Обоснование факторов эффективного ведения зернового производства

Определено также, что  ценовая поддержка зернопроизводителей  должна использоваться более шире и  на эти цели необходимо выделять значительно  большие средства.

С данных позиций, государство  может использовать регрессионно-паритетные цены для закупок зерна в государственные фонды; в больших объемах осуществлять проведение аукционных торгов зерном на основе интервенционных закупок, развивать биржевую торговую продукцией, повышать объемы фьючерсных сделок на рынке зерна, совершенствовать цены на зерно с учетом его качества и кормовых достоинств; улучшать ценообразование на продукцию элитного семеноводства, оптимизировать каналы реализации зерна. Так, практика применения интервенционного механизма ценообразования показала, что, например, в Ставропольском регионе он используется крайне ограниченно: в 4-5 раз меньше по сравнению с возможностями и не оптимально по срокам закупок продукции. Ценовая поддержка элитного семеноводства обеспечивает рентабельность на уровне 50-52% против требуемых в этой отрасли 75-100%, последнее могут обеспечить надбавки к сортовым семенам элиты и I репродукции в размере, соответственно, 150 и 100%. Определено, что только за счет реструктуризации каналов продаж зерна в Ставропольском регионе его средняя реализационная цена может возрасти на 10,2%, прирост рентабельности составит 3,5%, а дополнительная выручка зернопроизводителей достигнет 285,6 млн. руб. в год.

Обобщение мирового опыта  свидетельствует, что одним из основных экономических рычагов доведения сельхозпроизводителям бюджетной поддержки, наряду с финансированием целевых программ, выступают цены. На основе трендовых моделей предсказывается значительное увеличение цен на отдельные виды зерновых культур в 2012г.

Определено, что в совершенствовании регулирования рынка зерна в России большое значение имеет оптимизация внешней торговли продукцией. Данное направление может быть реализовано за счет роста субсидирования экспорта зерна в рамках ВТО в размере 15-20 долл. на 1т. Важное значение также имеет развитие транспортной и маркетинговой инфраструктуры, субсидирование процентных ставок по кредитам на данные цели.

 Проблемой экспорта  зерна в России остается несоответствие  российских стандартов продукции  мировым. В связи с этим переход на сертификат международного образца сюрвейерских компаний должен улучшить процесс экспорта зерна, а выдача единого сертификата с фитосанитарными, ветеринарными, качественными и другими показателями по принципу "одного окна" также улучшит регулирование внешней торговли зерном в сфере таможенной деятельности.

Этому будет способствовать и отказ от дублирования таможенных досмотров, автоматизация документооборота, снижение тарифов за транзитные перевозки  российского зерна через страны СНГ. Таким образом, все названные меры и их практическая реализация направлены на совершенствование государственного регулирования зернового производства, рынка его продукции и рост эффективности отрасли. [7,с 14]

 

3.3. Планирование производства зерна с помощью экономико-статистических методов.

 Все явления и процессы, характеризующие социально-экономическое развитие и составляющие единую систему национальных счетов, тесно взаимосвязаны и взаимозависимы между собой.

        В статистике показатели, характеризующие  эти явления, могут быть связаны либо корреляционной зависимостью, либо быть независимыми.

        Корреляционная зависимость является  частным случаем статистической зависимости, при которой изменение значений факторных признаков влечет за собой изменение среднего значения результативного признака.

        Корреляционная зависимость исследуется  с помощью методов корреляционного  и регрессионного анализов.

   Корреляционный  анализ изучает взаимосвязи показателей  и позволяет решить следующие  задачи:

• Оценка тесноты связи между показателями с помощью парных, частных и множественных коэффициентов корреляции
• Оценка уравнения регрессии.

Регрессионный анализ заключается  в определении аналитического выражения  связи, в котором изменение одной  величины обусловлено влиянием одной или нескольких независимых величин, а множество всех прочих факторов, также оказывающих влияние на зависимую величину, принимается за постоянные и средние значения. 

Целью регрессионного анализ является оценка функциональной зависимости  условного среднего значения результативного признака (У) от факторных (х₁,х₂,…х_к).

Основной предпосылкой регрессионного анализа является то, что только результативный признак  подчиняется нормальному закону распределения, а факторные признаки могут иметь произвольный закон распределения.

Уравнение регрессии, или  статистическая модель связи социально-экономических  явлений, выражается функцией: У_х = f (x₁, x₂, …,x_k).

