Region vector - программное обеспечение для анализа активности населения в аграрном секторе экономики
Л.И. Попкова, А.С. Овсянников
Курский государственный университет
ООО «ППФ Страхование Жизни»
Аннотация
Цель: на основе методов математической статистики создать информационное обеспечение, которое будет показывать векторы развития систем сельского расселения регионов и муниципальных районов в аграрном секторе экономики.
Информационной базой служили материалы территориальных органов федеральной службы государственной статистики Белгородской, Воронежской, Курской, Липецкой, Тамбовской областей.
Методы. Цель работы достигнута с применением методов корреляционно-регрессионного анализа. Было сделано моделирование векторов развития (теоретических линий регрессии) каждого региона в прямоугольной системе координат. Применение пространственно-координатного анализа объектов исследования дало возможность визуально по углу наклона траекторий сравнивать направленность развития областей в аграрном секторе экономики, а также определить отстающие по производительности труда муниципалитеты.
Результаты и обсуждение. Выполнена количественная и визуальная оценка изменений в направленности развития сельхозпредприятий областей Центрального Черноземья за 2009-2014 годы. На этой основе создана компьютерная программа, которая позволяет объективно оценивать траектории развития сельхозпредприятий, фермерских хозяйств и хозяйств населения регионов.
Выводы. Применение компьютерной программы и пространственно-координатного анализа объектов исследования (моделей) даст преимущество органам управления всех уровней при оценке ситуации и реагировании на негативные изменения в производительности труда муниципалитетов в аграрном секторе экономики.
Ключевые слова: регион, занятое население, муниципалитеты, корреляционно-регрессионный анализ, пространственно-координатный анализ, а вектора развития.
Region Vector - Software for Analyzing the Activity of the Population in the Agricultural Sector of the Economy
L.I. Popkova, A.S. Ovsyannikov
Abstract: Purpose: The purpose is to create a computer programme based on the methods of mathematical statistics. It will show the vectors of development of rural settlement systems of regions and municipal districts in the agricultural sector of the economy.
The information base was the materials of the territorial bodies of the Federal State Statistics Service of the Belgorod, Voronezh, Kursk, Lipetsk, and Tambov regions.
Methods. The solution of the main purpose of the work was achieved by using methods of correlation and regression analysis. Vectors of development (theoretical regression lines) of each region were modeled in a rectangular coordinate system. The use of spatial-coordinate analysis of research objects made it possible to visually compare the direction of regional development by the angle of inclination of the trajectories as well as to determine municipalities lagging behind in labour productivity. Results and discussions. Quantitative and visual assessment of changes in the direction of development of agricultural enterprises of five regions of the Central Black Soil Region for the period 2009-2014 was done. On this basis, a computer programme has been created that allows you to objectively assess the development trajectories of agricultural enterprises, farms and farms of the population of the regions.
Conclusions. Using the computer programme and spatial-coordinate analysis of models (objects of study) will give an advantage to management institutions in assessing the situation and responding to negative changes in labour productivity in the agricultural sector of the economy of municipalities.
Key words: region, employed population, municipalities, correlation and regression analysis, spatial- coordinate analysis, a of the vector of development.
Постоянно меняющиеся условия развития экономики сельских территорий приводят к снижению численности населения. Несмотря на рост объемов производства произошло снижение численности занятых на сельхозпредприятиях. В сложившейся ситуации сохранение сельского населения и его присутствие в отдалённых от региональных центров муниципальных районах во многом будет зависеть от возможностей производства товарной продукции в малых и средних хозяйствах. В этой связи необходимо создание информационных технологий для анализа состояния и направленности развития форм аграрного сектора экономики регионов: сельхозпредприятий, крестьянских (фермерских) хозяйств, хозяйств населения. Это возможно на основе методов математического моделирования. программное обеспечение аграрная экономика
Существует множество направлений моделирования систем сельского расселения с применением методов математической статистики: разработка прогнозов перехода от одной территориальной структуры населенных пунктов к другой [1]; определение потенциалов поля расселения, включая демографическую ёмкость территории [4]; разработка многофакторных моделей социального развития на основе уравнений множественной регрессии [2]; мониторинг и прогнозирование трудовой активности в различных секторах экономики, включая частный [6].
