Статистическое прогнозирование урожайности сахарной свеклы на примере Орловской области

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Курсовая работа

Статистическое прогнозирование урожайности сахарной свеклы на примере Орловской области

ВВЕДЕНИЕ

экономический статистический прогнозирование

Сельское хозяйство России представлено двумя основными отраслями: растениеводством и животноводством.

Орловская область является зоной интенсивного ведения сельскохозяйственного производства.

Сельская экономика занимает значительную часть в экономическом комплексе области: земли сельскохозяйственного назначения и территории сельских поселений расположены более чем на 90% площади области. http://orel-region.ru/index.php?heand=2&part=63&unit=24

В области по состоянию на 1 января 2010 года действовали 264 сельскохозяйственных организации, 1280 - фермерских хозяйств.

В последние годы сельскохозяйственные организации кроме посева зерновых культур стали выращивать сахарную свеклу, сеять подсолнечник и рапс. В Орловской области в 2012 году был собран урожай сахарной свеклы, который составил 1,72 млн. тонн сахарной свеклы, что на 1 млн. тонн больше чем в 2010 году.

В среднем с 1 гектара посевной площади было собрано 419 центнеров. http://orel-region.ru/index.php?head=2&part=63&unit=24

Однако многие производители сахарной свеклы столкнулись с проблемой сбыта своей продукции. Это было связано с тем, что в 2012 году в области работало 4 сахарных завода. При этом заводы перерабатывали не только покупную сахарную свеклу, но и свою собственную.

В 2013 году, по информации заместителя председателя правительства Орловской области, руководителя агропромышленного блока Василия Новикова, в Орловской области сахарная свекла была убрана на площади 45,2 тыс. гектаров, что составило 1,8 млн. тонн сладких корнеплодов.

При этом средняя урожайность составила 400,6 Ц./га. http://www.eizh.ru/articles/proizvodstvo/modernizatsiya-sakharnykh-zavodov-pozvolit-uvelichit-ikh-proizvodstvennye-moshchnosti/

В 2012 году производственные мощности сахарных заводов были увеличены на 2,5 тыс. тонн и составили 15,5 тыс. тонн в сутки (в 2011году - 13 тыс. тонн в сутки). Это способствовало облегчению сбыта продукции сельскохозяйственных организаций.

Также было принято решение губернатором Орловской области о посеве сахарной свеклы в 2013 году на площади не менее 45,2 тыс. гектаров. см. там же

Поэтому, статистическое прогнозирование урожайности сахарной свеклы является актуальной темой в сложившейся ситуации.

Целью курсовой работы является раскрытие сущности статистического прогнозирования урожайности сахарной свеклы.

Поставленная цель предполагает решение следующих задач, а именно:

· рассмотрение основных методов статистического прогнозирования, их сущность и условия применения;

· изучение методики авторегрессионного прогнозирования, её сущность и условия применения;

· рассмотрение природно-экономических условий возделывания сахарной свеклы;

· осуществление авторегрессионного прогнозирования урожайности сахарной свеклы по тренду и колеблемости;

· проведение индексного анализа урожайности сахарной свеклы;

· рассмотрение статистической отчетности об урожае и урожайности сахарной свеклы.

Предметом исследования является статистическое прогнозирование урожайности сахарной свеклы.

Объектом исследования являются сельскохозяйственные предприятия в Орловской области.

Методами исследования являются монографический метод, графический метод, индексный анализ, случайная величина, динамические ряды, вариационные ряды.

Была использована литература: учебники, учебные пособия, стат. сборники, периодическая литература, информационные интернет-ресурсы.

1.ОСНОВНЫЕ МЕТОДЫ СТАТИСТИЧЕСКОГО ПРОГНОЗИРОВАНИЯ, СУЩНОСТЬ И УСЛОВИЯ ИХ ПРИМЕНЕНИЯ

Статистическое прогнозирование, наряду с другими видами прогнозирования социально-экономических явлений и процессов, является инструментом социально-экономического управления и развития.

Статистические методы прогнозирования -- научная и учебная дисциплина, к основным задачам которой относятся разработка, изучение и применение современных математико-статистических методов прогнозирования на основе объективных данных; развитие теории и практики вероятностно-статистического моделирования экспертных методов прогнозирования; методов прогнозирования в условиях риска и комбинированных методов прогнозирования с использованием совместно экономико-математических и эконометрических (как математико-статистических, так и экспертных) моделей. Ефимова М.Р. Общая теория статистики: Учебник / М.Р. Ефимова, Е.В. Петрова, В.Н. Румянцев. - 2-е изд., испр. и доп. - М.: ИНФРА-М, 2010. - 416 с.

Прогнозирование - это вид познавательной деятельности человека, направленной на формирование прогнозов развития объектов, на основе анализа тенденций и закономерностей его развития.

Прогнозирование - это научное, основанное на системе установленных причинно-следственных связей и закономерностей, выявление состояния и вероятностных путей развития явлений и процессов.

Научной базой статистических методов прогнозирования является прикладная статистика и теория принятия решений.

Выделяют несколько основных этапов статистического прогнозирования:

Анализ объекта прогнозирования. На этом этапе рассматривается состояние, основные элементы, взаимосвязи и факторы, формирующие и оказывающие влияние на исследуемых объект; выдвигается основная рабочая гипотеза; выявляются причинно-следственные связи как внутри явления, так и вне его и определяется их статистическое выражение.

Характеристика информационной базы исследования. На данном этапе выдвигаются основные требования, предъявляемые к информационной базе. При этом различают количественную информацию, обработку которой осуществляют статистическими методами, и качественную информацию, сбор и обработка которой производится преимущественно эвристическими и непараметрическими статистическими методами анализа.

Выбор метода прогнозирования. Процесс выбора метода прогнозирования обусловлен объективизацией прогноза, которая обеспечивает реализацию наиболее точного и достоверного прогноза. С этой целью целесообразно использовать различную исходную информацию и несколько методов прогнозирования.

Построение исходной модели прогноза и ее реализация. Данный этап предполагает, что основой построения прогноза является разработка достаточно адекватной исходной модели, обладающей прогностическими свойствами.

Проверка достоверности, точности и обоснованности прогноза. На данном этапе дается достоверная оценка процесса прогнозирования на основе расчета и анализа абсолютных, относительных и средних показателей точности прогноза. Надежность прогноза определяется, как правило, величиной доверительных интервалов.

