Содержание к диссертации
Введение
1 Государственное регулирование и особенности прогнозирования развития аграрного предпринимательства 12
1.1 Государственное регулирование предпринимательской деятельности в аграрном секторе экономики 12
1.2 Теоретические аспекты прогнозирования 32
1.3 Особенности прогнозирования аграрного предпринимательства 46
2 Методические основы прогнозирования развития аграрного предпринимательства в Ленинградской области 56
2.1 Тенденции развития регионального аграрного предпринимательства . 56
2.2 Методы прогнозирования развития аграрного сектора региона 76
2.3 Проблемы методического обоснования прогнозирования развития аграрного предпринимательства 87
3 Комплекс моделей сквозного прогнозирования развития аграрного предпринимательства как основа принятия управленческих решений ..105
3.1 Технология сквозного прогнозирования развития аграрных предпринимательских структур 105
3.2 Методические рекомендации по построению и использованию комплекса дискретно-динамических матричных моделей сквозного прогнозирования развития аграрного предпринимательства 116
3.3 Прогноз развития аграрного предпринимательства в Ленинградской области 131
Заключение 146
Литература 150
- Государственное регулирование предпринимательской деятельности в аграрном секторе экономики
- Тенденции развития регионального аграрного предпринимательства
- Проблемы методического обоснования прогнозирования развития аграрного предпринимательства
- Технология сквозного прогнозирования развития аграрных предпринимательских структур
Введение к работе
Актуальность темы исследования. В настоящее время в современной российской экономической действительности одной из самых сложных проблем, стоящей перед государственными управленческими структурами различного уровня, начиная с регионального и выше, является проблема повышения эффективности управления сельскохозяйственным сектором экономики.
Особенно актуальными проблемы повышения эффективности управления АПК и предпринимательской деятельности в АПК становятся в условиях вступления России в ВТО, так как в ближайшем будущем отечественным сельскохозяйственным товаропроизводителям придется конкурировать с продукцией эффективных сельскохозяйственных предпринимательских структур развитых стран.
Все последние двадцать лет государство ищет способы поддержки отечественного сельского хозяйства в условиях рыночной экономики, пути повышения эффективности предпринимательской деятельности в этой отрасли и конкурентоспособности отечественной сельскохозяйственной продукции. Из последних крупномасштабных программ по поддержке и развитию сельского хозяйства в Российской Федерации следует отметить приоритетный национальный проект «Развитие АПК» 2006-2008 гг. и две Государственные программы развития сельского хозяйства и регулирования рынков сельскохозяйственной продукции, сырья и продовольствия — на 2008-2012 гг. и на 2013-2020 гг.
Несмотря на принимаемые правительством меры, эффект от реализации подобного рода программ часто оказывается незначительным. Это во многом объясняется тем, что при принятии управленческих решений в сфере сельского хозяйства часто не учитывается специфика аграрного сектора, связанная со сложной системой межпроизводственных и межпродуктовых связей внутри одной отрасли.
Повышение эффективности управления развитием аграрного сектора предполагает повышение качества планирования базой, которой является прогнозирование. Образуется единая целостная последовательность элементов, которые связаны как методологически, так и информационно: прогнозирование – планирование – управление.
Традиционные методы прогнозирования в агарном секторе экономики не обеспечивают возможность учета всего комплекса внутриотраслевых связей.
Одним из возможных способов повышения качества прогнозирования развития агарного сектора экономики является использование комплексов дискретно-динамических матричных моделей сквозного прогнозирования, которые с помощью матриц межпродуктового баланса позволяют рассчитывать совокупные затраты на продукцию отраслей, т.е. позволяет учитывать косвенные связи всех порядков между отраслями.
Результаты исследования показали, что существующие традиционные методики прогнозирования рассчитаны на построение прогноза развития АПК, в т.ч. предпринимательской деятельности, на уровне страны в целом. Данные рекомендации не могут использоваться при построении прогнозов развития сельскохозяйственного сектора экономики региона.
В настоящий момент практически отсутствуют методические рекомендации по построению прогнозов развития регионального АПК. В ряде документов, касающихся прогнозов социально-экономического развития региона в целом, существуют разделы с узким перечнем прогнозных показателей развития аграрного производства.
