Попова В. Б. кандидат экономических наук Мичуринский государственный аграрный университет
advertisement
Попова В. Б. кандидат экономических наук Мичуринский государственный аграрный университет Институт экономики и управления, г. Мичуринск, Россия Попов А. А. Мичуринский государственный аграрный университет Институт экономики и управления, г. Мичуринск, Россия МЕТОДИЧЕСКИЕ ПОДХОДЫ К ВЫЯВЛЕНИЮ ЭКОНОМИЧЕСКОГО РОСТА В СЕЛЬСКОМ ХОЗЯЙСТВЕ Аннотация: В статье представлены методические подходы, основанные на статистическом аналитическом инструментарии, обосновывающие приоритетные направления экономического роста в сельском хозяйстве. Ключевые слова: производственная функция, кластерный анализ, экономическая область, дополнительный экономический эффект, эффективность аграрного производства. Popova V. В. PhD in Economics Michurinsk State Agrarian University, Institute of Economics and management Michurinsk, Russia Popov А. А. Michurinsk State Agrarian University, Institute of Economics and management Michurinsk, Russia APPROACHES TO IDENTIFY ECONOMIC GROWTH IN AGRICULTURE Abstract: The article presents a methodological approaches based on statistical analytical tools supporting the priority areas of economic growth in agriculture. Key words: production function, cluster analysis, economic analysis, economic performance, efficiency of agricultural production. Экономический рост является центральной проблемой любой хозяйственной системы. Общепринятой количественной мерой экономического роста является прирост выпуска продукции. Вопросы по изучению экономического роста рассматриваются в различных отраслях экономической науки. Целесообразность статистического подхода к данной проблеме обусловлена в первую очередь тем, что функционирование сельского хозяйства как экономической системы носит стохастический характер, обусловленный взаимодействием живых организмов с окружающей их физической средой, влиянием общеэкономической ситуации, изменений законодательной системы и других воздействий, формирующих состояние неопределенности. Это предопределяет необходимость анализа отрасли в рамках вероятностных категорий. Аналитический процесс аграрного производства включает изучение результатов функционирования большого количества хозяйствующих субъектов, отличающихся размерами ресурсов и производства, формами хозяйствования, специализацией и другими признаками. В связи с этим актуализируется проблема формирования однородных групп производственных единиц, что хорошо реализуется с помощью алгоритмов кластерного анализа. Особенностью данного метода многомерной классификации является то, что расхождения между объектами, входящими в выделенную группу, незначительны, а различия между группами существенны. Выбор способа кластеризации зависит от количества наблюдений и от того, есть ли необходимость работать одновременно с несколькими типами данных. При большом количестве наблюдений осуществляется неиерархическая кластеризация. При этом заранее определяется количество кластеров и количество итераций. Наиболее распространен среди неиерархических методов алгоритм k-средних (k-means). Он строит k кластеров, расположенных на возможно больших расстояниях друг от друга. Результаты кластерного анализа методом k-средних проверяются путем сравнения средних по всем измерениям для каждого кластера, чтобы оценить, насколько кластеры различаются друг от друга. Наличие сильно различающихся средних для большинства или для всех измерений, используемых в анализе, а также значения F-статистики, полученные для каждого измерения, являются индикаторами того, насколько хорошо соответствующее измерение дискриминирует кластеры [1, с. 116]. Для окончательной проверки устойчивости кластерного решения целесообразно производить сравнение результатов, полученных для различных алгоритмов кластеризации. Высокая доля совпадения объектов в сравниваемых группах является основанием признать кластеризацию достоверной, а выявленную структуру исследуемых данных реальной. Другой важной задачей исследования в области многомерных классификаций является выбор характеристик, на основе которых проводится кластеризация. Необдуманный выбор приводит к неадекватному разбиению на кластеры и, как следствие, – к неверному решению задачи исследования. Использование большого числа переменных приводит к выделению кластеров нечеткой структуры, в результате чего достаточно сложно осуществить их интерпретацию. Применительно к социально-экономическим исследованиям речь идет о выборе информативного комплекса признаков, оказывающих существенное неколлинеарное влияние на результат. Для экономических систем характерной и относительно устойчивой является связь между затратами ресурсов и выпуском продукции, что предопределяет использование размеров основных производственных ресурсов в качестве группировочных признаков при проведении кластерного анализа. Количественно указанная взаимосвязь выражается в производственной функции, под которой понимается статистическая модель, описывающая зависимость результативного показателя от производственных факторов. Производственно-технологические зависимости производства продукции хорошо описываются функцией Кобба-Дугласа Y a0 x11 x22 x33 x44 и кинетической функцией n Y a0 x11 x22 ... xnn ea1x1 a2 x2 ...an xn x j j e j 1 ajxj . Для производственной функции сельскохозяйственного производства базисным является набор из четырех факторов: земельной площади, численности трудовых ресурсов, размера основных фондов и оборотных средств. Если исключить любой из этих факторов, то их набор будет неполный. Использование же дополнительных факторов будет излишним, так как приведет к искажению коэффициентов производственной функции, что, однако, в условиях функционирования конкретной агроэкономической системы не исключает возможности