Принятие решений на основе прогнозной модели и выработка рекомендаций о возможностях ее использования для получения прогнозных оценок. Построение достаточно точных и надежных прогнозов позволяет на практике наиболее четко сформулировать резервы и пути развития изучаемых социально-экономических явлений и процессов.

Одним из наиболее распространенных методов прогнозирования социально-экономических явлений и процессов является экстраполяция, то есть продление тенденции и закономерностей, связей и соотношений прошлого и настоящего на будущее. Елисеева И.И. Общая теория статистики: Учебник / И.И. Елисеева, М.М. Юзбашев; Под ред. чл.-корр. РАН И.И. Елисеевой. - 4-е изд., перераб. и доп. - М.: Финансы и статистика, 2010. - 480 с.

Типичным и наиболее применимым примером экстраполяции является прогнозы по одномерному временному ряду, который заключается в продлении на будущий период сложившейся тенденции изучаемого явления. Основная цель данного прогноза заключается в том, чтобы показать, к каким результатам можно прийти в будущем, если развитие явления будет происходить со скоростью, ускорением и так далее, аналогичным прошлого периода. Если прогнозная оценка окажется неудовлетворительной, то сложившаяся в прошлом тенденция должна быть изменена с учётом тех факторов, под влиянием которых она складывается.

Широкое практическое применение методов экстраполяции трендов объясняется простотой метода, сравнительно небольшим объемом информации и четкостью механизма реализации, лежащих в его основе предпосылок.

Теоретической основой распространения тенденции на будущее является свойство социально-экономических явлений, называемое инерционностью.

Инерционность - это сохранение тенденций, закономерностей, скорости и характера развития явлений и процессов в будущем, измеренных по данным прошлого периода.

Статистическое прогнозирование предполагает не только качественное предсказание, но и достаточно точное количественное измерение вероятных возможностей, ожидаемых значений признака. Для данной цели важно, чтобы прогностическая модель имела достаточную точность или допустимо малую ошибку прогноза.

Ошибка статистического прогноза будет тем меньше, чем меньше срок упреждения и чем длиннее информационная база прогноза. Оба этих фактора ошибки прогноза имеют следующие условия: состояние и параметры процесса в ближайшем будущем более сходны с фактическими данными и поэтому их предвидеть можно точнее, чем параметры того же процесса в далеком будущем.

Основные статистические методы

К основным статистическим методам относят:

Корреляционный анализ - это статистический метод анализа данных, предназначенный для исследования взаимозависимых выборок. Основной показатель - выборочный коэффициент корреляции. Корреляционный анализ является составной частью любого статистического исследования.

Дисперсионный анализ - это статистический метод анализа данных, предназначенный для исследования степени влияния независимых переменных на зависимые.

Факторный анализ - статистический метод анализа данных, предназначенный для выявления скрытных причин (факторов), объясняющих исследуемую ситуацию с одновременным стремлением минимизировать число этих факторов.

Кластерный анализ - совокупность алгоритмов обработки данных, предназначенных для распределения исследуемых объектов на относительно однородные группы (кластеры), причем число кластеров заранее не известно.

Дискриминантный анализ - статистический метод анализа данных, предназначенный для распределения исследуемых объектов по заранее заданным группам.

Регрессионный анализ - это статистический метод анализа данных, предназначенный для исследования зависимости одной переменной от одной или нескольких независимых переменных.

Многомерное шкалирование - позволяет получить пространственное отображение отношений существующих между объектами.

Методы прогнозирования

Методы прогнозирования классифицируются по различным критериям:

· по форме предоставления результата прогнозы делятся на количественные и качественные; количественные методы базируются на численных и математических процедурах, а качественные методы базируются на использовании имеющихся опыта, знаний и интуиции исследования;

· по величине периода выделяют: краткосрочные (1год и менее), среднесрочные(2-5 лет), долгосрочные (свыше 5 лет);

· по охвату прогнозированием объекта исследования прогнозы бывают общими и частными.

К количественным методам относят:

Ё экстраполяция трендов;

Ё метод скользящей средней;

Ё регрессионный анализ;

Ё экспоненциальное сглаживание;

Ё моделирование;

Ё модель «Затраты-выпуск»;

Ё цепи Маркова.

К качественным методам относят:

§ оценки сотрудников международных отделов;

§ оценки коммерсантов и технического руководства;

§ опрос потребителей;

§ тестирование товара;

§ методы аналогии;

§ результаты тестирования рынка;

§ экспертные оценки методом «Дельфи»;

§ сценарии. Ефимова М.Р. Общая теория статистики: Учебник / М.Р. Ефимова, Е.В. Петрова, В.Н. Румянцев. - 2-е изд., испр. и доп. - М.: ИНФРА-М, 2010. - 416 с.

Выделяют много статистических методов анализа данных. Поэтому при выборе метода анализа необходимо учитывать специфику каждого из методов и уже, исходя из этой спецификации, подбирать метод наиболее подходящий для анализа используемых данных.

Методы прогнозирования стоит подбирать таким же способом, что и методы анализа.

Следовательно, все ме6тоды статистического анализа и прогнозирования, следует использовать в соответствии с их спецификацией и направленностью, а так же в соответствии с условиями проведения анализа и прогноза статистических данных.

2. МЕТОДИКА АВТОРЕГРЕССИОННОГО ПРОГНОЗИРОВАНИЯ, СУЩНОСТЬ И УСЛОВИЯ ПРИМЕНЕНИЯ

2.1 МЕТОДЫ ИЗУЧЕНИЯ ТРЕНДА ДИНАМИЧЕСКОГО РЯДА

Анализ и статистическое описание динамики какого-либо существенного колеблющегося показателя начинается с выявления формы его тренда. После этого приступают к статистической оценке параметров тренда.

В соответствии с определением тренда, форма его объективна и отражает закономерности развития изучаемого процесса. Задача исследователя заключается в выявлении реально существующей формы тренда, а затем уже в выборе того уравнения (типа линии), которое наилучшим образом аппроксимирует объективный тренд. С позиций признания объективного характера формы тренда исходный пункт исследования самого процесса развития заключается в выявлении его материальной природы, внутренних причин развития и его внешних условий. Такое исследование может установить ожидаемую форму тренда.

Существует система иерархически соподчиненных тенденций (трендов) динамики. Трендом называют конкретное, в форме определенной монотонной кривой описание тенденции развития. Тенденцией же точнее называть объективно существующее свойство процесса, которое лишь приближенно отражается и описывается трендом определенного вида.

