Прогнозирование урожайности зерновых культур на среднесрочный период тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Прогнозирование урожайности зерновых культур на среднесрочный период"

На правах рукописи

ШУМСКАЯ Екатерина Владимировна

□ОЗОВТЭ42

ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР НА СРЕДНЕСРОЧНЫЙ ПЕРИОД

Специальность

08 00 05 - экономика и управление народным хозяйством экономика, организация и управление предприятиями, отраслями, комплексами - АПК и

сельское хозяйство 08 00 12 - бухгалтерский учет, статистика

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

Москва-2006

003067942

Диссертационная работа выполнена на кафедре прогнозирования и планирования АПК РГАУ - МСХА имени К А Тимирязева

Научный руководитель доктор экономических наук,

профессор Личко Клемснтий Павлович

Официальные оппоненты доктор экономических наук

Сиптиц Станислав Оттович

кандидат экономических наук, доцент Шибалкин Александр Егорович

Ведущая организация Всероссийский научно-исследовательский институт экономики сельского хозяйства

Защита состоится « 3/ » ^¿/-¿^¿У200 г2" г В «/^ » час на заседании диссертационного совета Д 220 043 06 при Российском государственном аграрном университете - МСХА им К А Тимирязева по адресу 127550, г Москва, ул Тимирязевская, д 49, Ученый Совет РГАУ -МСХА имени К А Тимирязева

С диссертацией можно ознакомится в Центральной научной библиотеке РГАУ-МСХА им К А Тимирязева

Автореферат разослан « /Л » # ¿,/^¿2 2006 г

Ученый секретарь ^^^ С^С

диссертационного совета ^ Коваленко Н Я

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. В условиях рыночных отношений и самостоятельности хозяйствующих субъектов вопрос предвидения объемов производства продовольствия приобретает все большую актуальность

В настоящее время накоплен богатый теоретический и методический материал в области планирования и прогнозирования Однако в условиях растущей непредсказуемости будущего появляется необходимость разработки новых подходов к методике прогнозирования возможных вариантов развития сельскохозяйственного производства

Среди множества показателей, описывающих деятельность сельскохозяйственных организаций, особого внимания застуживает группа технико-экономических показателей и урожайность сельскохозяйственных культур, в частности Это комплексный показатель С одной стороны, он является исходной информацией для построения планов, прогнозов и принятия управленческих решений, с другой стороны - это один из основных результирующих показателей сельскохозяйственного производства Особую значимость, на наш взгляд, имеет построение прогноза урожайности зерновых культур на среднесрочную перспективу (до 3 лет)

Получение достоверного прогноза урожая на среднесрочную перспективу позволит корректно решать вопросы формирования резервных фондов продовольствия, наличия необходимых мощностей для хранения полученного урожая, строить адекватную и эффективную политику внешней торговли

Состояние изученности вопроса. Вопрос предвидения урожайности зерновых культур на среднесрочную перспективу относится к числу наименее разработанных в экономике аграрного сектора

Отдельные вопросы долгосрочного прогнозирования колебаний природных условий сельскохозяйственного производства поднимались Е Борисенковым, В Буха, Ю Витинским, Г Л Муром, В Г Нестеровым, Т В Покровской, В М Пасовым, Л М Перекатьской, М И Розановым, М Семеновым, Н С Сидоренковым и другими

Проблема прогнозирования засух изучалась МХ Байдалом, Л Вительсом, П Кабановым, В Л Михельсоном и другими

Абстрактно-статистические методы прогнозирования цикличности в колебаниях урожаев и метеоусловий применяли Г Баскин, Э Брикнер, А Воейков, М Давидович, П Колосков, Г Ф Крафт, С Струмилин, С С Сергеев, А Тарасов, Н А Челинцев, II Четвериков, В Череванин и другие

Особенно следует отметить работы В М Обухова Его ретроспективные прогнозы подтвердили хорошую оправдываемое«, при заблаговременное™ от одного до трех месяцев

Вместе с тем, до последнего времени вопрос среднесрочного и долгосрочного прогнозирования урожайности сельскохозяйственным культур как особой экономической проблемы не был выделен в самостоятельное научное направление Это связано не только с трудоемкостью экспериментальных исследований, но и с неразработанностью ряда методологических вопросов Среди них можно назвать следующие

- недостаточно четко определено место прогнозирования урожайности сельскохозяйственных культур в вопросе повышения устойчивости сельскохозяйственного производства,

- отсутствует научное обоснование надежности прогнозов урожайности сельскохозяйственных культур на среднесрочный период на основе данных прошлых лет,

- не определен четкий порядок построения прогноза урожайности сельскохозяйственных культур по основным методам прогнозирования (моделирование, включая регрессионные модели, и экстраполяция) Актуальность вышеуказанных проблем, их недостаточная изученность и большая практическая значимость определили цель и задачи диссертационного исследования

Цель и задачи исследования Целью диссертационной работы является разработка и совершенствование методических приемов построения прогноза урожайности зерновых культур на среднесрочный период Поставленная цель определила следующие задачи

- определить место прогнозирования в системе управления и планирования сельскохозяйственного производства,

- обосновать роль прогнозирования урожайности сельскохозяйственных культур в сценарном планировании и управлении сельскохозяйственным производством,

- определить перспективные направления совершенствования системы прогнозного обеспечения сельского хозяйства,

- оценить преимущества и недостатки основных методических подходов к прогнозированию урожайности сельскохозяйственных культур, обосновать предпочтительность их применения в различных условиях,

- дать научное обоснование характеру динамики урожайности сельскохозяйственных культур в целом и зерновых в частности,

- обосновать циклические свойства урожайности сельскохозяйственных культур,

- определить характер взаимодействия между основными факторами урожайности сельскохозяйственных культур и результативным признаком,

- предложить наиболее предпочтительный механизм построения прогноза урожайности зерновых культур на среднесрочный период,

- провести экспериментальную апробацию теоретически обоснованных механизмов прогнозирования урожайности зерновых культур,

Предметом исследования являются методические приемы прогнозирования и их применение для построения обоснованного прогноза урожайности зерновых культур на среднесрочную перспективу

