Типология регионов Центральной России по самообеспеченности производства молока

Библиографическое описание статьи для цитирования:
Бессонов А. А., Петрова И. Ю., Шуметов В. Г. Типология регионов Центральной России по самообеспеченности производства молока // Научно-методический электронный журнал «Концепт». – 2017. – Т. 39. – С. 896–900. – URL: http://e-koncept.ru/2017/970506.htm.
Аннотация. Выполнен статистический анализ динамики производства в 2010–2014 гг. молока на душу населения в регионах Центрального федерального округа с позиции самообеспечения молочной продукцией. Получены линейные региональные модели динамики показателя, параметры которых отражают средний уровень и среднегодовой прирост производства. Предложено группировку регионов по уровню производства молока на душу населения проводить с помощью психофизической функции желательности Харрингтона, параметры которой устанавливаются с учетом статистических свойств региональной выборки. Такой подход позволяет установить соответствие между натуральными значениями показателя и их лингвистической оценкой.
Комментарии
Нет комментариев
Оставить комментарий
Войдите или зарегистрируйтесь, чтобы комментировать.
Текст статьи
Бессонов Андрей Алексеевич,магистрант 1го курсаОрловский государственный аграрный университет имени Н.В. Парахина, г. Орел

Петрова Ирина Юрьевна,магистрант 1го курса

Орловский государственный аграрный университет имени Н.В. Парахина, г. Орел

Шуметов Вадим Георгиевич,доктор экономических наук, профессорОрловский государственный аграрный университет имени Н.В. Парахина, г. Орел

Типология регионов Центральной России по самообеспеченности производствамолока

Аннотация. Выполнен статистический анализ динамики производства в 20102014 гг. молока на душу населенияв регионах Центрального федерального округа, с позиции самообеспечения молочной продукцией.Полученылинейные региональные модели динамикипоказателя,параметры которыхотражаютсредний уровень и среднегодовой прирост производства.Предложено группировку регионов по уровню производства молока на душу населения проводить с помощью психофизической функции желательности Харрингтона, параметры которой устанавливаются с учетом статистических свойств региональной выборки. Такойподход позволяет установить соответствие между натуральными значениями показателя и их лингвистической оценкой.Ключевые слова:молочная продукция, Центральныйфедеральныйокруг, самообеспеченность, средний уровень, среднегодовой прирост, функция желательности Харрингтона, лингвистическая оценка, группировка регионов.

