Статистические методы прогнозирования урожайности зерновых культур в зоне рискованного земледелия тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Статистические методы прогнозирования урожайности зерновых культур в зоне рискованного земледелия"

На правахрукописи

Лебедева Татьяна Викторовна

СТАТИСТИЧЕСКИЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР В ЗОНЕ РИСКОВАННОГО ЗЕМЛЕДЕЛИЯ

Специальность 08.00.12. -Бухгалтерский учет, статистика

Автореферат

диссертации на соискание ученой степени кандидата экономических наук

Оренбург 2004

Работа выполнена на кафедре статистики и экономического анализа ФГОУ ВПО «Оренбургский государственный аграрный университет»

Научный руководитель - доктор экономических наук, профессор

Афанасьев Владимир Николаевич

Официальные оппоненты - доктор экономических наук, профессор

Саяпова Алсу Рафгатовна

- кандидат экономических наук Кузнецова Валентина Евгеньевна

Ведущая организация - Самарская государственная сельскохо-

зяйственная академия

Зашита диссертации состоится « % » 1АлОи*$ 2004г. в Ючасов на заседании диссертационного совета ДМ 220.051.05 в ФГОУ ВПО «Оренбургский государственный аграрный университет» по адресу: 460795, г.Оренбург, ул. Челюскинцев, 18, экономический факультет.

С диссертацией можно ознакомиться в библиотеке ФГОУ ВПО «Оренбургский ГАУ»

Автореферат разослан 2004г.

Ученый секретарь диссертационного совета

кандидат экономических наук, доцент В.СЛевин

Общая характеристика работы Актуальность темы исследования. Обеспечение продовольствием жителей страны в основном за счет отечественного производителя в современных условиях хозяйствования становится приоритетной стратегией государства, так как от этого зависит не только продовольственная, но и национальная безопасность государства.

Особенно актуальна проблема продовольственного обеспечения в регионах, расположенных в зоне рискованного земледелия. Это обусловлено резкими колебаниями погодных условий, которые, в свою очередь, вызывают нестабильность производства основных сельскохозяйственных продуктов как в растениеводстве, так и в животноводстве. Следовательно, необходимость предвидения (прогнозирования) вероятностного исхода событий приобретает особую значимость в условиях высокой неопределенности, вызванных как объективными, так и субъективными причинами, что важно и для разработки управленческих решений по регулированию ситуации. Поскольку прогнозирование носит вероятностный характер, то приоритетными при его реализации являются статистические методы прогнозирования.

Рассматриваемые в диссертации проблемы ранее нашли отражение в трудах таких российских ученых, как Афанасьев В.Н., Юзбашев М.М., Френкель А.А., Загайтов И.Б., Прудников А.Г., Сиротенко В.Г., Полевой А.Н. и другие. Отдельные направления рассматриваемой проблемы исследовались в работах таких зарубежных ученых, как Тейл Г, Кендалл М., Льюис К.Д. и другие. Вместе с тем, все они носили эпизодический характер и не включали для прогнозирования урожайности зерновых культур наряду с традиционными методами более гибкий, современный инструментарий методов прогнозирования.

Неразработанность системы комплексного применения статистических методов прогнозирования урожайности зерновых культур в условиях рискованного земледелия предопределила выбор темы диссертационного исследования.

РОС. НАЦИОНАЛЬНА* I БИБЛИОТЕКА I

Научная необходимость и практическая значимость определили актуальность темы диссертационного исследования.

Цель и задачи исследования. Целью диссертационной работы является совершенствование методики статистического анализа и прогнозирования урожайности зерновых культур в зоне рискованного земледелия.

В соответствии с целью исследования ставились и решались следующие основные задачи:

• рассмотреть сущность категорий «прогноз» и «прогнозирование»; систематизировать и классифицировать существующие прогнозы и методы прогнозирования;

• разработать методику построения прогноза урожайности зерновых культур;

• провести комплексный статистический анализ вариации и динамики урожайности зерновых культур в Оренбургской области; выделить однородные зоны и периоды по урожайности зерновых культур в Оренбургской области;

• выполнить прогноз урожайности зерновых культур;

• верифицировать и синтезировать полученные прогнозы урожайности зерновых культур.

Объектом исследования является урожайность зерновых культур в Оренбургской области.

Предметом исследования выступают методологические и методические аспекты статистического прогнозирования урожайности зерновых культур.

Информационное обеспечение работы составили данные статистической отчетности Оренбургского комитета государственной статистики, Департамента АПК Оренбургской области, статистические ежегодники по РФ, бухгалтерская и статистическая отчетность предприятий, результаты анкетирования экспертов. Обработка статистических данных проводилась с использованием пакетов приЮ}^днЫх,программ STATISTIKA, Microsoft Excel 2000, Stata 6.

Методология и методы исследования. Теоретической и методологической основой исследования послужили труды отечественных и зарубежных ученых по статистике, экономике, сельскому хозяйству. В исследовании используется комплекс методов, а именно: табличный и графический методы, статистические группировки, корреляционный, регрессионный, кластерный анализ, анализ временных рядов, анализ вариации, формализованные методы прогнозирования, экспертные методы и другие.

Научная новизна диссертационной работы заключается в формировании и применении системы статистических методов прогнозирования урожайности зерновых культур в зоне рискованного земледелия. К числу наиболее существенных научных результатов относятся следующие:

• уточнено понятие «прогноз», которое определяется как научное, основанное на эмпирических данных, вероятностное представление о состоянии объекта прогнозирования на определенный момент времени при определенных условиях среды его функционирования;

• дополнены классификация прогнозов по признаку их назначения и классификация методов экономического прогнозирования в части методов статистического моделирования и проведена их систематизация;

• применены адаптивные методы статистического прогнозирования, аппарат эконометрического моделирования панельных данных и метод эвристического прогнозирования, а также объединенный прогноз трендовых моделей на основе факторного анализа и комбинированный прогноз на основе формализованных и экспертных методов прогнозирования, ранее не используемые в прогнозировании сильно колеблющихся рядов динамики;

• сформулирована необходимость поэтапной схемы прогнозирования и применения на каждой его стадии необходимых, индивидуальных методик;

• выделены однотипные зоны и однородные периоды в результате многомерного статистического анализа и адаптивных методов по данным урожайности зерновых культур в Оренбургской области за 120 лет (1883 - 2002 гг.) для дальнейшего применения в прогнозировании;

• определена детерминированность урожайности зерновых культур в Оренбургской области с климатическими условиями зоны рискованного земледелия и слабая зависимость от экономических, агротехнических и других факторов на основе многомерного статистического анализа пространственно - временной информации по урожайности зерновых культур в Оренбургской области и ее факторам.

