 Холодова М.А., Шахбазова О.П.
https://doi.org/10.31208/2618-7353-2021-14-20-28
АННОТАЦИЯ / ABSTRACT
Цель
Разработка и обоснование расчетно-аналитического инструментария и адаптация методологии его использования к закономерностям развития отдельных отраслей сельскохозяйственного производства и научной интерпретации перспективных направлений их развития.
Материалы и методы
В процессе работы использовались эконометрические модели, основными из которых следует считать корреляционно-регрессионные, включая ридж-регрессию, имитационные и трендовые. Метод имитационного моделирования дополнялся методом экспертных оценок. Расчёты эконометрических моделей осуществлялись с помощью пакетов SPSS Statistics, Mathcad и программного средства FAR-AREA 4.0.
Результаты
Расчеты с использованием эконометрических моделей позволили разработать и обосновать три авторских сценария развития производства подсолнечника в регионе: инерционный, умеренный и оптимистический, в условиях реализации экспортно-ориентированной стратегии в АПК на период до 2023 года.
Заключение
Для реализации условий всех трех вариантов прогноза производства подсолнечника необходимо увеличить использование элитных семян отечественного производства и импортных семян в структуре посевов, а также обеспечить положительную динамику внесения средств защиты растений на 1 га посевной площади, что в перспективе будет способствовать росту урожайности сельскохозяйственной культуры. Полученные нами прогнозные параметры урожайности подсолнечника в 2023 году в Ростовской области по всем трем вариантам являются реалистичными и соответствуют производственным условиям региона.
Aim
Development and justification of the calculation and analytical tool and adaptation of the methodology of its use to the laws of the development of individual branches of agricultural production and scientific interpretation of promising directions of their development.
Materials and Methods
In the course of the work, econometric models were used, the main ones of which should be considered correlation and regression, including ridge regression, simulation and trend. The method of simulation modeling was supplemented by the method of expert assessments. Calculations of econometric models were carried out using the SPSS Statistics, Mathcad packages and the FAR-AREA 4.0 software tool.
Results
Calculations using econometric models allowed us to develop and justify three author's scenarios for the development of sunflower production in the region: inertial, moderate and optimistic, in the context of the implementation of an export-oriented strategy in the agro-industrial complex for the period up to 2023.
Conclusion
To implement the conditions of all three variants of the forecast of sunflower production, it is necessary to increase the use of elite seeds of domestic production and imported seeds in the structure of crops, as well as to ensure a positive dynamics of the introduction of plant protection products per 1 hectare of sown area, which in the future will contribute to the growth of crop yields. The forecast parameters of sunflower yield obtained by us in 2023 in the Rostov region for all three variants are realistic and correspond to the production conditions of the region.
АВТОРЫ / AUTHORS
О. П. Шахбазова
Донской государственный аграрный университет Ростовская обл., пос. Персиановский, Россия
Ольга П. Шахбазова, доктор биологических наук, доцент, профессор кафедры естественнонаучных дисциплин
E-mail: oldeler@yandex.ru; тел. +79034320066
М. А. Холодова
Федеральный Ростовский аграрный научный центр Ростов-на-Дону, Россия
Марина А. Холодова
About the Authors
O. P. Shakhbazova
Don State Agrarian University Rostov region, village Persianovsky, Russian Federation
Olga P. Shakhbazova, Dr Biological. Sci., Associate Professor, Professor of the Department of Natural Sciences
E-mail: oldeler@yandex.ru; Russia, tel. +79034320066
M. A. Kholodova
Federal scientific Rostov agricultural center Rostov-on-Don, Russian Federation
Marina A. Kholodova
СПИСОК ИСТОЧНИКОВ / REFERENCES
1. Агропромышленный комплекс Ростовской области. 2018: информационный справочник. Ростов-на-Дону, 2019. 60 с.
2. Гончаров В.Д. Производство рапсового масла в России: проблемы развития // Экономика сельскохозяйственных и перерабатывающих предприятий. 2019. N 2. С. 54-58.
3. Горлов И.Ф., Холодова М.А., Холодов О.А., Шахбазова О.П. Развитие отрасли животноводства в условиях импортозамещения // Материалы международной научно-практической конференции «Современное состояние и приоритетные направления развития аграрной экономики и образования», пос. Персиановский, 6 февраля, 2020. С. 148-152.
4. Дерунова Е.А. Инструментарий оценки и прогнозирования динамики инновационности и конкурентоспособности продукции АПК // Экономика сельскохозяйственных и перерабатывающих предприятий. 2019. N 1. С. 65-70.
5. Иванов Е.Е., Шустов Д.А., Перешивкин С.А. Многомерные статистические методы. Множественный регрессионный анализ. Метод гребневой регрессии. URL: http://ecocyb.narod.ru/513/MSM/msm3_2.htm (дата обращения: 30.03.2021)
6. Кабанов С.В. Использование пакета Statistica 5.0 для статистической обработки опытных данных. URL: http://www.exponenta.ru/educat/systemat/kabanov/ literatura.asp (дата обращения: 30.03.2021)
7. Покровский А.М. Эконометрические модели чувствительности инновационных проектов к факторам риска, основанные на ридж-регрессии // Инновационная экономика: информация, аналитика и прогнозы. 2012. N 3. C. 10-13.