Центральный федеральный округ, объединяющий 18 субъектов Федерации, в том числе 17 областей с развитым сельскохозяйственным производством, занимает ведущее местов российской экономике. В 2014 г. в округе, занимающим всего 3,8% площади страны, производилось более четверти сельскохозяйственной продукции –25,5% продукции растениеводства и 25,3% животноводства[1], а поскольку численность населения Центрального федерального округана 1 января 2015 г. составляла немногим более четверти населения (26,6%) всей страны, повидимому, можно говорить и о самообеспеченности центра России продуктами питания. Это–оценка«в целом» и на конкретный отрезок времени, без учета региональных различий в структуре сельскохозяйственного производства и динамикевыпуска различной продукции. В этой связи представляет не только теоретический –с точки зрения выявления территориальных различий, но и значительный практический интерес –с позиции управления экономическими процессами в регионах, выполнить анализ динамики производства сельскохозяйственной продукции за последние годы, с целью ранжирования регионов Центрального федерального округапо уровню самообеспеченности, прежде всего, такимивысококачественными продуктами питания, как мясо, молоко и яйца.Актуальность поставленной задачи вызвана необходимостью обеспечения продовольственной безопасности страны, как важной составляющей ее экономической безопасности. Несмотря на значительное число публикаций по данному вопросу, как на федеральном, так и на региональном уровне[214], в том числе по проблеме импортозамещения и самообеспеченности продукцией сельскохозяйственного производства, вопросы роли регионов в решении данной проблемы еще недостаточно освещены. Особенно это относится к обеспечению высококачественными продуктами –мясными и молочными. Имеющиеся публикации посвящены частным вопросам и не носят обобщающего методического характера, что крайне важно для мониторинга ситуации в целях разработки мероприятий по решению продовольственной проблемы на региональном уровне. Решение сформулированной задачи возможно постольку, поскольку в настоящее время опубликована официальная статистика по производству важнейшей сельскохозяйственной продукции в региональном разрезе за ряд лет, а использование таких эффективных информационных технологий статистического анализа данных, как SPSS[15], позволяет выполнить этот анализ в достаточно короткие сроки, возложив все рутинные расчеты на компьютер. Полученная в результате такого анализа информация может быть полезна федеральным и региональным органам управления для корректировки проводимой в регионах и стране в целом сельскохозяйственной политики. Достижение поставленной цели предполагает постановку и решение следующих задач:–подготовка эмпирической базы и первичный статистический анализ показателей производства высококачественной сельскохозяйственной продукции;–разработка моделей динамики производства высококачественной сельскохозяйственной продукции;–разработка региональных индикаторов самообеспеченности высококачественной сельскохозяйственной продукцией, их расчет для регионов Центрального федерального округа;–ранжирование регионов Центрального федерального округапо самообеспеченности высококачественной сельскохозяйственной продукцией.В качестве объекта исследования приняты 17 регионов Центрального федерального округа, производящих молочную продукцию, временные рамки статистических исследований показателей производства этого характерного представителя высококачественных продуктов питания охватывают пять лет –с 2010 по 2014 гг. Оригинальность авторского подхода к решению сформулированных выше частных задач исследования обусловливается применением методов и технологий Data Mining(интеллектуального анализа данных) на всех этапах статистического исследования. Отличительная особенность технологий Data Mining, в соответствии с дословным переводом этого термина «извлечение знаний из данных», в том, что в статистическом исследовании не ставится задача подтвердить или опровергнуть априори сформулированную гипотезу, а напротив –в результате анализа данных выявить апостериорные закономерности, которые можно квалифицировать как новые знания о предмете и процессе исследования.Использование в данной работе такого подхода позволило получить следующие результаты, носящие элементы научной новизны:–предложено динамику ведущего информативного показателя самообеспеченности регионов Центрального федерального округамолочной продукцией –производства молока на душу населения –характеризовать параметрами линейных регрессионных моделей, интерпретируемыми как уровень и индикатор роста показателя, при этом характеристику качества моделей –коэффициент детерминации –рассматривать как индикатор стабильности производства молочной продукции; –предложено группировку регионов Центрального федерального округапо уровню производства молока на душу населения проводить на основе преобразования данного показателя в безразмерную психофизическую функцию желательности –лингвистическуюпеременнуюс градациями«очень плохо», «плохо», «удовлетворительно», «хорошо», «очень хорошо». В отличие от традиционнойгруппировки регионов посреднимуровнямпроизводства молока на душу населения, такой подход позволяет выделить подгруппы регионов, отвечающие градациям желательности.Принятая в данном исследовании методика и научные результаты, полученные на частном примере показателей производства молочной продукции в регионах Центрального федерального округа, носят общий характер и могут быть распространены как на другие виды продукции, так и на другие макрорегионы страны.В методологическом плане, вначале надо определиться с экономическими категориями «продовольственная безопасность», «экономическая безопасность», «самообеспечение», применительно к региональному уровню. Очевидно, что главная цель социального государства –обеспечение безопасности личности –может быть достигнута только при условии социальноэкономической безопасности общества в целом. Исходя из этого, ведущим императивом является создание системы экономической безопасности страны. При этом необходимо, следуя работе профессора В.И. Авдийского[2], признать, что «система экономической безопасности имеет иерархичный характер, в котором обеспечение эффективной системы экономической безопасности региона непосредственно связано с экономической безопасностью хозяйствующих субъектов, а надежная система экономической безопасности государства будет складываться из успешной системы экономической безопасности регионов с учетом всех возможных угроз экономической безопасности хозяйствующих субъектов этих регионов»(цитируется по работе [16]).Очевидно также, что национальная безопасность обеспечивается эффективным функционированием системы экономической безопасности на макро, мезои микроуровне[16, c.96].Неотъемлемой частью национальной безопасности страны является ее продовольственная безопасность. По мнению ряда ученых, в ее основе лежит устойчивое самообеспечение населения продукцией в каждом отдельно взятом регионе. Мы не разделяем этуточку зрения,имеются явные противоречия и в логике обоснования этого тезиса. Действительно, если признать, что «главным условием продовольственной и национальной безопасности страны является устойчивое самообеспечение РФ зерном, рациональное формированиеи использование его ресурсов»[17], что придает зерну приоритетное значение в продовольственном самообеспечении государства, то, учитывая хорошую транспортабельность зерна, его пригодность к длительному хранению, вряд ли следует ставить во главу угла устойчивое самообеспечение населения продукцией этого вида в каждом отдельно взятом регионе. Здесь мы согласны с точкой зрения автора работы[18], который справедливо полагает, что «региональная экономика не может и не должна быть автономной по определению, так как она является частью единого хозяйственного комплекса страны, в рамках которого сложилась своя система территориального разделения труда».Но если это верно в отношении зерна, то вряд ли то же относится и ктакой важной сельскохозяйственной продукции,как молоко. В отношении молочной продукции как раз нужно говорить о самообеспечении, и не только на уровне региона, но и на более низком иерархическом уровне хозяйствования –уровне района и даже муниципального образования. В статистическом ежегоднике за2015 год [1] приведены данные по производству молока в хозяйствах всех категорий в региональном разрезе в 2005, 20102014 гг. Согласно официальной статистике, суммарно по всем регионам ЦФО в этот период наблюдалось снижение производства молока: если в 2005 г. этот абсолютный показатель составлял 6431,5 тыс. т, то в 2014 г. –5393,4 тыс. т, или 83,9% от начального уровня. Рост производства молока наблюдался лишь в этот период лишь в Воронежской области: если в 2005 г. этот показатель составлял 618,2 тыс. т,то в 2014 г. –742,4 тыс. т, т.е. темп роста составил 120,1%.Это –абсолютные показатели, но для оценки уровня самообеспечения регионов молочной продукцией необходимо перейти к удельным показателям. В качестве такого показателя намипринято производствомолока на душу населения, с учетом изменения численности населения в этот период. Эти изменения весьма заметные: если в целом в ЦФО в 2005 г. среднегодовая численность населения составляла 38076,5 тыс. человек, то в 2014 г. –38885,7 тыс. человек[1], но рост населения происходил за счет г. Москвы. В большинстве «сельскохозяйственных» регионов ситуация иная, так, в Орловской области среднегодовая численность населения в этот период уменьшилась с 828,6 тыс. человек в 2005 г. до 767,6 тыс. человек в 2014 г.,т.е. на 7,9%. Выбор именно этого удельного показателя обосновывается еще и тем, что в литературе, посвященной вопросам продовольственной безопасности, фактические данные производства продукции сравниваются с пороговыми значениями уровня продовольственной безопасности, измеряемыми в кг на душу населения. Так, по нормативам Института питания РАМН, этот уровень составляет: по мясу и мясопродуктам –74 кг/год на душу населения, по молоку и молочным продовольственным продуктам –423 кг/год на душу населения[11]. Реально же на момент данной публикации производство этой продукции в РФ составляло 59 и 338 кг/год на душу населения соответственно, что значительно меньше порогового уровня продовольственной безопасности.В статистическом ежегоднике [1] приведены данные по производству молока в хозяйствах всех категорий и по среднегодовой численности населения в региональном разрезе за 2005 г. и за 20102014 гг. Так как статистические данные за 20102014 гг. образуют «классические» временные последовательности, причемвременные изменения меньше территориальных различий, то в качестве ведущего информативного показателя следует принять среднегодовой уровень производства молока на душу населения, а среднегодовой прирост производства молока на душу населения будет дополнительным показателем, характеризующим динамику производства данной продукции. Вышеотмечалось то положительное, что дает применение на всех этапах статистического исследования методов и технологий Data Mining, указывалось, что в качестве инструментария целесообразно использовать пакет статистических программ анализа данных общественных наук SPSS. В принципе, некоторые задачи Data Mining можно решать и с помощью широко распространенной и более доступной российским студентам программы Excel, но преимущество пакета SPSS–в значительно более богатом наборе графических и аналитических процедур. Имеются и такие «продвинутые» пакеты статистических программ анализа данных, как профессиональный пакет Statistica, но он сложен для использования.В настоящее время на мировом рынке имеются новые версии пакета SPSS–SPSS19, SPSS20, SPSSStatistica и т.д. Нами использовалась значительно более ранняя версия SPSSBase8.0 для Windows, ноуже эта версия позволяет реализовывать большинство процедур Data Mining, практическому освоению которых способствует изданное в 2000е годы и затем неоднократно переиздаваемое руководство[15], разработанное немецкими специалистами.

