Дифференциация предприятий АПК Краснодарского края по производственному потенциалу методом многомерного статистического анализа

Размещено на http://www.allbest.ru/

Дифференциация предприятий АПК Краснодарского края по производственному потенциалу методом многомерного статистического анализа

Косников Сергей Николаевич

Шалагинова Елена Сергеевна

Аннотации

В статье рассматриваются подходы к дифференциации предприятий АПК Краснодарского края по производственному потенциалу. В качестве объекта исследования выбраны 640 предприятий АПК Краснодарского края за 2013 год. Кластерный анализ позволяет наглядно дифференцировать организаций по экономическим параметрам. Преимущество данного подхода проявляется тогда, когда анализируется большое количество организаций и показателей. Предпочтительнее проводить кластеризацию иерархическим кластерным анализом и методом k-средних. Приведены результаты кластеризации АПК предприятия Краснодарского края по основным экономическим показателям. В ходе анализ выявлено, что предприятия АПК Краснодарского края укрупнено образуют пять кластеров. Кластер 1 характеризуется очень высоким уровнем развития производственного потенциала АПК предприятия, состоит из 12 организаций и определен как "особо крупные" организации. 2 кластер характеризуется как "крупные", в его составе 25 предприятий АПК. 3 и 4 кластеры - как "средние", на них приходится 60% посевных площадей, 52,6% основных производственных фондов сельскохозяйственного назначения. 5 кластер представлен как "мелкие", является лидером по количеству организаций - 371 ед. и содержит минимальное количество работников - 30 чел. Предполагается что данные подходы могут быть использованы для анализ сельскохозяйственных организаций Краснодарского края с различным уровнем специализации и в прочих исследованиях

The article discusses approaches to differentiation of agricultural enterprises of the Krasnodar region on the production potential. As the object of study we have selected 640 agricultural enterprises of the Krasnodar region for 2013. Cluster analysis allows visually differentiate organizations in economic parameters. The advantage of this approach is evident when analyzed a large number of organizations and performance. It is preferred that clustering is made using hierarchical cluster analysis and k-means. The results of clustering agribusiness enterprises of the Krasnodar region on the main economic indicators were given. During the analysis, we revealed that the AIC enterprises of the Krasnodar region generally form five clusters. Cluster 1 is characterized by a very high level of development of the productive capacity of agribusiness enterprises, consists of 12 organizations and is defined as "extra large" organization. 2nd cluster is characterized as "large", it includes 25 agricultural enterprises. 3rd and 4th clusters - as "average", they account for 60% of the acreage, 52.6% of fixed assets for agricultural purposes. 5th cluster is represented as "small", is a leader in the number of organizations - 371 units and contains a minimum number of employees - 30 people. It is assumed that these approaches can be used for analysis of agricultural organizations of the Krasnodar region with different levels of specialization and in other studies

Ключевые слова: дифференциация, производственный потенциал, агропромышленный комплекс, кластерный анализ, иерархический метод, метод k-средних

Keywords: differentiation, production capacity, agriculture, cluster analysis, hierarchical method, k-means

Введение

Одним из возможных подходов при анализе эффективности использования производственного потенциала агропромышленных предприятий является группировка организаций по степени однородности изучаемых показателей. Целью данной статьи является выделение групп предприятий агропромышленного комплекса Краснодарского края, которые существенно различаются по своим показателям от остальных и благодаря которым можно определить значения кластерообразующих признаков, осуществить сравнительную оценку их эффективности и разработать соответствующие мероприятия по повышению эффективности использования производственного потенциала. Часто оценка эффективности использования производственного потенциала организаций АПК проводится по большому количеству показателей, что затрудняет сам процесс. Поэтому важно определить группу факторов, которые являются определяющими для оценки эффективности использования производственного потенциала.

Методы и объекты исследования

Данную задачу целесообразно решить, используя метод многомерного статистического анализа - метод кластер-анализа. Задача кластер-анализа состоит в выяснении по эмпирическим данным, насколько элементы "группируются" или распадаются на изолированные "скопления", "кластеры" (от cluster (англ.) - гроздь, скопление). Иными словами, задача - выявление естественного разбиения на классы, свободного от субъективизма исследователя, а цель - выделение групп однородных объектов, сходных между собой, при резком отличии этих групп друг от друга Орлов А.И. Эконометрика. - М.: Экзамен, 2002. - 576 с..

В качестве методов кластеризации выбраны иерархическая кластеризация и метод k-средних (k_means).

