Влияние цифровизации на формирование предложения на региональных продовольственных рынках

Автор: Мазеина Е.А.

Журнал: Вестник Академии права и управления @vestnik-apu

Статья в выпуске: 6 (81), 2024 года.

Бесплатный доступ

В статье проведена оценка панельных моделей с фиксированными эффектами регионов и времени, логарифмических моделей и моделей со случайными эффектами. Исследование показало, что существует взаимосвязь между основными элементами продовольственного рынка и показателями социально-экономического и производственного развития в 14 регионах Приволжского федерального округа за период 1991-2022 годов: предложение на рынках продовольствия малоэластично по цене. Вместе с тем, исследование подтверждает важную роль Интернета для формирования продовольственных рынков российских регионов.

Продовольственный рынок, цифровая экономика, уровень продовольственной безопасности, транспортные расходы, индекс цен, инвестиции, энергообеспеченность

Короткий адрес: https://sciup.org/14132234

IDR: 14132234

Текст научной статьи Влияние цифровизации на формирование предложения на региональных продовольственных рынках

Д ля доведения произведенной сельскохозяйственной продукции до конечного потребителя требуется огромное количество посредников, в результате стоимость товара увеличивается в несколько раз. Повышение эффективности развития и функционирования продовольственных рынков требует оптимизации форм и методов товародвижения. Внедрение информационно-коммуникационных технологий повышает оперативность и эффективность управления информационными потоками, что снижает трансакционные издержки. Вместе с тем принятие эффективных решений невозможно без понимания функционирования продовольственных рынков, механизма формирования затрат. Достижение к 2030 году определенной ООН цели в области устойчивого развития, предполагающей ликвидацию голода, требует, чтобы продовольственные системы были независимы от внешних воздействий, что невозможно без применения соответствующих технологий цифровой экономики (блокчейн, интернет вещей, искусственный интеллект и реальность с эффектом присутствия).

Информационно-эмпирическая база исследования – статистические материалы, материалы, опубликованные в научной литературе и периодической печати, результаты исследований автора. Хронологические рамки исследования включают период 1991-2022 годов.

Выявленные тенденции, закономерности и рекомендации по совершенствованию процессов формирования и интеграции региональных продовольственных рынков позволят обеспечить региональную продовольственную безопасность и сформировать единое экономическое пространство. Оценка влияния факторов на формирование и интеграцию продовольственных рынков с учетом влияния цифровой экономики может быть учтена в программах государственной и региональной политики в отношении сельскохозяйственного производства.

Изучение ключевых показателей, характеризующих предложение на продовольственных рынках, позволяет утверждать, что, несмотря на наличие определенных недостатков, оптимальным показателем, наиболее полно характеризующим предложение продовольственных товаров, является показатель индекса производства продукции сельского хозяйства. Причина в том, что вышеназванный показатель скорректирован на инфляцию, а также дает характеристику темпам изменения производства. Вместе с тем недостатком названного коэффициен-таявляется то, что этоотносительный показатель, неучитывающийстоимость произведенной продукции, что может привести к искажению полученных результатов, поскольку в ходе проведения исследования используются факторы, имеющие как абсолютное, так и относительное значение. Тем не менее такие показатели предложения, как объем производства, прибыль, не могут быть использованы, поскольку не учитывают влияние инфляции.

Все факторы, оказывающие влияние на предложения продовольственного рынка, можно разделить на четыре группы.

1. Факторы технологического развития сельского хозяйства (I1), необходимые для оценки оснащения производственного процесса и являющиеся относительными расчетными показателями.
2. Факторы результативности производства (I2), позволяющие оценить эффективность производства, выраженные коэффициентами и расчетными показателями.
3. Факторы социальной значимости отрасли (I3), характеризующие уровень жизни сельского населения, а также привлекательность сельской местности для трудоспособного населения.
4. Факторы цифровизации (Z) отобраны из имеющихся статистических данных с учетом информации из проведенных исследований.

Анализ влияния названных факторов на индекс производства продукции сельского хозяйства позволит выявить ключевые показатели, способные оказать влияние на предложение продовольственных товаров.