В этих условиях необходимы новые подходы к прогнозированию регионального АПК и аграрного предпринимательства, направленные на повышение качества планирования развития данных сфер, что делает весьма актуальным исследование всего комплекса вопросов, касающихся прогнозирования развития предпринимательской деятельности в аграрном секторе экономики. Эти вопросы представляют не только теоретический, но и практический интерес.
Степень изученности проблемы. Теоретическим и практическим вопросами исследования различных форм и видов предпринимательства посвящены работы зарубежных и отечественных учёных: Л.И. Абалкина, И. Ансоффа, А.И. Асаула, И.П. Астахова, А.М. Виленского, О.М. Виханского, Е.П. Голубкова, О.А. Грунина, А.И. Добрынина, П.Н. Завьялова, В.С. Кабакова, Б.А. Калтынюка, Л.А. Косолапова, С.Н. Максимова, М. Портера Г. Саймона, Л.А. Трофимовой, И.П. Фаминского и других.
Вопросы прогнозирования, а также применения математических методов в прогнозировании рассматриваются в работах отечественных и зарубежных авторов, таких, как: А.Г. Аганбегян, Л.Е. Басовский, И.В. Бестужев-Лада, С.М. Вишнев, В.П. Герасенко, В.В, Глущенко, Е.Г. Гольштейн, А.Г. Гранберг, Дж. Данциг, Т.А. Дубова, В.А. Дудкин, Б.Н. Кузык, Т.Г. Морозов, В.Н. Мосин, Л.В. Канторович, В.А. Лисичкин, А.А. Лихачев, И.В. Липсиц, Н.А. Орехов, В.А. Парфенова, Н.Н. Погостинская, А.В. Пикулькин, М. Мескон, Дж. Нейман, Д. Норт, Е.М. Четыркин, Д.Е. Эдельгауз.
Прогнозирование непосредственно в агропромышленном комплексе рассматривали в своих трудах: А.А. Никонов, И.М. Башкиров, В.М. Гатаулин, В.В. Денисов, Е.В. Серова, В.А. Кардаш, В.А. Клюкач, А.В. Саакян, В.В. Сухоруков, С.Б. Огнивцев, К.П. Личко, П.П. Пастернак, Дж. Торнли, М.М. Тунеев, Н.И. Холод, Дж. Франц, Н.В. Чепурных, М.М. Юзбашев и др. авторы.
Научный вклад указанных авторов в исследовании поставленной проблемы значителен, но ряд вопросов научно – методического характера, связанных с прогнозированием развития АПК и аграрного предпринимательства, в т.ч. с применением модельного метода, не получил до сих пор достаточно полного решения, что определили выбор темы диссертационного исследования.
Разработка и реализация данных подходов к прогнозированию предпринимательской деятельности позволяет повысить эффективность управления региональным сельскохозяйственным сектором экономики и уровень конкурентоспособности аграрных предпринимательских структур различного вида.
Актуальность проблемы, а также недостаточная теоретическая, методическая и практическая разработанность многих ее аспектов определили выбор объекта и предмета настоящего диссертационного исследования и повлияли на постановку его целей и задач.
Объектом исследования является процесс функционирования и развития предпринимательских структур в агарном секторе экономики Ленинградской области.
Предметом исследования являются управленческие отношения, возникающие в процессе прогнозирования развития предпринимательских структур в аграрном секторе экономики.
Цель и задачи исследования. Цель исследования состоит в разработке теоретических подходов и методических рекомендаций по разработке прогнозов развития предпринимательской деятельности в аграрном секторе.
Реализация этой цели вызвала необходимость решения следующих задач:
рассмотреть теоретические аспекты особенностей прогнозирования развития аграрного предпринимательства;
выявить основные тенденции развития аграрного предпринимательства в Ленинградской области;
проанализировать имеющийся опыт построения прогнозов развития аграрного предпринимательства в Ленинградской области, выявить наиболее перспективные направления повышения качества таких прогнозов и принимаемых на их основе управленческих решений;
разработать комплекс дискретно-динамических матричных моделей сквозного прогнозирования развития аграрного предпринимательства;
разработать методические рекомендации по применению комплекса матричных моделей как инструмента повышения эффективности управления развитием аграрных предпринимательских структур;
на основе разработанного комплекса матричных моделей построить прогноз развития аграрного предпринимательства в Ленинградской области на каждый год перспективы с различными заданными уровнями надежности.
