Кунашев Ю.М. Стратегические параметры развития сельскохозяйственного производства, обеспечивающие устойчивый экономический рост

Подождите немного. Документ загружается.

Воронежской области складываются крайне неблагоприятные

условия зимовки культуры, что приводит к гибели более 40%

посевов. Так, за последние 10 лет подобный пик пришелся на 1994-

1995 гг., когда погибло 63% посевов (табл. 33).

Таблица 33. Динамика потерь озимых культур по Воронежской области

(выборка за 1991-2000 гг.) [34]

Годы

Озимая пшеница

Посеяно осенью

прошлого года, тыс.га

Полностью погибло

до окончания сева яровых

тыс. га %

1991 487,0 7,5 1,5%

1992 686,9 25,1 3,7%

1993 592,8 13,3 2,2%

1994 518,2 327,5 63,2%

1995 539,3 232,1 43,0%

1996 551,8 15,7 2,8%

1997 560,3 10,3 1,8%

1998 515,7 54,2 10,5%

1999 552,8 228,6 41,4%

2000 511,9 141,3 27,6%

Как уже было отмечено в первой главе, помимо оценки

устойчивости урожайности отдельных культур весьма, важное

значение имеет оценка асинхронности их колебаний, поскольку,

как гласит четвертый закон устойчивости, «…устойчивость

воспроизводства прямо пропорциональна асинхронности в

динамике ресурсов, альтернативно удовлетворяющих

общественные потребности» [23,c.86].

Исходя из этого весьма важно при размещении производства

учитывать не только коэффициент устойчивости урожайности, но

асинхронность колебаний урожайности сельскохозяйственных

культур.

Для выявления асинхронных колебаний нами были

проанализированы ряды динамики урожайности

101

сельскохозяйственных культур по Воронежской области за период

с 1948-1998гг. Полученные результаты приведены в таблице 34.

Таблица 34. Асинхронность колебаний урожайности

сельскохозяйственных культур по Воронежской области («+»- повышение

урожайности по сравнению с предыдущим годом, «-» - понижение)

Годы

Озимая

пшеница

Ячмень Овес Просо

Кукуруза

на зерно

Сахарная

свекла

Подсолнечни

1 2 3 4 5 6 7 8

1948 + - - + + + +

1949 - + + + - - -

1950 - + - + + + +

1951 + + - - - + -

1952 - - + + + - -

1953 - + - + - - +

1954 + - - - - - -

1955 + + + + + + +

1956 - - - + - - -

1957 + + + - - - -

1958 - + + + + + +

1959 + - - - - - -

1960 + + + + + + +

1961 + - - - - - -

1962 - + - + - + +

1963 - - - - - - -

1964 + + + + + + +

1965 - - - - - - -

1966 + + + + + + +

1967 - - - - + + +

1968 + - + + - - -

1969 - + + + + - -

1970 + + + - - + +

1971 - - - + - - -

1972 - - - + + - -

1973 + + + + - + +

1974 - - - - + - -

1975 - - - - + - +

1976 + + + + - + -

1977 - - - - + - +

1978 + + + - - - -

1979 - - - - + - +

1980 + + + + - + -

1981 - - - - + - +

1982 + + + + - + +

1983 + + + + + + -

1984 - - - - + - -

102

1985 + + + + - + +

1986 + + - - + - -

103

Продолжение таблицы 34

1 2 3 4 5 6 7 8

1987 + + + + + + +

1988 + - - - + - +

1989 + + + - - + +

1990 - + + - + - -

1991 - - - + - - +

1992 - + + + + + -

1993 + + + - - + -

1994 - - - - + - -

1995 - - - + - + +

1996 + + + - + - -

1997 + + + + - - +

1998 - - - - + + -

На основе проведенного анализа было выявлено, что по

Воронежской области довольно четко прослеживаются колебания с

обратным знаком урожайности озимой пшеницы и проса, озимой

пшеницы и подсолнечника, ячменя и кукурузы на зерно и т.д.

(табл.35).

Таблица 35. Асинхронность колебаний урожайности

сельскохозяйственных культур по Воронежской области за 1948-1998гг.

