Прогнозирование показателей сельского и лесного хозяйства Российской Федерации

Целью исследования, результаты которого изложены в данной статье, явилось проведение прогнозных расчетов методами экстраполяции (аналитического выравнивания и корреляционно-регрессионного анализа) и сравнение полученных прогнозных значений показателей с целевыми индикаторами соответствующих государственных программ. Это позволяет оценить социально-экономическую эффективность данных программ.

Источниками информации послужили ряды динамики показателей за 1995-2016 гг. [1]. Включать в динамические ряды показатели за более ранние периоды времени, по нашему мнению, нецелесообразно. В начале 90-х годов произошли кардинальные социально-экономические изменения, включая такое политическое событие, как распад СССР. Тогда формировались новые геополитические и социальноэкономические структуры.

Исследованиям проблем развития сельского хозяйства России был посвящен ряд ранее опубликованных работ одного из авторов данной статьи [2], [3], [4], [5] [6], [7]. Представленная статья является продолжением исследований в этой отрасли экономики.

Для прогнозирования были выбраны показатели сельского и лесного хозяйства, в значительной степени характеризующие данные области экономики:

– среднедушевое производство скота и птицы на убой;

– среднедушевое производство молока;

– среднедушевое производство шерсти;

– среднедушевое производство яиц;

– совокупное лесовосстановление;

– искусственное лесовосстановление;

– защита лесов от вредных организмов биологическими методами;

– защита лесов от вредных организмов химическими методами.

В процессе прогнозных расчетов данных показателей методом аналитического выравнивания были сформированы ряды динамики названных выше показателей за 1995-2016 годы. В результате были получены уравнения тренда для следующих показателей:

– среднедушевое производство скота и птицы на убой Y=36,16+1,60t+0,16t2;

– среднедушевое производство молока Y=223,05+1,01t+0,06t2-0,04t3;

– среднедушевое производство шерсти Y=0,31+0,02t+0,002t2-0,0003t3;

– среднедушевое производство яиц Y=257,47+4,14t;

– совокупное      лесовосстановление

Y=962,24-15,14t;

– искусственное   лесовосстановление

Y=235,40-6,35t;

– защита лесов от вредных организмов биологическими методами Y=491,92-30,74t;

– защита лесов от вредных организмов химическими методами Y=178,9-18,88t.

Охарактеризуем результаты проведенных прогнозных расчетов названных выше показателей сельского и лесного хозяйства на период до 2030 года. Среднедушевое производство скота и птицы на убой к 2030 г. должно составить 175,36 кг, что означает увеличение показателя по сравнению с 2016 г. в 2,6 раза. Среднедушевое производство молока имеет тенденцию к сокращению. Если не переломить данный тренд, то показатель с 209,52 кг в 2016 г. снизится к 2024 г. до 25,41 кг. Отрицательная тенденция наблюдается и в среднедушевом производстве шерсти. Если в 2016 г. производство шерсти на душу населения составляло 0,38 кг, то уже к 2019 г. показатель может снизиться до 0,03 кг.

Среднедушевое производство яиц характеризуется возрастающей тенденцией. К 2030 г. данный показатель составит 360,9 яиц, увеличившись по отношению к 2016 г. на 24,2%.

Что касается лесного хозяйства, то здесь по всем исследуемым показателям наблюдается отрицательная тенденция. По сравнению с базисным 2016 г. совокупное лесовосстановление к 2030 г. снизится на 28,7%, искусственное лесовосстановление – на 53,6%. Защита лесов от вредных организмов биологическими методами практически прекратится уже к 2022 г. Защита лесов химическими методами фактически уже не осуществляется.

Для более детального исследования тенденций изменения прогнозируемых показателей сельского хозяйства был использован инструментарий корреляционно-регрессионного анализа. С этой целью были отобраны факторные показатели, которые теоретически могут влиять на анализируемые результативные показатели. Общее количество факторных показателей, включенных в исследование, составило 21.

Динамические ряды показателей в целом по России за 1995-2016 гг. составляют недостаточный массив информации для проведения полноценного корреляционнорегрессионного анализа, т.к. они охватывают всего 22 года. Поэтому для корреля- ционно-регрессионного анализа в качестве источника информации послужили показатели в разрезе всех административнотерриториальных образований Российской Федерации за 2015 г. [8]. Для обеспечения сопоставимости абсолютные значения показателей были пересчитаны в среднедушевой формат. Таким образом, в аналитическую разработку было включено 2050 показателей.

Чтобы выяснить влияние факторных показателей на результативные индикаторы, были рассчитаны коэффициенты парной корреляции между факторными показателями и каждым из результативных показателей.

