WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

Смотрова Елена Егоровна

СТРУКТУРНОЕ ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ОБОСНОВАНИЕ ПРОГНОЗИРОВАНИЯ РАЗВИТИЯ ЖИВОТНОВОДСТВА (на материалах Волгоградской области)

08.00.13 – Математические и инструментальные методы экономики;

08.00.05 – Экономика и управление народным хозяйством:

АПК и сельское хозяйство

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата экономических наук

Ставрополь – 2012

Работа выполнена в ФГБОУ ВПО «Волгоградский государственный аграрный университет»

Научный консультант: доктор технических наук, профессор Рогачев Алексей Фруминович Научный консультант: кандидат сельскохозяйственных наук, доцент Мазаева Тамара Ивановна

Официальные оппоненты: Мараховский Александр Сергеевич доктор экономических наук, доцент профессор кафедры информационных систем в экономике ФГБОУ ВПО «Ставропольский государственный университет» Новоселова Наталья Николаевна доктор экономических наук, доцент профессор кафедры экономической теории, бухгалтерского учета и аудита ФГБОУ ВПО «Пятигорский государственный гуманитарнотехнологический университет»

Ведущая организация: ФГБОУ ВПО «Саратовский социальноэкономический университет»

Защита состоится «29» мая 2012 г. в 14 часов на заседании диссертационного совета ДМ 212.256.06 при ФГБОУ ВПО «Ставропольский государственный университет» по адресу: 355009, г. Ставрополь, ул.

Пушкина, 1а, ауд. 416.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Ставропольский государственный университет».

Автореферат разослан «28» апреля 2012 г.

Ученый секретарь диссертационного совета, кандидат экономических наук Глазкова И.Ю.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Экономический спад, связанный с быстрым переходом России к рыночной системе экономических отношений, имел тяжелые последствия для агропромышленного комплекса страны, не позволив многим сельскохозяйственным предприятиям адаптироваться к новым экономическим условиям. Реорганизация хозяйств, разрушение договорных отношений между товаропроизводителями и перерабатывающими структурами, реформирование аграрных отношений в секторе агропромышленного комплекса, привели к существенным сдвигам в сфере производства и переработки продукции животноводства, а в конечном итоге, к спаду производства, к потере конкурентоспособности сельскохозяйственных предприятий, к снижению уровня продовольственной безопасности.

Последние годы, направленные на реформирование и совершенствование структуры животноводства, ликвидацию диспропорций между отдельными элементами ее материально-технической базы, на фоне мирового финансового кризиса и сокращения сельскохозяйственного производства из-за неблагополучных погодных условий, не только не способствовали решению накопившихся проблем, но и привели к углублению кризиса.

Важным условием формирования эффективной аграрной политики является комплексный экономический анализ, базирующийся на адекватных эконометрических моделях, который позволяет в полной мере охарактеризовать состояние и перспективы развития животноводства, выявлять внешние и внутренние факторы, наиболее существенно влияющие на сложные межотраслевые взаимосвязи в производстве и потреблении продукции животноводства.

Анализ подходов к эконометрическому исследованию животноводства в контексте развития регионального АПК позволяет выделить такие достаточно разработанные методы, используемые для его анализа и прогнозирования, как корреляционный, регрессионный, кластерный анализ.

В то же время, математический аппарат, применяемый для комплексного экономического анализа и прогнозирования АПК, должен учитывать разнообразные внутренние и внешние условия развития животноводства, включая моделирование таких рыночных факторов, как производство и потребление, ценообразование на продукцию кормопроизводства, влияние импорта, что становится особенно важным в преддверии вступления России в ВТО.

Необходимость совершенствования математического аппарата и технологий прогнозирования развития животноводства на основе методов экономического анализа и, в частности, структурных моделей, базирующихся на системах одновременных эконометрических уравнений, и обуславливает актуальность выбранной темы диссертационной работы.

Степень разработанности проблемы. В современной экономической литературе достаточно широко освещаются вопросы, отражающие сложный характер стабилизации животноводства и повышения эффективности отдельных ее составляющих, а также прогнозирование дальнейшего развития сельского хозяйства, в том числе на основе эконометрического моделирования. В этом отношении важное теоретическое и методологическое значение имеют труды Л.Е. Голищевой, В.А. Добрынина, А.П. Зинченко, Н.М. Костомахина, Н.А. Садовниковой, А.В.

Ткача, Р.А. Шмойловой. Изучению экономического развития животноводства в период перехода к рыночным отношениям посвятили свои исследования российские ученые Н.А. Борхунов, Г.Е. Брикач, П.С. Буценко, В.А.

Добрынин, Е.Е. Жоголева, А.П. Камышев, Д.М. Рассадин и др.

Большой вклад в разработку экономико-математических, статистических и эконометрических моделей динамики аграрного производства внесли такие отечественные ученые, как В.Н. Гусятников, И.И.

Елисеева, А.Н. Ильченко, В.А. Королев, В.Н. Прокофьев, Н.Т. Рафиковаи др.

Большой вклад в разработку теоретических основ экономикоматематического моделирования внесли отечественные ученые А.Г.

Аганбегян, А.Г. Гранберг, Т.Г. Гурнович, Л.B. Канторович, В.C. Немчинов, В.В. Новожилов, Е.Л. Торопцев, Н.П. Федоренко. За рубежом развитие теории и практики экономико-математического моделирования связано с работами таких ученых, как, Р. Беллман, Дж. Данциг, Дж. Нейман, Р. Солоу, Д. Хикс, У. Эшби.

Применительно к сельскому хозяйству методология экономикоматематического моделирования сформировалась в трудах К.А.

Багриновского, Г.Б. Беспахотного, М.Е. Браславца, A.M. Гатаулина, В.А.

Кардаша, Р.Г. Кравченко, Э.Н. Крылатых, С.Б. Огнивцева, A.M. Онищенко, В.В. Милосердова, П.П. Пастернака, М.М. Тупеева, и других видных отечественных ученых.

В работах отечественных эконометристов С.А. Айвазяна, М.Ю.

Архиповой, В.Н. Афанасьева, В.А. Балаша, С.А. Бородича, А.Н. Герасимова, А.В. Гладилина, Е.И. Громова, В.В. Давниса, Н.П. Дорохина, Т.А. Дубровой, Ю.В. Зайцевой, Н.В. Канцевой, П.К. Катышева, Е.Н. Лукаша, Я.Р. Магнуса, В.С. Мхитаряна, А.А. Пересецгоко, Л.В. Пономарева, Б.А. Путко, В.П.