В рамках изучения факторов на продовольственном рынке можно сформулировать три ключевые гипотезы для проведения исследования.

H1 . Наиболее существенное влияние на предложение продовольственных товаров оказывают технологические (производственные) факторы (энергетические мощности, фондовооруженность, инвестоемкость и др.)
Н2 . Эффективность работы предприятий отрасли имеет положительное влияние на предложение продовольственных товаров.
Н3 . Качество жизни сельского населения положительно влияет на предложение продовольственных товаров.
Н4 . Предложение продовольственных товаров не зависит от степени цифровизации рынков продовольствия.

Проведя анализ теоретических и эмпирических исследований, касающихся формирования предложения на продовольственном рынке, можно заключить, что основными показателями, влияющими на предложение продовольственных товаров, являются факторы технологического развития и эффективности производства.

Для исключения части переменных приведем описательные статистики для всех имеющихся показателей в Таблице 1, составленной на основе статистических данных в программе Gretl.

Следует обратить внимание на большой разброс значений анализируемых факторов на протяжении исследуемого периода и в зависимости от регионов.

Таблица 1

Описательные статистики исследуемых показателей

Переменная	Среднее	Медиана	Минимум	Максимум	Ст. откл.	Вариация	Результат анализа
v1	1,0199	1,0120	0,495	2,3480	0,17139	0,16804	—
v2	298,28	292,17	130,00	593,00	90,247	0,30256	–
v3	0,35130	0,29050	0,008	3,2810	0,34023	0,96849	Переменная исключена
v4	57,286	3,4630	0,625	1351,0	119,83	2,0917	Переменная исключена
v5	1,2025	0,88700	0,07	156,40	7,1062	5,9093	Переменная исключена
v6	64,338	60,000	31,00	137,00	17,443	0,27111	–
v7	268,79	254,00	115,00	593,00	100,48	0,37383	Переменная исключена
v8	486,16	245,59	0,028	3224,8	587,69	1,2088	Переменная исключена
v9	1,4659	1,1490	0,00	9,5360	1,3760	0,93868	Переменная исключена
v10	9,9387	8,0100	-85,78	80,650	13,240	1,3322	Переменная исключена

Продолжение таблицы 1

v11	8,1691	7,6360	-9,49	44,220	7,1674	0,87737	Переменная исключена
v12	9,0955	8,2000	-5,70	54,030	7,3588	0,80906	Переменная исключена
v13	17,479	16,300	6,30	38,400	5,6451	0,32297	–
v14	3,8779	3,5910	1,664	9,1230	1,3769	0,35507	Переменная исключена
v15	0,27320	0,28300	0,152	0,35500	0,042545	0,15573	—
v16	21,543	13,282	0,001	140,79	23,519	1,0917	Переменная исключена
v17	9,3342	4,0795	0,764	44,591	10,021	1,0736	Переменная исключена
v18	0,10244	0,092000	0,016	0,21700	0,050550	0,49345	Переменная исключена
v19	0,37768	0,35900	0,183	0,87400	0,12555	0,33243	–
v20	0,54309	0,54900	0,19	0,93200	0,14682	0,27033	–
v21	24,463	23,042	17,599	39,958	4,5263	0,18503	Переменная исключена
z1	68,840	75,227	6,573	100,00	29,101	0,42274	Переменная исключена
z2	73,835	77,360	7,872	100,00	30,725	0,41613	Переменная исключена
z3	26,504	0,00000	0,00	99,525	39,675	1,4970	Переменная исключена
z4	23,900	0,00000	0,00	100,01	38,615	1,6157	Переменная исключена
z5	66,140	80,800	0,00	100,00	33,015	0,49918	Переменная исключена
z6	43,533	39,050	0,00	100,00	36,427	0,83676	Переменная исключена
z7	0,57871	0,98600	0,00	1,0000	0,48343	0,83534	Переменная исключена
z8	0,047885	0,010000	0,00	0,63500	0,12427	2,5951	–
z9	50,635	50,682	0,007	139,88	33,363	0,65889	Переменная исключена
z10	0,66218	0,65850	0,53	0,84300	0,068384	0,10327	–
z11	13,977	5,4410	0,72	109,25	18,876	1,3505	Переменная исключена
z12	40,006	26,330	5,30	463,42	44,643	1,1159	Переменная исключена