Теоретическая и методологическая база исследования. Диссертационное исследование основывается на классических и современных научных работах отечественных и зарубежных ученых. При выполнении работы использовались общенаучные методы познания: диалектический, абстрактно-логический, сравнительный, функциональный и структурно-уровневый методы исследований, методы системного анализа и синтеза. Кроме этого, в соответствии с кругом исследуемых вопросов в работе применялись методы теории вероятности и математической статистики, матричные методы, методы математического программирования и системного математического моделирования экономических процессов.
Информационную базу исследования составили аналитические обзоры, статистические данные Федеральной службы государственной статистики, Комитета по агропромышленному и рыбохозяйственному комплексу Ленинградской области, справочные и нормативные материалы по агропромышленному комплексу, периодические издания по изучаемой тематике, материалы монографий, публикации в зарубежном и российском сегменте Интернета.
Область исследования соответствует требованиям паспорта научной специальности ВАК: 08.00.05. Экономика и управление народным хозяйством: экономика предпринимательства: 8.13. Стратегическое планирование и прогнозирование предпринимательской деятельности.
Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка использованной литературы, приложений.
Государственное регулирование предпринимательской деятельности в аграрном секторе экономики
Развитие сельского хозяйства в этот период шло медленнее, чем развитие пищевой и перерабатывающей промышленности, использующей импортное сырье, объем поставок которого растет быстрее, чем внутреннее производство. Главными целями при реализации программы 2008–2012 стали:
1. Устойчивое развитие сельских территорий, повышение занятости и ровня жизни сельского населения.
2. Повышение конкурентоспособности российской сельскохозяйственной продукции.
3. Сохранение и воспроизводство используемых в сельскохозяйственном производстве земельных и других природных ресурсов. По прогнозам Министерства сельского хозяйства среднегодовой рост объема продукции сельского хозяйства за 5-летний с 2008 года по 2012 год должен был составить около 4 процентов. Для реализации поставленных целей и задач Программы 2008–2012 предусматривалось выделение из федерального бюджета 551,3 млрд. рублей (см. табл. 1.1). Кроме этого, по прогнозам положительное влияние на рост объемов производства продукции сельского хозяйства должно было оказать увеличение инвестиций. В результате реализации Программы 2008-2012 рост объемов производства мяса и молока должен был к 2012 году увеличить долю российского производства в формировании ресурсов мяса до 70 %, молока — более 81 процента. Предполагалось увеличить среднедушевое потребление мяса и мясопродуктов в пересчете на мясо с 55 кг в 2005 году до 73 кг в 2012 году молока и молокопродуктов в пересчете на молоко — с 235 до 261 кг.
Доходы работников сельскохозяйственных организаций к 2012 году должны были повыситься относительно 2006 года в 2,5 раза.
Таким образом, в результате реализации Программы 2008-2012 базовые показатели социально-экономического развития сельского хозяйства должны были существенно улучшиться (см. табл. 1.2).
Оценка успешности реализации Программы 2008–2012 может быть осуществлена путем сравнения запланированных значений целевых индикаторов с фактически достигнутыми.
Принятые меры, а также сложившиеся благоприятные погодные условия в ряде регионов позволили в 2011 г. получить прирост продукции сельского хозяйства (в сопоставимых ценах) в размере 22,1 % к уровню, сложившемуся в 2010 г, что значительно больше, чем предусматривалось Государственной программой, и полностью восстановить ее снижение в неблагоприятном 2010 г. Индекс продукции растениеводства составил 147,2 %. Такой прирост стал возможным как за счет некоторого увеличения убранных площадей, так и повышения урожайности сельскохозяйственных культур (см. рис. 1.3).
Составлено автором Рисунок 1.3 — Динамика выполнения плана по индексам производства и инвестициям
Основные усилия в 2011 г. были направлены на преодоление последствий неблагоприятных погодных условий для сельскохозяйственных культур в 2010 г.