Практическая значимость диссертационного исследования состоит в возможности использования разработанных методических подходов статистического прогнозирования урожайности зерновых культур в зонах рискованного земледелия на уровне Департамента АПК региона. Прогнозные значения урожайности зерновых культур могут использоваться для разработки управленческих решений в плане координирования деятельности сельскохозяйственного производства: подготовки необходимого объема техники, горючесмазочных материалов, трудовых ресурсов, а также повышения эффективности использования оборотных средств производства.

Положения диссертации могут быть использованы в высших и средних специальных учебных заведениях при изучении дисциплин «Микроэкономическая статистика», «Анализ временных рядов и прогнозирование», «Эконометрика».

Апробация результатов исследования. Основные положения диссертационной работы докладывались автором на международной научно-практической конференции независимого аграрно-экономического общества России в 2002 г., международной научно-практической конференции «Агропромышленный комплекс: состояние, проблемы, перспективы» (Пенза, 2003г.), международном симпозиуме «Социально-экономические, политические и экологические проблемы в сельском хозяйстве России и стран СНГ: история и современность» (Оренбург, 2004), научно-практических и научно-методических конференциях Оренбургского государственного аграрного университета в 2002, 2003, 2004гг. Результаты исследование опубликованы и в издании Оренбургского ГАУ «Университетский меридиан».

Основные положения диссертации также изложены в шести научных публикациях, общим объемом 1,08п.л.

Объем и структура работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений, в которых приведены информационно-справочные материалы, иллюстрирующие и дополняющие основное содержание исследования. Диссертационная работа изложена на 169 страницах машинописного текста, содержит 12 рисунков и 36 таблиц. Список литературы включает 157 наименований работ отечественных и зарубежных авторов. Приложения представлены на 48 страницах.

Во введении обоснована актуальность темы исследования, дана характеристика состояния изученности проблемы, изложены цель и задачи, определены объект и методы исследования, раскрыты научная новизна и практическая значимость работы.

В первой главе «Теоретические основы прогнозирования в экономике» рассмотрена сущность понятий «прогноз» и «прогнозирование», принципы и этапы экономического прогнозирования. Систематизирована и дополнена классификация экономических прогнозов. Раскрыты особенности прогнозирования в сельском хозяйстве.

Во второй главе «Статистическое исследование уровня, динамики и факторов урожайности зерновых культур в зоне рискованного земледелия» проведено условное деление на группы факторов, влияющих на урожайность зерновых культур, и проведен их всесторонний анализ. На основе многомерного анализа уровня и динамики урожайности зерновых культур выделены однотипные зоны и однородные периоды по урожайности зерновых культур в Оренбургской области. Проведено многофакторное моделирование и моделирование по одномерному временному ряду урожайности зерновых культур. Оценено качество полученных моделей.

В третьей главе «Методы статистического прогнозирования урожайности зерновых культур в зоне рискованного земледелия» построены прогнозы урожайности зерновых культур формализованными и экспертными методами,

разработаны комбинированные прогнозы, оценена точность и надежность полученных прогнозов.

В заключении даются выводы и предложения по результатам проведенного исследования.

Основные положения и результаты, выносимые на защиту

Уточненное понятие «прогноз». Дополненные и систематизированные классификации прогнозов и методов экономического прогнозирования

Под прогнозом следует понимать научное, основанное на эмпирических данных, вероятностное представление о состоянии объекта прогнозирования на определенный момент времени при определенных условиях среды его функционирования.

Типология экономических прогнозов может строиться по различным критериям в зависимости от целей, задач, масштабности объекта прогнозирования, периода упреждения, назначения прогноза и т.д. Поэтому до настоящего времени в литературе отсутствовала единая, четкая классификация экономических прогнозов по основным признакам. Нами систематизирована и дополнена признаком назначения прогнозов классификация экономических прогнозов (таблица 1).

Таблица 1 - Классификация экономических прогнозов

Экономическое прогнозирование осуществляется с помощью методов прогнозирования. В настоящее время наряду со значительным числом разработанных методов прогнозирования нет их четкой общепринятой классификации. Нами систематизирована и дополнена классификация методов прогнозирования в части статистического моделирования блоком построения уравнений регрессии по панельным данным (рисунок 1).

Рисунок 1 - Классификация методов экономического прогнозирования

Поэтапная схема прогнозирования урожайности зерновых культур и методов, применяемых на каждой стадии

Для прогнозирования урожайности зерновых культур нами разработана поэтапная схема прогнозирования и методов, применяемых на каждой стадии, в

соответствии с которой в работе проведено прогнозирование урожайности зерновых культур в Оренбургской области (рисунок 2).