Объектом исследования является динамика урожайности сельскохозяйственных культур по ряду сельскохозяйственных организаций Раменского и Ступинского районов Московской области (за период 1950-2004 гг, 1991 - 2004 гг соответственно), урожайность некоторых зерновых культур по районам Московской области (за периоды 1955 - 1998 гг и 1955 - 2005 гг ) и в целом по Московской области (за период 1955 - 2003 гг), а также данные по урожайности зерновых в России/СССР/России за период 1801 - 2003 годы

Теоретической и методологической основой исследования послужили диалектический метод познания экономических явлений и категорий, теоретические и методологические положения, разработанные отечественными и зарубежными учеными в области экономики, планирования, прогнозирования и управления аграрным производством и всей экономикой в целом Разнообразие объектов и задач в рамках проведенного исследования обусловило необходимость использования различных методов

Абстрактно-логический, диалектический и монографический методы были использованы при формулировании понятий, раскрытии сущности прогнозирования, определении его роти и места в принятии управленческих решений

Статистико-экономические методы были использованы при анализе временных рядов урожайности сельскохозяйственных культур

Методы сравнительного анализа использовались при оценке предпочтительности различных методов прогнозирования изучаемого показателя

Расчетно-конструктивный метод и метод анализа и синтеза были использованы при разработке предлагаемой схемы построения прогноза урожайности зерновых культур на среднесрочную перспективу и ее экспериментальной апробации

Метод экономико-математического моделирования был использован при разработке вариантов производственных структур исследуемых организаций на основе разработанных прогнозов урожайности

Для проведения исследования и обеспечения достоверности полученных результатов, обоснованности выводов и предложений были использованы следующие источники информации нормативные и методические материалы, материалы органов статистики, Министерства сельского хозяйства Российской Федерации, Министерства сельского хозяйства и продовольствия Московской области, Управления сельского хозяйства Ступинского района Московской области и метеостанций Раменского района Московской области, годовые отчеты сельскохозяйственных организаций Ступинского и Раменского районов Московской области, а также труды отечественных и зарубежных ученых Данные о ежегодных значениях чисел Вольфа заимствованы на официальном сайте Национального информационного центра по геофизике (NGDC) Боулдер Колорадо США www ngdc noaa gov

Научная новизна диссертации заключается в разработке авторского алгоритма построения прогноза урожайности зерновых культур на среднесрочную перспективу Предложенный прием построения прогноза основан на анализе взаимосвязанных уровней исходного временного ряда, их экстрапотяции и дальнейшем синтезе в единую систему, что позволяет учесть не только направление развития динамики урожайности, но и ее циклические свойства Научная новизна также присутствует в следующих результатах

- обоснованы циклические свойства временных рядов урожайности сельскохозяйственных культур На основе R/S - анализа и с использованием коэффициентов автокорреляции удалось выдели гь двухлетние, десяти-двенадцатилетние, двадцатичетырех- двадцатишестилетние циклы динамики урожайности сельскохозяйственных культур,

- обоснована антиперсистентность1 временных рядов урожайности сельскохозяйственных культур (с использованием элементов теории детерминированного хаоса, метода Фостера-Стьюарта, метода характеристик прироста),

- определены предпочтительные условия применения различных подходов к прогнозированию урожайности сельскохозяйственных культур в зависимости от уровня принятия управленческого решения,

- выявлен динамический характер корреляциошшх связей между факторными признаками и урожайностью зерновых культур, обоснованы параметры отбора факторных признаков для построения регрессионных моделей,

- определена общая схема анализа временных рядов, построения модели

' Персистенгность в R/S - анализе - склонность ряда следовать трендам Если система увеличивалась в предыдущий период, имеется вероятность того, что она будет продоиьать увеличиваться и в стедующий период Персистеш-ный временной ряд имеет долгую память поэтому в нем имеют место долговременные корреляции между текущими событиями и событиями будущими

Антиперсистентный временной ряд реверсирует чаще, чем ряд случайный (Петере Э Фрактальный анализ финансовых рынков - М Интернет-трейдинг, 2004 )

экстраполяции временных рядов, проверки ее адекватности и оценки точности прогноза

Практическая значимость работы заключается в следующем

- разработан и апробирован механизм построения прогноза урожайности зерновых культур на среднесрочный период Предлагаемый алгоритм отличается простой реализацией (доступна реализация в Excel), не требует специального программного и аппаратного обеспечения, является универсальным с точки зрения его использования на различных уровнях разработки прогнозов, планов и принятия управленческих решений (хозяйство, район, область, государство),

- рассмотрены вопросы практического применения прогнозов урожайности зерновых культур в сценарном планировании и управлении сельскохозяйственным производством,

- глубокая и подробная проработка методической базы построения статистических и экономико-математических моделей позволяет использовать выработанную схему построения модели временных рядов, оценки ее адекватности и точности построения прогноза в учебных целях на кафедре прогнозирования и планирования АПК РГАУ - МСХА имени К А Тимирязева и в учебных курсах, связанных с анализом и прогнозированием временных рядов

Апробация результатов исследования Основные теоретические положения и практические результаты диссертационного исследования докладывались и обсуждались на семинарах и научных конференциях Международной научной конференции молодых ученых и специалистов, посвященной 140 - летию РГАУ МСХА имени К А Тимирязева (2005 г ), Международной научной конференции, посвященной 140 - летию РГАУ -МСХА имени К А Тимирязева (2005 г ), X Международной научно-практической конференции «Математические методы и модели в экономике АПК» (2006 год)

По теме диссертационного исследования опубликовано 7 печатных работ, 2 работы в печати

Структура и объем диссертации. Работа состоит из введения, четырех глав, выводов и предложений, библиографического списка, включающего 188 наименований, 4 приложений на 20 страницах Диссертация изложена на 193 страницах машинописного текста, содержит 32 таблицы, 34 рисунка в тексте

Во введении обосновывается актуальность темы исследования, освещен уровень изученности проблемы, сформулированы цель и задачи, определены объект, предмет и методы исследования, научная новизна и практическая значимость работы

