Мониторинг результативности субсидирования сельскохозяйственных организаций

Автор: Шестаков Р.Б., Яковлев Н.А., Полякова А.А., Козлова Т.А.

Журнал: Вестник аграрной науки @vestnikogau

Рубрика: Экономические науки

Статья в выпуске: 2 (107), 2024 года.

Бесплатный доступ

В статье рассматриваются отдельные вопросы методологии исследования эффективности государственной поддержки агробизнеса в аспекте субсидирования их деятельности. Оценка реальных результатов субсидирования производства остается нетривиальной задачей для исследования и требует комплексного подхода. В качестве исходных данных в работе использовались динамические ряды рентабельности производства по отдельным видам продукции, реализованной сельскохозяйственными организациями, с учётом и без учёта бюджетных субсидий. Проведен предварительный анализ данных, который включал в себя определение среднего хронологического, медианы, среднегодовой волатильности, максимума и минимума, а также абсолютной разности среднего и медианы по группам с учётом и без учёта субсидий. В процессе основного исследования использовались непараметрические тесты по одноименным рядам продукции в группах. Регистрировалось наличие статистически значимых отклонений между группами. Анализ данных показал, что значимые различия наблюдаются только у четырех видов продукции из одиннадцати приведенных, что составляет немного больше одной трети от всех исходных данных. По всей видимости, потенциал роста эффективности субсидирования находится не только в увеличении размера финансирования, но и в комплексе структурных, инновационных и институциональных условий. Особого внимания, в отраслях аграрно-промышленного комплекса, требуют задачи ускоренной цифровизации и имортозамещения. В качестве направлений для дальнейшего исследования можно указать более глубокий анализ различий рентабельности субсидированного и не субсидированного производства с учетом доли отрасли в общем объеме сельскохозяйственной продукции, а также институционального среза по типам хозяйств.

Еще

Субсидии, рентабельность, сельскохозяйственные организации, тест краскела-уолиса, тест манна-уитни

Короткий адрес: https://sciup.org/147244327

IDR: 147244327   |   DOI: 10.17238/issn2587-666X.2024.2.145

Текст научной статьи Мониторинг результативности субсидирования сельскохозяйственных организаций

Введение. Важной спецификой агропромышленного комплекса в любой стране является его достаточно сильная зависимость от государственной поддержки. При этом весьма сложным аспектом является мониторинг результатов тех или иных форм поддержки, определение ее эффекта на значимом статистико-экономическом уровне. Контроль влияния поддержки на производительность труда и снижение издержек особенно важен в период санкционного противостояния и реорганизации внешних рынков.

Наиболее известной формой государственной поддержки сельскохозяйственного производства является субсидирование из бюджета. Методика Министерства сельского хозяйства РФ для оценки эффективности использования субсидий предполагает определять ее как уровень достижения результата использования субсидии, отношением фактического значения результата использования субсидии по итогам отчетного года к плановому значению результата использования субсидии [1]. Однако данная методика дает достаточно обобщенную оценку аграрного производства, а для более глубокого анализа необходимо расширить методологию, особенно на мезо- и макроэкономическом уровнях.

Некоторые авторы, например, предлагают искать зависимость валовой добавленной стоимости, созданной в сельском хозяйстве от расходов федерального бюджета и совокупности расходов региональных бюджетов [5]. Другие считают обязательным изучить в комплексе не только экономическое, но и социальное, экологическое и иное влияние господдержки [4]. Во всех подходах есть положительные моменты и недостатки, и, по всей видимости, исследование эффектов поддержки является объемной и нетривиальной задачей, требующей комплексного решения. Исследование усложняется также определенными диспропорциями в развитии и поддержке отдельных отраслей аграрного производства и влиянием ценовой волатильности [9].

В данной работе предложена методика определения значимого статистического эффекта (различия) от применения субсидий сельскохозяйственными организациями используя показатели рентабельности продукции.

Материалы и методы

В качестве исходных данных использованы показатели рентабельности продукции, реализованной сельскохозяйственными организациями (на основании сводной отчётности о финансово-хозяйственной деятельности, крупных и средних сельскохозяйственных организаций, получающих государственную поддержку от федерального бюджета) в России за период 2014-2022 годов [8] (табл.1). Данные приведены по основным видам продукции с учетом и без учета субсидий из бюджета: зерну, семенам подсолнечника, сахарной свеклы, картофеля, овощей, молока, скота и птицы, шерсти, яиц.

