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.

Еще

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.
Статья научная