Сиротина, Н.П. Тихомирова, В.Б. Уткина, В.Л. Хацкевича, М.М. Юзбашева, Л.П. Яновского а также зарубежных Т. Берндта, Дж. Джонстона, Дж.

Кендала, К. Доугерти, Э. Кейна, Маккаллума, С. Харви, Р. Эрнста, и др.

рассматриваются проблемы эконометрического прогнозирования экономических систем, в том числе в условиях рынка.

В последние годы особую актуальность приобретают вопросы необходимости государственной поддержки развития животноводства, особенно в условиях вступления России в ВТО. Теоретические и практические аспекты данной проблемы представлены в работах Л.И.

Абалкина, А.Е. Бережного, P.C. Гайсина, A.B. Гордеева, Т.Г. Егорова, В.В.

Калашникова, Э.Н. Крылатых, Р.В. Сафиуллина и др.

Так, в работах, посвященных выявлению факторов, наиболее существенно влияющих на составляющие животноводства, недостаточно учитывался тот факт, что в большинстве случаев показатели, характеризующие и влияющие на животноводство, представлены нестационарными временными рядами.

При моделировании взаимосвязей показателей, характеризующих состояние различных отраслей сельского хозяйства, в том числе и в контексте развития АПК региона, широкое распространение получили многофакторные регрессионные модели с одним уравнением, не учитывающие пространственную и временную неоднородность данных и сложный характер взаимовлияния эндогенных и экзогенных переменных.

Учитывая значительную внутри региональную территориальную дифференциацию состояния животноводства по характеризующим его основным показателям, актуальным является моделирование, анализ и прогнозирование развития животноводства на региональном уровне посредством структурных эконометрических уравнений, методика параметризации которых должна учитывать особенности производства и потребления продукции животноводства и требует дополнительного совершенствования.

Цель и задачи исследования. Целью работы является совершенствование методики эконометрического моделирования и анализа животноводства в контексте обоснования прогнозирования развития животноводства.

В соответствии с целью в работе поставлены и решены следующие задачи:

- обосновать методические подходы к эконометрическому моделированию состояния животноводства на основе системы структурных уравнений и сформировать совокупность факторов, влияющих на производство продукции отрасли в контексте развития региона АПК;

- разработать многофакторную тренд-сезонную регрессионную модель для осуществления прогнозирования динамики структуры и объема производства продукции животноводства;

- разработать модели регрессии на панельных данных, характеризующих состояние животноводства для выявления их пространственно-временной неоднородности;

- построить структурную эконометрическую модель взаимосвязи эндогенных и экзогенных факторов, включая поголовье КРС и среднедушевые доходы населения;

- построить интегральный показатель для проведения сравнительного анализа муниципальных образований области по уровню состояния животноводства в контексте развития региона АПК;

- предложить методику оценивания уровня развития животноводства, базирующуюся на введенном интегральном показателе.

Объект и предмет исследования. Объектом исследования являются муниципальные районы Волгоградской области, специализирующиеся на производстве продукции животноводства.

Предметом исследования являются социально-экономические процессы и управленческие отношения, возникающие при производстве продукции животноводства.

Информационное обеспечение работы составили официально опубликованные материалы Территориального органа Федеральной службы государственной статистики по Волгоградской области, материалы периодической печати, информационные ресурсы Internet.

Соответствие темы диссертационного исследования паспорту специальностей ВАК. Исследование выполнено в рамках специальности 08.00.13 – Математические и инструментальные методы экономики, п. 1.1.

Разработка и развитие математического аппарата анализа экономических систем: математической экономики, эконометрики, прикладной статистики … и других методов, используемых в экономико-математическом моделировании; п.

1.8. Математическое моделирование экономической конъюнктуры, деловой активности, определение трендов, циклов и тенденций развития, а также специальности 08.00.05 – Экономика и управление народным хозяйством: АПК и сельское хозяйство, п. 1.2.39. Обоснование прогнозов и перспектив развития агропромышленного комплекса и сельского хозяйства.

Теоретической и методологической базой исследования послужили труды отечественных и зарубежных ученых, вопросам эконометрики, прикладной статистики и прогнозирования, ориентированные на анализ животноводства.

В качестве инструментария в диссертации использовались следующие методы: эконометрическое и экономико-математическое моделирование, анализа структурных сдвигов, моделирования и эконометрического анализа временных рядов, многомерной классификации, анализа панельных данных, табличный и графический. Обработка данных, включая оценивание параметров регрессионных зависимостей, проводилась с использованием табличного процессора MS Excel 2010 и статистических пакетов прикладных программ Statistica 10.0, Stata 10.0.

Научная новизна диссертационной работы состоит в развитии математического аппарата и адаптации методики структурного эконометрического моделирования для обоснования прогнозирования развития животноводства. Наиболее существенные научные результаты:

по специальности 08.00.13 – Математические и инструментальные методы экономики:

обоснованы методические подходы к эконометрическому моделированию состояния животноводства на основе системы структурных совместных уравнений, и сформирована, с применением корреляционного анализа, совокупность факторов, наиболее существенно влияющих на развитие отрасли, что позволяет моделировать их взаимное влияние на производство продукции животноводства;

разработана многофакторная регрессионная модель временных рядов производства продукции животноводства, включающая трендовую и сезонную составляющие, позволившая осуществить прогнозирование динамики структуры и объема производства отрасли на региональном уровне;

построены, с использованием панельных данных, модели регрессии, адекватно учитывающие пространственно-временную неоднородность данных, позволившие оценить зависимостей между показателями, характеризующими состояние животноводства в контексте развития регионального АПК;

обоснована методика параметризации и разработаны структурные эконометрические модели, раскрывающие взаимосвязи эндогенных факторов (цены реализации продукции, годового производства, а также потребления мяса и мясопродуктов) в зависимости от ряда натуральных и стоимостных экзогенных показателей (среднедушевые доходы населения, поголовье крупно-рогатого скота, валовой сбор кукурузы на корм), что позволяет прогнозировать изменение эндогенных показателей и их влияние на уровень развития регионального АПК.

по специальности 08.00.05 – Экономика и управление народным хозяйством:

АПК и сельское хозяйство:

построен интегральный показатель, характеризующий состояние животноводства и включающий основные характеристики развития отрасли, позволяющий проводить сравнительный анализ муниципальных образований региона и прогнозировать его развитие;

разработана методика оценки состояния животноводства, основанная на предложенном интегральном показателе, и включающая учетно-оценочные показатели, позволяющая дифференцированно строить прогнозы развития отрасли по муниципальным образованиям региона на основе разработанных моделей.