В первой главе - «Теоретические основы прогнозирования» раскрывается социально-экономическая сущность категории прогнозирования, научные

основы современного прогнозирования, рассматривается взаимосвязь прогнозирования с другими научными дисциплинами, проведен обзор основных современных направлений прогнозирования урожайности сельскохозяйственных культур

Во второй главе - «Особенности прогнозирования урожайности зерновых культур в современных условиях» - подробно рассмотрены два основных подхода к прогнозированию урожая и урожайности нормативный и дескриптивный Определены их преимущества и недостатки, условия предпочтительного использования Также изучены факторные признаки формирования урожайности зерновых культур, включая солнечную активность, атмосферные осадки, удобрения Проведен анализ временных рядов урожайности зерновых культур, включая изучение показателей динамики временных рядов, исследование основной тенденции рядов урожайности, изучение циклических свойств динамики урожайности сельскохозяйственных и зерновых культур Также исследованы фрактальные характеристики рассматриваемых временных рядов

В третьей главе - «Разработка прогнозов урожайности зерновых культур на основе экстраполяционных приемов» - сформулирован и обоснован авторский алгоритм построения прогноза урожайности зерновых культур на среднесрочный период, определены условия, порядок и правила построения прогноза согласно предложенному алгоритму Подробно описана реализация предложенного методического приема в Microsoft Excel

В четвертой главе - «Практическое применение прогнозирования урожайности зерновых культур в планировании и управлении сельскохозяйственным производством» - показаны возможности применения прогнозных значений урожайности зерновых культур для оптимизации производственной структуры на примере хозяйств Ступинского и Раменского районов Московской области С использованием расчетно-конструктивного метода и методов экономико-математического моделирования рассчитаны варианты производственных структур на основе полученных прогнозов урожайности зерновых культур

В выводах и предложениях сформулированы основные теоретические и практические результаты исследования

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ, ВЫНОСИМЫЕ НА

ЗАЩИТУ

1. Первое положение, выносимое на защиту Временные ряды урожайности сельскохозяйственных культур являются неоднородными и обладают сильной колеблемостью.

Нами были исследованы показатели динамики и колеблемости по 60 временным рядам урожайности различных сельскохозяйственных культур за длительные периоды времени Коэффициент вариации рассмотренных рядов колеблется от 0,18 до 0,95, а относительный размах вариации составляет от 35% до 244% Отношение среднею квадратического отклонения к среднему линейному отклонению составляет диапазон от 1,07 до 2,80, что говорит о неоднородности рассматриваемых временных рядов Особый интерес представляет исследование временного ряда урожайности зерновых культур по России/СССР/России за 1801 - 2003 годы (таблицы 1 и 2)

Таблица 1

Показатели динамики и колеблемости урожайности зерновых культур по России/СССР/России за период 1801 - 2003 годы

Показатель 1801-1850 1851-1900 1901-1950 1951-2003

Среднее значение, ц/га 5,3 5,8 6,9 13,1

Максимальное значение, ц/га 6,3 7,8 9,3 19,9

Минимальное значение, ц/га 3,0 3,9 4,2 7,4

Размах вариации, ц/га 3,3 3,9 5,1 12,5

Относительный размах вариации, % 63 67 74 96

Среднеквадратическое отклонение 0,71 0,83 1,19 3,11

Среднее линейное отклонение 0,56 0,65 , 0,97 2,62

Отношение среднеквадратического отклонения к среднему линейному 1,28 1,27 1,22 1,19

Данные таблицы 1 показывают не только общий рост значений урожайности, но и усиление колеблемости ряда, о чем свидетельствует рост таких показателей, как размах вариации, среднее квадратическое отклонение, среднее линейное отклонение Обращает на себя внимание и непропорциональный рост средних, минимальных и максимальных значений Причем опережающий рост максимальных значении свидетельствует о значительном потенциале роста урожайности, но отстающий рост средних значений подтверждает нестабильность потенциально возможных урожаев

Рассмотрев основные показатели динамики изучаемых временных рядов, а также уникальный по продолжительности временной ряд урожайности

зерновых культур по России/СССР/России, удалось установить, что ряды урожайности сельскохозяйственных культур в целом и зерновых в частности обладают широким диапазоном вариации, высокой колеблемостью и не являются однородными по внутренней структуре

2 Второе положение, выносимое на защигу. Временные ряды урожайности зерновых культур являются нестационарными и антиперсистентными.

Для исследования характера динамики урожайности зерновых культур и природы самого показателя урожайности крайне важным является вопрос определения наличия либо отсутствия во временном ряду тренда (основной долгосрочной тенденции) Проверка проводилась с использованием критерия Фостера-Стьюарта, показателя Херста, У-статистики, метода характеристик приростов

Показатель Херста был впервые предложен британским гидрологом Херстом в середине XX века для определения наличия в процессе эффекта долговременной памяти

Я/5 = (аЛ0Я,г де

а - некоторая константа, N - текущее значение объема выборки, Н - показатель Херста [0,1]

У-статистика - показатель, позволяющий аналогичным образом с показателем Херста обнаруживать циклические колебания, более точно определяя продолжительность циклов

Гя =(*/£)„ Л/^.

Из 60 исследованных временных рядов наличие тренда средней величины по критерию Фостера - Стьюарта показали 16 временных рядов Однако и показатель Херста, он колеблется в диапазоне от 0,17 до 0,33, и У-статистика показали отрицательный результат наличия тенденции во всех случаях, когда эти показатели рассчитывались (46 случаев из 60) Данные показатели не были рассчитаны в 14 случаях, в связи с недостаточной длиной временных рядов Однако для этих рядов критерий Фостсра - Стьюарта показал отсутствие тренда в динамике средней величины, в трех случаях наблюдался тренд дисперсии Кроме того, было проведено исследование данных временных рядов на предмет определения характера тенденции согласно методу характеристик прироста В случае если выводы, сделанные относительно отсутствия тренда, были ошибочны, то исследование характера динамики могло это показать Анализ первых, вторых приростов и производных величин не позволил сделать вывод о характере тенденции ни в одном случае, косвенно подтвердив антиперсистентность рассмотренных временных рядов