Из аналитических методов Data Mining, использованных в данном исследовании, укажем методы регрессионного анализа, реализуемые в процедуре «CurveEstimation(подгонка кривых)», из графических –построение графиков последовательностей для визуализации временных рядов, а также ящичковых диаграмм, иллюстрирующих распределение показателей по подвыборкам.На начальном этапе статистических исследований проводилианализ ящичковых диаграмм, иллюстрирующих распределение удельного показателя в разных регионах по годам,при этом выявлено, что лидером по производству молока в период 20102014 гг. по удельному показателю –на душу населения –являлась Белгородская область, аутсайдером –Московская область.Используемая нами эмпирическая база содержит региональные данные за пять лет, и это дает возможность рассмотреть динамику производства молока в 20102014 гг. по регионам ЦФО. В статистической практике годичные временные ряды принято характеризовать двумя средними показателями –средним уровнем ряда и среднегодовым приростом, которые легко можно рассчитать непосредственно в редакторе данных пакета SPSS. Однако более продуктивным использовать в этих целях процедуру CurveEstimationэтого пакета: тогда, помимо средних показателей, мы получим информацию по надежности линейного приближения, а это позволяет оценить стабильность производства изучаемого процесса.На рисунке 1приведены два характерных примера –динамика производства молока в период 20102014 гг. в Воронежской и Смоленской областях.