Теоретическая и практическая значимость. Разработанная в диссертации методика и результаты эконометрического анализа животноводства в контексте развития АПК региона могут быть использованы Комитетом по сельскому хозяйству и продовольствию Администрации Волгоградской области, а также Министерством сельского хозяйства с целью объективной оценки состояния и перспектив развития животноводства в регионе, оптимизации размещения и специализации производства животноводства. Положения диссертационной работы могут представлять интерес для органов государственного управления при выработки научно обоснованной региональной программы и политики в целях наращивания объемов производства животноводческой продукции, увеличения инвестиционной привлекательности животноводства, обеспечения его финансовой устойчивости на региональном и государственном уровнях.

Теоретические и практические выводы, полученные в ходе исследования, используются в учебном процессе Волгоградского государственного аграрного университета по курсам «Эконометрика», «Статистика» и «Комплексный экономический анализ хозяйственной деятельности».

Апробация и внедрение результатов работы исследования.

Основные положения и результаты диссертационной работы неоднократно докладывались и обсуждались на следующих всероссийских и международных конференциях: «Международная научно-практическая конференция «Использование инновационных технологий для решения проблем АПК в современных условиях» (г. Волгоград, 2007 - 2012 гг.), «Вавиловские чтения – 2009» (г. Саратов, 2009 г.), «Аграрная наука – сельскому хозяйству» (г. Барнаул, 2011 г.); «III Международная научнопрактическая конференция молодых исследователей «Наука и молодежь:

новые идеи и решения» (г. Волгоград, 2009 г.); «Молодежная наука 2010:

материалы LXX всероссийской научно-практической конференции» (г.

Пермь, 2010 г.); «Новые направления в решении проблем АПК на основе современных ресурсосберегающих, инновационных технологий:

международная научно-практическая конференция» (г. Волгоград, 2010г.);

Всероссийская заочная научно-практическая конференция «Проблемы и перспективы социально-экономического развития регионов» (г. Киров, 2010г.).

Основные положения диссертационной работы использованы ООО «Золотой Колос» и ООО «Сельхозторг» (г. Волгоград), что подтверждено актами внедрения.

Публикации. По теме диссертации опубликовано 18 работ общим объемом 5,61 п. л., из них 4 статьи в изданиях, рекомендованных ВАК для публикации результатов кандидатских и докторских диссертаций.

Структура работы. Диссертация состоит из введения, трех глав, заключения, списка информационных источников и приложений, в которых приведены информационно-справочные материалы, иллюстрирующие и дополняющие основное содержание исследования.

Содержание работы:

Введение 1 ТЕОРЕТИЧЕСКИЕ И МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ЭКОНОМЕТРИЧЕСКОГО ИССЛЕДОВАНИЯ ЖИВОТНОВОДСТВА 1.1 Животноводство как объект экономического моделирования и исследования 1.2 Система показателей и информационное обеспечение эконометрического исследования животноводства на уровне регионального АПК 1.3 Анализ подходов и классов эконометрических моделей для исследования развития животноводства 2 ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕИ АНАЛИЗ ПРОИЗВОДСТВА ПРОДУКЦИИ ЖИВОТНОВОДСТВА В ВОЛГОГРАДСКОЙ ОБЛАСТИ 2.1 Методика эконометрического моделирования и анализа состояния и развития животноводства в регионе 2.2 Моделирование динамики производства основных видов продукции животноводства 2.3 Моделирование и параметризация взаимосвязей показателей, характеризующих состояния животноводства в контексте развития регионального АПК 3 ПРОГНОЗНЫЙ АНАЛИЗ РАЗВИТИЯ ЖИВОТНОВОДСТВА В ВОЛГОГРАДСКОЙ ОБЛАСТИ 3.1 Прогнозирование развития животноводства на основе эконометрических моделей 3.2 Построение интегрального показателя, характеризующего состояние животноводства в контексте развития регионального АПК 3.3 Методика оценки состояния животноводства по муниципальным образованиям региона Приложения ОСНОВНЫЕ ПОЛОЖЕНИЯ И РЕЗУЛЬТАТЫ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ 1. Методические подходы к экономическому исследованию состояния животноводства должны учитывать наличие сложных взаимосвязей эндогенных и экзогенных факторов, что целесообразно моделировать с применением эконометрических моделей класса систем структурных уравнений. С целью реализации эконометрического моделирования сформирована, на основе методов корреляционного анализа, совокупность факторов, позволяющая выявить характер их влияния на динамику производства продукции отрасли в контексте развития АПК региона.

Теоретический анализ животноводства создает предпосылки для перехода к измерительному аспекту, реализуемому посредством разработки и исследования адекватных эконометрических.

Сложные экономические процессы моделируют с помощью системы взаимосвязанных уравнений, позволяющих учесть структуру взаимосвязи между эндогенными и предопределенными переменными, к которым относят как экзогенные, так и лаговые эндогенные.

Такие системы появляются в случае, когда входные и выходные переменные одновременно зависят от внешних факторов. Введение этих факторов в структурные уравнения явным образом приводит к системам одновременных эконометрических уравнений, в которых, некоторые входные переменные становятся одновременно и выходными.

Каждое уравнение модели представляется в следующем виде:

y = Y1+X1+ (1) где y – вектор размерности n1 наблюдений над «зависимой» переменной; Y1 – матрица порядка ng наблюдений над другими текущими значениями эндогенных переменных, входящих в уравнение; – вектор размерности g1 структурных коэффициентов, относящихся к переменным из матрицы Y1; X1 – матрица порядка nk наблюдений над предопределенными переменными, присутствующими в уравнении; – вектор размерности k1 коэффициентов, относящихся к переменным из матрицы X1; – вектор размерности n1 возмущающих воздействий, испытываемых рассматриваемых уравнением.

На первом шаге матрица вычисляется с помощью регрессии каждой из переменных, входящих в Y1, на все предопределенные переменные полной модели, после чего наблюдения, входящие в матрицу Y1, заменяются соответствующими значениями, рассчитанными с помощью этих регрессий.

Таким образом, (1) можно записать в следующем виде:

= X(X’X)-1X’Y1 (2) где X = есть матрица порядка nK наблюдений над всеми предопределенными переменными, входящими в полную модель, а - матрица наблюдений над теми предопределенными переменными модели, которые не включены в рассматриваемое уравнение.