А.М. Носонов отмечает, что особенно важно в географических исследованиях практически применить класс линейных моделей, которые наиболее удобны для анализа и вычислений. Такие конструкции относятся к динамическим статистическим моделям, позволяющим оценивать развитие геосистем и прогнозировать их состояние [5]. Мы считаем, что особенностью географического подхода изучения моделей процессов на территориях одного уровня управления должно быть не только сравнение параметров уравнений, но и визуальная оценка распределений точек рассеяния, направлений теоретических линий регрессии.
Большинство линейных регрессионных моделей, где оценивается зависимость объемов производства аграрного сектора от численности занятого населения условно можно отнести к двум типам.
Временные экономико-математические модели, оценивающие изменения взаимосвязанных показателей конкретной территории (муниципального района, региона, федерального округа) за многолетний период, используются для анализа прошлого состояния и прогнозирования развития. Базы исходных данных таких моделей не включают информацию по единицам административно-территориального деления внутри границ анализируемого объекта (региона) и поэтому не способны оценивать внутрирегиональные различия.
Территориальные экономико-математические модели, структура баз исходных данных которых представляет собой показатели единиц административно-территориального деления или других объектов (предприятий, объектов торговли) в границах конкретной территории (муниципального района, региона, групп регионов) за определенный год, квартал, месяц. В то же время полученную информацию сложно сопоставить с другими территориями, поскольку для них требуется сбор таких же данных и разработка аналогичной модели, а полученные результаты быстро устаревают, что требует их постоянного обновления [8].
Примером первого типа моделей служит многофакторная корреляционно-регрессионная модель анализа сельскохозяйственного производства Приморского края Е. М. Дроздовой, где оценивается зависимость объемов производства сельского хозяйства в сопоставимых ценах за период 2005 - 2011 годов от таких показателей как количество занятых, производительность труда (выработка), посевная площадь, урожайность, объем используемых основных фондов, фондоотдача [3]. Эта модель в определенной мере объясняет степень влияния некоторых факторов, но обладает рядом недостатков: результат применения относится лишь к одному региону; объем производства всего сельского хозяйства в сопоставимых ценах при изменении структуры производства не позволяет объективно оценивать состояние и развитие сельских территорий, которое зависит от деятельности различных организационно-правовых форм аграрного сектора экономики.
Примером второго типа моделей является корреляционно-регрессионная модель, оценивающая зависимость объема выпуска сельхозпродукции от различных факторов на территориях Центрального и Северо-Западных Федеральных округов разработанная Л. В. Пронченко [9]. Ее отличает структура исходных данных, которая представляет собой несколько равнозначных по уровню управления объектов (регионов) и привязанных к ним показателей за конкретный год (семь факторных признаков и один результативный показатель - объем произведенной продукции сельского хозяйства, млн. руб.). Следует отметить, что результат применения представленной модели относится лишь к определенному году, в то время как условия развития постоянно меняются, что требует регулярного обновления исходных данных. Кроме того, на уровне конкретной области использовать модель, где показатели охватывают территорию площадью 2,3 млн. кв. км невозможно.
Попытка сопоставить результаты моделирования на основе регрессионного анализа в прямоугольной системе координат представлена в работе И. В. Филимоненко [10]. Построенные регрессионные модели оценивают тесноту взаимосвязи изменения внутреннего валового продукта (ВВП) от численности занятых в экономике с учетом уровня образования. Вместе с тем сравнить полученные результаты на диаграммах рассеяния сложно поскольку параметры результативного признака остаются одинаковыми, меняются значения только факторных признаков (численность занятых, тыс. чел.). Кроме того, шкалы интервалов вариационных рядов по оси Х разные и поэтому не позволяют достаточно точно сравнивать распределения точек рассеяния и направление теоретической линии регрессии.
Несмотря на отсутствие возможности учета территориальных различий, имеет значение разграничение факторного признака (численность занятых, тыс. чел.) по уровню образования. Вместе с тем такое же действие необходимо выполнить и с результативным показателем (ВВП, трлн. руб.). Это даст возможность более точно отразить роль уровня образования на формирование ВВП для каждой группы занятого населения.
