Библиографическое описание:

Гурова И. Е., Севрюков А. В. О практических аспектах использования экономико-математических моделей в контроллинге социально-экономических процессов // Молодой ученый. — 2015. — №11. — С. 813-815.

В статье изучены практические возможности применения различного вида экономико-математических моделей для исследования процессов, происходящих в сельскохозяйственном производстве.

Ключевые слова:сельскохозяйственное производство, эконометрическая модель, модель нелинейного вида, корреляционно-регрессионная модель, мультипликативная и аддитивная модель, интегральный коэффициент, синергетическая модель.

 

Активное развитие по ряду направлений сельскохозяйственного производства требует для обеспечения субъектов рынка более точными и достоверными результатами, оценкой состояния и перспектив адекватного сопровождения информационно-аналитической составляющей науки. Увеличение оборотного капитала, задействованного в отрасли, обуславливает и рост рисков, что повышает значимость методов планирования, среди которых приоритетное место занимает экономико-математическое моделирование. За годы перестройки, деградации экономики в целом была утрачена значительная часть наработанной практики, поэтому необходимо по ряду направлений проводить новые исследования и строить новые модели для аппроксимации производственно-экономических процессов и явлений, определяющих эффективность и результативность сельскохозяйственного производства.

В практике экономических исследований имеющиеся данные не всегда можно считать выборкой из многомерной нормальной совокупности, когда одна из рассматриваемых переменных не является случайной или когда из рассматриваемых переменных не является случайной или когда линии регрессии не прямая. В этих случаях пытаются определить кривую, которая дает наилучшее приближение к исходным данным. Соответствующие методы проучили название регрессионного анализа, занимающего одно из центральных мест в математическом аппарате эконометрики. Наиболее часто используемый инструмент корреляционно-регрессионного анализа — это построение трендов или кривых роста. В настоящее время в литературе описано несколько десятков кривых роста, многие из которых широко применяются для выравнивания экономических временных рядов. Кривые роста условно могут быть разделены на три класса в зависимости от того, какой тип динамики развития они хорошо описывают.

К I типу относятся функции, используемые для описания процессов с монотонным характером тенденции развития и отсутствием пределов роста. Эти условия справедливы для многих экономических показателей, например, для большинства натуральных показателей свеклосахарного подкомплекса производства: валовой сбор сахарной свеклы и ее урожайность, производство сахара и других продуктов переработки сахарной свеклы, а также других подкомплексов и направлений сельскохозяйственного производства.

Ко II классу относятся кривые, описывающие процесс, который имеет предел роста в исследуемом периоде. С такими процессами часто сталкиваются в демографии, при изучении потребностей в товарах и услугах (в расчете на душу населения), при исследовании эффективности использования ресурсов и т. д. Примерами, для которых могут быть указаны пределы роста, являются оценка влияния интенсификации на результаты производственной деятельности или отдельных элементов затрат, расход удобрений на единицу площади и прочих факторов, которая дается согласно параметру «b» степенной функции, характеризуя об уровне эластичности используемого фактора. Этот класс моделей имеет целесообразность использовать и в отраслях социальной сферы при изучении факторов, определяющих особенности ее функционирования. Например, в системе здравоохранения качественно аппроксимирует (согласно значениям коэффициента детерминации (R2)), наметившиеся тенденции сокращения коечного фонда и персонала, экспоненциальная и степенная функции значения параметра «b» в которых отрицательное [6].

Функции, относящиеся ко II классу, называются кривыми насыщения. Если кривые насыщения имеют точки перегиба, то они относятся к III типу кривых роста — к S-образным кривым. Эти кривые описывают как бы два последовательных лавинообразных процесса (когда прирост зависит от уже достигнутого уровня): один с ускорением развития, другой — с замедлением. S-образные кривые находят применение в демографических исследованиях, в страховых расчетах, при решении задач прогнозирования научно-технического прогресса, при определении спроса на новый вид продукции.

Регрессия может быть эффективно использована при оценке эффективности управленческих решений или использования ресурсов. Так, при оценке уровня инновационной восприимчивости сельскохозяйственных организаций рядом ученых [3, 8] предлагается использовать коэффициент управления, рассчитываемый как соотношения фактической величины выручки и полученной по модели двухфакторной регрессии, что позволяет оценить предпринимательские или управленческие способности использовать в относительно равных экономических условиях имеющие производственные ресурсы.

Одним из наиболее эффективных методов исследования региональных процессов, протекающих в сельском хозяйстве, является метод сценарного прогнозирования перспективного развития сельскохозяйственных предприятий. Он дает возможность оценить наиболее вероятный ход развития событий и возможные последствия принимаемых решений. В связи с этим, мы считаем, что более качественный и точный прогноз можно получить на основе индикативного планирования. Как пример можно использовать исследование оценки величины эффекта перехода к инновационному сценарию развития сельскохозяйственного производства на основе модель аппроксимации развития сельскохозяйственного производства в регионе, включающая в качестве факторов производительность и фондооснащенность труда [4]. Применение данной экономико-математической модели, в которой значения используемых в ней факторов задаются на индикативной основе (их расчет проведен в рамках методики оценки интегрального коэффициента, характеризующего уровень инновационного развития [2, 7]), с учетом существующих взаимосвязей и сохранения тенденций и закономерностей, установленных на основе корреляционно-регрессионного и факторного анализов, позволяет оценить различные варианты развития производства в сельскохозяйственных организациях.