На втором шаге вычисляется регрессия y на Y1 и, что приводит к процедуре оценивания:

= (3) Через обозначены оценки двухшагового метода наименьших квадратов параметров. Опуская промежуточные преобразования (Дж.

Джонстон, 1980), уравнения для вычисления оценок двухшагового метода наименьших квадратов можно записать в виде:

= (4) Важной проблемой построения эконометрических моделей остается проверка значимости коэффициентов и адекватности уравнений, а также анализ остатков на соответствие условиям теоремы Гаусса-Маркова.

Определению численных оценок модели должен предшествовать теоретический эконометрический анализ, отбор переменных, предварительная обработка статистических рядов, характеристика связей.

Экспериментальная проверка вариантов может привести к рассмотрению новых переменных, уравнений и, соответственно, новой итерации верификационной процедуры.

При определении структуры эконометрической модели важную роль имеет выбор наиболее существенных факторов, влияющих на результативные признаки. Рассматривая животноводство, как комплексную категорию, включающую обеспеченность продукцией животноводства, уровень физической и экономической доступности продукции животноводства (мяса, молока, яиц и др.), их качество, натуральность и доброкачественность, а также независимость продовольственного снабжения страны и ресурсного обеспечения от импортных поставок, в работе обоснованы девять блоков показателей, характеризующих состояние животноводства (рис. 1).

Основные социально-экономические показатели, способствующие развитию животноводства в регионе Показатели поголовья и воспроизводства сельскохозяйственных животных Показатели продукции и продуктивности сельскохозяйственныхживотных Показатели, характеризующие Показатели кормовой базы и кормовых ресурсов состояние животноводства в контексте развития регионального Показатели основных фондов в сельском хозяйстве АПК Показатели производительности и оплаты труда в сельском хозяйстве Показатели себестоимости продукции и рентабельности производства Показатели, характеризующие уровень продовольственной зависимости Показатели, характеризующие потребление основных продуктов животноводства Рисунок 1 – Схема системы экономических показателей, характеризующих состояние животноводства Набор экономических показателей в диссертации сформирован на основе модифицированного коэффициента корреляции, вычисляемого по зависимости (5), позволившего учесть характер их влияния на объем производства продукции животноводства во времени (табл. 1).

T x1t x2t rmod tT 2, (5) x1t x2t t xit xit xit 1, i 1,где.

Результаты расчетов модифицированных коэффициентов корреляции показателей, характеризующих состояние животноводства в контексте развития регионального АПК представлены в табл. 1.

Таблица 1 – Модифицированные коэффициенты корреляции для производства мяса ( ), молока ( ), яиц ( ) в момент времени t y1,t y2,t y3,t y1,t y2,t y3,t Показатели 1 2 3 x1.2,t - число предприятий и организаций по основному виду экономической деятельности «Сельское хозяйство, 0,512 0,587 0,5охота и лесное хозяйство» на душу населения в момент времени t, ед.;

x1.3,t - доля населения в трудоспособном возрасте в общей 0,596 0,684 0,6численности населения в момент времени t, %;

x1.4,t - удельный вес убыточных организаций в момент -0,543 -0,603 -0,0времени t, в % от общего числа организаций;

x1.6,t - инвестиции в основной капитал на 10 тыс. человек 0,642 0,342 0,4населения в момент времени t, тыс. рублей;

x1.7,t - уровень безработицы в момент времени t, в %;

-0,314 -0,145 -0,5x2.1,t - поголовье КРC на душу населения в момент 0,624 0,735 -0,времени t, гол.;

x2.2,t - поголовье коров на душу населения в момент 0,374 0,879 -0,0времени t, гол.

x2.3,t - поголовье свиней на душу населения в момент 0,598 0,465 -0,1времени t, гол.

x4.1,t - урожайность кукурузы на силос и зеленый корм в 0,434 0,671 0,2сельскохозяйственных организациях в момент времени t, центнеров с гектара убранной площади;

x5.1,t - среднемесячная заработная плата одного работника 0,496 0,593 0,6по виду экономической деятельности “Сельское хозяйство, охота и лесное хозяйство” в момент времени t, руб.

Обоснованная система показателей позволяет учесть основные характерные особенности состояния и развития животноводства и является основой для проведения углубленного анализа на основе эконометрического моделирования.

2. Моделирование структуры и объема производства продукции животноводства на основе многофакторных регрессионных тренд-сезонных и SARIMA-моделей, позволяет осуществить прогнозирование развития отрасли в динамике.

Анализ животноводства в Волгоградской области показал, что за период – с 1995 г. по 2009 г. – произошли негативные изменения в данном виде деятельности:

доля продукции животноводства в сельскохозяйственных организациях в 2009г. по сравнению с 1995 г. уменьшилась на 29,5% и составила 22,1% против 51,6% (в 1995 г.). Увеличилась доля хозяйств населения: в 2009 г. в личных подсобных хозяйствах населения производилось 75,1% основных видов продукции животноводства, что на 29% больше по сравнению с 1995 г.;

произошло сокращение поголовья крупного рогатого скота, овец и коз. Так в 2009 г. по сравнению с 1995 г. поголовье крупного рогатого скота (КРС) сократилось на 65,7% ( на 604,6 тыс. голов), а поголовье овец и коз на 37,7% (на 462,4 тыс. голов). Сокращение поголовья свиней и птиц в 2009г.

по сравнению с 1995 г. составило 24,2% (на162,3 тыс. голов) и 2,7% (на 262,4 тыс. голов) соответственно;

сократилась площадь посевов кормовых культур, особенно основной – кукурузы на силос и зеленый корм (в 4 раза), снизилась урожайность и, как следствие, уменьшился валовой сбор.

число доильных установок и агрегатов сократилось на 93% (с 42шт. в 1995 г. до 304 шт. в 2009 г.). В 1995 г. было приобретено 11 новых доильных установок, в 2008 г. только 3, а в 2009 г. новая техника не приобреталась вовсе.

Все эти изменения отразились на динамике производства основной продукции животноводства, временные ряды (ВР) которой представлены на рисунке 2.

Рисунок 2– Динамика производства основной продукции животноводства в Волгоградской области Предпрогнозному анализу и непосредственно моделированию предшествовала проверка гипотез об отсутствии неслучайной составляющей проведенная с помощью применения непараметрического критерия «восходящих» и «нисходящих» серий, а также критерия, основанного на медиане выборки, позволила выявить наличие тренда и не стационарность исследуемых временных рядов.

C помощью расширенного критерия Дики-Фулера выявлено, что все исследуемые динамические ряды относятся к типу DS с одним единичным корнем. С целью фильтрации временных рядов было осуществлено их алгоритмическое и аналитическое сглаживание.