аб

Рис.1.Динамика производства молока:

а–Воронежская область; б

–Смоленская область

Поясним этидиаграммы. По горизонтальной оси отложены значения временной переменной t, определенной формулой:t= год –2012, (1)согласно которой значение t=0 отвечает середине изучаемого временного интервала. Соответствующее этой временной метке значение показателя, т.е. свободный коэффициент b0 линейной модели Y= b0+ b1t (2)будет средним арифметическим, а коэффициент линейной регрессии b1 –среднегодовым приростом показателя.Из рисунка 1 видно, что если в Воронежской области наблюдался стабильный рост показателя со средним уровнем 315,5 кг на душу населения и среднегодовым приростом 11,2 кг в год на человека, то в Смоленской области, напротив, происходил спад производства с отрицательным приростом14,4 кг в год на душу населения, при среднем уровне 304,4 кг в год на душу населения. В Воронежскойобласти процесс производства стабильный, о чем свидетельствует высокое значение коэффициента детерминации R2=0,988, тогда как для линейной модели производства молока в период 20102014 гг. в Смоленской области R2=0,399, т.е.меньше критического значения 0,5, что отражает нестабильность данного процесса.В таблице 1приведены результаты аппроксимации динамики производства молока в период 20102014 гг. линейными моделями, согласно которым регионы ЦФО можно классифицировать на три группы: 1) регионы с положительной динамикой показателя;2) регионы с отрицательной динамикой показателя;3) регионы с неустойчивой динамикой производства молока на душу населения.Кпервой группе относятся всего два региона –Воронежская и Владимирская области, ко второй группе –с отрицательной динамикой показателя –восемь регионов (Ивановская, Костромская, Курская, Липецкая, Московская, Оpловская, Твеpская и Тульская области); остальные регионы характеризуются неустойчивой динамикой производства молока на душу населения. Таблица 1Параметры и критерии качества линейных моделей динамики производства молока в ЦФО в период 20102014 гг. линейными моделями

