Исследование динамики статистических показателей путем построения гипертренда тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Исследование динамики статистических показателей путем построения гипертренда"

004607884 На правах рукописи

Попова Ирина Николаевна

ИССЛЕДОВАНИЕ ДИНАМИКИ СТАТИСТИЧЕСКИХ ПОКАЗАТЕЛЕЙ ПУТЕМ ПОСТРОЕНИЯ ГИПЕРТРЕНДА

Специальность 08.00.12 - Бухгалтерский учет, статистика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

--1 ИЮЛ 2010

Санкт-Петербург - 2010

004607004

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Санкт-Петербургский государственный университет экономики и финансов»

Научный руководитель - доктор экономических наук, профессор

Юзбашев Михаил Михайлович

Официальные оппоненты: доктор экономических наук, профессор

Ватник Павел Абрамович кандидат экономических наук, доцент Никифоров Олег Николаевич

Ведущая организация - Государственное образовательное

учреждение высшего профессионального образования «Санкт-Петербургский торгово-экономический институт»

Защита состоится «_»_2010 г. в_часов на заседании диссертационного совета Д 212.237.06 при Государственном образовательном учреждении высшего профессионального образования «Санкт-Петербургский государственный университет экономики и финансов» по адресу: 191023, Санкт-Петербург, ул. Садовая, д. 21, ауд._.

С диссертацией можно ознакомиться в библиотеке Государственного образовательного учреждения высшего профессионального образования «Санкт-Петербургский государственный университет экономики и финансов».

Автореферат разослан «_»_2010 г.

Ученый секретарь

диссертационного совета Е.Б. Капралова

I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Современные статистические методы прогнозирования, основанные на экстраполяции имеющегося развития в будущее, могут дать по многим показателям лишь краткосрочные прогнозы из-за коротких динамических рядов однокачественного развития. Изменения, произошедшие в нашей стране в конце прошлого века, прервали длительные динамические ряды показателей, характеризовавших развитие отдельных отраслей народного хозяйства.

В этой ситуации становится особенно актуальной задача найти способ, с помощью которого можно было бы на основе выборочного использования динамических рядов осуществлять долгосрочное прогнозирование. Прошлое развитие, какого бы то ни было явления, не может быть выброшено, развитие сегодняшнего дня опирается на опыт вчерашнего. Вопрос в том, как оценить влияние прошлого развития, соединить его с настоящим и дать прогноз на будущее? Для того чтобы попытаться ответить на этот вопрос, рассматривалось развитие конкретной отрасли - производства зерна в России.

Выбор этой отрасли обусловлен, с одной стороны, ее особой ролью, как в сельском хозяйстве, так и среди других отраслей промышленности. С другой стороны, производство зерна в России имеет объективные предпосылки, прежде всего, большие площади пригодных для сельского хозяйства земель, а также можно выделить традиции, навыки, собственную агрокультуру производства зерновых. В начале XX века эти факторы позволяли России быть одним из основных производителей и экспортеров зерна. Наша страна поставляла на мировой рынок 24,8% пшеницы (19091914 гг.), при этом доля экспорта данной культуры от ее производства составляла 42,4% (1911 г). Кроме пшеницы Россия вывозила рожь и ячмень. Разумно проанализировать прошлое развитие отрасли, тем более, если оно имело в определенные периоды весьма высокий уровень.

Следует обратить внимание еще на один аспект. Россия является частью мирового пространства: население страны - часть населения планеты, территория страны - часть всей площади Земли. Известный факт, что население планеты растет. Хотя темпы этого роста замедлились, однако демографический прогноз по-прежнему предсказывает увеличение численности населения Земли. Рост сельского хозяйства развитых стран в последние десятилетия сглаживает остроту проблемы голода на планете. Поддержание баланса между объемами продовольствия и растущей численностью населения планеты - общемировая задача уже сегодня. Т.е. мировое сельское хозяйство должно обеспечить увеличение потребления продуктов питания на душу населения и удовлетворение потребностей вновь появляющегося населения. В этом контексте ресурсы, которыми

обладает Российская Федерация, и их использование становятся объектом пристального внимания со стороны всего мира.

«Россия обладает девятью процентами мировой пашни, при этом ее доля в производстве зерна пока не превышает и 5 процентов. Потенциал для роста очевиден. Мы располагаем уникальным сочетанием факторов: значительным резервом посевных площадей и необходимыми водными ресурсами.» - из выступления министра сельского хозяйства РФ Е. Б. Скрынник на Всемирном зерновом форуме в Санкт-Петербурге 6-7 июня 2009 года.1

Это уникальное положение России - еще один довод в пользу анализа российского производства зерна, прогнозирования его перспектив, в том числе прогнозирования объемов возможного экспорта зерна.

Степень разработанности научной проблемы. Анализом производства зерна в России за разные временные промежутки, а также его прогнозированием занимались многие ученые. Следует обратить внимание на труды Н.Д. Кондратьева, A.B. Чаянова, А.И. Алтухова, С.И. Бараша, В.М. Обухова и других. Ученые статистики занимались разработкой вопросов теории анализа динамических рядов и прогнозирования на их основе, иногда на базе динамических рядов валового сбора зерна в России и его урожайности: В.Н. Афанасьев, В.В. Глинский, Г.С. Кильдишев, М.М. Юзба-шев и др.

В некоторых работах осуществлялся не просто анализ динамики за определенный обозримый промежуток времени, а попытка проанализировать практически весь путь развития данного производства. Так, например, в работе С.И. Бараша «Производство и реализация пшеницы в дореволюционной России и СССР (1880-1980 гг.)» произведен анализ за столетие. Однако стремление удлинить временной ряд имеет свои отрицательные стороны, т.к. в один динамический ряд включаются уровни, характеризующие разные этапы развития, можно сказать, разные эпохи.

Современное, измененное сельское хозяйство, основанное на новых формах собственности, имеет не слишком длительную историю, и прогнозирование на основе короткого временного промежутка не может дать надежных результатов.

Следовательно, исследование динамики показателей производства зерна в Российской Федерации в настоящее время, прогнозирование его объемов - тема актуальная, требующая анализа из «новой точки отсчета».

Цель н задачи исследования. Цель данного исследования - разработка методики, с помощью которой можно из длительного, но неоднородного динамического ряда построить конструкцию, дающую возмож-

' Официальный Интернет-портал Министерства сельского хозяйства РФ http://www.mcx.ru

ность долгосрочного прогнозирования, и применение ее для анализа и прогнозирования производства зерна в России.

В соответствии с этой целью, в процессе исследования, были поставлены следующие задачи:

• провести анализ общих тенденций развития сельского хозяйства России на протяжении ХХ-ХХ1 веков и выделить в истории страны периоды наиболее успешного развития зернового производства;

• обосновать возможность объединения выделенных периодов по конкретным показателям, характеризующим производство зерна;

• обосновать с точки зрения общей теории статистики и математической статистики возможность методики объединения разновременных отрезков ряда динамики в единый «гиперряд»;

• объединить выделенные отрезки показателей производства зерна в «гиперряд» динамики и рассчитать «гипертренд»;

• дать прогноз возможного уровня урожайности, валового сбора зерна в 2020 году на основе «гипертренда»;

• сравнить полученный прогноз по «гипертренду» с возможными прогнозами по другим методикам;

• оценить объемы внутренней потребности в зерне и возможные объемы экспорта его из России в 2020 году.

Характеристиками уровня развития производства зерна служат следующие показатели: посевные площади, валовой сбор, урожайность в целом по зерновым и по отдельным их видам.

Объект исследования. Объектом данного исследования является динамика валового сбора и урожайности зерновых, а также рассматриваются динамика этих показателей по отдельным видам зерновых культур, динамика размеров посевных площадей, показатели структуры валового сбора и посевных площадей под зерновыми культурами. Кроме того, рассмотрены показатели объемов потребления и экспорта зерна из России.

Предмет исследования. Предметом исследования в данной работе является нахождение приемов, которые позволили бы на основе неоднородного длительного динамического ряда выявить основной тренд развития, исключив внешние форс-мажорные факторы, и получение долгосрочного надежного прогноза.

