Научный журнал
Современные наукоемкие технологии
ISSN 1812-7320
"Перечень" ВАК
ИФ РИНЦ = 0,940

ФАКТОРНЫЕ СВЯЗИ И ПОКАЗАТЕЛИ СЕЛЬХОЗПРОИЗВОДСТВА

Мазуркин П.М.
Завершающим этапом факторного анализа является выявление бинарных отношений между факторами, в нашем случае факторами сельскохозяйственного производства. Дальнейшее развитие теории идентификации устойчивых законов позволит выявлять статистическим моделированием биотехнические закономерности и по более сложным взаимоотношениям между отдельными факторами.
факторные отношения
показатели деятельности
закономерности

Завершающим этапом факторного анализа является выявление бинарных отношений между факторами, в нашем случае факторами сельскохозяйственного производства.

Дальнейшее развитие теории иденти­фикации устойчивых законов позволит выявлять статистическим моделировани­ем биотехнические закономерности и по более сложным взаимоотношениям меж­ду отдельными факторами.

В классической теории производства используются слишком упрощенные модельнотеоретические представления, как правило, линейные закономерности, дей­ствительные только на короткие проме­жутки времени, но никак не объясняющие долговременные явления и явно нелиней­ные процессы. Причем анализ динамики эконометрических публикаций, например [1], за вторую половину ХХ века показы­вает, что постепенно ученые отказались от полиномов (чаще всего применялось квадратное уравнение, не имеющее содер­жательного смысла). Но зато возросли математические ухищрения по аппрокси­мации этими линейными моделями явно нелинейных по своей сути закономерно­стей (например, линеаризация, кусочнолинейные аппроксимации, линейные тренды с остатками и пр.).

До сих пор модельнотеоретические представления теории производства не получили четких описаний в виде матема­тически выраженных законов и законо­мерностей. Топтание на месте классиче­ской эконометрики и даже откат обратно к линейным закономерностям без учета нелинейности моделей объясняется тем, что современная математическая стати­стика оперирует законом больших чисел и законом нормального распределения (законом Гаусса-Лапласа) независимых величин.

Математическая статистика оказалась действенной в технических науках, но да­же там не может справиться с взаимозави­симыми факторами. Математики любят приводить классический пример с измере­ниями диаметра вала, но просто забыва­ют, что с учетом изменения свойств изме­ряющего человека (усталость во времени, начало, середина или конец смены и пр.) распределение диаметра вытачиваемых валов становится ненормальным, то есть не подчиняющимся закону ГауссаЛапласа. Поэтому классическая статисти­ка во многом бессильна изза слепого подражания методам классической выс­шей математики.

Если в конце XIX века был безогово­рочный диктат математики над статисти­кой, то в начале ХХ! века пришло неосоз­нанное понимание безысходности такой доктрины. В ближайшие годы будет осоз­нанный переворот: статистика станет пер­вой, а математика второй по научнопрактической значимости [25].

Чтобы лучше был понятен процесс выявления связей между зависимыми друг от друга факторами производства (что является принципиально новым) приведем некоторые термины и их определения.

Объясняющая переменная  перемен­ная, которая объясняет причинные связи в явлении или процессе (относится к экзо­генным факторам).

Значение переменной  количествен­ное или качественное выражение отличи­тельной характеристики.

Показатель  оценочная переменная, которая характеризует следствие, то есть оценивает выходной результат функцио­нирования эргатической (то есть объекта исследования с включением человека) системы.

Отсюда следует, что общее число пе­ременных в моделях равно сумме пара­метров модели, объясняющих перемен­ных и показателей. Исследователь пре­вращает некоторые переменные в пара­метры только вследствие недостаточно­сти априорных и апостериорных знаний. Поэтому параметры модели, соответст­венно коэффициенты и эмпирические ко­эффициенты, имеют реальный прямой и косвенный смысл. Каждое число в мате­матической модели  это не просто «число» как счетная единица, а число со смыслом как «вещь в себе».

Целевой показатель  оценочная пе­ременная, полученная на основе про­граммноцелевых исследований целей и прогнозных сценариев будущих состоя­ний экономической или иной системы.

Плановый показатель  оценочная переменная, по которой для эргатической системы, то есть для системы с включени­ем людей (например, сельскохозяйствен­ное предприятие), устанавливают плано­вые задания.

Директивный показатель  оценоч­ная переменная, значение которой кон­тролируется вышестоящими по иерархии эргатическими системами. Оптимальной является ситуация, когда целевые, плано­вые и директивные показатели совпадают по номенклатуре и значениям на одинако­вый период упреждения производствен­ной деятельности. В реальных условиях эти множества взаимно пересекаются и расходятся друг от друга все больше при повышении неадекватности системы управления.

Собственный показатель  оценоч­ная переменная, используемая для описа­ния поведения только данной конкретной эргатической системы.

Для множества однородных эргатических систем общее множество составляет­ся объединением (дизъюнкцией) конкрет­ных множеств собственных показателей. Они характеризуют, как правило, внут­реннее функционирование системы и, как правило, не относятся к директивным и плановым показателям (частично отно­сятся к целевым показателям).

