Экономико-математическое моделирование и прогнозирование урожайности зерновых культур в условиях засушливого климата тема диссертации по экономике, полный текст автореферата
Автореферат
| Ученая степень | кандидат экономических наук |
| Автор | Тюрякова, Надежда Валерьевна |
| Место защиты | Вогоград |
| Год | 2009 |
| Шифр ВАК РФ | 08.00.13 |
Диссертация
Автореферат диссертации по теме "Экономико-математическое моделирование и прогнозирование урожайности зерновых культур в условиях засушливого климата"
На правах рукописи
Тюрякова Надежда Валерьевна
ЭКОНОМИКО-МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР В УСЛОВИЯХ ЗАСУШЛИВОГО КЛИМАТА
08.00.13 - Математические и инструментальные методы экономики
АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук
Ставрополь - 2009
003465277
Тюрякова Надежда Валерьевна
Экономико-математическое моделирование и прогнозирование урожайности зерновых культур в условиях засушливого климата
08.00.13 - Математические и инструментальные методы экономики
Автореферат
диссертации на соискание ученой степени кандидата экономических наук
Ставрополь - 2009
Диссертация выпонена в ФГОУ ВПО Вогоградская государственная сельскохозяйственная академия
Научный руководитель: доктор технических наук, профессор
Рогачев Алексей Фруминович
Официальные оппоненты: доктор технических наук, профессор
Винтизенко Игорь Георгиевич
кандидат экономических наук, доцент Ермакова Наталья Юрьевна
Ведущая организация: Московский государственный университет
природообустройства
Защита состоится 25 марта 2009 г. в 12:00 часов на заседании диссертационного совета ДМ 212.256.06 при Ставропольском государственном университете по адресу: 355009, г. Ставрополь, ул. Пушкина, 1.
С диссертацией можно ознакомиться в библиотеке Ставропольского государственного университета.
Автореферат разослан 21 февраля 2009 г.
Ученый секретарь
диссертационного совета
Радченко М.В.
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы исследования
Планирование и прогнозирование сельскохозяйственного производства невозможны без достоверного прогнозирования динамики урожайности сельскохозяйственных культур как основного технико-экономического показателя его эффективности.
Величина урожайности определяется комплексом социально-экономических факторов различной природы и подвержена существенной изменчивости, особенно в условиях засушливого климата. Многообразие различных подходов, методов, методик прогнозирования и инструментальных средств для их поддержки только подчеркивает остроту проблемы получения достоверных прогнозов, отсутствие универсального инструментария и необходимость совершенствования и адаптации известных методов для использования в конкретных региональных условиях.
Общее число различных по своей природе факторов, влияющих на эффективность сельскохозяйственного производства, является весьма значительным и не всегда поддается количественному учету и формализации, что усложняет выбор методов моделирования. Построение экономических моделей и адекватное оценивание их параметров служит основой для экономического анализа и прогнозирования, создавая возможность для принятия обоснованных экономических решений.
Значительная изменчивость и межгодовые колебания уровней урожайностей основных сельскохозяйственных культур обуславливают необходимость учета и оценки экономических рисков, возникающую при прогнозировании.
Разработка методов прогнозирования урожайности сельскохозяйственных культур, учитывающих её выраженный циклический характер, и адекватных региональным условиям, использующих наглядные и реализуемые на ПК экономико-математические модели, позволит повысить качество планирования и управления аграрным производством и землепользованием на различных уровнях, его эффективность в целом и является важной социально-экономической задачей.
Степень разработанности проблемы
Проблемы совершенствования методологии экономико-математического моделирования и прогнозирования урожайности сельскохозяйственных культур разрабатывались в трудах экономистов-аграриев С.А. Андрющенко, A.M. Гатаулина, A.B. Голубева, Е.П. Денисова,
A.Д. Иоанно, Л .С. Воробьевой, Г.А. Бабкова, С.Н. Дементьева, О.В. Иншакова, М.Ю. Ксенофонтова, В.В. Милосердова, А.Н. Михайлова,
B.C. Немчинова, С.Б. Огнивцева, С.О. Сиптица, A.B. Петрикова, В.Г. Раскина, И.Б. Загайтова, И.Г. Ушачева, Е.И. Царегородского, Л.П. Яновского, Дж. Франса, Д. Торнли и др.
Эконометрические и экономико-статистические методы прогнозирования агропромышленного производства, в том числе урожайности, рассматривались A.M. Дубровым, Е.И. Елисеевой,
A.П. Зинченко, В.В. Ивантером, М.С. Крассом, С.А. Айвазяном,
B.C. Мхитаряном, А.Н. Ильченко, В.А. Кардашем, И.А. Наталухой,
A.И. Орловым, В.И. Калиниченко, Г.Н. Хубаевым, Э.Н. Крылатых, М.М. Юзбашевым, A.A. Черняевым, Е.М. Четыркиным, Э. Берндтом, К. Дугерти и другими исследователями.
Синергетические подходы к прогнозированию урожайности, в том числе методами нелинейной экономической динамики, разрабатывались И.Г. Винтизенко, В.А. Долятовским, В.И. Лебедевым, P.M. Нижегородцевым,
B.А. Перепелицей, Е.В. Поповой, А.И. Пригожиным, Т. Андерсеном, Г. Дженкинсом, В.Б. Зангом, Э. Петерсом, Д. Фишером и другими отечественными и зарубежными учеными. Вопросы использования современных инструментальных средств и компьютерной поддержки прогнозирования рассматриваются А.Н.Васильевым, В.П.Дьяконовым, Р. Ивановским, ЮЛ. Кетковым, С. Поршневым, Ю. Тарасевичем, Д. Химмельблау, Д. Кнутом и другими авторами.
В то же время, вопросы построения экономико-математических моделей прогнозирования динамики урожайности основных сельскохозяйственных культур, учитывающих региональные особенности агарного производства и возникающие при этом экономические риски, а также адаптация методов реализации и анализа разработанных моделей на ЭВМ требуют допонительного решения.
Соответствие темы диссертации требованиям паспорта специальностей ВАК
Исследование выпонено в рамках п. 1.8 Паспорта специальностей ВАК Математическое моделирование экономической конъюнктуры, деловой активности, определение трендов, циклов и тенденций развития специальности 08.00.13 - Математические и инструментальные методы экономики.
Предмет и объект исследования
Предметом исследования являются процессы изменения урожайности зерновых культур в различных экономических условиях.
Объектом исследования являются сельскохозяйственные предприятия и экономические регионы, производящие зерно в условиях засушливого климата.
Цели и задачи исследования
Целью исследований является разработка и компьютерная реализация экономико-математических моделей для прогнозирования урожайности зерновых культур, учитывающих её априорную цикличность и особенности производства в засушливых климатических условиях.
Для реализации поставленной цели были сформулированы и решены следующие задачи:
- обосновать на основе системного подхода особенности циклического процесса изменчивости урожайности зерновых культур в условиях засушливого климата и рациональные подходы к её экономико-математическому моделированию с учетом структуры временных рядов (BP);
- провести анализ применимости метода наименьших квадратов (МНК) для экономико-математического моделирования урожайности различных зерновых культур в условиях засушливого климата;
- разработать методику экономико-математических моделирования урожайности зерновых культур на основе оценивания параметров BP урожайности зерновых культур с помощью метода наименьших модулей (МНМ);
- построить систему нелинейных моделей, учитывающих цикличность BP урожайности, и разработать компьютерную систему поддержки решений при построении кратко- и среднесрочных прогнозов;
- обосновать методику оценки рисков при прогнозировании величины урожайности различных зерновых культур в условиях засушливого климата.
Теоретико-методологическая основа исследования
Теоретической и методологической основой явились диалектический метод, труды классиков экономической теории о закономерностях экономического развития, работы современных экономистов-аграриев. Использованы системно-статистический подход, включающий аналитический, корреляционно-регрессионный и экономико-математические методы, спектральный анализ, экспертное оценивание, элементы компьютерной математики.
Информационной и эмпирической базой исследования являются данные Федеральной службы государственной статистики (Росстат) и её территориального органа по Вогоградской области (Вогоградстат), инструктивные материалы российских ведомств, информационные ресурсы INTERNET, первичная информация о деятельности зернопроизводстводящих сельскохозяйственных предприятий Вогоградской области, а также оригинальные материалы автора.
Рабочая гипотеза диссертационного исследования
Для повышения достоверности прогнозирования урожайности зерновых культур в условиях засушливого климата, известные экономико-математические модели требуют адаптации для учета таких особенностей BP урожайности, как выраженная цикличность и особенности закона распределения, что может быть достигнуто на основе подходов, альтернативных МНК.
Основные положения, вы носимые на защиту
1. Особенности динамических процессов вариации урожайностей зерновых культур в условиях засушливого климата, обусловленные совместным действием множества экзогенных факторов различной природы. Обосновано, что для адекватного прогнозирования динамики урожайности на основе экономико-математического моделирования необходимо
выявление эндогенной структуры ВР, описывающей циклическое изменение урожайности.
2. Результаты предпрогнозного эконометрического анализа статистических распределений урожайностей различных зерновых культур в условиях засушливого климата. Выявлены группы видов культур, распределение урожайностей которых не соответствует нормальному закону и характеризуется наличием значимых хвостов, что ограничивает применимость классического метода наименьших квадратов (МНК) для моделирования урожайности в этих условиях.
3. Методика построения нелинейных трендовых моделей урожайности с использованием выявленных спектральных характеристик и оценивания периодов циклических компонент на основе автокорреляционных функций с применением метода наименьших модулей (МНМ), позволяющего снизить средние линейные отклонения по сравнению с МНК.
4. Система разработанных нелинейных тренд-циклических моделей ВР урожайности, включающих циклические компоненты с различающимися периодами, и разработанная на основе компьютерной математики в среде МаСас! система поддержки принятия решения при кратко- и среднесрочном прогнозировании урожайности зерновых культур, учитывающая её циклический характер.
5. Методика оценивания вероятностей и уровня глубины рисков недополучения прогнозной урожайности в засушливых условиях, разработанная на основе полученных моделей динамики урожайности зерновых культур.
Научная новизна исследования состоит в выявлении на основе проведенного статистического анализа эконометрических особенностей ВР урожайности различных зерновых культур в условиях засушливого климата и разработке системы тренд-циклических моделей для её прогнозирования.
Конкретное приращение научного знания включает следующие положения:
1. Обосновано, что для адекватного моделирования и прогнозирования динамических процессов вариащш урожайностей зерновых культур в условиях засушливого климата необходимо выявление эндогенной структуры временных рядов (ВР), описывающих циклическое изменение урожайности под действием множества социально-экономических, природно-климатических и технико-технологических факторов, что обеспечивает повышение достоверности её прогнозирования для обоснования рационального землепользования.
2. На основе предпрогнозного эконометрического анализа выявлены группы по видам зерновых культур, распределений урожайностей которых в условиях засушливого климата не соответствует нормальному закону, что ограничивает применимость классического метода наименьших квадратов (МНК) для моделирования урожайности в этих условиях и требует разработки методов и моделей, не основанных на МНК-оценках.