Теоретическая и методологическая основа исследования. Теоретическую, методологическую и методическую базу данного исследования составили труды отечественных ученых: экономистов-аграрников по вопросам истории и развития зернового хозяйства в России, его роли в ми-

ровом производстве зерна; статистиков по вопросам анализа динамических рядов и прогнозирования на их основе.

В диссертации использованы различные методы исследования: исторический, монографический, различные статистические методы анализа (графический, корреляционно-регрессионный, анализ структурных изменений), математические методы прогнозирования.

Информационная база исследования. Расчеты в рамках новой методики приведены по данным производства зерна Центрального статистического комитета Министерства внутренних дел Российской Империи, Центрального статистического управления РСФСР и Федеральной службы государственной статистики РФ (Росстат) и Федеральной таможенной службы РФ (ФТС).

Научная новизна результатов исследования. Научная новизна работы состоит в следующем:

• впервые введены в общую теорию статистики понятия: гипер-ряд - объединение выявленных при периодизации длинного ряда динамики отрезков процесса развития объекта в однородных, нормальных условиях, без вмешательства посторонних, форс-мажорных обстоятельств; гипертренд - уравнение, характеризующее тенденцию гиперряда;

• на основе введенных понятий в диссертации разработана синтетическая методика, дополняющая аналитическую методику периодизации динамических рядов;

• доказана возможность практического использования разработанной методики на примере анализа динамики различных статистических показателей: абсолютных и относительных за период свыше 100 лет, для которых построены гиперряды, измерены гипертренды;

• на основе гипертрендов вычислены прогнозируемые значения всех показателей на долгосрочную перспективу - 2020 год и обосновано статистическое качество и вероятность правдоподобия полученных прогнозов при сравнении с прогнозами по динамическому ряду без периодизации.

Практическая значимость. Практическая значимость исследования заключается в том, что предлагается новая методика обработки динамических рядов, синтеза временных данных и прогнозирования. Данная методика дополняет набор методов общей теории статистики, направленных на изучение динамики показателей с существенной колеблемостью. Может использоваться для изучения и долгосрочного прогнозирования любых статистических показателей.

Апробация результатов исследования. Основные положения, научные выводы и результаты диссертационного исследования нашли отражение в опубликованных работах диссертанта, обсуждались и получили одобрение на научных сессиях профессорско-преподавательского состава, научных сотрудников и аспирантов Санкт-Петербургского государственного университета экономики и финансов.

Отдельные результаты работы представлены в материалах 1-й Международной научно-практической конференции «Актуальные проблемы преодоления кризиса: национальные и региональные приоритеты» «Зерновой ресурс России: анализ состояния и перспективы развития» (0,25

П.Л.).

Публикации. Основные положения диссертационного исследования отражены в 3 публикациях общим объемом 1,21 п.л.

Структура диссертации. Диссертационная работа состоит из введения, трех глав, заключения, библиографического списка.

Во введении обосновывается актуальность темы исследования, характеризуется степень разработанности проблемы, определяются цель, задачи, предмет и объект исследования, раскрывается научная новизна и практическая значимость работы.

В первой главе «Теоретическое обоснование выделения отдельных периодов изменения урожайности и валового сбора зерновых культур» проведен исторический обзор развития сельского хозяйства и в частности производства зерна в России начиная с 1900 года, выделены этапы стабильного развития данной отрасли, не осложненные форс-мажорными обстоятельствами.

Во второй главе «Статистическое обоснование возможности объединения разновременных отрезков ряда динамики в «гиперряд», построение «гипертренда» дано обоснование возможности объединения разновременных отрезков в единый ряд. На примере показателей урожайности и валового сбора зерна отдельные выделенные отрезки объединены в единый гиперряд, на основе которого построен гипертренд.

В третьей главе «Прогнозирование урожайности, объемов производства и вывоза зерна из России» на основе полученных гипертрендов рассчитаны прогнозируемые значения урожайности зерновых и валового сбора зерна в России в 2020 году. Произведена сравнительная оценка полученных прогнозов со значениями прогнозов по другим методикам. Про-

изведена оценка внутренней потребности в зерне в 2020 году и возможного экспорта, полученные значения сопоставлены с прогнозируемыми объемами показателей.

В заключении представлены основные результаты исследования.

II. ОСНОВНЫЕ ИДЕИ И ВЫВОДЫ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ

Многие экономисты, агрономы, историки занимались изучением процесса производства зерна в России с совершенно разных позиций как профессиональных, так и идеологических. Но, пожалуй, в одном они были едины: тяжелейший век выпал на долю России, вынесшей огромное количество тяжелых событий за это время. «В двадцатом веке российское зерновое хозяйство испытало многочисленные потрясения, связанные с Первой мировой, Гражданской и Великой Отечественной войнами, трагедией коллективизации и принудительной деколлективизацией, разного рода многочисленными реформами и преобразованиями, которые резко нарушали естественный процесс его развития, разрушали производственный потенциал зерновой отрасли, существенно снижали продуктивность зернового клина.»2

На протяжении XX века зерновое производство России постоянно подвергалось влиянию внешних форс-мажорных факторов: войны, революции, смены собственности и т.п. Безусловно, наличие этих факторов нарушало стабильное развитие отрасли. Периоды действительного развития под воздействием каких-либо событий сменялись упадком, затем наступал период восстановления, снова развитие. Такая цепочка разнородных этапов не дает возможности использовать ее для прогнозирования показателей.

Методы прогнозирования, используемые в сельском хозяйстве, могут быть классифицированы по различным признакам. Их выбор для конкретного исследования определяется задачей этого исследования. Методы, основанные на экстраполяции уровней исследуемого динамического ряда, следует использовать при достаточно однородных условиях развития данного явления.

Именно поэтому в длительной последовательности развития производства зерна автор пытался выделить однокачественные по сути, но разновременные промежутки. На протяжении XX и XXI веков производства зерновых в России из всего 108-летнего промежутка выделены три перио-

" Алтухов А.И. Современные проблемы развития зернового хозяйства и пути их решения. М., 2005. С. 19.

да стабильного роста урожайности зерновых общей продолжительностью 43 года:

- 1900-1913 гг. (дореволюционный)

- 1963-1979 гг. (советский)

- 1997-2008 гг. (современный)

Эти периоды характеризуются разными значениями урожайностей зерновых, но сравнимыми среднегодовыми темпами прироста.

Любой анализ динамики начинается с теоретического анализа условий развития изучаемого явления. Широко используемым приемом при этом является периодизация. Результатом периодизации является получение некоторого количества однокачественных, но разделенных во времени, отрезков изучаемого динамического ряда. Теория статистики обращает внимание на необходимость использования для прогнозирования одно-качественных периодов, что, как правило, приводит к коротким динамическим рядам и, как следствие, неточным или краткосрочным прогнозам.

Довольно глубоко и подробно в последнее время вопросами периодизации занимался В.В. Глинский. Ратуя за однородность статистических данных, как в совокупности, так и в динамике, он пишет: «Однако, в отличие от типологической группировки, периодизация исключительно редко используется в расчетах, соответственно и теория ее применения практически не разработана, нет устоявшихся корректных статистических методов ее реализации.»3 В.В. Глинский предлагает методику и технику применения конкретных методов периодизации, при этом среди правил построения хронологических рядов называет последовательность и непрерывность во времени уровней ряда.

Но где есть анализ, там должен быть и синтез. Методы науки симметричны: сложение - вычитание; умножение - деление; возведение в степень - извлечение корня; дифференцирование - интегрирование... Периодизации рядов динамики должно соответствовать обратное действие -объединение разных, но в чем-то однородных отрезков времени в единый «гиперряд» для построения единого «гипертренда».

Гиперрядом динамики называется совокупность последовательных, но не сплошных отрезков времени, объединенных отсутствием внешних, не коренящихся в самом явлении «форс-мажорных» факторов (война и восстановление после нее, революционные изменения, природные катастрофы и т.п.).