Для бинарных отношений [6] берутся первичные и производные от них дейст­венные факторы. Производные от не­скольких первичных факторов перемен­ные исключаются.

Например, в работе [7, с.147] был предложен фактор производственный потенциал. Однако он вычислен как средневзвешенное значение от четырех факторов производства: балла оценки сельскохозяйственных угодий (СХУ); удельной стоимости основных производ­ственных фондов (УОПФ) на единицу площади СХУ; удельных материальноденежных затрат (УМЗ) на единицу пло­щади СХУ; удельного персонала, то есть среднегодовой численности работников на единицу площади СХУ. Все эти четы­ре фактора присутствуют в табл. 1, по­этому искусственный фактор под названием «производственный (ресурсный) потенциал» исключается из  множества учитываемых переменных.

В табл. 1 приведены следующие ус­ловные обозначения: Δmax  максимальная относит ельная погрешность статистиче­ской модели от фактических значений фактора в одной точке; K∂max  максималь­ный коэффициент динамичности во мно­жестве субъектов производства и произ­водственных отношений; Фmin  минималь­ное количественное значение переменного фактора; Фmах  максимальное количест­венное значение фактора; d - размах значе­ний фактора, причем d = Фmaxmin.

Из списка переменных исключены также те производные факторы, напри­мер, «удельный персонал», которые име­ли более сложные по сравнению с первич­ными факторами модели рангового рас­пределения. Исключены из списка пере­менных ранговые факторы производства. Модели ранговых распределений вполне позволяют отобрать группу переменных факторов, участвующих в поиске моделей взаимосвязи.

По схеме [6] в табл. 2 приведена квад­ратная матрица для анализа бинарных отношений между всеми 11 переменны­ми величинами.

Взаимосвязь фактора от самого себя определяется ранговым распределением, то есть монарным отношением.

По всем монарным и бинарным соче­таниям факторов сельскохозяйственного производства были получены статистиче­ские закономерности


Взаимосвязь фактора от самого себя определяется ранговым распределением, то есть монарным отношением.

По всем монарным и бинарным соче­таниям факторов сельскохозяйственного произво дства были получены статистиче­ские закономерности.

Хотя в экономической литературе немало сведений о влиянии тех или иных факторов на другие, однако предполо­жим, чт о пусть мы не знаем содержание всех клеток бинарных отношений типа Фi = f(Фj), где i (по строкам) и j (по столб­цам)-номера переменных факторов, участвующ их в бинарных отношениях.

В каждую клетку табл. 2 можно по­местить формулу и графики, полученные по данным табл. 3 в программной среде CurveExpert1.3.

Теперь можно определиться с уров­нями коэффициента корреляции. На рис. 1 приведены шесть случаев по уров­ням адекватности полученных биотехни­ческих закономерностей: а) коэффициент корреляции трендов не меньше 0,500; б) не менее 0,600; в) от 0,700 и выше; г) от 0,800 и более; д) от 0,900 и более; е) равный 1,000.


 

Рис. 1. Распределение коэффициента корреляции трендов по уровням значимости: а) коэффициент корреляции трендов не меньше 0,500; б) не менее 0,600; в) от 0,700 и выше; г) от 0,800 и более; д) от 0,900 и более; е) 1,000

Таким образом, для одного сельского района будет составлена математическая модель, включающая в себя 121 формулу. В работе [6] указывается, что для описа­ния экономики страны требуется до 3000 эмпирических моделей, встроенных в общую экономикоматематическую мо­дель. Для России мощность комплекса статистических моделей будет равна 121 * (количество сельских районов + 88 субъектов федерации + 7 федеральных округов + 1 страна в целом). Всё это мно­жество «портретов поведения» сельского хозяйства можно разделить по природноэкономическим, дорожноклиматическим и иным зонам.

При этом каждый сельский район по­лучит свою специфическую матрицу типа табл. 2. Однако многие сельские районы из различных субъектов Российской Фе­дерации будут иметь примерно одинако­вые «портреты поведения». Группируя их, можно составить типизацию произ­водственных отношений (то есть типов стиля производственного поведения) сре­ди сельхозпредприятий в сельских рай­онах. Таковы вкратце перспективы при­менения матриц типа табл. 2, со своими трендами по всем клеткам, которые могут быть помещены в различные вычисли­тельные программы (имитационные моде­ли), например, для точного прогнозирова­ния на следующий год возможностей и результатов сельской деятельности.

Из схем на рис. 1 е видно, что макси­мальную адекватность имеют взаимосвя­зи УКВ = f(Q) и Q = /(УКВ) по следую­щим формулам статистических законо­мерностей (рис. 2):

По схеме на рис. 1 е одинаковый коэффициент корреляции 0,995 получили два фак­тора по ранговым распределениям своих значений (рис. 3): а) основные производственные фонды (Ф04)

б) квоты, то есть нормы продаж сельхозпродукции (Ф06)

где rопф, rкв  ранги значений факторов производства, расставленные по предпорядку предпочтительности (по возрастания ОПФ и убыванию КВ, по вектору ухудшения).

