ЭлБиб

Аграрная наука Евро-Северо-Востока, № 6 (37), 2013 г.

взятом регионе. В связи с этим, создание собст-

венной адекватной оценочной системы регио-

нов по уровню их финансово-экономического

состояния является актуальной задачей. Для

решения подобной задачи, на наш взгляд, целе-

сообразно применять методы многомерного

статистического анализа [1], нечетких мно-

жеств [2]. В качестве исходных данных исполь-

зовали центральную базу Федеральной службы

государственной статистики.

Под термином «состояние отрасли» мы

понимаем экономическую категорию, отра-

жающую финансово-экономическое состоя-

ние отрасли, характеризуемое на фикси-

рованный момент времени значениями следую-

щих основных харктеристик: произведенная

продукция, эффективность деятельности и

другими количественными и качественными

характеристиками, позволяющими ответить на

следующие вопросы: насколько эффективна

деятельность региона в отрасли и каков

производственный потенциал отрасли?

На первом этапе в качестве показателей,

характеризующих финансово-экономическое

состояние отрасли в регионе РФ, выбраны зна-

чения коэффициентов из статистического сбор-

ника «Регионы России. Социально-экономи-

ческие показатели 2012» [3]: x1 - продукция

растениеводства, млн. руб.; x2 - сальдирован-

ный финансовый результат организаций,

млн. руб.; x3 - рентабельность проданных това-

ров, продукции, %; x4 - посевные площади

сельскохозяйственных культур площади, тыс.

гектаров. x5 - валовой сбор сельскохозяйствен-

ных культур, тыс. т.

В ходе проведения анализа возникла

необходимость в предварительной обработке

данных. Дело в том, что значения выше-

перечисленных факторов для определенных

регионов пропущены или указан знак «-».

В целях качественной кластеризации про-

пущенные данные были заменены на мини-

мальные значения соответствующих факторов.

Далее в программе Statistica создали опи-

сательные статистики каждому фактору и диа-

грамму размаха (рис. 1). Данные виды анализа

позволят получить подробное представление о

выбранных показателях. Так, среднее значение

показателя x1 для всей России - (продукция рас-

тениеводства) равно 21 099,65 млн. руб. Сам

фактор изменяется от 27,20 до 159 203,0 млн.

руб., т.е. имеет очень большой «размах», что

хорошо видно на рисунке 2. Поэтому вместо

среднего значения имеет смысл учитывать и

медиану, равную 15 024,30 млн. руб. Так как

«размах» переменных очень большой, то не-

обходимо привести их к общему масштабу

единиц исчисления. С помощью соответст-

вующей процедуры в программе Statistica нор-

мализовали (стандартизировали) переменные.

Диаграмма размаха

Среднее

Среднее±Ст.откл.

Среднее±1.96*Ст.откл.

-40000

-20000

20000

40000

60000

80000

Рис. 1.

Диаграмма размаха

На втором этапе исследования провели

кластерный анализ получившихся значений

методами иерархической классификации, k-

средних и fuzzy c-means.

Далее применялся метод иерархической

классификации. Назначение этого алгоритма

состоит в последовательном объединении

объектов (регионов) в один кластер, используя

меру сходства или расстояние между объек-

тами. В результате кластеризации было

построено иерархическое дерево (рис. 2). В ка-

честве меры расстояний использовали евкли-

дово расстояние, правила объединения - Метод

Варда. Этот метод использует методы диспер-

сионного анализа для оценки расстояний между

кластерами. В целом метод стремится создавать

кластеры малого размера. В конечном итоге мы

получили 6 кластеров (табл. 1)

В алгоритме k-средних (k-means) строит-

ся k кластеров, расположенных на возможно

больших расстояниях друг от друга. Данный

метод подтверждает гипотезы относительно

числа кластеров. Выбор числа k базируется на

результатах исследований, экспертной оценке.

Было выделено 6 кластеров из нашей выборки.

Гипотеза о существовании подтвердилась евк-

лидовым расстоянием и квадратом евклидового

расстояния между кластерами и таблицей дис-

персионного анализа (рис. 3). В таблице приве-

дены значения межгрупповых (Между СС) и

внутригрупповых (Внутри СС) дисперсий при-

знаков. Чем меньше значение внутригрупповой

дисперсии и больше значение межгрупповой,

тем лучше признак характеризует принадлеж-

ность объектов к кластеру и тем «качествен-

нее» кластеризация. Параметры F и p также ха-

Электронная Научная СельскоХозяйственная Библиотека