При изучении конкретного явления следует из достаточно продолжительного временного интервала выделить те периоды, когда данное явление развивалось под влиянием только свойственных ему факторов, оставшиеся промежутки времени, когда на изучаемое явление оказывали

3 Глинский В.В., Ионин В.Г. Статистический анализ: Учебное пособие,- 3-е изд., перераб. и доп. - М.: ИНФРА-М; Новосибирск: Сибирское соглашение, 2002,- с. 173

влияние факторы, не имеющие к нему отношения, должны быть исключены. В данном исследовании при изучении производства зерна следует рассматривать периоды его развития под влиянием изменяющейся агротехники, погодных условий, но не под влиянием сменяющихся государственных строев, форм собственности и т.п. Т.о., однородность, положенная в основу единого гиперряда, определяется сутью самого явления, его содержанием без влияния причин, не имеющих к нему отношения. Меняются правительства, формы собственности, меняются собственники, но люди выращивали, и будут выращивать хлеб. Такая однородность ничем не хуже, не слабее, чем основанная только на периодизации. Зато, в данном случае получаемые для анализа ряды будут длиннее, а значит - более пригодны для прогнозирования.

Особо следует сказать о применяемом в статистике динамики приеме, который внешне может показаться похожим на предлагаемый гипер-ряд. Речь идет о сопоставимости уровней и смыкании рядов динамики. В тех случаях, когда строятся достаточно продолжительные временные ряды, возникают ситуации, когда показатели, включаемые в один динамический ряд, отличаются друг от друга. Причинами этих отличий или несопоставимости уровней могут быть следующие: изменение единиц измерения, различная методика учета или расчета, изменение круга, охватываемых объектов или территориальных границ, изменение даты учета, различная продолжительность периодов и др.

Особую актуальность эти вопросы приобретают при составлении динамических рядов стоимостных показателей. Решается эта проблема использованием приема - смыкание динамических рядов, т.е. объединение в один ряд (более длинный) двух или нескольких рядов динамики, уровни которых исчислены по разной методологии или разным территориальным границам. Главная задача в данном случае - привести уровни уже определенного динамического ряда к сопоставимому виду через приведение к одному основанию или через пересчет показателей, т.е. происходит соединение непрерывных временных диапазонов. Следует обратить внимание, что смыкание динамических рядов предполагает изменение показателя, характеризующего уровни изучаемого явления (приведение к единообразному способу его исчисления), а не изменения в самом явлении. Методика гиперряда предлагает соединять отдельные отрезки времени развития явления, характеризующиеся единством и однородностью по какому-либо критерию, но не являющиеся последовательными, непрерывными. Следовательно, при внешнем сходстве - это два различных статистических приема анализа динамических рядов, имеющих совершенно разные задачи.

Само объединение конкретных показателей может быть осложнено использовавшимися различными единицами измерения, различиями в ме-

тодике расчета показателей, в абсолютной величине значений и т.п. Именно поэтому выбор показателя гиперряда должен быть обоснован. При объединении в гиперряд исходных значений показателей лучше перейти от абсолютных величин к относительным, т.к. отбор ведется из длительного динамического ряда, и абсолютные значения претерпевают существенные изменения. Поскольку конечная цель - анализ динамики, то лучший вариант относительных показателей - цепной коэффициент изменения (роста). Он отражает именно изменение показателей внутри каждого выделенного периода, при этом ничто не мешает соединять ряды этих коэффициентов в единый ряд. Можно использовать и другие относительные показатели. Например, рассчитав средний уровень показателя в отдельном выделенном периоде, соотнести с ним каждое значение показателя.

Общая длина гиперряда (число уровней) определяется количеством уровней в частных рядах, из которых он построен. Это сумма количеств уровней всех объединяемых отрезков времени.

На основе единого гиперряда строится гипертренд.

Гипертренд - это системное объединение нескольких отрезков процесса развития объекта в однородных по существенным условиям, и (или) при отсутствии внешних (форс-мажорных) факторов, нарушающих эти условия. Можно сказать, что гипертренд - это уравнение, характеризующее тенденцию гиперряда.

Тип уравнений частных трендов на отдельных отрезках, объединенных в гиперряд, как правило, одинаков. Если изучаемое явление, характеризуется показателями, имеющими тенденцию к росту, то, как правило, на всех отрезках, где не было внешних вмешательств, эта тенденция будет одинакова, т.к. она определена самой сутью данного явления. Чаще всего, говорят о выделении после периодизации хронологических интервалов, изменение уровней которых подчиняется одному закону развития.

Параметры уравнения гипертренда могут быть надежны, в то время как на отдельных коротких отрезках они не надежны. Отсюда обеспечивается и большая надежность прогнозов по гипертренду. Распространенная ситуация: когда развитие какого-либо явления было прервано внешними вмешательствами, и на настоящий момент имеется непродолжительный период стабильного развития. (С учетом изменений в нашей стране таких показателей очень много.) Вероятность, надежность прогнозов по короткому динамическому ряду невелика. Увеличение его включением предыдущих аномальных значений не увеличивает надежность прогноза. Использование для прогноза гипертренда решает эту проблему.

В данном исследовании проведены расчеты на примере показателей, характеризующих производство зерна в России, но сфера применения данной методики ничем не ограничена.

По анализируемым показателям урожайности и валового сбора зерна в России построены два гиперряда этих показателей.

Отличительной чертой гиперряда будет и то, что отражение конкретного периода или момента времени нецелесообразно. Указывается лишь порядковый номер значения, стоящего в новом динамическом ряду.

В нашем случае при расчете коэффициентов изменения (роста) в каждом из трех временных отрезков идет сокращение на один уровень, поэтому при объединении в гиперряд из сорока трех показателей остается сорок значений.

Таблица 1

Динамический гиперряд коэффициентов изменения (роста) урожай-

ности зерновых в России.

№ п/п 1 2 3 4 5 6 7 8 9 10

коэффициент роста 0,859 1,350 0,934 1,063 0,860 0,876 1,124 1,021 1,210 0,962

И 12 13 14 15 16 17 18 19 20 21

0,778 1,346 1,064 1,289 0,841 1,456 0,908 1,235 0,830 1,279 0,936

22 23 24 25 26 27 28 29 30 31 32

0,856 1,344 0,869 0,692 1,634 0,842 1,273 0,683 0,725 1,116 1,083

33 34 35 36 37 38 39 40

1,243 1,010 0,908 1,056 0,984 1,022 1,048 1,202

Таблица 2

Динамический гиперряд коэффициентов изменения (роста) валового _ сбора зерна в России. ___

№ п/п 1 2 3 4 5 6 7 8 9

коэф-т роста 0,875 1,349 0,958 0,869 0,863 0,888 1,111 1,036 1,230

10 11 12 13 14 15 16 17 18 19 20

0,991 0,797 1,327 1,110 1,364 0,801 1,433 0,896 1,225 0,820 1,263

21 22 23 24 25 26 27 28 29 30 31

0,923 0,874 1,408 0,867 0,693 1,640 0,855 1,254 0,674 0,540 1,142

32 33 34 35 36 37 38 39 40

1,197 1,301 1,016 0,776 1,162 1,001 1,005 1,041 1,323

На основе полученных гиперрядов построены гипертренды урожайности зерновых культур и валового сбора зерна.

* Л чо чь чо> ^ ¿5

номер в ряду

Рисунок 1 Линейный гипертренд коэффициентов роста урожайности зерновых

Полученная модель по урожайности зерновых характеризуется следующими коэффициентами. Свободный член уравнения составляет 1,0466, при /-критерии 14,6 является значимым, достоверным. Следовательно, можно уверенно утверждать, что среднегодовой коэффициент изменения (роста) урожайности зерновых за эти годы составляет 1,05 или среднегодовой прирост урожайности зерновых 5%. При этом получен отрицательный коэффициент регрессии, но крайне незначительный по абсолютной величине - (-0,00006), /-критерий этого коэффициента крайне низок (0,01895), доверять этому коэффициенту нельзя. Стандартное отклонение, характеризующее колеблемость цепных коэффициентов измерения (роста) - 0,223, говорит о заметной колеблемости значений. Коэффициент автокорреляции отклонений первого порядка (-0,4543) подтверждает преобладающий тип колебаний - пилообразный. Коэффициенты корреляции и детерминации, соответственно, равны (-0,003) и 0,00009.

