Оценка совокупной факторной производительности сельского хозяйства в Российских регионах

Нижегородская область с удельным весом 6,6%, которая характеризуется незначительным увеличением на 0,6 процентных пункта.Остальные области занимают долю 5% и менееСледующим в анализе необходимо представить Уральский федеральный округ.Таблица 2.13 – Динамика производства сельскохозяйственной продукции в Уральском федеральном округе в разбивке по регионам, млрд руб.[26]Наименование региона2018 2019 2020 2021 20222019 к 20182020 к 20192021 к 20202022 к 2021Уральский федеральный округ32234434037640222-43626Курганская область40464551547-164Свердловская область8592941021097287Тюменская область7883889910654117в т.ч. Ханты-Мансийский автономный округ -Югра1091099-11-21Ямало-Ненецкий автономный округ333440010Челябинская область1191231141241333-9119Рисунок 2.13 – Динамика производства сельскохозяйственной продукции в Уральском федеральном округе в период 2018–2022 гг. в разбивке по регионам в стоимостном выражении, млрд руб.Наибольшими показателями производства обладают Челябинская область (133 млрд руб. на конец 2022 г.). Тюменская и Свердловская области нарастили свою производственную базу сельскохозяйственной продукции в 2022 г. в сравнении с предыдущим годом на 7 млрд руб. Показатели объемов производства составили 106 и 109 млрд руб. соответственно.Рассмотрим структуру сельскохозяйственного производства регионов в общей стоимости продукции округа.Рисунок 2.14 – Структура производства сельскохозяйственной продукции в Уральском федеральном округе в разбивке по регионам за 2022 г., %Наибольшую долю в структуре производства имеет Челябинская область 33% по данным на конец 2022 г. Свердловская область имеет удельный вес в общей структуре производства значением 27%, а Тюменская область вошла в структуру с долей 26%.Наименьшую долю в структуре имеет Ямало-Немецкий автономный округ (1% по данным 2022 г.).Следующим регионом в рамках данного анализа является Сибирский федеральный округ.В Сибири выращивается продукция растениеводства. Она включает в себя зерновые культуры, такие как пшеница, ячмень, овес и кукуруза. Также в Сибири производится множество различных овощей и фруктов, таких как картофель, морковь, свекла, яблоки, груши и чернослив. В суровом регионе разводят скот, чаще всего коров, овец и свиней. Кроме того, в Сибири активно производят продукты животного происхождения: мед, молоко, яйца и другие продукты животноводства.Таблица 2.14 – Динамика производства сельскохозяйственной продукции в Сибирском федеральном округе в разбивке по регионам, млрд руб.[26]Наименование региона2018 2019 2020 2021 20222019 к 20182020 к 20192021 к 20202022 к 2021Сибирский федеральный округ557591673870902358219732Республика Алтай1211121313-1110Республика Тыва668980200Республика Хакасия14141415150111Алтайский край1321451632422501319788Красноярский край7885106123124721172Иркутская область6462677573-158-2Кемеровская область474861807711320-3Новосибирская область809310614916713134218Омская область949810112613043254Томская область31303539420452Рисунок 2.15 – Динамика производства сельскохозяйственной продукции в Сибирском федеральном округе в период 2018–2022 гг. в разбивке по регионам в стоимостном выражении, млрд руб.По Сибирскому федеральному округу наибольший объем производства прослеживается в Алтайском крае — 250 млрд руб. на конец 2022 г. Так же в рамках анализируемых 5 лет можно говорить об увеличении объемов реализации почти в 2 раза. Новосибирская область так же демонстрирует значительные показатели прироста объемов производства с 80 до 167 млрд руб. за 5 последних лет.Наименьшим приростом характеризуется Республика Тыва, объемы производства которой не изменились с прошлого года и общий рост в динамике 5 лет составил 2 млрд руб.Рассмотрим структуру производства Сибирского федерального округа.Рисунок 2.16 – Структура производства сельскохозяйственной продукции в Сибирском федеральном округе в разбивке по регионам за 2022 г., %Наибольшую долю среди Сибири занимает Алтайский край (27,7% на конец 2022 г.). В Новосибирской области доля в общем объеме производства сельхоз продукции по Сибирскому округу составила 18,5% в 2022 г. Омская область имела удельный вес, равный 14,4%, а Красноярский край — 13,58%.В Кемеровской области доля в структуре производства составила 8,6% в 2022 г., Иркутская область — 8,1%.Остальные регионы имеют более низкую долю участия в общем объеме производства менее 5%. Наименьшие показатели за весь анализируемый период имеет Республика Тыва, который с 1,1% в 2018 г. снизился до 0,9% на конец 2022 г.Последним регионом в рамках данного анализа является Дальневосточный федеральный округ.