Рентабельность продукции представляет собой коэффициент, показывающий отношение прибыли к затратам на производство и реализацию продукции. Такого рода индикатор сигнализирует о количестве прибыли, которое даст предприятию один рубль, вложенный в процесс производства. Рентабельность можно вычислять как по организации в целом, так и по отдельным направлениям деятельности, видам продукции. Приведенные динамические ряды будем использоваться для попарных сравнений с помощью соответствующих методов.

Таблица 1 – Рентабельность продукции, реализованной сельскохозяйственными организациями РФ в 2014-2022 годах, % [8]

Ct о l_

о

&

co

s ro ?

о 8

Ct о c

к

ГО ГО

ГО О)

X со го о

О

Я о

го

S

о со о

о о

О

О

со

ZT со О

о

го

3

го

о;

Без учета субсидий из бюджета

2014

24,3

48,6

38,6

34,9

17,8

23,7

-35,9

36,6

-7,9

-56,3

12,8

2015

39,5

90,9

78,9

23,9

26,6

19,5

-27,6

28,5

-7,9

-49,5

17,0

2016

32,8

70,5

56,2

4,7

7,4

18,5

-29,9

19,7

-9,2

-39,5

13,5

2017

18,6

42,0

13,2

19,8

4,1

25

-30,8

23,8

-12,5

-40,3

5,8

2018

25,6

33,2

27,6

22,9

12,6

14,5

-30,8

35,2

-8,4

-37,1

9,2

2019

30,8

39,4

6,9

13,4

16,4

19,6

-30,2

22,6

-8,3

-36,9

9,8

2020

49,9

80,2

43,4

17,8

13,6

20,2

-31,3

24,6

-16,4

-60,5

11

2021

56,6

114,2

64,1

45,9

33,5

16,0

-30,5

27,6

-17,1

-69,2

14,5

2022

29,4

58,9

48,9

32,7

17,7

21,1

-26,6

12,1

-16,0

-64,4

2,4

C учетом субсидий из бюджета

2014

29,4

58,9

48,9

32,7

17,7

21,1

-26,6

12,1

-16,0

-64,4

2,4

2015

44,9

94,1

80,9

26,9

29,1

26,6

-25,1

29,0

9,1

-46,0

17,5

2016

37,0

73,1

58,1

5,8

9,0

28,2

-27,3

19,0

5,3

-26,7

13,9

2017

21,4

42,2

13,4

22,3

7,5

32,3

-28,7

24,1

2,0

-27,8

6,6

2018

29,0

33,3

27,8

26,9

16,6

23,9

-28,5

35,8

11,0

-23,7

10,2

2019

33,9

39,6

7,3

15,5

23,1

29,5

-27,4

27,0

6,9

-24,3

11,2

2020

52,6

80,5

43,6

20,4

19,4

27,2

-27,4

27,0

6,9

-34,1

12,2

2021

60,3

114,7

64,4

47,8

38,7

26,9

-26,9

24,0

2,4

-32,9

15,6

2022

33,5

59,3

49,2

35,1

23,3

29,5

-27,4

27,0

6,9

-16,5

3,7

Источник: по данным ФСГС РФ вос – восстановлено авторами c помощью программной среды Python

Данные по рядам КРС, свиньям, овцам и козам за период с 2019-2022 годы отсутствовали в статистической отчетности в части «с учетом субсидий» и были восстановлены с помощью метода «ближайших соседей» KNN (выделено красным). Как видно из таблицы 1, некоторые ряды полностью находятся в отрицательной зоне: «КРС», «Свиньи», «Овцы и козы». При этом, рентабельность по продукции «Овцы и козы» переходит в положительную зону, если учитывать субсидирование.

Изучая данные в таблице, можно сразу можно заметить проблемные моменты, касающихся исходных данных. Прежде всего, это достаточная малая выборка (временной ряд) при значительном числе признаков. Распределение данных также далеко от нормального. С целью определение значимых различий каждого признака в зависимости от учёта бюджетной субсидии необходимы специальные непараметрические тесты. В данной ситуации подходящим является критерий Краскела-Уоллиса (H-тест) и критерий Манна-Уитни (U-тест). Первый используется для анализа несколько групп, второй – апостериорный, для попарного сравнения. Для усиления мощности теста порог значимости был повышен до 10%.