В последнее время все более часто используются синергетические модели, позволяющие в рамках системно-синергетического подхода выработать совершенствования механизма эффективного функционирования экономики, что подтверждает значительный потенциал данного научного направления. Создание новых механизмов развития, применения новых подходов, моделей, методов повышения эффективности функционирования с учетом отраслевых особенностей предполагает всестороннее раскрытие данного направления. Это относится непосредственно к аграрной сфере, которая характеризуется нестабильностью, кризисностью и неопределенностью экономической среды и влиянием природно-климатических условия.

На основе детерминированной модели можно получать интегральные показатели, характеризующие и оценивающие сложные процессы и явления. Так, оценка эффективности использования пашни дается на основе мультипликативной модели, включающей учет технологической и экономической эффективности использования земли [1]. С учетом этого же принципа, по нашему мнению, может даваться оценка результативности выращивания любой сельскохозяйственной культуры: сахарной свеклы фабричной, всех видов зерновых и зернобобовых, подсолнечника и других культур.

Подобные подходы в практике имеются и с учетом использования аддитивной модели. Так, для оценки эффективность производства зерна использовалась аддитивная модель, включающая оценку эффективности финансово-хозяйственной деятельности и динамику развития зернового производства. На основе интегрального показателя полученной по такой модели доказана экономическая целесообразность распределения средств государственной поддержки [5].

Таким образом, применение моделей имеет очень широкие возможности в исследовании экономических процессов не только в сельскохозяйственном производстве, но и в экономике страны в целом. Модель регрессии, отвечающая критериям значимости и качество, может быть использована для получения прогноза, который позволит оценить результат принятого управленческого решения в перспективе. В рамках статичной модели (среди конкурентов по одному периоду времени) регрессионный метод позволяет оценить фактическое значение результативного признака изучаемого субъекта с полученным по модели, характеризующим средний уровень эффективности использования факторов в изучаемой совокупности. Сравнив по величине этого соотношения с конкурентами на рынке, можно сделать вывод об уровне использования факторов и эффективности принимаемых управленческих решений.

 

Литература:

 

1.         Головин Ар.А. Методические аспекты оценки эффективности использования пашни / Ар.А. Головин, Д. А. Зюкин // Вестник Курской государственной сельскохозяйственной академии. 2013. № 6. С. 31–34.

2.         Зюкин Д. А. О пути развития сельскохозяйственного производства региона / Д. А. Зюкин, Н. А. Пожидаева, С. А. Беляев, О. Н. Горяинова, М. Н. Наджафова // Экономика и предпринимательство. 2015. № 1. С. 262–266.

3.         Зюкин Д. А. Оценка инновационной восприимчивости сельскохозяйственных организаций / Д. А. Зюкин, Н. А. Пожидаева, С. А. Быканова, С. А. Беляев // Экономика сельскохозяйственных и перерабатывающих предприятий. 2014. № 10. С. 30–34.

4.         Зюкин Д. А. Оценка перспектив развития сельскохозяйственного производства по инновационному сценарию на основе нелинейной эконометрической модели / Д. А. Зюкин, Н. А. Пожидаева // Вестник Курской государственной сельскохозяйственной академии. 2014. № 5. С. 30–31.

5.         Зюкин Д. А. Эффективность использования и распределения государственной поддержки зернового хозяйства // Экономический анализ: теория и практика. 2012. № 8. С. 46–56.

6.         Зюкин Д. А. Эффективность процесса оптимизации ресурсов в системе финансирования здравоохранения в регионе / Д. А. Зюкин, М. А. Куркин // Экономика и предпринимательство. 2014. № 9. С. 287–290.

7.         Пожидаева Н. А. Детерминирование точек инновационного роста как инструмент развития регионального сельскохозяйственного производства / Н. А. Пожидаева, Д. А. Зюкин // Региональная экономика: теория и практика. 2013. № 26. С. 44–53.

8.         Пожидаева Н. А. Методика оценки инновационной активности сельскохозяйственных организаций / Н. А. Пожидаева, Д. А. Зюкин // Экономический анализ: теория и практика. 2013. № 21. С. 32–39.

9.         Сафронов В. В. К вопросу адаптации российского агропромышленного комплекса к условиям членства России в ВТО / В. В. Сафронов, Н. В. Переверзева, Н. А. Пожидаева // Вестник Курской государственной сельскохозяйственной академии. 2014. № 1. С. 2–4.

Обсуждение

Социальные комментарии Cackle