В 16 временных рядах критерий Фостера-Стыоарта показал наличие тренда дисперсии Дисперсия, являясь показателем интенсивности вариации, свидетельствует о нестационарности и раскачивании временных рядов урожайности сельскохозяйственных культур Полученные результаты доказали нестационарность и антиперсистентность исследованных временных рядов урожайности сельскохозяйственных культур

3. Третье положение, выносимое на защиту, заключается в наличии циклической компоненты во временных рядах урожайности зерновых культур

Изучение современной научной литературы не позволило найти метод, четко определяющий технологию выделения циклической компоненты Кроме того, ряд итерационных процедур предполагает предварительное выделение тренда в динамическом ряду и последующее выделение циклической компоненты Однако исследования показали антиперсистентность временных рядов урожайности сельскохозяйственных культур Такие инструменты, как спектральный анализ, Фурье-анализ, предполагают строго периодическии характер циклических колебаний Но теоретических предпосылок для того, чтобы считать возможные циклические колебания строго периодическими, нет В этой связи для решения поставленной задачи были использованы элементы фрактального анализа Исследование проводилось по временному ряду урожайности зерновых культур по России/СССР/России за 1801 - 2003 гг Для различных диапазонов п, начиная с п=10 до п=101 (под п понимается период наблюдения), были рассчитаны значения R/S На основе полученных данных был построен график зависимости R/S от п в ло1 арифмическом масштабе, где границы циклов определяются «уплощениями» графика Таким образом, R/S-анализ позволяет не только идентифицировать наличие циклов в принципе, но и различать циклы внутри циклов При исследовании полученного графика (рис 1) «уплощения» наблюдаются на следующих уровнях п=12 - 13, п-14 -15, п=20 - 21, п=-24 - 25 - 26, п=30, п=34 - 35 - 36, п=44 - 45, п=49, п=59 - 60, п=70, п=88

Расчет V - статистики подтвердил выводы, сделанные на основе R/S -анализа Кроме того, по всем изучаемым временным рядам урожайности сельскохозяйственных культур были рассчитаны коэффициенты автокорреляции (таблица 2)

Рис 1 R/S - анализ урожайности зерновых культур по России/СССР/России за

период 1801 -2003 годы Коэффициент автокорреляции показывает наличие связи между рассматриваемыми уровнями временного ряда, и, таким образом, является косвенным показателем наличий циклических колебаний в изучаемых временных рядах

Таблица 2

Результаты проверки автокорреляции временных рядов урожайности __сельскохозяйственных культур _

№ п/ п Наименование объекта Культура Период исследова ния Временные лаги со значимыми коэффициен тами автокорреля ции Временные лаги с высокими коэффициентами автокорреляции

1 2 3 4 5 6

1 Колхоз"Борец" Зерновые 1965-1998 Нет 2,4,7-8, 18 25-26

2 Колхоз"Борец" Картофеть 1965-1998 Нет 2,5,9-10, 12,15 26

3 Колхоз "Борец" Оз пшеница 1950-2001 2, 4 - 9, 33 20, 24-25, 28-29

4 Колхоз"Борец" Ячмень 1950-2001 4, 8 3,7, 12,26,33

5 ЗАО "Городище" Кукуруза 1981-2003 Нет 2,3,5, 10, 13, 18

6 ЗАО "Городище" Мн травы 1981-2003 2, 3, И 4,5,9,12,13,15

7 ЗАО "Ивановское" Картофель 1981-2003 3 5, 11

8 ЗАО "Красная заря" Кукуруза 1981-2003 2 3,4, 5, 8, 10, 13, 15, 18

9 ЗАО "Красная заря" Мн травы 1981-2003 Нет 3,4, 7, 8, 9, 12, 13,20

10 ЗАО "Красная заря" Оз пшеница 1981-2003 2, 9, 11 3,7, 12

11 ЗАО "Старая Ситня" Ячмень 1981-2003 2 3,4, 7, 8, 9, 10, 11,13

12 ЗАО "Старая Ситня" Оз пшеница 1981-2003 Нет 2, 5, 10,13, 18

13 ЗАО "Леонтьево" Мн травы 1981-2003 2 3,6, 9, 11

14 ЗАО "Леонтьево" Оз пшеница 1981-2003 Нет 5,6, 11,15,20

15 ЗАО "Шугарово" Оз пшеница 1981-2003 Нет 3,4, 6, 10, 15

16 ЗАО "Шугарово" Кукуруза 1981-2003 Нет 4,5, 8, 9,13,18

17 ЗАО "Шугарово" Ячмень 1981-2003 2 3,4, 5,7, 9, 11, 13, 18

18 Луховицкий р-он Картофель 1981-2003 Нет 2, 6, 12,15

19 ЗАО "Мещерино" Оз пшеница 1955-1997 2, 3, 4, 5 20, 24, 25, 26

1 2 3 4 5 6

20 Воскресенский р-он Оз пшеница 1955-1997 2,3,4, 5 12, 18, 26

21 Дмитровский р-он Оз пшеница 1955-1997 2,3,4 5 8,15,18,20,26

22 | Егорьевский р-он Оз пшеница 1955-1997 2,3,4, 5,6 8, 18, 26

23 Загорский р-он Оз пшеница 1955-1997 2 3,4, 5,26 6, 20, 25

24 Зарайский р-он Оз пшеница 1955-1997 2,3,4, 5,26 6,20 24,25

25 Каширский р-он Оз пшеница 1955-1997 1 2,3,4,5,26 6,7,8,20,24 25

26 Коломенский р-он Оз пшеница 1 1955-1997 2, 3, 4, 20 5, 13,15, 18,24

27 Красногорский р-он Оз пшеница i 1955-1997 2, 3, 4, 5, 6 7, 9, 20, 24, 25-26

28 Лотошинский р-он Оз пшеница ' 1955-1997 2, 3, 4, 5 24, 25, 26

29 Луховицкий р-он Оз пшеница 1955-1997 2,3,4 5, 20, 25

30 Можайский р-он Оз пшеница 1955-1997 2,3,4 5, 6, 28, 20, 26

31 Мытищинский р-он Оз пшеница 1955-1997 2, 3, 4, 5 7, 18,20, 25-26

32 Нарофоминский р-он Оз пшеница 1955-1997 1 2,3,4,5 7,10,25

33 Ногинский р-он Оз пшеница 1955-1997 | 2,3, 5,9, 10, 26

34 Орехово-Зуевский р-он Оз пшеница 1955-1997 2, 3, 4, 5 6, 13, 18, 26

35 Подольский р-он Оз пшеница ! 1955-1997 2, 3, 4, 5, 6, 25-26 7, 8, 18,20, 24

36 Рузский р-он Оз пшеница > 1955-1997 2, 3, 4, 5 6, 7, 24, 25-26

37 Серебряно-Прудский р-он Оз пшеница 1955-1997 2, 3, 4, 5, 26 6, 7, 8,9,18, 20, 24