Определение объекта, целей и задач прогноза

Выявление факторов, влияющих на урожайность

Экспертные методы

Сбор и обработка фактических данных по урожайности зерновых культур и факторов, влияющих на нее

I/1

Статистическое наблюдение, сводка и группировка

Исследование особенностей и тенденций динамики урожайности в ретроспективе

1.Спектральный анализ

2.Анализ автокорреляционной функции

3.Аналитическое выравнивание ряда

4.Фазовый анализ и другие

Исследование вариации урожайности и формирование однородных зон по урожайности и факторам, влияющим на нее

1 .Показатели вариации

2.Методы многомерной классификации

3.Дискриминантный анализ

4.Дисперсионкый анализ

Прогнозирование урожайности по однородному периоду для однородных зон

1.Формализованные методы: экстраполяция трендов, прогнозирование на основе регрессионных моделей, факторного анализа, адаптивные методы и другие 2.Экспертные методы

т 1 .Средний взвешенный прогноз 2.Факторный анализ

Объединение прогнозов

▼

Проверка надежности, точности полученных прогнозов и их корректировка <— 1 .Коэффициенты оправдываемости и эффективности применяемых методик 2.Коэффициенты расхождения 3.Экспертные оценки

Рисунок 2 - Стадии прогнозирования урожайности зерновых культур и методы, применяемые на каждой стадии

Однотипные зоны и однородные периоды по урожайности зерновых культур в Оренбургской области

Вследствие высокой колеблемости урожайности зерновых культур для прогнозирования урожайности необходимо выделить однородные периоды в динамике. Для этого можно применить, например, экспертные методы либо фазовый анализ. Преимущество применения фазового анализа заключается в более объективном способе вычленения фаз, основанном на специальных стати-

стических методах их изучения. Он позволяет выделять локальные колебательные движения временного ряда и исследовать их особенности. В качестве флуктуации временного ряда были взяты отклонения урожайности от линейного тренда. В результате временной ряд урожайности (1883-2002гг.) был разбит на 4 фазы (рисунок 3).

• 1 фаза продолжительностью 32 года охватывает период 1883 - 1914 гг.

• 2 фаза продолжительностью 43 года охватывает период 1915 - 1957 гг.

• 3 фаза продолжительностью 36 лет охватывает период 1958 - 1993 гг.

• 4 фаза продолжительностью 9 лет охватывает период 1994 - 2002 гг.

/ ч*"1 ч«4 ч<" Ч-* ч*" / ч--- ч*" ** ч-* ч-О4 ч«« ч^ <С" ч«* ч«+ ^ ч'" ^ ч«* ч^ ^ ч*" ч'" ^ ^

Рисунок 3 - Динамика урожайности зерновых культур в Оренбургской области

Такое разбиение ряда объясняется социально-экономическими и политическими изменениями, проходившими в стране в целом и Оренбургской области в частности.

Проведенный анализ динамики урожайности зерновых культур внутри каждой фазы показал, что в динамике урожайности зерновых культур наблюдаются «волны»: средняя урожайность в первой фазе превышает среднюю урожайность второй фазы, коэффициент устойчивости первой фазы превосходит коэффициент устойчивости второй фазы. Аналогичные соотношения наблюдаются у показателей третьей и четвертой фаз, т.е. в нечетных фазах средняя

урожайность зерновых культур и коэффициенты устойчивости превосходят среднюю урожайность и коэффициенты устойчивости в четных фазах (таблица 2).

Таблица 2 - Показатели колеблемости и устойчивости урожайности зерновых культур по выделенным фазам в Оренбургской области

Фаза Уравнение тренда У, ц/га 1МГ п - 2 ц/га У5у ,«/0

1 У=3,15+0,0229П 5,1 107,3 30 1,9 36,9 63,1

2 У =4,59+0,0085 <4 4,8 254,4 41 2,5 52,2 47,8

3 У =9,04+0,0877*1 10,7 410,5 34 3,5 32,5 67,5

4 У =8,11+0,14*4 8,8 112,9 7 4,0 45,7 54,3

Итого и в среднем - 6,9 1195,9 118 3,2 45,9 54,2

где - средняя урожайность; - расчетное значение по уравнению тренда; п - длина фазы; ^у - среднее квадратическое отклонение уровней от тренда; - коэффициент колеблемости; - коэффициент устойчивости

Территория Оренбургской области занимает 124 тысячи квадратных километров, при этом она протянулась с запада на восток на 750 километров, это обусловило различные климатические и почвенные характеристики внутри области. На основании проведенного исследования вариации рассматриваемого показателя в динамике по районам Оренбургской области за 1958-2002 гг. сделан вывод о неоднородности изучаемой совокупности, т.к. коэффициент вариации урожайности зерновых культур по области колеблется за анализируемый период от 11,3 % до 72,3 %. Следовательно, необходимо выделить однородные зоны. Для достижения поставленной цели проведен кластерный анализ. В результате область была разделена на 3 зоны, однородные по уровню урожайности. В первую зону вошли 14 районов, во вторую - 13 районов, в третью зону -8 районов Оренбургской области (рисунок 4).

Сравнение динамики урожайности зерновых культур по выделенным зонам показало, что урожайность по второй зоне превышает урожайность зерновых культур по другим выделенным территориям. Самая низкая урожайность

Рисунок 4 - Картограмма урожайности зерновых культур по районам Оренбургской области

за весь анализируемый период наблюдается в третьей зоне. Следовательно, построение прогнозов необходимо осуществлять для выделенных трех зон. Но в зависимости от поставленных целей можно прогнозировать урожайность зерновых культур и для области в целом.

Статистический анализ пространственно - временной информации по урожайности зерновых культур в Оренбургской области и ее факторам

Одним из методов, позволяющих проанализировать взаимодействие факторов и урожайности, является корреляционно-регрессионный анализ.

Тесноту связи изучаемых явлений оценивает коэффициент корреляции. Для отбора факторов по матрице парных коэффициентов корреляции нами найдены критические значения парных коэффициентов корреляции на уровне значимости исходя из соответствующего числа степеней свободы по таблицам Фишера -Иейтса. В нашем случае г^^ 057)) = 0,67. В модели регрессии включены факторы, парные коэффициенты корреляции которых с урожайностью зерновых культур превысили найденное критическое значение. На следующем этапе методом пошаговой регрессии построены регрессионные модели урожайности зерновых культур и факторов, влияющих на нее (таблица 3).