Например, v3 (фондовооруженность), v4 (инвестоемкость), v5 (индекс физического объема инвестиций в основной капитал сельского хозяйства), v7 (энергетические мощности в расчете на 100 га посевной площади), v8 (производительность труда), v9(фондоотдача), v10(рентабельность проданных товаров, продукции (работ, услуг) растениеводства), v11 (рентабельность проданных товаров, продукции (работ, услуг) животноводства), v12 (уровень рентабельности (убыточности) проданных товаров, продукции, работ, услуг), v14 (надой молока на одну корову в сельскохозяйственных организациях, v16 (валовая продукция сельского хозяйства на 1 жителя региона), v17 (среднемесячная заработная плата работников организаций сельского хозяйства), v18 (доля сельского хозяйства в валовом региональном продукте).

Коэффициент корреляции ниже 33 % в отношении ряда коэффициентов, то есть соответствующий нормативу, свидетельствует о том, что показатели постоянны на протяжении исследуемого периода и не различаются в зависимости от регионов, как, например, v1 (индекс производства продукции сельского хозяйства), v2 (энергообеспеченность сельскохозяйственных организаций), v6 (энергетические мощности в расчете на одного работника), v13 (урожайность зерновых и зернобобовых культур), v15 (средняя годовая яйценоскость кур-несушек в сельскохозяйственных организациях), v19 (удельный вес площади жилищного фонда, оборудованной водоотведением), v20 (уровень благоустройства сельских населенных пунктов водопроводом), v21 (средняя обеспеченность населения жильем). Среди показателей цифровизации– однородная совокупность в отношении показателей z8 (инвестиции в основной капитал на 1 жителя в деятельность в сфере телекоммуникаций, тыс. руб./жителя региона) и z10 (уровень образования, доля), которые будут отобраны в модель.

Построена корреляционная матрица отобранных показателей (см. Таблицу 2).

Коэффициенты корреляции факторов предложения и цифровизации 5%-е критические значения (двухсторонние) = 0,0895 для n = 480

Таблица 2

v1	v2	v6	v13	v15	v19	v20	z8	z10
1	-0,1589	0,1769	0,1334	0,0872	0,1219	0,0702	-0,0203	0,1676	v1
	1	-0,3447	0,102	-0,2812	-0,461	-0,4308	0,1135	-0,3319	v2	Исключен из модели

1	0,0058	0,2734	0,576	0,4872	0,0068	0,6173	v6
	1	0,0614	0,1139	0,0504	0,1093	0,1301	v13
		1	0,0782	0,2411	0,0998	0,4814	v15
			1	0,8168	0,1021	0,5614	v19
				1	0,0559	0,5432	v20
					1	-0,0567	z8
						1	z10

Источник: составлено на основе исследований автора

Из полученных результатов можно сделать вывод о наличии взаимосвязи между анализируемыми показателями, так как часть коэффициентов корреляции больше 0,0895.

Выявленная взаимосвязь подтверждает, что эффективность в сельском хозяйстве определяется целым комплексом факторов (технологическими, экономическими и социальными), государственное воздействие на которые также должно быть комплексным. Необходимо отметить наличие мультиколлинеарности между коэффициентом v2 (энергообеспеченность сельскохозяйственных организаций) и всеми показателями, отобранными в модель, поэтому данный коэффициент исключен из анализа.

Для тестирования гипотез построена регрессия, основные характеристики которой представлены в Таблице 3.

Построенная модель описывает действительность на 4,31 %, половина коэффициентов в модели незначимы на 5%-м уровне значимости по критерию Стьюдента. В случае отсутствия автокорреляции DW = 2; при положительной автокорреляции DW стремится к нулю, а при отрицательной – к 4, то есть DW = 2,652344, что может свидетельствовать о наличии автокорреляции.