В результате, валовой сбор зерна в стране в 2011 г. составил 94,2 млн т, что на 9 млн т больше, чем в среднем за предыдущие пять лет.
Следует также отметить положительную динамику роста посевных площадей, урожайности и валового сбора сахарной свеклы, урожайности семян подсолнечника, картофеля и овощей.
В животноводстве тоже наблюдался прирост продукции, но всего на 1,5%, в результате он оказался ниже программного значения индикатора на 3,5 процентных пункта (см. рис. 1.3). В значительной мере невыполнение количественного значения этого индикатора связано с отставанием в развитии скотоводства.
Впервые за годы реализации Программы был обеспечен прирост физического объема инвестиций в основной капитал в сельском хозяйстве, который составил 17,5% при целевом показателе 8,5% (см. рис. 1.3). Во многом это связано с ростом объема привлеченных инвестиционных кредитов, а также некоторым улучшением финансового положения сельскохозяйственных товаропроизводителей.
Прирост продукции сельского хозяйства в 2011 г. был достигнут в основном за счет деятельности сельскохозяйственных организаций и крестьянских (фермерских) хозяйств, при ее сокращении в хозяйствах населения. В результате в структуре продукции сельского хозяйства удельный вес сельскохозяйственных организаций возрос в 2011 г. по сравнению с 2010 г. на 3,2 процентных пункта, в крестьянских (фермерских) хозяйствах — на 1,8, в хозяйствах населения снизился — на 5 процентных пунктов (см. рис. 1.4).
Тенденции развития регионального аграрного предпринимательства
Ленинградская область — субъект Российской Федерации, расположенный на северо-западе европейской части страны. Площадь территории Ленинградской области составляет 85,9 тыс. км2. С запада на восток область протянулась на 450 км, а наибольшая протяжённость с севера на юг составляет 320 км.
В состав Ленинградской области входят 17 муниципальных районов и один городской округ. В области проживает 1,7 млн чел., из них 599 тыс. или 35% составляют сельские жители.
Ленинградская область является одним из самых динамично развивающихся регионов России. Темпы роста валового регионального продукта (ВРП) в Ленинградской области превышают темпы роста по России в целом. Это же соотношение наблюдается и в динамике индекса физического объема валовой добавленной стоимости сельского хозяйства (см. рис. 2.1). Свидетельством относительно высокой эффективности производства В АПК Ленинградской области может служить соотношение объемов производимой продукции и имеющихся ресурсов (см. табл. 2.1).
В состав агропромышленного комплекса Ленинградской области входят 540 крупных и средних предприятий различных форм собственности, из них 264 — сельскохозяйственные организации, 5 комбикормовых заводов, 123 предприятия пищевой и перерабатывающей промышленности; научные и обслуживающие организации; 796 работающих крестьянских (фермерских) хозяйств и 104,2 тыс. личных подсобных хозяйств населения
Сельскохозяйственное производство в области вследствие расположенного в непосредственной близости Санкт-Петербурга имеет ярко выраженную пригородную специализацию, при этом ведущими отраслями являются молочно-мясное животноводство, картофелеводство и овощеводство.
Климат Ленинградской области — атлантико-континентальный: с умеренно холодной зимой и нежарким влажным летом. Поступление солнечной радиации в течение года очень неравномерное. Вся территория области относится к зоне избыточного увлажнения, поэтому большая часть полученного ею тепла идет на испарение. На прогрев почвы и воздуха расходуется небольшая его доля.
Территорию Ленинградской области подразделяют на пять агроклиматических районов (см. рис. 2.2), выделяя подрайоном прибрежную часть Финского залива.
Первый агроклиматический район (I) — самый холодный, охватывает северо-восток и восток области. Второй агроклиматический район (II) — умеренно теплый, занимает центральную часть области. Третий агроклиматический район (III) охватывает Карельский перешеек, за исключением неширокой полосы, примыкающей к Финскому заливу. Четвертый агроклиматический район (IV) занимает западную часть области. Пятый агроклиматический район (V) — самый теплый, охватывает юго-западную часть области. Подрайон V1 занимает полосу вдоль побережья Финского залива шириной 10–15 км [43].