Иерархическая кластеризация представляет собой совокупность алгоритмов упорядочивания данных, визуализация которых обеспечивается с помощью графов. Алгоритмы упорядочивания данных указанного типа исходят из того, что некое множество объектов характеризуется определённой степенью связности. Предполагается наличие вложенных групп (кластеров различного порядка). Алгоритмы, в свою очередь, подразделяются на агломеративные (объединительные) и дивизивные (разделяющие). По количеству признаков иногда выделяют монотетические и политетические методы классификации. Как и большинство визуальных способов представления зависимостей графы быстро теряют наглядность при увеличении числа объектов https://ru.wikipedia.org/wiki/Иерархическая_кластеризация.

Для включения нового объекта в существующий кластер использовался метод Уорда, который предполагает, что первоначально каждый кластер состоит из одного объекта, затем объединяются два ближайших кластера, для которых определяются средние значения каждого признака и рассчитывается сумма квадратов отклонений (формула 1).

 (1)

где l - номер кластера;

i - номер объекта (i = 1,2, ..., nl);

nl - количество объектов в l-том кластере;

j - номер признака (j = 1,2, ..., k);

k - количество признаков, характеризующих каждый объект.

В качестве функции расстояния было выбрано Евклидово расстояние - геометрическое расстояние между двумя точками в многомерном пространстве, вычисляемое по теореме Пифагора https://ru.wikipedia.org/wiki/Евклидова_метрика.

Основная идея метода k-средних (k-means) заключается в том, что на каждой итерации перевычисляется центр масс для каждого кластера, полученного на предыдущем шаге, затем векторы разбиваются на кластеры вновь в соответствии с тем, какой из новых центров оказался ближе по выбранной метрике. Алгоритм завершается, когда на какой-то итерации не происходит изменения центра масс кластеров. Это происходит за конечное число итераций, так как количество возможных разбиений конечного множества конечно, а на каждом шаге суммарное квадратичное отклонение не увеличивается, поэтому зацикливание невозможно https://ru.wikipedia.org/wiki/K-means.

В качестве кластерообразующих признаков были использованы: площадь сельскохозяйственных угодий, площадь пашни, среднегодовая численность, затраты труда, стоимость основных производственных фондов сельскохозяйственного назначения, стоимость валовой сельскохозяйственной продукции, стоимость товарной продукции сельского хозяйства, себестоимость реализованной продукции.

Объектом исследования являются 640 предприятий агропромышленного комплекса Краснодарского края. Информационной базой исследования послужили данные бухгалтерской отчетности за 2013 г. В ходе исследования были исключены из кластеризации следующие организации - ЗАО "Фирма Агрокомплекс" Веселовского района и ОАО "Агрообъединение "Кубань" Усть-Лабинского района, т. к. они не сопоставимы с другими организациями.

Расчеты были произведены при помощи статистического программного обеспечения STATISTICA 10.

Результаты исследований

Результаты кластерного анализа по исходным данным показали, что классификация исследуемой совокупности агропромышленных предприятий Краснодарского края образует сложную многоуровневую кластерно-иерархическую структуру, которую можно представить в виде дендрограммы или диаграммы дерева. агропромышленный экономический краснодарский

На рисунке 1 видно, что агропромышленных предприятий Краснодарского края укрупнено образуют пять кластеров. С определенной долей условности можно сказать, что эти кластеры делят всю совокупность агропромышленных предприятий Краснодарского края на пять переходных состояний.

Рисунок 1 - Кластеризация предприятий АПК Краснодарского края методом Уорда

Полученные результаты кластеризации предприятий АПК Краснодарского края позволяют сделать выводы о специфике экономик выявленных типических групп агропромышленных предприятий.

На основе полученных характеристик можно сформулировать пути по повышению эффективности использования производственного потенциала АПК Краснодарского края, с целью выхода из кризисного состояния отельных предприятий и обеспечения устойчивых темпов функционирования и развития в будущем.

Первый кластер характеризуется очень высоким уровнем развития производственного потенциала агропромышленного предприятия. В среднем на одно предприятие приходится 12186,0 га площади сельскохозяйственных угодий (таблица 1).

Таблица 1 - Кластерообразующие признаки и результаты кластерного анализа предприятий АПК Краснодарского края (в среднем на 1 предприятие) Расчеты произведены автором на основе бухгалтерских отчетов предприятий АПК Краснодарского края за 2013 г.