Таким образом практическое применение выше указанных разработок в качестве алгоритмов для программного обеспечения не было обнаружено по нескольким причинам: 1) применение моделей ограничивалось временными рамками, в которые ставились задачи исследования; 2) моделирование не учитывает стратифицирующий фактор самой территории, когда охват групп регионов в разных федеральных округах в одной модели не позволяет объективно применять конечные результаты для конкретных областей, которые в силу различных условий формируют свои модели развития; 3) отсутствие в официальной статистике необходимых исходных данных в разрезе муниципалитетов, что является препятствием для подготовки аналогичных моделей на региональном уровне управления; 4) акцент на оценку факторов формирования объема произведенной продукции всего аграрного сектора, в то время как сельхозпредприятия, крестьянские (фермерские) хозяйства и личные подсобные хозяйства имеют разные стартовые условия развития; 5) сложности восприятия многофакторных регрессионных моделей при их применении в различных частях страны и отображения нескольких факторов в прямоугольной системе координат;
в результате этого технически не была применена возможность визуального представления территориальных объектов (муниципалитетов) каждого региона в информационном поле соответствующей прямоугольной системы координат, что дает возможность их сравнивать по распределению точек рассеяния (муниципалитетов) и направлению теоретической линии регрессии;
сложности в обновлении исходных данных для актуальности применения моделей, что требует вложения средств на регулярное проведение исследований с привлечением ряда специалистов, занимающихся сбором, обработкой и интерпретацией результатов, либо поиска других путей решения, где большинство операций выполняется автоматически.
Развитие информационных технологий привело к тому, что в экономических науках, и социально-экономической географии, в частности, применяется многофакторное моделирование, где, в том числе, оценивается зависимость объемов произведенной продукции аграрного сектора экономики от различных показателей, включая численность работников. Вместе с тем идеи встроить статистическую модель в целевое программное обеспечение (рис. 1), где выполняется визуальная оценка геоданных активности сельского населения регионов с применением регрессионного анализа в прямоугольной системе координат, не появилось.
Рис.1. Стартовое меню, информационное поле прямоугольной системы координат в программе Region Vector и вектор активности населения на сельхозпредприятиях муниципальных районов Липецкой области в 2014 году [Fig. 1. Start menu, information field of the rectangular coordinate system in the Region Vector program and the vector of population activity in agricultural enterprises of municipal districts of the Lipetsk region in 2014]
Одной из причин этого является акцент на построение многофакторных моделей, для которых иногда невозможно построить диаграммы рассеяния. Таким образом, аналогов представленного программного обеспечения не найдено из-за отсутствия идеи визуального сравнения распределений точек рассеяния и направлений теоретических линий регрессии по различным территориям одного уровня управления (регионам) в отдельности.
Целью разработки программного обеспечения (ПО) Region Vector является совершенствование мониторинга агропромышленных регионов на основе способа визуализации векторов развития форм аграрного сектора экономики. Задачей ПО является сокращение времени на поиск муниципалитетов, для которых в первую очередь необходимо принятие управленческих решений по диверсификации и оптимизации сельхозпроизводства. Технический результат применения алгоритма ПО обеспечивает отображение муниципалитетов и векторов развития регионов в конкретной форме аграрного сектора экономики таким образом, который позволяет сравнивать их между собой в прямоугольной системе координат.
ПО осуществляет последовательность действий на основе методов математической статистики по территории нескольких регионов одновременно и является пространственно-временной экономико-географической моделью, которая работает в устройствах на базе ОС Android. В результате появилась возможность быстрого сравнения векторов развития (теоретических линий регрессии) различных территорий по углу наклона а относительно оси Х (рис. 2). Для расчета траекторий регионов в определенной форме аграрного сектора экономики используются следующие исходные данные муниципалитетов за конкретный год: численность занятых (чел.); объем производства (млн. руб.).
Уравнение прямой в прямоугольной системе координат имеет вид (рис.1):
где a0 - стартовое условие, млн. руб.;
a1 - коэффициент регрессии (прогрессии) - показывает, на сколько изменится величина результативного признака (объёмов производства, млн. руб.) при изменении значения факторного (численность работников, чел.) на единицу.
Визуально векторы развития регионов по углу наклона а можно сравнить при условии, что все точки рассеяния (муниципалитеты) каждого региона размещаются в прямоугольной системе координат, т.е. шкалы интервалов вариационных рядов по осям Х и Y строятся с учетом максимальных и минимальных значений всех имеющихся исходных данных и одинаковы для всех регионов. В программе Region Vector определение угла наклона а траектории выполняется по специальной формуле, показывающей конкретное его числовое значение. Это необходимо в ситуации, когда пользователь увеличивает или уменьшает диаграмму рассеивания и изображение искажается. В этом случае показатель а остаётся неизменным. Применение формулы, встроенной в программу позволяет по числовому значению углов наклона траекторий сравнивать направленность развития территорий одного уровня управления даже при изменении шага интервала вариационных рядов.