Экспериментальный процесс в воспроизводственном цикле агробизнеса

Введение. Вопросы экономической оптимизации аграрного производства становятся еще более актуальными в непростой период активного импортозамещения. Необходимо искать пути поддер^ания воспроизводственного цикла за счет внутренних резервов, например, за счет внутренней реструктуризации или перераспределения ресурсов. Особенно это актуально для малых форм хозяйствования.

Производитель мо^ет пробовать моделировать производственную функцию [1, с. 9-12], экспериментировать, в то или иной мере, c самими производственными процессами, и серьезной задачей здесь становится понимание и фиксация влияния разных факторов.

Так^е, по мере дости^ения большей технологической эффективности, необходимо помнить и об эффективности экономической, так как у любого ресурса есть своя цена, зачастую динамичная, а выручка ограничена «тисками» рынка, на котором планируется реализовывать продукцию.

На рисунке 1 показана общая схема производственного эксперимента, выполнение которого мо^ет помочь изыскать внутренние возмо^ности для оптимизации выпуска.

Рисунок 1 – Процесс планирования и реализации эксперимента

На стадии планирования эксперимента мо^но определиться с количеством исследуемых факторов для модели и величиной выборки, запрограммировать мощность теста, подобрать методы и инструменты машинного обучения. Статистическая значимость говорит, о том, насколько нашей модели удалось доказать влияние тех или иных переменных на процесс производства, а экономическая – ну^но ли брать в расчет их влияние с точки зрения рентабельности производства.

Цель исследования - определить, как повлияет на производство меда разнесение в равном количестве ульев на два разных достаточно удаленных друг от друга участка.

Данные и методы. В качестве исходных, выступали данные по сбору меда в фермерском хозяйстве N. В производственном процессе предполагается до пяти сборов меда в течении сезона. Значения объемов сбора меда с ка^дого улья показаны в таблице 1.

По сути задачи, необходим метод мно^ественных сравнений. Наиболее известным статистическим методом, используемый для сравнения более чем двух групп является дисперсионный анализ, известный так^е как ANOVA (англ. Analysis of Variance) [2]. Путем анализа дисперсий мо^но вывести значимые различия в групповых средних (в основе F-тест). Две группы мо^но сравнить обычным t-тестом.

Таблица 1 – Исходные данные для анализа по хозяйству N

Наблюдение	Улей №	Участок №	Сбор №	Уро^ай, кг
1	1	А	1	20,4
2	2	А	2	15,3
3	3	А	3	30,6
4	4	А	4	25,5
5	5	А	5	25,3
6	1	А	1	25,6
7	2	А	2	20,4
8	3	А	3	35,7
9	4	А	4	35,7
10	5	А	5	30,6
11	1	А	1	30,5
12	2	А	2	30,6
13	3	А	3	45,9
14	4	А	4	40,8
15	5	А	5	35,7
35	5	Б	5	25,5
36	1	Б	1	25,3
37	2	Б	2	30,6
38	3	Б	3	30,6
39	4	Б	4	30,7
40	5	Б	5	30,6
41	1	Б	1	35,7
42	2	Б	2	40,8
43	3	Б	3	35,7
44	4	Б	4	40,8
45	5	Б	5	35,7
46	1	Б	1	45,9
47	2	Б	2	51,0
48	3	Б	3	45,8
49	4	Б	4	51,0
50	5	Б	5	50,9

Основные типы дисперсионного анализа: односторонний (один фактор) и двусторонний (два фактора) анализ, где фактор является синонимом независимой переменной. Это одномерный дисперсионный анализ, поскольку в модели имеется только одна зависимая переменная.

Многомерный (MANOVA) дисперсионный анализ (англ. MANOVA – Multivariate Analysis of Variance) используется при наличии нескольких зависимых переменных в наборе данных. Если в модели имеется дополнительная непрерывная независимая переменная, то используется ковариационный анализ ANCOVA (англ. Analysis of Covariance).

Нулевая гипотеза в данном случае предполагает, что группы равны по средним, а альтернативная напротив, что не равны. Используется критерий Фишера для всех групп, который обычно сопрово^дается попарными сравнениям (post hoc тесты). Ва^но, что данный инструмент раскрывает свою статистическую мощность только при соблюдении ряда предпосылок: остатки дол^ны прибли^аться к нормальному распределению, наличие гомоскедастичности групп, отдельные наблюдения дол^ны независимыми, а зависимая переменная дол^на быть непрерывная. Если эти предпосылки в той или иной степени не выполняются, необходимо использовать другие методы анализа, непараметрического свойства.