Изучение связи между  тремя и более связанными между  собой признаками  носит название множественной (многофакторной) регрессии. Сущность данного метода заключается в том, что большое количество уравнений регрессии реализуются на ЭВМ с помощью специально разработанного алгоритма с последующей проверкой главным образом на основе F-критерия Фишера.

Корреляционно-регрессионный анализ как общее понятие включает в себя измерение тесноты, направления связи и установление аналитического выражения (формы) связи (регрессионный анализ).

Рассмотрим расчет и  интерпретацию уравнения множественной  регрессии на примере 39 хозяйств Южной зоны Ульяновской области.

Расчет уравнения множественной  регрессии произведен на компьютере с использованием специальной программы Excel.

Y- урожайность зерновых и зернобобовых культур с 1 га, ц;

Х₁- производственная себестоимость, руб.;

Х₂- удельный вес удобрений в производственных затратах, %;

Х₃- затраты труда на 1 ц зерна, чел. – час.;

Х₄- затраты труда на 1 га плошади посевов зерновых и зернобобовых культур, чел.-час.

Х₅- удельный вес зерновых и зернобобовых культур в общей площади посевов, %;

 

Таблица 15 - Исходные данные для корреляционно- регрессионного анализа

 

№ п/п	Наименование с/х. предприятия, район	Y	X1	X2	X3	X4	X5
1   2   3 4   5 6 7   8   9   10   11   12   13   14   15   16 17   18   19 20   21 22   23   24   25 26   27   28   29   30   31   32   33   34   35   36   37   38   39	ООО КФХ «Стимул» Николаевский район ООО «Евлейский» Павловский район ООО «Луч» Павловский район ООО «Родник» Николаевский район ООО «Колос» Павловский район ООО «Луч» Новоспасский район ООО «Возрождение» Новоспасский район ООО «Золотая нива» Новоспасский район ООО «Лесное» Николаевский район ООО «Агроинвест» Радищевский район СПК «Сухотерешанский» Николаевский район ООО Агрофирма «Шаховские долины»  Павловский район ООО «Пегас» Николаевский район ООО «Каменный ключ» Павловский район ООО «СПК Барановский» Николаевский район СПК «Нива» Радищевский район ООО Агрофирам «Дворянская» Радищевский район ООО «СП Агро» Николаевский район ООО «Колос» Радищевский район СПК «По заветам Ленина» Павловский район ООО «Калита» Павловский район ЗАО «Крупинщик-Агро» Новоспасский район ООО СПП «Прасковьинское» Николаевский район ООО «Венец» Николаевский район ООО «Клин» Павловский район  ООО «Победа» Николаевский район СПК «Вязово-Гайский» Старокулаткинский  район ООО «Волга-Агро» Радищевский район ООО «Муратовское» Павловский район  ОГУСП Агрофирма «Ореховская» Радищевский район ООО КФХ «Артос» Николаевский район ООО «Светлый Н» Новоспасский район ООО «Восход» Николаевский район СПК «Бахтеевка»  Старокулаткинский район СПК «Красная звезда»  Радищевский район ОАО Агрофирма «Заря» Павловский район  ООО СПП «Наша Родина»  Николаевский район СПК «Победа» Радищевский район ООО «Агро-Нептун» Новоспасский район	7,8   7,9 8,7   8,9 9,3 9,8   9,9   10,5   10,5   12,6   12,9   13,0   13,8   13,8   14,0 14,0   15,2   15,3 15,5   15,9 16,0   16,2   16,6   16,7 16,7   17,0   17,3   17,7   17,9   18,3   18,4   19,3   19,4   19,9   21,5   27,8   27,9   31,2   33,6	55,0   141,9 139,0   20,4 116,1 200,8   59,4   169,7   36,9   9,3   74,3   10,1   47,8   84,3   25,5 65,4   715,4   35,5 72,5   62,6 76,7   39,6   15,9   63,0 62,5   74,3   21,2   52,4   70,6   33,2   23,8   102,1   24,7   73,6   15,2   24,1   45,3   26,9   129,0	43,8   12,8 19,9   28,4 17,6 11,4   24,1   27,2   0,0   126,5   0,0   145,5   104,5   370   202,8 0,0   128,9   130,4 197,9   0,0 183,8   143,3   279,3   270,8 23,3   16,9   16,7   18,5   21,5   0,0   23,3   8,5   16,8   8,9   0,0   125,9   11,1   8,3   7,1	1,2   3,3 2,1   0,9 3,0 9,0   1,4   3,1   1,0   0,7   2,1   0,9   1,0   1,5   0,9 1,9   1,7   1,6 2,2   0,7 1,4   1,2   0,3   0,6 1,5   1,1   1,4   1,6   1,5   1,0   0,4   1,1   0,4   0,8   1,4   0,2   0,9   1,2   0,5	7,7   25,9 18   7,1 28,4 55,6   8,3   22,1   7,8   6,3   14,2   11,5   14,4   20,4   11,2 21,3   13,6   17,7 32,4   11,7 23,0   15,6   5,1   8,4 21,7   18,1   15,6   21,1   26,7   13,2   4,7   20,0   7,3   10,3   23,9   1,8   22,7   34,0   13,3	74,7   39,9 62,5   78,0 54,9 37,5   65,8   57,0   62,5   68,0   39,4   50,6   65,3   100   64,2 80,1   86,0   100 69,8   39,0 56,0   72,7   80,5   68,3 50,9   70,9   58,4   59,6   55,1   58,3   154,5   80,4   95,7   51,3   60,9   100   86,0   53,9   29,7

