агроорганизации в пределах сельских территорий) однородны, согласно выбранному интегральному критерию группировки (доли выручки, получаемой агроорганизациями по основным видам сельскохозяйственной продукции).

2. Выбор критерия типичности сельхозорганизаций в пределах сельской территории.

Критерием типичности определен минимум суммы отклонений наиболее значимых производственных факторов и результативных показателей от их среднегрупповых отклонений: , где - сумма квадратов отклонений показателей обеспеченности факторами производства агроорганизаций однородных кластеров от их средних характеристик с учетом значимости этих факторов; - сумма квадратов отклонений результативных показателей агроорганизаций однородных кластеров с учетом значимости этих факторов.

3. Определение количественных характеристик (показателей обеспеченности факторами производства) сельхозорганизаций сельской территории. стратегия сельский региональный кластер

Для вычисления показателей решается корреляционная задача зависимости выхода прибыли на 100 га пашни по каждой агроорганизации однородных кластеров от количественных характеристик (показателей обеспеченности факторами производства). При определении зависимости ставится задача вычислить отклонения показателей обеспеченности агроорганизаций факторами производства от их средних величин по каждому сформированному кластеру и коэффициенты частной детерминации Яj , рассчитываемые как произведение , где - коэффициенты стандартизированного уравнения регрессии, - коэффициенты парной корреляции.

Из множества показателей, характеризующих результаты производства, в расчетах используются следующие факторы:

- площадь пашни;

- удельный вес пашни в сельхозугодьях;

- количество пашни на одного работника;

- количество тракторов на 100 га пашни;

- объемы вносимых удобрений;

- экономическая оценка пашни.

4. Определение качественных характеристик (результативных показателей) сельхозорганизаций сельской территории.

При решении корреляционной задачи зависимости выхода прибыли от результативных показателей хозяйств в качестве результативных показателей используются следующие пять факторов:

- продуктивность коров;

- себестоимость молока;

- выход товарной продукции на 100 га пашни;

- выход товарной продукции на 1 чел.-час.;

- выход товарной продукции на 100 руб. основных производственных фондов сельскохозяйственного назначения.

5. Оценка значимости количественных и качественных характеристик сельхозорганизаций сельской территории на основе использования корреляционно-регрессионного анализа и выделение типичной сельхозорганизации в каждой группе (кластере).

Суммирование минимумов и позволяет выделить типичные сельхозорганизации для сформированных кластеров. Необходимо отметить, что при этом выбранные сельхозорганизации должны характеризоваться средними для выделенных кластеров размерами, средним уровнем обеспеченности и могут иметь в своем производственном составе отрасли разного направления и уровня специализации.

Важно подчеркнуть, что проведение углубленного экономико-математического анализа оптимальных параметров для решения задачи на основе типичных хозяйств позволяет существенно сократить объем модельной информации, используемой в дальнейших оптимизационных расчетах. Результаты и выводы, полученные в ходе анализа для типичных хозяйств, могут распространяться на остальные агроорганизации сельской территории.

На зональном уровне выделение типичных хозяйств с использованием кластерного анализа возможно в разрезе каждой из шести сельскохозяйственных зон республики - Северной, Северо-Восточной и Южной лесостепи, Предуральской и Зауральской степи и Горно-лесной зоны. При этом проводимые расчеты должны базироваться на основе положений теории неравномерного развития «полюсов роста» Ф. Перу и Ж.-Р. Будвилья, согласно которой социально-экономическое развитие любой территории (в том числе и сельской) осуществляется неравномерно и непропорционально. Сформированная система оценочных показателей социально-экономического развития позволяет выделить однородные кластеры и на данной основе определить так называемые «точки роста» - сельские территории, в которых комплексный (интегральный) показатель, характеризующий уровень и качество жизни населения, значительно выше показателя среднереспубликанского значения.

Существенным моментом, учитывающимся при разработке перспективных планов развития аграрной сферы сельских территорий, является прогнозирование таких ключевых показателей развития аграрного производства, как урожайность сельскохозяйственных культур и продуктивность животных. В рамках разработки модельного проекта развития сельских территорий Республики Башкортостан нами составлены корреляционно-регрессионные модели прогнозирования урожайности культур и продуктивности животных для агроорганизаций Бирского муниципального района - одного из типичных сельских районов Северной лесостепной зоны региона.

При разработке корреляционно-регрессионной модели ставилась цель определить прогнозируемую урожайность зерновых культур агроорганизаций зоны на краткосрочный период (1 - 3 года), а также выявить наиболее значимые факторы, влияющие на их уровень. При составлении корреляционно-регрессионных уравнений с помощью метода экспертных оценок рассмотрены 14 факторов, оказывающих определенное влияние на урожайность зерновых культур.