Проверка гипотезы об отсутствии сезонности, проведенная с помощью критерия «пиков и ям», подтвердила и установила ее наличие. Для определения периодов сезонности анализируемых рядов был применен спектральный анализ. График спектральной плотности ВР производства мяса (рис.3) позволяет говорить о наличие в исследуемом ряду полугодовой и годовой колеблемости, что необходимо учитывать при дальнейшем моделировании.

Рисунок 3 – Спектральная плотность временного ряда производства мяса Спектральный анализ рядов динамики производства мяса, молока и производства яиц и производства продукции животноводства выявил колеблемость с периодом в 12 месяцев. С учетом выявленных особенностей характера тренда и сезонности исследуемых рядов динамики для моделирования были использованы тренд-сезонные и SARIMAэконометрические модели, в соответствие с принятой системой обозначений (В.С. Мхитарян, 2008 г).

Производство мяса, тыс. тонн:

yt 13,54 0,100t st 0,37et 1 0,7t (6) Производство молока, тыс. тонн:

yt 36,41 0,094t st 0,489et 1 0,7t (7) Производство яиц, млн. штук:

yt 53,76 0,196t st 0,808et 1 0,397еt 2 0,4t (8) Поскольку, все исследуемые показатели имеют ярко выраженную сезонную компоненту, были построены SARIMA-модели в соответствие с методологией Бокса – Дженкинса.

Проверка тренд-сезонных и SARIMA-моделей подтвердила их адекватность, однако верификация показала разную степень точности прогнозов. С целью улучшения качества прогнозов был построен обобщенный прогноз по тренд – сезонным и SARIMA-моделям, в качестве которого была использована среднее взвешенное значение арифметическая прогнозов, полученных с помощью различных моделей (рис. 4).

1Производство мяса, тыс. тонн Производство молока, тыс. тонн Производство продукции животноводства, тыс. тонн Рисунок 4 – Обобщенный прогноз производства основной продукции животноводства в Волгоградской области Согласно полученным прогнозам, в декабре 2012 года ожидается производство мяса в объеме 28,46 тыс. тонн, производство молока – 27,тыс. тонн, производство яиц – 62,6 млн. штук, а общий объем продукции животноводства составит 48,26 тыс. тонн.

3. Разработаны модели регрессии для оценки взаимных зависимостей между показателями, характеризующими состояние животноводства, позволившие учесть пространственно-временную неоднородность данных, характерную для Волгоградской области.

Предварительно проведенная многомерная классификация муниципальных образований Волгоградской области по показателям, характеризующим состояние животноводства, позволила выявить существование в пределах Волгоградской области трех классов, при этом:

1. Районы, составляющие первый кластер (Иловлинский, Ленинский, Октябрьский, Палласовский, Старополтавский, Чернышковский и др.), характеризуются сравнительно высоким уровнем развития мясного скотоводства;

2.Объекты второго класса (Фроловский, Клетский, Николаевский, Городищенский и др.) специализируются на таких отраслях животноводства, как молочное скотоводство и птицеводство;

3.Муниципальные образования, составившие третий класс, характеризуются сравнительно низким уровнем состояния и развития животноводства. Поскольку в структуре валового производства основных видов деятельности экономики одних районов (Жирновского и Котовского) более 70% приходится на промышленность и лишь незначительная часть на сельское хозяйство, другие (Алексеевский, Киквидзенский, Михайловский, Нехаевский, Серафимовичский) имеют в качестве одного из основных производственных направлений – растениеводство.

Учитывая выявленную пространственно-временную неоднородность муниципальных образований области по состоянию показателей, характеризующих состояние животноводства в контексте продовольственной безопасности, в работе предложено проведение моделирование взаимосвязей показателей на основе панельных данных, под которыми в экономической статистике понимают множество данных, состоящих из наблюдений за однотипными объектами, в течение нескольких временных периодов.

Используя результаты корреляционного анализа первых разностей, для показателей производства основной продукции животноводства – мяса, молока и яиц были оценены модели с фиксированными и случайными эффектами. Тест Хаусмана подтвердил априорные доводы в пользу моделей с фиксированными эффектами, когда индивидуальные эффекты ai, которые принимают реальные значения для разных объектов, но не меняются во времени, коррелированы с объектами, оценки которых представлены в формулах (9), (10), (11).

Производство мяса, тыс. тонн y1,it ai 2,20 x1.2,it 0,35 x1.3,it 4,56 x1.6,it 5,26 x2.1,it 5,23 x2.3,it (0,8477) (0,1042) (0,2022) (0,9750) (0,7155) (9) Производство молока, тыс. тонн 2,it ai 5,79 x1.2,it 0,58 x1.3,it 0,62 x1.4,it 8,46 x2.2,it 4,94 x4.1,it 0,07 x5.1,it (1,7763) (0,2178) (0,1423) (1,5924) (0,9065) (0,0095) (10) Производство яиц, млн. штук y3,it ai 23,15 x1.2,it 10,14 x1.7,it 8,11 x5.1,it (5,1674) (3,2191) (3,1929) (11) Анализ полученных моделей позволил, с учетом пространственновременной неоднородности, выявить факторы, оказывающие наибольшее влияние на производство основной продукции животноводства.

Так, увеличение поголовья крупного рогатого скота и свиней на голову в момент времени t приводит к увеличению производства мяса в среднем на 5,26 и 5,23 кг в убойном весе соответственно. Рост инвестиций в основной капитал приводит к увеличению производства мяса в среднем на 4,56 кг. Увеличение числа предприятий и организаций по основному виду экономической деятельности «Сельское хозяйство, охота и лесное хозяйство» в момент времени t на 1 единицу приводит к росту производства мяса на душу населения в среднем на 2,2 кг.

На производство молока существенное положительное влияние оказывают такие факторы, как поголовье коров, урожайность кукурузы на силос и зеленый корм, число предприятий и организаций по основному виду экономической деятельности «Сельское хозяйство, охота и лесное хозяйство». Увеличение удельного веса убыточных организаций в момент времени t на 1% приводит к сокращению производства молока на душу населения в среднем на 0,62 кг.

4. Структурная модель в виде системы эконометрических уравнений, описывающих взаимосвязь эндогенных факторов – цены реализации продукции животноводства, годового производства и потребления мяса и мясопродуктов – и совокупности экзогенных натуральных и стоимостных показателей, включая среднедушевые доходы населения, поголовье крупно-рогатого скота, валовой сбор кукурузы на корм, позволяющая прогнозировать совместное изменение моделируемых показателей, а также их влияние на уровень и перспективы развития отрасли.