 
Примем норму адекватности по коэффициенту корреляции (точнее было бы по коэффициенту корреляционного отношения), например выше уровня 0,900. Тогда по схеме на рис. 1д получим следующие значимые бинарные отношения парных взаимосвязей факторов производства по убыванию    коэффициента    корреляции  (рис. 4  8).

 

Статистические закономерности бинарных отношений факторов, полученные на основе применения устойчивых законов, как правило, всегда отличаются от простей­ших линейных зависимостей. После идентификации биотехнического закона [25] получены:

 

Формула (5) позволит районной информационноаналитической службе реко­мендовать выделение квот на продажу продукции по численности персонала сельхоз­предприятий.

Одновременно на предприятиях повысится качество управления персоналом. Взаимное влияние материальноденежных затрат и квот определяется уравнениями:



Если квоты известны по (5), то, подставляя результаты вычислений в формулу (8), можно получить объем возможных материальноденежных затрат по сельхоз­предприятиям.

 

Можно определить материальноденежные затраты через численность персонала, так как в принятие квот могут вмешаться личные связи. Для этого получены формулы (действительны только для конкретного сельского района результатам прошлого учет­ного периода):

Интерес представляют взаимные связи между квотами и их удельными величинами на единицу площади СХУ. Получены формулы статистических закономерностей:

В этих формулах (11) и (12) могут быть скрыты профессиональные тайны тех, кто принимает решения о тех или иных квотах на основе удельных квот, зависящих от объ­ема товарной сельхозпродукции.

 

Для бинарных связей между родственными факторами производства (квоты  это предполагаемая еще до проведения сельскохозяйственных работ на будущее цикла вос­производства товарной продукции) получены уравнения (рис. 8):

Таким образом, трендовые законо­мерности однотипны и содержат две составляющие:

-      постоянный член, показывающий уровень не влияния того или иного фак­тора, то есть при возможном теоретиче­ски нулевом значении объясняющей переменной;

-      переменный по биотехническому закону (или его частным случаям) член закономерности, показывающий непо­средственное    влияние    объясняющей переменной на фактор, принятый как показатель.

С учетом формул (1) и (2) показателя­ми сельхозпроизводства на уровне сель­ского района могут стать факторы УКВ, Q, КВ, N и МЗ по убыванию коэффициен­та тесноты взаимной связи (корреляции, а лучше считать корреляционное отноше­ние). В дальнейшем необходимо много­факторное моделирование указанных по­казателей сельхозпроизводства.

Предлагаемая методология факторно­го анализа позволит повысить качество экономического управления сельским хо­зяйством на различных уровнях админи­стрирования. В особенности предложен­ная методология будет значимой на уров­не управления сельхозпредприятиями сельского района.

СПИСОК ЛИТЕРАТУРЫ:

1.   Математическое моделирование эконо­мических процессов в сельском хозяйстве / А.М. Гатаулин, Г.В. Гаврилов, Т.М. Сорокина и др.; под ред. А.М. Гатаулина.  М.: Агропромиздат, 1990.  432 с.

2.   Мазуркин, П.М. Геоэкология: Законо­мерности современного естествознания: На­учное изд. / П.М. Мазуркин.  ЙошкарОла: МарГТУ, 2006.  336 с.

3.      Мазуркин, П. М. Закономерности загрязнения   природы   /   П.М.   Мазуркин,Е.А. Щербакова: Научное издание.  Йошкар-Ола: МарГТУ, 2002.  62с.

4.     Мазуркин, П.М. Математическое моделирование. Идентификация однофакторных статистических закономерностей: Учебное
пособие / П.М. Мазуркин, А.С. Филонов. ЙошкарОла: МарГТУ, 2006.  292 с.

5.       Мазуркин, П. М. Статистическая эко­нометрика: Учебное пособие / П.М. Мазуркин.  ЙошкарОла: МарГТУ, 2006.  376 с.

6.       Саати, Т. Принятие решений: Метод анализа иерархий: Пер. с англ. / Т. Саати. М.: Радио и связь, 1993.  320 с.

7.       Шлычков, В.В. Теоретикометодо­логические аспекты управления ресурсным потенциалом региона / В.В. Шлычков, А.Д. Арзамасцев, Е.П. Фадеева.  Йошкар-Ола: МарГТУ, 2007.  390 с.

Статья опубликована при поддержке гранта 3.2.3/4603 МОНРФ


Библиографическая ссылка

Мазуркин П.М. ФАКТОРНЫЕ СВЯЗИ И ПОКАЗАТЕЛИ СЕЛЬХОЗПРОИЗВОДСТВА // Современные наукоемкие технологии. – 2009. – № 7. – С. 42-52;
URL: https://top-technologies.ru/ru/article/view?id=26493 (дата обращения: 29.03.2024).

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

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