Экономические науки

Митякова Е.Е.

Прогнозирование потребления молока в Российской Федерации с учетом покупательской способности населения


Митякова Елена Евгеньевна – главный специалист, ФГБУ «Центр Агроаналитики», Москва, Россия.
E-mail: emityakova@spcu.ru
SPIN-код: 3938-1091
Аннотация
В статье рассматривается прогноз потребления населением молочных продуктов исходя их соотношения доходов разных групп населения. Проводится регрессионный анализ потребления молока на основании групп факторов и кластеризации регионоы.

Ключевые слова
Потребление молока, доходы населения, прогноз потребления, кластер регионов, регрессия, динамическая модель, молочные продукты.

Библиографический адрес
Митякова Е.Е. Прогнозирование потребления молока в Российской Федерации с учетом покупательской способности населения // Управление рисками в АПК. 2019. № 1. С. 117-127. URL: http://www.agrorisk.ru/20190110 [дата обращения: DD.MM.YYYY]. ISSN 2413-6573.

На уровень среднедушевого потребления молока влияние оказывает достаточно широкий набор факторов, основным из которых является ценовая динамика. При росте цен на молочные продукты потребители склонны менять структуру расходов на продукты питания, направляя большую долю средств на более доступные продукты.
Влияние на объемы потребления молочных продуктов оказывают также неценовые факторы, такие как уровень доходов, уровень урбанизации и демографической нагрузки.
Так, рост доходов и средних заработных плат повышает благосостояние населения, что ведет к росту среднедушевого потребления молока.
Население трудоспособных возрастных групп в целом потребляет большее количество молочных продуктов, кроме того, уровень демографической нагрузке косвенно характеризует уровень платежеспособности населения. Таким образом, рост демографической нагрузки ведет к снижению среднедушевого потребления молока.
Уровень урбанизации может оказывать разнонаправленное влияние на объемы потребления молочной продукции. С одной стороны, городское население склонно увеличивать потребление молочной продукции, компенсируя худшие экологические условия и более интенсивный темп жизни. С другой стороны, в сельской местности выше доступность молочных продуктов выше. Однако при этом высока роль производства в личных подсобных хозяйствах, масштабы которого трудно учесть в рамках системы государственной статистики. С учетом данных факторов, рост урбанизации будет оказывать положительное влияние на потребление молока.
С учетом выбранного набора факторов оцениваемое регрессионное уравнение имеет вид:

ln〖(c_milk〗_it) = β_0 ln〖(c_milk〗_(it-1))+β_1 ln⁡(〖w_g〗_it)+β_2 〖city〗_it+β_3 〖emp〗_it+
+β_4 〖ln⁡(p〗_it)+ε_it, (2)

где 〖c_milk〗_it – уровень потребления молочных продуктов на человека в год для i-го региона в текущем году, а 〖c_milk〗_(it-1) – в предыдущем;
〖w_g〗_it- темп роста средних реальных заработных плат в регионе i в году t;
〖city〗_it – доля городского населения в общей численности населения в регионе i в году t;
〖emp〗_it – доля населения в трудоспособном возрасте в регионе i в году t;
p_it – темп роста цен на молоко в регионе i в году t;
ε_it – нормально распределенные случайные ошибки.
Для проведения расчетов используются годовые данные за период с 2004 по 2016 год для 78 регионов Российской Федерации. Из выборки из-за отсутствия сопоставимых были исключены Республика Крым и г. Севастополь. Полный перечень используемых данных, с указанием источников и методов расчета, приведен в приложении З.
Для более детального анализа различий в факторах, определяющих потребление молока и молочных продуктов в регионах различных по уровню доходов, оценка регрессионного уравнения проводится как для полной совокупности наблюдений, так и для отдельных кластеров.
Для кластеризации регионов были выбраны следующие группы признаков:
потребление молока и молочных продуктов в расчете на душу населения в год[1];
средние реальные доходы населения[2];
доля населения с доходами ниже 19 тысяч рублей в общей численности населения региона[3];
отношение среднего уровня доходов 20% населения с самыми высокими доходами к среднему уровню доходов 20% населения с самыми низкими доходами[4].
Использование показателей уровня жизни населения и степени неравенства в уровне доходов позволяет в большей степени учитывать покупательную способность населения при формировании групп кластеров.
Для сокращения дисперсии выборки значения среднедушевых доходов и среднедушевого потребления были переведены в логарифмическую шкалу.
Для проведения расчетов использовались данные за 2016 год для 82 субъектов Российской Федерации. Источником данных послужила Единая межведомственная информационно-статистическая система Федеральной службы государственной статистики Российской Федерации. Все расчеты проводились с использованием языка R.
Кластерный анализ проводился методом k-средних, суть которого заключается в разделении наблюдений на заданное число кластеров, при этом каждое наблюдение относится к тому кластеру, к центроиду которого оно ближе всего. В качестве меры близости использовалась евклидова метрика.
Сравнение суммы квадратов расстояний между точками наблюдений внутри кластеров, позволяет сделать вывод, что набор данных для обеспечения большей однородности выборки следует разбить на две группы (рисунок 1).