В результате анализа валового сбора получены следующие характеристики. Параметр «а» уравнения равен 1,0337 при ¿-критерии - 13,07 вероятность нулевой гипотезы практически равна нулю, следовательно, параметр значим. Можно утверждать, что среднегодовой коэффициент изменения (роста) валового сбора зерновых за эти годы составил 1,03 или среднегодовой прирост валового сбора зерновых -3%. Коэффициент же регрессии «Ь» - 0,0007, г-критерий равен 0,201, отсюда, вероятность нулевой гипотезы 0,84. Близость к единице означает, полученный коэффициент регрессии недостоверен, ему нельзя доверять. Стандартное отклонение, характеризующее колеблемость коэффициентов изменения (роста) валового сбора - 0,245, говорит о наличии их умеренной колеблемости.

2,000 1,500 1,000 0,500 0.000

Е- Л ч0 ф ф ф ^ £>

номе р в ряду

Рисунок 2 Линейный гипертренд коэффициентов роста валового сбора зерна

Так же как и с моделью урожайности, подтверждена стабильность и надежность среднегодового коэффициента изменения (роста) валового сбора зерновых, который может быть использован для прогнозирования.

В построенных моделях подтверждена устойчивость самого коэффициента изменения (роста) урожайности и валового сбора и с высокой вероятностью отсутствие его изменения. Поэтому можно рассчитать прогнозируемое значение урожайности зерновых на 2020 год на основе среднего значения этого коэффициента по гиперряду. Среднее значение коэффициента изменения (роста) рассчитывается по средней геометрической:

к = ^¡А = = 1.0234

Следовательно, урожайность зерновых в среднем увеличивалась на 2,34% ежегодно. Полученный средний коэффициент изменения (роста) можно использовать для прогнозирования урожайности будущих периодов.

Прогнозирование осуществляется на период равный не более чем одной третьей длительности ряда. Рассчитаем значения урожайности на 2020 год. На основе гипертренда - это будет обоснованно, т.к. общая длина гиперряда - 40 значений, 2020 год - 12-й, прогнозирование осуществляется менее чем на треть ряда.

Итак, продолжительность периода, на который делается прогноз -12 лет (2020-2008=12). Сделаем сначала точечный прогноз по уравнению гипертренда коэффициента изменения (роста).

ужо=(1,0234)12 = 1,32

Это означает, что уровень урожайности зерновых 2020 года должен быть в 1,32 раза выше уровня года конца базы расчета. Отсюда, прогнозируемое значение урожайности на 2020 год:

19,8*1,32 = 26,14

Для расчета взята урожайность 2007 года. Традиционно при прогнозировании опираются на уровень последнего периода. В нашем случае уровень последнего периода - урожайность 2008 года - является рекордным значением, существенно отличающимся от остальных уровней ряда, даже предыдущий уровень (2007 года), тоже весьма высокий, превышен на 20%. Поэтому делать прогноз на основе урожайности 2008 года означает завышать его. Исходя из этого, при расчете прогнозируемой урожайности на основе среднегодового коэффициента изменения следует использовать урожайность 2007 года.

Полученное прогнозируемое значение существенно выше имеющегося на практике на сегодняшний день. Прогноз по гипертренду означает, что если процесс производства зерна до 2020 года не будет подвержен внешним отрицательным воздействиям форс-мажорного характера, а будет развиваться стабильно, то достижение прогнозируемого уровня урожайности - 26,14 ц/га вполне реально. Это значение - точечный прогноз, его следует считать выборочной оценкой генеральных параметров. «Наличие случайной колеблемости уровней порождает ошибку репрезентативности выборочных оценок тренда, которую следует принимать во внимание при прогнозировании.»4

При прогнозе с учетом случайной колеблемости «учитывается как вызванная колеблемостью ошибка репрезентативности выборочной оценки тренда, так и колебания уровней в отдельные периоды (моменты) относительно тренда. При этом следует строго различать три вида прогнозов:

- доверительного интервала для линии тренда;

- доверительного интервала для уровня отдельного периода (момента);

- доверительного интервала среднего уровня за ряд периодов (моментов).»5

Рассчитаем поэтапно все виды прогнозов урожайности зерновых.

1. Средняя ошибка прогноза для линии тренда на период с удалением на tk от середины базы прогноза:

где S (t) - среднее квадратическое отклонение уровней ряда от трен-

4 Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование: Учебник. - М.: Финансы и статистика, 2001, с. 195

3 Афанасьев В Н.. Юзбашев М.М. Анализ временных радов и прогнозирование: Учебник. - М.: Финансы и статистика, 2001, с. 196

да

п - число уровней базы тренда

Учитывая, что прогноз строится на 32 год от середины тренда, состоящего из 40 уровней, при среднеквадратическом отклонении 0,223, получим:

т, = 0,223* Л—+ = 0,223*^/0,217 =0,104 НО 5330 у

Задавая вероятность прогноза 0,95, нужно полученную среднюю

ошибку умножить на величину /-критерия для этой вероятности, тогда:

а, = 1*пи =1,96*0,104 = 0,204

310 >2Й

Пределы коэффициента изменения (роста) с учетом средней ошибки прогноза для линии тренда: 1,32-0,204; 1,32+0,204, т.е. от 1,116 до 1,524.

Тогда доверительные интервалы для тренда урожайности следующие: от 22,10 до 30,18 ц/га.

2. Средняя ошибка прогноза конкретного отдельного уровня:

т„ = 5(0 1 + - + = °>223 * + — + = 0.223 * д/1,217 = 0,246 V п ' 40 5330

При вероятности 0,95 г=1,96:

а = /*,«. =1,96*0,246 = 0,482

>20 >20

Пределы коэффициента изменения (роста) с учетом средней ошибки прогноза для уровня 2020 года: 1,32-0,482; 1,32+0,482, т.е. от 0,838 до 1,802.

Доверительные интервалы для урожайности следующие: от 16,59 до 35,68 ц/га.

3. Средняя ошибка прогноза среднего уровня для отрезка т единичных периодов до и после периода с номером г* от середины базы расчета тренда:

с/Л I ' . '*»0.5»| , 1

V« 2/г т

где т - количество лет, за которые рассчитывается средний уровень В нашем случае рассчитаем доверительные интервалы для 5-ти летнего среднего за период 2018-2022 гг.

тх = 0,223 * ,/——I- ——к — = 0,223 * л/0/Г17 = 0,144

>,!-22 V 40 5330 5 у

При вероятности 0,95 /=1,96: « =1*т„ =1,96*0,144 = 0,282

Л»-22 >18-12

Пределы коэффициента изменения (роста) с учетом средней ошибки прогноза для среднего уровня 2018-22 гг.: 1,32-0,282; 1,32+0,282, т.е. от 1,038 до 1,602.

Доверительные интервалы для средней урожайности следующие: от 20,55 до 31,72 ц/га.

Можно считать это оптимистичным прогнозом. Действительно, насколько можно рассчитывать на стабильность в развитии производства зерна в России, если, опираясь на 108-летний период, найдено только 43 года относительно стабильного развития. Если предположить, что в дальнейшем доля стабильного развития не повысится, то полученный результат следует поправить на это значение.

43:108 = 0,398 ~ 0,4

Откорректируем период упреждения с учетом поправки: 12*0,4 = 4,8 ^ тогда ПрОГНОз коэффициента изменения (роста) следует считать: уто =(1,0234)48 = 1,1174. А значение прогнозируемой урожайности на 2020 г. отсюда 19,8*1,1174=22,12 ц/га.

Это пессимистический прогноз, который говорит о том, что если вмешательства извне в процесс выращивания зерна будут продолжаться в той же мере, то вряд ли удастся достигнуть урожайности зерновых выше 22,12 ц/га.