Значительное влияние на расположение и эффективность сельского хозяйства оказывают характерные для того или иного района почвы.
На территории области в основном образуются почвы подзолистого типа, однако особый интерес представляют дерново-карбонатные почвы, не похожие на зональные почвы подзолистого типа. Эти почвы, встречающиеся в Волосовском, Гатчинском, Ломоносовском и Кингисеппском районах,
Дерново-карбонатные почвы обладают более высоким плодородием, чем дерново-подзолистые, но и они требуют специальных приемов агротехники и системы удобрений для получения высоких и устойчивых урожаев.
На размещение и специализацию сельскохозяйственного производства значительное влияние оказывает и главный экономические фактор — близость к Санкт-Петербургу.
Можно предположить, что в силу агроклиматических и экономических факторов сельскохозяйственное производство в восточных и северовосточных районах области будет развито относительно слабо.
Проверить это предположение можно с помощью многомерной группировки. С целью снижения размерности и выявления групп однородных районов был проведен кластерный анализ и построена многомерная классификация 17 районов Ленинградской области.
Классификация проводилась на основе системы из 14 статистических показателей с помощью иерархического алгоритма кластерного анализа с использованием Евклидова расстояния. Построение кластеров проводилось методом Уорда, при разбиении совокупности на 4 группы и расстоянии 150 000 (см. рис. 2.3).
Проблемы методического обоснования прогнозирования развития аграрного предпринимательства
При прогнозировании развития аграрного предпринимательства, равно как и при составлении иных прогнозов, на первое место ставится проблема качества прогнозирования, способы его измерения и пути повышения.
Качество прогноза связывается прежде всего с его надежностью. Надежность прогноза в свою очередь можно определить через вероятность реализации соответствующей прогнозируемой величины — чем она выше, тем выше и надежность прогноза, а значит и его качество. Вероятность же реализации тесно связана с доверительным интервалом прогноза.
В настоящее время находит применение широкий спектр способов измерения качества прогнозов. Рассмотрим основные методы оценки качества прогнозов, которые можно применить при прогнозировании развития агропромышленного комплекса.
В работе [109] Г. Тейл предложил использовать в качестве меры качества прогноза коэффициент расхождения, который рассчитывается по формуле (1): где Pt — предсказанное изменение переменной; А,— фактическое изменение переменной.
Этот показатель вполне применим в качества меры надежности прогноза и нашел свое применение в ряде работ [117,60].
Другие исследователи [122] решение проблемы повышения надежности прогнозов сводят к составлению большого количества вариантов прогноза, при этом надежным считается вариант, в котором выявляется высокая эффективность в сочетании с наиболее высокой вероятностью реализации каждого варианта. При этом риски и последствия для каждого варианта предлагается оценивать с помощью специальных методов [122, с. 26]. Представляется целесообразным использовать для характеристики точности экономических расчетов обычные статистические методы оценки значений параметров. Такими параметрами, как правило, являются среднее арифметические значение искомой величины и среднее квадратическое отклонение. При это в результате расчетов всегда будет получен интервал с определенными предельными границами.
Надежность расчёта определяется степенью вероятности того, что рассчитанное результативное значение не будет выходить за пределы данного интервала.
При составлении прогнозов из множества имеющихся методов прогнозирования выбирают тот, который более адекватен исследуемой проблеме. При этом возникает множество альтернативных способов выбора исходной информации, множество путей дальнейших вычислений. В результате при решении каждой прогностической задачи можно выделить три вида погрешностей — минимальную, максимальную и оптимальную.
Минимальная погрешность является неизбежной, так как использование даже самых современных и совершенных методик расчета в большинстве случаев сопровождается невозможностью получения абсолютно точного результата.
Максимально допустимая погрешность в свою очередь определяет пороговое значение результата, после которого его применение становится бессмысленным, а дальнейшее возрастание ошибки приводит к получению диаметрально противоположенного результата.
