В Республике Дагестан сельское хозяйство – ведущая отрасль экономики. При этом свыше половины аграрного производства приходится на животноводство. Животноводство является важной отраслью как по части занятости населения, так и в его продовольственном обеспечении, особенно в хозяйствах горной и предгорной зон. Однако потенциал развития экономики АПК, по мнению ученых и специалистов, реализуется весьма неудовлетворительно. Причин такого положения много. К ним можно отнести высокие инвестиционные риски, связанные с неблагополучной обстановкой в республике, недопустимо высокий уровень безработицы, низкая конкурентоспособность экономики республики в целом и сельского хозяйства в частности, низкий уровень развития производственной и социальной инфраструктуры сельского хозяйства и низкий, по сравнению с другими сферами экономики, образовательный уровень сельского хозяйства, острая нехватка специалистов в силу непрестижности профессий, ориентированных на аграрный сектор, самая низкая среди сфер экономики заработная плата и вызванный этим отток сельской молодежи в город [1, 2, 4].
Анализ (с др. греч. – разложение, расчленение) – это метод исследования, позволяющий изучить анализируемый объект. Экономическое прогнозирование – это получение информации о состоянии экономических показателей анализируемого объекта посредством применения системы методов, расчетов. Для анализа динамики показателей были рассчитаны показатели базисного и цепного темпов роста. В табл. 1–3 представлены такие показатели крупного рогатого скота молочного направления, как среднегодовое поголовье, общее количество затрат и материальные затраты, а также темпы роста к базисному (2005 г.) и предыдущему году за 2005–2015 гг.
Как видно из данных таблиц, среднегодовое поголовье крупного рогатого скота в целом за рассматриваемый период имеет тенденции к снижению, но в 2011 г. наблюдается скачек на 19,5 %, что на 4025 тыс. голов больше чем в 2010 г. В 2012 г. поголовье возросло на четверть, по сравнению с 2011 г., а в 2014 г. наблюдается скачок поголовья, почти в два раза (на 63,3 %) по сравнению с 2013 г.. Величина материальных затрат, аналогично общему количеству затрат, имеет тенденцию к росту, но так же, как и по общему количеству затрат, в 2013 г., здесь наблюдается спад на 2,4 % по сравнению с 2012 г., в 2014 г., также резкий скачок на 83,5 % по сравнению с предыдущим годом, а в 2015 г. по сравнению с 2014 г. особой разницы не наблюдается.
Что касается изменения этих показателей по отношению к базисному (2005) году, то здесь можно отметить, что среднегодовое поголовье скота уменьшается, а материальные затраты и общее количество затрат при этом возрастают, что говорит о не очень эффективном использовании ресурсов. То есть если в 2005 г. этот показатель составлял 25443 тыс. голов, то в 2015 г. он составил 47560 тыс. голов. Материальные затраты и общее количество затрат возросло на 58,98 % и 44,20 % соответственно по сравнению с базисным годом, то есть на 374512 тыс. руб. и на 715986 тыс. руб. соответственно. Колебания этих показателей наглядно отображены на рис. 1.
Таблица 1
Величины среднегодового поголовья скота, материальных и всех затрат по основному стаду крупного рогатого скота молочного направления (по данным МСХиПрод. РД за 2005–2015 гг.)
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
2011 |
2012 |
2013 |
2014 |
2015 |
|
Среднегодовое поголовье, голов |
25443 |
23139 |
21853 |
21095 |
21232 |
20671 |
24696 |
30988 |
29450 |
48086 |
47560 |
Затраты – всего, тыс. руб. |
17181 |
17355 |
18763 |
22131 |
25881 |
301567 |
37005 |
53184 |
52569 |
88779 |
93114 |
Материальные затраты, тыс. руб. |
70707 |
73633 |
78144 |
87612 |
10104 |
117581 |
15594 |
24858 |
24265 |
44521 |
48773 |
Таблица 2
Темпы роста к предыдущему году среднегодового поголовья скота, общего количества затрат и материальных затрат
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
2011 |
2012 |
2013 |
2014 |
2015 |
|
Среднегодовое поголовье, голов |
90,9 |
94,4 |
96,5 |
100,6 |
97,4 |
119,5 |
125,5 |
95,0 |
163,3 |
98,9 |
|
Затраты – всего, тыс. руб. |
101,0 |
108,1 |
117,9 |
116,9 |
116,5 |
122,7 |
143,7 |
98,8 |
168,9 |
104,9 |
|
Материальные затраты, тыс. руб. |
104,1 |
106,1 |
112,1 |
115,3 |
116,4 |
132,6 |
159,4 |
97,6 |
183,5 |
109,5 |
Таблица 3
Темпы роста к базисному (2005) году среднегодового поголовья скота, общего количества затрат и материальных затрат
2005 |
2006 |
2007 |
2008 |
2009 |
2010 |
2011 |
2012 |
2013 |
2014 |
2015 |
|
Среднегодовое поголовье, голов |
100 |
90,6 |
85,9 |
82,9 |
83,4 |
81,2 |
97,1 |
121,8 |
115,7 |
189,0 |
186,9 |
Затраты – всего, тыс. руб. |
100 |
101 |
109 |
128,8 |
150,6 |
175,5 |
215,4 |
309,6 |
306,0 |
516,7 |
542,0 |
Материальные затраты, тыс. руб. |
100 |
104 |
110 |
123,9 |
142,9 |
166,3 |
220,5 |
351,6 |
343,2 |
629,7 |
689,8 |
Источник: составлена автором.
