От функционирования аграрного сектора экономики региона напрямую зависит степень его продовольственной безопасности, что порождает необходимость всестороннего анализа сельскохозяйственного производства и отдельных его отраслей. Стабильное и эффективное производство сельскохозяйственной продукции связано с действием множества факторов. Актуальной становится проблема реализации тех мер, которые могут дать эффект при минимальных затратах производства. К их числу можно отнести повышение устойчивости производства сельскохозяйственной продукции за счет формирования специализированных зон размещения тех или иных ее видов. Обеспечение роста уровня сельскохозяйственного производства при минимальных затратах будет происходить посредством учета и эффективного использования биоклиматического и социально-экономического потенциалов региона как конкурентных преимуществ.
В пределах Западно-Казахстанской области на развитие сельского хозяйства оказывает влияние комплекс факторов, от дифференциации которых во многом зависит территориальная организация, специализация аграрного производства, урожайность сельскохозяйственных культур, продуктивность скота и качество получаемой продукции. Высокая степень дифференциации природных и социально-экономических условий отражается на структуре сельского хозяйства и участии его в республиканском и международном разделении труда. Поэтому необходим факторный анализ территориальной организации сельского хозяйства области в целях ее оптимизации. Вопросы обоснования адаптации сельскохозяйственного производства к природным условиям и социально-экономическим факторам хозяйствования исследованы многими экономистами-аграрниками [3, 4, 5, 9].
Цель исследования – разработка факторной модели территориальной организации сельского хозяйства региона.
Материалы и методы исследования
В качестве методологии был использован системно-структурный подход к исследованию влияния агроклиматических условий и социально-экономических факторов на территориальную организацию сельского хозяйства региона. Изучение этих вопросов проводилось на основе анализа имеющихся теоретических представлений специалистов различного профиля, включающих оценку факторов территориальной организации сельского хозяйства и ее элементов. Исходные материалы включают группу агроклиматических, экономических показателей и результаты полевых обследований Западно-Казахстанской области в целом и в разрезе административных районов. В исследовании использованы пространственные данные (выборка из 13 наблюдений за 2015 г. [6].
Совокупное влияние на продуктивность растений теплообеспеченности и влагообеспеченности определялось с помощью показателя биоклиматического потенциала:
(1)
где Kр – коэффициент биологической продуктивности растений; – годовая сумма температур выше 10°; 1000°– сумма температур за вегетационный период [7].
Для выявления закономерностей влияния ряда факторов на территориальную организацию сельского хозяйства использовался метод корреляционно-регрессионого анализа. Для охвата всех субъектов аналитическим исследованием в модели использовался пространственный тип данных (cross-sectional data), то есть совокупность экономической информации, которая характеризует различные объекты, полученные за один и тот же период времени. Параметры модели оценены методом наименьших квадратов. Процесс моделирования произведен в оболочке программы MS Excel. В ходе исследования были пройдены все этапы множественного регрессионного анализа – сбор и обработка данных, построение множественной регрессии, проверка качества модели и коэффициентов регрессии, интерпретация результатов. При изучении динамики агроклиматических и экономических показателей использовались математические и статистические методы.
Результаты исследования и их обсуждение
Состояние и уровень развития аграрного производства в значительной степени зависят от сложившихся в регионе условий: природных и социально-экономических. Они могут как способствовать, так и препятствовать формированию и дальнейшему функционированию производства, различна также и степень их воздействия. Западно-Казахстанская область имеет значительную широтную протяженность, расположена в двух подзонах (умеренно сухой и сухой степи), пустынно-степной и пустынной зонах, что сказывается на разнообразии агроклиматических условий (в частности, биоклиматического потенциала) в ее пределах и, как следствие, лимитирует урожайность сельскохозяйственных культур. Совокупность природных и социально-экономических факторов области способствует зональной специализации сельского хозяйства и влияет на качество выпускаемой продукции.
Реализация принципов территориальной организации сельского хозяйства способствует взаимоприспособлению территории и производства, созданию благоприятных пространственных условий эффективного хозяйствования путем рационального размещения элементов организации аграрного производства и использования факторов его ведения.
Для определения степени влияния отдельных природных и экономических факторов на территориальную организацию сельского хозяйства области была разработана корреляционно-регрессионная модель. В качестве результативных признаков был принят показатель «Производство продукции сельского хозяйства на 1 человека, занятого в сельском хозяйстве», тыс. тг. В качестве независимых переменных были использованы:
– урожайность зерновых культур, ц/га (Х1);
– плотность населения, чел/1 кв. км (Х2);
– плотность поголовья скота (голов КРС на 100 га сельхозугодий) (Х3);
– удельный вес пашни в площади сельхозугодий, % (Х4);
– кадастровая стоимость, тыс. тг/1 га (Х5);
– биоклиматический потенциал территории (Х6);
– обеспеченность основными фондами (в расчете на 100 га сельхоугодий), тыс. тг. (Х7);
– уровень безработицы, % (Х8) (табл. 1).