включения в число аргументов производственной функции других факторов [3, с. 45]. Так как внутри разных кластеров имеют место существенно различные взаимосвязи между анализируемыми признаками, то кластерный анализ должен предшествовать построению многофакторных статистических моделей. В связи с этим модель имеет смысл лишь в области, охваченной фактическими данными, использованными при её построении. Методические подходы, направленные на выявление экономического роста, связаны с расчетом и применением вычисляемых на основе производственных функций коэффициентов эластичности, которые показывают, на сколько процентов в среднем изменится результативный показатель Y при однопроцентном изменении j-го фактора. В функции Кобба-Дугласа коэффициентом эластичности E j является показатель степени при факторах xj, включённых в исследование, в кинетической функции коэффициент эластичности уже не является константой, а имеет вид: E j j a j x j . Коэффициенты эластичности по каждому фактору рассчитываются по данной формуле с использованием среднего размера соответствующего вида ресурса в исследуемых предприятиях каждого кластера. Методически применение коэффициентов эластичности сводит задачу выявления экономического роста к трем составляющим: 1) нахождению производства в экономической области; 2) достижению положительного эффекта расширения масштабов производства; 3) получению дополнительного экономического эффекта, выражающегося в увеличении выпуска продукции. О нахождении производства в экономической области можно говорить, когда увеличение затрат любого ресурса сопровождается некоторым ростом объёма производства. Это достигается при положительных значениях коэффициентов эластичности по каждому фактору. При применении кинетической производственной функции с переменной эластичностью нахождение в экономической области обеспечивается, если коэффициент эластичности по каждому ресурсу является величиной неотрицательной в той области факторного пространства, которая характерна для данной совокупности. Определение положительного эффекта расширения масштабов производства осуществляется посредством суммирования частных коэффициентов эластичности в рамках каждого кластера. Получаемый при этом результат носит название эластичности производства и показывает на сколько процентов измениться выпуск продукции при изменении затрат ресурсов на 1 %. Значение данного показателя больше единицы свидетельствует о положительном эффекте расширения масштабов производства. Получение дополнительного экономического эффекта, выражающегося в увеличении выпуска продукции, может быть достигнуто на основе распространения закономерностей функционирования кластеров, отличающихся более высокими результатами деятельности, на другие кластеры. Реализация этой задачи связана с оценкой значимости статистических различий между кластерами хозяйствующих субъектов по уровню показателей эффективности аграрного производства. Необходимость таких расчетов вызвана тем, что алгоритм кластерного анализа обеспечивает существенность расхождения между выделенными группами только по размеру ресурсного потенциала. Но это автоматически не означает, что кластеры различны и по эффективности функционирования. Различные числовые значения параметров производственных функций в кластерах также не означают, что они различаются по эффективности производства, так как при кинетической функции даже при разных числовых значениях параметров результат может быть одинаковым за счет совокупного влияния на прирост продукции средней производительности ресурсов и достигнутого уровня производства [2, с. 156]. Для проверки гипотезы о существенности статистических расхождений между выделенными кластерами по уровню показателей эффективности целесообразно применение непараметрического критерия Краскала–Уоллиса, используемого для сравнения нескольких выборок, различных по объёму. Основываясь на результатах статистического моделирования, проводится линейная интерполяция между коэффициентами эластичности ресурсов, от использования которых получена отрицательная или нулевая отдача, и показателями ресурсообеспеченности, в уровнях которых наблюдается существенная разница. На основе этого строится уравнение, подставляя в которое рекомендуемое значение показателя ресурсообеспеченности, вычисляется новое значение соответствующего коэффициента эластичности. Пересчитывается значение коэффициента эластичности производства для проблемного кластера. Оно сравнивается с его прежним значением, полученная разница умножается на выпуск продукции по данному кластеру, и тем самым определяется дополнительный экономический эффект. Таким образом, представленные методические подходы по выявлению экономического роста в сельском хозяйстве, основанные на использовании процедур кластерного анализа и результатах статистического моделирования, обеспеченные статистической оценкой надежности расчетов, позволяют объективно выявить приоритетные направления экономического роста в исследуемой отрасли. Список литературы 1. Попова В. Б. Особенности применения кластерного анализа в статистических исследованиях аграрного производства // Ученые записки Тамбовского регионального отделения Вольного экономического общества России. Научно-теоретический и практический журнал. – Тамбов, 2013. – Том 14, выпуск 1-2. – С. 115-119. 2. Попова В. Б. Статистическое моделирование эффективности аграрного производства: Диссертация на соискание ученой степени кандидата экономических наук / Мичуринский государственный аграрный университет. Мичуринск-наукоград РФ, 2009. – 176 с. 3. Смагин Б. И. Вероятностно-статистический подход определения эффективности в аграрной сфере производства / Б. И. Смагин, В. В. Машин // Вестник Мичуринского государственного аграрного университета. 2012. – № 1-2. – С. 44-47.