Для составления структурной эконометрической модели по результатам проведенного предпрогнозного анализа были отобраны следующие переменные:

а) эндогенные: Y5 – производство мяса в год, тысяч тонн; Y6 – потребление мяса в год, тысяч тонн; Y7 – цена реализации 1 ц мяса, рублей;

б) экзогенные:X1 – поголовье КРС, тысяч голов; X2 – приплод молодняка в расчете на 100 маток, телят; X3 - валовой сбор кукурузы на силос и зеленый корм, ц; X4 - ввоз мяса и мясопродуктов, включая импорт в год, тысяч тонн; X5 - цена реализации 1 ц зерна, рублей; X6 - среднедушевые доходы населения в месяц, руб.

В общем случае система одновременных уравнений включает структурные уравнения вида:

Ax + By = (12) где х = (х1, …, xm)t – экзогенные переменные;

у = (у1, …, уl)t – эндогенные переменные.

Число уравнений системы в общем случае равно k.

Определение оценок элементов матриц А и В требует использования специального математического аппарата. В случае, когда матрица В квадратная и неособенная, можно записать решение системы структурных уравнений, выразив их через экзогенные переменные:

у = –В–1Ах + В–1 (13) Так как экзогенные переменные не коррелированы с ошибками, то для каждого уравнения системы можно применить обычный метод наименьших квадратов (МНК), оценки параметров которого будут состоятельные, несмещенные и эффективные. Результатом этой операции будет матрица оценок В–1А в соответствии с косвенным методом наименьших квадратов (КМНК). Необходимым условием применимости КМНК является разрешимость структурных уравнений относительно эндогенных переменных. В противном случае, для параметризации получающихся сверхидентифицируемых моделей необходимо применять двухшаговый метод наименьших квадратов (ДМНК).

YX1 - Поголовье КРС, тысяч голов 5 Производство X2 - Приплод молодняка в расчете на мяса в год, 100 маток, телят тысяч тонн X3 -Валовой сбор кукурузы на силос и зеленый корм, ц YX4 - Ввоз мяса и мясопродуктов, Потребление включая импорт в год, тысяч тонн мяса в год, тысяч тонн X5 - Цена реализации 1 ц зерна, Yрублей Цена реализации X6 - Среднедушевые доходы 1 ц мяса, рублей населения в месяц, рублей Рисунок 6 – Структурная схема системы эконометрических уравнений Схема эконометрической модели в виде системы одновременных структурных уравнений, моделирующих годовое производство мяса, его потребление, а также цены реализации 1 ц мяса, сформированная в виде трех взаимосвязанных уравнений, представлена на рис. 6.

Каждое из уравнений системы проверялось на идентифицируемость в соответствии с необходимым и достаточным условиями. Для параметризации полученной системы уравнений, применялся двухшаговый метод наименьших квадратов (ДМНК).

Адекватность полученных уравнений модели проверялось по F – критерию Фишера, значения которого составили 191,7; 46,3 и 105,соответственно.

Анализ параметров полученной модели по t-критерию Стьюдента показал недостаточную значимость отдельных коэффициентов, однако в модели, представленной в табл. 3 они были сохранены, поскольку это снижает величину модулей остатков модели.

у5 = 81,7 + 0,00074у7+ 0,16x1 – 1,01 x2 - 0,012 x3, (27,18) (0,00013) (0,013) (0.414) (0,0039) у6= 82,8 + 0,53у5 + 0,01у7 + 0,35 x4, (14) (9,615) (0,083) (0,0003) (0,35) у7= 19737 - 164, 4у5 - 1,29x5 + 3,99 x6, (4692,2) (51,5) (2,38) (0,841) На наш взгляд, одним из существенных факторов в данной модели выступает цена реализации зерна, поэтому была построена альтернативная модель, содержащая фактор Х5 с лагом (t-2), где представлена и адекватность каждого уравнения «усеченной» (restricted) модели по критерию Фишера.

у5 = 119,5+ 0,00047у7+ 0,11x1 – 1,31 x2 - 0,0099 x3, (33,5) (0,00019) (0,031) (0,43) (0,0045) у7= 38945,94 – 485,76у5 + 3,002x5(t-2)+ 2,304 x6, (15) (6166,5) (93,78) (1,389) (0,424) Анализ значимости параметров полученной модели по t-критерию Стьюдента показал адекватность всех коэффициентов при = 0,10.

Верификация регрессионных уравнений проводилась с помощью средней ошибки аппроксимации , значения которой составили 3,45 и 10,65% соответственно, что указывает на высокие прогнозные свойства модели.

Важным этапом эконометрического моделирования является верификация остатков моделей на наличие тенденции и автокорреляции, что проверялась анализа коррелограмм АКФ и ЧАКФ. Нормальные вероятностные графики подтвердили возможность принятия гипотезы о принадлежности модельных значений к нормальной совокупности, несмотря на определенную графическую мультимодальность (рис. 7), что позволило проводить дальнейшее содержательное исследование и выявление закономерностей моделируемой отрасли животноводства.

Histogram; variable: Y5 Вычерчивание стандартной Y 2,Expected Normal 1,1,0,0,-0,-1,-1,0 -2,-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 -4000 -3000 -2000 -1000 0 1000 2000 3000 40Upper Boundaries (x<=boundary) Значение Рисунок 7 – Гистограмма остатков ряда производства мяса и график остатков цены реализации 1ц мяса на нормальной вероятностной бумаге Анализ полученных моделей (7) показал, что цена реализации мяса и поголовье КРС оказывают положительное влияние на производство мяса в год. Увеличение цены реализации и производства мяса на 1 тыс. тонн в год приводит к увеличению потребления мяса на 0,01 и 0,53 тыс. тонн соответственно. В свою очередь, увеличение цены реализации 1 ц мяса на 3,99 рублей в год обусловлено увеличением среднедушевых доходов населения.

No of obs Expected Normal Value 5. Построен интегральный показатель, характеризующий состояние животноводства в контексте развития регионального АПК, позволяющий проводить сравнительный анализ муниципальных образований области по рассматриваемой категории.

