Международный экономический форум 2015

К.э.н., Смотрова Е.Е.

Волгоградский государственный аграрный университет, Россия

Прогноз производства зерна Волгоградского региона

Среди субъектов Южного федерального округа, Волгоградская область по производству зерна и подсолнечника на протяжении последних лет находилась стабильно на третьем месте, уступая Краснодарскому краю и Ростовской области (табл. 1).

Таблица 1 – Производство продукции растениеводства в хозяйствах

всех категорий в 2013г., тысяч тонн

Регионы Южного федерального округа

Зерновые и зернобобовые

Подсолнечник

Бахчевые продовольственные культуры

510,0

126,4

6,6

Республика Калмыкия

195,5

3,3

Краснодарский край

12037,6

1165,8

87,2

Астраханская область

25,3

-

199,2

Волгоградская область

3088,5

186,7

217,2

Ростовская область

6617,0

814,2

39,0

Периодические засухи в Волгоградской области оказывают значительное влияние на динамику валового сбора зерна. Необходимо отметить, что за последнее время валовой сбор зерна стабильно находится на уровне 3,0-3,3 млн. тонн (рис. 1).

Рисунок 1. Исходный ВР валового сбора зерна в хозяйствах всех категорий, млн. тонн

Особую роль при решении важных задач в области дальнейшего планирования и улучшения организации производства приобретает прогнозирование [2].

Методы прогнозирования на основе временных рядов должны, в ситуации изменения внешних условий, в большей мере учитывать последние реализации исследуемого процесса и, здесь, наиболее эффективными оказываются адаптивные методы прогнозирования. Среди них выделяется методология Бокса-Дженкинса, не предполагающая какой-либо специальной структуры данных временных рядов и использующая интерактивный подход к определению подходящей модели среди всех допустимых моделей ARIMA (p,d,q).

С использованием научного пакета прикладной программы Statistica 6.0 модуля «Временные ряды» проведено моделирование валового сбора зерна Волгоградской области в период с 1950-2013гг. В результате, по характеру автокорреляционной и частной автокорреляционной функции и минимальным значениям критериев Акаике и Шварца подобрана модель ARIMA (0,1,1)(1,0,0) следующего вида:

                                         (1)

Анализ параметров полученной модели по t – критерию Стьюдента показал адекватность всех коэффициентов при уровне значимости α=0,05 (9,75 и 3,06). Модель адекватна, остатки нормально распределены и не автокоррелированы (рис. 2).

Рисунок 2. Графики остатков на нормальной  вероятностной бумаге

Рисунок 3. Прогноз валового сбора зерна  на 2014-2018гг.

Согласно прогнозу (рис. 3), в 2014г. ожидается увеличение производства зерна на 0,04 млн. тонн, к 2015г. наблюдается сокращение до 2,93 млн. тонн и значительное возрастание до 3,54 млн. тонн к 2016г.

Литература:

1. Мазаева Т.И. Роль производства зерна в продовольственной безопасности (на примере Волгоградской области) // Экономика и предпринимательство, 2014. № 9. С. 366-369.

2. Четыркин, Е.М. Статистические методы прогнозирования. Москва: Статистика, 1977, с. 200.

3. Эконометрика: учеб. / под ред. д-ра экон. наук, проф. В.С. Мхитаряна, Москва: Проспект, 2008, с. 384.