3. Разработана методика построения нелинейных тренд-циклических моделей урожайности с использованием выявленных пиков автокорреляционных функций и оценивания параметров трендовой и циклических компонент на основе метода наименьших модулей (МНМ), что позволило снизить индивидуальные и средние линейные отклонения для экономико-математических моделей урожайности зерновых культур.
4. Предложена система нелинейных тренд-циклических моделей ВР урожайности, включающих циклические компоненты с несколькими периодами, параметры которых определяют на основе автокорреляционных функций, и разработана компьютерная система поддержки решения при кратко- и среднесрочном прогнозировании урожайности зерновых культур, учитывающая её циклический характер.
5. Обоснована методика и разработан агоритм эконометрического оценивания рисков при прогнозировании урожайности на основе предложенных тренд-циклических моделей, что позволяет повысить обоснованность планирования объемов производства зерновой отрасли сельскохозяйственного производства.
Теоретическая и практическая значимость результатов исследования состоит в совершенствовании методики экономико-математического моделирования урожайности и выработке рекомендаций для совершенствования инструментария модельной поддержки решений, принимаемых органами управления сельскохозяйственным производством различного уровня на основе прогнозных моделей.
Апробация и внедрение результатов исследования
Основные положения диссертационного исследования обсуждались на У1-1Х региональных конференциях молодых исследователей Вогоградской области (Вогоград, 2001-2004), Международной научно-практической конференции Актуальные проблемы развития АПК (Вогоград, 2005), V Открытой научной конференции молодых ученых Молодежь и экономика: новые взгляды и решения (Вогоград, 2005), Всероссийском симпозиуме Математические модели и информационные технологии в экономике (Кисловодск, 2007), Региональной научно-практической конференции Применение инновационных технологий в подготовке специалистов высшей квалификации для агропромышленного комплекса Вогоградской области (Вогоград, 2008), на XII Международной научно-практической конференции НАЭКОР (Москва, 2008), на ежегодных научных конференциях профессорско-преподавательского состава Вогоградской ГСХА (Вогоград, 2001-2009).
Разработки автора использованы при разработке элементов компьютерной системы анализа производственно-хозяйственной деятельности Комитета по сельскому хозяйству Администрации Вогоградской области, а также в учебном процессе экономического факультета Вогоградской сельскохозяйственной академии по дисциплинам Эконометрика, Информационные системы и технологии в экономике, Экономико-математические модели, Математическое моделирование
производственных процессов и систем. Для защиты реализации разработанных способов прогнозирования поданы две заявки в Роспатент, находящиеся на этапе экспертизы. Публикации
Основные результаты диссертационного исследования отражены в 7 опубликованных работах общим объемом 2,9 п.л., в т.ч. автора - 2,1 пл.
Структура диссертационной работы. Диссертация включает введение, три раздела, заключение, библиографический список использованных источников, приложения. Диссертация выпонена на 140 страницах основного текста, содержит 22 рисунка, 19 таблиц. Список использованных источников содержит 199 наименования отечественных и зарубежных авторов.
Структура диссертации:
ВВЕДЕНИЕ
1 МЕТОДОЛОГИЯ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ ПРОЦЕССОВ ИЗМЕНЕНИЯ УРОЖАЙНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР
1.1 Экономико-математическое моделирование динамики урожайности сельскохозяйственных культур
1.2 Методики прогнозирования урожайности сельскохозяйственных культур с использованием математических моделей
1.3 Методические подходы к оцениванию рисков неурожайности сельскохозяйственных культур на основе моделирования временных рядов
2 РАЗРАБОТКА ЭКОНОМИКО-МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ДИНАМИКИ УРОЖАЙНОСТИ ЗЕРНОВЫХ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР
2.1 Особенности производства зерновых культур в засушливых условиях как объекта моделирования
2.2 Оценка прогнозируемоеЩ ВР урожайности сельскохозяйственных культур на примере Вогоградской области
2.3 Построение моделей динамики урожайности зерновых культур в засушливых условиях
3 ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР С ИСПОЛЬЗОВАНИЕМ РАЗРАБОТАННЫХ МОДЕЛЕЙ
3.1 Инструментальная поддержка кратко- и среднесрочного прогнозирования
3.2 Критерии оценки качества моделей динамики урожайности
3.3 Повышение эффективности зернового производства на основе прогнозирования урожайности
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЕ ИСТОЧНИКИ ПРИЛОЖЕНИЕ
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Во введении обоснована актуальность темы диссертационного исследования, сформулированы цель и задачи работы, описана структура работы, изложены основные научные результаты, выносимые на защиту, раскрыты их научная новизна и практическая значимость.
В первом разделе Методология экономико-математического моделирования процессов изменения урожайности сельскохозяйственных культур рассмотрены вопросы экономико-математического моделирования динамики урожайности сельскохозяйственных культур, включая теоретические основы учета неопределенности при планировании урожайности сельскохозяйственных культур, уделено внимание особенностям экономических временных рядов урожайности сельскохозяйственных культур, дана оценка прогнозируемости временных рядов урожайности на основе R/S анализа, рассмотрены факторы изменчивости урожайности зерновых сельскохозяйственных культур.
Динамические процессы вариации урожайности, в частности зерновых культур в условиях засушливого климата, обусловлены взаимодействем значительного числа социально-экономических, природно-климатических и технико-технологических факторов, часть из которых трудно формализуема.
Регион Вогоградской области по природно-климатическим условиям характеризуется как зона рискованного земледелия. В засушливых и острозасушливых условиях из всего комплекса гидрометеорологических факторов, определяющих изменчивость урожайности, определяющим является влаго- и теплообеспеченность зерновых сельскохозяйственных культур в наиболее ответственные фазы развития - от выхода в трубку до колошения. Погодно-юшматические условия региона обеспечивают длительный вегетационный период сельскохозяйственных культур, который продожается от 145...160 дней на севере до 165... 175 дней на юге. На территории Вогоградской области нередки весенние и раннелетние засухи. В некоторые годы в течение мая-июня выпадало от 1...7 до 15...20 мм осадков при норме 30...40 мм, при этом во второй половине лета их было значительно больше.
Отметим, что относящиеся к зерновым культурам пшеница, рожь, овес, просо, кукуруза на зерно, гречиха, сорго, горох и зернобобовые по-разному реагируют на природные условия, предшественников, соблюдение требований агротехники. Поэтому предпочтительным можно считать не факторный метод моделирования урожайности, основанный на изучении и количественном измерении взаимосвязей между множеством факторов, а группу методов, учитывающих закономерности предшествующих значений ВР.
В общем виде ВР может быть представлен в виде у =f(T, S, С, IV, Е)
где Г - тренд; S, С, W - сезонная, циклическая и событийная компоненты; Е - случайные вариации.
Линейный или нелинейный тренд представляет собой устойчивое изменение уровня показателя в течение длительного времени. Сезонность характеризует устойчивые межгодовые колебания уровня показателя, период которых известен. Циклическая компонента описывает циклические процессы, параметры которых априори неизвестны. В зависимости от взаимосвязи этих компонент может быть построена как аддитивная, например тренд-сезонная, так и мультипликативная модель временного ряда, либо их комбинация.
Уровень устойчивости урожайности можно оценивать различными статистическими показателями, например, с помощью доверительных интервалов, а также по коэффициенту остаточной вариации
Кусщ ~ 1 Ч (Тост t ГДС О ост Ч коэффициент остаточной вариации.
Таким образом, для оценки и анализа рисков необходимы как репрезентативные статистические данные в виде ВР урожайности, так и обоснование и адаптация экономико-математических методов и моделей на их основе.
Во втором разделе Разработка экономико-математических моделей динамики урожайности зерновых сельскохозяйственных культур рассмотрены особенности условий производства и динамики урожайности зерновых культур в условиях региона Вогоградской области и Нижнего Повожья, приведена оценка прогнозируемоеЩ ВР урожайности сельскохозяйственных культур в условиях засушливого климата. Проанализированы особенности статистического распределения многолетних уровней урожайностей.
Проведена статистическая проверка нулевой гипотезы Н0 о соответствии эмпирического распределения урожайности нормальному закону по статистическим критериям (х-квадрат Пирсона; Комогорова-Смирнова). Результаты вычислений были получены для выборочной совокупности урожайностей зерновых в целом по Вогоградской области, начиная с 1950 года (рис.1).
Для совокупности урожайностей зерновых в целом расчетное значение критерия х-квадрат Пирсона составило 19,8, что существенно превышает критическое табличное значение 9,95, рассчитанное при уровне значимости а = 0,05 и числе степеней свободы V = д-к- 7=4.
График наглядно илюстрирует мультимодапьность рассматриваемого эмпирического распределения и наличие тостых хвостов.
К аналогичным результатам приводит и использование Х-критерия Комогорова-Смирнова. В качестве Д' принималось уточнённое Лилиефорсом значение Д' = 1,16Д2+1,36Д, устраняющее завышенное согласие по Д-критерию Комогорова-Смирнова в случае, если среднее и дисперсия является выборочными. Сопоставления полученной величины Д' = 1,038 с табличным распределением ошибок отклонения гипотезы о
согласии фактических данных показывает, что Р(Д) = 0,22 превосходит критический уровень 0,05.
Таблица ! - Вычисление критериев Пирсона и Комогорова-Смирнова для урожайности зерновых в целом
Карман Г Р Кп АВ8(Р-Кп) Гп Г* Ггр (Г-Гп)л2/1п-
5,3 10 0,1887 0,122383 0,066296 2,963
7 6 0,3019 0,205041 0,096846 4,381 10 2,963 16,71167
8,7 3 0,3585 0,314072 0,044419 5,779 6 4,380 0,598406
10,4 5 0,4528 0,442382 0,010448 6,8 8 12,579 1,66689
12,1 6 0,5660 0,577098 0,011061 7,'14 6 7,1399 0,182006
13,8 6 0,6792 0,703289 0,024044 6,688 6 6,6881 0,070798
15,5 7 0,8113 0,808748 0,002573 5,589 7 5,5893 0,356035
17,2 3 0,8679 0,887378 0,019453 4,167 10 8,5846 0,233354
18,9 4 0,9434 0,939682 0,003714 2,772
20,6 3 1.0000 0,970722 0,029278 1,645
У= 11,13 Ашах= 0,096846 Расч. хА2 19,81916
Асимметр 0,13 Х = 0,705048 Табл. хл2 9,48
Эксцесс Е -1,09 Д1 = 0.14259
Следовательно, по критериям и Пирсона, и Комогорова-Смирнова, эмпирический закон распределения величин урожайностей для зерновых в целом отличается от нормального. Выявлены особенности распределен! многолетней урожайности для другой группы зерновых культур, типичным представителем которой является ячмень. Полученное расчетное значение Х-квадрат Пирсона для ячменя составило 4,36.
Вариант
ВВВГ -ЧРп * Р
Рисунок 1 - Сравнение эмпирического распределения с нормальным законом урожайностей, зерновые в целом
В этом случае оно существенно ниже критического табличного значения 9,95, рассчитанного также при уровне значимости а = 0,05 и числе степеней свободы V = я - к - 1 =4. Таким образом, по критерию Пирсона при уровне значимости а - 0,05 нулевая гипотеза о соответствии нормальному распределениию может быть принята.