Таблица 3 - Результаты регрессионного анализа урожайности зерновых культур в Оренбургской области

Территория Уравнение регрессии Я Л2 ^табл (а »0,05) Р - критерий

фактический табличный (а - 0,05 )

По области У = 26,5 -1,03 • Х3 + 0,11 • Х5 (2,9)' (2,8)' 0,912 0,837 2,36 14,38 4,74

1 зона У = 26,39 -1,05-Х3+0,11-Х5 (3,4)' (3,5)' 0,925 0,852 15,96

2 зона У = 2,02 + 0,08-Х5+0,12-Х6 (2,4)" (2,7)' 0,881 0,775 9,92

3 зона У = 42,09-1,61-X, (6,4)' 0,927 0,854 2,31 41,01 5,59

где * - расчетные значения г-статистики Стьюдента; Х3 — среднемесячная температура воздуха в июле, С0;

Х5 _ количество осадков в мае, мм;

Хв_ количество осадков в июне, мм.

Уравнения регрессии для области в целом, первой и третьей зоны включают фактор Х3, причем коэффициент регрессии при данном факторе отрицателен. Это означает, что при изменении среднемесячной температуры в июле на 1°С урожайность по области в целом снизится на 1,03 ц/га, в первой зоне - на 1,05 ц/га, в третьей зоне - на 1,61 ц/га. Помимо данного фактора, в уравнения регрессии области в целом и первой зоны вошел фактор X;. Коэффициенты регрессии в обоих уравнениях при нем равны и составили 0,11, т.е. с изменением количества осадков в мае на 1 мм урожайность в данных территориях увеличится на 0,11 ц/га.

Уравнение регрессии для второй зоны включает два фактора: Х5 и Они показывают, что с изменением количества осадков в мае на 1 мм урожайность повысится на 0,08 ц/га, а изменение осадков в июне на 1 мм повлечет увеличение урожайности на 0,12 ц/га.

Во всех построенных уравнениях регрессии наблюдается тесная зависимость между включенными в модель факторами и урожайностью зерновых культур: коэффициенты корреляции превышают 0,881. Факторы, включенные в модели, объясняют более 77,5% колеблемости результативного признака: коэффициенты детерминации принимают значения от 0,775 до 0,854.

Помимо традиционного корреляционно-регрессионного анализа для моделирования урожайности зерновых культур применены модели линейной регрессии для панельных данных (таблица 4).

Таблица 4 - Результаты анализа панельных данных урожайности зерновых культур

Территория Модель

Оренбургская область У = 34,86+0,53 • X, -1,23 • Х3+0,04 • Х5 - 0,04 • X, - 0,01 • X, 5

1 зона У = 35,56 + 0,16 • X, -1,22 • Х3 + 0,06 • Х5 -0,14 • Х„

2 зона У = 4,03+0,11 • X, + 0,09 • X, + 0,05-X,,

3 зона У = 30,19+0,48-Х, -1,19-Х, +0.04-Х,+0.01-Х,

где Х1 - внесено минеральных удобрений в переводе на д.в. на 1 га посева зерновых, кг;

Хз- среднемесячная температура воздуха в июле, С0;

Х5..количество осадков в мае, мм;

Хв-количеств о осадков в августе, мм;

Х9- запас влаги в метровом слое почвы весной, см;

Х13 - энергообеспеченность (энергетических мощностей на 100 га посева зерновых), тысл.с;

Х14 - обеспеченность тракторами (эталонных тракторов на 100 га посева зерновых), шт;

Х15 - нагрузка на один зерноуборочный комбайн, га.

В модели по всем рассматриваемым территориям вошли факторы Х1 и Х5. Рост фактора Х1 на 1 кг в среднем увеличит урожайность зерновых культур по области в целом на 0,53 п/га, в первой зоне - на 0,61 п/га, во второй зоне - на 0,11 ц/га, в третьей зоне - на 0,48 ц/га, при прочих равных условиях. Как видно, наибольшее значение коэффициента регрессии при данном факторе наблюдается в первой зоне. Это объясняется лучшим увлажнением данной территории, что способствует большей усвояемости вносимых минеральных удобрений. Также положительное влияние на урожайность зерновых культур оказывает фактор Х5. Увеличение количества осадков в мае на 1 мм повысит урожайность зерновых культур по области в целом на 0,04 ц/га, в первой зоне - на 0,06 ц/га, во второй зоне - на 0,09 ц/га, в третьей зоне - на 0,04 ц/га.

Помимо рассмотренных факторов в модель по Оренбургской области в целом, первой и третьей зоны вошел фактор Х3. При его увеличении на 1°С урожайность по области в целом снизится в среднем на 1,23 ц/га, в первой зоне - на 1,22 ц/га, в третьей зоне - на 1,19 ц/га, при прочих равных условиях.

Модель по области в целом включает также факторы Х и Х15. При увеличении количества осадков в августе на 1 мм, урожайность снизится на 0,04 ц/га; увеличении нагрузки на один зерноуборочный комбайн на 1 га урожайность снизится на 0,01 ц/га, при прочих равных условиях.

В модель по первой зоне кроме рассмотренных факторов входит фактор Х13. При увеличении энергообеспеченности на 1 тысл.с. урожайность зерновых культур в первой зоне снизится на 0,14 ц/га, т.е. концентрация энергетических

мощностей на единицу техники (преобладание тяжелых сельскохозяйственных машин при выполнении агротехнических работ) приводит к нарушению структуры почвы, что вызывает эрозию, потерю гумуса и, как следствие, снижение урожайности.

По второй зоне в модель помимо фактора X1, X, входит фактор Х15. При увеличении обеспеченности тракторами на 1 единицу техники урожайность увеличится на 0,05 ц/га.

Модель по третьей зоне в качестве четвертого фактора, помимо рассмотренных, включает фактор Х9. При увеличении запасов влаги в метровом слое почвы весной на 1 см урожайность зерновых культур в третьей зоне увеличится на 0,01 ц/га, при прочих равных условиях.

Специфика эконометрического моделирования панельных данных позволила получить модели, учитывающие помимо метеорологических факторов (как мы получили в регрессионном анализе) экономические и агротехнические, что позволит воздействовать на увеличение урожайности зерновых культур.