Рис. 1. График базисных темпов роста основных показателей КРС
Таким образом, можно сделать вывод, что лучшие результаты по всем трем показателям были в 2015 г. и составили: среднегодовое поголовье – 47560 тыс. голов, затраты – всего – 931146 тыс. руб., материальные затраты – 487734 тыс. руб.
По данным структуры затрат на ключевые виды продукции животноводства за 2005–2015 гг. видно, что основная доля затрат приходится на корма, наибольший удельный вес затрат на корма был в 2015 г., а именно составил 56,72 % от общего количества затрат. Также удельные веса оплаты труда по овцеводству и козоводству в среднем превышают удельные веса оплаты труда по основному стаду КРС молочного направления на всем рассматриваемом периоде, что говорит о том, что в сектор овцеводства направлено больше трудовых ресурсов.
Диаграммы структуры затрат по животноводству всего за 2010 и 2015 гг. по основным видам затрат представлены на рис. 2 а и б соответственно.
Как видно из представленных диаграмм, структура затрат в 2010 и 2015 гг. отличается. А именно, в 2010 году доля затрат на корма собственного производства превышает долю этих же затрат в 2015 г. на 16,78 %, но при этом доля затрат на общее количество кормов в 2015 г. возросла на 15,53 %, что говорит о том, что в 2015 г. шла активная закупка готовых кормов. Также, по сравнению с 2010 г., в 2015 г. затраты на оплату труда сократились на 9,21 %, что говорит о не очень удовлетворительной структуре затрат, так как оплата труда является одним из самых важных видов затрат, а в 2015 г. на долю этих затрат пришлось всего лишь 12,09 %. Для выявления тенденций могут быть применены различные методы, модели и методики. Наиболее распространенными методами выявления тенденций являются [1]:
– классический метод, предусматривающий расчет темпов роста и прироста;
– графический метод, предусматривающий построение различных видов графиков и диаграмм;
– эконометрический, предусматривающий построение уравнений временных рядов и рядов динамики, расчет и анализ их параметров и характеристик.
Одним из наиболее распространенных способов моделирования тенденции временного ряда является построение аналитической функции, характеризующей зависимость уровней ряда от времени или тренда [2]. Выбор наилучшего уравнения можно осуществить путем перебора основных форм тренда по статистическим характеристикам, проанализировав наиболее важные из характеристик, которыми являются коэффициенты корреляции и детерминации, F-критерий Фишера и средняя ошибка аппроксимации. Реализация этого метода относительно проста при компьютерной обработке [5].
Коэффициенты корреляции и детерминации позволяют оценить степень тесноты связи между экономическими показателями, принятыми в качестве зависимой (у) и независимой (х) переменных. Величина коэффициента корреляции варьирует от 0 до 1. Чем ближе коэффициент к 1, тем связь считается теснее. Соответственно коэффициент корреляции близкий к нулю говорит об отсутствии связи между показателями [1].
а)
б)
Рис. 2. Структура затрат на производство продукции животноводства в 2010 (а) и 2015 (б) гг., %
Таблица 4
Величины параметров и статистических характеристик уравнений временных рядов для среднегодового поголовья крупного рогатого скота по данным МСХиПрод РД за 2005–2015 гг.