Между этими крайними точками лежит диапазон возможных расчетов с разной точностью. Как правило, повышение точности и надежности прогноза требует дополнительных затрат на сам процесс построения прогноза, однако эти дополнительные затраты компенсируются снижением потерь при использовании результатов расчета. При составлении прогнозов развития аграрного производства многие исследователи предпочитают ориентироваться на более надежные, но менее высокие значения прогнозируемых параметров [3].
В работе [122, с. 245] предлагается выделить шесть классов надежности для экономических показателей, отличающихся друг от друга по величине доверительной вероятности. Предложенная классификация представлена в таблице 1.6. Таблица 2.4 — Классы надежности для экономических показателей
Переход на вероятностные расчеты предполагает невозможность достижения 100%-ой надежности в расчетах. Поэтому во многих исследованиях [52, 122 и др.] поддерживается позиция в соответствии с которой в экономике требуется создать систему резервирования и избыточности, а также покрытия ущерба от неточных прогнозов. Таким образов, устойчивое развитие может быть достигнуто за счет создания стабилизирующих запасов или в виде резервных недогруженных мощностей, или в виде резервных запасов готовой продукции.
Весьма актуальным является также вопрос представления и применения результатов прогнозирования. Прогнозируемые показатели могут и должны быть показаны в виде набора возможных вариантов с заданной степенью надежности их осуществления и определенными границами доверительного интервала. Принятие решений при таком порядке представления результатов прогнозирования должно осуществляться при наличии целого спектра возможных направлений развития аграрного предпринимательства в регионе.
Если же рассматривать конкретно проблемы методического обоснования прогнозировании развития аграрного предпринимательства в Ленинградской области, то делать какие-либо выводы о методике, на основании которой строятся прогнозы развития АПК Ленинградской области в целом и ее аграрного предпринимательства в частности достаточно сложно, что объясняется двумя причинами.
Во-первых, как было указано выше, данная методика либо не существует, либо не опубликована в открытом доступе, поэтому судить о ней можно только по косвенным данным.
Во-вторых, сам прогноз развития регионального АПК тоже не опубликован в открытом доступе.
Первая причина достаточно полно изложена в предыдущем подразделе, теперь рассмотрим подробнее вторую причину.
Анализ имеющейся открытой информации показывает, что прогнозы развития именно аграрного сектора экономики Ленинградской области тоже отсутствуют, по крайней мере, в свободном доступе. Вместо этого некоторые прогнозные значения показателей развития аграрного производства включены в качестве одного из разделов в ряд документов, касающихся прогнозов развития всей области в целом.
Во-первых, к таким документам можно отнести разработанную по заказу Правительства области в 2012 году «Программу социально-экономического развития Ленинградской области на 2012–2016 годы». В данной программе есть несколько показателей, относящихся к аграрному сектору (см. табл. 2.5).
Технология сквозного прогнозирования развития аграрных предпринимательских структур
Применение информационной технологии разработки комплексов сквозных матричных дискретно-динамических моделей, концептуальные основы которой была разработана на кафедре экономико-математических методов и статистики Санкт-Петербургского государственного аграрного университета под руководством доктора экономических наук, профессора П.П. Пастернака [91] позволит, на наш взгляд, учесть специфику аграрного сектора экономики, связанную со сложной системой межотраслевых связей.
Реализация данной технологии предполагает выполнение ряда этапов, суть и последовательность выполнения которых зависят определяются спецификой решаемой задачи. Технология, адаптированная для целей настоящего исследования предполагает выполнение девяти этапов (см. рис. 3.1).
Первый этап — формирование информационной базы. В состав информационной базы включаются нормативно-справочные данные, ряды динамики по урожайности сельскохозяйственных культур, продуктивности сельскохозяйственных животных, валовой и конечной продукции отраслей сельского хозяйства, площади и продуктивности сельскохозяйственных угодий.
Второй этап — составление балансов межотраслевых связей сельского хозяйства. Балансы составляются для каждого года, входящего в базу прогнозирования. Если, имеющейся информационной базы недостаточно для построения балансов межотраслевых связей, то следует определить дополнительный перечень исходных данных и вернуться на первый этап для корректировки информационной базы.
Третий этап — расчет матриц прямых межпродуктовых затрат для каждого года, входящего в информационную базу.