Состояние и развитие животноводства представляет собой латентную (не поддающуюся непосредственному измерению) категорию. Для сравнительного анализа муниципальных образований Волгоградской области по уровню развития животноводства проведено построение интегрального показателя по методике, предложенной С.А. Айвазяном, согласно которой сводную характеристику – уровень развития животноводства можно рассматривать как функцию f (X ), определяемую поддающимися учету и измерению признаками X (x1, x2,..., xk ). Интуитивное экспертное восприятие сводной характеристики можно представить в виде модели латентного показателя:

y f (X ) (X ) (16) где (X) - искажения, носящие случайный характер, обусловленные как индивидуальностью эксперта, так и влиянием неучтенных входных показателей, оказывающих несущественное влияние на у.

Для оценки модели латентного показателя был применен экспертностатистический метод. Экономическая часть исходных данных о показателях Х представлена в виде матрицы Х типа «объект-свойство». Экспертная часть данных получена с помощью разбиения объектов исследования на классы с использованием кластерного анализа, методов многомерной классификации.

Многомерная классификация муниципальных образований Волгоградской области по состоянию показателей, характеризующих животноводство в контексте развития АПК региона, с одной стороны, выявила существование в пределах области трех классов, каждый из которых представляет собой группу однородных объектов, с другой стороны, позволила получить матрицы парных сравнений, эквивалентные оценкам экспертов.

Предварительно к исходному набору показателей применялось преобразование, в результате которого область их возможных значений ограничена отрезком [0;1], при этом нулевое значение преобразованного показателя соответствует самому низкому уровню состояния животноводства, а единичное – самому высокому.

Таким образом, на основе экспертно-статистической информации построены модели латентного показателя, характеризующего состояние животноводства в контексте развития АПК региона, для 48- месячного временного ряда. В частности, оценка влияния факторов на состояние животноводства в 2012г. имеет вид:

f2012(X, ) 27,32~1 22,18~2 19,61~3 11,35~1.2 9,42~1.3 6,64~1.y y y x x x (17) 9,87~1.6 8,51~1.7 22,16~2.1 22,55~2.2 23,13~2.3 12,91~4.1 15,07~5.x x x x x x x ~ где y - унифицированные значения эндогенных переменных;

~ x - унифицированные значения экзогенных переменных.

6. Предложена методика оценки состояния животноводства, основанная на предложенном интегральном показателе, позволяющая дифференцированно строить прогнозы развития отрасли по муниципальным образованиям региона.

С использованием вычисленных значений предложенного интегрального показателя в диссертации произведено ранжирование муниципальных образований Волгоградской области по заданному интегральному свойству (рис. 8). В процессе исследования были рассчитаны характеристики, которые позволили отследить улучшение или i,t ухудшение состояния животноводства в динамике:

R(~i,t 1) R(~i,t ), (18) y y i,t где R(~i,t )– ранг i -го объекта в рейтинге муниципальных y образований в момент времени t ;

R(~i,t 1) – ранг i -го объекта в рейтинге муниципальных образований y в момент времени t 1.

По результатам ранжирования можно отметить, что ведущие позиции среди всех муниципальных образований области по состоянию развития животноводства занимают Иловлинский, Клетский, Николаевский, Октябрьский, Палласовский, Старополтавский, Фроловский и Чернышковский районы, где в структуре валового производства на долю сельского хозяйства приходится 70-80% производимой в районах продукции.

В списке районов со сравнительно высоким уровнем состояния и развития животноводства находятся:

Старополтавский район, где площадь сельскохозяйственных угодий составляет 84% от общей земельной площади района. Основной сельскохозяйственной деятельностью района является производство зерновых, масличных культур, молока и мяса, среди крупных сельскохозяйственных предприятий можно выделить СПК «Красная Заря», СПК «Мир», СПК «Вперед к победам» и др.;

Палласовский район, занимающий первое место в области по наличию овцепоголовья. Характерной особенностью района является его высокие достижения в области племенного животноводства (СПК ПЗ «Красный Октябрь», СПК «Племзавод «Палласовский»). Среди сельскохозяйственных предприятий, успешно занимающихся овцеводством, можно выделить ОАО «Калининское», СПК им. Ленина, СПК «Куйбышевский» и др.

Два, расположенных по соседству, сельских района (Жирновский и Котовский), где сосредоточены, главным образом, месторождения нефти и относительно развито промышленное производство, характеризуются показателями, обеспечивающими сравнительно низкий уровень состояния животноводства.

Формирование системы статистических показателей, характеризующих состояние и развитие животноводства Отбор показателей, характеризующих состояние животноводства на уровне региона Анализ структуры и динамики производства продукции животноводства Моделирование и прогнозирование динамики производства основных видов продукции животноводства Моделирование динамики производства мяса, молока и яиц на основе одномерных временных рядов Прогнозирование динамики структуры производства основной продукции животноводства Исследование взаимосвязей между показателями, характеризующими состояние животноводства Обоснование выбора факторов и выявление характера их влияния на показатели производства основной продукции животноводства методами нетрадиционного корреляционного анализа Моделирование взаимосвязей показателей, характеризующих состояние животноводства, на основе панельных данных с учетом пространственно-временной неоднородности Моделирование взаимосвязей показателей, характеризующих состояние животноводства с помощью системы одновременных эконометрических уравнений Сравнительный анализ муниципальных образований Волгоградской области по уровню состояния и развития животноводства Формирование матриц парных сравнений, эквивалентных оценкам экспертов, на основе результатов разбиения объектов на классы методами многомерной классификации Построение интегрального показателя, характеризующего состояние и развитие животноводства в контексте развития региона АПК на основе модели типа регрессии Рисунок 8 – Схема методики комплексного экономического исследования животноводства в контексте развития региона АПК В списке стабильных «аутсайдеров», характеризующихся сравнительно низким уровнем состояния животноводства в контексте развития АПК региона, находятся также Дубовский, Камышинский, Руднянский и Среднеахтубинский районы. Все районы, за исключением Руднянского, расположены вдоль берега Волгоградского водохранилища.

Почвенно-климатические условия этих районов позволяют организовать крупное производство зерна, кукурузы, масличных культур, овощей, фруктов, бахчевых. В структуре сельскохозяйственного производства этих районов большая часть приходится на продукцию растениеводства.

Таким образом, решение поставленных в диссертации задач позволило, на основе предложенных методических подходов, реализованных, прежде всего, в виде структурных эконометрических моделей состояния животноводства, обосновать уровень ее состояния по муниципальным образованиям Волгоградской области для обоснования прогнозов ее развития.