8. Сложенкина М.А., Горлов И.Ф., Холодова М.А., Холодов О.А., Шахбазова О.П., Сложенкина А.А., Мосолова Д.А. Развитие отрасли мясного животноводства в условиях реализации экспортно-ориентированной стратегии АПК // Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. 2020. N 1 (57). С. 168-179. DOI: 10.32786/2071-9485-2020-01-17
9. Холодов О.А. Прогнозное развитие кооперативных производственно-экономических отношений сельскохозяйственных товаропроизводителей с перерабатывающими предприятиями // Фундаментальные и прикладные исследования кооперативного сектора экономики. 2020. N 1. C. 127-137.
10. Poluskina T.M. Modern Russia agrarian polity in thecontext of globalization // World of Scientific Discoveries. 2013. Series B. 1. P. 105-119.
References
1. Agropromyshlennyj kompleks Rostovskoj oblasti. 2018: informacionnyj spravochnik [Agro-industrial complex of the Rostov region. 2018: inf. directory]. Rostov-on-Don, 2019, 60 p. (In Russian)
2. Goncharov V.D. Production of rapeseed oil in Russia: problems of development. Ekonomika sel'skohozyajstvennyh i pererabatyvayushchih predpriyatij [The economy of agricultural and processing enterprises]. 2019, no. 2, pp. 54-58. (In Russian)
3. Gorlov I.F., Kholodova M.A., Kholodov O.A., Shakhbazova O.P. Razvitie otrasli zhivotnovodstva v usloviyah importozameshcheniya [Development of the livestock industry in the conditions of import substitution]. Materialy mezhdunarodnoj nauchno-prakticheskoj konferencii "Sovremennoe sostoyanie i prioritetnye napravleniya razvitiya agrarnoj ekonomiki i obrazovaniya", pos. Persianovskij, 6 fevralya 2020 [Proceedings of the international scientific and practical conference "Modern state and priority directions of development of the agrarian economy and education", pos. Persianovsky, 6 February 2020]. pos. Persianovsky, 2020, pp. 148-152. (In Russian)
4. Derunova E.A. Tools for assessing and predicting the dynamics of innovation and competitiveness of agricultural products. Ekonomika sel'skohozyajstvennyh i pererabatyvayushchih predpriyatij [The economy of agricultural and processing enterprises]. 2019, no. 1, pp. 65-70. (In Russian)
5. Ivanov E.E., Shustov D.A., Pereshivkin S.A. Multivariate statistical methods. Multiple regression analysis. Method of ridge regression (In Russian) Available at: http://ecocyb.narod.ru/ 513/MSM/msm3_2.htm (accessed 30.03.2021)
6. Kabanov S.V. Using the Statistica 5.0 package for statistical processing of experimental data (In Russian) Available at: http://www.exponenta.ru/educat/systemat/kabanov/literatura. asp (accessed 30.03.2021)
7. Pokrovsky A.M. Econometric models of sensitivity of innovative projects to risk factors based on ridge regression. Innovacionnaya ekonomika: informaciya, analitika i prognozy [Innovative economy: information, analytics and forecasts]. 2012, no. 3, pp. 10-13. (In Russian)
8. Slozhenkina M.A., Gorlov I.F., Kholodova M.A., Kholodov O.A., Shakhbazova O.P., Slozhenkina A.A., Mosolova D.A. Development of the meat livestock industry in the context of the implementation of the export-oriented strategy of the agro-industrial complex. Izvestia of the Lower Volga Agro-University Complex, 2020, no. 1 (57), pp. 168-179. (In Russian) DOI: 10.32786/2071-9485-2020-01-17
9. Kholodov O.A. Forecasting development of production and economic relations between agricultural commodity producers and processing enterprises. Fundamental'nye i prikladnye issledovaniya kooperativnogo sektora ekonomiki [Fundamental and Applied Research Studies of the economics cooperative sector]. 2020, no. 1, pp. 127-137. (In Russian)
10. Poluskina T.M. Modern Russia agrarian polity in thecontext of globalization. World of Scientific Discoveries. 2013, series B. 1, pp. 105-119.
Ключевые слова:
козы молочных пород, молоко, белковый, аминокислотный и жирнокислотный состав, макроэлементы, витамины
Key words:
forecasting, agricultural production, export-oriented strategy, econometric models, correlation and regression analysis.
Для цитирования:
Холодова М.А., Шахбазова О.П. Эконометрические методы прогнозирования производственных отраслей АПК. Аграрно-пищевые инновации. 2021; 14(2):20-28. http://doi.org/10.31208/2618-7353-2021-14-20-28
For citation:
Kholodova M.A., Shakhbazova O.P. Econometric methods of forecasting of industrial branches of the agro-industrial complex. Agrarian-and-food innovations. 2021; 14(2):20-28. (In Russ.) http://doi.org/10.31208/2618-7353-2021-14-20-28 | 