Отечественное сельское хозяйство явилось одной из немногих отраслей экономики, которые сохранили заметный рост в условиях макроэкономического замедления. Производительность труда в сельхозпроизводстве остается на относительно устойчивом уровне. Однако накопленный потенциал роста слабо трансформируется в дальнейшие качественные изменения агробизнеса в целом. Гипотеза исследования предполагает, что ослабевающая инвестиционная активность и институциональная дивергенция регионального агробизнеса определенно взаимосвязаны. Предпосылки данного процесса находятся как в рамках развития регионального АПК, так и экономики региона в целом. Проведен сравнительный анализ рядов индексов производства продукции сельского хозяйства по категориям хозяйств, принятых в официальной статистике. Тест Краскела-Уоллиса показал преобладающую неравномерность производства в сельскохозяйственных организациях, фермерских хозяйствах и хозяйствах населения внутри федеральных округов и регионов. В рамках комплексного подхода последовательно проанализированы основные показатели активности агробизнеса в разрезе категорий экономических субъектов на уровне муниципальных образований. Проведено моделирование инвестиционного акселератора аграрного производства региона. С помощью сегментированной регрессии выявлено снижение эффекта акселерации в региональном аграрном производстве. Проведено сравнение институциональной структуры агробизнеса на каждом сегменте. Кроме того, предложен ряд направлений исследований, отражающих основные детерминанты деловой активности в региональном агробизнесе, а следовательно, рекомендуемых для использования при мониторинге трансформационных процессов в агропромышленном комплексе любого уровня. Суммированы положения, применимые в качестве основных направлений политики поддержания деловой активности регионального агробизнеса, а также устранения существующих диспропорций в его развитии. Ключевые слова: деловая активность, региональный агробизнес, сельское хозяйство, АПК, категории хозяйств, инновации, инвестиции, инвестиционный акселератор, сегментированная регрессия, прогноз Введение Экономическая активность в мире неуклонно нарастает. Прирост мирового объема производства по оценкам МВФ в 2017 г. составил 3,7 %-на 0,1 п. п. выше, чем прогнозировалось, и на 0,5 п. п., чем в 2016 г. Неожиданное ускорение экономики было в Европе и Азии 2. В то же время, эксперты называют достаточное количество рисков для отдельных стран, в особенности c ослабленной экономикой 3 , в число которых, к сожалению, можно включить и Россию. 4 INEF RAS. Quarterly forecast. Issue № 41 [Electronic resource]. URL: https://ecfor.ru/publication/kvartalnyjprognoz-vypusk-41 (Date of access: 20.05.18).
Проблемы современных организаций аграрного сектора экономики обусловлены, с одной стороны, неэффективным использованием рыночной инфраструктуры, а с другой -отсутствием развитой системы по обслуживанию сельхозтоваропроизводителей. В результате финансового кризиса аграрный сектор оказался в числе немногих отраслей, получивших новые стимулы для своего развития. Снижение курса национальной валюты и сокращение импорта продуктов, привело к росту производства сельскохозяйственной продукции и повышению эластичности спроса на неё. Таким образом, наметившаяся в посткризисный период тенденция импортозамещения, сформировала совершенно новый аграрный рынок, требующий обеспечения устойчивого развития сельхозформирований через пересмотр принципов организации агробизнеса. Одним из наиболее эффективных инструментов в таких условиях может стать аутсорсинг, обеспечивающий поддержку сельхозорганизаций на основе разработки эффективных «внешних» стратегий. При этом наибольшее внимание привлекает исследование регионального направления реализации аутсорсинговых процессов, что должно найти отражение в вопросе совершенствования управления одной их важнейших отраслей российской экономики -АПК.
The article presents some issues of the methodology of the study of state support for agricultural production in the aspect of efficiency. The dynamic series of profitability for certain types of products sold by agricultural organizations with and without budget subsidies are used as source data. First, a preliminary analysis and pairwise comparison of the series using nonparametric methods is carried out. Further, in order to use complete information on all the data, the methods of reduction to three variables are applied. In order to compare different methods, the principal component method and autoencoding using a neural network were used. The transformed data was also compared with and without subsidies. Conclusions and practical recommendations on the results obtained, as well as directions for the development of scientific research, are formulated.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.