38 Серпуховский р-он Оз пшеница 1955-1997 2, 3, 4, 5 6, 7, 24, 25-26

39 Ступинский р-он Оз пшеница 1955-1997 2, 3, 4, 5, 6 7, 18, 20,25-26

40 Талдомский р-он Оз пшеница 1955-1997 2, 3, 4, 5 6,7, 11,15, 20,25-26

41 Шатурский р-он Оз пшеница 1955-1997 2, 3, 4, 5 6, 7, 24, 25-26

42 Шаховской р-он Оз пшеница 1955-1997 2,3,4 7 11, 13, 18,26 !

43 Клинский р-он Овес 1955-1997 2,3 4, 5, 7, 26

44 Коломенский р-он Овес | 1955-1997 2, 3, 26 8, 10, 12,25

45 Красногорский р-он Овес 1955-1997 2,3,4 5, 6, 24, 25, 26

46 Ленинский р-он Овес 1955-1997 Нет 4, 5, 6,8, 12

47 Раменский район Ячмень 1955-1997 Нет 5, 6, 8, 9, 13, 18

48 Подольский р-он Ячмень 1955-1997 3 3, 5,6, 15,20

49 Ступинский р-он Ячмень 1955-1997 Нет 2, 5,6, 18,20

50 Шатурский р-он Ячмень 1955-1997 Нет 3,7,11,18,24-26

51 Истринский р-он Оз рожь 1955-1997 2, 7,8 3,6, 9, 13, 15,20

52 Серпуховский р-он Оз рожь 1955-1997 1 2 3,4, 7, 8, 12, 18, 20

53 Павлово-Посадский р-он Оз рожь 1955-1997 2, 3 4,5, 11, 18, 20, 24

54 Раменский район Оз рожь 1954-2005 Нет 2,4, 7-10, 12, 15,24-26

55 Московская обл Овес 1955-2000 2,3 4, 7, 12, 18, 25-28

56 Московская обл Зерновые 1955-2003 2,3 4 12,20,27,28

57 Московская обл Оз пшеница 1955-1997 2 3,4, 5 6 7 11, 13,25 26

58 Московская обл Яр пшеница 1955-2003 2, 3, 4, 5 6, 20, 26, 30

59 Московская обл Оз рожь 1955-2003 2 3,4,6 20 26,30

60 СССР/Россия Зерновые 1950-2003 2-13,25 - 30,36,37 |

Графический R/S - анализ и расчет коэффициентов автокорреляции подтвердили наличие в динамике урожайности рассмотренных сельскохозяйственных культур одновременно нескольких циклов различной

продолжительности 2 - летних, 11 - 12 - летних, 24 - 25 - 26 - летних При этом границы циклов четко не определяются, они колеблются около близких значений

4 Четвертое положение, выносимое на защиту. Корреляционные связи между факторами урожайности сельскохозяйственных культур и результативным признаком не являются стационарным», они носят динамический характер.

Была исследована связь урожайности сельскохозяйственных культур с такими факторами как солнечная активность, удобрения, осадки По рассматриваемым признакам рассчитывались коэффициенты парной корреляции для различных временных отрезков В результате обнаружено, что коэффициенты парной регрессии существенно отличаются по различным временным периодам одного и того же ряда В связи с этим целесообразно исследовать корреляционную связь факторных и результативного признаков в динамике путем расчета коэффициентов корреляции между изучаемыми признаками на временных отрезках т, т+1, т+2, , т+к=п, где п - длина исходного временного ряда (т, к, п - натуральные числа) Таким образом, мы получим динамику изменения корреляционной связи между двумя признаками во времени На рисунках 2-4 показана динамика парной корреляции отдельных факторов с урожайностью зерновых культур по данным колхоза «Борец» Раменского района Московской области

Номер периода

|_|—♦—Коэффициенты корреляции-^сгд Вольфа~| I

Рис 2 Динамика коэффициентов корреляции между урожайностью зерновых культур в колхозе «Борец» Раменского района Московской обл и числами Вольфа за период 1954 - 2000 годы

Номер периода

Корреляция с минеральными удобрениями Корреляция с органическими удобрениями

Рис 3 Динамика коэффициентов корреляции между урожайностью зерновых культур в колхозе «Борец» Раменского района Московской обл и внесением минеральных и органических удобрений за период 1969 - 1998 годы

Рис 4 Динамика коэффициентов корреляции между урожайностью зерновых культур в колхозе «Борец» Раменского района Московской обл и атмосферными осадками за период 1978 - 1998 годы Динамический характер корреляционных связей необходимо учитывать при прогнозировании урожайности сельскохозяйственных культур Если регрессионная модель была построена на одном временном отрезке, ее параметры могут оказаться некорректными для другого временного диапазона (более длинного или короткого), что приведет к получению ошибочных результатов Этот тезис вполне согласуется с теорией лимитирующих факторов Степень влияния отдельных факторов неравнозначна какие-то имеют большее значение в данный момент, какие-то - меньшее Однако в следующий момент наблюдения распределение весов значимости между факторами может измениться Для определения факторов, наиболее значимых для изменения результативного признака, необходимо оценивать характер изменения во времени каждого фактора в отдельности по каждому объекту исследования Наши исследования показали, что для построения условно-объективной факторной модели необходимо учитывать две группы факторов

