Математическая оценка влияния уровня государственной поддержки на развитие агропромышленного комплекса

Обложка

Цитировать

Полный текст

Аннотация

Введение. Продовольственную безопасность страны гарантирует эффективное функционирование предприятий агропромышленного комплекса (АПК). Для обеспечения стабильной деятельности агропромышленных предприятий важную роль играет государственная поддержка. Непосредственная оценка степени этого влияния на развитие АПК является актуальной задачей, поэтому в статье предложен и реализован подход к математически обоснованной оценке влияния уровня государственной поддержки на развитие агропромышленного комплекса в регионе. Цель статьи заключается в разработке математических моделей зависимости показателей развития АПК от объёмов государственной поддержки на примере статистических данных одного из регионов РФ – Удмуртской Республики. Методология. В рамках исследования были использованы методы корреляционного анализа, математического моделирования и прогнозирования временных рядов. В работе оценена корреляционная связь между объёмами господдержки и ключевыми показателями агропромышленного комплекса, а также предложены регрессионные модели анализа и прогноза показателей развития АПК от уровня государственной поддержки. Для учёта государственных финансовых вложений в АПК за предыдущие периоды используется их накопленная величина. Результаты. Результаты корреляционного анализа и математического моделирования свидетельствуют о том, что накопленный объём государственной поддержки оказывает значительное воздействие на ключевые показатели развития агропромышленного комплекса, включая валовое производство молока, объём сельскохозяйственной продукции, продукцию животноводства и уровень заработной платы работников данной отрасли. Предложенные математические модели обладают достаточно высокой точностью и позволяют прогнозировать динамику показателей АПК с учётом различных уровней государственной поддержки, а также строить различные сценарии развития АПК в регионе.
Построены три сценария развития динамики ключевых показателей АПК в Удмуртской Республике до 2030 года. Выводы. Резкое снижение государственной поддержки АПК и сохранение её на уровне 2022 года в размере 1,2 млрд. руб. или снижение до 305 млн. руб. негативно скажется на прогнозной динамике всех показателей развития АПК в Удмуртской Республике. Только увеличение объёмов государственной поддержки до уровня в 3,4 млрд. руб. в год приведёт к устойчивому стабильному росту всех показателей АПК.

Об авторах

Е. В. Касаткина

Ижевский государственный технический университет имени М.Т. Калашникова; АНО «Цифровая экономика Удмуртской Республики»

Автор, ответственный за переписку.
Email: e.v.trushkova@gmail.com
Россия, 426069, Ижевск, ул. Студенческая, 7; 426004, Ижевск, ул. Ленина, 21