Регион МНКоценки параметровКритерии качествасредний уровень, кг/чел.среднегод.прирост, кг/чел.коэффициент детерминации R2критерий Фишера FруровеньБелгоpодская обл. 355,92,390,3511,620,351Бpянская обл. 266,32,080,1260,430,558Владимиpская обл. 238,67,030,6024,550,123Воpонежская обл. 315,511,220,988249,650,001Ивановская обл. 151,84,130,85818,180,024Калужская обл. 226,71,690,2460,980,395Костpомская обл. 181,99,620,986210,000,001Куpская обл. 331,112,940,9405,340,104Липецкая обл. 229,75,630,6635,910,093Московская обл. 97,25,110,96994,300,002Оpловская обл. 283,511,330,79311,480,043Рязанская обл. 318,40,280,0080,020,889Смоленская обл. 304,414,410,3991,990,253Тамбовская обл. 208,30,280,0130,040,854Твеpская обл. 188,015,010,982165,430,001Тульская обл. 124,04,910,54816,760,026Яpославская обл. 206,91,900,3271,460,314

Перейдем к решению следующей задачи –разработке типологиирегионов ЦФО по самообеспеченности молочной продукцией.Судя по ящичковым диаграммам, в пределах рассматриваемого временного диапазона экстремальных значений показателей не наблюдается, а их повышенными или пониженными значениями характеризуются лишь несколько регионов, и для анализа региональных различий можно воспользоваться графическим ранжированием регионов ЦФО по среднему уровню производства молока на душу населения и среднегодовому приросту показателя –рисунок 2.

Из рисунка 2 аследует, что среднийуровень производствамолока характеризуется значительной вариабельностью по регионам –от минимального значения 97,2 кг/чел. в Московской области до максимального 355,9 кг/чел. в Белгородской области, при средней величине показателя 237,0 кг/чел. Распределение показателя по регионам близко к нормальному, что позволяет дать оценку коэффициента вариации –31,7%.Значительной вариабельностью по регионам характеризуется и другой показатель –среднегодовой прирост уровня производства молока на душу населения, варьирующийот максимальной величины 11,2 кг/чел. в Воронежской области до минимальной 15,0 кг/чел. в Тверской области.

аб

Рис.2.Распределение параметров динамикипроизводства молокапо регионам ЦФО: а–средний уровень в расчете на душу населения; б –среднегодовой прирост

Выше отмечалось, что понормативам Института питания РАМН пороговый уровень продовольственной безопасности по молоку и молочным продуктам составляет 423 кг/год на душу населения, но даже лидирующая группа регионов «не дотягивает» до требуемого уровня, а группа аутсайдеров отстает от этого уровня «в разы». Кроме того, необходимо учесть отрицательную и неустойчивую динамику производства молока в большинстве регионов. Исходя из этих фактов, ситуацию с производством молочной продукции в ЦФОследует считать весьма критической.Графическое представление параметров динамики производства молокав виде диаграмм Парето показывает ранжирование регионов по их величине, но не дает ответа на вопрос, в какой мере нас устраивают эти значения. Для ответа на этот вопрос обратимся к их преобразованию в безразмерные шкалы желательности или предпочтительности. В качестве такого преобразования нами предлагается использовать психофизическую шкалу Харрингтона [19], которая ставит в соответствие значения формируемой на ее основе функции желательности лингвистической переменной с уровнями(градациями)«очень плохо», «плохо», «удовлетворительно», «хорошо», «очень хорошо». В случае функции желательностис односторонним ограничением, имеющей место для показателей производства молока, шкала Харрингтона выглядит следующим образом –таблица 1.

Таблица 1Числовые интервалы шкалы Харрингтона для функции желательности с односторонним ограничением

Лингвистическая оценка (уровни лингвистической переменной)Интервалы значений функции желательности d(x)Очень плохо0,000,20Плохо 0,200,37Удовлетворительно0,370,63Хорошо 0,630,80Очень хорошо0,801,00