Для оценки качества полученного прогноза были построены динамические модели урожайности зерновых в двух вариантах: 1) такой же длительности - 40 уровней - без периодизации (1969-2008 гг.); 2) по одно-качественному периоду развития (1997-2008 гг.) за 12 лет. По данным моделям рассчитаны прогнозируемые значения на 2020 год, результаты представлены в таблицах 3,4.

Таблица 3

Доверительные интервалы значений урожайности по всем методи-

кам прогнозирования (ц/га).

Методика прогнозирования Точечное значение урожайности 2020 года доверительные инте рвалы

линейного тренда уровня отдельного периода 5-летнего среднего

гипертренд 26,14 22,10-30,18 16,59-35,68 20,55 -31,72

линейный тренд 40 лет 18,29 16,00-20,58 12,86 - 23,72 15,1121,47

линейный тренд 12 лет 28,54 21,98-35,10 20,71 -36,37 21,7035,38

Таблица 4

Диапазон границ доверительных интервалов значений урожайности _ по всем методикам прогнозирования (ц/га)._

Методика Точечное диапазон границ доверительных интервалов

прогнози- значение линейного уровня от- 5-летнего

рования урожайности 2020 года тренда дельного периода среднего

гипертренд 26,14 8,07 19,09 11,17

линейный 18,29 4,58 10,86 6,36

тренд 40 лет

линейный 28,54 13,12 15,66 13,68

тренд 12 лет

Различие в величине точечного значения урожайности зерновых на основе гипертренда и на основе линейного 12-ти летнего тренда не велико, если учесть, что прогноз долгосрочный на 12 лет вперед. Однако, надежность этих прогнозов совершенно разная. Прогноз на основе 12-ти летнего тренда на 12 лет вперед не является надежным ни с содержательной, ни с математической точки зрения. Учитывая долгосрочность прогноза, наилучшим результатом можно считать прогноз на основе гипертренда для линейного тренда от 22,1 до 30,18 ц/га, либо для среднего пятилетнего уровня, т.е. доверительный интервал прогнозируемой средней урожайности зерновых на 2018-2022 годы от 20,55 до 31,72 ц/га.

Произведем прогноз валового сбора. На основании полученного среднегодового изменения (роста) определяем значение объема зерна в 2020 году. По аналогии с урожайностью осуществляется прогноз на 12 лет вперед. Следовательно, среднегодовой коэффициент изменения (роста) -1,0197 возводим в 12-ю степень, получаем 1,2638. Значит, уровень 2020 года должен быть выше уровня 2008 в 1,2638 раза. Т.к. объем валового сбора зерновых в 2008 составил рекордное значение 108,2 млн. га, что на треть выше предыдущего, тоже рекордного уровня, то прогнозирование на его основе будет существенно завышать значение прогноза. Разумно взять для прогноза объем валового сбора 2007 года, тогда 81,8*1,2638=103,379 млн.т. А такое увеличение (103,4- 81,8=21,6 млн. т.) за 12 лет стабильного развития отрасли вполне реально.

Так же как и с урожайностью следует подчеркнуть, что достижение этого объема валового сбора возможно только в том случае, если в ближайшие 12 лет в развитие отрасли производство зерна в России не будут вмешиваться сторонние, форс-мажорные факторы, как это было в прошлом.

В противном случае можно предложить пессимистический вариант прогноза. Доля стабильного развития в прошлом составила 40% (43 года из 108 лет), тогда период упреждения следует откорректировать на эту величину 12*0,4=4,8. Прогноз коэффициента изменения (роста):

уМ20 = (1,0197)4'8 = 1,0982

Отсюда значение прогнозируемого объема валового сбора зерновых в 2020год году 89,83 млн.т. (81,8*1,0982=89,833). Данный вариант исключать нельзя, но он исключает всякое развитие отрасли, предполагая ее жалкое существование на одном уровне в течение десятилетий.

По валовому сбору зерна, аналогично вычислениям по урожайности зерновых, были произведены расчеты всех видов прогнозов, построены модели по 40 значениям без периодизации и за последние 12 лет однока-чественного развития, рассчитаны прогнозируемые значения. Результаты представлены в таблицах 5,6.

Таблица 5

Доверительные интервалы значений валового сбора зерна по всем

методикам прогнозирования (млн. т.).

Методика прогнозирования Точечное значение валового сбора 2020 года доверительные инте овалы

линейного тренда уровня отдельного периода 5-летнего среднего

гипертренд 103,4 85,1 - 121,6 60,0 - 146,7 78,0- 128,7

линейный тренд 40 лет 62,9 47,6-78,1 26,8 - 99,0 41,7-84,0

линейный тренд 12 лет 120,2 72,1 - 168,3 62,8- 177,7 70,1-170,3

Таблица 6

Диапазон границ доверительных интервалов значений валового сбора зерна по всем методикам прогнозирования (млн. т.).

Методика Точечное диапазон границ доверительных интервалов

прогнози- значение ва- линейного уровня от- 5-летнего

рования лового сбора 2020 года тренда дельного периода среднего

гипертренд 103,4 36,5 87,7 50,7

линейный 62,9 30,5 72,2 42,3

тренд 40 лет

линейный 120,2 96,2 114,9 100,2

тренд 12 лет

По точечному прогнозу объема валового сбора зерновых значение по линейному тренду последних 40 лет явно занижено, значение по тренду, полученному по последним 12 годам, достаточно велико. Прогноз по гипертренду выглядит наиболее реальным. Что к^ается надежности предлагаемых прогнозов, то прогноз по 12-ти летнему тренду дает очень большие диапазоны доверительных интервалов. Вряд ли можно получить надежный прогноз на период упреждения равный длительности ряда. Прогноз по гипертренду при выполнении двух вышеперечисленных условий дает хороший результат как с точки зрения величины показателя, так и его доверительных интервалов. Может быть использован прогноз на 2020 год по линии тренда от 85,1 до 121,6 млн. т., или, что может быть даже лучше, прогноз среднего объема валового сбора в 2018-2022 гг. от 78,0 до 128,7 млн.т.

Сравнивая результаты прогнозов, полученные по разным методикам по двум сельскохозяйственным показателям, можно сказать следующее. Долгосрочное прогнозирование на основе динамических моделей, построенных за длительные временные промежутки без предварительной периодизации несостоятельно. Вместе с тем надо признать, что прогнозирование на основе коротких рядов дает ненадежные результаты. Именно поэтому современные статистические методы прогнозирования ориентированы обычно на краткосрочное прогнозирование.

Прогнозы на основе гипертренда дают обоснованные результаты. Прием синтеза гиперряда и построение на его основе гипертренда дает возможность осуществлять обоснованный надежный прогноз, в том числе, и что особенно важно, и на долгосрочную перспективу.

Сельское хозяйство в России всегда находилось под пристальным наблюдением и обсуждением общества. Увеличившийся объем производства зерна в последние годы вызвал неоднозначную оценку. Появились публикации, в которых утверждается, что большие объемы зерна не нужны стране ни на внутреннем, ни на внешнем рынке. Следует ли в этой ситуации прогнозировать рост валового сбора зерна? Какова ситуация в действительности?

В данной работе был произведен анализ динамики посевных площадей под зерновыми культурами, в результате которого установлено, что в настоящее время размеры посевных площадей существенно уменьшились по сравнению с началом и серединой XX века. Размер посевных площадей под зерновыми культурами в России постоянно менялся. Если в 1900 году он составлял 85 млн. га, то, например, в 1963 году - 79 млн. га. В таблице 7 приведены размеры посевных площадей за некоторые годы, из этих данных видно, что с начала 80-х годов происходило постепенное, но постоянное снижение этого показателя. Минимальное значение размера посевных площадей под зерновыми культурами в РФ составило 42 195 тыс. га. в

2003 г. Достигнув этого значения (56% от уровня 1979 года), посевные площади стабилизировались, а последние три года даже стали увеличиваться. Однако, их размер не достигает теперь и 50 млн. га., т.е. 60% от дореволюционного или советского периодов.