Первая группа - факторы, находящиеся в наибольшем дефиците (в случае изменения данного фактора существенно изменится и результативный признак,

в случае сохранения дефицитного состояния данного фактора действие других факторов на результативный признак будет ослаблено)

Вторая группа - факторы с активной динамикой развития Здесь имеется в виду изменение характера поведения фактора например, доза внесения удобрения под культуру на протяжении ряда лет не менялась и поведение данного фактора можно описать уравнениям у=Ь, затем появилась возможность увеличить дозу внесения удобрений, и характер поведения фактора изменился, теперь его можно описать уравнением у=Ьх+с Понятно, что при таком изменении доз внесения удобрений (в пределах технологических норм) степень влияния данного фактора на урожайность культуры увеличится

В обоих случаях речь идет о рассмотрении изменений факторных признаков в диапазоне технологических норм (либо диапазоне оптимальных условий), если они установлены Переход факторного признака за такие границы приведет либо к снижению степени втияния на результативный признак, либо к изменению характера связи

Нами были построены многофакторные регрессионные модели зависимости урожайности зерновых культур колхоза «Борец» о г внесения минеральных и органических удобрений и солнечной активности (чисел Вольфа) Всего было построено 14 моделей для различных временных периодов последовательно ог диапазона 1965 - 1985 гг до 1965 - 1998 гг

Стандартизированные коэффициенты регрессии многофакторных моделей, а также стандартизированные коэффициенты парной регрессии между факторными и результативным признаками приведены в таблице 3

Таблица 3

Стандартизированные коэффициенты регрессии факторного анализа

урожайности зерновых культур в колхоз «Борец»

Период Многофакторная регрессионная модечь Модель парной регрессии

Минеральные удобрения Органические удобрения Числа Вочьфа Минеральные удобрения Органические удобрения Числа Вольфа

1965- 1985 0,25 0,12 -0,46 0,56 0,51 -0,35

1965- 1986 0,26 010 -0,50 0,59 0,52 -0,40

1965- 1987 0,26 0,11 -0,53 0,58 0,52 -0,43

1965- 1988 0,27 0,13 -0,52 0,58 0,52 -0,43

1965 - 1989 0,24 0,19 -0,41 0,57 0,53 -0,33

1965- 1990 0,23 0,21 -0,38 0,57 0,53 -0,30

1965- 1991 0,30 0,34 -0,39 0,52 0,48 -0,28

1965 - 1992 0,26 0,45 -0,38 0,50 0,54 -0,25

1965- 1993 0,32 0,53 -0,42 0 34 0,54 -0,26

1965- 1994 0,24 0,60 -0,45 0,12 0,59 -0,30

1965 - 1995 0,24 0,62 -0,48 0,12 0,59 -0,28

1965 - 1996 0,22 0,63 -0,50 0,02 0,60 -0,32

1965 - 1997 0,21 0,63 -0,52 -0,04 0,61 -0,33

1965 - 1998 0,20 0,64 -0 49 0,01 0,62 -0,33

Данные таблицы 3 показывают вариацию коэффициентов регрессии, как в многофакторной, так и парной моделях регрессии Значительный интерес представляет динамика коэффициентов регрессии в парной и многофакторной моделях Рассмотрим минеральные удобрения (рисунок 5)

Номер периода —•—КЛногофакторная регрессия ——Парная регрессия |

Рис 5 Динамика стандартизированных коэффициентов регрессии минеральных удобрений в моделях многофакторной и парной регрессии за период 1985 -

1998 годы

На рисунке 5 в одной системе координат приведены графики парного коэффициента регрессии и коэффициента регрессии многофакюрной модели Интерес представляет взаимодействие этих графиков Коэффициент парной регрессии, начиная с 6 периода (1990 год) снижается, а коэффициент регрессии многофакторной модели растет на участке 6-9 периодов После пересечения в районе 9 периода оба графика показывают нисходящую динамику Такое поведение коэффициентов можно понять, если вспомнить динамику изменения самого фактора Именно после 1990 г (6 период) началось снижение объемов внесения минеральных удобрений, при этом стал снижаться и коэффициент парной регрессии, однако в многофакторной модели значимость минеральных удобрений возросла, благодаря тому, что этот фактор стал более дефицитен В районе 9 периода объем внесения минеральных удобрений упал до минимума за весь предшествующий период При этом падение «перешагнуло» нижнюю границу «технологической нормы» и связь минеральных удобрений с урожайностью стала терять свою интенсивность

Рассмотрим связь органических удобрений с урожайностью зерновых культур за тот же временной период (рисунок 6) На рисунке 6 мы видим участок умеренного активного роста значимости коэффициента парной регрессии с 7 по 10 период На этом же участке растет коэффициент регрессии многофакторной модели, но очень активно

о и,ш -

Номер периода

- ГЛногофакторная регрессия -

-Парная регрессия

Рис 6 Динамика стандартизированных коэффициентов регрессии органических удобрений в моделях многофакторной и парной регрессии за период 1985 - 1998 годы Ранее было установлено, что, с одной стороны, это связано со снижением значимости связи между урожайностью и внесением минеральных удобрений, с другой стороны, со значительным ростом внесения органических удобрений в этот период (1991-1994 гг) Кроме того, здесь также как и в случае с минеральными удобрениями, существенно меняется динамика коэффициентов регрессии после точки пересечения графиков Если до точки пересечения наблюдался очень активный рост коэффициента многофакторной регрессии, то после - восходящая динамика сохраняется, но скорость ее существенно меньше Вероятно, в точке пересечения произошел переход через верхнюю границу «технологической нормы»

Рассмотрим последний фактор, включенный в многофакторную модель регрессии - показатель солнечной активности (рисунок 7)

ООО -010 0 20 -030 0 40 050 -0 60

1 2 3 4 5 7 8 3 10 11 12 13 14

1

I

Номер периода

- многос^акторная регрессия -

-парная регрессия

Рис 7 Динамика стандартизированных коэффициентов регрессии чисел Вольфа в моделях многофакторной и парной регрессии за период 1985 - 1998 годы