Практически достаточно ограничиться тремя градациями шкалы Харрингтона, отвечающим уровням (оценкам) «плохо», «удовлетворительно», «хорошо» [20]. В этом случае зона, соответствующая уровню «удовлетворительно», расширяется от 0,37 до 0,69, а зоны «плохо» и «хорошо» характеризуются интервалами (0,000,37) и (0,691,00) соответственно. Аналитически функция желательности Харрингтона задается формулами: d= d(z) = exp (exp (z)); (3)z= (х–х0)/( х1–х0), (4)где z–кодированные значения показателя, представляющие собой безразмерные величины; х –значение информативного показателя; х0и х1–границы зоны «удовлетворительно» в исходной шкале: d0= d(z(х0)) = 0,37; d1= d(z(х1)) = 0,69. (5)При кодированном значении информативного показателя z=0 (нижняя граница зоны «удовлетворительно») функция желательности принимает значение 0,368, а при z=1, что соответствует верхней границе зоны «удовлетворительно», d(z)=0,692. Таким образом, для построения функции желательности Харрингтона достаточно установить границы исходных показателей х0и х1, внутри которых изучаемая характеристика может считаться удовлетворительной.Функция Харрингтона довольно часто используется для рейтинговой оценки не только в одномерных, но в многопараметрических задачах. Так, в [21]функция Харрингтонабыла использована в оценке кризиса несостоятельности (банкротства) на примере организациидолжника,в [22]–для построения обобщенного показателяв многокритериальных задачах; практические аспекты использования функции желательностиХаррингтонавмедикобиологическом экспериментерассмотреныв работе [23].Удобство преобразования Харрингтонав том, что для его задания достаточно указать всего две «реперные» точки –нижнюю и верхнюю границы зоны «удовлетворительно». Но здесь возникаетвопрос: как выбрать эти реперные точки.Частоэти значения полагают равными х1=хmaxи х0=хmin, т.е. соответственно максимальному и минимальному значению показателя по массиву региональных данных.Такой подход, однако, представляется не вполне обоснованным: при этом все рассматриваемые статистические объекты в выборке считаются «удовлетворительными», тогда как исходя из общих соображений, это не так –в любом случае есть «лидеры», есть и «аутсайдеры». В работе [24] предложен иной подход:для позитивных показателей нижнюю границу зоны «удовлетворительно» положить равной значению параметра центральной тенденции (медианы или средней арифметической величины), а ее верхнюю зону «сдвинуть» в сторону значений показателя, отстоящих от параметра центральной тенденции на величину стандартного отклонения. Согласно правилу «трех сигм», тогда примерно 1/6 часть статистических объектов будет характеризоваться оценкой «удовлетворительно», половина –оценкой «плохо», 1/3 –оценкой «хорошо». Изложенный в [24] подход к назначению параметров функции Харрингтона, однако, имеет следствием существенное завышение требований к уровню показателей, что не всегда оправдано. Чаще встречаются случаи, когда основная часть статистических единиц находится в зоне «удовлетворительно», и требуется их упорядочить, а также установить немногих «лидеров» и «аутсайдеров». В этих случаях более подходящим является модификация описанного выше «статистического» подхода к расчету параметров функции Харрингтона, предложенная нами в [25]: нижнюю границу зоны «удовлетворительно» положить равной среднему арифметическому показателя за минусом его стандартного отклонения, а верхнюю зону, как и ранее, «сдвинуть» в сторону значения показателя, превышающего среднее арифметическое на стандартное отклонение. Тогда в зоне «удовлетворительно» будет примерно 2/3 статистических единиц, а в зонах «плохо» и «хорошо» –по 1/6 статистических единиц.Формула (4) в модифицированном алгоритме имеет следующий вид: z = 0,5 + (х –хср)/(х1–х0) = 0,5 + (х –хср)/(2 СКО(х)), (6) где х0и х1–нижняя и верхняя границы зоны «удовлетворительно» определяются по формулам х0= хср–СКО(х), х1= хср+ СКО(х). (7) Здесьхср–среднее арифметическое (невзвешенное) по однородной региональной выборке, СКО(х) –стандартное отклонение.

Принцип построения функции желательности и ее график в натуральных координатах показаны на рисунке 3.