Отрицательная взаимосвязь наблюдается между индексом производства продукции сельского хозяйства и следующими факторами: уровень благоустройства сельских населенных пунктов водопроводом, инвестиции в основной капитал на 1 жителя (бюджетные средства) в деятельность в сфере телекоммуникаций.

Таким образом, проведенное тестирование гипотезы подтверждает, что предложение продовольственных товаров в большей степени определяется влиянием уровня технологического развития отрасли и эффективностью сельского хозяйства.

Была проведена серия тестов модели множественной линейной регрессии, построенной с использованием панельных статистических данных Приволжского федерального округа. В результате проведенного анализа были получены закономерности, которые представлены ниже.

Для оценки влияния региональной составляющей на формирование предложения введем в модель 15 фиктивных переменных с фиксированными эффектами в зависимости от региона (см. Таблицу 4).

Построенная модель описывает действительность на 4,05 % (качество модели не повысилось), все коэффициенты на 5%-м уровне значимости по критерию Стьюдента незначимы. Проведенное тестирование гипотезы подтверждает, что предложение продовольственных товаров не связано с выбранными переменными.

Для снижения вариации произведем логарифмирование v6, v13, v15, v19, v20, z8, z10, и повторно построим модели с уточненными данными (см. Таблицу 5).

Построенная модель описывает действительность на 4,92 % (качество модели не повысилось), единственный коэффициент v13 (урожайность зерновых и зернобобовых культур) на 5%-м уровне значимости по критерию Стьюдента. Проведенное тестирование гипотезы подтверждает, что предложение продовольственных товаров на 7,6 % определяется урожайностью.

Модель 1. Объединенный (pooled) МНК, использовано наблюдений 480.

Зависимая переменная v1 – индекс производства продукции сельского хозяйства, %

Таблица 3

Группа коэффициентов	Название коэффициента	Коэффициент корреляции	Коэффициент	Ст. ошибка	z	p-значение
		const	0,757487	0,0822228	9,213	<0,0001	***
Технологическое развитие (I ₁ )	Энергетические мощности в расчете на одного работника, л. с.	v6	0,00128197	0,000684301	1,873	0,0610	*

Продолжение таблицы 3

Источник: составлено на основе исследований автора

Результативность производства (I2)	Урожайность зерновых и зернобобовых культур (в весе после доработки) (в хозяйствах всех категорий; центнеров с одного га убранной площади)	v13	0,00368800	0,00131312	2,809	0,0050	***
Результативность производства (I2)	Средняя годовая яйценоскость кур-несушек в сельскохозяйственных организациях (тыс. шт.)	v15	0,162622	0,258068	0,6302	0,5286
Социальная значимость отрасли (I3)	Удельный вес площади жилищного фонда, оборудованной водоотведением (канализацией), в общей площади всего жилищного фонда (процент, значение показателя за год)	v19	0,133107	0,0993216	1,340	0,1802
Социальная значимость отрасли (I3)	Уровень благоустройства сельских населенных пунктов водопроводом, %	v20	-0,138961	0,0733992	-1,893	0,0583	*
Факторы цифровизации (Z)	Инвестиции в основной капитал на 1 жителя (Бюджетные средства) в деятельность в сфере телекоммуникаций, тыс. руб./жителя региона	z8	-0,0530414	0,0559447	-0,9481	0,3431
Факторы цифровизации (Z)	Уровень образования, доля	z10	0,149228	0,171093	0,8722	0,3831
Среднее завис. перемен	1,019935	Ст. откл. завис. перем		0,171392
Сумма кв. остатков	13,26740	Ст. ошибка модели		0,167657
R-квадрат	0,057089	Исправ. R-квадрат		0,043105
F(7, 12)	3,624297	Р-значение (F)		0,024581
Лог. правдоподобие	180,1437	Критерий Акаике		–344,2875
Критерий Шварца	-310,8972	Критерий Хеннана – Куинна		-331,1625
Параметр rho	-0,357734	Статистика Дарбина – Уотсона		2,652344