График эмпирического распределения урожайности ячменя (рис. 2) показывает некоторую мультимодальность рассматриваемого распределения и также, как у зерновых в целом, наличие хвостов.
Для обоснования структуры экономико-математических моделей урожайности основных зерновых культур в условиях Вогоградской области и повышения точности прогноза был проведен анализ автокорреляционных функций ВР как для зерновых в целом, так и для отдельных видов культур.
Вариант внш * Р ЧшЧГп -Рп
Рисунок 2 - Сравнение эмпирического распределения урожайности ячменя с нормальным законом
Анализ автокорреляционных функций урожайности озимой и яровой пшеницы показывает существенное различие их трендовых и циклических компонент. Следовательно, дальнейшее моделирование и интервальная оценка урожайностей этих культур дожны выпоняться с учетом этих выявленных особенностей.
Был выявлен существенный пик на графиках автокорреляционных функций при двенадцатилетнем лаге (рис. 3). Кроме того, подтверждается гипотеза псевдодвухлетнего цикла урожайности зерна пшеницы. Несколько менее выражен трехлетний цикл, появление которого можно связать с трехпольной системой севооборота. Следующий пик наблюдается на отметке шести лет, объяснение которого, как и более ярко выраженного двенадцатилетнего, возможно связано с наложением двух- и трехлетних циклов. Динамика циклических процессов для различных групп культур (в том числе и для зерновых в целом, пшеницы в целом, пшеницы озимой и яровой) характеризуется противофазностью, что можно использовать для оптимизации структуры посевных площадей с целью стабилизации общего сбора зерна.
Таблица 3 - Статистические критерии для проверки гипотезы нормального распределения урожайности зерновых культур
Анализируемая X1 Пирсона ^-критерий Гипотеза
культура Комогорова- нормального
Смирнова распределения
Все зерновые 19,81916 1,038071 Отклонена
Пшеница (вся) 16,65466 0,894806 Отклонена
Пшеница озимая 9,24687 0,663361 Принята условно
Пшеница яровая 3,733325 0,594371 Принята
Рожь 25,19631 0,861198 Отклонена
Ячмень 4,35689 0.572988 Принята
Кукуруза на зерно 8,400407 0,56414 Принята
Овёс 12,69104 1,013678 Отклонена.
Таким образом, подтвержденная в наших исследованиях цикличность ВР урожайности зерновых как стабильно присущее динамике экономических систем свойство дожна учитываться при прогнозировании и планировании сельскохозяйственного производства. В то же время, строгий аналитический учет цикличности урожайности сопряжен с рядом методологических проблем.
В связи с этим, для краткосрочного прогнозирования можно использовать адаптивные методы, математический аппарат которых достаточно разработан в экономической статистике. При этом основными проблемами их применения являются обоснование численных значений соответствующих инструментальных параметров при краткосрочном прогнозировании.
Реакцию модели на изменение динамики характеризует параметр адаптации а, обеспечивающий адекватное отображение тенденции при одновременной фильтрации случайных отклонений, характерных для BP урожайности в засушливой зоне Нижнего Повожья.
Экспоненциальное сглаживание, являющееся разновидностью адаптивного подхода, основывалось на рекуррентной формуле
S, = ay^(l-a)S,.i, (1)
где S, - значение моделируемого показателя в момент t,a- параметр сглаживания, О < а < 1.
С уменьшением величины а дисперсия экспоненциальной средней сокращается, что обеспечивает фильтрующие свойства, частично поглощающие колебания последнего. Однако при этом снижается и вес более свежих наблюдений, актуализирующий моделируемую тенденцию.
Поиск компромиссного значения параметра сглаживания а определяет задачу параметрической оптимизации модели. При этом известные рекомендации выбора а в пределах 0,1...0,3 не всегда являются оптимальными. Поиск компромиссного значения а осуществляся методом перебора на сетке значений в интервале от 0 до 1 по двум критериям -минимума как средней относительной погрешности, так и максимальной индивидуальной относительной погрешности.
В качестве начального значения So принималось обычное среднее по 5 точкам. Результаты расчета, выпоненного в среде MS Excel, представлены на рисунке 4. Следует отметить, что для этого метода средняя относительная погрешность составила около 15 %, однако максимальная индивидуальная погрешность (в 1984 и 1998 гг.) превысила 50 %, что является недопустимым.
Поэтому было решено использовать полиномиальные адаптивные модели, позволяющие снизить систематические ошибки. В качестве модели упомянутого класса была выбрана двухпараметрическая модель Ч. Хольта вида
y,(t)=au+a2yx, (2)
где, а/,, и 2,1- текущие оценки коэффициентов; г - время упреждения прогноза.
Рекуррентные , выражения для пересчета текущих оценок коэффициентов принимались следующие:
&i,, =а,у,+ (1-а,) (dLl., + а2,,.,) (3)
&2J = а2 (и - а, ,.,) + (1-а2) а2л.,
Модель Р. Брауна является частным случаем модели (2) с учетом (3). Единственный параметр р играет роль коэффициента дисконтирования наблюдений. В то же время, начичие в (3) двух параметров а} и ctj расширяет возможность настройки модели на особенности конкретного BP.
Рисунок 4 - Экспоненциальное сглаживание ВР урожайности зерновых
Результаты расчетов также приведены на диаграмме (рис.4). Путем перебора с шагом 0,1 возможных комбинаций а, и аг были определены оптимальные значения этих параметров по критерию минимума средней относительной погрешности, которая составила 11,7 % при а, - 0,7 и а^ = 0,3. При некотором снижении средней относительной погрешности следует отметить существенное снижением наибольшей индивидуальной относительной погрешности до 30% (1996 г.), что почти в два раза лучше, чем в описанном выше методе экспоненциального сглаживания.
Таким образом, для предварительной оценки краткосрочного прогноза урожайности может быть рекомендована двухпараметрическая модель Хольта (2), которая по критерию наибольшей индивидуальной относительной погрешности предпочтительнее, чем модель экспоненциального сглаживания. Однако, полученная точность модели (2) всё же является недостаточной. Это предполагает применение и исследование более сложных моделей, в частности, с учетом особенностей на автокорреляционных функциях основных сельскохозяйственных культур.
Проведённый анализ показал, что распределение ВР валового сбора зерновых культур также существенно отличается от нормального, что делает неприемлемым использование МНК. В связи с этим, параметры исследуемого ВР его оценивались с использованием метода наименьших модулей (МНМ). Моделирование урожая зерновых в условиях Нижнего Повожья на основе метода наименьших модулей, характеризующегося большей устойчивостью к резким выбросам данных. Для реализации МНМ использовалось сведение поставленной задачи к известной задаче линейного
программирования (ЗП). Последняя решалась с помощью симплекс-метода, агоритм которого реализован в ряде прикладных программ.
Оценки параметров ао и ау с использованием МНМ определялись для линейной модели тренда вида
у = ао+а,и (4)
где /-номер года.
Так как эти оценки могут принимать отрицательные значения, то они формировались в виде суммы двух переменных, одна из которых отрицательна.
а0 = XI + хт+!; х, < 0; (5)
01=Х2+ Хт -2/ х2<0.
Аналогично записывались величины линейных отклонений по каждой строке матрицы. Таким образом, для модели валового сбора размер матрицы составил
пх2(т+п), (6)
где п ~ 20 Ч число анализируемых лет; т~ 2 - количество оцениваемых параметров.
В качестве стобца свободных членов модели принимались годовые величины валовых сборов зерна для зерновых культур в целом.
Целевая функция, представляющая собой сумму модулей линейных отклонений моделируемых величин валовых сборов от их фактических значений, в этом случае принимала вид
с = -][>, + >,-> мм, (7)
/=1 /=/1*1
где х, - допонительные переменные, характеризующие линейное отклонение, п - число лет исследования.
Основные результаты оценивания трендовой компоненты валовых сборов зерновых культур по Вогоградской области, полученные по МНМ и МНК, приведены в таблице 4.
Таблица 4 - Сопоставление параметров и результатов моделирования валовых сборов различными методами
Параметр, показатель МНМ МНК
а0 3,967 4,0721
а. -0,080 -0,094
Сумма модулей отклонений 21,23333 21,457
Наибольшее индивидуальное абсолютное отклонение 2,583333 2,6786
С учетом общего снижения валовых сборов зерновых за анализируемые годы (рис. 5), МНК дает несколько заниженное значение
линейной трендовой компоненты, при этом расхождение в последнем из моделируемых годов составляет более 4,2 %.
Номер года
Рисунок 5 - Моделирование трендовой компоненты валового сбора зерновых в Вогоградской области
С учетом годичного лага прогноза, погрешность трендовой компоненты только за счет этой тенденции расхождения МНМ- и МНК-оценок превысит 5 %, что говорит о предпочтительности использования метода наименьших модулей по сравнению с традиционным МНК.
В третьем разделе Прогнозирование урожайности сельскохозяйственных культур с использованием разработанных моделей представлен анализ качества разработанных моделей динамики урожайности, методика кратко- и среднесрочного прогнозирования с использованием разработанных моделей и их инструментальная поддержка, а также приведена оценка вероятностей рисков неурожая зерновых культур.
С целью обоснования выбора структуры (спецификации) модели, наиболее адекватной исходным ВР урожайности сельскохозяйственных культур, было составлено семейство тренд-циклических моделей исходного ряда при аддитивных моделях сезонности. Для практического применения разработанных многопараметрических моделей их компьютерная реализация осуществлялась средствами компьютерной математики в среде МаШСаё 13.
Наибольший интерес для построения комбинированных тренд-циклических математических моделей динамики ВР урожайносггей в среде МаСас! 13 представляет встроенная функция %епЩх,у^, Г),
где х, у - векторы годов и значений урожайности соответственно, g - вектор начальных значений параметров модели, Г - вспомогательный вектор, аналитически задающий модель функции и ее производные.
Если модель содержит и параметров, то элементами вектора /Х'дожны быть функции от х и и. Вектор F дожен состоять из (п+1) элемента, первым элементом является сама функция /(х, и), а прочие его элементы - частные производные от этой функции по каждому из искомых параметров, которые и являются искомыми элементами вектора и.
В среде МаШСас! 13 была реализована тренд-циклическая модель достаточно общего вида
/(г,м) = и0 Х 5т(и, Х 0 + и2 -Бпфз -/ + м4) + м5-/ +и6. (8)
Для модели (8) соответствующие вектор-функция и) и их частные производные соответственно составляют:
ги0-БШ^, + иг-8т(м3-Л-н4) + м5 Х/ вт(м, г) и0 Х Г Х соз(м, Х Г)
БШ(м3 -Г + и4) иг Х/ХС05(м3-/+л4) (9)
График результатов моделирования представлен на рисунке 5, где для наглядности, кроме заданных моделируемых точек и реализации циклической модели, приведена и её трендовая часть.