Таблица 7

Динамика посевных площадей под зерновыми культурами

годы 1980 1990 1995 2000 2005 2006 2007 2008 2009

посевные площади, млн. га 75,5 63,0 54,7 45,6 43,8 43,4 44,4 46,7 47,5

Последовательное уменьшение показателя говорит о том, что сокращение посевных площадей под зерновыми культурами меньше всего обусловлено изменениями природных или климатических условий, а объясняется отношением к отрасли государства. Следовательно, при изменении государственной политики возможно возвращение в оборот достаточно больших размеров площадей и доведение их размера в РФ до уровня дореволюционной или советской России.

Структура посевных площадей за рассматриваемый период существенных изменений не претерпела. Следовательно, потенциал экстенсивного развития отрасли существует.

Для того чтобы оценить насколько объемы производства зерна отвечают интересам продовольственной безопасности страны необходимо определить внутреннюю потребность в данном виде продукции. В советской экономике сельского хозяйства использовался такой прием: производство зерна на внутренние цели должно быть на уровне 1 тонны на человека. Тогда, используя демографический прогноз численности населения России в 2020 году, общий объем необходимого зерна составит 141,5 млн. т.

По более точному расчету с учетом прогнозируемой численности населения, рациональных норм потребления хлеба и хлебобулочных изделий, производства кормов для животных в объемах, обеспечивающих производство мяса, молока, достаточное для потребления их населением по рациональным нормам потребления, и формирования необходимого стратегического запаса сырья производство зерна должно находиться на уровне 653 кг на 1 человека в год. В абсолютном значении по среднему прогнозу численности населения на 2020 год - это 92,4 млн. т.

В результате проведенного сравнительного анализа объемов производства зерна и его экспорта за последние 14 лет были получены следующие результаты (( к табл. 8).

Рассчитанные в таблице 8 темпы роста среднегодового валового сбора и среднегодового объема экспорта по зерну в целом и по пшенице в частности показывают, что наблюдающийся рост среднегодового валово-

го сбора существенно меньше роста среднегодового объема экспорта. Увеличение среднегодового объема экспорта последних семи лет по сравнению с таким же показателем за предыдущие семь лет в 7 раз по зерну в целом и в 13 раз по пшенице можно смело называть колоссальным скачком этого показателя.

Таблица 8

Сравнение объемов производства и экспорта зерна за два периода:

1995-2001 гг. и 2002-2008 гг.

вид среднегодовой валовой сбор, млн. т среднегодовой объем экспорта зерна, млн. т. темпы роста, %

19952001 20022008 19952001 20022008 среднегодового валового сбора среднегодового объема экспорта зерна

зерновые всего 67,8 82,7 1,66 11,9 122 717

пшеница 35,4 48,0 0,76 9,8 136 1289

Таким образом, в настоящее время, несмотря на существенно сократившиеся размеры посевных площадей, валовой сбор зерна и его урожайность увеличиваются. Уровень урожайности зерновых ниже уровня этого показателя развитых стран мира. По всем трем показателям, характеризующим масштабы и эффективность отрасли (посевные площади, валовой сбор, урожайность), есть существенные резервы их увеличения. Сильное увеличение объемов экспорта зерна из России в последние годы без аналогичного увеличения валового сбора говорит о том, что этот экспорт осуществляется за счет сокращения внутреннего потребления. Превышение фактического потребления хлеба и хлебопродуктов рациональных норм потребления на фоне низкого потребления мяса и молока подтверждает недостаточность производства зерна, используемого для внутреннего потребления на кормовые цели. Актуальнейшая задача в настоящее время наращивать производство зерна, восстанавливать кормовую базу, увеличивать поголовье скота для того, чтобы как минимум обеспечить собственное население продуктами питания не ниже рациональных норм потребления.

За последние семь лет доля вывозимого зерна от всего объема, полученного в среднем, составляет 15-20%, в абсолютном выражении это 1216 млн. т. Если к внутренней потребности 2020 года (89-94 млн.т.) прибавить нынешний размер экспорта, то получится 101-110 млн. т. зерна. Следовательно, в 2020 году для удовлетворения внутренних потребностей населения и экспорта в современных объемах необходимо получить валовой

сбор зерна 101-110 млн. т. Прогнозируемое точечное значение валового сбора зерна на 2020 г. составило 103,4 млн.т., что соответствует рассчитанному необходимому объему.

Если для расчета использовать не размер экспорта последних лет, а его долю (15-20%), предполагая увеличение вывозимого зерна, то производство зерна должно составлять 105-118 млн. т.

Таким образом, прогнозируемые значения урожайности и валового сбора зерна на 2020 год по гипертренду являются реальными и даже необходимыми. Достижение этих уровней показателей возможно при стабильном развитии отрасли без вмешательства форс-мажорных факторов. При этом следует добавить, что развитие зернового производства предполагает активное участие государства и деятельность самой отрасли.

Полученные прогнозируемые значения конкретных показателей на отдаленную перспективу на основе построения гиперряда и расчета гипертренда являются примером использования предложенной методики, которая может быть применима при анализе и прогнозировании других статистических показателей.

Использование в качестве примера сельскохозяйственных показателей не слишком хорошо продемонстрировало преимущества данной методики, т.к. их особенностью является очень большая колеблемость, зависимость от погодных факторов. В тоже время в отношении этих показателей игнорировать, исключать эту колеблемость нельзя, т.к. она свойственна самой природе сельскохозяйственных показателей. Уменьшить ее можно только улучшением агротехники. Из этого следует, что применение этой методики в отношении других показателей, где внутренняя колеблемость мала (например, демографические показатели), давала бы куда большие преимущества данного метода.

Данная методика может найти широкое применение, т.к. в силу специфики развития нашей страны существует огромное множество показателей, которые не имеют длительного динамического ряда стабильного развития. Создание гиперряда и построение на его основе гипертренда дает возможность осуществлять обоснованный надежный прогноз, в том числе и на долгосрочную перспективу.

III. ОСНОВНЫЕ НАУЧНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ

1. Попова И.Н. Долгосрочный прогноз производства зерна в России на основе гипертренда // Вопросы статистики. - 2009. - № 12. -С. 50-55/-0,62 пл.

2. Попова И.Н. Использование гипертренда для прогнозировав ния урожайности зерновых культур в РФ // Известия Санкт«

Петербургского государственного аграрного университета. - 2010. -№18. - С.214-219 - 0,34 пл.

3. Попова И.Н. Зерновой ресурс России: анализ состояния и перспективы развития // Актуальные проблемы преодол " тия кризиса: национальные и региональные приоритеты: Материалы 1-й Международной научно-практической конференции. - СПб,: Изд-во СПбГУЭФ, 2010. - 0,25 пл.

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Попова, Ирина Николаевна

Введение.

Глава 1. Теоретическое обоснование выделения отдельных периодов изменения урожайности и валового сбора зерновых культур.

1.1. Положительные и отрицательные факторы развития зернового производства в истории сельского хозяйства России на различных этапах XX-XXI веков.

1.2. Методы прогнозирования развития сельского хозяйства.

1.3. Выделение периодов динамики урожайности зерновых культур, не осложненных форс-мажорными внешними факторами.

Глава 2. Статистическое обоснование возможности объединения разновременных, но однородных отрезков ряда динамики в «гиперряд», построение «гипертрепда».

2.1. Обоснование с точки зрения общей теории статистики и матема тической статистики возможности методики объединения разновременных, по однородных отрезков ряда динамики в «гиперряд».

2.2. Приведение рядов урожайности и валового сбора зерна к максимально однородным по методу учета и расчета показателей.

2.3. Построение гипертренда на базе полученного гиперряда, проверка его надежности.

Глава 3. Прогнозирование урожайности, объемов производства и вывоза зерна из России.

3.1. Обоснование возможных размеров посевных площадей под зерновыми культурами к 2020 году.

3.2. Вычисление прогнозируемых значений урожайности и валового сбора зерна на основе «гипертренда» и других способов прогноза.