Система иерархически соподчиненных трендов состоит из трендов первого порядка, каждый их которых имеет определенное направление. Тренд первого порядка отражает определенный однородный период развития. На различных этапах развития тренды первого порядка могут иметь разный характер. Система трендов объединяется общим трендом более высокого порядка, отражающего характер процесса развития в целом.

Теоретический анализ тренда дополняется исследованием его формы по фактическому динамическому ряду, что позволяет выявить тип тренда и измерить его конкретные параметры.

В первичном динамическом ряду колебания уровней не позволяют установить, соблюдается ли единая тенденция за весь период, и какова ее форма. Простейшим методом, позволяющим в значительной мере абстрагироваться от колебаний и выявить тенденцию, служит метод среднегодовых уровней за отдельные периоды. Для достаточно надежного выявления формы тренда необходимо иметь 4-5 таких среднегодовых уровней. В то же время для того, чтобы в основном абстрагировать эти среднегодовые уровни от колеблемости, каждый из них должен являться обобщением урожайности за достаточно большое число лет с различными по благоприятности для выращивания культур условиями и уже не менее чем за пять лет. Для этого необходимо иметь в наличии исходный ряд значительной длительности.

Сравнительно несложной и эффективной является методика изучения тренда динамического ряда на основе его сглаживания с помощью скользящей средней. По ряду скользящих средних определяются характеристики, соответствующие параметрам основных линий, выражающих тенденцию: цепной абсолютный прирост (для прямой), цепной темп роста (для экспоненты), ускорение прирост (для параболы второго порядка). Затем ряд значение прироста разбивается на несколько частей, минимально - две, лучше - три, четыре, по критерию t.

Весьма существенным методом выявления формы тренда служит графическое изображение динамического ряда и его анализ путем подбора линий.

Одним из количественных методов выбора формы тренда является дисперсионный анализ с оценкой наличных эффектов, который применяется в основном для обработки экспериментальных данных, но с некоторыми поправками может быть применен к временным рядам для оценки формы тренда. Сущность метода состоит в оценке средних квадратов, относящихся к линейному, квадратическому и кубическому эффектам факторы времени и сравнение этих средних квадратов с остаточной дисперсией.

Установив форму тренда, определяют параметры тренда на основании эмпирического динамического ряда. Для любой из основных форм трендов существует один главный параметр - константа. Для линейного тренда - это среднегодовой прирост, для экспоненциального - среднегодовой темп роста, для степенного и логистического - показатель степени при номерах лет t или при числе l, для логарифмического тренда - это коэффициент a1 при логарифме. Остальные параметры, включая свободный член, могут зависеть от произвольного выбора начальной точки отчета времени.

Тренд представляет собой среднюю динамическую величину.

Для определения параметров тренда в сильно колеблющемся ряду применяют метод многократного аналитического выравнивания, так как чем сильнее колеблемость и чем короче динамический ряд, тем больше влияние случайного распределения отклонений от тренда искажает значения параметров, полученных при однократном аналитическом выравнивании.

Показатели эффективности производства и влияющие на них факторы могут находиться в стохастической или функциональной связи. В первом случае для их изучения применяются вероятностные методы, во втором - методы функционального анализа, к котором относится индексный анализ. Он изучает изменение в динамике показателей под влиянием факторов, которые являются составными частями показателя, и служит для изучения односторонних причинных связей, отражая на самом деле не причинные, а структурные или объемные изменения показателя и выражая тем самым следствия действительных причин.

2.2 АНАЛИЗ КОЛЕБЛЕМОСТИ УРОВНЕЙ ДИНАМИЧЕСКОГО РЯДА

Колебаниями уровней динамических рядов называют их отклонения от тренда, выражающего тенденцию изменения уровней. Колебания - процесс, протекающий во времени. Однако существует понятие «вариации колеблемости», т.е. различие показателей колеблемости за один и тот же период между территориями и между объектами.

Основными задачами статистического изучения колеблемости производственных и социальных процессов являются следующие:

· измерение силы колебаний;

· изучение типа колебаний, разложение сложной колеблемости на разнородные составляющие;

· исследование изменений колеблемости во времени, динамики колебаний;

· изучение вариации колеблемости в пространственной или иной совокупности объектов;

· изучение факторов колеблемости и ее статистико-математическое моделирование.

Основными абсолютными показателями, характеризующими силу колебаний, являются:

· амплитуда, или размах колебаний - это разность между алгебраическим наибольшим за период отклонением от тренда и наименьшим алгебраическим отклонением.

Основным абсолютным показателем колеблемости считают среднее квадратическое отклонение.

В число показателей колеблемости помимо абсолютных должны входить и относительные показатели, роль которых заключается в том, что лишь в них выражается сравнимая для различных рядов мера интенсивности колебательного процесса. Относительные показатели строятся как отношения абсолютных показателей к среднему уровню ряда динамики за тот же период.

Система показателей колеблемости должна быть дополнена показателями устойчивости как свойства, противоположного колеблемости.

Существенной характеристикой колеблемости является тип колебаний. Первичных, или «чистых», колебаний в динамических рядах можно выделить три: «пилообразная», или «маятниковая», колеблемость, при которой знаки отклонений от тренда чередуются строго поочередно; долгопериодическая, или циклическая, при которой несколько уровней подряд отклоняются от тренда в одну сторону, а затем несколько уровней - в противоположную сторону и т.д.; случайно распределенная во времени, при которой равновероятна любая последовательность знаков и величины отклонений от тренда.

Разные типы колеблемости объясняются, как правило, разными причинами.

2.3 ПРОГНОЗИРОВАНИЕ НА ОСНОВЕ ДИНАМИЧЕСКИХ РЯДОВ

Одно из важнейших практических применений статистического изучения тенденций динамики и колеблемости состоит в прогнозировании на его основе возможных оценок величины изучаемого признака. Прогнозирование на основе измерения тренда и колеблемости один из методов статистического прогнозирования.

Статистический прогноз предполагает не только верное качественное предсказание, но и достаточно точное количественное измерение вероятных возможностей ожидаемых значений признаков. Для данной цели необходимо, чтобы прогностическая модель имела достаточную точность или допустимо малую ошибку прогноза. Ошибка статистического прогноза будет тем меньше, чем меньше срок упреждения - временной промежуток от базы прогноза до прогнозируемого периода, и чем длиннее база прогноза - прошлый период, однородный по закономерностям развития, на основе информации за который построена прогностическая модель. Для определения срока упреждения используют чисто эмпирическое правило: в большинстве случаев срок упреждения не должен превышать третьей части длины базы прогноза.