Анализ остатков моделей ВР урожайности свидетельствует, что из всех вариантов наиболее адекватными являются аддитивные циклические модели. Остатки гомоскедастичны по критерию Годфельда-Квандта, независимы по критерию Дарбина-Уотсона, а распределение остатков близко к нормальному распределению. Использование аддитивных полиномиальных моделей ВР урожайности зерновых в целом по Вогоградской области позволяет получать достаточно приемлемые прогнозы с различным горизонтом.
Задача прогнозной оценки рисков недополучения урожайности решалась по методике ММ. Юзбашева. Для численной оценки прогнозных рисков неурожайности принимася ВР динамики фактической урожайности зерновых по данным Росстата.
Анализировались следующие варианты рисков: по заданной величине риска вычислить вероятность его наступления, то есть отклонение урожайности в меньшую сторону от прогнозируемого тренда; по заданной
вероятности риска вычислить его уровень на прогнозируемый период, то есть величину уклонения от тренда.
Рисунок 5 - Пример реализации модели в виде линейной комбинации трендовой и двух циклических компонент с весами, определяемыми по МНМ
При этом использовалась эконометрическая зависимость для средней ошибки прогноза
тг - аосш
. 1 (^-г)2
Прогноз урожайности рассматривася с использованием линейного тренда, параметры которого предварительно определялись по МНМ.
Чтобы получить прогноз с надежностью 0,95, среднюю ошибку (ц/га) умножали на значение /-критерия Стьюденга при уровне значимости 0,05 и соответствующих степенях свободы, получая величину предельной ошибки. Таким образом, в диссертации показана возможность и выпонено оценивание рисков снижения урожайности с использованием разработанных комбинированных моделей.
В заключении приведены основные результаты и положения диссертационного исследования.
Основные положения диссертации опубликованы в следующих работах:
Статьи в ведущих научных изданиях, определенных перечнем ВАК
1. Рогачёв, А.Ф. Статистическое моделирование урожаев зерновых культур в условиях Нижнего Повожья [текст] / А.Ф. Рогачев, Н.В. Тюрякова, Н.И. Ковзалов // АПК: Экономика и управление. - 2008. -№4.
Публикации в сборниках научных трудов и материалах конференций
2. Тюрякова, Н.В. Моделирование урожайности зерновых культур на основе анализа автокорреляционных функций [текст] / Н.В. Тюрякова, А.Ф. Рогачев, Т.И. Антонова //Математические модели и информационные технологии в экономике: Сборник научных трудов Всероссийского симпозиума. - Кисловодск, 2007 г.
3. Тюрякова, Н.В. Совершенствование организации и инструментария инновационно-консультационной службы регионального АПК [текст] / Н.В. Тюрякова, А.Ф. Рогачев // Математические модели и информационные технологии в экономике: Сборник научных трудов Всероссийского симпозиума.- Кисловодск, 2007 г.
4. Тюрякова, Н.В. Анализ временных рядов урожайности зерновых культур на основе автокорреляционных функций [текст] / Н.В. Тюрякова, А.Ф. Рогачев // Наука и молодежь: новые идеи и решения: Материалы международной научн.-практич. конф. молодых исследователей. -Вогоград, И ПК Нива, 2007 г.
5. Рогачёв, А.Ф. Моделирование урожая зерновых в условиях Нижнего Повожья на основе метода наименьших модулей [текст] / А.Ф. Рогачев, Н.В. Тюрякова // Труды XII Международной научно-практической конференции НАЭКОР. - Москва, 2008 г.
6. Тюрякова, Н.В. Прогнозирование экономических временных рядов в среде MathCad [текст] / Н.В. Тюрякова II Применение инновационных технологий в подготовке специалистов высшей квалификации для агропромышленного комплекса Вогоградской области,-Вогоград, ФГОУ ВПО ВГСХА ИПК Нива, 2008 г.
7. Рогачев, А.Ф. Агоритмическое моделирование урожайности зерновых культур с использованием лингвистических переменных [текст] / А.Ф. Рогачев, А.Г. Гагарин, Н.В. Тюрякова // Известия Нижневожского агроуниверситетского комплекса. -№1 (13), 2009.
Подписано в печать 20.02.09 Усл. печ. л. 1,0 Тираж 100. Заказ 127 Издательско-полиграфический комплекс ВГСХА Нива 400002, Вогоград, Университетский пр-т, 26.
Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Тюрякова, Надежда Валерьевна
ВВЕДЕНИЕ.
1. МЕТОДОЛОГИЯ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ ПРОЦЕССОВ ИЗМЕНЕНИЯ УРОЖАЙНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР.
1.1. Экономико-математическое моделирование динамики урожайности сельскохозяйственных культур.
1.1.1. Теоретические основы учета неопределенности при планировании урожайности сельскохозяйственных культур.
1.1.2. Особенности экономических временных рядов урожайности сельскохозяйственных культур.
1.1.3. Оценка прогнозируемости временных рядов урожайности на основе R/S анализа.
1.1.4. Факторы изменчивости урожайности зерновых сельскохозяйственных культур.
1.1.5 Выявление циклической структуры временного ряда с помощью автокорреляционной функции.
1.2. Методики прогнозирования урожайности сельскохозяйственных культур с использованием математических моделей.
1.3. Методические подходы к оцениванию рисков неурожайности сельскохозяйственных культур на основе моделирования временных рядов.
Выводы по разделу.
2. РАЗРАБОТКА МЕТОДИКИ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР В УСЛОВИЯХ ЗАСУШЛИВОГО КЛИМАТА.
2.1. Особенности производства зерновых культур в засушливых условиях как объекта моделирования.
4.1.1 Агрометеорологические условия и факторы зернового производства в условиях Вогоградской области.
2.1.2 Экономика зернового производства на примере ООО Гелио-Пакс-Агро 5 Новониколаевского района Вогоградской области.
2.2. Оценка прогнозируемости BP урожайности сельскохозяйственных культур на примере вогоградской области.
2.2.1. Особенности распределения многолетних уровней урожайностей в условиях Вогоградской области.
2.2.2. 'Автокорреляционный анализ BP урожайности основных зерновых культур в Вогоградской области.
2.2.3. Фрактальный анализ BP урожайности сельскохозяйственных культур с помощью разработанных программных средств.
2.3. построение моделей динамики урожайности зерновых культур в засушливых условиях.
2.3.1. Адаптивное прогнозирование динамики урожайности зерновых культур1.
2.3.2 Моделирование динамики урожайности на основе учета цикличности BP.
2.3.3 Моделирование урожая зерновых на основе метода наименьших модулей.
3. ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ ЗЕРНОВЫХ КУЛЬТУР С ИСПОЛЬЗОВАНИЕМ РАЗРАБОТАННЫХ МОДЕЛЕЙ.
3.1. инструментальная поддержка кратко- и среднесрочного прогнозирования.
3.2.1. Модели краткосрочного прогнозирования урожайности зерновых кулыпур.
3.2.3 Реализация комбинированных тренд-циклических моделей для среднесрочного прогнозирования урожайности.
3.2. критерии оценки качества моделей динамики урожайности.
3.3. повышение эффективности зернового производства на основе пронозирования урожайности.
3.3.1. Эконометрическое оценивание риска неурожая зерновых культур.
3.3.3 Оптимизация структуры посевных площадей на основе пронозирования урожайности.
Диссертация: введение по экономике, на тему "Экономико-математическое моделирование и прогнозирование урожайности зерновых культур в условиях засушливого климата"
Актуальность темы исследования
Планирование и прогнозирование сельскохозяйственного производства невозможны без достоверного прогнозирования динамики урожайности сельскохозяйственных культур как основного технико-экономического показателя его эффективности.
Величина урожайности определяется комплексом социально-экономических факторов различной природы и подвержена существенной изменчивости, особенно в условиях засушливого климата. Многообразие различных подходов, методов, методик прогнозирования и инструментальных средств для их поддержки только подчеркивает остроту проблемы получения достоверных прогнозов, отсутствие универсального инструментария и необходимость совершенствования и адаптации известных методов для использования в конкретных региональных условиях.
Общее число различных по своей природе факторов, влияющих на эффективность сельскохозяйственного производства, является весьма значительным и не всегда поддается количественному учету и формализации, что усложняет выбор методов моделирования. Построение экономических моделей и адекватное оценивание их параметров служит основой для экономического анализа и прогнозирования, создавая возможность для принятия обоснованных экономических решений.
Значительная изменчивость и межгодовые колебания уровней урожай-ностей основных сельскохозяйственных культур обуславливают необходимость учета и оценки экономических рисков, возникающую при прогнозировании.
Разработка методов прогнозирования урожайности сельскохозяйственных культур, учитывающих её выраженный циклический характер, и адекватных региональным условиям, использующих наглядные и реализуемые на ПК экономико-математические модели, позволит повысить качество планирования и управления аграрным производством и землепользованием на различных уровнях, его эффективность в целом и является важной социально-экономической задачей.
Степень разработанности проблемы
Проблемы совершенствования методологии экономико-математического моделирования и прогнозирования урожайности сельскохозяйственных культур разрабатывались в трудах экономистов-аграриев С.А. Андрющенко, A.M. Гатаулина, А.В. Голубева, Е.П. Денисова, А.Д. Иоанно, JI.C. Воробьевой, Г.А. Бабкова, С.Н. Дементьева, О.В. Иншакова, М.Ю. Ксе-нофонтова, В.В. Милосердова, А.Н. Михайлова, B.C. Немчинова, С.Б. Огнивцева, С.О. Сиптица, А.В. Петрикова, В.Г. Раскина, И.Б. Загайтова, И.Г. Ушачева, Е.И. Царегородского, Л.П. Яновского, Дж. Франса, Д. Торнли и др.
Эконометрические и экономико-статистические методы прогнозирования агропромышленного производства, в том числе урожайности, рассматривались A.M. Дубровым, Е.И. Елисеевой, А.П. Зинченко, В.В. Ивантером, М.С. Крассом, С.А. Айвазяном, В.И. Мудровым, B.C. Мхитаряном, А.Н. Ильченко, В.А. Кардашем, И.А. Наталухой, А.И. Орловым, В.И. Калиничен-ко, Г.Н. Хубаевым, Э.Н. Крылатых, М.М. Юзбашевым, А.Н. Тырсиным, А.А. Черняевым, Е.М. Четыркиным, Э. Берндтом, К. Дугерти и другими исследователями.
Синергетические подходы к прогнозированию урожайности, в том числе методами нелинейной экономической динамики, разрабатывались И.Г. Винтизенко, В.А. Долятовским, В.И. Лебедевым, P.M. Нижегородцевым, В.А. Перепелицей, Е.В. Поповой, А.И. Пригожиным, Т. Андерсеном, Г. Дженкинсом, В.Б. Зангом, Э. Петерсом, Д. Фишером и другими отечественными и зарубежными учеными. Вопросы использования современных инструментальных средств и компьютерной поддержки прогнозирования рассматриваются А.Н. Васильевым, В.П. Дьяконовым, Р. Ивановским, Ю.Л. Кетковым, С. Поршневым, Ю. Тарасевичем, Д. Химмельблау, Д. Кнутом и другими авторами.