Методы прогнозирования, ранее не используемые в прогнозировании сильно колеблющихся рядов динамики 1. Адаптивные методы прогнозирования

Основные методы построения моделей данного класса: авторегрессио-ный, объединенная модель авторегрессии - скользящего среднего, авторегрессии - проинтегрированного скользящего среднего (АРИСС-модели), экспоненциальное сглаживание.

Применение данных методов требует анализировать длинные временные ряды (как правило, минимум 35 наблюдений), однако при этом необходимо проводить исследование по качественно однородной совокупности. Для прогнозирования урожайности зерновых культур по одномерному временному ряду в качестве периода ретроспекции принят ряд с 1958 по 2002 гг. (3 и 4 выделенная фазы).

Модель экспоненциального сглаживания учитывает (настраивается) на происходящие изменения. Причем более поздним наблюдениям придается больший вес, в то же время не исключаются из анализа остальные уровни, так как они несут информацию о процессе. Экспоненциальное сглаживание необходимо проводить с учетом выявленных тенденций.

В результате графического и логического анализа, а также по наименьшему среднему квадратическому отклонению фактических уровней от тренда и наибольшему коэффициенту аппроксимации для описания тенденции были выбраны полиномы второй степени. Следовательно, в данном случае экспоненциальное сглаживание основано на адаптивных полиномиальных моделях второго порядка.

Моделирование урожайности зерновых культур по методу экспоненциального сглаживания осуществлялось с применением ППП 8ТЛТ18Т1СЛ. Методом перебора по сетке значений определены оптимальные значения параметра сглаживания а.

Урожайность зерновых культур зависит от уровня урожайности в предыдущие годы. Это обусловлено тем, что в качестве основного средства производства в сельском хозяйстве участвует земля. В урожайные годы происходит «вынос» питательных веществ, что в последующие годы может привести к снижению урожайности и наоборот. Следовательно, для прогнозирования урожайности можно использовать класс авторегрессионых моделей.

Прогнозы урожайности зерновых культур, построенные на основе моделей по одномерному временному ряду: полиномов второго порядка, экспоненциального сглаживания, АРИСС-моделям, имеют слишком широкие границы доверительных интервалов (разность между верхней и нижней границами в среднем составила 16,1 ц/га). Поэтому применение полученных прогнозов не будет способствовать принятию оптимальных управленческих решений.

2. Объединенный прошоз по трендовым моделям на основе факторного анализа

Так как каждый из рассмотренных методов прогнозирования обладает достоинствами и недостатками, для их устранения выработан единый прогноз на основе факторного анализа. Модели объединенного прогноза представлены в таблице 5. Однако проведенный анализ качества полученных моделей показал, что они хуже описывают процесс, чем частные модели. Это объясняется прежде всего тем, что частные модели, положенные в основу объединенного прогноза, имеют удовлетворительное качество.

Таблица 5 - Модели объединенного прогноза на основе факторного анализа

Территория Модель

1 зона 7=0,639 • гл +0,592 -г,, +о,317-г„

2 зона / = 0,69 • Ъл + 0,36 • Ъл + 0,56 ■

3 зона 7 = 0,547 • Ъл + 0,502 • Ъ,г + 0,187 • Ъл

Область в целом 7 = 0,573 • гл + 0,093 • Ъл + 0,509 •

Где 2^ - нормированные значения частных прогнозов

3. Аппарат эконометрического моделирования панельных данных

Вследствие того, что анализируемые данные представляют собой выборку во времени, важно описать поведение совокупности в целом, построить прогнозы для типичных представителей совокупности. Следовательно, для прогнозирования урожайности зерновых культур применима лишь модель со случайным эффектом.

В качестве критерия выбора типа моделей использован тест множителей Лагранжа для проверки гипотезы о значимости случайных эффектов. По всем рассматриваемым территориям расчетное значение тестовой статистики Ла-гранжа оказалось больше критического значения z2 на 5 % уровне значимости.

Следовательно, для моделирования урожайности применимы модели со случайным эффектом.

Многофакторное прогнозирование основано на включении в модель комплекса факторов, объясняющих колеблемость результативного признака, в данном случае - урожайности зерновых культур. Это обстоятельство требует выделения однородных периодов не только по результативному признаку, но и учета изменений, происходивших с факторными признаками. Поэтому исследование проведено по временному ряду, охватывающему период с 1994г. по 2002г. (четвертая выделенная фаза), т.к. к этому периоду произошел коренной социально-экономический перелом в деятельности сельхозтоваропроизводителей.

Таблица 6 - Прогноз урожайности зерновых культур, построенный по моделям множественной регрессии (МР) и моделям линейной регрессии панельных данных (ПД)

Территория Точечный прогноз урожайности зерновых культур, ц/га

пессимистический оптимистический Оптимальный

МР пд МР ПД МР' пд

1 зона 4,6 1,6 11,1 17,2 8,4 8,5

2 зона 3,9 5,9 17,1 16,2 10,3 10,4

3 зона 3,0 2,4 14,4 15,7 8,3 8,2

Область в целом 2,1 1,7 16,5 17,6 9,1 8,4

Из таблицы 6 видно, что оптимальный прогноз урожайности зерновых культур, полученный путем подстановки в уравнение регрессии средних значений факторов за анализируемый период, дает наилучшие, с точки зрения логического анализа, результаты.

Доверительные границы для оптимальных прогнозов урожайности зерновых культур по рассматриваемым территориям значительно уже доверительных границ прогнозов по трендовым моделям (среднее расстояние между верхней и нижней границами составило 9,1 ц/га). Следовательно, применение многофакторного прогнозирования для урожайности зерновых культур в зоне рис-

кованного земледелия, с точки зрения точности получаемых прогнозов, предпочтительнее, так как в них учитывается специфика условий сельскохозяйственного производства в зонах рискованного земледелия.