Сельскохозяйствен

ные культуры

Озимая

пшеница

Ячмень Овес Просо

Кукуруза

на зерно

Сахарная

свекла

Количество случаев асинхронности колебаний урожайности с. -х. культур

Ячмень 14

Овес 13 7

Просо 25 17 16

Кукуруза на зерно 32 28 27 27

Сахарная свекла 17 13 16 16 25

Подсолнечник 24 22 25 19 22 15

Вероятность асинхронности колебаний урожайности сельскохозяйственных культур, %

Ячмень 27,5

Овес 25,5 13,7

Просо 49,0 33,3 31,4

Кукуруза на зерно 62,7 54,9 52,9 52,9

Сахарная свекла 33,3 25,5 31,4 31,4 49,0

Подсолнечник 47,1 43,1 49,0 37,3 43,1 29,4

Особый интерес представляет сравнение динамических

показателей колеблемости и устойчивости производства основных

видов сельскохозяйственной продукции двух областей,

Воронежской и Белгородской (табл. 36,37).

104

Таблица 36. Показатели устойчивости урожайности

сельскохозяйственных культур по Воронежской области

Показатели

Зернов

ые,

всего

Озимая

пшеница

Ячмен

Сахар

ная

свекла

Подсо

лнечн

ик



квад=







)(

5,97 7,82 6,65 47,32 3,09



абс=







4,8 6 5,36 37,8 2,52



отн =

))(







0,370 0,398 0,403 0,309 0,306



отн =







0,297 0,305 0,325 0,247 0,25







1,09 1,1 1,16 1,12 1,09







ЦЦ

0,336 0,324 0,446 0,394 0,313

,max ЦЦпред



1,288 1,096 2,28 2,25 1,815

))min()max( ЦЦЦЦпред



2,010 1,79 3,22 2,93 2,34

Полученные результаты проведенного анализа

экономического роста и устойчивости урожайности

сельскохозяйственных культур в Воронежской и Белгородской

областях, позволяют делать следующие выводы.

105

Таблица 37. Показатели устойчивости урожайности

сельскохозяйственных культур по Белгородской области

Показатели

Зернов

ые,

всего

Озимая

пшеница

Ячмен

Сахар

ная

свекла

Подсо

лнечни



квад=







)(

6,98 8,68 7,43 52,56 3,66



абс=







5,36 6,94 5,9 42,28 2,96



отн =

))(







0,386 0,404 0,415 0,296 0,355



отн =







0,296 0,323 0,33 0,238 0,287







1,06 1,092 1,11 1,054 1,069







ЦЦ

0,239 0,297 0,33 0,25 0,255

,max ЦЦпред



1,138 1,08 1,219 0,937 1,17

))min()max( ЦЦЦЦпред



1,656 2,99 2,15 1,448 1,83

Во первых, средний многолетний показатель экономического

роста в Воронежской области







по всем культурам

оказался выше аналогичного показателя в Белгородской области.

Во-вторых, квадратичные и абсолютные показатели колеблемости

сельскохозяйственного производства в Воронежской области

устойчиво ниже аналогичных показателей в Белгородской области.

Ниже в Воронежской области и коэффициент вариации

динамических рядов зерновых культур и подсолнечника.

106

Что касается сахарной свеклы, то коэффициент вариации

оказался выше в Воронежской области, это можно объяснить более

низкой средней урожайностью этой культуры в области (153ц/га и

177ц/га). Кроме того, в Воронежской области отмечается более

высокая колеблемость цепных индексов урожаев вокруг среднего

показателя экономического роста. То есть рост урожайности в

Воронежской области, связанный с технологическими

инновациями, проходил менее равномерно и более сильно зависел

от складывающихся климатических условий.

Таким образом, в целом можно сделать вывод о том, что хотя

в абсолютных величинах колеблемость вокруг многолетней

средней в Воронежской области ниже, но межгодичная

колеблемость рядов урожаев выше, и это показывает меньшую

устойчивость сельскохозяйственного производства в Воронежской

области к колебаниям погодно-климатических условий.

Кроме того, анализ факторов, влияющих на устойчивость

развития сельскохозяйственных предприятий, говорит о том, что

отход от принципов рационального размещения

сельскохозяйственного производства с учетом почвенных и

природно-климатических условий, резкое снижение уровня

интенсификации привели к падению устойчивости как отдельных

культур, так всего сельскохозяйственного производства

Воронежской области в целом. В этой связи обоснование

перспективных параметров развития сельскохозяйственного

производства в области, должно быть ориентировано прежде всего

на повышение эффективности функционирования экономики

отрасли, обеспечивающей устойчивый экономический рост в

долгосрочной перспективе.