В то же время, вопросы построения экономико-математических моделей прогнозирования динамики урожайности основных сельскохозяйственных культур, учитывающих региональные особенности агарного производства и возникающие при этом экономические риски, а также адаптация методов реализации и анализа разработанных моделей на ЭВМ требуют допонительного решения.
Соответствие темы диссертации требованиям паспорта специальностей ВАК
Исследование выпонено в рамках п. 1.8 Паспорта специальностей ВАК Математическое моделирование экономической конъюнктуры, деловой активности, определение трендов, циклов и тенденций развития специальности 08.00.13 - Математические и инструментальные методы экономики.
Предмет и объект исследования
Предметом исследования являются процессы изменения урожайности зерновых культур в различных экономических условиях.
Объектом исследования являются сельскохозяйственные предприятия и экономические регионы, производящие зерно в условиях засушливого климата.
Цели и задачи исследования
Целью исследований является разработка и компьютерная реализация экономико-математических моделей для прогнозирования урожайности зерновых культур, учитывающих её априорную цикличность и особенности производства в засушливых климатических условиях.
Для реализации поставленной цели были сформулированы и решены следующие задачи:
- обосновать на-основе системного подхода особенности циклического процесса изменчивости урожайности зерновых культур в условиях засушливого климата и рациональные подходы к её экономико-математическому моделированию с учетом структуры временных рядов (BP);
- провести анализ применимости метода наименьших квадратов (МНК) для экономико-математического моделирования урожайности различных зерновых культур в условиях засушливого климата;
- разработать методику экономико-математических моделирования урожайности зерновых культур на основе оценивания параметров BP урожайности зерновых культур с помощью метода наименьших модулей (МНМ);
- построить систему нелинейных моделей, учитывающих цикличность BP урожайности, и разработать компьютерную систему поддержки решений при построении кратко- и среднесрочных прогнозов;
- обосновать методику оценки рисков при прогнозировании величины урожайности различных зерновых культур в условиях засушливого климата.
Теоретико-методологическая основа исследования
Теоретической и методологической основой явились диалектический метод, труды классиков экономической теории о закономерностях экономического развития, работы современных экономистов-аграриев. Использованы системно-статистический подход, включающий аналитический, корреляционно-регрессионный и экономико-математические методы, спектральный анализ, экспертное оценивание, элементы компьютерной математики.
Информационной и эмпирической базой исследования являются данные Федеральной службы государственной статистики (Росстат) и её территориального органа по Вогоградской области (Вогоградстат), инструктивные материалы российских ведомств, информационные ресурсы INTERNET, первичная информация о деятельности зернопроизводстводящих сельскохозяйственных предприятий Вогоградской области, а также оригинальные материалы автора.
Рабочая гипотеза диссертационного исследования
Для повышения достоверности прогнозирования урожайности зерновых культур в условиях засушливого климата, известные экономико-математические модели требуют адаптации для учета таких особенностей BP урожайности, как выраженная цикличность и особенности закона распределения, что может быть достигнуто на основе подходов, альтернативных МНК.
Основные положения, выносимые на защиту
1. Особенности динамических процессов вариации урожайностей зерновых культур в условиях засушливого климата, обусловленные совместным действием множества экзогенных факторов различной природы. Обосновано, что для адекватного прогнозирования динамики урожайности на основе экономико-математического моделирования необходимо выявление эндогенной структуры BP, описывающую циклическое изменение урожайности.
2. Результаты предпрогнозного эконометрического анализа статистических распределений урожайностей различных зерновых культур в условиях засушливого климата. Выявлены группы видов культур, распределение урожайностей которых не соответствует нормальному закону и характеризуется наличием значимых хвостов, что ограничивает применимость классического метода наименьших квадратов (МНК) для моделирования урожайности в этих условиях.
3. Методика построения нелинейных трендовых моделей урожайности с использованием выявленных спектральных характеристик и оценивания периодов циклических компонент на основе автокорреляционных функций с применением метода наименьших модулей (МНМ), позволяющего снизить средние линейные отклонения по сравнению с МНК.
4. Система разработанных нелинейных тренд-циклических моделей BP урожайности, включающих циклические компоненты с различающимися периодами, и разработанная на основе компьютерной математики в среде MathCad система поддержки принятия решения при кратко- и среднесрочном прогнозировании урожайности зерновых культур, учитывающая её циклический характер.
5. Методика оценивания вероятностей и уровня глубины рисков недополучения прогнозной урожайности в засушливых условиях, разработанная на основе полученных моделей динамики урожайности зерновых культур.
Научная новизна исследования состоит в выявлении на основе проведенного статистического анализа эконометрических особенностей BP урожайности различных зерновых культур в условиях засушливого климата и разработке системы тренд-циклических моделей для её прогнозирования.
Конкретное приращение научного знания включает следующие положения:
1. Обосновано, что для адекватного моделирования и прогнозирования динамических процессов вариации урожайностей зерновых культур в условиях засушливого климата необходимо выявление эндогенной структуры временных рядов (BP), описывающих циклическое изменение урожайности под действием множества социально-экономических, природно-климатических и технико-технологических факторов, что обеспечивает повышение достоверности её прогнозирования для обоснования рационального землепользования.
2. На основе предпрогнозного эконометрического анализа выявлены группы по видам зерновых культур, распределений урожайностей которых в условиях засушливого климата не соответствует нормальному закону, что ограничивает применимость классического метода наименьших квадратов (МНК) для моделирования урожайности в этих условиях и требует разработки методов и моделей, не основанных на МНК-оценках.
3. Разработана методика построения нелинейных тренд-циклических моделей урожайности с использованием выявленных пиков автокорреляционных функций и оценивания параметров трендовой и циклических компонент на основе метода наименьших модулей (МНМ), что позволило снизить индивидуальные и средние линейные отклонения для экономико-математических моделей урожайности зерновых культур.
4. Предложена система нелинейных тренд-циклических моделей BP урожайности, включающих циклические компоненты с несколькими периодами, параметры которых определяют на основе автокорреляционных функций, и разработана компьютерная система поддержки решения при кратко- и среднесрочном прогнозировании урожайности зерновых культур, учитывающая её циклический характер.
5. Обоснована методика и разработан агоритм эконометрического оценивания рисков при прогнозировании урожайности на основе предложенных тренд-циклических моделей, что позволяет повысить обоснованность планирования объемов производства зерновой отрасли сельскохозяйственного производства.
Теоретическая и практическая значимость результатов исследования состоит в совершенствовании методики экономико-математического моделирования урожайности и выработке рекомендаций для совершенствования инструментария модельной поддержки решений, принимаемых органами управления сельскохозяйственным производством различного уровня на основе прогнозных моделей.
Апробация и внедрение результатов исследования
Основные положения диссертационного исследования обсуждались на VI-IX региональных конференциях молодых исследователей Вогоградской области (Вогоград, 2001-2004), Международной научно-практической конференции Актуальные проблемы развития АПК (Вогоград, 2005), V Открытой научной конференции молодых ученых Молодежь и экономика: новые взгляды и решения (Вогоград, 2005), Всероссийском симпозиуме Математические модели и информационные технологии в экономике (Кисловодск, 2007), Региональной научно-практической конференции Применение инновационных технологий в подготовке специалистов высшей квалификации для агропромышленного комплекса Вогоградской области (Вогоград, 2008), на XII Международной научно-практической конференции НАЭКОР (Москва, 2008), на ежегодных научных конференциях профессорско-преподавательского состава Вогоградской ГСХА (Вогоград, 20012009).
Разработки автора использованы при разработке элементов компьютерной системы анализа производственно-хозяйственной деятельности Комитета по сельскому хозяйству Администрации Вогоградской области, а также в учебном процессе экономического факультета Вогоградской сельскохозяйственной академии по дисциплинам Эконометрика, Информационные системы и технологии в экономике, Экономико-математические модели, Математическое моделирование производственных процессов и систем. Для защиты реализации разработанных способов прогнозирования поданы две заявки в Роспатент, находящиеся на этапе экспертизы.
Публикации
Основные результаты диссертационного исследования отражены в 7 опубликованных работах общим объемом 2,9 п.л., в т.ч. автора - 2,1 п.л.
Структура диссертационной работы. Диссертация включает введение, три раздела, заключение, библиографический список использованных источников, приложения. Диссертация выпонена на 140 страницах текста, содержит 22 рисунка, 19 таблиц. Список использованных источников содержит 199 наименования отечественных и зарубежных авторов.
Диссертация: заключение по теме "Математические и инструментальные методы экономики", Тюрякова, Надежда Валерьевна
Выводы по разделу:
1. Предложена система нелинейных тренд-циклических моделей BP урожайности, включающих циклические компоненты с несколькими периодами, параметры которых определяют на основе МНМ-оценок.
2. Средствами компьютерной математики разработана в среде MathCad компьютерная система поддержки решения при кратко- и среднесрочном прогнозировании урожайности зерновых культур, учитывающая её циклический характер.
3. Обоснована методика и разработан агоритм эконометрического оценивания рисков при прогнозировании урожайности на основе предложенных тренд-циклических моделей, что позволяет повысить обоснованность планирования объемов производства зерновой отрасли сельскохозяйственного производства.
ЗАКЛЮЧЕНИЕ
Настоящее исследование выявило актуальность прогнозирования урожайности сельскохозяйственных культур как для эффективного управления сельскохозяйственными предприятиями, так и для органов государственного управления различного уровня для развития отрасли в целом. Анализ выявил необходимость совершенствования известных экономико-математических методов и адаптации их для условий засушливого климата, характерных для Вогоградской области.
В результате проведённых исследований были получены следующие основные результаты:
Х обоснованы агоритмы предпрогнозного анализа на основе модифицированного метода нормированного размаха;
Х разработана программа проведения фрактального анализа BP урожайности на ЭВМ;
Х получены фрактальные характеристики показателя вариации и прогнозные показатели для BP урожайности зерновых культур по Вогоградской области с использованием метода наименьших линейных отклонений (модулей);
Х выпонены обоснование, адаптация и компьютерная реализация математико-статистических методов прогнозирования урожайности сельскохозяйственных культур в условиях засушливого климата.
Предложенные агоритмы прошли апробацию на временных рядах урожайности сельскохозяйственных культур Вогоградской области за период 1953-2006 гг. Наибольшее относительное индивидуальное отклонение составило 18%. Полученные результаты переданы в Комитет по сельскому хозяйству Администрации Вогоградской области.
Эффективность выпоненной НИР определяется возможностью принятия научно обоснованных управленческих решений по планированию и управлению на различных уровнях развитием зернового сельскохозяйственного производства. Технико-экономические расчеты повышения экономической эффективности на перспективу с использованием прогнозных значений урожайности выпонены для модельного хозяйства, в качестве которого принималось ООО Гелио-Пакс 5.
Диссертация: библиография по экономике, кандидат экономических наук , Тюрякова, Надежда Валерьевна, Вогоград
1. Агроклиматический справочник по Вогоградской области / Под ред. З.М. Русеевой. Ленинград: Гидрометеорологическое издательство, 1967. -144 с.