Основные положения диссертации опубликованы в следующих работах:

Статьи в изданиях, рекомендованных ВАК Минобрнауки РФ 1. Смотрова Е.Е. Прогноз производства молока в Волгоградской области / Е.Е. Смотрова, Т.И. Мазаева // Экономика сельского хозяйства России. – 2009. – № 11. – С.68-73. – (0,5 п.л., в т.ч. авт. 0,25 п.л.).

2. Смотрова Е.Е. Статистический анализ сезонности в производстве продукции скотоводства Волгоградской области / Е.Е. Смотрова // Экономика сельского хозяйства России. – 2010. – № 12. – С.62-70. – (0,5 п.л.).

3. Смотрова Е.E. Прогнозирование динамики продукции животноводства на основе статистического моделирования / Е.Е. Смотрова // Вестник Университета (Государственный университет управления). – 2011. – № 21. – С. 213-215. – (0,4 п.л.).

4. Смотрова Е.Е. Построение интегрального показателя в контексте продовольственной безопасности / Е.Е. Смотрова // Вестник Университета (Государственный университет управления). – 2011. – № 19. – С.215-217. – (0,4 п.л.).

Монографии 5. Смотрова Е.Е. Статистические методы прогнозирования в АПК / Е.Е.

Смотрова // Актуальные проблемы экономической науки и хозяйственной практики в современных условиях: коллективная монография. – ВФ РГТЭУ Волгоград: Парадигма, 2011. – С. 93-99. (0,4 п.л.).

Статьи в сборниках научных трудов:

6. Смотрова Е.Е. Использование спектрального анализа для моделирования производства продукции животноводства / Т.И. Мазаева, Е.Е.

Смотрова // Аграрная наука – основа успешного развития АПК и сохранения экосистем: Сборник материалов научно-практической конференции. – Волгоград: ВГСХА «Нива», 2012. – С. 319-324. (0,3 п.л. в т.ч. авт. – 0,15 п.л.).

7. Смотрова Е.Е. Статистический анализ динамики и структурных изменений в производстве молока Волгоградской области // Т.И. Мазаева, Е.Е. Смотрова // Доклады ТСХА: выпуск 283, ч. II: Сборник материалов международной научно-практической конференции / Москва: «РГАУ-МСХА» им. К.А. Тимирязева, 2012. – С. 447-451. (0,3 п.л. в т.ч. авт. – 0,15 п.л.).

8. Смотрова Е.Е. Основные направления государственного регулирования молочного скотоводства на региональном уровне / Е.Е.

Смотрова // Аграрная наука – сельскому хозяйству: Сборник материалов международной научно – практической конференции. – Барнаул: АГАУ, 2011. – Кн. 1. - С.351-354. (0,3п.л.).

9. Смотрова Е.Е. Применение многофакторных регрессионных моделей для анализа динамики производства молока Волгоградской области / Т.И.

Мазаева, Е.Е. Смотрова // Интеграционные процессы в науке, образовании и аграрном производстве – Залог успешного развития АПК: Сборник материалов международной научно-методической конференции. – Волгоград:

ВГСХА «Нива», 2011. – С. 83-86. (0,3 п.л. в т.ч. авт. – 0,15 п.л.).

10. Смотрова Е.Е. Моделирование валового надоя молока с учетом тренда и сезонных колебаний / Е.Е. Смотрова // Молодежная наука 2010:

технологии, инновации: Сборник материалов LXX всероссийской научнопрактической конференции. – Пермь: ГСХА, 2010. – С. 206-209. (0,12 п.л.) 11. Смотрова Е.Е. Рациональное размещение отрасли скотоводства на региональном уровне / Т.И. Мазаева, Е.Е. Смотрова // Новые направления в решении проблем АПК на основе современных ресурсосберегающих, инновационных технологий: Сборник материалов международной научнопрактической конференции. – Волгоград: ВГСХА «Нива», 2010. – С. 81-84.

(0,2 п.л. в т.ч. авт. – 0,1 п.л.).

12. Смотрова Е.Е. Экономические аспекты эффективного развития молочного скотоводства Волгоградской области / Т.И. Мазаева, Е.Е.

Смотрова // Инновации и нанотехнологии – основа получения гарантированных урожаев кормовых культур в зоне сухого земледелия:

Сборник научно-практической конференции. – Волгоград: ВГСХА «Нива», 2010. – С.148-152. (0,3 п.л. в т.ч. авт. – 0,15 п.л.).

13. Смотрова Е.Е. Повышение эффективности молочного скотоводства Волгоградской области в условиях рыночной экономики / Е.Е. Смотрова // Проблемы и перспективы социально-экономического развития регионов:

Сборник материалов всероссийской заочной научно-практической конференции. - Киров: ВятГГУ, 2010. – С.54-60. (0,4 п.л.).

14. Смотрова Е.Е. Динамика развития основных видов продукции животноводства Волгоградской области/ Е.Е. Смотрова // Использование инновационных технологий для решения проблем АПК в современных условиях: Сборник материалов международной научно-практической конференции. – Волгоград: ВГСХА, 2009. – С. 144-146. (0,14 п.л.).

15. Смотрова Е.Е. Статистический анализ и прогнозирование продукции животноводства Волгоградской области / Е.Е. Смотрова // Вавиловские чтения-2009: Сборник материалов международной научнопрактической конференции. – Саратов: «КУБиК», 2009. – С. 172-175. (0,п.л.).

16. Смотрова Е.Е. Анализ основной тенденции и прогнозирование продукции скотоводства на примере Волгоградской области / Е.Е. Смотрова // Наука и молодежь: новые идеи и решения: Сборник материалов III международной научно-практической конференции молодых исследователей.

– Волгоград: ВГСХА, 2009. – С. 238-242.(0,24 п.л. в т.ч. авт. – 0,12 п.л.).

17. Смотрова Е.Е. Сравнительный эконометрический анализ производства продукции животноводства / Т.И Мазаева, Е.Е. Смотрова // Применение инновационных технологий в подготовке специалистов высшей квалификации для АПК Волгоградской области: Сборник материалов научнометодической конференции. – Волгоград: ВГСХА «Нива», 2008. – С. 342-344.

(0,3 п.л. в т.ч. авт. – 0,15 п.л.).

18. Смотрова Е.Е. Моделирование процессов с.-х производства с использованием систем структурных эконометрических уравнений / А.Ф.

Рогачев, Е.Е. Смотрова // Новые направления в решении проблем АПК на основе современных ресурсосберегающих, инновационных технологий:

Сборник материалов международной научно-практической конференции.– Волгоград: ВГСХА «Нива», 2007. – С. 101-105. (0,3 п. л. в т.ч. авт. – 0,15 п.л.).




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.