4. Метод эвристического прогнозирования Прогнозирование урожайности зерновых культур было осуществлено методом эвристического прогнозирования из класса экспертных методов. В отличие от формализованных методов, методы экспертных оценок позволяют составлять прогнозы на среднесрочную и долгосрочную перспективу. Для применения метода эвристического прогнозирования урожайности зерновых культур и оценки влияния факторов нами был отобран 21 эксперт, 16 из которых приняли участие. Для проведения исследования была разработана анкета, в которой экспертам предложено дать прогноз урожайности зерновых культур по Оренбургской области в целом на 2004-2014 гг. Экспертами выступили специалисты со стажем работы более 10 лет в следующих специализациях: экономика, статистика, растениеводство, земледелие, агрохимия, энтомология, экология. Это работники экономического и агрономического факультетов Оренбургского ГАУ, сотрудники Департамента АПК Оренбургской области, Оренбургского научно-исследовательского института сельского хозяйства (ОНИИСХ), ФГУФГТ станции защиты растений по Оренбургской области. Выбор специализаций объясняется широким спектром факторов влияющих, на формирование урожайности.

По оценкам экспертов, в Оренбургской области в 2004 году ожидается урожайность зерновых культур ниже средней, наблюдавшейся в 4 фазе, в последующие годы - средняя (таблица 7).

Таблица 7 - Прогноз урожайности зерновых культур для Оренбургской области

Показатель 2004г. 2005г. 2006г. 2007г. 2008г. 2009г. В среднем за 20102014гг.

Средняя ожидаемая урожайность зерновых культур, ц/га 6,0-9,9 10,0-13,9 10,0-13,9 10,0-13,9 10,0-13,9 10,0-13,9 10,0-13,9

5. Комбинированный прогноз на основе формализованных и экспертных методов

Комбинированный прогноз по формализованным и экспертным методам рассчитывается по формуле:

где о, и а>ф — соответственно веса экспертного и формализованного прогнозирования, равные соответственно:

(2) (3)

где - соответственно дисперсии экспертного и формализованного

прогноза.

Объединенные прогнозы: экспертный с прогнозом по панельным данным и экспертный с множественной регрессией (таблица 8), незначительно отличаются друг от друга. Это обусловлено спецификой нахождения весов.

Таблица 8 - Комбинированный прогноз урожайности зерновых культур по формализованным и экспертным методам на 2004 г. для Оренбургской области

Показатель Регрессия по панельным данным Множественная регрессия

°ф 0,59 0,27

0,41 0,73

Ук,ц/га 9,1 9,4

Как видно из таблицы, вес прогноза по модели множественной регрессии значительно ниже веса экспертного прогноза. В то же время для регрессии по панельным данным это различие незначительно. Такое принятие веса прогноза позволяет ослабить влияние на конечный результат (комбинированный прогноз) прогноза, имеющего слишком большую дисперсию.

Результаты исследования позволяют сделать следующие выводы: 1. Для прогнозирования урожайности зерновых культур в зоне рискованного земледелия в условиях коренных социально-экономических преобразо-

ваний наряду с традиционными методами прогнозирования необходимо применять гибкий современный инструментарий статистических методов прогнозирования.

2. Обзор существующих определений понятия «прогноз» показал, что они имеют общий характер и не отражают специфики процесса прогнозирования. В диссертационной работе дано авторское определение понятие «прогноз».

3. В работе проведена систематизация и дополнение классификаций экономических прогнозов по шести основным признакам. Классификация методов прогнозирования, данная в работе, основана на систематизации и дополнении блока прогнозирования на основе статистического моделирования современным аппаратом эконометрического моделирования панельных данных.

4. Для краткосрочного прогнозирования урожайности зерновых культур в зоне рискованного земледелия предпочтение следует отдавать многофакторному прогнозированию по моделям множественной регрессии и линейной регрессии по панельным данным, а для среднесрочного и долгосрочного прогнозирования методам эвристического прогнозирования и комбинированному прогнозу на базе формализованных и экспертных прогнозов.

5. Прогнозирование урожайности зерновых культур рекомендуется осуществлять по предложенной поэтапной схеме, в которой отражены основные стадии прогнозирования и индивидуальные методы, применяемые на каждой стадии.

6. Высокая колеблемость и вариация урожайности зерновых культур в Оренбургской области обусловили необходимость выделения однородных периодов и однотипных зон по урожайности зерновых культур с целью дальнейшего применения в прогнозировании. Для этого использован многомерный статистический анализ и фазовый анализ временного ряда.

7. В работе на базе многомерного анализа пространственно - временной информации по урожайности зерновых культур в Оренбургской области и ее факторам выявлена тесная зависимость урожайности зерновых культур с кли-

магическими условиями рассматриваемой территории и слабая зависимость от других включенных в анализ факторов.

По теме диссертации опубликованы следующие работы:

1. Лебедева Т.В. Основные аспекты развития теории и практики прогнозирования // Проблемы теории и практики статистики. - Оренбург: Издательский центр ОГАУ, 2002. - С. 199-205 (0,4 пл.)

2. Лебедева Т.В. Роль прогнозирования в регулировании зернового хозяйства России // Научные основы функционирования и управления АПК: Научные труды НАЭКОР. Вып.6. Том 1.- М.: Издательство МСХА, 2002.- С.ЗЗ 1-334 (0,2 пл.)

3. Лебедева Т.В. Применение прогнозов урожайности зерновых культур для повышения эффективности сельскохозяйственного производства // Агропромышленный комплекс: состояние, проблемы, перспективы: Сборник материалов Международной научно-практической конференции. - Пенза, 2003. - С.33-34 (0,14 пл.)

4. Лебедева Т.В. Необходимость прогнозирования урожайности сельскохозяйственных культур - как залог оптимального управления сельскохозяйственным производством в рыночных условиях // Региональный потребительский рынок: проблемы и перспективы развития: Сборник материалов Международной научно-практической конференции. - Киров: Издательство Вят ГУ, 2003. - С.79-82 (0,16 п.л.)

5. Лебедева Т.В. Прогнозирование урожайности зерновых культур - как фактор устойчивого развития продовольственного комплекса региона // Развитие инновационного потенциала отечественных предприятий и формирование направлений его стратегического развития: Сборник материалов 1 Всероссийской научно-практической конференции. - Пенза, 2003. - С.79-80 (0,12 п.л.)