линейн. |
гиперб. |
степен. |
показ. |
парабол. |
||
Параметры |
b |
16535,9 |
28933,2 |
20127,4 |
18705,8 |
32246,4 |
m |
1841,7 |
– 7743,1 |
0,1636 |
1,0600 |
– 6013,5 |
|
Коэффициент регрессии m1 |
m1 |
714,1 |
||||
Стандарт. ошибка для параметра b |
seb |
4472,4 |
4034,2 |
0,0803 |
0,1383 |
3814,9 |
Стандарт. ошибка для параметра m |
sem |
720,8 |
10247,6 |
0,1112 |
0,0223 |
1593,3 |
Стандарт. ошибка для параметра m 1 |
sem1 |
141,2 |
||||
Стандартная ошибка для y |
sey |
6547,0 |
8523,9 |
4704,7 |
4592,2 |
3243,6 |
Коэффициент детерминации |
r2 |
0,4494 |
0,07 |
0,2129 |
0,4603 |
0,8817 |
Число степеней свободы |
df |
8 |
8 |
8 |
8 |
7 |
F-критерий Фишера |
F |
6,5 |
0,6 |
2,2 |
6,8 |
26,1 |
Остаточная сумма квадратов |
Ssresid |
3,429E + 08 |
5,812E + 08 |
0,0902 |
0,3280 |
7,365E + 07 |
Регрессионная сумма квадратов |
Ssreg |
2,798E + 08 |
4,148E + 07 |
0,0244 |
0,2798 |
5,491E + 08 |
Средняя ошибка аппроксимации |
А, % |
16,92 |
20,48 |
18,09 |
17,98 |
12,16 |
Коэффициент корреляции |
R |
0,6703 |
0,2581 |
0,4614 |
0,6785 |
0,9390 |
Источник: составлена автором.
Рис. 3. График, отображающий уровни ряда и линию тренда
Таблица 5
Величины параметров и статистических характеристик уравнений рядов динамики, выражающих зависимость затрат на производство продукции животноводства по данным МСХиПрод РД за 2005–2015 гг.
линейн. |
гиперб. |
степен. |
показ. |
парабол. |
||
Свободный член |
b |
– 316960,9 |
1303754,3 |
0,00454 |
72249,9 |
– 480437,3 |
Коэффициент регрессии |
m |
25,5 |
– 235967383,3 |
1,7768 |
1,0001 |
36,2 |
Коэффициент регрессии m1 |
m1 |
– 0,00016 |
||||
Стандарт. ошибка для параметра b |
seb |
99206,0 |
162460,9 |
1,8692 |
0,3766 |
506516,2 |
Стандарт. ошибка для параметра m |
sem |
3,6 |
3989993326,0 |
0,4236 |
0,000014 |
32,6 |
Стандарт. ошибка для параметра m 1 |
sem1 |
0,000457 |
||||
Стандартная ошибка для y |
sey |
89024,9 |
104393,3 |
102152,4 |
106552,9 |
94440,1 |
Коэффициент детерминации |
r2 |
0,8646 |
0,81 |
0,6874 |
0,6727 |
0,8667 |
Число степеней свободы |
df |
8 |
8 |
8 |
8 |
7 |
F-критерий Фишера |
F |
51,1 |
35,0 |
17,6 |
16,4 |
22,8 |
Остаточная сумма квадратов |
Ssresid |
6,340E + 10 |
8,718E + 10 |
0,1646 |
0,9136 |
6,243E + 10 |
Регрессионная сумма квадратов |
Ssreg |
4,049E + 11 |
3,812E + 11 |
0,3620 |
1,8782 |
4,059E + 11 |
Средняя ошибка аппроксимации |
А, % |
16,92 |
20,48 |
36,76 |
36,08 |
26,02 |
Коэффициент корреляции |
R |
0,6703 |
0,2581 |
0,8291 |
0,8202 |
0,9310 |
Источник: составлена автором.
Средняя ошибка аппроксимации – это среднее отклонение расчетных значений от фактических. Допустимый предел значений средней ошибки аппроксимации не более 10–15 % [2].
F-критерий Фишера необходим для оценки качества построенного уравнения. При этом уравнение считается приемлемым, если рассчитанное значение F-критерия выше табличного (табличные значения F-критерия приводятся в учебниках по статистике и эконометрике [3]).
Выявим наилучшее уравнение тренда и определим величины параметров и статистических характеристик уравнений временных рядов для среднегодового поголовья крупного рогатого скота. Результаты расчетов представлены в табл. 4.