2. Агрометеорологические аспекты повышения продуктивности земледелия / Под ред. Ю.И. Чиркова. Ленинград: Гидрометеоиздат, 1970. - 208 с.
3. Агрометеорологические прогнозы и расчеты // Труды ИЭМ, 1979, вып. 13 (91).- 132 с.
4. Айтпаева, А.А. Продуктивность сортов озимой пшеницы в зависимости от режима орошения и уровня минерального питания // Тезисы докладов IV межвузовской конференциистудентов и молодых ученых Вогоградской области. Вогоград, 1999. - с. 109-110.
5. Айтпаева, А.А. Режим орошения и водопотребление новых сортов озимой пшеницы на светло-каштановых почвах правобережья Вогоградской области: дисс.канд. с.-х. наук. Вогоград: Вогоградская государственная сельскохозяйственная академия, 2000. - 161 с.
6. Атухов, А.И., Проблемы производства и реализации зерна в Российской Федерации / А.И. Атухов, Н.А. Пролыгина // Экономика сельскохозяйственных и перерабатывающих предприятий, 1999, №6, с. 22-26.
7. Атухов, А.И. Развитие продовольственного рынка России. / А.И. Атухов, Макин Г.И., Бабков М.А. 4 2.- М.: АгриПресс, 2000. 444 с.
8. Андрющенко, С.А. Научно-технический прогресс и технологические уклады в АПК // Научно-технический прогресс и формирование производственного потенциала АПК: Сборник научных трудов. Саратов: ИСЭП АПК АН СССР, 1990.-122 с.
9. Андрющенко, С.А. Прогноз сбалансированного развития регионального АПК (программный аспект). М.: Наука, 1990. - 160 с.
10. Анфиногентова, А.А., Кольцова М.В., Гусева B.JI. и др. Совершенствование межотраслевой структуры регионального АПК. Ч М.: Наука, 1988. Ч 144 с.
11. Афендулов, К.П. Теория и практика программирования урожаев // Вестник сельскохозяйственной науки, 1983, №12, с. 32-39.
12. Бабина, Н.В. 400 практических советов по восстановлению плодородия почвы. М.: Контингент-Пресс, 1997. - 320 с.
13. Барковская, С.Т., Пермяков И.А. и др. Об оценке информативности данных агрометеорологических наблюдений // Труды ЦВГМО, 1978, вып. 12, с. 88-92.
14. Боброва, JI.A. Об одном методе прогнозирования урожайности // Экономика сельского хозяйства, 1980, №6, с. 65-68.
15. Боков, О.Г., Иоанно А.Д. Метод корреляции парциальных коэффициентов в прогнозировании урожайности // Научно-технический прогресс и формирование производственного потенциала АПК: Сборник научных трудов. Саратов: ИСЭП АПК АН СССР, 1990. - 122 с.
16. Борхунов, Н. Региональное ценообразование на продовольственные товары // Экономика сельского хозяйства России, 2000, №7, с. 13.
17. Борхунов, Н., Назаренко А. Цены в аграрном секторе экономики России / Н. Борхунов, А. Назаренко // Экономика сельского хозяйства России, 2000, №6, с. 13.
18. Браславец, М.Е. Экономико-математические методы в организации и планировании сельскохозяйственного производства / М.Е. Браславец. Ч М.: Экономика, 1971.-358 с.
19. Браславец, М.Е. Математическое моделирование экономических процессов в сельском хозяйстве / М.Е. Браславец, Р.Г. Кравченко. Ч М.: Колос, 1972.-589 с.
20. Брылеев, В.А. География Вогоградской области / В.А. Брылеев, Ф.И. Жбанов, Ю.П. Самборский. Вогоград: Ниж.-Вож. кн. изд-во, 1989. Ч 128 с.
21. Быковская, Т.К. Экологические проблемы сельскохозяйственного производства и состояние почв России / Т.К. Быковская, Н.С. Ковалева, Т.А. Парамонова // Аграрная наука, 1999, №7, с. 25-27.
22. Вайпан, Т.К. Построение модели урожая сельскохозяйственных культур / Т.К.Вайпан, Б.В. Киндюк, И.Ю Козоглодюк // Модели и методы оптимального планирования в сельском хозяйстве: Сборник научных трудов. -Одесса: ОСХИ, 1988. 128 с.
23. Вальтер, О.Э. Оценка инвестиционных проектов в АПК / О.Э. Вальтер, М.А. Манзон // Экономика сельскохозяйственных и перерабатывающих предприятий, 2000, №4, с. 51-54.
24. Васильев, А.Н. Mathcad 13 на примерах / А.Н. Васильев. Ч СПб.: БХВ-Петербург, 2006. 528 с.
25. Винтизенко, И.Г. Детерминированное прогнозирование в экономических системах / Труды III междунар. конф. Новые технологии в управлении, бизнесе и праве. Невинномысск: Изд-во ИУБП. Ч С.30-37.
26. Винтизенко, И.Г. Экономическая цикломатика: монография / И.Г. Винтизенко, В.С.Яковенко. М.: Финансы и статистика; Ставрополь: АГРУС, 2008.- 428 с.
27. Вогоградская область в цифрах в 2001 году // Статистический ежегодник. Вогоград: Вогоградский областной комитет государственной статистики, 2000. 267 с.
28. Воробьев, А.В., Бибикова О.Н. и др. Земельные ресурсы Вогоградской области: Справочник. Вогоград: Станица-2, 1997. - 132 с.
29. Гайдуцкий, П.И. Анализ и контроль экономических взаимоотношений предприятий АПК. Ч М.: Агропромиздат, 1989. 160 с.
30. Галямин, Е.П. О построении динамической модели формирования урожаев агроценозов // Биологические системы в земледелии и лесоводстве. -М.: Наука, 1974. с. 70-83.
31. Гатаулин, A.M. Экономико-математические методы в планировании сельскохозяйственного производства / A.M. Гатаулин, Г.В. аврилов. М.: Колос, 1992.-68 с.
32. Генералова, С.В. Формирование системы измерения производственно-экономического потенциала предприятий АПК: автореф. дисс.канд. экономии. Наук / С.В. Генералова.- Саратов: Саратовский государственный аграрный университет, 2000. 27 с.
33. Глазунова, И.А. Подходы к определению средних рыночных цен на сельскохозяйственную продукцию, сырье и продовольствие / И.А. Глазунова // Экономика сельскохозяйственных и перерабатывающих предприятий, 1999, №3, с. 47-48.
34. Глущенко, В.В. Разработка управленческого решения. Прогнозирование планирование /В.В. Глущенко, И.И. Глущенко // Теория проектирования экспериментов. М.: ТОО НПЦ Крылья, 1997. - 398 с.
35. Гойса, Н.И., Тимошенко Г.Д., Ковтун И.И. О взаимосвязи элементов урожайности озимой пшеницы // Труды УкрНИГМИ, 1979, вып. 173, с. 96100.
36. Голованов, А. Финансово-аналитический аспект регулирования внутреннего рынка АПК // АПК: экономика, управление, 2000, №1, с. 46-52.
37. Голуб, А.А., Струкова Е.Б. Экономика природопользования. М.: Аспект Пресс, 1995.- 188 с.
38. Голубев, А.В. Адаптивная агроэкономика. М.: Колос, 1996. Ч 167 с.
39. Голубев, А.В. Эколого-экономические проблемы сельского хозяйства // Научно-технический прогресс и формирование производственного потенциала АПК: Сборник научных трудов. Саратов: ИСЭП АПК АН СССР, 1990.- 122 с.
40. Голубев, А.В. Экономическая инженерия // АПК: экономика, управление, 2000, № 6, с. 22-28.
41. Гончаров, В.Д. Продовольственный рынок России: состояние, проблемы развития // Экономика сельскохозяйственных и перерабатывающих предприятий, 1999, №10, с. 39-41.
42. Гончаров, A. MS Access-2000 в примерах / Гончаров, А. СПб: Питер, 2001
43. Гордеев, А.В. Ключевая проблема развития агропромышленного комплекса страны финансовое оздоровление сельских товаропроизводителей // Экономика сельскохозяйственных и перерабатывающих предприятий, 2000, №7, с. 9-11.
44. Горев, А. Эффективная работа с СУБД / А. Горев, Р. Ахаян, С. Ма-кашарипов- СПб.: Питер, 1997. 704 с.
45. Гофман, В.Э. Delphi 6 / В.Э. Гофман, В.Д. Хомоненко СПб.: БХВ-Петербург, 2002. - 1152 с.
46. Гришин, А.Ф. Статистические модели в экономике / А.Ф. Гришин, С.Ф. Котов Дарти, В.Н. гунов.- Ростов н / Д: Феникс, 2005. - 344 с.
47. Груза, Г.В. Статистика и анализ гидрометеорологических данных / Г.В. Груза, Р.Г. Рейтенбах. Ленинград: Гидрометеоиздат, 1982. - 216 с.
48. Губарев, В.В. Математическая статистика. Новосибирск: Изд-во НГТУ, 1998.- 131 с.
49. Гунин, В.Н. Управление инновациями./ В.Н. Гунин,- М.: ИНФРА-М, 1999.-301 с.
50. Гуськов, И.Б., Давыдов В.М. Практика антикризисного управления предприятиями АПК. -М.: Колос, 1999. 200 с.
51. Дарахвелидзе, П.Г Разработка Web-служб средствами Delphi / П.Г.Дарахвелидзе, Е.П. Марков СПб.: БХВ-Петербург, 2003. Ч 672 с.
52. Дейт, К. Дж. Введение в системы баз данных/ К. Дж. Дейт, Пер. с англ.-6-е изд.- К.: Диалектика, 2000.-784 с.
53. Джеймс, P. SQL: поное руководство пер.с англ. / Р. Джеймс, Пол Грофф, Н. Вайнберг-К.: Издательская группа BHV, 1999.-608 с.
54. Джексон, Г., Проектирование реляционных баз данных для использования с микро-ЭВМ / Г.Джексон, К.: Издательская группа BHV, 2000.708 с.
55. Дмитренко, В.П. Влажность почвы как фактор формирования урожайности зерновых культур // Труды УкрНИГМИ, 1976, вып. 148, с. 41-53.
56. Дмитренко, В.П. Математическая модель урожайности сельскохозяйственных культур // Труды УкрНИГМИ, 1973, вып. 133, с. 3-13.
57. Дуброва, Т. А. Статистические методы прогнозирования / Т. А. Дуброва,.- М.: ЮНИТИ-ДАНА, 2003. 206 с.
58. Елисеева, И.И. Общая теория статистики: Учебник / И.И. Елисеева, М.М. Юзбашев, Под ред. И.И. Елисеевой. 5-е изд., перераб. доп. -М.:Финансы и статистика, 2004. - 656 е.: ил. С. 513-514.
59. Загайтов, И.Б. Способ прогнозирования межгодовых колебаний урожайности озимой пшеницы / / И.Б. Загайтов (RU), Л.П. Яновский (RU). Заявка № 2005114095. А. МПК A01G7/00 (2006.01).- Заявлено 11.05.2005; опубл. 20.11.2006.