Четвертый этап — расчет матриц совокупных межпродуктовых затрат с помощью матриц прямых материальных затрат, составленных на предыдущем этапе [77].
Пятый этап — проверка точности построенных матриц совокупных межпродуктовых затрат. Для проверки точности необходимо умножить каждую матрицу совокупных материальных затрат на вектор-столбец конечной продукции. Полученное расчетное значение валовой продукции сравнивается с фактической величиной валовой продукции по каждому году.
По результатам сравнения делается вывод о пригодности или непригодности построенных матриц совокупных материальных затрат к использованию в дальнейших расчетах.
Если построенные матрицы совокупных межпродуктовых затрат непригодны для дальнейшего использования, то необходимо внести соответствующие изменения в информационную базу (первый этап) или проверить процесс составления балансов межпродуктовых связей отраслей сельского хозяйства (второй этап).
Шестой этап — расчет одномерных прогнозов объема конечной продукции, численности населения региона, площади сельскохозяйственных угодий и коэффициентов прямых межпродуктовых затрат.
Модели одномерного прогнозирования показателей строятся на основе экстраполяции по тренду.
В том случае, когда ряды динамики, входящие в состав базы прогноза, требуют предварительной обработки, возможен возврат на первый или пятый этап для корректировки данных.
Седьмой этап — расширение базы прогноза за счет значений, полученных на предыдущем этапе.
После выполнения седьмого этапа следует переход на шестой этап, на котором все вычисления повторяются заново, но уже с расширенной базой прогнозирования.
Расчеты по шестому и седьмому этапам проводятся заново для каждого года перспективы.
Восьмой этап — построение сквозного прогноза развития аграрного сектора экономики региона.
Построенные одномерные прогнозы дают возможность перейти к многомерным прогнозам. Многомерное прогнозирование предусматривает параллельное проведение одномерных прогнозов и последующее их согласование между собой.
Одномерными прогнозами в данном случае являются значения коэффициентов прямых межпродуктовых затрат, следовательно многомерными прогнозами на каждый год можно считать составленные из этих коэффициентов матрицы прямых межпродуктовых затрат, так как каждая такая матрица представляет собой совокупность параллельно спрогнозированных и согласованных между собой элементов
В свою очередь, совокупность матриц прямых межпродуктовых затрат представляет собой информационную базу сквозного прогноза развития агарного сектора экономики региона.
Каждому уровню надежности недетерминированных показателей соответствует свой сквозной прогноз.
В ходе составления сквозного прогноза на каждый год перспективы рассчитываются количество валовой и конечной продукции отраслей сельского хозяйства, численность населения региона, площадь сельскохозяйственных угодий, потребность в основных видах ресурсов.
Девятый этап — анализ выполненных расчетов.
В результате анализа выбирается тот вариант, который лучше других соответствует целевым установкам, поставленным при построении прогнозов.
Общая организационная структура комплекса моделей сквозного прогнозирования развития аграрного предпринимательства региона схематически представлена рис. 3.2.
В составе разработанного комплекса моделей можно выделить три подкомплекса — информационный подкомплекс 1, подкомплекс матричных дискретно-динамических моделей сквозного прогнозирования развития аграрного предпринимательства в регионе 2 и подкомплекс анализа и формирования выходной информации 3.
Каждый подкомплекс в своем составе содержит нескольких групп моделей.
Результатом функционирования информационного подкомплекса моделей является необходимая входная информация для моделей подкомплексов 2 и 3 с предварительной проверкой ее качества.
Из всех существующих групп субъектов аграрного предпринимательства только сельскохозяйственные предприятия достаточно полно представлены в статистических сборниках и базах данных. Поэтому в комплекс моделей развития аграрного предпринимательства в Ленинградской области необходимо были включены только сельскохозяйственные предприятия, поскольку только для них можно сформировать необходимую информационную базу прогноза.
Исключение из рассмотрения фермерских хозяйств ухудшает качество комплекса. Однако, отсутствие необходимой информации частично компенсируется тем, что в Ленинградской области объем сельскохозяйственной продукции производимой К(Ф)Х мал и составляет всего лишь чуть более 2% от объема продукции сельскохозяйственных организаций.