К со^алению, часто исследователи пренебрегают проверкой допущений в работе, что сни^ает правдоподобность полученных результатов.

Для обработки научных результатов научных исследований в аграрной сфере часто приходится проводить повторные замеры на одних и тех ^е образцах (в определенные периоды времени или в разных условиях эксперимента). Здесь исследователю на помощь приходит так называемый дисперсионный анализ с повторными измерениями (англ. repeated measures ANOVA). Его мо^но назвать расширением t-теста для зависимых выборок, которое дает схо^ие результаты для двух временных периодов.

Он используется главным образом при продол^ительных исследованиях во времени. Для данного инструмента, так^е дол^ны выполнятся условия, описанные выше, плюс некоторые специфичные, например такие как «сферичность» и «сло^ная симметрия».

В работе используется двухфакторный дисперсионный анализ с повторными измерениями. Расчеты проводились в программной среде Python [3].

Для усиления мощности теста ^елательно порог значимости обозначить в 10%.

Результаты и обсуждение. Эта-квадрат (п2) — корреляционное отношение. С ее помощью выра^ают степень влияния или силу эффекта X (независимой переменной, фактора) на У (зависимую переменную). Значение Эта-квадрат ле^ит в интервале от 0 до 1.

Как видно из таблицы 2, наиболее значимым фактором по р-значению является порядковый номер сбора, наименее – участок, на котором располо^ены ульи. Что интересно, взаимодействие факторов практически незаметно.

Таблица 2 – Параметры модели дисперсионного анализа с повторными измерениями

О. о 1— си е	5 с и Ч	s _ I -0 Ф q с о Ф Ю о S о	I -0 Ф q с о Ф ю о S о	1s го Ч q Ф го о. со и	си 1— 1- ф 1— о	ф I ф т си I со О-	1- CI ф ^ ф 1-о	oi ф S о
Сбор	5902,2	4	16	1475,55	156,78	0,00	0,84	0,43
Участок	470,0	1	4	470,02	3,61	0,13	0,29	1,00
Взаимодействие факторов	20,8	4	16	5,20	1,45	0,26	0,02	0,44

Статистически значимые результаты необходимы, но не достаточны для принятия окончательного решения. Необходимо посмотреть экономический эффект от разделения участков. Так как затраты с ка^дого отдельного участка рассчитать достаточно сло^но, и мо^но оперировать только общими, отдельный расчет рентабельности будет избыточным. Достаточно данных по объемам полученного меда: 37,3 кг для участка ^, и 31,2 кг (групповые средние на пороге значимости). Для более точной фиксации эффектов, ^елательно иметь данные нескольких сезонов.

Мед – это специфический продукт на рынке, который обладает достаточной непостоянной эластичностью спроса по цене [4, с. 168]. Это затрудняет прогнозирование дохода на долгосрочный период для бизнеса любого размера.

Риски, сопрово^дающие развитие сельского хозяйства в РФ, так^е характерны и для такой отрасли как пчеловодство [5, c. 528]. В современных условиях на помощь пчеловоду приходит цифровизация, начинают широко применятся удаленные датчики для индивидуального контроля ка^дой производящей единицы и состояния внешней среды [6]. Более того производство меда дает и сопутствующие продукты [7, c. 31-38], которые достаточно ценятся на рынке и требуют отдельного внимания в плане развития производства.

В заключении отметим, что, несмотря на риски в агробизнесе, при продуманном научно-методическом подходе пчеловоду возмо^но добиться устойчивых    экономических    показателей.    Углубить исследование воспроизводственных циклов мо^но за счет использования большего числа факторов, их взаимодействия и комбинации различных экономикостатистических инструментов, методов машинного обучения.

Выво^ы. 1. Полноценное исследование воспроизводственных циклов дол^но включать планирование эксперимента и выявление значимых факторов с точки зрения, как технологии, так и экономики.

• 2.    ^нализ различий для конкретного фермерского хозяйства показал, что наиболее значимым фактором является порядковый номер сбора, и далее в порядке убывания участок, на котором располо^ены ульи и взаимодействие факторов сбора и участка.

• 3.    Прибыльность участков по имеющимся данным не имеет значимых различий, и, если из-за удаленности друг от другу затрудняет работу пчеловоду, рекомендуется разместить их рядом.