60. Задков, А.П. Фактор риска в сельском хозяйстве. Новосибирск: СО РАСХН, СибНИИЭСХ, 1998. - 264 с.
61. Зайнчковская, Т.С. Прогнозирование урожайности сельскохозяйственных культур с учетом случайных факторов // Вестник сельскохозяйственной науки, 1985, №10, с. 71-76.
62. Залевский, Л.Д., Хохлов В.А. и др. Оперативное управление в сельскохозяйственных предприятиях. Ч К.: Урожай, 1988. Ч 136 с.
63. Затраты на производство и реализацию продукции в сельхозпредприятиях в январе-декабре 1999 года // Статистический бюлетень. Вогоград: Вогоградский областной комитет государственной статистики, 2000. -16 с.
64. Зинченко, А.П. Использование производственного потенциала сельскохозяйственных предприятий России // Экономика сельскохозяйственных и перерабатывающих предприятий, 2000, №7, с. 22-25.
65. Зинченко, А.П. Сельскохозяйственная статистика с основами социально-экономической статистики. М.: Изд-во МСХА, 1998. 430 с.
66. Зорич, В.А. Математический анализ. 4 2.- М.: Наука, 1984. 587с.
67. Зятьков, Ю.И. Экономико-математическое моделирование производственного планирования в информационно-консультационной системе АПК // Аграрная наука, 1999, №5, с. 24-26.
68. Ильченко, А.Н. Моделирование внутрирегиональных экономических взаимоотношений в АПК. Ч М.: Издательство МСХА, 1993. 135 с.
69. Иншаков, О.В. Механизм социально-рыночного и устойчивого развития АПК России: дисс.док. экономич. наук. Вогоград: Вогоградский государственный университет, 1995. Ч 450 с.
70. Канторович, JI.B., Горстко А.Б. Оптимальные решения в экономике. -М.: Наука, 1972.-231 с.
71. Каратыгин, С.А. Visual FoxPro 6 / С.А. Каратыгин, А.Ф. Л.Н. Тихонов, Тихонова. -М.: БИ-НОМ, 1999. -773 с.
72. Кардаш, В.А. Модели управления производственно-экономическими процессами в сельском хозяйстве. М.: Экономика, 1981ю - 184 с.
73. Кардаш, В.А. Экономика оптимального погодного риска в АПК (теория и методы). -М.: Агропромиздат, 1989. 167 с.
74. Кардаш, В.А., Рапопорт Э.О. Моделирование экономических процессов в сельском хозяйстве. Ч М.: Наука, 1979. 160 с.
75. Кельчевская, JI.C. Методы обработки наблюдений в агрометеорологии. Ленинград: Гидрометеоиздат, 1971. - 215 с.
76. Кендал, М. Дж., Стыоарт А. Теория распределений. М.: Наука, 1966.-588 с.
77. Клочан, В.П. Использование теории случайных процессов в прогнозировании урожайности // Модели и методы оптимального планирования в сельском хозяйстве: Сборник научных трудов. Одесса: ОСХИ, 1988. - 128 с.
78. Коваленко, Н.Я. Экономика сельского хозяйства. С основами аграрных рынков. Курс лекций. Ч М.: Ассоциация авторов и издателей ТАНДЕМ: Издательство ЭКМОС, 1998.-448 с.
79. Константинов, А.Р. Погода, почва и урожай озимой пшеницы. Ленинград: Гидрометеоиздат, 1978. - 284 с.
80. Копенкин, Ю.И. Стахостические модели в сельском хозяйстве: учеб. пособие / Ю.И.Копенкин. М.: Изд-во МСХА, 2002.- 95 с.
81. Коробейников, М.М. Государственное регулирование финансово-кредитной системы АПК // Аграрная наука, 2000, №1, с. 7-9.
82. Костина, Г. Урожая на всех не хватит // Эксперт,1999, №30, с.6.
83. Кравцов, С.А. Зерновое производство в России в 1999 году // Зерновые культуры, 2000, №2, с. 2-5.
84. Крамер, Г. Математические методы статистики. М.: Мир, 1975. Ч 648 с.
85. Краснощекое, Н.В. МТС и реструктуризация сельскохозяйственного производства // Вестник Российской академии сельскохозяйственных наук, 1999, №4, с. 44-46.
86. Кричевский, M.JI. Интелектуальные методы в менеджменте / M.JI. Кричевский. СПб.:2005. - 304 е.: ил.
87. Крылатых, Э.Н. Система моделей в планировании сельского хозяйства. М.: Экономика, 1979. - 200 с.
88. Крылатых, Э.Н. Экономические риски в агропромышленном комплексе II АПК: экономика, управление, 1999, №7, с. 3-15.
89. Кузнецов, Н.Г. Введение в курс математических моделей: Учебное пособие. Вогоград: ВСХИ, 1992. - 73 с.
90. Кулик, М.С. Учет агрометеорологических условий и устойчивость урожайности //Метеорология и гидрология, 1970, №4, с. 7-9.
91. Курносов, А.П., Звягин Н.А. Математическое моделирование экономических процессов в растениеводстве: Учебное пособие. Воронеж: ВСХИ, 1986.-128 с.
92. Левкин, В.Н. Влияние сорта, норм высева на урожайность и качество озимой пшеницы в подзоне светло-каштановых почв Вогоградской области: автореф. дисс.канд. с.-х. наук. Вогоград: Вогоградская сельскохозяйственная академия, 1999. - 24 с.
93. Левкин, В.Н. Лучшие сорта озимой пшеницы // Вестник АПК, 1999, №12, с. 4-5.
94. Лезина, М.Л., Гончарова М.В. Основные закономерности развития растениеводства в России // Экономика сельскохозяйственных и перерабатывающих предприятий, 1999, №6, с. 13-15.
95. Лезина, М.Л., Трегубов В.А. О соотношении цен на продукцию и ресурсы сельского хозяйства // Экономика сельскохозяйственных и перерабатывающих предприятий, 2000, №1, с. 25-28.
96. Личко, К.П. Прогнозирование и планирование аграрно-промышленного комплекса: Учебник. -М.: Гардарики, 1999. 264 с.
97. Логинов, В.Г. Интересы участников продовольственного рынка и отраслевые союзы // Аграрная наука, 2000, №3, с. 10-12.
98. Лукина, Е.В. Совершенствование оценки финансовых результатов деятельности сельскохозяйственных предприятий: автореф. дисс.канд. эко-номич. наук. Мичуринск: Мичуринский государственный аграрный университет, 2000. - 24 с.
99. Макконнел, Кэмпбел Р., Брю Стэнли Л. Экономикс: Принципы, проблемы и политика. T.l, Т.2. М.: Республика, 1995.
100. Манеля, А.И. Об обеспечении Российской Федерации зерном в 1999 году // Экономика сельскохозяйственных и перерабатывающих предприятий, 1999, №5, с. 42.
101. Маркин, Б.К. Проблемы повышения качества и стимулирования производства зерна в Повожье // Зерновые культуры, 2000, №4, с. 8-10.
102. Маркс, К., Энгельс Ф. Соч. 2-е изд. Т.49. 907 с.
103. Математические модели в агрометеорологии // Труды ИЭМ, 1977, вып. 8 (67). 130 с.
104. Методические указания к занятиям по курсу Моделирование производственных систем в агроэкономике / Сост. В.Д. Коновалов, Н.Н. Ски-тер. Вогогр. гос. с.-х. акад. Вогоград, 1999. 56 с.
105. Минаков, И.А. Эффективность интенсификации зернового производства // Зерновые культуры, 2000, №3, с. 3-6.
106. Модель комплексного системного анализа производственно-финансовой деятельности сельскохозяйственных предприятий в системе АПК: рекомендации Атайского сельскохозяйственного института / Под ред. А.И. Колобовой. Барнаул: СХИ, 1988. - 127 с.
107. Мудров, В.И. Методы обработки измерений. Квазиправдоподобные оценки / В.И. Мудров, B.JI. Кушко. М.: Радио и связь, 1983. - 304 с.
108. Мухамеджанов, P.M. Оптимизация сезонных параметров технологических систем в растениеводстве // Экономика сельскохозяйственных и перерабатывающих предприятий, 2000, №8, с. 24-27.
109. Назаренко, А. Ценовая ситуация на рынке зерна // Экономика сельского хозяйства, 2001, №1, с. 37.
110. Немчинов, B.C. Экономико-математические методы и модели. Ч М.: Издательство социально-экономической литературы, 1962. -412 с.
111. Нечаев, В.И. Организационно-экономические основы сортосмены при производстве зерна. М.: АгриПресс, 2000. 480 с.
112. Никитина, Н.Ш. Математическая статистика для экономистов / Н.Ш. Никитина. -М.: ИНФРА-М; Новосибирск: Изд-во НГТУ, 2001.- 170 с.
113. Никулин, Н.К. Практикум по сельскохозяйственной статистике. -М.: Статистика, 1978. 255 с.
114. О состоянии рынка зерна (экономический обзор) // АПК: экономика, управление, 2000, №9, с. 29-38.
115. Огнивцев, С.Б. Развитие моделирования и информатики АПК // Аграрная наука, 2001, №2, с. 29-30.
116. Огнивцев, С.Б., Сиптиц С.О. Стратегия устойчивого развития АПК // Аграрная наука, 1998, №1, с. 2-4.
117. Основные социально-экономические показатели городов и районов Вогоградской области // Статистический сборник. Вогоград: Вогоградский областной комитет государственной статистики, 2006. 202 с.
118. Основы экономической теории и практика рыночных реформ в России: Учебное пособие для вузов / Под ред. М.М. Загорулько, О.В. Иншакова, В.Н. Овчинникова. 2-е изд., перераб. и доп. М.: Издательская корпорация "Логос", 1997. 320 с.
119. Остапчик, В.П. ИнформационноЧсоветующая система управления орошением / В.П. Остапчик, В.А. Кострамин, A.M. Коваль и др.: Под ред. В.П. Остапчика. -К.: ISBN 5-337-00391-7
120. Патент RU № 2 158 498. С2. МПК7 А 01 G 7/00. Способ прогнозирования урожайности озимой пшеницы / Акулов П.Г., Понедельченко М.Н., Сокорева И.Н., СокоревН.С. Заявл. 30.11.1998; опубл. 10.11.2000.
121. Патент RU № 2158500. С2. МПК7 A01G 7/00. Способ прогнозирования урожайности ячменя / П.Г. Акулов, М.Н. Понедельченко, И.Н. Сокорева, Н.С. Сокорев (RU). Заявка № 98121739/13; Заявлено 30.11.1998; Опубл. 10.11.2000
122. Перекрестова, JI.B., Попова JI.B. Производственные запасы в аграрных формированиях: управление, финансирование, учет. Ч Вогоград: Перемена, 1997.- 180 с.
123. Перепелица, В.А. Структурирование данных методами нелинейной динамики для двухуровневого моделирования / В.А.Перепелица, Ф.Б. Тебуева, Л.Г. Темирова. Ставрополь: Ставропольское книжное издательство, 2006. - 284 с.
124. Пиличев, Н.А., Васильев A.M. Управление сельскохозяйственным производством. Л.: Агропромиздат, 1987.-271 с.