Здесь наблюдается практически синхронная, параллельная динамика коэффициентов парной и многофакторной регрессии Графики ведут себя одинаково, отражая циклический характер связи с результативным признаком

Такая синхронная динамика свидетельствует о том, что данный фактор не взаимодействует с другими факторами модели, он независим

Вывод, который мы можем сделать с высокой степенью уверенности, состоит в том, что факторы внесения органических и минеральных удобрений взаимосвязаны Следовательно, возникает вопрос какой из факторов можно включить в многофакторную регрессионную модель, а какой нет9 Ответить на этот вопрос можно, построив матрицу парных коэффициентов корреляции (таблицы 4-6)

Таблица 4

У X! х2 XI

У 1

XI 0,56 1

Х2 0,51 0,78 1

X, -0,35 0,01 -0,04 1

Матрица коэффициентов парной корреляции для периода 1965

Таблица 5 1992 года

У XI Х2 хз

У 1

XI 0,50 1

Х2 0,54 0,39 1

Хз -0,25 -0,15 0,15 1

Таблица 6

У XI х2 хз

У 1

XI 0,01 1

Х2 0,62 -0,07 1

Хз -0,33 0,26 0,00 1

где,

XI - минеральные удобрения, Х2 - органические удобрения, Хз - солнечная активность (числа Вольфа)

Проанализировав данные таблиц 4-6, мы можем сказать, что для периода 1965 - 1985 гг нецелесообразно включать в модель фактор внесения органических удобрений, для периода 1965 - 1998 гг «лишним» фактором являются минеральные удобрения А на отрезке 1965 - 1992 гг можно включить в модель все рассмотренные факторы, так как у всех факторов корреляция с результативным признаком выше, чем межфакторная корреляция Проведенные расчеты еще раз подтверждают динамический характер корреляционных связей между результативным и факторными признаками

5. Пятое положение, выносимое на защиту'. Алгоритм прогнозирования урожайности зерновых культур с учетом неоднородности временных радов урожайности.

Учитывая результаты проведенных исследований, был сделан вывод о целесообразности разложения временного ряда динамики урожайности зерновых культур не на параллельные компоненты тенденцию, циклическую и случайную компоненты, а на несколько выборочных временных цепочек Предполагается, что временные цепочки формируются из выборочных уровней временного ряда, отстоящих друг от друга на определенные временные периоды

Причиной, оправдывающей такой прием разложения временного ряда, является наличие циклических колебаний во временных рядах урожайности Мы смогли в этом убедиться при расчете показателя Херста, У-статистики, коэффициентов автокорреляции Формирование временных цепочек из выборочных уровней исходного ряда динамики позволит включить взаимосвязанные уровни ряда в единую последовательность и рассмотреть характер ее поведения в отдельности

Общая схема анализа временного ряда и построения прогноза на основе выборочных временных цепочек представлена на рисунке 8

Рис 8 Алгоритм построения прогноза урожайности зерновых культур на основе выборочных временных цепочек

Рассмотрим данный алгоритм более подробно

Шаг 1 Расчет коэффициентов автокорреляции и определение значимых временных лагов Необходимо рассчитать коэффициенты автокорреляции для максимального количества временных лагов и выбрать те, для которых коэффициент автокорреляции имеет значимую величину, либо величину, очень близкую к критическому значению С другой стороны, выбор временного лага должен обеспечивать достаточную длину временной цепочки для проведения содержательного анализа

Шаг 2 Построение выборочных временных цепочек изучаемого показателя на основе отобранных временных лагов При этом в полученных временных цепочках изменение независимой переменной на единицу будет соответствовать длине выбранного временного лага

Шаг 3 Аппроксимация полученных временных цепочек Шаг 4 Синтез выборочных временных цепочек и построение единой модели выравнивания временного ряда, расчет показателей точности модели Выбор наиболее точной модели, по которой в дальнейшем рассчитывается прогноз

Шаг 5 Построение прогноза урожайности зерновых культур на среднесрочный период Декомпозиция ряда наблюдений на временные цепочки производилась с целью анализа взаимосвязанных уровней динамического ряда Полученная совокупность цепочек является моделью, отражающей характеристики имеющегося временного ряда Однако строить прогноз по отдельным цепочкам на соответствующий период представляется некорректным, так как в этом случае могут быгь потеряны важные составляющие динамики исходного временного ряда С целью сохранения целостности исходного временного ряда урожайности следует усреднить прогнозные значения, полученные по каждой цепочке Поскольку в полученных уравнениях цепочек изменение независимой переменной на 1 соответствует периоду реального времени п, то, подставляя в уравнение значение независимой переменной, кратное 1/п, мы получим прогноз по каждой временной цепочке на каждый год горизонта прогнозирования Далее, усредняя прогнозные значения, полученные по отдельным цепочкам, мы получим прогнозное значение изучаемого признака, отражающее целостный характер динамики исходного временного ряда

Шаг 6 Расчет показателей точности прогноза

Экспериментальная апробация данной методики была проведена на 25 рядах урожайности зерновых культур Прогноз урожайности рассчитывался одновременно по предложенному алгоритму и методу экспоненциального сглаживания Всего по 25 временным рядам было рассчитано 104 прогнозные

модели в соответствии со значимыми или высокими коэффициентами автокорреляции в диапазоне от 2 до 5 лет В ряде случаев при значимости 2 -летнего временного лага допускалось его кратное увеличение в два раза, и рассчитывались модели как для 2 цепочек, так и для 4

Во всех случаях наиболее точной моделью оказалось выравнивание по алгоритму выборочных цепочек Наименее точной моделью во всех случаях оказалось выравнивание методом экспоненциального сглаживания

Показатели точности прогноза позволяют сделать вывод о предпочтительности использования моделей выборочных временных цепочек, так как в 19 случаях из 25 предложенный алгоритм прогнозирования урожайности зерновых культур показал более высокую достоверность

ВЫВОДЫ И ПРЕДЛОЖЕНИЯ

В ходе исследований, проведенных в рамках выполненной работы, получены следующие результаты

