Научный журнал

Вестник Алтайской академии экономики и права

Print ISSN 1818-4057

Online ISSN 2226-3977

Перечень ВАК

Развитие АПК и, в частности, производства зерновых культур в России определяется системой факторов, среди которых можно выделить технологические, экономические.

Непосредственно экономический фактор – это низкая доходность сельскохозяйственных товаропроизводителей, которая недостаточна для ведения простого и расширенного производства и перехода на инновационный путь развития. К числу технологических факторов, в первую очередь следует отнести уровень наличия техники в сельскохозяйственных организациях.

Цель исследования состоит в разработке инструментов и методов оценки инновационного развития предприятия в современных экономических условиях, необходимых для оценки эффективности инвестиционных вливаний в конкретные направления развития зернового производства.

Материал и методы исследования

Материалом исследования послужили данные предприятий АПК России и Красноярского края, в частности, занимающиеся зерновым производством.

Традиционно основными производителями зерна в Красноярском крае являются сельскохозяйственные организации, их доля в общем объеме производства составляет 84,14-888,13 %, активно развивается зерновое производство в крестьянских (фермерских) хозяйствах, что обуславливает необходимость конкретизации мер поддержки К(Ф)Х.

Результаты исследования и их обсуждение

Рассмотрим одну из основных проблем сельского хозяйства в целом и зернового производства, в частности, это снижение наличия сельскохозяйственной техники (табл. 1).

Количество имеющихся в наличии тракторов в РФ в 2018 году в сравнении с 2014 годом снизилось на 14,31 %, зерноуборочных комбайнов – на 11,92 %, что приводит к несоблюдению агротехнических сроков возделывания культур. В целом увеличено наличие посевных комплексов на 13,64 %, что обусловлено потребностью ресурсосбережения [1].

Отметим, что износ техники в сельском хозяйстве в РФ в 2016 году составлял 41,2 %, в 2017 году – 38,2 %, соответственно сокращение единиц техники, ее физический и моральный износ приводит к сокращению посевных площадей. Данные тенденции характерны и для Красноярского края.

Снижение физических единиц техники неизбежно ведет к увеличению нагрузки, данные отразим в табл. 2.

Данные табл. 2 свидетельствуют, что в результате сокращения физических единиц техники нагрузка на технику увеличивается из года в год. В целом по России нагрузка на один трактор увеличена в 2018 году на 16,21 % в сравнении с уровнем 2014 года, по Красноярскому краю – на 13,21 %, что приводит к более быстрому физическому износу техники, и необходимости дополнительных затрат связанных с обслуживанием и капитальным ремонтом [2].

Среди технологических факторов, оказывающих существенное влияние на зерновое производство, следует выделить уровень химизации производства, в частности для более высокого уровня урожайности необходимо использование минеральных удобрений, поскольку зерновые культуры имеют высокую чувствительность к содержанию минеральных веществ в почве.

Таблица 1

Наличие техники в сельскохозяйственных организациях, тыс. шт. [6]

Таблица 2

Нагрузка на технику в сельскохозяйственных организациях [6]

Таблица 3

Множественная модель корреляции и регрессии

В данном случае наблюдается положительная динамика, внесение минеральных удобрений в РФ в 2018 году увеличено на 30,12 % в сравнении с 2014 годом, в Красноярском крае – на 17,65 %.

Исходя из выше сказанного можно утверждать, что развитие зернового производства напрямую зависит от модернизации отрасли, кроме того модернизация должна осуществляться на инновационной основе, с учетом всех видов характерных для данной отрасли инноваций.

Для оценки эффективности инвестиций необходимо предварительно спрогнозировать перспективу развития зернового производства.

Анализ данных проведем за 10 лет, в качестве факторных признаков, влияющих на результативный признак, выберем: затраты на семена, энергооснащенность, трудоемкость, а в качестве результативного признака будет выступать уровень урожайности.

Далее построим матрицу множественной корреляции в табл. 3.

После обработки матрицы в программе МС Excel получим многофакторный корреляционно-регрессионный анализ [3].