Ошибка прогноза связана прямой зависимостью с колеблемостью. Поэтому сила колебаний должна учитываться при выборе соотношения между длиной базы прогноза и сроком упреждения. Чем сильнее колеблемость, тем большим должно быть это соотношение.

Область применения метода прогнозирования не основе тренда и колеблемости весьма широка, что вытекает из большого значения изучения трендов и колеблемости в социально-экономических науках, а так же в процессе практического планирования и управления производством.

Прогнозирование всегда опирается на опыт развития изучаемого явления в прошлом. Поэтому любой прогноз как выход за пределы изучаемого периода можно рассматривать как экстраполяцию.

Прогноз выражается как в виде точечной или интервальной оценке. Точечный прогноз есть оценка прогнозируемого показателя в точке (в конкретном году, месяце, дне, середине периода прогноза) по уравнению, описывающему тенденцию показателя.

Точечная оценка рассчитывается путем подстановки номера года, на который рассчитывается прогноз, в уравнение тренда. Она является средней оценкой для прогнозируемого интервала времени. Так, точечный прогноз указывает ту величину урожайности, на которую в среднем выйдет объект на прогнозируемый год, если тенденция динамики урожайности сохранится. Эту величину можно использовать в планирование.

Интервальный прогноз по типу прогнозируемого показателя распадается на три вида: прогноз вероятных границ тренда; прогноз вероятных границ уровней отдельных лет с учетом их возможной колеблемости относительно тренда; прогноз вероятных границ среднегодовых уровней динамического ряда.

Прогноз вероятных границ тренда для любого заданного года (срока упреждения) отвечает на вопрос о том, в границах какого интервала окажется с заданной вероятность уровень тренда в году с номером tk, после того как станут известны все уровни yi отдельных лет, начиная от следующего за концом базы прогноза уровня и до уровня в прогнозируемом году yk (l - период упреждения, k-l - база прогноза).

Для вычисления вероятных границ прогноза тренда необходимо найти среднюю ошибку прогноза умножить на величину t критерия или нормального распределения, чтобы получить вероятную ошибку прогноза тренда а.

Вероятный интервал прогноза тренда равен точечному прогнозу плюс-минус вероятная ошибка а.

Вероятную ошибку и интервал целесообразно вычислять с достаточно близкими t единицы вероятности.

Конкретный выбор вероятности или надежности прогноза зависит от его задач и от силы колебаний

При прогнозе среднегодового уровня на несколько лет рассчитывается точечный прогноз среднегодового абсолютного уровня. Если рассматривается динамика одномерного показателя, это есть средняя арифметическая величина из точечных прогнозов для всех лет усредняемого периода.

Для оценки правильности статистического прогноза применяется методика ретроспективной оценки авторегрессионых прогнозов, основу которой составляет система показателей.

Показатель оправдываемости. Оправдавшимся считается прогноз, в доверительные границы интервала которого попало фактическое значение уровня.

Таким образом, показатель оправдываемости прогнозов - это доля оправдавшихся в достаточно однородной по характеру прогнозируемых процессов, достаточной большой для погашения случайностей группе прогнозов.

Из выше изложенного, в данном разделе, следует, что методика авторегрессионного прогнозирования включает в себя следующие элементы:

· методы изучения тренда динамического ряда;

· анализ колеблемости уровней динамического ряда;

· прогнозирование на основе динамических рядов.

Каждый из элементов важен и необходим для полного и точного авторегрессионного прогнозирования статистических данных.

Это позволяет не только рассмотреть динамику и колеблемость изучаемых данных, но и сделать более точный и достоверный прогноз на основе рассмотренных расчетов.

3. ПРИРОДНО-ЭКОНОМИЧЕСКИЕ УСЛОВИЯ ВОЗДЕЛОВАНИЯ САХАРНОЙ СВЕКЛЫ В ОРЛОВСКОЙ ОБЛАСТИ

Орловская область расположена в центральной части Среднерусской возвышенности, в пределах степной и лесостепной зон. Протяженность ее с запада на восток составляет 200 км, с севера на юг - 150 км.

Климат в области умеренно-континентальный, сравнительно теплый, умеренно влажный. Орловская область расположена в зоне неустойчивого увлажнения. Годовая сумма осадков по центральным районам и юго-востоке области - 440-490 мм. За теплый период года выпадает 300-425 мм, за холодный - 140-185 мм.

Для влагообеспеченности сельскохозяйственных культур очень важны запасы продуктивной влаги в почве. В начале вегетации наибольшие запасы продуктивной влаги содержат в метровом слое суглинистые почвы на севере и западе области: 200-220 мм на пашни и 195-215 мм под озимыми культурами. На остальной территории в зоне оподзоленных и выщелоченных черноземов запасы продуктивной влаги в метровом слое составляют к началу весны 155-180 мм на пашни и 145-200 мм под озимыми культурами. В годы с низкими весенними влаго-запасами урожай сельскохозяйственных культур при неполивном земледелии целиком определяется характером осадков в весенне-летний период. Осадки над территорией области выпадают в течение 15-175 дней в году. В теплый период в среднем за месяц бывает 12-16 дней осадками, в холодный - 13-19.

На территории области ежегодно в мае-июне бывают засухи и суховеи слабой интенсивности. В среднем за теплый период отмечается 18-19 дней со слабыми засухами и суховеями в северных районах и 24-27 дней в южных районах. Засухи и суховеи средней интенсивности на большей части территории области отличаются не ежегодно, кроме юго-востока области. Важным элементом в борьбе себестоимость ними являются комплекс агролесомелиоративных мероприятий и внедрения в производство засухоустойчивых сортов ряда сельскохозяйственных культур.

Водные ресурсы области формируются за счет речного стока, искусственных водоемов, устроенных на малых реках и наполняющихся местным сток, а так же за счет использования подземных вод. При этом основными источниками формирования водных ресурсов являются большие и малые реки, которых на территории области насчитывается около 60. Их водосборная площадь относится к бассейнам рек Оки, Сосны и Десны. Основной особенностью режима рек является их высокий уровень в весеннее половодье. Большинство рек имеет низкие берега, и поводковые воды выходят на поймы, обеспечивая им хорошую влагозарядку. Большая часть рек Орловской области являются мелководными и забор воды из них весьма ограничен.

