Scientific journal
Fundamental research
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,074

COMPARATIVE ANALYSIS OF MILK PRODUCTION TRENDS IN THE FEDERAL DISTRICTS OF RUSSIA

Mamchenko O.P. 1 Isaeva O.V. 1 Baykin A.A. 1
1 Federal state budget educational institution of higher education Altai State University
Настоящая статья посвящена исследованию тенденций развития рынка молочной продукции. В работе на основе временных рядов анализируются данные Росстата по производству молока в сельскохозяйственных предприятиях федеральных округов (ФО) России за 2010–2014 гг. Итерационным методом получена оценка имеющихся трендов: предварительно исходный эмпирический ряд выравнивается скользящей средней с симметрично-равными весами и периодом скольжения, равным 12. Для аппроксимации новых данных используются многочлены третьей и пятой степени с коэффициентом детерминации, превосходящим 0,8. Наличие во временном ряде сезонных колебаний подтверждает значимая F-статистика. Анализ сезонной волны, в предположении наличия аддитивной зависимости, позволил оценить ее характер для каждого федерального округа и выделить общие черты и особенности. В результате проведенного анализа составлен прогноз развития рынка молочной продукции в сегменте производства молока по ФО и по России в целом.
This article is devoted to the research trends of dairy products market development. In thework on the basis of the temporal ranks the data of Rosstat on milk production in the agricultural enterprises of federal districts (FD) of Russia for the period 2010–2014 is analyzed. The estimate of available trends is got by an iterative method. The presence in the temporal ranks of seasonal fluctuations is confirmed by the significant F-statistics. The analysis of a seasonal wavewhich supposing the presence of the additive dependence allowed evaluating its character for each of the investigatedDOF and identifying common features and characteristics. As a result of the analysis market forecast of dairy products in the segment of milk production in the FD and for the whole of Russia is made.
dairy market
seasonality
trend-seasonal economic processes
the analysis of temporal ranks
filtering temporal ranks
seasonal wave
1. Ermakova E.E., Atabaeva Sh.A. Molodoy uchenyy. 2014. no 7, pp. 338–340.
2. Boxing J., Jenkins G. Analiz vremennyh rjadov, prognoz i upravlenie [Time series analysis, forecasting and management]. M.: Mir, 1974. 230 p.
3. Orlova I.V., Polovnikov V.A. Jekonomiko-matematicheskie metody i modeli: kompjuternoe modelirovanie [Economic-mathematical methods and models: computer modelirovanie]. M: INFRA-M, 2014. 389 p.
4. Polovnikov, V.A. Analiz i prognozirovanie transportnoj raboty morskogo flota[Analysis and forecasting of transport work of the Navy]. M.: Transport, 1983. 121 p.
5. Shelobaev S.I. Izvestija Tulskogo gosudarstvennogo universiteta. Jekonomicheskie i juridicheskie nauki. 2010. no 1–1, pp. 303–311.

Российский рынок молочной продукции является составной частью российской пищевой промышленности, которая играет огромную роль в экономике любой страны. В настоящее время российская пищевая промышленность объединяет в себе около 25 тыс. предприятий, а её доля в объёме российского производства составляет более 10 %. Согласно оценкам на переработку и производство молочной продукции в России направляется до 40 % от общего объема производства [1].

Молоко имеет сбалансированный состав питательных веществ и представляет собой совершенный вид продовольствия. Однако его производство связано с определенными рисками, обусловленными цикличностью или сезонностью самого процесса производства. Поэтому умение измерять, анализировать и учитывать фактор сезонности в различных экономических процессах должно быть направлено, прежде всего, на снижение его отрицательных воздействий.

По данным Министерства сельского хозяйства Российской Федерации за 1 квартал 2015 г. в Сибирском и других ФО России наметился рост объемов производства молока. В настоящей работе анализируется устойчивость и возможные перспективы этой тенденции.

В качестве информационной базы исследования были использованы данные Росстата по производству молока в сельскохозяйственных предприятиях федеральных округов России за 2010–2014 гг.