При прогнозировании урожайности использовались методы многомерного статистического и корреляционно-регрессионного анализа к определению искомых модельных параметров. Для этого проводилась оценка и расчет прогнозируемой урожайности сельскохозяйственных организаций по 20-ти производственным функциям.

Количественный и качественный анализ полученных результатов позволил выделить линейную функцию, наиболее полно соответствующую поставленным целям исследования. Полученное в результате вычислений корреляционно-регрессионное уравнение можно представить в следующем виде: , где

- урожайность зерновых культур хозяйств сельской территории, ц/га;

- фондооснащенность (стоимость основных производственных фондов сельскохозяйственного назначения на 100 га сельхозугодий), руб.;

- экономическая оценка пашни, баллов бонитета;

- удельный вес семян элиты и первой репродукции в общей массе посеянных семян зерновых культур, %;

- энергообеспеченность (наличие энергетических мощностей на 100 га сельхозугодий), л.с.;

- внесение минеральных удобрений д.в. на 1 га посева, кг.

Остальные восемь факторов, являющихся мультиколлинеарными, малодостоверными, малозначимыми и дублирующими друг друга, в соответствии с парными корреляционными критериями и критериями надежности Стьюдента (t-критериями) были последовательно исключены из уравнения. Предложенное уравнение обладает более высокой точностью по сравнению с другими уравнениями. Расчетное значение дисперсионного отношения Фишера Fрасч. = 97,4 значительно превышает Fкр. при уровне значимости 0,05, что говорит об адекватности построенной модели.

Коэффициент множественной корреляции уравнения R = 0,92 является свидетельством очень высокой тесноты связи урожайности зерновых культур с факторами, вошедшими в уравнение. Коэффициент детерминации R2 = 0,85, то есть вариация урожайности зерновых культур хозяйств сельской территории на 85 % объясняется факторами, вошедшими в базовое уравнение.

Также была осуществлена проверка отсутствия автокорреляции в остаточной статистической последовательности по d-критерию Дарбина-Уотсона (D-W). Для линейной функции критерий Дарбина-Уотсона d = 2,12 (? 2), что показывает отсутствие автокорреляции и позволяет сделать вывод об адекватности построенной модели.

В ходе предварительных расчетов перед началом классификации все используемые для кластерного анализа данные были стандартизированы. В процессе кластеризации выделены основные признаки (,,), наиболее полно обеспечивающие объединение агроорганизаций в кластеры. В результате вычислений определены однородные кластеры для прогнозирования урожайности зерновых культур по каждой сформированной группе сельскохозяйственных организаций. При прогнозировании урожайности отдельных зерновых культур используются «коэффициенты соотношения», представленные, как отношение достигнутого уровня урожайности этих культур за 1996 - 2010 годы к средней урожайности зерновых культур по сгруппированным кластерам (табл. 1).

Таблица 1. Соотношения уровней фактической урожайности культур по кластерам [7, с. 54]

1. Гусманов У.Г., Терехов А.И., Гусманов Р.У. Научно-методические основы оптимизации производства в зерновом хозяйстве и растениеводстве. - М.: Россельхозакадемия, 2004. - 383 с.

2. Гусманов У.Г., Аскаров А.А., Стовба Е.В. Оптимизация структуры сельскохозяйственного производства района. - Уфа: Гилем, 2004. - 80 с.

3. Мантино Ф. Сельское развитие в Европе: политика, институты и действующие лица на местах с 1970-х годов до наших дней. - FAO, 2010. - 272 с.

4. Методы экономических исследований / Под ред. академика РАСХН В.Р. Боева. - М.: Типография Россельхозакадемии, 1999. - 260 с.

5. Прогнозирование будущего: новая парадигма / Под ред. Г.Г. Фетисова, В.М. Бондаренко. - М.: Экономика, 2008. - 283 с.

6. Статистическое наблюдение за развитием сельских территорий: проблемы, методология, рекомендации / Л.С. Корбут, Е.А. Лаврухина, Л.С. Платонова. - М.: ВИАПИ им. А.А. Никонова: ЭРД, 2011. - 227 с.

7. Стовба Е.В. Оптимизация структуры отраслей растениеводства агроорганизаций как важнейший фактор развития сельских территорий // Зерновое хозяйство России. - 2011. - № 6. - С. 52-57.

8. Устойчивое развитие сельских территорий: региональный аспект: Научные труды ВИАПИ им. А.А. Никонова / Под общ. ред. А.В. Петрикова. Вып. 25. - М.: ВИАПИ им. А.А. Никонова: ЭРД, 2009. - 272 с.

9. Чепурных Н.В., Новоселов А.Л., Мерзлов А.В. Региональное развитие: сельская местность. - М.: Наука, 2006. - 384 с.

Размещено на Allbest.ru