6. Афанасьев В.Н., Лебедева Т.В. Пути повышения продовольственного обеспечения региона // Университетский меридиан. - 2004. - №2. - Сб (0,13 п.л., в том числе 0,06 п.л. автора)

Лебедева Татьяна Викторовна

СТАТИСТИЧЕСКИЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР В ЗОНЕ РИСКОВАННОГО ЗЕМЛЕДЕЛИЯ

Специальность 08.00.12. - Бухгалтерский учет, статистика

Автореферат

диссертации на соискание ученой степени кандидата экономических наук

Подписано в печать 06.05.04. Формат 60x84/16. Усл. печ. л. 1,0. Печать оперативная. Бумага офсетная. Гарнитура Times. Заказ №1818. Тираж 120 экз.

Издательский центр ОГАУ 460795, г. Оренбург, ул. Челюскинцев, 18. Тел.: (3532)77-61-43

Отпечатано в Издательском центре ОГАУ

t

**17зз

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Лебедева, Татьяна Викторовна

Введение

Глава 1 Теоретические основы прогнозирования в экономике

1.1 Понятие, сущность категорий «прогноз» и «прогнозирова- 7 ние»

1.2 Классификация прогнозов и особенности экономического 12 прогнозирования в сельском хозяйстве

Глава 2 Статистическое исследование уровня, динамики и факторов 24 урожайности зерновых культур в зоне рискованного земледелия

2.1 Анализ факторов влияющих на урожайность зерновых куль- 24 тур

2.2 Многомерный анализ уровня и динамики урожайности зерновых культур в зоне рискованного земледелия

Глава 3 Методы статистического прогнозирования урожайности зер- 65 новых культур в зоне рискованного земледелия

3.1 Формализованные методы прогнозирования

3.2 Экспертные методы прогнозирования

3.3 Объединение частных прогнозов

3.4 Оценка точности и надежности прогнозов 99 Заключение 106 Литература 109 Приложения

Диссертация: введение по экономике, на тему "Статистические методы прогнозирования урожайности зерновых культур в зоне рискованного земледелия"

Актуальность темы исследования. Обеспечение продовольствием жителей страны в основном за счет отечественного производителя в современных условиях хозяйствования становится приоритетной стратегией государства, так как от этого зависит не только продовольственная, но и национальная безопасность государства.

Особенно актуальна проблема продовольственного обеспечения в регионах, расположенных в зоне рискованного земледелия. Это обусловлено резкими колебаниями погодных условий, которые, в свою очередь, вызывают нестабильность производства основных сельскохозяйственных продуктов как в растениеводстве, так и в животноводстве. Следовательно, необходимость предвидения (прогнозирования) вероятностного исхода событий приобретает особую значимость в условиях высокой неопределенности, вызванных как объективными, так и субъективными причинами, что важно и для разработки управленческих решений по регулированию ситуации. Поскольку прогнозирование носит вероятностный характер, то приоритетными при его реализации являются статистические методы прогнозирования.

Рассматриваемые в диссертации проблемы ранее нашли отражение в трудах таких российских ученых, как Афанасьев В.Н., Юзбашев М.М., Френкель А.А., Загайтов И.Б., Прудников А.Г., Сиротенко В.Г., Полевой А.Н. и другие. Отдельные направления рассматриваемой проблемы исследовались в работах таких зарубежных ученых, как Тейл Г, Кендалл М., Льюис К.Д. и другие. Вместе с тем, все они носили эпизодический характер и не включали для прогнозирования урожайности зерновых культур наряду с традиционными методами более гибкий, современный инструментарий методов прогнозирования.

Неразработанность системы комплексного применения статистических методов прогнозирования урожайности зерновых культур в условиях рискованного земледелия предопределила выбор темы диссертационного исследования.

Научная необходимость и практическая значимость определили актуальность темы диссертационного исследования.

Цель и задачи исследования. Целью диссертационной работы является совершенствование методики статистического анализа и прогнозирования урожайности зерновых культур в зоне рискованного земледелия.

В соответствии с целью исследования ставились и решались следующие основные задачи:

• рассмотреть сущность категорий «прогноз» и «прогнозирование»; систематизировать и классифицировать существующие прогнозы и методы прогнозирования;

• разработать методику построения прогноза урожайности зерновых культур;

• провести комплексный статистический анализ вариации и динамики урожайности зерновых культур в Оренбургской области; выделить однородные зоны и периоды по урожайности зерновых культур в Оренбургской области;

• выполнить прогноз урожайности зерновых культур;

• верифицировать и синтезировать полученные прогнозы урожайности зерновых культур.

Объектом исследования является урожайность зерновых культур в Оренбургской области.

Предметом исследования выступают методологические и методические аспекты статистического прогнозирования урожайности зерновых культур.

Информационное обеспечение работы составили данные статистической отчетности Оренбургского комитета государственной статистики, Департамента АПК Оренбургской области, статистические ежегодники по РФ, бухгалтерская и статистическая отчетность предприятий, результаты анкетирования экспертов. Обработка статистических данных проводилась с использованием пакетов прикладных программ STATISTIKA, Microsoft Excel 2000, Stata 6.

Методология и методы исследования. Теоретической и методологической основой исследования послужили труды отечественных и зарубежных ученых по статистике, экономике, сельскому хозяйству. В исследовании используется комплекс методов, а именно табличный и графический методы, статистические группировки, корреляционный, регрессионный, кластерный анализ, анализ временных рядов, анализ вариации, формализованные методы прогнозирования, экспертные методы и другие.