Таблица 2.15 – Динамика производства сельскохозяйственной продукции в Дальневосточном федеральном округе в разбивке по регионам, млрд руб.[26]Наименование региона2018 2019 2020 2021 20222019 к 20182020 к 20192021 к 20202022 к 2021Дальневосточный федеральный округ199193216264259-62348-5Республика Бурятия16161719200120Республика Саха (Якутия)2626272827001-1Забайкальский край2323232524012-1Камчатский край8101011112010Приморский край4038456366-26183Хабаровский край1715181919-3410Амурская область4845547575-39210Магаданская область3332200-10Сахалинская область11121415151210Еврейская автономная область63465-211-1Чукотский автономный округ12222-62348-5Дальний Восток отличается уникальным климатом. На Дальнем Востоке преобладает субарктический и умеренный климат. На Камчатке и Сахалине климат более морской, с дождливыми зимами и прохладным летом. В Приморье и Хабаровском крае климат умеренно-континентальный, с преобладает холодная зима и теплое лето. В Амурской области климат уже более континентальный, с холодной зимой и жарким летом. В Забайкалье и на Чукотке климат суровый и континентальный, с очень холодными зимами и очень коротким летом.Продукция растениеводства представлена такими культурами как: рис, соя, овощи (картофель, морковь, капуста), фрукты (яблоки, груши, виноград), морепродукты (крабы, устрицы, мидии), молочные продукты (молоко, сыры), мясо (свинина, говядина, птица), а также различные зерновые и зернобобовые культуры.Рисунок 2.17 – Динамика производства сельскохозяйственной продукции в Дальневосточном федеральном округе в период 2018–2022 гг. в разбивке по регионам в стоимостном выражении, млрд руб.На Дальнем Востоке наибольшие значения производства наблюдаются в Амурской области (75 млрд руб.) и Приморском крае (66 млрд руб.). Рассмотрим в структуре производства, какую долю занимают данные регионы (рис. 2.18).Рисунок 2.18 – Структура производства сельскохозяйственной продукции в Дальневосточном федеральном округе в разбивке по регионам за 2022 г., %Наибольшей долей в структуре производства сельхоз продукции Дальневосточного округа обладает Амурская область (28% по данным на 2022 г.). Немногим меньшей долей обладает Приморский край (25,3%). Республика Саха по данным 2022 г. имела удельный вес в общей структуре производства сельхоз продукции в размере 10,5%. Близкий этому показателю имеет Забайкальский край — 9,2%. Республика Бурятия имеет долю 7,6%, Хабаровский край — 7,3%, Сахалинская область — 5,8%.Остальные регионы имеют более низкие доли в структуре производства округа ниже 5%.Таким образом, Центральный федеральный округ играет наибольшее значение в объемах производства сельскохозяйственной продукции в России. Данный регион имеет долю около 30% в общем объеме производства продукции. Также высокие значения в удельном весе имеют Приволжский федеральный округ (21%) и Южный федеральной округ (18%).Таким образом, в качестве наиболее весовых регионов в структуре производства сельскохозяйственной продукции можно выделить Краснодарский край, Ростовскую область, Воронежскую область, Белгородскую область, Республику Татарстан, Алтайский край, Саратовскую область, Ставропольский край, Курскую область и Волгоградскую область.В рамках исследования, представленного в данной работе, целесообразно провести анализ факторной производительности по всем регионам страны.Глава 3.3.1 Оценка совокупной факторной производительности в регионах РоссииПоказатель производительности является ключевым критерием здоровья экономики. В международной практике этот показатель широко признан и используется во многих странах. За последнее время прогрессивные практики и стратегии, касающиеся улучшения показателей производственной эффективности в России, утратили своё присутствие на официальном уровне. Прекращено стратегическое планирование усовершенствования производительных мер на различных эшелонах управленческой лестницы, начиная с отдельных предприятий, и иссякла осведомлённость о лучших практиках в сфере эффективности. Отсутствует орган федерального исполнения, который взял бы на себя обязанности по интеграции данных о производительности в экономические модели, планы развития или методологические основы на микро- и макроэкономических уровнях.В противовес этому, в индустриально развитых государствах повышение уровня производительности рабочей силы предстает как приоритетный фактор в стратегии экономического роста жизненно важных сегментов и локаций. Избранные страны выделяют специализированные финансовые ресурсы на цели, непосредственно связанные с продвижением производственной продуктивности, чтобы гарантировать необходимость финансов в программных инициативах.