107

Глава 3. Стратегические параметры развития

сельскохозяйственного производства в Воронежской

области

3.1. Методические вопросы моделирования

стохастических условий функционирования агарной

сферы

Метод статистического моделирования, или метод Монте-

Карло, в научной литературе определяется как метод

моделирования случайных величин с целью получения их

реализаций для имитации возможных случайных воздействий на

изучаемый процесс.

Идея моделирования случайных явлений, как известно, не

нова и, по мнению некоторых авторов, например, A. Halton [121],

восходит к временам Древнего Вавилона и Ветхого Завета. Первой

работой в этой области принято считать работу Холла [120] о

вычислении числа  с помощью случайных бросаний иглы на

разграфленную параллельными линиями бумагу. Суть заключается

в том, чтобы экспериментально воспроизвести событие,

вероятность которого выражается через число . Однако идеи

метода Монте-Карло не получили заметного развития вплоть до

1944 г., когда в связи с работами по созданию атомной бомбы Дж.

фон Нейман предложил широко использовать аппарат теории

вероятностей для решения прикладных задач с помощью ЭВМ.

Первые отечественные работы по методу Монте-Карло

появились в 1955 г. (Чавчанидзе [91], Шрейдер [96]). В настоящее

время имеется множество работ, где исследуются теоретические

основы метода или рассматривается его применение к конкретным

задачам [21,27,48,14,18].

108

Следует отметить, что первоначально метод статистических

испытаний использовался, главным образом, для решения задач

нейтронной физики, где традиционные численные методы

оказались малопригодными. Далее его область применения

расширилась до задач статистической физики. К разделам науки,

где в настоящее время используют метод статистического

моделирования, следует отнести задачи теории массового

обслуживания, управления запасами, управления инвестициями,

задачи теории игр и математической экономики, задачи передачи

информации при наличии помех и многие другие.

Метод статистического моделирования при решении задач

успешно сочетается с другими вычислительными методами и

дополняет их. Метод Монте-Карло позволяет отследить влияние на

конечный результат большого числа случайных факторов, которые

в обычной, детерминистской модели учесть невозможно.

Нами предлагается методический подход, который позволяет

сочетать метод статистического моделирования с методами

оптимального планирования параметров открытой экономической

системы, подверженной сильному влиянию внешних

климатических и экономических факторов, на примере

оптимизации параметров сельскохозяйственного производства

Воронежской области.

Предлагаемый нами методический подход основан на:

-моделировании случайных величин методом статистических

испытаний ;

- моделировании полной группы случайных событий;

- имитационном моделировании непрерывной случайной

величины.

109

Моделирование случайных величин методом статистических испытаний

Суть данного метода состоит в том, что ставится задача

смоделировать значения случайной величины Х , зная закон

распределения Х. Нами будут рассматриваться только дискретные

случайные величины, принимающие конечное число значений,

тогда закон распределения Х может быть задан в виде таблицы 38.

Число столбцов таблицы соответствует числу возможных значений

Х, в первой строке помещены возможные значения х

случайной

величины Х, а во второй строке – соответствующие этим

значениям вероятности р

Таблица 38. Закон распределения дискретной случайной величины Х

Х x

…. x

p p

…. p

Следует подчеркнуть, что случайными числами называются

возможные значения r

случайной величины R – непрерывной

случайной величины, распределенной равномерно в интервале

(0,1). В действительности пользуются не равномерно

распределенной случайной величиной R, возможные значения

которой имеют бесконечное число десятичных знаков, а

квазиравномерной случайной величиной R

, возможные значения

которой имеют конечное число знаков. Существует возможность

получения случайного числа как с помощью таблицы случайных

чисел, так и с помощью алгоритма, реализованного в виде

определенного оператора, входящего в набор стандартных

процедур любого современного статистического пакета

прикладных программ.

Моделирование случайной величины Х, как правило

осуществляется в соответствии со следующим алгоритмом

последовательных действий.

110