По итогам работы за 2014 год структура распределения общего объема производства молока в сельскохозяйственных предприятиях России представлена на рис. 1.

pic_73.tif

Рис. 1. Диаграмма распределения производства молока в сельскохозяйственных предприятиях России по ФО, тыс. т

Временные ряды, характеризующие различные экономические процессы, могут содержать различные колебания. Если характер колебаний периодический и завершается в течение одного года, то будем относить их к сезонным колебаниям. Если период колебаний составляет более одного года, то будем говорить о наличии во временном ряде циклической компоненты. Тренд, сезонная и циклическая компоненты образуют регулярную компоненту временного ряда [2]. Оставшаяся после выделения из временного ряда регулярной компоненты величина представляет собой случайную компоненту, которая неизбежно сопутствует любому явлению.

Для анализа экономических тренд-сезонных процессов необходимо последовательно выполнить несколько этапов: определить наличие тренда; выявить присутствие сезонных колебаний; осуществить фильтрацию временного ряда и составить прогноз развития исследуемого экономического процесса.

Наличие тренда во временном ряде призвано объяснить действие каких-либо объективных закономерностей. Но поскольку однозначно разделить случайный процесс на регулярную и колебательную части практически трудно, поэтому наличие тенденции среднего визуально можно определить из графика исходных данных. На рис. 2 представлена характерная ситуация, подтверждающая гипотезу о наличии как тенденции, так и колебательной части.

pic_74.tif

Рис. 2. Месячные объемы производства молока в сельскохозяйственных предприятиях Сибирского ФО, тыс. т

Для разделения временного ряда на регулярную и случайную компоненты применяются спектральные, регрессионные и итерационные методы [5]. Относительная простота и приемлемая точность сделала итерационные методы достаточно популярными в экономических исследованиях. Непосредственный выбор конкретного итерационного метода зависит и от требуемой точности, и от предположения о характере зависимости между компонентами временного ряда. Аддитивная зависимость вида

Yt = Ut + St + εt; mamchen01.wmf yij = uij + Sj + εij

применяется в том случае, когда сезонная компонента не изменяется значимо в течение времени. В других случаях используют мультипликативное соотношение

Yt = Ut?St + εt; mamchen02.wmf yij = uij?Sj + εij,

где Ut – тренд; St – сезонная компонента; εt – случайная компонента; mamchen03.wmf j = t – (i – 1)?T0; n – количество наблюдений.

Основная задача при исследовании сезонных временных рядов заключается в выделении собственно сезонной компоненты и внешних причин, ее вызывающих. Для этого предварительно следует сезонную компоненту St отфильтровать из временного ряда {Yt}, а затем исследовать ее динамику. Методы фильтрации предварительно выделяют регулярную часть, а уже затем колебательную компоненту. Полученный при этом тренд можно использовать и для анализа динамики сезонности. При анализе волны Sj часто предполагают, что она имеет определенный характер, например Sij = Si+k,j. На самом же деле для большинства экономических процессов это не так, что порождает необходимость анализа и предсказания изменений сезонной волны.

Наличие сезонных колебаний во временном ряде предполагает использование следующих критериев [3]:

- дисперсионного;

- гармонического;

- критерия, основанного на сравнении распределения коэффициента автокорреляции с распределением циклического коэффициента автокорреляции.

Применение дисперсионного критерия заключается в проверке на случайность остаточной компоненты временного ряда, остающейся после выделения из нее тренда.

Для проверки наличия во временном ряде сезонных колебаний применим F-критерий. Исходный эмпирический ряд {Yt} выравнивается скользящей средней с симметрично-равными весами и периодом скольжения T0 = 12

mamchen04.wmf

Выпадающие 6 членов ряда с обеих его сторон при последующих стадиях работы не используются. Полученная таким образом оценка тренда mamchen05.wmf позволяет определить отклонения исходного временного ряда и выровненного mamchen06.wmf mamchen07.wmf или mamchen08.wmf mamchen09.wmf

Использование дисперсионного критерия основано на гипотезе отсутствия сезонных колебаний во временном ряде, из которого отфильтрован тренд. Если гипотеза справедлива, то статистика будет иметь F-распределение с (T0 – 1) и (n – T0) степенями свободы [3]:

mamchen10.wmf mamchen11.wmf

ъmamchen12.wmf

По описанному алгоритму средствами табличного процессора MS Excel были вычислены значения F-статистики (табл. 1).