Важнейшая роль в развитии орошения в области принадлежит зарегулированию стока с помощью водохранилищ и водоемов.

Успешное развитие сельского хозяйства неразрывно связано с правильным использованием земельного фонда, и в первую очередь земельного фонда сельскохозяйственного назначения. Земли, используемые в сельскохозяйственном производстве, требуют проведения крупномасштабных работ по их известкованию.

Расчлененность рельефа, характер почвенного покрова, хозяйственная деятельность человека определили повсеместное активное развитие процессов водной эрозии.

Чрезвычайно разнообразен почвенный покров области. Так, только на пахотных землях насчитывается более 240 почвенных разновидностей. С востока на запад сменяют друг друга различные виды черноземов, серых лестных и других видов почв. Различен также и механический состав почвенного покрова, который изменяется с востока на запад от глинистого и тяжелосуглинистого до песчаного и супесчаного.

По почвенному покрову область представляет собой зону переходных почв от дерновоподзелистых к черноземам. Их многообразие определяется различными условиями почвообразования. А различное соотношение и распределение почв наложили, в свою очередь, отпечаток на производительность почвенного покрова хозяйств и районов области.

Так как в Орловской области климат умеренно-континентальный и теплый, осадков выпадает достаточное количество и относительно плодородная почва (толщина плодородной почвы в разных районах Орловской области различна), то в Орловской области при правильном использовании посевных площадей, можно получать хороший урожай сахарной свеклы.

При этом важно вносить питательные вещества, которые полезны не только для сладких корнеплодов, но и питающих саму почву, что позволит использовать данную посевную площадь более длительное время и увеличит урожай сахарной свеклы.

Приемку и переработку сахарной свеклы осуществляли четыре сахарных завода области: ЗАО «Сахарный комбинат «Колпнянский», ЗАО «Сахарный комбинат «Отрадинский», ООО «ЛИВНЫ САХАР», ООО «Залегощенский сахарный завод».

В 2012 году производственные мощности сахарных заводов были увеличены на 2,5 тыс. тонн и составили 15,5 тыс. тонн в сутки (в 2011 году - 13 тыс. тонн в сутки). В подготовку и реконструкцию сахарных заводов вложено более 300 млн рублей.

По состоянию на 10 января текущего года сахарными заводами области принято свыше 2 млн. 72 тыс. тонн сахарной свеклы урожая 2012 года, 120,8% к 2011 году. Переработано более 1,9 млн. тонн сахарной свеклы или 120% к 2011 году. Произведено около 267 тыс. тонн сахара. Выход сахара - 13,5%.

Среднесуточная производительность с начала сезона переработки сахарной свеклы составила 15,7 тыс. тонн/сутки, или 101,6% к плановой.

На 1 января 2013 года переработку сахарной свеклы завершили ООО «Залегощенский сахарный завод» и ЗАО «Сахарный комбинат «Отрадинский». До конца января 2013 года планируют завершить переработку ООО «ЛИВНЫ САХАР» и ЗАО «Сахарный комбинат «Колпнянский».

При подготовке к приемке и переработке сахарной свеклы, сахарным заводам необходимо предусмотреть увеличение производственной мощности и строительство жомосушильных отделений.

В 2013 году сахарные заводы продолжат модернизацию производства и реконструкцию. На эти цели планируется направить около 450 млн. руб. Увеличение производственной мощности сахарных заводов в целом по области в 2013 году планируется с 15,5 тыс. тонн/сут. до 16,9 тыс. тонн/сут. Это позволит сократить сроки переработки сахарной свеклы урожая 2013 года. http://www.eizh.ru/articles/proizvodstvo/modernizatsiya-sakharnykh-zavodov-pozvolit-uvelichit-ikh-proizvodstvennye-moshchnosti/

4. ПОСТРОЕНИЕ И АНАЛИЗ ВАРИАЦИОННОГО РЯДА УРОЖАЙНОСТИ САХАРНОЙ СВЕКЛЫ

Рядом распределения в статистике называется ряд цифровых показателей, представляющих распределение единиц совокупности по одному существенному признаку, разновидности которого расположены в определенной последовательности. По своей конструкции ряд распределения состоит из двух элементов: вариантов (групп по выделенному признаку) и частот (численности групп). Ряд распределения, являясь группировкой, могут быть образованы по качественному (атрибутивному) и количественному (прерывному или непрерывному) признакам. Вариационные ряды распределения по способу построения бывают дискретные и интервальные.

Данные по совокупности предприятий в Орловской области за 2011 год по урожайности сахарной свеклы представлены в таблице 1.

Таблица 1- Данные по урожайности сахарной свеклы в предприятиях Орловской области

ПРЕДПРИЯТИЯ	Посевная площадь сахарной свеклы, га	Валовой сбор сахарной свеклы, ц	Урожайность сахарной свеклы, ц/га
А	1	2	3
КХ им. 50 лет Октября	300	14680	48,9
ООО Краснозоренское	497	69580	140,0
ООО Крутовское	2128	398500	187,3
ЗАО "Успенское"	1053	210600	200,0
ООО Звягинки	189	62480	330,6
ООО Викинг Агро	100	37295	373,0
СПК Здоровецкий	462	182500	395,0
АОНП Успенское	386	160483	415,8
СПК Заря	350	147261	420,7
ОАО ПЗ Им. А.С. Георгиевского	400	200000	500,0
ОАО Заря	260	130300	501,2
СПК "Заря мира"	550	279650	508,5
ООО Сосновка	300	155400	518,0
А	1	2	3
ОАО ПЗ Сергиевский	200	108130	540,7
ТВ Речица	480	262322	546,5
ООО АКХ Виктория	150	83619	557,5
ООО Коротыш	497	289269	582,0
ЗАО Березки	300	190788	636,0
ООО Хлебороб	220	146100	664,1

Таблица 1 составлена по данным годовых отчетов предприятий Орловской области (приложение 1).

Интервальный вариационный ряд строится по варьирующему признаку и состоит из специальных элементов: интервалов и частот.

Интервал - это значение варьирующего признака, лежащего в определенных границах. Построим интервальный вариационный ряд распределения предприятий по урожайности сахарной свеклы в Орловской области. Ефимова М.Р. Общая теория статистики: Учебник / М.Р. Ефимова, Е.В. Петрова, В.Н. Румянцев. - 2-е изд., испр. и доп. - М.: ИНФРА-М, 2010. - 416 с.