Данные по этим экономическим показателям за 2015 г. обработаны методом наименьших квадратов, с помощью надстройки пакета анализа данных табличного процесса Microsoft Office Excel. При построении уравнения множественной регрессии может возникнуть проблема мультиколлинеарности факторов, их тесной линейной зависимости. Мультиколлинеарность – понятие, которое используется для описания проблемы, когда нестрогая линейная зависимость приводит к получению ненадежных оценок регрессии [2].
Таблица 1
Исходные данные для анализа взаимосвязей и построения регрессионной модели территориальной организации сельского хозяйства Западно-Казахстанской области за 2015 г.
№ п/п |
Административные районы |
Урожайность зерновых культур, ц/га |
Плотность населения, чел/1 кв. км |
Плотность поголовья скота (голов КРС на 100 га сельхозугодий) |
Удельный вес пашни в площади сельхозугодий, % |
Кадастровая стоимость, тыс. тг./1 га |
Биоклиматический потенциал территории |
Обеспеченность основными фондами (в расчете на 100 га сельхоугодий), тыс. тг. |
Уровень безработицы, % |
Производство продукции сельского хозяйства на 1 чел., занятого в с/х, тыс. тг. |
1. |
Акжаикский |
0 |
1,6 |
0,06 |
0,03 |
1,9 |
20 |
4938 |
5,6 |
2090,0 |
2. |
Бокейординский |
0 |
0,8 |
0,14 |
0,002 |
1,9 |
20 |
7294 |
2,2 |
2725,8 |
3. |
Бурлинский |
3 |
9,8 |
0,07 |
1,2 |
10,6 |
70 |
3596 |
13,0 |
2756,1 |
4. |
Жангалинский |
0 |
1,1 |
0,06 |
0,002 |
1,9 |
10 |
3624 |
5,15 |
2033,0 |
5. |
Жанибекский |
0 |
2,0 |
0,09 |
0,08 |
4,4 |
50 |
6696 |
3,5 |
2035,6 |
6. |
Зеленовский |
8,2 |
7,5 |
0,08 |
3,9 |
24,4 |
100 |
30309 |
6,9 |
3564,8 |
7. |
Казталовский |
0 |
1,6 |
0,1 |
0,008 |
4,4 |
45 |
7062 |
4,5 |
2270,7 |
8. |
Каратюбинский |
0 |
1,6 |
0,12 |
0,002 |
1,9 |
15 |
10275 |
2,3 |
2105,0 |
9. |
Сырымский |
2,2 |
1,6 |
0,07 |
0,4 |
4,4 |
30 |
5311 |
4,04 |
1959,4 |
10. |
Таскалинский |
3,8 |
2,1 |
0,09 |
0,6 |
10,6 |
60 |
9302 |
3,5 |
2167,2 |
11. |
Теректинский |
2,6 |
4,4 |
0,09 |
2,15 |
18,1 |
80 |
23794 |
7,9 |
3654,0 |
12. |
Чингирлауский |
2,6 |
2,1 |
0,11 |
0,5 |
4,4 |
65 |
11872 |
3,2 |
2035,8 |
13. |
г. Уральск |
2,2 |
0,4 |
0,07 |
0,4 |
33,1 |
103 |
11480 |
4,8 |
3560,0 |
Для оценки мультиколлинеарности факторов может использоваться определитель матрицы парных коэффициентов корреляции между факторами. Если бы факторы не коррелировали между собой, то матрица парных коэффициентов корреляции между факторами была бы единичной матрицей, поскольку все недиагональные элементы были бы равны нулю [10]. Для диагностики модели на мультиколлинеарность построим матрицу парных коэффициентов корреляции (табл. 2).
Таблица 2
Матрица парных коэффициентов корреляции
х1 |
х2 |
х3 |
х4 |
х5 |
х6 |
х7 |
х8 |
у |
|
х1 |
1,00 |
||||||||
х2 |
0,64 |
1,00 |
|||||||
х3 |
–0,20 |
–0,24 |
1,00 |
||||||
х4 |
0,89 |
0,72 |
–0,17 |
1,00 |
|||||
х5 |
0,64 |
0,30 |
–0,29 |
0,61 |
1,00 |
||||
х6 |
0,74 |
0,48 |
–0,19 |
0,69 |
0,89 |
1,00 |
|||
х7 |
0,74 |
0,38 |
0,10 |
0,88 |
0,63 |
0,66 |
1,00 |
||
х8 |
0,38 |
0,86 |
–0,52 |
0,50 |
0,34 |
0,42 |
0,14 |
1,00 |
|
у |
0,56 |
0,42 |
–0,06 |
0,71 |
0,76 |
0,86 |
0,73 |
0,44 |
1,00 |
Значения коэффициентов парной корреляции указывают на достаточно сильную связь каждого из факторов с результатом. Однако при анализе матрицы парных коэффициентов корреляции наблюдается мультиколлинеарность – тесная взаимосвязь нескольких объясняющих факторов (переменных хi) в уравнении регрессии. При такой сильной межфакторной зависимости рекомендуется один из факторов исключить из рассмотрения. Исключению подлежит фактор, имеющий более слабую связь с результативным признаком [1, 8]. В модели урожайность зерновых имеет тесную связь с такими объясняющими факторами, как Биоклиматический потенциал территории, Обеспеченность основными фондами. Фактор Плотность населения, чел/1 кв. км тесно коррелирует с фактором Удельный вес пашни в площади сельхозугодий и Уровень безработицы. Удельный вес пашни в площади сельхозугодий дублирует влияние фактора Обеспеченность основными фондами (в расчете на 100 га сельхоугодий). И четвертая пара с высоким значением коэффициента корреляции, – кадастровая стоимость (х5) имеет высокую корреляцию с фактором Биоклиматический потенциал территории. Используя метод исключения для очищения модели от дублирования воздействия, оставляем в уравнении факторы х3, х6, х7, х8. После обработки эмпирических данных по этим экономическим показателям получаем модель:
(2)
Статистические показатели этой модели представлены в табл. 3.
