Научный журнал
Фундаментальные исследования
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,674

СРАВНИТЕЛЬНЫЙ АНАЛИЗ ТЕНДЕНЦИЙ ПРОИЗВОДСТВА МОЛОКА В ФЕДЕРАЛЬНЫХ ОКРУГАХ РОССИИ

Мамченко О.П. 1 Исаева О.В. 1 Байкин А.А. 1
1 ФГБОУ ВО «Алтайский государственный университет»
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.
рынок молочной продукции
фактор сезонности
тренд-сезонные экономические процессы
анализ временных рядов
фильтрация временного ряда
сезонная волна
1. Ермакова Е.Е. Современное состояние и перспективы развития молочной промышленности РФ / Е.Е. Ермакова, Ш.А. Атабаева // Молодой ученый. – 2014. – № 7. – С. 338–340.
2. Бокс Дж. Анализ временных рядов, прогноз и управление / Дж. Бокс, Г. Дженкинс. – М.: Мир, 1974. – 230 с.
3. Орлова И.В. Экономико-математические методы и модели: компьютерное моделирование / И.В. Орлова, В.А. Половников. – 3-е изд., перераб. и доп. – М: ИНФРА-М, 2014. – 389 с.
4. Половников В.А. Анализ и прогнозирование транспортной работы морского флота. – М.: Транспорт, 1983. – 121 с.
5. Шелобаев С.И. Прогнозирование налоговых поступлений // Известия Тульского государственного университета. Экономические и юридические науки. – 2010. – № 1–1. – С. 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.


Библиографическая ссылка

Мамченко О.П., Исаева О.В., Байкин А.А. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ТЕНДЕНЦИЙ ПРОИЗВОДСТВА МОЛОКА В ФЕДЕРАЛЬНЫХ ОКРУГАХ РОССИИ // Фундаментальные исследования. – 2016. – № 8-1. – С. 181-185;
URL: https://fundamental-research.ru/ru/article/view?id=40559 (дата обращения: 28.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674