МЕТОДИКА ОТБОРА РЕГИОНОВ ДЛЯ ИССЛЕДОВАНИЯ АДАПТАЦИИ СЕЛЬСКОГО ХОЗЯЙСТВА К ИЗМЕНЕНИЮ КЛИМАТА
DOI:
https://doi.org/10.17059/ekon.reg.2023-2-14Ключевые слова:
малочисленная выборка, разнообразие, природно-сельскохозяйственные зоны, техническая эффективность, частичное равновесие, линейное программирование, сценарный анализАннотация
Влияние изменения климата на социальные и институциональные условия ведения сельского хозяйства России (в отличие от технологических) практически не изучено. При ограниченном бюджете исследования в этом направлении целесообразно проводить на примере малой выборки регионов. Чтобы при формировании выборки свести к минимуму субъективный фактор, создана формализованная методика формирования и оценки выборки заданной численности с тем, чтобы представленные в ней регионы существенно различались природными условиями, эффективностью сельскохозяйственного производства, вкладом в него крестьянских хозяйств и при этом в совокупности вносили значительный вклад в валовое сельскохозяйственное производство страны. Методика, в отличие от известных, использует задачу линейного программирования, все угловые решения которой целочисленны. Разнообразие регионов по эффективности обеспечивается включением в выборку как эффективных, так и неэффективных регионов, выявляемых по методу DEA. Наилучшей с позиций указанных требований оказалась выборка, включающая в себя Алтайский, Красноярский, Краснодарский края и Московскую область. Для регионов, вошедших хотя бы в одну из пяти лучших выборок по данному критерию (помимо вышеперечисленных, это Волгоградская, Саратовская и Ленинградская области), при помощи модели частичного равновесия на рынках сельскохозяйственной продукции субъектов Российской Федерации (модели ВИАПИ) оценено влияние сценарного изменения климата на производство и оптовые цены десяти видов сельхозпродукции. Установлено, что производство в отобранных регионах устойчиво к этому влиянию, за исключением Алтайского края и Красноярского края, но это не препятствует росту цен на региональных рынках из-за воздействия мировых цен на продукты переработки молока и на зерно.
Библиографические ссылки
Ahn, B. S. & Choi, S. H. (2008). ERP System Selection Using a Simulation-Based AHP Approach: A Case of Korean Homeshopping Company. The Journal of the Operational Research Society, 3, 322-330. DOI: https://doi.org/10.1057/palgrave.jors.2602365
Alcamo, J., Dronin, N., Endejan, M., Golubev, G. & Kirilenko, A. (2007). A new assessment of climate change impacts on food production shortfalls and water availability in Russia. Global Environmental Change, 17, 429-444. DOI: https://doi.org/10.1016/j.gloenvcha.2006.12.006
Belton, V. (1985). The Use of a Simple Multiple-Criteria Model to Assist in Selection from a Shortlist. Journal of the Operational Research Society, 4, 265-274.
Belyaeva, M. & Bokusheva, R. (2018). Will climate change benefit or hurt Russian grain production? A statistical evidence from a panel approach. Climatic Change, 149, 205-217. DOI: https://doi.org/10.1007/s10584-018-2221-3
Belyaeva, L. A. (2009). Level and quality of life. Problems of measurement and interpretation. Sotsiologicheskie issledovaniya [Sociological studies], 1, 33–42. (In Russ.)
Bobylyov, S. N., Kudryavtseva, O. V. & Solovyova, S. V. (2014). Sustainable development indicators for cities. Ekonomika regiona [Economy of Region], 3, 101–110. (In Russ.)
Charnes, A., Cooper, W. W. & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2, 429-444.
Cutshall, R., Gavirneni, S. & Schultz, K. (2007). Indiana university’s Kelley school of business uses integer programming to form equitable, cohesive student teams. Interfaces, 3, 265-276. DOI: https://doi.org/10.1287/inte.1060.0248
Filipe, A. F., Marques, T. A., Seabra, S., Tiago, P., Ribeiro, F., da Costa, L. M., … Collares-Pereira, M. J. (2004). Selection of priority areas for fish conservation in Guadiana river basin, Iberian Peninsula. Conservation Biology, 18(1), 189-200.
Glickman, H. (2000). A best-choice problem with multiple selectors. Journal of Applied Probability, 3, 718-735.
Gnedin, A. V. (1994). On a best-choice problem with dependent criteria. Journal of Applied Probability, 1, 221-234.
Gordeev, A. V. (Ed.). (2012). Bioklimaticheskiy potentsial Rossii: produktivnost i ratsionalnoe razmeshchenie selskokhozyaystvennykh kultur v usloviyakh izmeneniya klimata [Bioclimatic capacity of Russia: productivity and rational allocation of crops in the conditions of climate change]. Moscow: Ministry of Agriculture of Russian Federation, 202. (In Russ.)
Intergovernmental Panel on Climate Change. (2014). Climate change 2014: impacts, adaptation and vulnerability: Сontributions of the Working Group II to the Fifth Assessment Report. Cambridge: Cambridge University Press, 944. DOI: https://doi.org/10.1017/CBO9781107415379
Kashtanov, A. N. (Ed.). (1983). Prirodno-selskokhozyaystvennoe rayonirovanie i ispolzovanie zemelnogo fonda SSSR [Natural and agricultural zoning and the use of land fund of the USSR]. Moscow: Kolos, 335. (In Russ.)