Так как расчетное значение F-статистики в каждом из рассматриваемых случаев больше табличного, равного 3,094, можно утверждать, что с вероятностью 0,99 сезонные колебания в данных временных рядах присутствуют.

Под фильтрацией компонент временного ряда будем понимать процесс получения оценок Ut, Vt и εt. Основные направления фильтрации компонент рассмотрены подробно в работе [4].

Проведем корректировку величин mamchen13.wmf. Вычтем среднее значение mamchen14.wmf из каждого значения mamchen15.wmf и получим их скорректированные значения Sj – значения сезонной компоненты для каждого месяца.

Анализ значений сезонных компонент, представленных на рис. 3 и 4 (условно разделенных по абсолютной величине на два кластера), позволяет утверждать, что, не смотря на разницу в климатических условиях, сезонность производства молока имеет достаточно схожий характер.

Таблица 1

Расчетные значения F-статистики

Федеральный округ

Значение

Федеральный округ

Значение

Приволжский

30,495

Уральский

28,243

Центральный

34,141

Сибирский

46,439

Северо-Западный

20,355

Северо-Кавказский

20,801

Южный

8,818

Дальневосточный

18,513

pic_75.tif

Рис. 3. Сезонная волна объемов производства молока (1 кластер), тыс. т

pic_76.tif

Рис. 4. Сезонная волна объемов производства молока (2 кластер), тыс. т

Проведем десезонализацию исходных данных путем вычитания из фактических наблюдений соответствующих значений сезонной компоненты uij = yij – Sj и выбираем вид тренда. Определяя значения остаточной компоненты по формуле mamchen16.wmf, вычисляем прогнозные значения исследуемых показателей на очередные 12 месяцев. Для сравнительного анализа можно представить графики фактических данных и полученного прогноза производства молока сельскохозяйственными предприятиями исследуемых ФО на 2015 г. В качестве примера приведем результаты прогноза по Сибирскому ФО (рис. 5).

Так как прогнозным величинам соответствуют значения шестого года наблюдений, т.е. с 61 по 72 месяц, то при сохранении сезонности наблюдается существенное влияние трендов.

pic_77.tif

Рис. 5. Прогнозирование объемов производства молока сельскохозяйственными предприятиями Сибирского ФО, тыс. т

Таблица 2

Динамика производства молока по ФО, %

Федеральный округ

Факт 2014 г. к 2013 г.

Прогноз 2015 г. к 2014 г.

Приволжский

102,4

99,4

Центральный

100,1

100,7

Северо-Западный

102,2

100,7

Южный

99,8

100,0

Уральский

102,7

97,3

Сибирский

102,8

112,1

Северо-Кавказский

101,7

83,2

Дальневосточный

92,5

87,6

Общую картину прогноза демонстрируют данные табл. 2.

Проведенное исследование позволяет сделать следующие выводы. Объем производства молока имеет ярко выраженную сезонную компоненту. Максимум производства достигается в большинстве ФО в июне месяце, а минимум приходится на ноябрь. При этом интересен факт примерного равенства пропорционального увеличения и сокращения объемов производства молока в течение года. Анализ полученных тенденций свидетельствует о том, что устойчивый рост наблюдается только в Центральном и Северо-Западном ФО. В Сибирском ФО намечается тенденция значительного увеличения объемов производства молока.

На основании полученных результатов можно утверждать, что увеличение объемов производства молока имеет устойчивую и долговременную тенденцию. Негативные тенденции снижения объемов в отдельных ФО с малым удельным весом компенсируются увеличением объемов производства в других ФО. В целом по России за 2015 год общий объем производства молока в сельскохозяйственных предприятиях может увеличиться согласно прогнозу не менее чем на 1,2 % к уровню 2014 г.