Как показал анализ, среднедушевое производство скота и птицы на убой в основном зависит от таких факторных показателей, как среднедушевые денежные доходы населения (коэффициент парной корреляции 0,843), прожиточный минимум (0,683), поголовье скота на душу населения (0,767) и число проведенных ярмарок в среднедушевом исчислении (0,829). Следовательно, производство мяса увеличивается с повышением уровня жизни населения. На рост данного показателя сельского хозяйства положительно влияет как поголовье скота, так и число проведенных ярмарок.

На среднедушевое производство молока положительно влияют два факторных показателя: поголовье скота на душу населения (коэффициент парной корреляции 0,635) и надой молока на одну корову в организациях (0,558). Относительно небольшое значение коэффициента парной корреляции между надоем молока на одну корову и производством молока может свидетельствовать о низкой продуктивности молочного стада в Российской Федерации.

Одновременно производство молока на душу населения находится в отрицательной корреляционной зависимости от таких факторных показателей, как среднедушевые денежные доходы населения (-0,584) и величина прожиточного минимума (0,628). Следовательно, чем беднее население, тем больше на данной территории производится молока. В наших предыду- щих исследованиях было выявлено, что бедность населения связана с наличием большого количества детей и проживанием в сельской местности [3]. Как известно, дети нуждаются в большом количестве молочной пищи.

Среднедушевое производство шерсти находится в положительной корреляционной зависимости от таких факторных показателей, как среднедушевое потребление мяса и мясопродуктов (коэффициент парной корреляции 0,634), поголовье скота на душу населения (0,881). Шерсть в России в основном получают от поголовья овец и коз. На тех территориях, где выращивают овец, как правило, пользуется спросом баранина. Этими обстоятельствами можно объяснить значения вышеуказанных коэффициентов корреляции.

Выявлено отрицательное влияние на производство шерсти потребительских расходов населения (коэффициент парной корреляции -0,799) и количества проведенных ярмарок (-0,744). Можно сделать вывод, что шерсть в основном производится в бедных регионах страны, где ярмарочная форма торговли не получила распространения.

На среднедушевое производство яиц значительно влияют два факторных показателя: потребление яиц (коэффициент парной корреляции 0,923) и количество проведенных ярмарок (0,614). Следовательно, производство и потребление яиц фактически находится в функциональной зависимости. Кроме того, производству яиц способствует развитие ярмарочной формы торговли.

Одновременно наблюдается отрицательная зависимость между денежными доходами населения и производством яиц (коэффициент парной корреляции -0, 575). Следовательно, бедное население больше потребляет яиц. Это полезный и относительно дешевый продукт.

Сравним полученные нами прогнозные значения показателей сельского хозяйства с целевыми индикаторами «Государственной программы развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия на 2013-2020 годы» [9]. Как из- вестно, госпрограммы направлены на корректировку или смену сложившейся траектории социально-экономического развития в той или иной области экономики с целью более полного удовлетворения общественных потребностей.

Прогнозное значение показателя «среднедушевое производство скота и птицы на убой» на 2020 г., полученное нами на основе метода аналитического выравнивания, практически совпадает с целевым индикатором государственной программы (прогнозная величина равна 95,9 кг, а целевой индикатор госпрограммы составляет 95,8 кг). Следовательно, государственная программа пока что слабо корректирует сложившийся тренд изменения данного показателя. Здесь следует добавить, что минимальное значение показателя «среднедушевое производство скота и птицы на убой» наблюдалось в 1999 г. - 29,4 кг. Затем показатель стал неуклонно увеличиваться.

По показателю «среднедушевое производство молока» целевой индикатор государственной программы значительно превышает прогнозную величину на основе метода аналитического выравнивания: показатель госпрограммы составляет 260,2 кг, а по прогнозу он равен 134,6 кг. Как видим, превышение составляет 125,6 кг или 93,3%. Из этого можно сделать вывод, что государственной программой намечена существенная корректировка сложившегося тренда изменения данного показателя.

Государственная программа «Развитие лесного хозяйства» на 2013-2020 годы» предусматривает, что ежегодные объемы лесовосстановления должны составить 900-950 тыс. га. [10]. За 1995-2001 годы данный норматив соблюдался. Затем показатель снизился. Проведенные нами прогнозные расчеты с использованием метода аналитического выравнивания свидетельствуют, что при сохранении наметившегося тренда величина показателя лесовосстановления будет ниже целевых значений государственной программы к 2020 г. на 16,6-21%.

Таким образом, проведенное исследование позволило выявить факторы, кото- рые влияют на динамику ряда показателей сельского и лесного хозяйства. Были определены прогнозные значения показателей до 2030 г., характеризующие сложившуюся траекторию развития данных отраслей экономики страны. Сделана оценка динамики этих показателей. Проведено сравне- ние полученных прогнозных значений показателей на 2020 г. (год завершения реализуемых ныне госпрограмм) с целевыми индикаторами программ. Это позволило сделать оценку социально-экономической эффективности госпрограмм.