Kiselev, S., Romashkin, R., Nelson, G., Mason-D’Croz, D. & Palazzo A. (2013). Russia’s Food Security and Climate Change: Looking into the Future. Economics, 7(1), 20130039. DOI: https://doi.org/10.5018/economics-ejournal.ja.2013-39
Kiselev, S., Strokov, A. & Belugin, A. (2016). Projections of Russia’s agricultural development under the conditions of climate change. Studies on Russian Economic Development, 5, 548-556. DOI: https://doi.org/10.1134/S1075700716050063
Krasnopolskaya, I., Skokova, Y. & Pape, U. (2015). Government-nonprofit relations in Russia’s regions: an exploratory analysis. Voluntas: International Journal of Voluntary and Nonprofit Organizations, 6, 2238-2266.
Linos, K. (2015). How to select and develop international law case studies: lessons from comparative law and comparative politics. American Journal of International Law, 3, 475-485. DOI: https://doi.org/10.5305/amerjintelaw.109.3.0475
Lu L., Anderson-Cook, С. M. & Robinson, Т. J. (2011). Optimization of designed experiments based on multiple criteria utilizing a Pareto frontier. Technometrics, 53(4), 353-365. DOI: https://doi.org/10.1198/TECH.2011.10087
Mahar, S., Winston, W. & Wright, P. D. (2013). Eli Lilly and Company uses integer programming to form volunteer teams in impoverished countries. Interfaces, 3, 268-284. DOI: https://doi.org/10.1287/inte.2013.0679
McBride, R. D. & Zufryden, F. S. (1988). An integer programming approach to the optimal product line selection problem. Marketing Science, 2, 126-140.
Pavlova, V., Varcheva, S., Bokusheva, R. & Calanca, P. (2014). Modelling the effects of climate variability on spring wheat productivity in the steppe zone of Russia and Kazakhstan. Ecological Modelling, 277, 57-67. DOI: https://doi.org/10.1016/j.ecolmodel.2014.01.014
Porfiryev, B. N., Kattsov, V. M. & Roginko, S. A. (2011). Izmeneniya klimata i mezhdunarodnaya bezopasnost [Climate change and international security]. Moscow: D’ART, 292 (In Russ.)
Romanenko, I. A., Siptits, S. O. & Evdokimova, N. E. (2020). Agroprodovolstvennaya strategiya regionov v usloviyakh neopredelyonnosti budushchego klimata [Agro-industrial strategy of regions under the conditions of climate uncertainty in the future]. VIAPI n.a. A. A. Nikonov, Ser. 53. Moscow: Analyst, 204. (In Russ.)
Samuels, S. M. & Chotlos, B. (1986). A Multiple Criteria Optimal Selection Problem. In: Adaptive Statistical Procedures and Related Topics (pp. 62-78). Hayward: Institute of Mathematical Statistics.
Shagaida, N. I. & Uzun, V. Ya. (2015). Food security: problems of assessing. Voprosy ekonomiki, 5, 63–78. (In Russ.)
Siptits, S. O., Romanenko, I. A. & Evdokimova, N. E. (2021). Model Estimates of Climate Impact on Grain and Leguminous Crops Yield in the Regions of Russia. Studies on Russian economic development, 32, 169-176. DOI: https://doi.org/10.1134/S1075700721020106
Strokov, A. S. (2021). Emission of greenhouse gases during crop production. Vestnik Rossiyskoy Akademii Nauk [Herald of the Russian Academy of Sciences], 3, 265–272. (In Russ.)
Strokov, A. S., Ternovsky, D. S., Potashnikov, V. Yu. & Potapova, A. A. (2020). Economical evaluation of externalities using partial equilibrium model. Zhurnal Novoy Ekonomicheskoy Assotsiatsii [Journal of the New Economic Association], 4, 113–137. (In Russ.)
Svetlov, N. M. (2020). How to improve the planning of the federal project “export of agricultural products”. APK: ekonomika, upravlenie [AIC: economics, management], 10, 41–50. (In Russ.)
Svetlov, N. M. (2021). Estimation of climatic influence on balances of agricultural products. Ekonomika selskokhozyaystvennykh i pererabatyvayushchikh predpriyatiy [Economy of agricultural and processing enterprises], 10, 10–18. (In Russ.)
Svetlov, N. M., Siptits, S. O., Romanenko, I. A. & Evdokimova, N. E. (2019). The effect of climate change on the location of branches of agriculture in Russia. Studies on Russian economic development, 30, 406-418. DOI: https://doi.org/10.1134/S1075700719040154
Svetlov, N. M., Yanbykh, R. G. & Loginova, D. A. (2019). On the diversity of the effects of the state support for agriculture. Voprosy ekonomiki, 4, 59–73. (In Russ.)
Wallenius, J., Fishburn, P. C., Zionts, S., Dyer, J. S., Steuer, R. E. & Deb, K. (2008). Multiple criteria decision making, multiattribute utility theory: recent accomplishments and what lies ahead. Management Science, 7, 1336-1349. DOI: https://doi.org/10.1287/mnsc.1070.0838
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Матушкина Наталья
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