Коэффициент множественной корреляции (R) показывает тесноту связи между явлениями. Может принимать значения от 0 до 1. Анализ модели (табл. 3) показал, что коэффициент множественной корреляции R равен 0,8902. Следовательно, в данном случае связь между факторными и результативными признаками сильная.

Показатель множественной детерминации (R2) – показывает часть вариации результативного признака, которая сложилась под влиянием всех включенных в модель факторов. Показатель множественной детерминации R2 = 0,7925, отражает, что взятые факторы несут в себе 79,25 % влияния на результат.

Проведем прогнозирование показателя урожайности на перспективу с учетом влияния входящих в модель факторов.

Уравнение регрессии будет иметь следующий вид:

, (1)

где a0 – свободный член уравнения регрессии, экономического смысла не имеет;

a1, a2, a3 – коэффициенты регрессии, которые показывают, на какую величину изменяется в среднем результативный признак при изменении факторного на одну единицу;

x1, x2, x3 – факторы, влияющие на результативный признак;

y – результативный признак.

Для определения уравнения регрессии воспользуемся данными, полученными после обработки матрицы множественной регрессии в МС Excel. В данном случае уравнение регрессии имеет вид:

= 28,34 – 0,009*х1 +

+ 0,021*х2 – 17,011*х3, (2)

где a0 = 28,34 – свободный член уравнения (не имеет экономического значения).

a1 = –0,009 – коэффициент чистой регрессии при первом факторе свидетельствует о том, что при изменении затрат на семена, урожайность зерновых культур в среднем может уменьшиться на 0,009 ц с 1 га, при фиксированном положении всех других факторов;

a2 = 0,021 – коэффициент чистой регрессии при втором факторе показывает, что при изменении энергооснащенности, урожайность зерновых в среднем увеличится на 0,021 ц с 1 га.

a3 = –17,011 – коэффициент чистой регрессии при третьем факторе свидетельствует о том, что при изменении трудоемкости, урожайность зерновых в среднем уменьшится на 17,011 ц с 1 га при фиксированном положении всех других факторов.

По полученному уравнению регрессии рассчитаем прогноз.

У max = 28,34 – 0,009*248,14 + + 0,021*269,71 – 17,011*0,91 = 16,29 ц /га

Уровень урожайности зерновых, который может получить ООО «Богуславское» составит 16,29 ц с 1га, при условии достижения максимальных значений факторов х1, х2 и х3.

У сред. = 28,34 – 0,009*153,01 + + 0,021*177,81 – 17,011*0,48 = 22,53 ц/га

Уровень урожайности равный 22,53 ц с 1га, организация получит при условии достижения средних значений факторов х1, х2, и х3.

У min = 28,34 – 0,009*114,21 + + 0,021*100,3 – 17,011*0,19 = 26,19 ц/га

Уровень урожайности равный 26,19 ц с 1га, организация получит при условии достижения минимальных значений факторов х1, х2, и х3.

Примем для дальнейших расчетов прогнозный уровень урожайности исходя из минимальных значений факторов равный 26,19 ц с 1 га, что является основой рационального использования ресурсов имеющихся в распоряжении ООО «Богуславское», а также отражает цели инновационного развития предприятия – развитие на условиях ресурсосбережения [4].

Построим, график планового уровня урожайности с учетом прогноза (рисунок).

Таким образом, прибавка урожайности в плановом периоде составит 13,31 ц с 1 га (26,19-12,88 ц с 1 га), соответственно в табл. 4 отразим плановый валовой сбор и объем реализации зерна.

При неизменности посева зерновых культур 1000 га валовое производство зерна в плановом периоде составит 26190 ц, а дополнительный объем зерна, который ООО «Богуславское» будет использовать для реализации составит 13315 ц.

Для оценки эффективности рекомендуемых направлений инновационной деятельности целесообразно предварительно оценить эффективность производства зерна с учетом комплексной модернизации производства, а также с учетом прогнозного уровня урожайности зерновых.

Оценка эффективности зернового производства требует планирования себестоимости 1 ц зерна с учетом представленных выше изменений.

Зарплата комбайнеров за 2018 год составляла 11,53 тыс. руб. в месяц с учетом начислений, соответственно за год составит 138,36 тыс. руб.

График уровня урожайности с учетом прогнозного уровня