1 изучена природа одного из основных показателей уровня развития сельскохозяйственного производства - урожайности сельскохозяйственных культур Установлено, что временные ряды урожайности сельскохозяйственных культур являются сильноколеблющимися, неоднородными по внутренней структуре и антиперсистентными Выявлено наличие циклов различной продолжительности двухлетних, десяти-двенадцатилетних, двадцатичетырех- двадцатишестилетних Установлено, что длина волны циклов урожайности сельскохозяйственных культур не является постоянной величиной - может сжиматься и расширяться

2 Рассмотрены основные факторы, оказывающие влияние на формирование урожая, в ретроспективе Сделан вывод о доминировании научно-технического прогресса как главной действующей силы на динамику изменения изучаемого признака как непосредственно, так и опосредованно

3 Рассмотрена корреляционная связь между факторными признаками (удобрения, осадки, солнечная активность) и урожайностью зерновых культур Доказан динамический характер связи Обоснована необходимость учета динамической связи между факторными и результативным признаками при построении прогноза урожайности зерновых культур

4 Рассмотрены основные подходы к анализу и прогнозированию урожайности сельскохозяйственных культур моделирование и экстраполяция Проведена оценка предпочтительности и условий применения данных методов в зависимости от уровня управления, на котором строится прогноз, длины горизонта прогнозирования Выявлена недостаточность информационной базы для широкого применения методов моделирования

5 Установлено, что наиболее точный прогноз урожайности зерновых культур можно получить, совмещая различные методы прогнозирования экстраполяционные приемы на среднесрочном горизонте прогнозирования на всех уровнях управления от сельскохозяйственного товаропроизводителя до государства в целом и методы моделирования для краткосрочных и текущих прогнозов урожайности зерновых культур в период вегетации на уровне конкретного товаропроизводителя

6 Предложена оригинальная схема построения прогноза урожайности зерновых культур на основе приемов экстраполяции Суть предлагаемого подхода заключается в выделении из исходного временного ряда выборочных цепочек, состоящих из взаимосвязанных уровней (взаимосвязь уровней определяется на основе расчета коэффициентов автокорреляции), аппроксимации полученных цепочек, обратного синтеза полученных уравнений в единую модель выравнивания временного ряда и построения на ее основе прогноза урожайности зерновых культур В результате проведенных расчетов установлены эмпирические правила применения данного алгоритма

7 На основе проведенных сравнительных расчетов установлено, что предлагаемый алгоритм построения прогноза дает более точную модель выравнивания ряда урожайности, а также более точный прогноз на среднесрочную перспективу по сравнению с выравниванием на основе метода экспоненциального сглаживания Результаты подтверждены расчетами прогнозных значений урожайности зерновых культур по данным хозяйств Ступинского и Раменского районов Московской области, по данным урожайности сельскохозяйственных культур по ряду районов Московской области и по Московской области в целом, а также по России/СССР/России в длительной динамике

8 Показана возможность и практическая значимость расчета прогнозных значений урожайности зерновых культур для планирования сельскохозяйственного производства на уровне конкретных товаропроизводителей

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ Работы, опубликованные в ведущих рецензируемых научных журналах и изданиях, рекомендованных ВАК,

1 Личко К П Шумская Е В О некоторых возможностях использования теории детерминированного хаоса в анализе и прогнозировании урожайности сельскохозяйственных культур // Известия ТСХА № 4 2006 г М Изд-во

ФГОУ ВПО РГАУ-МСХА имени К А Тимирязева - С 142-152 -0,58пл (в т ч лично автором 0,3 п л )

2 Личко К П Шуйская Е В Прогнозирование урожайности зерновых культур как основа прогнозирования объемов сельскохозяйственного производства// Проблемы прогнозирования № 3 2007 г M Изд -во институт народнохозяйственного прогнозирования Российской академии наук - 0,54 п л (в т ч лично автором 0,27 п л )

Другие работы.

1 Шумская Е В Применение теории хаоса к анализу сельскохозяйственного производства // Материалы Международной конференции молодых ученых и специалистов, посвященной 140 - летию РГАУ - МСХА имени К А Тимирязева, 1-2 июня 2005 г M центр оперативной полиграфии ФГОУ ВПО РГАУ-МСХА имени КА Тимирязева, 2006 -С 312-317 -0,25пл

2 Личко К П Шумская Е В О влиянии изменения климатических условий на динамику урожайности сельскохозяйственных культур // Материалы Международной научной конференции, посвященной 140 - летию РГАУ -МСХА имени К А Тимирязева (13-16 декабря 2005 i ) - 0,37 п л (в т ч лично автором 0,2 п л )

3 Шумская ЕВ К вопросу о циклическом характере динамики урожайности сельскохозяйственных культур // Проблемы экономики № 1 2006 г M йзд-во «Компания Снутник+» -С 197-198 -0,17пл

4 Шумская Е В Оценка предпочтительности методов прогнозирования урожайности сельскохозяйственных культур // Проблемы экономики № 1 2006 г M Изд-во «Компания Спутник+» - С - 199-201 - 0,26 п л

5 Шумская Е В Применение фрактального анализа к изучению вопросов управления аграрной сферой // Современные гуманитарные исследования № 1 2006 г M Изд-во «Компания Спутника» - 0,21 п л

6 Шумская Е В Особенности прогнозирования временных рядов урожайности сельскохозяйственных культур // Проблемы экономики № 2 2006 г M Изд-во «Компания Спутник+» - С - 157-160 -0,24 пл

7 Шумская ЕВ Экстраполяционные приемы прогнозирования урожайности зерновых культур на среднесрочную перспективу // Российский экономический интернет-журнал [Электронный ресурс] Интерне r-журнал АТиСО / Акад труда и социал отношений — Электрон ж\рн — M АТиСО, 2002 — № гос регистрации 0420600008 — Режим доступа http //www е-rej ru/Articles/2006/Shumskaya doc, свободный — Загл с экрана - 0,45 п л

Шумская Екатерина Владимировна подписано в печать 30 11 2006 г

1,5 печ. л

Зак 829

Тир 100 экз

Центр оперативной полиграфии ФГОУ ВПО РГАУ - МСХА имени К А Тимирязева 127550, Москва, ул Тимирязевская, 44