Рисунок 1 - Изменение суммы квадратов расстояний между объектами внутри групп наблюдений при увеличении числа кластеров
Как видно на рисунке выше, после перехода к двум кластерам сумма квадратов расстояний внутри выборки значительно сокращается, однако дальнейшее увеличение числа кластеров незначительно снижает вариативность данных.
Таким образом, первоначальный набор данных был поделен на две группы. К первой группе были отнесены регионы имеющие более низкие показатели уровня жизни, во вторую группу вошли регионы с более высоким уровнем доходов. Большее количество субъектов по результатам анализа было отнесено к первому кластеру – 58 регионов. Второй кластер более малочисленный и включает 24 региона.
Полный перечень регионов вошедших в каждый из кластеров приведен в Приложении И. Результаты кластеризации по уровню потребления и доходов представлены на рисунке 2.

Рисунок 2 - Результаты кластеризации регионов по уровню потребления молочных продуктов и набору показателей, характеризующих уровень и распределение доходов населения (логарифмированная шкала)
Поскольку рассматриваемые выборки имеют панельную структуру и включают лагированные значения переменных, то для оценки модели использовался обобщенный метод моментов[5], использующий в качестве инструментальных переменных собственные лаги регрессоров.
Результаты оценки динамической панельной модели как для полного набора данных, так и по кластерам, представлены в таблице ниже (таблица 1).
Таблица 1 - Результаты оценки динамической модели панельной регрессии
Объясняющие переменные Зависимая переменная: среднедушевое потребление молока (логарифмированное значение)
Модель
Все регионы Кластер 1 Кластер2
Среднедушевое потребление молока в предыдущем периоде 0,841*** 0,777*** 0,762***
(0,032) (0,059) (0,106)
Средние реальные заработные платы 0,087*** 0,073*** 0,084***
(0,020) (0,030) (0,032)
Доля городского населения 0,964*** 0,851** 2,855*
(0,291) (0,318) (1,596)
Доля населения в трудоспособном возрасте 0,574*** 0,591*** 0,867***
(0,098) (0,117) (0,208)
Цены на молоко -0,062*** -0,060*** -0,056
(0,019) (0,042) (0,042)
Значимость тестов
Тест Сарджента 0,201 0,893 0,999
Автокорреляция 1 порядка 0,001 0,000 0,027
Автокорреляция 2 порядка 0,204 0,161 0,274
Тест Вальда 0,000 0,000 0,000
*p<0.1; **p<0.05; ***p<0.01
Источник: расчеты автора

Результаты оценок подтверждают характер влияния рассматриваемых факторов. Рост средних заработных плат ведет к росту среднедушевого потребления молочных продуктов – коэффициент перед соответствующей переменной во всех трех уравнениях статистически значим на 1% уровне.
Уровень урбанизации оказывает положительное влияние на объемы среднедушевого потребления, а уровень демографической нагрузки отрицательное. Причем регионы с более высоким уровнем доходов демонстрируют большую чувствительность к данным факторам.
Увеличение цен на молочную продукцию заставляет потребителей снижать уровень потребления. Коэффициент перед переменной, отражающей ценовую динамику, имеет отрицательный знак во всех трех уравнениях, однако для выборки регионов с более высоким уровнем доходов оценка статистически незначима.
Оцененная спецификация достаточно близко описывает фактическую динамику среднедушевого потребления, что позволяет использовать ее для формирования прогноза (рисунок 3).

