Прогнозирование и перспективы развития аграрного сектора экономики

В развитии аграрного сектора экономики можно выделить как положительные, так и отрицательные тенденции. Прогнозирование качества на основе качественных принципов - относительно новая научная область, все еще находящаяся в процессе формирования. В настоящий момент качественное прогнозирование понимается как комплекс всех прогнозов или методов прогнозирования, которые позволяют предвидеть значительные изменения в характере, структуре и объеме требований клиентов к конкретным качественным компонентам продукции или качеству продукции в целом и для обеспечения требований к собранию в будущем и высокой конкурентоспособности на этой основе.
Рассмотрим прогнозные показатели экспорта сельскохозяйственной продукции, по данным Евразийского экономического союза.
Рисунок 5. - Прогноз производства продукции сельского хозяйства, млрд. долл. США, млрд. долларов США
В Российской Федерации в 2021 году, по сравнению с 2018 годом, ожидается рост посадочных площадей, зернобобовых и масличных культур, рост посадочных площадей плодов и ягод, овощей, винограда.
Рисунок 6. – Показатели посевных площадей Российской Федерации в виде отчетных данных 2018-2019 гг. и прогнозных показателей 2020-2021 гг., тыс.га
Для сравнения составим самостоятельно прогнозную модель по уравнению тренда по уровню развития показателей производства продукции сельского хозяйства.
Таблица 9

. – Данные для составления прогнозной модели
  Y (производства сельскохозяйственной продукции в РФ) X1 (показатели посевных площадей Российской Федерации) Экспорт продукции сельского хозяйства, млрд. долларов США X2
2015 83,56 78312 17
2016 81,7 80049 17,8
2017 85,6 79634 21,6
2018 84,7 80193 25,8
2019 91,15 80441,7 25,6
2020 89,6 80574,5 30,7
На рисунке ниже представлена модель регрессии, составленная при помощи MS Excel.
Рисунок 7. – Составление регрессионного уравнения для формирования прогноза в Excel
Уравнение множественной регрессии может быть представлено в виде:
Y = f(β , X) + ε
где X = X(X1, X2, ..., Xm) - вектор независимых (объясняющих) переменных; β - вектор параметров (подлежащих определению); ε - случайная ошибка (отклонение); Y - зависимая (объясняемая) переменная.
теоретическое линейное уравнение множественной регрессии имеет вид:
Y = β0 + β1X1 + β2X2 + ... + βmXm + ε
β0 - свободный член, определяющий значение Y, в случае, когда все объясняющие переменные Xj равны 0.
В результате расчетов было получено уравнение множественной регрессии: Y = 113.5623-0.000518X1 + 0.602X2. Возможна экономическая интерпретация параметров модели: увеличение X1 на 1 ед.изм. приводит к уменьшению Y в среднем на 0.000518 ед.изм.; увеличение X2 на 1 ед.изм. приводит к увеличению Y в среднем на 0.602 ед.изм. Статистическая значимость уравнения проверена с помощью коэффициента детерминации и критерия Фишера