Таблица 4

Модель 2. Объединенный (pooled) МНК с фиктивными переменными. Использовано наблюдений 480. Включено 15 пространственных объектов. Длина временного ряда 32. Зависимая переменная v1. Стандартные ошибки Бека – Каца (Beck-Katz)

Коэффициент корреляции	Коэффициент	Ст. ошибка	z	p-значение
const	0,593622	0,208503	2,847	0,0044	***
v6	0,000838445	0,00143372	0,5848	0,5587
v13	0,00507918	0,00402027	1,263	0,2064
v15	-0,100944	0,409314	-0,2466	0,8052
v19	-0,128726	0,283718	-0,4537	0,6500

Продолжение таблицы 4

v20	-0,103558	0,219375	-0,4721	0,6369
z8	-0,141347	0,155837	-0,9070	0,3644
z10	0,664560	0,480477	1,383	0,1666
du_1	-0,00597141	0,0352019	-0,1696	0,8653
du_2	0,0111329	0,0420378	0,2648	0,7911
du_3	-0,0723006	0,0729127	-0,9916	0,3214
du_4	-0,0792392	0,0553107	-1,433	0,1520
du_5	-0,0497732	0,0593872	-0,8381	0,4020
du_6	-0,00617579	0,0650132	-0,09499	0,9243
du_7	-0,0496300	0,0590943	-0,8398	0,4010
du_8	-0,0728582	0,0732055	-0,9953	0,3196
du_9	-0,0563961	0,0602678	-0,9358	0,3494
du_10	0,0422302	0,0892290	0,4733	0,6360
du_11	0,0496325	0,0488483	1,016	0,3096
du_12	0,0236836	0,0438903	0,5396	0,5895
du_13	-0,0267905	0,0482074	-0,5557	0,5784
du_14	0,0335374	0,0512617	0,6542	0,5130
Среднее завис. перемен	1,019935	Ст. откл. завис. перем		0,171392
Сумма кв. остатков	12,90771	Ст. ошибка модели		0,167877
R-квадрат	0,082652	Исправ. R-квадрат		0,040591
F(21, 14)	1,795018	Р-значение (F)		0,131547
Лог. правдоподобие	186,7403	КритерийАкаике		-329,4806
Критерий Шварца	-237,6573	Критерий Хеннана – Куинна		-293,3868
Параметр rho	-0,412765	Стат. Дарбина – Уотсона		2,699004

Источник: составлено на основе исследований автора

Построим модель панельных данных со случайными эффектами (random effects model (RE model), которая рассматривает эффекты b*z _it как случайные величины, некоррелированые с ε _it (Димурина, 2019). Данная модель позволяет оценить регрессоры, которые не меняются во времени, что невозможно было сделать в модели с фиксированными эффектами.

Результаты построения модели со случайными эффектами по имеющемся панельным данным с помощью программного продукта Gretl представлены в Таблице 6.

Таблица 5

Модель 3. Объединенный (pooled) МНК с логарифмическими переменными.

Использовано наблюдений 479. Включено 15 пространственных объектов. Длина временного ряда минимум 31, максимум 32. Зависимая переменная v1. Стандартные ошибки Бека – Каца (Beck-Katz)

Коэффициент корреляции	Коэффициент	Ст. ошибка	z	p-значение
const	0,528428	0,313531	1,685	0,0919	*
l_v6	0,0902210	0,0584487	1,544	0,1227
l_v13	0,0768748	0,0386157	1,991	0,0465	**
l_v15	0,0389834	0,0704124	0,5536	0,5798
l_v19	0,0614048	0,0612210	1,003	0,3159
l_v20	-0,0720953	0,0595012	-1,212	0,2256
l_z8	-0,00200645	0,00440824	-0,4552	0,6490
l_z10	0,0931811	0,169310	0,5504	0,5821
Среднее завис. перемен	1,019971	Ст. откл. завис. перем		0,171569
Сумма кв. остатков	13,18124	Ст. ошибка модели		0,167289
R-квадрат	0,063193	Исправ. R-квадрат		0,049270