Как видно из табл. 4, у линейной, гиперболической, степенной и показательной регрессии ошибка аппроксимации превышает допустимые значения и равна 16,9 %, 20,5 %, 18,1 %, 17,9 % соответственно. Это говорит о том, что расчетные значения уравнений значительно отклоняются от фактических. Также у гиперболической и степенной регрессии низкий коэффициент корреляции (0,26 и 0,46 соответственно), что говорит об очень слабой и почти случайной связи между показателями. Расчетное значение F-критерия для параболической регрессии, как видно из табл. 4, равно 26,1, а значит, данные уравнения в целом являются статистически значимыми и адекватно описывают изучаемое явление. Параболическое уравнение принимает следующий вид: Yt = 32246,4 – 6013,5t + 714,1t2.
График, отображающий фактические уровни ряда и полиномиальную линию тренда, представлен на рис. 3.
Для дальнейшего исследования необходимо рассчитать статистические характеристики и построить на их основе уравнения рядов динамики. За зависимый показатель Y принимаем затраты, за независимый показатель Х – среднегодовое поголовье скота. Производя необходимые расчеты по исходным данным, получаем данные, отраженные в табл. 5.
Проведя аналогичный анализ, из табл. 5 можно сделать вывод, что все уравнения регрессии являются статистически незначимыми, так как их ошибки аппроксимации достаточно превышают допустимые значения, хотя расчетные значения F-критерия Фишера и превышают табличное значение (5,32, для количества степеней свободы равное 8 и вероятности 0,05). Но так как у линейной регрессии ошибка аппроксимации ниже, чем у других уравнений, и незначительно превышает допустимую норму (16,9 %), а также коэффициент корреляции равен 0,67 (что говорит о «хорошей» связи между показателями), то можно сказать, что данное уравнение в целом адекватно описывает изучаемое явление. Линейное уравнение принимает следующий вид: Уt = – 316960,9 + 25,5*Хt.
Выводы
1. Для принятия обоснованных управленческих решений региональными органами управления агропромышленным комплексом, требуется проведение анализа динамики социально-экономических показателей. В рамках данного исследования нами использованы статистические методы (средних и относительных величин, обработки рядов динамики, индексный, корреляционный анализ) анализа социально-экономических показателей производства продукции животноводства, а также методы построения и анализа моделей временных рядов и рядов динамики.
2. Нами проанализированы показатели среднегодового поголовья, суммарных и материальных затрат на содержание основного стада крупного рогатого скота молочного направления. Выявлено, что среднегодовое поголовье скота имеет тенденции к снижению при росте суммарных затрат. Резкое снижение по всем трем показателям (среднегодовое поголовье, суммарные и материальные затраты) наблюдается в 2013 г. по сравнению с 2012 г. Но в 2014 и 2015 гг. имеет место резкий скачок по этим показателям.
3. Для выявления более приемлемого вида уравнения тренда нами определены и проанализированы величины параметров и статистических характеристик различных уравнений временных рядов (пяти видов) для среднегодового поголовья крупного рогатого скота. Наиболее приемлемым, с нашей точки зрения, является параболический вид тренда, что подтверждается рядом статистических характеристик, в частности значение скорректированного коэффициента корреляции является наиболее высоким, а также средняя ошибка аппроксимации находится в допустимых пределах.
4. Проанализировав величины параметров и статистических характеристик уравнений рядов динамики, мы пришли к выводу, что ни один из видов тренда не оказался статистически значимым, так как средняя ошибка аппроксимации у всех уравнений выходила за допустимые пределы. Но так как у линейной регрессии, по сравнению с другими, ошибка аппроксимации наименьшая и незначительно превышает допустимые нормы, то можно считать, что она наиболее адекватно описывает изучаемое явление.
Библиографическая ссылка
Баммаева Г.А. АНАЛИЗ ДИНАМИКИ ПОКАЗАТЕЛЕЙ ПРОИЗВОДСТВА, СЕБЕСТОИМОСТИ И РЕАЛИЗАЦИИ ПРОДУКЦИИ ЖИВОТНОВОДСТВА ПО МАТЕРИАЛАМ ОТЧЕТНОСТИ МИНСЕЛЬХОЗПРОДА РЕСПУБЛИКИ ДАГЕСТАН ЗА 2005–2015 ГГ. // Фундаментальные исследования. – 2016. – № 11-1. – С. 117-122;URL: https://fundamental-research.ru/ru/article/view?id=40938 (дата обращения: 17.08.2024).