аб

Рис. 3.Функция желательности производства молока:

а–принцип построения; б –назначение зон желательности

Как видноиз рисунка 3а, для построения частных функций желательности достаточно задаться двумя «реперными» точками –нижней и верхней границызоны «удовлетворительно». Но это не является препятствием для выделения не трех зон желательности («плохо», «удовлетворительно», «хорошо»), как показано на рисунке 3а, а пяти –«очень плохо», «плохо», «удовлетворительно», «хорошо», «очень хорошо» –рисунок 3б.Другой вопрос, что в зоны «очень плохо» и «очень хорошо» не попал ни один регион ЦФО.Изрисунка 3бследует, что оценкой «хорошо» характеризуются шесть областейЦФО: Белгоpодская,Куpская,Рязанская,Воpонежская,Смоленскаяи Оpловская, оценкой «удовлетворительно» –восемь областей: Бpянская,Владимиpская,Липецкая,Калужская,Тамбовская,Яpославская,Твеpскаяи Костpомская,оценкой «плохо» –три области: Ивановская,Тульскаяи Московская(регионы перечислены в порядке уменьшения уровня производства молока на душу населения).Аналогично, можно построить функции желательности параметра динамики –среднегодового прироста производства молока на душу населения. Но здесь уже необходимо назначить границы зоны «удовлетворительно» иначе: поскольку среднее значение показателя равно отрицательной величине 4,06 кг/чел., а стандартное отклонение равно 7,21 кг/чел., принять, как это рекомендовано в работе [24], нижнюю границу зоны «удовлетворительно» равной значению средней арифметической величины,а ее верхнюю зону «сдвинуть» в сторону значений показателя, отстоящих от этойвеличинына стандартноеотклонение, т.е. проводить расчетыкодированныхзначенийпоказателяпо формуле (4).

Графики функции желательности в кодированных и натуральных координатах приведены на рисунке 4.

аб

Рис. 4. Функция желательности среднегодового прироста производства молока: а –в кодированных координатах; б –в натуральных координатах

Из рисунка 4следует, что по параметру динамики производства молока можно выделить все пять групп регионов. Оценкой «очень хорошо» характеризуются два региона –Воpонежскаяи Владимиpская области, оценкой «хорошо» –Яpославскаяобласть. В зоне «удовлетворительно» –пять регионов: Рязанская,Тамбовская,Калужская,Бpянскаяи Белгоpодская области. Остальные регионы находятся в зонах «плохо» и «очень плохо»: в зоне «плохо» четыре региона –Ивановская,Тульская,Московскаяи Липецкая области, в зоне«очень плохо» –пять регионов: Костpомская, Оpловская,Куpская,Смоленскаяи Твеpская области (регионы перечислены в порядке уменьшения приростапроизводства молока на душу населения).

Таким образом, по результатам выполненного статистического исследования можно заключить, что перед регионами Центрального федерального округа стоят серьезные задачи по повышению производства такого важного вида сельскохозяйственной продукции, как молоко. Даже лидирующая группа регионов, в которую входят Белгородская, Курская, Рязанская, Воронежская,Смоленскаяи Орловская области, характеризуется недостаточным уровнем самообеспечения молочной продукцией, причем из них лишь в двух –Воронежской и Владимирской –в 20102014 гг. наблюдалась положительная динамика производства молока на душу населения, а семь регионов характеризуются неустойчивой динамикой и остальные –отрицательной.

В методическом отношении можно заключить, что принятый в данном исследовании подход к статистическому анализу пространственновременных данных, основанный на методах и технологиях Data Mining(интеллектуального анализа данных) и апробированный на примере показателей производства молочной продукции в регионах Центрального федерального округа,носит общий характер и может быть рекомендован к использованию в целях мониторинга производства других видов сельскохозяйственной продукции и в других макрорегионах страны.