1. Определим количество интервалов по формуле Стерджесса:

,(1)

где n-количество интервалов;

N - число единиц совокупности.

n=1+3,322*lg19=5.

Таким образом, получили 5 групп.

2. Найдем величину интервалов по формуле:

, (2)

ц/га.

Величина интервала составила 123ц/га.

3. Установим интервалы групп по следующей схеме:

1 группа: От до

2 группа:

3 группа:

4 группа:

5 группа:

Результаты оформим в таблице 2.

Таблица 2 - Распределение предприятий Орловской области по уровню урожайности сахарной свеклы

Интервалы по урожайности сахарной свеклы, ц/га	Число сельскохозяйственных предприятий	Сумма накопленных частот
48,9-172,0	2	2
172,0-295,0	2	4
295,0-418,0	4	8
418,0-541,1	6	14
541,1-664,1	5	19
Итого	19	x

Таблица 2 составлена по данным годовых отчетов предприятий Орловской области (приложение 1).

Таким образом, в первую группу входит 2 предприятия; во вторую группу - 2 предприятия; в третью - 4 предприятия; в четвертую - 6 предприятий; в пятую - 5 предприятий.

Изобразим графически интервальный вариационный ряд распределения на рис. 1



Рисунок 1 - Гистограмма распределения предприятий по урожайности сахарной свеклы в Орловской области

Определим показатели вариации по данным, представленным в таблице 3.

Среднюю урожайность сахарной свеклы определим по формуле:

, (3)

Таблица 3 - Распределение предприятий по урожайности сахарной свеклы и расчет величин

Интервалы по урожайности сахарной свеклы, ц/га	Число сельскох. предпр	Расчетные величины
А	1	2	3	4	5	6	7
48,9-172,0	2	110,4	220,9	-310,8	621,6	96606,9	193213,7
172,0-295,0	2	233,5	467,0	-187,8	375,6	35263,2	70526,4
295,0-418,0	4	356,5	1426,0	-64,8	259,0	4193,0	16772,0
418,0-541,1	6	479,5	2877,3	58,3	349,7	3396,3	20378,0
541,1-664,1	5	602,6	3012,9	181,3	906,5	32873,2	164365,9
Итого	19	x	8004,0	x	2512,4	x	465256,0

Таблица 3 составлена по данным годовых отчетов предприятий Орловской области (приложение 1).

Модой распределения (Мо) называется такая величина изучаемого признака, которая в данной совокупности встречается наиболее часто, т.е. один из вариантов признака повторяется чаще, чем все другие.

Модальный интервал (т.е. содержащий моду) в случае интервального распределения с равными интервалами определяется по наибольшей частоте; с не равными интервалами - по наибольшей плотности, а определение моды в интервальном ряду требует проведения расчетов на основе формулы:

, (4)

где нижняя граница модального интервала;

h - величина модального интервала;

- частота модального интервала;

- частота интервала, предшествующего модальному;

- частота интервала, следующего за модальным;

418+123*.

Медиана - это варианта, которая делит ряд на две равные части. Медианный интервал -- это интервал, в котором сумма накопленных частот составляет половину или больше половины всей суммы частот ряда. Она определяется в интервальном ряду по формуле:

Me, (5)

где - нижняя граница медианного интервала;

h - величина медианного интервала;

- полусумма накопленных частот;

- сумма накопленных частот, предшествующих медиане;

- частота медианного интервала.

Me= 541,1+123*= 430,4ц/га.

Таким образом, средняя урожайность сахарной свеклы в Орловской области по совокупности предприятий составила 421,3ц/га. Половина всех предприятий имеют урожайность сахарной свеклы до 430,4 ц/га, а остальная половина предприятий 430,4 ц/га и более. Наиболее часто встречается урожайность сахарной свеклы равная 500ц/га.

Рассчитаем показатели вариации:

1. Рассчитаем размах вариации:

(6)

Следовательно, вариация урожайности сахарной свеклы по совокупности предприятий в Орловской области находится в пределах от 602,6 до 110,4ц/га и различается на 492,1ц/га между наивысшем и наименьшем значении.

2. Среднее линейное отклонение:

(7)

.

Урожайность сахарной свеклы по совокупности предприятий отклоняется от среднего значения урожайности сахарной свеклы в среднем на 132,2ц/га.

3. Центральный вариационный момент 2 порядка.

Д=, (8)

Д=465256,0ц/га.

Общий объем вариации урожайности сахарной свеклы составил 465256ц/га.

4. Дисперсия на единицу совокупности:

(9)

Общий объем вариации урожайности сахарной свеклы по совокупности предприятий в Орловской области в расчете на единицу совокупности составил 24487,2ц/га.

5. Среднее квадратическое отклонение:

, (10)

Среднее квадратическое отклонение характеризует вариацию признаков совокупности и показывает, что урожайность сахарной свеклы в изучаемой совокупности отклоняется от средней урожайности на 156,5ц/га.

Рассчитаем следующие относительные показатели вариации:

1. Коэффициент осцилляции:

, (11)

2. Линейный коэффициент вариации:

,(12)

.

3. Коэффициент вариации:

, (13)

.

Таким образом, совокупность однородная; в среднем урожайность сахарной свеклы будет находиться в пределах: 421,3ц/га +31,4%, 421,3ц/га -31,4%; вариация сильная.

5.АВТОРЕГРЕССИОННОЕ ПРОГНОЗИРОВАНИЕ УРОЖАЙНОСТИ САХАРНОЙ СВЕКЛЫ ПО ТРЕНДУ И КОЛЕБЛЕМОСТИ

Проведем анализ рядов динамики по урожайности сахарной свеклы в Орловской области.

1) Рассчитаем абсолютный прирост урожайности сахарной свеклы:

Базисные:

; ;…; (14)

Цепные:

; ;…; (15)

Рассчитаем коэффициент роста:

Базисные:

; ; …; (16)

Цепные:

; ; (17)

Рассчитаем темп роста:

(18)

Теперь рассчитаем темп прироста:

(19)

Найдем абсолютное значение одного процента прироста:

(20)

В таблице 4 представлена динамика урожайности сахарной свеклы.