Рисунок 13 - Сравнение фактической и модельной динамики среднедушевого потребления молочной продукции (кг/чел.) в Российской Федерации в период 2005-2016 гг.
Для оценки уровня потребления в период 2018-2020 годов использовались данные о динамике включенных в уравнение переменных, представленные в Прогнозе социально-экономического развития Российской Федерации[6] и демографическом прогнозе Росстата[7].
В соответствии с принятой Минэкономразвития России расчет перспективного уровня потребления проводился для трех сценариев социально-экономического развития: базового, консервативного и целевого.
Базовый сценарий исходит из предпосылок достаточно сдержанной внешнеэкономической конъюнктуре, а также из сохранения на протяжении всего прогнозного периода финансовых и торговых санкций, сопровождающихся ослаблением курса национальной валюты. При этом на фоне восстановительного роста экономики ожидается умеренный рост средних заработных плат, при сдержанной динамике цен на продовольственные товары, обусловленной сохранением умеренно жесткой денежно-кредитной политики Банка России.
Целевой вариант прогноза основан на тех же предпосылках относительно внешнеэкономической динамики, что и базовый вариант. При этом в его основу положен высокий вариант демографического прогноза Росстата. Позитивная динамика демографических показателей в сочетании с ростом инвестиционной активности обуславливает более значительные темпы роста экономики, а, следовательно, и более существенный рост доходов населения.
Консервативный сценарий рассматривает развитие экономики Российской Федерации при сохранении неблагоприятных внешних факторов и характеризуется сохранением сдержанной бюджетной политики. Данный вариант не предполагает структурных технологических изменений и смены модели экономического роста. В условиях ограниченных финансовых возможностей и медленного восстановления экономики основные социальные параметры характеризуются сдержанной динамикой.

Список литературы
1. Росстат - https://fedstat.ru/indicator/31346. Дата обращения 18.09.2018
2. Росстат - https://fedstat.ru/indicator/30992. Дата обращения 18.09.2018
3. Расчетный показатель по данным Росстата - https://fedstat.ru/indicator/31399. Дата обращения 18.09.2018
4. Расчетный показатель по данным Росстата - https://fedstat.ru/indicator/31400. Дата обращения 18.09.2018
5. Данный подход описан в статье Arellano M., Bond S.R. Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations // Review of Economic Studies. Vol. 58. 1991
6. Прогноз социально экономического развития Российской Федерации на 2018 год и плановый период 2019 и 2020 годов Министерства экономического развития Российской Федерации - http://economy.gov.ru/wps/wcm/connect/prognoz2018_2020.pdf?mod=ajperes. Дата обращения 19.09.2018
7. Демографический прогноз до 2035 года. Росстат –http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/population/demography/#, Дата обращения 19.09.2018
 


MITYAKOVA E.E.

PREDICTION OF MILK CONSUMPTION IN THE RUSSIAN FEDERATION TAKING INTO ACCOUNT THE PURCHASING POWER OF THE POPULATION


Elena E. Mityakova – Specialist, Analytical Center, Moscow, Russia.
E-mail: emityakova@spcu.ru

Annotation
The article considers the forecast of consumption of dairy products by the population based on their ratio of incomes of different population groups. A regression analysis of milk consumption is carried out based on groups of factors and regional clustering.

Keywords
Milk consumption, population income, consumption forecast, cluster of regions, regression, dynamic model, dairy products.

References:
1. Rosstat - https://fedstat.ru/indicator/31346. Data obrashcheniya 18.09.2018
2. Rosstat - https://fedstat.ru/indicator/30992. Data obrashcheniya 18.09.2018
3. Raschetnyy pokazatel' po dannym Rosstata - https://fedstat.ru/indicator/31399. Data obrashcheniya 18.09.2018
4. Raschetnyy pokazatel' po dannym Rosstata - https://fedstat.ru/indicator/31400. Data obrashcheniya 18.09.2018
5. Dannyy podkhod opisan v stat'ye Arellano M., Bond S.R. Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations // Review of Economic Studies. Vol. 58. 1991
6. Prognoz sotsial'no ekonomicheskogo razvitiya Rossiyskoy Federatsii na 2018 god i planovyy period 2019 i 2020 godov Ministerstva ekonomicheskogo razvitiya Rossiyskoy Federatsii - http://economy.gov.ru/wps/wcm/connect/prognoz2018_2020.pdf?mod=ajperes. Data obrashcheniya 19.09.2018
7. Demograficheskiy prognoz do 2035 goda. Rosstat –http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/population/demography/#, Data obrashcheniya 19.09.2018