Научная новизна диссертационной работы заключается в формировании и применении системы статистических методов прогнозирования урожайности зерновых культур в зоне рискованного земледелия. К числу наиболее существенных научных результатов относятся следующие: уточнено понятие «прогноз», которое определяется как научное, основанное на эмпирических данных, вероятностное представление о состоянии объекта прогнозирования на определенный момент времени при определенных условиях среды его функционирования; дополнены классификация прогнозов по признаку их назначения и классификация методов экономического прогнозирования в части методов статистического моделирования и проведена их систематизация; применены адаптивные методы статистического прогнозирования, аппарат эконометрического моделирования панельных данных и метод эвристического прогнозирования, а также объединенный прогноз трендовых моделей на основе факторного анализа и комбинированный прогноз на основе формализованных и экспертных методов прогнозирования, ранее не используемые в прогнозировании сильно колеблющихся рядов динамики; сформулирована необходимость поэтапной схемы прогнозирования и применения на каждой его стадии необходимых, индивидуальных методик; выделены однотипные зоны и однородные периоды в результате многомерного статистического анализа и адаптивных методов по данным урожайности зерновых культур в Оренбургской области за 120 лет (1883— 2002 гг.) для дальнейшего применения в прогнозировании; определена детерминированность урожайности зерновых культур в Оренбургской области с климатическими условиями зоны рискованного земледелия и слабая зависимость от экономических, агротехнических и других факторов на основе многомерного статистического анализа пространственно-временной информации по урожайности зерновых культур в Оренбургской области и ее факторам.

Практическая значимость диссертационного исследования состоит в возможности использования разработанных методических подходов статистического прогнозирования урожайности зерновых культур в зонах рискованного земледелия на уровне Департамента АПК региона. Прогнозные значения урожайности зерновых культур могут использоваться для разработки управленческих решений в плане координирования деятельности сельскохозяйственного производства: подготовки необходимого объема техники, горюче-смазочных материалов, трудовых ресурсов, а также повышения эффективности использования оборотных средств производства.

Положения диссертации могут быть использованы в высших и средних специальных учебных заведениях при изучении дисциплин «Микроэкономическая статистика», «Анализ временных рядов и прогнозирование», «Эконометрика».

Диссертация: заключение по теме "Бухгалтерский учет, статистика", Лебедева, Татьяна Викторовна

Результаты исследования позволяют сделать следующие выводы:

1. Для прогнозирования урожайности зерновых культур в зоне рискованного земледелия в условиях коренных социально-экономических преобразований наряду с традиционными методами прогнозирования необходимо применять гибкий современный инструментарий статистических методов прогнозирования. Практика разработки прогнозов опирается на систему методов, среди которых статистические методы прогнозирования занимают важное место. Решающую роль при статистическом подходе к прогнозированию играет выбор соответствующей модели. Располагая различными моделями, можно получить варианты прогноза, отвечающие определенным условиям и гипотезам, учтенным при ее построении. Вместе с тем, наряду с формализованным прогнозированием необходимо применять методы экспертного прогнозирования, т.к. цель построения статистической модели не заменить суждение и опыт специалиста, а дать ему в руки специфическим образом обобщенную и приведенную в систему разнообразную статистическую информацию.

2. Несмотря на то, что в последние годы появилось значительное количество работ по прогнозированию, большая часть которых посвящена вопросам прогнозирования на макроэкономическом уровне, в области сельскохозяйственного производства наблюдается явное отставание в развитии как теоретических, так и практических вопросов прогнозирования. Обзор существующих определений понятия «прогноз» показал, что они имеют общий характер и не отражают специфики процесса прогнозирования. В диссертационной работе дано авторское определение понятие «прогноз».

3. В работе проведена систематизация и дополнение классификаций экономических прогнозов по шести основным признакам. Классификация методов прогнозирования, данная в работе, основана на систематизации и дополнении блока прогнозирования на основе статистического моделирования современным аппаратом эконометрического моделирования панельных данных.

4. Прогнозирование урожайности зерновых культур рекомендуется осуществлять по предложенной поэтапной схеме, в которой отражены основные стадии прогнозирования и индивидуальные методы, применяемые на каждой стадии.

5. Вследствие высокой колеблемости урожайности зерновых культур для прогнозирования урожайности необходимо выделить однородные периоды в динамике. Для этого можно применить, например, экспертные методы либо фазовый анализ. Преимущество применения фазового анализа заключается в более объективном способе вычленения фаз, основанном на специальных статистических методах их изучения. Он позволяет выделять локальные колебательные движения временного ряда и исследовать их особенности. В качестве флуктуации временного ряда были взяты отклонения урожайности от линейного тренда. В результате временной ряд урожайности (1883-2002гг.) был разбит на 4 фазы.

Такое разбиение ряда объясняется социально-экономическими и политическими изменениями, проходившими в стране в целом и Оренбургской области в частности.

Проведенный анализ динамики урожайности зерновых культур внутри каждой фазы показал, что в динамике урожайности зерновых культур наблюдаются «волны»: средняя урожайность в первой фазе превышает среднюю урожайность второй фазы, коэффициент устойчивости первой фазы превосходит коэффициент устойчивости второй фазы. Аналогичные соотношения наблюдаются у показателей третьей и четвертой фазы, т.е. в нечетных фазах средняя урожайность зерновых культур и коэффициенты устойчивости превосходят среднюю урожайность и коэффициенты устойчивости в четных фазах.

На основании проведенного исследования вариации рассматриваемого показателя в динамике по районам Оренбургской области за 1958-2002 гг. сделан вывод о неоднородности изучаемой совокупности. Для выделения однотипных зон по урожайности зерновых культур проведен кластерный анализ. В результате область была разделена на 3 зоны: в первую зону вошли 14 районов, во вторую - 13 районов, в третью зону - 8 районов Оренбургской области.

6. В работе на базе многомерного анализа пространственно -временной информации по урожайности зерновых культур в Оренбургской области и ее факторам выявлена тесная зависимость урожайности зерновых культур с климатическими условиями рассматриваемой территории и слабая зависимость от других включенных в анализ факторов.

7. Оценка точности полученных прогнозов позволила сделать вывод, что для краткосрочного прогнозирования урожайности зерновых культур в зоне рискованного земледелия предпочтение следует отдавать многофакторному прогнозированию по моделям множественной регрессии и линейной регрессии по панельным данным, а для среднесрочного и долгосрочного прогнозирования методу эвристического прогнозирования и комбинированному прогнозу на основе формализованных и экспертных прогнозов.

Заключение