Результаты и обсуждение. Предварительный и основной анализ данных приведён в таблице 2. Он включает в себя определение среднего, медианы, среднегодовой волатильности, максимума и минимума, а также абсолютная разность среднего и медианы по группам. Также проведен предварительный попарный тест между одинаковыми продуктами на наличие значимых различий. Так как количество групп в анализе всего две, то алгоритм тестирования для Н-теста и U-теста будет совпадать, то есть проводится попарно по видам продукции (табл. 2).

Таблица 2 – Разведочный и основной анализы данных.

s с;

Ф i-05 со 05

О С

о

ф

со

05 ц)

І ^ § § 8 ^ ° §

С

05

05 ф

X £□

05 О

О

о

05

S

о

О

о

о с; о

О

О

О

о

ф

3

05

о;

Без учета субсидий из бюджета (группа 1)

Среднее хронологическое

35,1

65,5

41,8

22,8

16,5

19,5

-30,3

25,8

-11,5

-49,2

11,1

Медиана

30,8

58,9

43,4

22,9

16,4

19,6

-30,5

24,6

-9,2

-49,5

11,0

Максимум

56,6

114,2

78,9

45,9

33,5

25,0

-26,6

36,6

-7,9

-36,9

17,0

Минимум

18,6

33,2

6,9

4,7

4,1

14,5

-35,9

12,1

-17,1

-69,2

2,4

Волатильность

4,1

9,0

7,8

4,1

3,0

1,1

0,9

2,5

1,3

4,2

1,5

C учетом субсидий из бюджета (группа 2)

Среднее хронологическое

38,8

67,1

43,1

24,9

20,5

27,5

-27,3

25,7

4,9

-32,0

11,3

Медиана

33,9

59,3

48,9

26,9

19,4

27,2

-27,4

27,0

6,9

-27,8

11,2

Максимум

60,3

114,7

80,9

47,8

38,7

32,3

-25,1

35,8

11,0

-16,5

17,5

Минимум

21,4

33,3

7,3

5,8

7,5

21,1

-28,7

12,1

-16,0

-64,4

2,4

Волатильность

4,1

9,0

8,0

4,0

3,2

1,1

0,4

2,2

2,7

4,8

1,7

Абсолютное межгрупповое отклонение

Среднее хронологическое

3,7

1,6

1,3

2,1

4

8

3

-0,1

16,4

17,2

0,2

Медиана

3,1

0,4

5,5

4

3

7,6

3,1

2,4

16,1

21,7

0,2

Гипотеза о различии выборок (критерий Краскела-Уоллиса)

p < 10%

нет

нет

нет

нет

нет

есть

есть

нет

есть

есть

нет

Гипотеза о различии выборок (критерий Манна-Уитни)

p < 10%

нет

нет

нет

нет

нет

есть

есть

нет

есть

есть

нет

Источник: рассчитано авторами c помощью программной среды Python

Из таблицы 2 видно, что медианы и средние продуктовых рядов при учете субсидии, как и ожидалось, отличаются в большую сторону, хотя и с различной «интенсивностью». Наибольшую среднегодовую волатильность показывают «семена подсолнечника» и «сахарная свекла» по обеим группам, наименьшая у «КРС» и «Молоко». Наибольшая абсолютная групповая разность наблюдается по среднему и медиане у «КРС», наименьшая – в рядах «Яйца».

Статистически значимые различия в заданных рамках наблюдаются по «родственным» признакам: 1) «Молоко» и «КРС», 2) «Овцы, козы» и «Шерсть». У других видов продукции, хотя и наблюдается положительная динамика в абсолютной разности средних и медиан, статистически значимой разницы применяемые алгоритмы анализа не обнаружили.

Первым, при обсуждении результатов, возникает вопрос об объемах субсидирования и насколько рентабельность организаций чувствительна к их изменениям. Может ли заметное различие в рентабельности возникнуть путем простого увеличения субсидии? По всей видимости, более существенный рывок для прибыльности агробизнеса лежит не только в абсолютных цифрах субсидии или в способности организаций использовать его более рационально. В несколько в иной плоскости, но также влияющие на динамику рентабельности, лежат структурные, инновационные и институциональные факторы.