125. Пиндайк, Р., Рубинфельд Д. Микроэкономика: Сокр. пер. с англ. / Науч. ред.: В.Т. Борисович, В.М. Потерович, В.И. Данилов и др. М.: Экономика, Дело, 1992. - 510 с.
126. Питер, Пин-Шен Чен. Модель "сущность-связь"Ч шаг к единому представлению данных // СУБД, №3, 1995, с. 137.
127. Питере, Э. Фрактальный анализ финансовых рынков: Применение теории Хаоса в инвестициях и экономике.- М.: Интернет-Трейдинг, 2004.- 304 с.
128. Платонов, В.А., Чудновский А.Ф. Моделирование агрометеорологических условий и оптимизация агротехники. Ленинград: Гидрометеоиз-дат, 1984. - 280 с.
129. Полевой, А.Н. Теория и расчет продуктивности сельскохозяйственных культур. Ленинград: Гидрометеоиздат, 1983. - 176 с.
130. Полуэктов, Р.А., Пых Ю.А., Швытов И.А. Динамические модели экологических систем. Ленинград: Гидрометеоиздат, 1980. - 288 с.
131. Попов, В.П., Онищенко A.M. и др. Совершенствование планирования развития агропромышленного комплекса. Киев: Урожай, 1988. - 232 с.
132. Поповский, Г.А., Брайер Г.В. Статистические методы в метеорологии. Ленинград: Гидрометеоиздат, 1967. - 242 с.
133. Пошкус, Б.И. Совершенствование экономических отношений в сельскохозяйственных предприятиях // Экономика сельскохозяйственных и перерабатывающих предприятий, 1999, №3, с. 10-12.
134. Природные условия и ресурсы Вогоградской области / Под ред. проф. В.А. Брылеева. Вогоград: Перемена, 1995. - 276 с.
135. Проблемы формирования инвестиционных условий развития АПК: Препринт / В.М. Зеляковская, В.А.Перепелица и др. Вогоград, изд-во ВГСХА, 2004. -48 с.
136. Программа стабилизации и развития агропромышленного комплекса Вогоградской области на 1996.2000 гг. Вогоград: ВКП, 1995. - 20 с.
137. Прокопьев, М.Г. Рекомендации Моделирование развития агропромышленного комплекса на ПЭВМ. М.: Агропромиздат, 1990. - 32 с.
138. Романенко, Г. О неотложных мерах по стабилизации и развитию агропромышленного производства // АПК: экономика, управление, 1999, №3, с.3-11.
139. Савинков, В.М. Проектирование баз данных информационных систем / В.М. Савинков, В.В. Бойко. -М., Финансы и статистика, 1989.
140. Савицкий, М.С. Биологические и агротехнические факторы высоких урожаев зерновых культур. М.: Сельхозгиз 1948. - 118 с.
141. Сапожникова, С.А., Арзамасцева JI.B., Бринкен Д.А. Опыт оценки агроклиматических ресурсов социалистических стран Европы // Труды НИИАК, 1970, вып. 67, с. 10-12.
142. Свисюк, И.В. Погода и урожайность озимой пшеницы на Северном Кавказе и Нижнем Повожье. Ленинград: Гидрометеоиздат, 1980. - 208 с.
143. Свободин, В.А. Свободина М.В. Имитационное моделирование экономического механизма развития сельского хозяйства // Экономика сельскохозяйственных и перерабатывающих предприятий, 2000, №8, с. 13-15.
144. Семевский, Ф.Н., Семенов С.М. Математическое моделирование экологических процессов. Ленинград: Гидрометеоиздат, 1982. - 280 с.
145. Семенов, В.Н., Казаков М.П. О страховании сельскохозяйственных товаропроизводителей // Экономика сельскохозяйственных и перерабатывающих предприятий, 2000, №2, с. 36-40.
146. Сергеев, С.С. Сельскохозяйственная статистика с основами социально-экономической статистики. М.: Финансы и статистика, 1989. 656 с.
147. Сергиенко, Л.И. Математическое моделирование в экологии // Аграрная наука, 1997, №5, с. 20-23.
148. Сергиенко, Л.И. Принципы экологизации природопользования (на примере Нижнего Повожья) // Аграрная наука, 1998, №3, с. 9-11.
149. Сергованцев, В.Т. Компьютеризация с.-х. производства / В.Т. Сергованцев М.: Колос. - 2001. - 270 с.
150. Серова, Е.В. Аграрная экономика: учебник для студентов экономических вузов, факультетов и специальностей. М.: ГУ ВШЭ, 1999. - 480 с.
151. Сидоренко, В., Попов И. Стратегия аграрных преобразований: государственное регулирование рыночных отношений // АПК: экономика, управление, 1999, №3, с. 25-33.
152. Сиротенко, О.Д. Многомерный регрессионный анализ как метод исследования связи урожая сельскохозяйственных культур с гидрометеорологическими факторами // Метеорология и гидрология, 1969, №12, с. 68-78.
153. Система ведения агропромышленного производства Вогоградской области на 1996.2010 гг. Вогоград: Комитет по печати, 1997. Ч 208 с.
154. Система ведения агропромышленного производства Вогоградской области на 1996-2010 гг. Вогоград: Комитет по печати, 1997. - 208 с.
155. Ситуация на рынке зерна, сложившаяся в 1998 году // Экономика сельскохозяйственных и перерабатывающих предприятий, 1999, №1, с. 44-46.
156. Смит, А. Исследование о природе и причинах богатства народа. Ч Петрозаводск: Петроком, 1993. 320 с.
157. Совершенствование экономического механизма, полный хозрасчет и самофинансирование предприятий АПК: сборник научных трудов. Ч Воронеж: Воронежский сельскохозяйственный институт им. К.Д. Глинки. Ч 180 с.
158. Статистика сельского хозяйства / Под ред. О.П. Замосковного, Б.И. Плешкова. М.: Финансы и статистика, 1990. 344 с.
159. Статистическая обработка и анализ экономических данных / А.В.Каплан и др..-Ростов н/Д :Феникс, 2007.-330 с.
160. Схалабан, В.Д. О возможностях расчета урожая сельскохозяйственных культур по производственным факторам // Вестник сельскохозяйственной науки, 1983, №5, с. 138-143.
161. Тарасенко, Ф.П. Непараметрическая статистика.- Томск: Изд-во Томского ун-та, 1976. 292 с.
162. Точилин, В.А., Жаринов А.В., Гуменюк В.В. и др. Моделирование и оптимизационные расчеты (применительно к агропромышленным формированиям). Киев: Наукова думка, 1986. Ч 224 с.
163. Тунеев, М.М., Сухоруков В.Ф. Экономико-математические методы в организации и планировании сельскохозяйственного производства. М.: Колос, 1977.-244 с.
164. Тюрина, Е.Б., Демьянов Н.С. Состояние зернового рынка России в 1999/2000 сельскохозяйственном году // Экономика сельскохозяйственных и перерабатывающих предприятий, 2000, №1, с. 65-68.
165. Тюрина, Е.Б. Обзор ситуации на российском рынке зерна и прогноз его развития // Экономика сельскохозяйственных и перерабатывающих предприятий, 2001, №1, с. 44-47.
166. Тырсин, А.Н. Устойчивый метод построения линейных регрессионных моделей при несимметричном распределении выбросов / А.Н. Тырсин, Д.С.Воронина // Обозрение прикладной и промышленной математики. Ч 2004, т. 11, вып. 4. С. 940-941.
167. Удовенко, Г.В., Гончарова Э.А. Влияние экстремальных условий среды на структуру урожая сельскохозяйственных растений. Ленинград: Гидрометеоиздат, 1982. - 144 с.
168. Уланова, Е.С. Агрометеорологические условия и урожайность озимой пшеницы. Ленинград: Гидрометеоиздат, 1975. - 302 с.
169. Уланова, Е. С. "Методические указания по составлению догосрочных прогнозов урожайности озимой пшеницы в основных районах ее возделывания", Л.: Гидрометеоиздат, 1997.
170. Ульман, Дж.Д. Введение в системы баз данных / Дж. Уидом, Дж.Д. Ульман.- М.: ЛОРИ, 2000. 374 с.
171. Фихтенгольц, Г.М. Курс дифференциального и интегрального исчисления. Т 3. М.: Государственное издательство физико-математической литературы, 1963. - 656 с.
172. Хансен, Г. Базы данных. Разработка и управление / Хансен, Г., Дж. Хансен. М. БИ-НОМ, 1999.-699 с.
173. Хицков, А. Совершенствовать системы кредитования аграрного сектора. // АПК: экономика, управление, 1999, №1, с. 75-78.
174. Хомоненко, А. Д. Основы современных компьютерных технологий / Учебное пособие. Под редакцией Хомоненко А. Д. Санкт-Петербург, КОРОНА принт, 1998
175. Хомяков, В.Н., Хомякова Т.В. Интервалы недостаточного, оптимального и избыточного увлажнения почвы в разные периоды вегетации озимой пшеницы и гречихи // Труды ВНИИСХМ, 1986, вып. 20, с. 19-22.
176. Четыркин, Е.М., Васильева Н.Е. Финансово-экономические расчеты. М.: Финансы и статистика, 1990. - 302 с.
177. Четыркин, Е.М., Методы финансовых и коммерческих расчетов. Ч М.: Дело ТД, 1995.-319 с.
178. Шадуев, М.Г. Период упреждения как критерий прогнозируемости экономических процессов: автореф. дисс.канд. экономич. наук. Кисловодск, 2001.-24 с.
179. Шатилов, И.С., Чудновский А.Ф. Агрофизические, агрометеорологические и агротехнические основы программирования урожая. Ленинград: Гидрометеоиздат, 1980. - 320 с.
180. Шатохина, О.И. Повышение урожайности Ч основа увеличения валового сбора зерна / О.И. Шатохина, Г.И.Хаустова, Л.А. Шатохина // Зерновое хозяйство. 2004. - №6.
181. Шредер, М. Фракталы, хаос, степенные законы. Миниатюры из бесконечного рая. Ижевск: НИЦ Регулярная и хаотичная динамика, 2001 -528 с.
182. Шутьков, А. Проблемы вывода агропромышленного комплекса из кризиса //АПК: экономика, управление, 2000, №1, с. 4-17.
183. Экономико-математические методы: Учеб. пособие. Ч М.:Финансы и статистика, 2006.- 288 с.
184. Юзбашев, М.М. Расчёт вероятностей рисков неурожая зерновых культур в Российской Федерации / М.М. Юзбашев, В.И. Кордович // Вопросы статистики.- 2007- №5.- С.59-61.
185. Murray, R. Spiegel Statistik. McGraw-Hill Book Company GmbH, 1985.-Anhang3.S. 344.
Похожие диссертации
- Повышение эффективности функционирования имущественного комплекса: маркетинговый, инжиниринговый подходы
- Повышение эффективности зернового производства в условиях рынка
- Механизмы муниципального управления предприятиями общественного сектора в сфере пассажирских перевозок
- Развитие механизмов регулирования региональных рынков жилья
- Своп-контракт как инструмент управления финансовым риском