Д. Д. Вавилова

Ижевский государственный технический университет имени М.Т. Калашникова

Email: e.v.trushkova@gmail.com
Россия, 426069, Ижевск, ул. Студенческая, 7

Список литературы

  1. Зверева Г. Н., Гребнева Д. А. Влияние проектного управления на развитие агропромышленного комплекса РФ // Известия Нижневолжского агроуниверситетского комплекса: Наука и высшее профессиональное образование. 2023. № 1 (69). С. 191–200. doi: 10.32786/2071-9485-2023-01-20; EDN: ZRYAOX.
  2. Дондокова Е. Б., Танхаев О. П., Мацкевич И. В. Влияние цифровизации на развитие агропромышленных комплексов регионов страны // Естественно-гуманитарные исследования. 2023. № 6 (50). С. 188–193. EDN: ZYXTMK.
  3. Государственная поддержка АПК – качественные изменения / Н. А. Алексеева, О. А. Тарасова, В. А. Соколов и др. // Вектор экономики. 2022. № 9 (75). Ст. 23. EDN: RODWSR.
  4. Саянова И. Г. Теоретические основы оказания государственной поддержки организаций АПК // Аграрная экономика. 2022. № 11 (330). С. 39–48. doi: 10.29235/1818-9806-2022-11-39-48; EDN: NKXCTZ.
  5. Мирошниченко Н. В., Максимов В. Ю. Ценообразование в системе мер государственной поддержки агропромышленного комплекса // Исследование проблем экономики и финансов. 2022. № 2. Ст. 5. doi: 10.31279/2782-6414-2022-2-5-1-9; EDN: ULKMVI.
  6. Овинников В. А. Механизм финансовой поддержки развития инновационной деятельности предприятий агропромышленного комплекса // Вестник Вятского ГАТУ. 2023. № 2 (16). Ст. 14. EDN: JUONRO.
  7. Кузнецова И. Г., Гладких Е. А. Трансформация мер государственной поддержки АПК // Экономические и гуманитарные науки. 2022. № 2 (361). С. 95–103. doi: 10.33979/2073-7424-2022-361-2-95-103; EDN: YHEFSF.
  8. Траченко М. Б. Влияние государственной поддержки на финансовое состояние предприятий агропромышленного комплекса региона // Вестник РГГУ. Серия: Экономика. Управление. Право. 2022. № 3. С. 88–100. doi: 10.28995/2073-6304-2022-3-88-100; EDN: GEVDGB.
  9. Пономаренко А. К., Баландин Е. К. Актуальность мер государственной поддержки, направленных на развитие агропромышленного комплекса // Экономика и парадигма нового времени. 2023. № 3 (20). С. 5–11. EDN: CJYYZR.
  10. Государственная поддержка развития российского агропромышленного комплекса на современном этапе / М. М. Ханнанов, Н. В. Карпова, Д. А. Мусташкина и др. // Экономика и управление: проблемы, решения. 2022. Т. 1, № 12 (132). С. 11–16. doi: 10.36871/ek.up.p.r.2022.12.01.002; EDN: FHVPDY.
  11. Ketova K. V., Kasatkina E. V., Vavilova D. D. Development of an effective adaptive forecasting system based on the combination of neural network and genetic algorithm // Journal of Physics: Conference Series. II International Scientific Conference on Metrological Support of Innovative Technologies (ICMSIT II-2021), St. Petersburg, March 03–06, 2021. 2021. Vol. 1889, iss. 3. Art. 032029. doi: 10.1088/1742-6596/1889/3/032029; EDN: TDTLLA.
  12. Kasatkina E., Vavilova D., Faizullin R. Development of econometric models to forecast indicators of the livestock industry // E3S Web of Conferences. X International Conference on Advanced Agritechnologies, Environmental Engineering and Sustainable Development (AGRITECH-X 2024), Termez, Uzbekistan, April 29–30, 2024. 2024. Vol. 548. Art. 03002. doi: 10.1051/e3sconf/202454803002; EDN: FAWYPA.
  13. Владимиров Н. А. Оценка влияния развития сельских территорий на агропромышленный комплекс Российской Федерации // Статистика и экономика. 2023. Т. 20, № 3. С. 35–45. doi: 10.21686/2500-3925-2023-3-35-45; EDN: XZBOJD.
  14. Миненко А. В., Селиверстов М. В. Оценка реализации мероприятий по государственной поддержке агропромышленного комплекса в Приморском крае // Рефлексия. 2023. № 5. С. 82–85. EDN: THBSCS.
  15. Kwaghtyo D. K., Eke C. I. Smart farming prediction models for precision agriculture: a comprehensive survey // Artificial Intelligence Review. 2023. Vol. 56, iss. 6. Pp. 5729–5772. doi: 10.1007/s10462-022-10266-6.
  16. Model predictive control and its application in agriculture: a review / Y. Ding, L. Wang, Y. Li et al. // Computers and Electronics in Agriculture. 2018. Vol. 151. Pp. 104–117. doi: 10.1016/j.compag.2018.06.004.
  17. Advancing agricultural research using machine learning algorithms / S. Mourtzinis, P. D. Esker, J. E. Specht et al. // Scientific Reports. 2021. Vol. 11, iss. 1. Art. 17879. doi: 10.1038/s41598-021-97380-7.
  18. Teshabayev J. M., Uzganbayeva D. T. Agro-industrial clusters as a form of innovative development in the industry // International Journal of Advance Scientific Research. 2024. Vol. 4, iss. 3. Pp. 239–243. doi: 10.37547/ijasr-04-03-43.
  19. Mzwakhe N., Azikiwe I. A., Oluwasogo D. O. Agro-investments among small farm business entrepreneurs in the era of the Fourth Industrial Revolution: a case in the Mpumalanga Province, South Africa // Administrative Sciences. 2024. Vol. 14, iss. 5. Art. 85. doi: 10.3390/admsci14050085.
  20. Kasatkina E. V., Vavilova D. D. Dependence assessment of public health on the ecology based on cluster analysis // 2021 3rd International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency (SUMMA 2021), Lipetsk, November 10–12, 2021. 2021. Pp. 452–456. doi: 10.1109/SUMMA53307.2021.9632233; EDN: QURKZU.
  21. Скоробогатых Е. Ю., Мухина С. Н. К вопросу о методах нахождения оценок параметров регрессионных моделей // Известия Балтийской государственной академии рыбопромыслового флота: психолого-педагогические науки. 2023. № 3 (65). С. 205–212. doi: 10.46845/519.242071-5331-2023-3-65-205-212; EDN: OFZOJU.
  22. Касаткина Е. В., Вавилова Д. Д. Информационно-аналитическая система прогнозирования обобщающих показателей социально-экономического развития региона // Проблемы управления. 2015. № 4. С. 25–34. EDN: UDEDOZ.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Касаткина Е.В., Вавилова Д.Д., 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».