Экспериментальный процесс в воспроизводственном цикле агробизнеса
Автор: Шестаков Р.Б., Яковлев Н.А.
Журнал: Вестник аграрной науки @vestnikogau
Рубрика: Экономические науки
Статья в выпуске: 4 (97), 2022 года.
Бесплатный доступ
В работе затрагиваются теоретические и практические вопросы планирования и реализации эксперимента в агробизнесе, целью которого является выбор наиболее эффективной модели внутреннего воспроизводственного цикла. Эксперимент проводился в процессе сбора урожая меда, где использовались идентичные ульи, в равном количестве разнесенные на два разных достаточно удаленных участка. В производственном процессе предполагается до пяти сборов меда в течении сезона. Исследовалось значения объемов сбора меда с каждого улья, их временная и пространственная волатильность, для чего применялся метод дисперсионного анализа с повторными измерениями. Изучена статистическая значимость влияния различных факторов: номера конкретного улья, номера участка, порядкового номера сбора меда. Выявлено, что наибольшей существенной разницей обладает производительность самих ульев, в меньшей степени воздействует на дисперсию время сбора меда, а разнесение ульев на разные участки практически не влияет на итоговый результат. Различие производства продукции в натуральном выражении имеет значение для определение технологической эффективности, что, по сути, необходимо, но недостаточно для экономической эффективности. То есть, не менее важное значение имеет различие экономическое, которое в данном случае можно определить по значимой разнице в рентабельности. Вместе с тем, содержание хозяйства на двух участках значимо отличается, что, если учесть, практически одинаковую производительность ставит под сомнение решение об их разделении. Рекомендуется вернуть ульи на участок с меньшими издержками, и начать изучать возможные причины в различиях урожайности между ними.
Агробизнес, пчеловодство, урожай меда, дисперсионный анализ, множественные сравнения, повторяемость эксперимента
Короткий адрес: https://sciup.org/147238433
IDR: 147238433 | DOI: 10.17238/issn2587-666X.2022.4.153
Текст научной статьи 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.
Список литературы Экспериментальный процесс в воспроизводственном цикле агробизнеса
- Шестаков Р.Б., Яковлев Н.А. Анализ производственного потенциала в сельском хозяйстве на основе моделирования функции производства // Вестник сельского развития и социальной политики. 2020. № 3 (27). С. 9-12.
- Dugard P., Todman J., Staines Н. Analysis of variance (ANOVA) // URL: 10.4324/9781003343097-2 (дата обращения: 08.06.2022).
- Vallat R. Pingouin: statistics in Python // Journal of Open-Source Software. 2018. Vol. 3(31). P. 1026.
- Шестаков Р.Б., Яковлев Н.А. Динамическое ценообразование в агробизнесе // Вестник аграрной науки. 2021. № 5 (92). С. 166-170.
- Смоленцев С.Ю., Наместников В.А. Обзор современного состояния российского рынка мёда // Актуальные вопросы совершенствования технологии производства и переработки продукции сельского хозяйства. 2021. № 23. С. 528-530.
- Prediction and detection of honey harvests from remote sensing and weather data / T. Campbell [et al.] // URL: 10.5281/zenodo.3596319 (дата обращения: 08.06.2022).
- Полякова Е.Д., Сафронова О.В., Павликова А.В. Состояние и перспективы развития потребительского рынка натурального меда // Сборник научных трудов по пчеловодству. Орёл, 2022. С. 31-38.