Проанализировав данные таблицы 4, можно сделать следующие выводы о том, что цепные показатели динамики имеют положительные тенденции роста в 2005 году - на 61ц/га или на 31,77%; в 2006 году - на 114ц/га или на 45,06%; в 2008 году - на 39ц/га или 12,42% и в 2011 году - на 147ц/га или 54,04%. Тогда как в 2007, 2009 и 2010 годах наблюдается отрицательная тенденция сокращения абсолютных и относительных показателей. Базисные показатели динамики свидетельствуют о росте в 2005, 2006, 2008 и 2011 годах сахарной свеклы. Абсолютное значение 1% прироста наблюдается только в 2005, 2006, 2008 и 2011 годах, т.к. урожайность сахарной свеклы колеблется из года в год.

Таблица 4. Динамика урожайности сахарной свеклы в Орловской области за период 2005-2012 годы

Таблица 4 составлена по данным Орел Стата (приложение 2).

Для общего вывода найдем среднегодовые показатели динамики.

Определим среднегодовые показатели динамики:

(21)

(22)

(23)

Таким образом, за период с 2005г. по 2012г. урожайность сахарной свеклы в Орловской области увеличился в среднем на 391,57 ц/га или 12% в год.

Произведем выравнивание динамического ряда способом наименьших квадратов по уравнению прямой линии:

Таблица 5. Выравнивание динамического ряда способом наименьших квадратов по уравнению прямой линии

Таблица 5 составлена по данным Орел Стата (приложение 2).

Уравнение прямой линии:

(24)

Найдем значение параметров a и b:

;

(25)

;

Таким образом, за период с 2005-2012 год размер урожайности сахарной свеклы в Орловской области ежегодно увеличивался в среднем на 18,12 ц/га. Средний размер урожайности сахарной свеклы за изучаемый период составил 308,75 ц/га.

Найдем колеблемость динамического ряда по следующей системе показателей: Найдем амплитуду или размах вариации:

(26)

Таким образом, в Орловской области разница между максимальным и минимальным размером урожайности сахарной свеклы в период с 2005-2012г. составила 227 ц/га.

Найдем среднее линейное отклонение:

(27)



В период с 2005-2012 г. размер урожайности сахарной свеклы в Орловской области отклонился от уровня тренда в среднем на 60,59 ц/га.

Рассчитаем среднее квадратическое отклонение:

(28)

Среднее квадратическое отклонение показывает, что размер урожайности сахарной свеклы отклонился от теоретического уровня в среднем на 60,43ц/га.

Рассчитаем коэффициент колеблемости:

(29)

Следовательно, колеблемость урожайности сахарной свеклы в Орловской области является средней и составляет 19,57%.

Найдем коэффициент устойчивости:

(30)

В среднем в виду ежегодной колеблемости урожайности сахарной свеклы обеспечивается 80,4% урожайности, рассчитанной по тренду.

Рассчитаем коэффициент корреляции рангов Ч. Спирмена:

(31)

Таблица 6. Расчет коэффициента корреляции рангов Ч. Спирмена

Таблица 6 составлена по данным Орел Стата (приложение 2).

Коэффициент корреляции Ч. Спирмена показывает, что размер урожайности сахарной свеклы в Орловской области имеет устойчивый рост, равный 55%. Таким образом, при значительных колебаниях ежегодных уровней по сравнению со средним за период уровнем в целом по Орловской области наблюдается рост урожайности сахарной свеклы.

Составим точечный прогноз урожайности сахарной свеклы в Орловской области на 2014-2015 годы.

Уравнение тренда имеет вид:

Если в 2012г. t=3,5 , то в 2014 году t=5,5 и в 2015 году t=6,5. Таким образом размер урожайности будет равен:

На основании точечного прогноза урожайность сахарной свеклы в Орловской области в 2014г. составит 408,41 ц/га, в 2014г. - 426,53 ц/га.

Интервальный прогноз учитывает уровень колеблемости урожайности и определяется по формуле:

(32)

Рассчитаем интервальный прогноз:

прогноз 2014 интервальный = 408,41 +408,41 * 0,196 = 488,46 ц/га.

прогноз 2014 интервальный = 408,41 - 408,41 * 0,196 = 328,36 ц/га.

прогноз 2015 интервальный = 426,53 + 426,53 * 0,196 = 510,13 ц/га.

прогноз 2015 интервальный = 426,53 - 426,53 * 0,196 = 342,93 ц/га.

Из точечного и интервального прогнозирования следует, что в дальнейшем среднегодовой размер урожайности сахарной свеклы в Орловской области будет иметь тенденцию к росту.

Эту тенденцию следует оценивать как положительную.

При этом размер урожайности сахарной свеклы в 2014 году будет находиться в интервале от 328,36 до 488,46 ц/га, а в 2014 году - от 342,93 до 510,13ц/га.

6.ИНДЕКСНЫЙ АНАЛИЗ УРОЖАЙНОСТИ САХАРНОЙ СВЕКЛЫ

На изменение валового сбора по группе однородных культур оказывают влияние три фактора:

1) изменение урожайности отдельных культур (y);

2) изменение размера посевов сельскохозяйственных культур (s);

3) изменение структуры посевных площадей однородных групп культур (s_стр.).

1) Рассчитаем урожайность сахарной свеклы с 1га по следующей формуле:

(33)

Все расчеты оформим в таблицу 7.

Таблица 7. Урожайность сахарной свеклы с 1га.

Таблица 7 составлена по данным годовых отчетов предприятий Орловской области (приложение 1).

В среднем урожайность сахарной свеклы в Орловской области за период с 2005-2012 составила 59,83 ц/га.

Рассчитаем индивидуальные индексы валового сбора (i_вс), а также индивидуальные индексы урожайности (i_y) и посевных площадей сахарной свеклы (i_s):

;

;

(34)

2006 год:

;

;

2007 год:

;

;

2008 год:

;

;

2009 год:

;

;

2010 год:

;

;

2011 год:

;

;

2012 год:

;

;

Таблица 8. Индивидуальные индексы

Таблица 8 составлена по данным годовых отчетов предприятий Орловской области (приложение 1).

В 2006 году по сравнению с 200 годом валовой сбор сократился и составил 13%. Это было вызвано снижением урожайности в 2006 году и составила 17%. При этом посевная площадь в 2006 году увеличилась по сравнению с 2005 годом на 78%.

В 2007 году по сравнению с 2006 годом валовой сбор увеличился в 2,8 раза. Это было обусловлено увеличением в 2007 году урожайности в 11,2 раза, при уменьшении посевных площадей, которые составили 25% в 2007 году.