Рассматривая индикаторы эффективности, ключевым является Совокупная факторная производительность (TFP), представляющая собой отношение общего объема произведенной продукции экономики к взвешенной сумме использованных в производстве труда и капитала. Она отражает прирост реального производственного объема сверх уровня увеличения вложенных ресурсов. В числе метрик производительности на первый план выходят два показателя: производительность рабочей силы, равная суммарному объему продукции, деленному на количество единиц труда, и TFP, относящаяся к суммарному производственному объему, обусловленному примененной взвешенной стоимостью ресурсов.TFP = P / W (3.1), гдеP – совокупный (валовой) продукт,W – средневзвешенное значение издержек.Наиболее широко используемой производственной функцией является функция Кобба-Дугласа, которая заключается в следующем:Q = A × Kα × Lβ (3.2), гдеQ – общий продукт,K – капитал,α – эластичность выпуска капитала,L – труд иβ – эластичность выпуска труда.Q – это общее произведение, а произведение Ka и Lß – средневзвешенное значение входных данных. Если мы перестроим функцию Кобба-Дугласа, то получим следующую формулу для общей факторной производительности:TFP = A = P / W = Q / (Kα × Lβ) (3.3)TFP демонстрирует превосходство в общем выпущенном объеме продукции над тем, что было бы достигнуто лишь за счёт расширения объёма ресурсов.Представим данные, необходимые для анализа, а именно, используем такие факторы, влияющие на производительность сельского хозяйства, как наличие основных фондов в отраслях сельского хозяйства по регионам и количество фактически отработанного времени на всех видах работ по данному направлению деятельности. Массив данных представлен в табл. 3.1.Таблица 3.1 – Исходные данные для анализа совокупной факторной производительности по данным на 2022 г. по регионам РоссииРегионОбъем производства сельскохозяйственной продукции, млрд руб.Наличие основных фондов в отраслях сельского хозяйства, млрд руб.Количество фактически отработанного времени на всех видах работ в отраслях сельского хозяйства, млн человеко-часовЦентральный федеральный округБелгородская область366199,578661Брянская область129129,927725Владимирская область3723,17952Воронежская область334199,471783Ивановская область224,64728Калужская область6070,412895Костромская область197,84083Курская область245160,152655Липецкая область194149,741694Московская область15596,233313Орловская область1447930948Рязанская область9550,720417Смоленская область2919,86233Тамбовская область201112,743199Тверская область5257,511176Тульская область11361,124286Ярославская область513410961г. Москва520,21075Северо-Западный федеральный округРеспублика Карелия53,31075Республика Коми149,13009Архангельская область146,33009Вологодская область551,511821Калининградская область564,812036Ленинградская область11726,625146Мурманская область244,3430Новгородская область2892,16018Псковская область421,49027Южный федеральный округРеспублика Адыгея4114,78812Республика Калмыкия334,37092Республика Крым7922,916979Краснодарский край545218,7117131Астраханская область6410,113755Волгоградская область22150,347497Ростовская область429115,192201г. Севастополь32,8645Северо-Кавказский федеральный округРеспублика Дагестан2077,844488Республика Ингушетия178,13654Кабардино-Балкарская Республика7313,415689Карачаево-Черкесская Республика4110,58812Республика Северная Осетия - Алания433,59242Чеченская Республика4714,110101Ставропольский край293160,462972Приволжский федеральный округРеспублика Башкортостан2127445563Республика Марий Эл5547,511821Республика Мордовия9772,420847Республика Татарстан251120,353945Удмуртская Республика7439,415904Чувашская Республика5422,611606Пермский край5927,512680Кировская область5348,211391Нижегородская область10048,421492Оренбургская область14132,530304Пензенская область157109,733742Самарская область1483331808Саратовская область25761,455234Ульяновская область638,213540Уральский федеральный округКурганская область589,112465Свердловская область11966,825575Тюменская область10070,621492Ямало-Ненецкий автономный округ40,4860Челябинская область12,6215Курганская область5867,612465Свердловская область119104,625575Сибирский федеральный округРеспублика Алтай131,62794Республика Тыва80,51719Республика Хакасия154,53224Алтайский край25067,953730Красноярский край12457,626650Иркутская область7328,315689Кемеровская область7727,816549Новосибирская область16777,735892Омская область13045,927940Томская область4219,29027Дальневосточный федеральный округРеспублика Бурятия2064298Республика Саха (Якутия)279,85803Забайкальский край242,45158Камчатский край111,52364Приморский край6626,214185Хабаровский край195,44083Амурская область7526,516119Магаданская область20,1430Сахалинская область1511,33224Еврейская автономная область50,51075Чукотский автономный округ21,2430Предположим, что производство сельскохозяйственной продукции описывается функцией Кобба–Дугласа[14, С. 15]:(3.4)где 𝑦𝑖 — объем выпуска сельскохозяйственной продукции в стоимостном выражении;𝑘𝑖 — стоимость основных фондов в отраслях сельского хозяйства;𝑙𝑖 —количество фактически отработанного времени на всех видах работ в отраслях сельского хозяйства по региону 𝑖;α — эластичность выпуска по капиталу;β — эластичность выпуска по труду;𝐴 — общая факторная производительность (ненаблюдаемый параметр модели, подлежащий оцениванию наряду с α и β);𝜀𝑖 — случайная ошибка.