Продолжение таблицы 6

F(7, 14)	1,155563	Р-значение (F)	0,385622
Лог. правдоподобие	180,8294	КритерийАкаике	-345,6588
Критерий Шварца	-312,2852	Критерий Хеннана – Куинна	-332,5392
Параметр rho	-0,375673	Стат. Дарбина – Уотсона	2,634693

Источник: составлено на основе исследований автора

Таблица 6

Результаты построения моделей со случайными эффектами (GLS) зависимости предложения от факторов. Модель 4. Случайные эффекты (GLS). Использовано наблюдений 480.

Зависимая переменная v1

Коэффициент корреляции	Коэффициент	Ст. ошибка	z	p-значение
const	0,757487	0,180777	4,190	<0,0001	***
v6	0,00128197	0,000920328	1,393	0,1636
v13	0,00368800	0,00199274	1,851	0,0642	*
v15	0,162622	0,284226	0,5722	0,5672
v19	0,133107	0,157108	0,8472	0,3969
v20	-0,138961	0,116241	-1,195	0,2319
z8	-0,0530414	0,0401207	-1,322	0,1862
z10	0,149228	0,243019	0,6141	0,5392
Среднее завис. перемен	1,019935	Ст. откл. завис. перем		0,171392
Сумма кв. остатков	13,26740	Ст. ошибка модели		0,167480
Лог. правдоподобие	180,1437	Критерий Акаике		-344,2875
Критерий Шварца	-310,8972	Критерий Хеннана – Куинна		-331,1625
параметр rho	-0,412765	Стат. Дарбина-Уотсона		2,699004

Источник: составлено на основе исследований автора

Межгрупповая дисперсия = 0

Внутригрупповая дисперсия = 0,0281828

тета (theta), использованная для квази-деусреднения (demeaning), = 0

Совместный тест на выбранных регрессорах –

Асимптотическая тестовая статистика: Хи-квадрат (7) = 9,83413

р-значение = 0,19817

Тест Бройша – Пагана (Breusch-Pagan) –

Нулевая гипотеза: дисперсия специфических для наблюдений ошибок = 0

Асимптотическая тестовая статистика: Хи-квадрат(1) = 1,53759

р-значение = 0,214978.

В процессе эконометрического моделирования были построены модели с временными фиксированными эффектами. Выбор в пользу включения вмодель фиксированных эффектов сделан на основе теста Хаусмана. Нулевая гипотеза (ОМНК оценки состоятельны), проверяемая в этом тесте (см. Тблицу 7), состоит в том, что индивидуальные эффекты отсутствуют, а значит, модель со случайными эффектами дает состоятельные оценки. Хи-квадрат (7) = 11,0946, р-значение = 0,134546, поэтому нулевая гипотеза не подтвердилась.

По построенной в Таблице 6 модели со случайными эффектами можно сделать вывод, что на предложение продовольственных товаров в большей мере оказывают влияние v13 (урожайность зерновых и зернобобовых культур (в весе после доработки) в хозяйствах всех категорий; центнеров с одного гектара убранной площади).

В Таблице 7 представлены результаты подтверждения гипотез.

Анализируя достоверность гипотез о степени влияния разных групп факторов на предложение продовольствия, необходимо отметить отрицательную зависимость между индексом инвестиций в основной капитал и предложением. При этом, согласно критерию Стьюдента, переменная «урожайность…» в данной модели является значимой.

Данные тенденции опровергают гипотезу о том, что наиболее существенное влияние на предложение продовольственных товаров оказывают технологические факторы.

При увеличении урожайности зерновых и зернобобовых культур (в весе после доработки) на 1 центнер с одного гектара убранной площади в год предложение увеличится на 35,05 % за год.

При увеличении валовой продукции сельского хозяйства на 1 жителя региона на 1 тыс. руб. предложение увеличится на 21,35 % за год.