В 2008 году по сравнению с 2007 годом валовой сбор увеличился в 6,18 раз, что было вызвано увеличением посевных площадей в 70,17 раз; при том, что урожайность в 2008 году снизилась по сравнению с 2007 годом и составила 9%.

В 2009 году по сравнению с 2008 годом валовой сбор уменьшился и составил 1%, также снизились посевные площади и составили 1%. При этом урожайность в 2008 году по сравнению с 2008 годом увеличилась в 2,22 раза.

В 2010 году по сравнению с 2009 годом валовой сбор увеличился в 2,3 раза. Это было вызвано увеличением в 2010 году по сравнению с 2009 годом посевных площадей в 3,42 раза. При этом урожайность в 2010 году снизилась и составила 67%.

В 2011 году по сравнению с 2010 годом валовой сбор увеличился в 15,8 раз. Это было обусловлено увеличением урожайности в 6,18 раз и увеличением посевных площадей в 2,56 раз в 2011 году по сравнению с 2010 годом.

В 2012 году по сравнению с 2011 годом валовой сбор увеличился в 3,35 раза, что было вызвано увеличением урожайности в 2012 году по сравнению с 2011 годом в 7,48 раз. При этом посевная площадь сократилась и составила 45%.

2) Найдем общий индекс валового сбора сахарной свеклы (I_вс):

;

(35)

;

ц.

Под влиянием всего комплекса факторов общий валовой сбор сахарной свеклы увеличился в 2,25 раз или на 7643075,94 ц.

Рассчитаем общий индекс урожайности сахарной свеклы (I_y):

;

(36)

;

? ц.

За счет изменения урожайности сахарной свеклы, которая увеличилась на 87%, общий объем валового сбора сахарной свеклы увеличился на 6414168,20 ц.

Рассчитаем общий индекс размера и структуры посевов сахарной свеклы (I_s,стр.):

;

(37)

;

ц.

За счет изменения размера посевов сахарной свеклы, которые увеличился на 20%, валовой сбор сахарной свеклы увеличился на 1228907,74 ц.

3) Найдем общий индекс размера посевов сахарной свеклы (I_s):

;

(38)

;

ц.

За счет изменения размера посевов, которые увеличились на 20%, валовой сбор сахарной свеклы увеличился на 1228907,74 ц.

Рассчитаем общий индекс структуры посевов сахарной свеклы(I_стр.):

;

(39)

;

.

Структуры посевов не изменились.

Найдем общий индекс средней урожайности (I_y):

;

(40)

;

ц.

За счет увеличения средней урожайности сахарной свеклы на 87%, валовой сбор увеличился на 1209,08 ц.

Рассчитаем взаимосвязь абсолютных приростов по сахарной свеклы:

(41)

Взаимосвязь абсолютных приростов показывает, что в целом валовой сбор сахарной свеклы, под воздействием изменений урожайности, посевных площадей и структуры посевных площадей сахарной свеклы, увеличился на 7643075,94 ц.

Таблица 9.Общие индексы урожайности, валового сбора сахарной свеклы и посевных площадей сахарной свеклы

Таблица 9 составлена по данным годовых отчетов предприятий Орловской области (приложение 1).

7.СТАТИСТИЧЕСКАЯ ОТЧЕТНОСТЬ ОБ УРОЖАЕ И УРОЖАЙНОСТИ САХАРНОЙ СВЕКЛЫ

В настоящее время в соответствии с Положением о Федеральной службе государственной статистики, утвержденным постановлением Правительства РФ от 30 июля 2004г., главным учетно-статистическим центром в стране является Федеральная служба государственной статистики.

Согласно положению Федеральная служба государственной статистики принимает нормативные правовые акты в сфере государственной статистической деятельности, формирует официальную статистическую информацию о социальном, экономическом, демографическом и экологическом положении страны.

Федеральная служба государственной статистики по принятому положению имеет следующие полномочия и права:

1) вносит в Правительство РФ проекты федеральных законов и другие документы по вопросам, относящимся к сфере ведения Службы, а также проекты ежегодного плана работы и прогнозные показатели деятельности Службы;

2) предоставляет официальную статистическую информацию Президенту РФ, Правительству РФ, Федеральному Собранию РФ и иным органам государственной власти, органам местного самоуправления, средствам массовой информации, организациям и гражданам, а также международным организациям;

3) разрабатывает официальную статистическую методологию для проведения статистических наблюдений и формирует статистические показатели, обеспечивает соответствие указанной методологии международным стандартам;

4) осуществляет подготовку, проведение и подведение итогов Всероссийской переписи населения;

5) обеспечивает в пределах своей компетенции соответствующий режим хранения и защиты полученной информации, составляющей служебную, банковскую, налоговую, коммерческую, и иную конфиденциальную информацию;

6)разрабатывает общероссийские классификаторы технико-экономической и социальной информации и социальной информации;

7) запрашивает и получает в установленном порядке сведения, необходимые для принятия решений по вопросам, отнесенным к компетенции Службы;

8) осуществляет контроль за деятельностью территориальных органов Службы и подведомственных организаций.

Важной функцией государственной статистики является определение круга подопечных единиц. Все предприятия, организации, объединения, а также граждане, занимающиеся предпринимательской деятельностью, представляют в органы государственной статистики учредительные документы для присвоения идентификационных классификатор кодов, для включения единый государственный регистр предприятий и организаций (ЕГРПО) и отражения государственной отчетности.

Отчетность дает необходимую информацию для государственных органов управления. Эти данные позволяют следить за динамикой объема промышленного производства и продукции других отраслей народного хозяйства, оценивать комплексность развития страны и регионов, изучать соотношение разных форм собственности по отраслям и регионам.

В настоящее время отчетность является формой статистического наблюдения в России.

Статистическая отчетность - особая форма организации сбора данных, присущая только государственной статистике. Она проводится в соответствии с федеральной программой статистических работ.

Государственная статистика включает все виды статистических наблюдений (регулярные и периодические отчеты, единовременные учеты, различного рода переписи, выборочные анкетные, социологические, монографические обследования и т.д.), формы и программы которых утверждены Государственным комитетом РФ по статистике или по согласованию с ним органами государственной статистики в составе РФ, краёв, областей, автономной области, автономных округов, городов Москвы и Санкт-Петербурга.

...