Ссылки на источники1.Регионы России. Социальноэкономические показатели. 2015: Стат. сб. / Росстат. –М., 2015. –1266 с.2.Авдийский В.И., Дадалко В.А., Синявский Н.Г. Национальная и региональная экономическая безопасность России: учеб. пособие. –М.: ИНФРАМ,2016. –363 с.3.Дмитриев В.В. Определение интегрального показателя состояния природного объекта как сложной системы // Общество. Среда. Развитие (TerraHumana). 2009. №4. C.146165.4.Агарков А.В. Продовольственная безопасность в системе экономической безопасности России // Вестник Ставропольского государственного университета. –2010 –Т.5. –С.102107.5.Семин А.Н. К вопросу о понятиях «продовольственная независимость» и «продовольственная безопасность» // Экономика сельскохозяйственных и перерабатывающих предприятий. –2013. –№11. –С.14.6.Кошевой О.С., Фудина Е.В. Продовольственная безопасность –основа обеспечения экономической безопасности // Известия высших учебных заведений. Поволжский регион. Общественные науки. –2015. –№4 (36). –С.188196.7.Шахова О.А., Воронина Л.Н., Евтюгина А.А. Продовольственное обеспечение населения как фактор экономической безопасности страны / О. А. Шахова // Экономика региона. –2011. –№1. –С.229233.8.Пациорковский В.В. Обеспечение продовольственной безопасности // Экономика региона. –2011. –№4. –С.5161.9.Корнекова С.Ю. О региональном уровне продовольственной безопасности России // Известия СанктПетербургского государственного экономического университета. –2015. –№6 (96). –С.1722.10.Продовольственная безопасность региона: монография / Т.В. Ускова, Р.Ю. Селименков, А.Н. Анищенко, А.Н. Чекавинский.Вологда: ИСЭРТ РАН, 2014. –102 c.11.Пашина Л.Л. Обеспечение продовольственной безопасности региона // Дальневосточный аграрный вестник. –2010. –Вып. 4(16). –С.6674.12.Жахов Н.В., Кривошлыков В.С., Шатохин М.В.Предпосылки определения роли Курской области в обеспечении провольственной безопасности России// Успехи современной науки. –2016. –Т.4. –№10. –С.2325.13.Черкасов В.А. Обеспечение продовольственной безопасности России с учетом классификации регионов по величине энергетической ценности потребленных населением продуктов питания // Социальноэкономические явления и процессы. –2011. –№7. –С.182186.14.Никифорова И.В., Огнева Н.Ф. Оценка уровня потребления продовольствия как основы обеспечения продовольственной безопасности (на примере Калининградской области) // Молодой ученый. –2014. –№19.1. –С.2730.15.Бююль А., Цёфель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. –СПб.: ООО «ДиаСофтЮП», 2002. –608 с.16.Ермишина О.Ф., Довгий С.И., Денисова Е.Д. Основные подходы к созданию системы экономической безопасности// Успехи современной науки. –2016. –Т.4. –№10. –С.9596.17.Маковеев С.Н. Продовольственное самообеспечение аграрного региона в системе продовольственной безопасности в условиях членства России в ВТО: дис. ... кта экон.. наук. –Екатеринбург, 2014. –234 с.18.Тютюник В.В. Продовольственная независимость региона // Пространственная экономика. –2016. –№2. –С.168182.19.Harrington E.C. The desirable function // Industrial Quality Control. –1965. –V.21. –№10.20.Оптимизация качества. Сложные продукты и процессы / Э.В. Калинина, А.Г. Лапига, В.В. Поляков и др. –М.: Химия, 1989.21.Безбородова Т.И. Использование функции Харрингтона при рейтинговой оценке деятельности организации в условияхантикризисного управления // Финансовая аналитика: проблемы и решения. –2014. –№1(187). –С.2432.22.Любушин Н.П., Брикач Г.Е. Использование обобщенной функции желательности Харрингтона в многопараметрических экономических задачах // Экономический анализ:теория и практика. –2014. –№18(369). –С.210.23.Королева С.В. Практические аспекты использования функции желательности в медикобиологическом эксперименте // Современные проблемы науки и образования. –2011. –№6; URL: www.scienceeducation.ru/1005270 (дата обращения 14.01.2017).24.ШуметовВ.Г.Опреобразованиисоциальноэкономическихпоказателейвбезразмерные индексыв задачах математического моделирования // Среднерусскийвестник общественныхнаук.–2014. –№4.–С.102111.25.ШуметовВ.Г.Онормированиипоказателейуровня жизни населения // Вестник ОрелГАУ. –2015. –№6(57).–С.104113.