Таблица 3
Статистические характеристики модели, построенной при помощи надстройки пакета анализа табличного процессора Microsoft Office Excel
Регрессионная статистика |
|
Множественный R |
0,850 |
R-квадрат |
0,722 |
Нормированный R-квадрат |
0,583 |
Стандартная ошибка |
421,839 |
Дисперсионный анализ |
|
Регрессия SS MS |
3694949,65 923737,41 |
Остаток SS MS |
1423586,06 177948,26 |
F |
5,19 |
Значимость F |
0,02 |
Модель позволяет с большой точностью анализировать территориальную организацию сельского хозяйства на основании выбранных факторов. Данная формула была проверена на статистическую значимость, для чего были рассчитаны t-статистики для коэффициентов регрессии, определен коэффициент детерминации (R2) и его статистическая значимость на основе значения распределения Фишера, осуществлены тесты на выявление гетероскедастичности, мультиколлинеарности и автокорреляции. Были использованы тест Дарбина – Уотсона Уайта, методы графического анализа остатков. В результате проведенных исследований выяснилось что построенная многофакторная эконометрическая модель является статистически значимой и, следовательно, может быть применена для прогнозирования показателя Производство продукции сельского хозяйства на 1 чел., занятого в сельском хозяйстве, с использованием выбранных факторов.
Модель (2) является адекватной по критерию Фишера, так как
Fрасч = 5,19 > Fкр = F(0,5; 13; 7) = 2,92.
Причем значимость F равна 0,02, т.е. для нашего примера полученная модель в целом может быть принята значимой. Коэффициент детерминации R2 равный 0,722 показывает, что 72,2 % вариации наблюдаемых значений зависимой переменной y объясняется построенной моделью (2).
Проведем интерпретацию результатов полученной модели. Так, с увеличением плотности поголовья скота на 100 га сельхозугодий показатель производства продукции сельского хозяйства на 1 чел., занятого в сельском хозяйстве, повышается на 3183,1 тыс. тг. С повышением значения биоклиматического потенциала территории на одну единицу производство продукции сельского хозяйства на 1 чел., занятого в сельском хозяйстве, повышается на 7,9 тыс. тг. Показатель обеспеченности основными фондами дает незначительное повышение результативного признака – на 30 тг/чел. Уровень безработицы дает повышение производства продукции сельского хозяйства на 1 чел., занятого в сельском хозяйстве, на 63,1 тыс. тг. Таким образом, наиболее сильными и значительными факторами из анализируемых, влияющими на территориальную организацию сельского хозяйства Западно-Казахстанской области, являются Плотность поголовья скота, Уровень безработицы и Биоклиматический потенциал территории.
Выводы
Изучение сложившихся факторов территориальной организации сельского хозяйства свидетельствует о том, что в области имеются необходимые предпосылки для устойчивого развития аграрного производства. Дифференцирующее влияние всей совокупности природных условий и социально-экономических факторов в их конкретном проявлении определяют особенности территориальной организации, структуры сельского хозяйства области и степень его участия в территориальном разделении труда. Научно обоснованное использование резервов, заложенных в природном и экономическом потенциалах области, позволит повысить концентрацию аграрного производства, углубить специализацию хозяйств и повысить их экономическую эффективность. Дальнейшие исследования будут предполагать прогнозные расчеты увеличения производства сельскохозяйственной продукции за счет применения инновационных технологий. Необходима разработка механизма эффективного регулирования внутрирегиональной дифференциации аграрного производства.
Библиографическая ссылка
Таршилова Л.С., Ибыжанова А.Д. ФАКТОРНЫЙ АНАЛИЗ ТЕРРИТОРИАЛЬНОЙ ОРГАНИЗАЦИИ СЕЛЬСКОГО ХОЗЯЙСТВА ЗАПАДНО-КАЗАХСТАНСКОЙ ОБЛАСТИ // Фундаментальные исследования. – 2016. – № 9-3. – С. 639-643;URL: https://fundamental-research.ru/ru/article/view?id=40797 (дата обращения: 24.11.2024).