Так, слабая отдача от субсидий может быть обусловлена их концентрацией у отдельных производителей, придерживающихся количественных критериев своей деятельности (вместо качественных), а не на поддержке общих услуг, что делает возможным получение преимуществ неэффективными хозяйствами [7]. То есть слабая направленность на поддержание общих услуг препятствует инновационному    развитию    аграрного    сектора    и    росту    его конкурентоспособности. Также, государственная поддержка, оказываемая сельскохозяйственным товаропроизводителям в виде субсидирования процентных ставок по кредитам, не позволяет большинству субъектов малого предпринимательства (фермерских хозяйств, личных подсобных хозяйств) и предприятий растениеводческого комплекса воспользоваться данными субсидиями, поскольку они имеют ограниченную базу обеспечения [3].

Кроме того, помимо субсидирования необходимо шире использовать другие способы поддержки, например, связанные с налогообложением [6]. Использование цифровых экосистем способно преобразовать традиционные сельскохозяйственные организации в организации нового типа, что повысит рентабельность сельского хозяйства, инвестиционную привлекательность агропромышленного комплекса, занятость сельского населения, уровень развития сельских территорий [10]. Необходимо стимулировать приоритетные товарные и технологические направления развития АПК. К сожалению, но и объем субсидирования сельскохозяйственных организаций в целом по РФ и ЦФО снижается [2].

В качестве направлений для дальнейшего исследования можно назвать изучение различий во «взвешенной» рентабельности. Данная методика предполагает учет доли отрасли в общем объеме производства сельскохозяйственной продукции, и следовательно «влиятельность» изменения рентабельности для агробизнеса в целом. В дополнение, интересным изысканием будет «различий самих различий» по иным типам хозяйств (организациям, КФХ, хозяйствам населения).

Выводы. Авторами опробована методика определения влияния субсидирования на результаты сельскохозяйственных организаций, где в качестве исходных данных использованы динамические ряды рентабельности с учётом и без учёта государственных субсидий. Проведен предварительный анализ и попарное сравнение переменных с помощью непараметрических методов. Несмотря на визуально заметную разность исследуемых групп в среднем, статистически значимые различия обнаружены только в 4 из 11 рядов данных. Проблемы повышения рентабельности помимо субсидирования лежат и в других аспектах аграрной экономики – инновационных и структурноинституциональных.

Список литературы Мониторинг результативности субсидирования сельскохозяйственных организаций

  • Приложение №1 к приказу Минсельхоза России от 11 декабря 2023 г. №899 "Методика оценки эффективности использования субсидии из федерального бюджета бюджетам субъектов российской федерации на поддержку приоритетных направлений агропромышленного комплекса и развитие малых форм хозяйствования". - Режим доступа: https://www.garant.ru/. (Дата обращения 10.07.2024.).
  • Аничин В.Л., Добрунова А.И., Акупиян О.С. Анализ субсидирования товаропроизводителей АПК Белгородской области // Экономика сельского хозяйства России. 2024. № 2. С. 51-55.
  • Бурковский П.В. Совершенствование механизма государственной поддержки сельского хозяйства в Краснодарском крае // Труды Кубанского государственного аграрного университета. 2023. № 104. С. 12-21.
  • Голубев А.В. Явные и скрытые эффекты государственной поддержки сельского хозяйства // Экономика сельскохозяйственных и перерабатывающих предприятий. 2019. №9. С.13-17.
  • Калинин А.М., Самохвалов В.А. Эффективность финансовой поддержки сельского хозяйства: общая оценка и межбюджетный эффект // Проблемы прогнозирования. 2020. № 5. С.142-152.
  • Панкратова О.А. К вопросу о месте инструментов налогового стимулирования инвестиций в системе государственной поддержки бизнеса // Налоги и налогообложение. 2020. № 3. С. 1-16.
  • Сеитов С.К. Субсидирование как мера повышения производительности факторов в сельском хозяйстве России // Вестник Московского университета. Серия 6: Экономика. 2022. № 6. С. 100-122.
  • Сельское хозяйство в России 2023: Стат. сб./Росстат - M., 2023. - 105 c.
  • Shestakov R. B., Yakovlev N. A. et al. (2020) Cross-Sectoral and Price Interactions: a Key to Development of Foresight and Management System in Agribusiness // IOP Conf. Ser.: Mater. Sci. Eng. 753 082005. DOI: 10.1088/1757-899X/753/8/082005
  • Solodovnik A.I., Dokalskaya V.K. To the question of a digital transformation in the agro-industrial complex: difficulties and perspectives //Bulletin of Agrarian Science. 2020. № 6 (87). С. 150-156.
Еще
Статья научная