3.3. Обоснование внучренней потребности России в зерне с учетом имеющихся прогнозов численности населения России к 2020 году.

3.4. Анализ экспортных возможностей России на рынке зерна.

Диссертация: введение по экономике, на тему "Исследование динамики статистических показателей путем построения гипертренда"

Производство зерна является одной из основных отраслей сельского хозяйства, а также одной из основных отраслей, обеспечивающих продовольственную безопасность страны. Утвержденная Указом Президента РФ от 30 января 2010 г. № 120 Доктрина продовольственной безопасности Российской Федерации, так определяет эту категорию: «Продовольственная безопасность Российской Федерации - состояние экономики страны, при котором обеспечивается продовольственная независимость Российской Федерации, гарантируется физическая и экономическая доступность для каждого гражданина страны пищевых продуктов, соответствующих требованиям законодательства Российской Федерации о техническом регулировании, в объемах не меньше рациональных норм потребления пищевых продуктов, необходимых для активного и здорового образа жизни.»1

Среди основных задач обеспечения продовольственной безопасности в Доктрине выделено своевременное прогнозирование.

Современные статистические методы прогнозирования, основанные на экстраполяции имеющегося развития в будущее, могут дать по многим показателям лишь краткосрочные прогнозы из-за коротких динамических рядов однокачественного развития. Изменения, произошедшие в нашей стране в конце прошлого века, прервали длительные динамические ряды показателей, характеризовавших развитие отдельных отраслей народного хозяйства.

Вместе с тем прошлое развитие, какого бы то ни было, явления не может быть выброшено, развитие сегодняшнего дня опирается на опыт вчерашнего. Вопрос в том, как оценить влияние прошлого развития, соединить его с настоящим и дать прогноз на будущее? Для того чтобы попытаться ответить на этот вопрос, рассматривалось развитие конкретной отрасли — производства зерна в России.

1 Официальный Интернет-портал Министерства сельского хозяйства РФ http://www.mcx.ru/document/showprint/12214.19.htm

Выбор этой отрасли обусловлен, с одной стороны, ее особой ролью, как в сельском хозяйстве, так и среди других отраслей промышленности. С другой стороны, производство зерна в России имеет объективные предпосылки, прежде всего, большие площади пригодных для сельского хозяйства земель, а также можно выделить традиции, навыки, собственную агрокультуру производства зерновых. В начале XX века эти факторы позволяли России быть одним пз основных производителей и экспортеров зерна. Наша страна поставляла на .мировой рынок 24,8% пшеницы (1909-1914 гг.), при этом доля экспорта данной культуры от ее производства составляла 42,4% (1911 г). Кроме пшеницы Россия вывозила рожь и ячмень. Разумно проанализировать прошлое развитие отрасли, тем более, если оно имело в определенные периоды весьма высокий уровень.

Следует обратить внимание еще на один аспект. Россия является частью мирового пространства: население страны - часть населения планеты, территория страны - часть всей площади Земли. Известный факт, что население планеты растет. Хотя темпы этого роста замедлились, однако демографический прогноз по-прежнему предсказывает увеличение численности населения Земли. Рост сельского хозяйства развитых стран в последние десятилетия сглаживает остроту проблемы голода на планете. Поддержание баланса между объемами продовольствия и растущей численностью населения планеты - общемировая задача уже сегодня. Т.е. мировое сельское хозяйство должно обеспечить увеличение потребления продуктов питания на душу населения и удовлетворение потребностей вновь появляющегося населения. В этом контексте ресурсы, которыми обладает Российская Федерация, и их использование становятся объектом пристального внимания со стороны всего мира.

Россия обладает девятью процентами мировой пашни, при этом ее доля в производстве зерна пока не превышает и 5 процентов. Потенциал для роста очевиден. Мы располагаем уникальным сочетанием факторов: значительным резервом посевных площадей и необходимыми водными ресурсами», - из выступления министра сельского хозяйства РФ Е.Б. Скрынник на Всемирном У зерновом форуме в Санкт-Петербурге 6-7 июня 2009 года.

Это уникальное положение России - еще один довод в пользу анализа российского производства зерна, прогнозирования его перспектив, в том числе прогнозирования объемов возможного экспорта зерна.

Анализом производства зерна в России за разные временные промежутки, а также его прогнозированием занимались многие ученые. Следует обратить внимание на труды Н.Д. Кондратьева, А.В. Чаянова, А.И. Алтухова, С.И. Бараша, В.М. Обухова и других. Ученые статистики занимались разработкой вопросов теории анализа динамических рядов и прогнозирования на их основе, иногда на базе динамических рядов валового сбора зерна в России и его урожайности: В.Н. Афанасьев, В.В. Глинский, Г.С. Кильдишев, М.М. Юзбашев и др.

В некоторых работах осуществлялся не просто анализ динамики за определенный обозримый промежуток времени, а попытка проанализировать практически весь путь развития данного производства. Так, например, в работе С.И. Бараша «Производство и реализация пшеницы в дореволюционной России и СССР (1880-1980 гг.)» произведен анализ за столетие. Однако стремление удлинить временной ряд имеет свои отрицательные стороны, т.к. в один динамический ряд включаются уровни, характеризующие разные этапы развития, можно сказать, разные эпохи.

Современное, измененное сельское хозяйство, основанное на новых формах собственности, имеет не слишком длительную историю, и прогнозирование на основе короткого временного промежутка не может дать надежных результатов.

2 Официальный Интернет-портал Министерства сельского хозяйства РФ http://www.mcx.ru

Следовательно, исследование динамики показателей производства зерна в Российской Федерации в настоящее время - тема актуальная, требующая анализа из «новой точки отсчета».

Цель данного исследования — проанализировать динамику показателей производства зерна в России на основе построения «гиперряда» од]юкачественных периодов его развития, сделать прогноз.

В соответствии с этой целью, в процессе исследования, были поставлены следующие задачи:

• провести аттализ общих тенденций развития сельского хозяйства России на протяжении XX-XXI веков и выделить в истории страны периоды наиболее успешного развития зернового производства;

• обосновать возможность объединения выделенных периодов по конкретным показателям, характеризующим производство зерна;

• обосновать с точки зрения общей теории статистики и математической статистики возможность методики объединения разновременных отрезков ряда динамики в единый «гиперряд»;

• объединить выделенные отрезки показателей производства зерна в «гиперряд» динамики и рассчитать «гипертренд»;

• дать прогноз возможного уровня урожайности, валового сбора зерна в 2020 году на основе «гипертренда»;

• сравнить полученный прогноз по «гипертренду» с возможными прогнозами по другим методикам;

• оценить объемы внутренней потребности в зерне и возможные объемы экспорта его из России в 2020 году.

Характеристиками уровня развития производства зерна служат следующие показатели: посевные площади, валовой сбор, урожайность в целом по зерновым и по отдельным их видам.

Объектом данного исследования является анализ производства зерна в России и прогнозирование показателей, характеризующих это производство.

Основным предметом исследования в данной работе является динамика валового сбора и урожайности зерновых, а также рассматриваются динамика этих показателей по отдельным видам зерновых культур, динамика размеров посевных площадей, показатели структуры валового сбора и посевных площадей под зерновыми культурами. Кроме того, рассмотрены показатели объемов потребления и экспорта зерна из России.

Теоретическую, методологическую и методическую базу данного исследования составили труды отечественных ученых: экономистов-аграрников по вопросам истории и развития зернового хозяйства в России, его роли в мировом производстве зерна; статнегиков по вопросам анализа динамических рядов и прогнозирования на их основе.

В диссертации использованы различные методы исследования: исторический, монографический, различные статистические методы анализа (графический. корреляционно-регрессионный, анализ структурных изменений), математические методы прогнозирования.