 

 

Матрица парных коэффициентов

	Y	X1	X2	X3	X4	X5
Y	1
X1	-0,12313	1
X2	-0,07873	0,013316	1
X3	-0,39478	0,308426	-0,18182	1
X4	-0,02946	0,187706	-0,17126	0,805073	1
X5	0,080511	-0,04032	0,281583	-0,35051	-0,38486	1

Рассматривая столбец  третий, т.е. Х1, видим, что проблемы мультиколлиниарности факторов не существует.

 

 

 

ВЫВОД ИТОГОВ
Регрессионная статистика
Множественный R	0,645602
R-квадрат	0,416802
Нормированный R-квадрат	0,328438
Стандартная ошибка	4,933875
Наблюдения	39

 

 

Дисперсионный анализ
	df	SS	MS	F	Значимость F
Регрессия	5	574,1207	114,8241	4,716903	0,002327
Остаток	33	803,3229	24,34312
Итого	38	1377,444

 

 

 

 

 

	Коэффициенты	Стандартная ошибка	t-статистика	P-Значение	Нижние 95%	Верхние 95%	Нижние 99,0%	Верхние 99,0%
Y-пересечение	13,84721	3,528007	3,924937	0,000416	6,669421	21,02499	4,204186	23,49023
X1	0,003255	0,007468	0,435923	0,665731	-0,01194	0,018449	-0,01716	0,023667
X2	-0,00989	0,008991	-1,09951	0,279502	-0,02818	0,008406	-0,03446	0,014689
X3	-4,60524	0,986523	-4,66815	4,89E-05	-6,61233	-2,59814	-7,30168	-1,9088
X4	0,498993	0,136348	3,659705	0,000874	0,221591	0,776395	0,126317	0,87167
X5	0,017397	0,039492	0,440518	0,662435	-0,06295	0,097744	-0,09055	0,125339

 

 

 

 

 

 

 

ВЫВОД ОСТАТКА
Наблюдение	Предсказанное Y	Остатки
1	13,20878	-5,40878
2	12,60339	-4,70339
3	14,50117	-5,80117
4	14,38796	-5,48796
5	15,36195	-6,06195
6	1,337455	8,462545
7	12,64136	-2,74136
8	11,8739	-1,3739
9	14,34154	-3,84154
10	13,72996	-1,12996
11	12,18922	0,710778
12	14,91575	-1,91575
13	16,68607	-2,88607
14	15,47533	-1,67533
15	14,48635	-0,48635
16	17,3322	-3,3322
17	15,35543	-0,15543
18	15,8772	-0,5772
19	19,37706	-3,87706
20	17,34402	-1,44402
21	18,28369	-2,28369
22	16,0823	0,117698
23	13,70172	2,898283
24	13,99194	2,708064
25	18,62613	-1,92613
26	19,12147	-2,12147
27	16,10407	1,195929
28	18,03214	-0,33214
29	21,23833	-3,33833
30	16,95099	1,349006
31	16,88535	1,514654
32	20,40837	-1,10837
33	17,22698	2,173024
34	16,34672	3,553278
35	20,43476	1,065241
36	14,39792	13,40208
37	22,56351	5,336492
38	26,2299	4,970103
39	19,04764	14,55236