Гипотеза о влиянии цифровой экономики на предложение продовольствия не подтверждена, поскольку предложение производителей определяется в основном технологическими факторами и факторами результативности производства. Построенные модели могут использоваться для оценки эффективности проектов развития сети широкополосного интернета в сельском хозяйстве.

Цифровизация сельского хозяйства и продовольственных рынков, основанная на использовании прогрессивных технологий, автоматизации, роботизации, сельскохозяйственного производства, искусственного интеллекта и больших объемов данных, способствует снижению зависимости от природных условий, появлению улучшенных сортов сельскохозяйственных культур и пород животных, развитию инновационных сервисов доставки.

Анализ подтверждения гипотез

Таблица 7

Гипотеза	Объединенный (pooled) МНК		Объединенный (pooled) МНК с фиктивными переменными		Модель со случайными эффектами (GLS)
Гипотеза	Описание	Подтверждение гипотезы	Описание	Подтверждение гипотезы	Описание	Подтверждение гипотезы
H1: Наиболее существенное влияние на предложение продовольственных товаров оказывают технологические (производственные) факторы (энергетические мощности, фондовооруженность, инвестоем-кость и др.)	Влияние показателей технологического развития несущественно (менее 1%), однако показатели значимы	Не подтверждена	Все коэффициенты незначимы и несущественны	Не подтверждена	Все коэффициенты незначимы и несущественны	Не подтверждена
Н2: Эффективность работы предприятий отрасли оказывает положительное влияние на предложение продовольственных товаров	Существенными являются показатели урожайности и благоустройства сельских населенных пунктов	Не подтверждена	Все коэффициенты незначимы и несущественны	Подтверждена	Все коэффициенты незначимы и несущественны	Подтверждена
Н3: Качество жизни сельского населения положительно влияет на предложение продовольственных товаров	Вклад уровня благоустройства сельских населенных пунктов в формирование индекса производства продукции сельского хозяйства составляет порядка 13%	Подтверждена	Все коэффициенты незначимы и несущественны	Подтверждена	Все коэффициенты незначимы и несущественны	Подтверждена
Н4: Цифровизация не оказывает влияния на предложение продовольственных товаров	Коэффициенты цифровизации несущественны	Подтверждена	Все коэффициенты незначимы и несущественны	Подтверждена	Все коэффициенты незначимы и несущественны	Подтверждена

Источник: составлено на основе исследований автора

Внедрение единых систем учета в сельском хозяйстве, систем прослеживания продовольствия не может привести к повышению качества продовольствия, способствовать решению продовольственной проблемы, если процессы цифровизации не базируются на комплексном повышении эффективности сельского хозяйства. Внедрение информационно-компьютерных технологий в сельское хозяйство и производство сельскохозяйственной продукции должно способствовать росту производительности и сокращению потерь в процессе производства и транспортировки продовольствия, а также усилению возможностей для сбыта произведенной продукции, сокращению сбытовых и транспортных издержек.

Список литературы Влияние цифровизации на формирование предложения на региональных продовольственных рынках

Димурина, Н.Е. Модели анализа панельных данных по предприятиям-участникам нефтяного кластера Ставропольского края / Н.Е. Димурина // Вестник Московского гуманитарно-экономического института. - 2019. - № 4. - С. 34-43. - EDN IOYMYT.
Кузнецова Е.В., Жбанова Н.Ю. Эконометрика: учебное пособие Липецк: Липецкий государственный технический университет, 2012. 82 c. [Электронный ресурс]. - URL: https://www.iprbookshop.ru/22948.html (дата обращения: 21.10.2024).
Мхитарян В.С., Архипова М.Ю., Сиротин В.П. Эконометрика: учебное пособие. Москва: Евразийский открытый институт, 2012. 224 c. [Электронный ресурс]. URL: https://www.iprbookshop.ru/11125.html (дата обращения: 21.10.2024).
Яковлева А.В. Эконометрика: учебное пособие. Саратов: Ай Пи Эр Медиа, 2011. 153 c. [Электронный ресурс]. URL: https://www.iprbookshop.ru/946.html (дата обращения: 21.10.2024).

Статья научная