Представленное уравнение может быть переписано в линейном виде:, (3.5)где 𝑐 = ln𝐴, 𝜈𝑖 = ln𝜀𝑖.Пользуясь представлением, оценим функцию Кобба–Дугласа по данным представленным в табл. 3.1.Для начала необходимо прологарифмировать переменные 𝑦𝑖, 𝑘𝑖, 𝑙𝑖. Данные расчетов представлены в Приложении 1.Далее воспользуемсяинструментом «MSExcel» для составления регрессионного анализа (рис. 3.1).ВЫВОД ИТОГОВРегрессионная статистикаМножественный R0,989888849R-квадрат0,979879933Нормированный R-квадрат0,979552777Стандартная ошибка0,097997039Наблюдения84Дисперсионный анализ dfSSMSFЗначимость FРегрессия257,5273606128,763680312995,1498154,7121E-105Остаток811,1812206050,00960342Итого8358,70858122    КоэффициентыСтандартная ошибкаt-статистикаP-ЗначениеНижние 95%Верхние 95%Нижние 95,0%Верхние 95,0%Y-пересечение0,6136683370,00930369665,959625577,50549E-980,595252240,6320844340,5952520,632084ln(k)0,5860491150,00808219272,511159618,7658E-1030,5700509120,6020473190,5700510,602047ln(l)0,3778149660,01077456335,065457366,90206E-660,356487380,3991425520,3564870,399143Рисунок 3.1 – Регрессионный анализ производства сельскохозяйственной продукции по регионам РоссииПо выборке из84 регионов получили уравнение в виде: (3.6)или с учетом, что , в виде: (3.7)По данным регрессионного анализа, модель и её коэффициенты подтверждают статистическую значимость на уровне 1% ценности, что видно по F- и t-статистикам, где соответствующие значения p значительно ниже 0,01. Коэффициент детерминации, разъясняющий 98% изменчивости зависимой переменной, говорит о высокой надежности показателей модели — с точностью до логарифма объема производства.Экономическая интерпретация коэффициентов модели:Увеличение стоимости основных фондов в отраслях сельского хозяйства (K) на 1% при постоянном количестве фактически отработанного времени на всех видах работ в отраслях сельского хозяйства (L) происходит увеличение объема производства сельскохозяйственной продукции (Y) на 0,586%. Увеличение количества фактически отработанного времени на всех видах работ в отраслях сельского хозяйства (L) на 1% при постоянной стоимости основных фондов (K) вызывает рост объема производства Y на 0,378%.Так как , то функция имеет убывающий эффект от масштаба производства (это означает, что если K и L увеличиваются в некоторой пропорции, то Y растет в меньшей пропорции).Варианты оценки совокупной факторной производительностиДалее проведем оценку эффективности совокупной факторной производительности.Простой способ оценивания эффективности — скорректированный метод наименьших квадратов (corrected ordinary least squares, COLS) реализовали для построенного уравнения.Для каждого региона рассчитали выпуск при максимальной эффективности (на границе производственных возможностей) (), а также провели расчет эффективности каждого региона (). Результаты по всем регионам представлены в Приложении 2. Выберем ТОП-10 регионов по эффективности совокупной факторной производительности (табл. 3.2).Таблица 3.2 – Рейтинг ТОП-10 регионов по эффективности совокупной факторной производительности сельскохозяйственной продукции[16]РейтингРегионВыпуск при максимальной эффективности, млрд руб.Эффективность совокупной факторной производительности, %1Вологодская область11 821,00100,002Республика Дагестан43 337,7197,413Псковская область8 729,5796,714Калининградская область10 317,5385,725Республика Северная Осетия - Алания7 880,7085,276Ростовская область76 275,2282,737Саратовская область45 305,0982,028Ульяновская область11 099,4481,989Волгоградская область38 899,1581,9010Алтайский край43 539,7281,03Средний показатель эффективности по всем регионам России составил 70,08%.В качестве альтернативы функции Кобба–Дугласа в эмпирических исследованиях эффективности производства часто используется транслог-функция:. (3.8)Она сводится к функции Кобба–Дугласа в случае γ1=γ2=γ3=0.Тогда, проверим гипотезу γ1=γ2=γ3=0 на уровне значимости 5%, что есть основание считать, что транслог-функция описывает данные не существенно лучше функции Кобба–Дугласа (рис. 3.2).Таким образом, так как F=0,031