Научная новизна работы состоит в том. что:

• впервые введены в общую теорию статистики понятия: гиперряд -объединение выявленных при периодизации длинного ряда динамики отрезков процесса развития объекта в однородных, нормальных условиях, без вмешательства посторонних, форс-мажорных обстоятельств; гипертренд - уравнение, характеризующее тенденцию гиперряда;

• на основе введенных понятий в диссертации разработана синтетическая методика, дополняющая аналитическую методику периодизации динамических рядов;

• доказана возможность практического использования разработанной методики на примере анализа динамики различных статистических показателей: абсолютных и относительных за период свыше 100 лет, для которых построены гиперряды, измерены гипертренды;

• на основе гипертрендов вычислены прогнозируемые значения всех показателей на долгосрочную перспективу - 2020 год и обосновано статистическое качество и вероятность правдоподобия полученных прогнозов при сравнении с прогнозами по динамическому ряду без периодизации.

Практическая значимость исследования заключается в том, что предлагается новая методика обработки динамических рядов, синтеза временных данных и прогнозирования. Данная методика дополняет набор методов общей теории статистики, направленных на изучение динамики показателей с существенной колеблемостью. Может использоваться для изучения и долгосрочного прогнозирования любых статистических показателей.

Все расчеты в рамках новой методики приведены по официальным данным производства и экспорта зерна Центрального статистического комитета Министерства внутренних дел Российской Империи, Центрального статистического управления РСФСР и Федеральной службы государственной статистики РФ (Росстат) и Федеральной таможенной службой РФ (ФТС).

Основные положения, результаты и выводы изложены в двух публикациях автора по теме диссертационного исследования. Представлены в материалах 1-й Международной научно-практической конференции «Актуальные проблемы преодоления кризиса: национальные и региональные приоритеты».

Структура и объем работы. Диссертационная работа общим объемом 139 страниц, состоит из введения, ipex глав, выводов и предложений. Работа содержит 46 таблиц и 32 рисунка.

Диссертация: заключение по теме "Бухгалтерский учет, статистика", Попова, Ирина Николаевна

Заключение

В данной работе на примере исследования динамики конкретных статистических показателей была разработана новая методика долгосрочного прогнозирования, которая может дополнить существующую теорию статистики изучения динамики любых социально-экономических явлений.

На основе проведенного анализа общих тенденций развития сельского хозяйства России на протяжении ХХ-ХХ1 веков и зернового производства в частности было установлено, что этот длительный период развития содержал в себе этапы подъема и спада развития отрасли. Как правило, снижение уровня или замедление темпов развития связаны с вмешательством в деятельность отрасли сторонних факторов: войн, революций, смен форм собственности и т.п. Поэтому были выделены периоды наиболее успешного развития данной отрасли, исключающие воздействие факторов, не связанных непосредственно с процессом производства зерновых. Из более чем столетнего периода получены три отрезка стабильного развития: в начале XX века, середине советского периода и последний современный отрезок. В эти временные отрезки развитие производства зерна в России было обусловлено естественными, свойственными ему факторами (природными, агротехническими и др.).

В данной работе предлагается широко используемый в теории статистики прием периодизации дополнить объединением полученных периодов однокачественного развития рассматриваемого явления. Разделение в результате периодизации довольно часто приводит к образованию коротких динамических рядов, недостаточных для осуществления экстраполирования. Но где есть анализ, там должен быть и синтез. Периодизации рядов динамики должно соответствовать обратное действие — объединение разных, но в чем-то однородных отрезков времени в единый «гиперряд» для построения единого «гипертренда».

Гиперрядом динамики называется совокупность последовательных, но не сплошных отрезков времени, объединенных отсутствием внешних, не коренящихся в самом явлении «форс-мажорных» факторов (война и восстановление после нее, революционные изменения, природные катастрофы и т.п.).

Однородность, положенная в основу единого гиперряда, определяется сугью самого явления, его содержанием без влияния причин, не имеющих к нему отношения. Она может быть определена в зависимости от цели исследования: единым технологическим типом производства, единой формой собственности и т.д.

При объединении в гиперряд после периодизации по выбранному критерию однородности следует проверить соответствие отдельных выбранных временных промежутков одному и тому же закону развития.

Особым моментом при построении гиперряда является выбор непосредственного показателя. Предпочтительнее использовать относительные показатели, т.к. гиперряд включает в себя длительную динамику, которая, как правило, существеннее сказывается на абсолютных показателях.

В рамках данного исследования изучена динамика показателей урожайности зерновых культур и валового сбора зерна выделенных периодов. В результате определены четкие границы однокачественного развития зернового производства, каждый период характеризовался ростом показателей. Увеличение показателей внутри выделенных периодов было сравнимо между собой. Для объединения разновременных отрезков в единый гиперряд были рассчитаны цепные коэффициенты изменения (роста), и из них составлен гиперряд для анализа урожайности зерновых и валового сбора зерна. На основе полученных гиперрядов построены гипертренды.

Гипертренд - это системное объединение нескольких отрезков процесса развития объекта в однородных по существенным условиям, и (или) при отсутствии внешних (форс-мажорных) факторов, нарушающих эти условия.

Т.е. полученные гипертренды урожайности и валового сбора - это уравнения отражающие тенденцию соответствующего гиперряда.

На основании этих уравнений рассчитаны прогнозируемые значения исследуемых показателей на 2020 год. Точечные значения урожайности зерновых-26,14 ц/га, валового сбора - 103,4 млн. га.

Для сравнения полученных прогнозируемых значений и их оценки были рассчитаны аналогичные прогнозы по линейному тренду последних 40 лет без периодизации и по линейному тренду последних 12 однородных лет.

И по урожайности, и по валовому сбору прогнозируемые значения по длительному ряду без периодизации существенно занижали уровень показателей, а по короткому ряду из 12 уровней полученный прогноз был крайне не надежен. Т.о., наилучшим вариантом прогноза можно считать прогноз на основании гипертренда для среднего пятилетнего уровня 2018-2022 гг. урожайности зерновых от 20,55 до 31,72 ц/га и валового сбора зерна от 78,0 до 128,7 млн. т. по Российской Федерации.

В данном исследовании была рассчитана внутренняя потребность России в зерне на 2020 год с учетом прогнозируемой численности населения и рациональных норм потребления продуктов питания. Она составила 89-94 млн. т. зерна.

За последние семь лет доля вывозимого зерна от всего объема полученного в среднем составляет 15-20%, в абсолютном выражении это 12-16 млн. т. Если к внутренней по гребности 2020 года прибавить нынешний размер экспорта, то получится 101-110 млн. т. зерна. Прогнозируемое точечное значение валового сбора зерна па 2020 г. составило 103,4 млн. т. , что соответствует рассчитанному необходимому объему.

Если для расчета использовать не размер экспорта последних лет, а его долю (15-20%), предполагая увеличение вывозимого зерна, то производство зерна должно составлять 105-118 млн. т.

Таким образом, прогнозируемые значения урожайности и валового сбора зерна на 2020 год по гипертренду являются реальными и даже необходимыми. Достижение этих уровней показателей возможно при стабильном развитии отрасли без вмешательства форс-мажорных факторов. При этом следует добавить, чго развитие зернового производства предполагает активное участие государства и деятельность самой отрасли.

Полученные прогнозируемые значения конкретных показателей на отдаленную перспективу на основе построения гиперряда и расчета гипертренда являются примером использования предложенной методики, которая может быть применима при анализе и прогнозировании других статистических показателей.

Следует обратить еще раз внимание на то, что использование в качестве примера сельскохозяйственных показателей не слишком хорошо продемонстрировало преимущества данной методики, т.к. их особенностью является очень большая колеблемость, зависимость от погодных факторов. В тоже время в отношении этих показателей игнорировать, исключать эту колеблемость нельзя, т.к. она свойственна самой природе сельскохозяйственных показателей. Уменьшить ее можно только улучшением агротехники. Из этого следует, что применение этой методики в отношении других показателей, где внутренняя колеблемость мала (например, демографические показатели), давала бы куда большие преимущества данного метода.

Данная методика можег найти широкое применение, т.к. в силу специфики развития нашей страны существует огромное множество показателей, которые не имеют длительного динамического ряда стабильного развития. Создание гиперряда и построение на его основе гипертренда дает возможность осуществлять обоснованный надежный прогноз, в том числе и на долгосрочную перспективу.