ДВУХЭТАПНАЯ ЭКОНОМЕТРИЧЕСКАЯ МОДЕЛЬ ОЦЕНКИ ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ ЗЕМЕЛЬ ПОД ПЛОДОВЫМИ НАСАЖДЕНИЯМИ В РЕСПУБЛИКЕ БЕЛАРУСЬ

Сельскохозяйственные земли представляют собой основной производственный ресурс, обеспечивающий продовольственную безопасность, развитие сельских территорий и устойчивое функционирование сельскохозяйственных организаций. Поэтому повышение эффективности использования сельскохозяйственных земель является одним из ключевых направлений исследований в сфере аграрной экономики, землеустройства и экологической политики. Современные исследования показывают, что при оценке эффективности землепользования следует учитывать не только производственные показатели, но и экономические результаты

Эффективность использования сельскохозяйственных земель определяется совокупностью экономических, технологических, организационных и экологических факторов. Вопросы организации землепользования зависят от ожидаемой экономической отдачи, производственных технологий, государственного регулирования и пространственных характеристик сельскохозяйственных земель. В связи с этим количественное моделирование является эффективным инструментом для анализа взаимосвязей между факторами производства и экономическими показателями

В международной практике все чаще применяют эконометрические модели в вопросах использования сельскохозяйственных земель, поскольку они позволяют исследователям оценивать вклад отдельных факторов производства в рамках единой аналитической модели

Европейский опыт показывает, что изменения в землепользовании в сельском хозяйстве обусловлены сложным взаимодействием экономических стимулов, технологического прогресса, институционального развития и региональных особенностей. Эти факторы совместно определяют как продуктивность земель, так и долгосрочную эффективность землепользования

Вопросы организации рационального использования земель сельскохозяйственного назначения, включая аспекты внутрихозяйственного землеустройства, детально проработаны С.Н. Волковым и соавторами

По мнению И.А. Минакова, непременным условием повышения эффективности плодоводства является формирование отлаженного экономического механизма функционирования плодоводческих организаций

Углубление рыночных отношений и конкуренция требуют создания такой системы хозяйствования, которая бы экономическими рычагами принуждала всех работников находить резервы экономии затрат, повышения качества продукции на пути интеграции, с тем чтобы обеспечить конкурентоспособность продукции на внутреннем и внешнем рынках

Изучение развития плодового производства в мире А.И. Завражновым, В.А. Потаповым показало, что ключевым направлением повышения эффективности плодоводства является интенсификация производства

Вопросы эффективности современных технологий возделывания и оценки продуктивности плодовых культур в интенсивных садах рассматриваются в работах А.Ю. Трунова с соавторами

В последние годы моделирование в плодоводстве получило широкое распространение, охватывая задачи от прогнозирования продуктивности до оптимизации управления ресурсами

При этом, несмотря на значительный прогресс в исследованиях в области землепользования, относительно мало исследований одновременно анализируют факторы сельскохозяйственной производительности и экономической эффективности в рамках единой эконометрической модели.

Цель исследования заключается в разработке и эмпирической проверке двухэтапной эконометрической модели для оценки эффективности использования сельскохозяйственных земель в товарном плодоводстве путем моделирования взаимосвязей между факторами производства, урожайностью насаждений и экономическими показателями с использованием данных сельскохозяйственных организаций Республики Беларусь.

Теоретической и методологической основой эконометрического моделирования, включая оценку параметров методом наименьших квадратов, проверку мультиколлинеарности факторов и статистической значимости моделей, послужили положения, изложенные в работах по эконометрике

Для достижения поставленной цели следует последовательно решить следующие задачи:

– сформировать систему показателей, отражающих производственные и экономические аспекты функционирования плодоводческих организаций;

– построить и оценить производственную функцию урожайности плодовых культур;

– разработать и оценить модель прибыли (убытка) на 1 га плодовых насаждений;

– сформулировать выводы.

Объектом исследования являются сельскохозяйственные организации Республики Беларусь, осуществляющие выращивание семечковых и косточковых плодовых культур в условиях промышленного товарного плодоводства.

При проведении исследования следует учитывать, что для многих плодовых культур характерно периодичность плодоношения насаждений, когда высокоурожайный год сменяется неурожайным или малоурожайным. При наличии периодичности плодоношения, она может составлять разное количество лет (обычно 2–3 года). Длительность одного цикла периодичности определяет за какой период необходимо брать данные, чтобы получить объективную информацию о результатах производства плодово-ягодной продукции. Проведенные авторами исследования длины цикла периодичности плодоношения показали, что для большинства сельскохозяйственных организаций Беларуси оптимальным периодом для объективной оценки эффективности производства плодовых насаждений является срок в 3 года. Соответственно, для построения адекватных моделей необходимо использовать данные за трехлетний период.

Информационной базой исследования послужили данные официальной статистической отчетности за 2022–2024 годы по 40 сельскохозяйственным организациям Беларуси, специализирующимся на товарном производстве плодов семечковых и косточковых культур.

Для проведения объективного анализа эффективности плодового производства были рассчитаны средние относительные показатели за 2022–2024 годы. Все стоимостные показатели в исходных данных выражены в национальной валюте Республики Беларусь — белорусских рублях. В целях обеспечения сопоставимости показателей во времени стоимостные данные за 2022–2023 годы были приведены к сопоставимым ценам 2024 года. Приведение осуществлялось дифференцированно по экономическому содержанию показателей с использованием официальных индексов Республики Беларусь.

Использование для построения моделей средних данных за три года позволило существенно нивелировать воздействие на рассматриваемые факторы периодичности плодоношения плодовых культур. Использования классического варианта, когда исходные данные берутся за один год, существенно искажают получаемые модели в связи с характерными для большинства сельскохозяйственных организаций Беларуси значительными колебаниями урожайности плодовых насаждений.

В основе предложенной методологии лежит двухэтапный эконометрический подход, который последовательно включает в себя сначала анализ производственной, а затем экономической эффективности земель под плодовыми культурами.

На первом этапе разработанного подхода строиться модель зависимости урожайности от производственных факторов. На втором этапе анализируется прибыль (убыток) на гектар с учетом урожайности, цен реализации и отдельных статей затрат. Такой подход позволяет избежать искажений при единовременном включении всех факторов в модель прибыли. Все показатели, кроме цены, рассчитаны на гектар для обеспечения сопоставимости данных. Эконометрические расчеты проводились с использованием программного пакета для статистического анализа Statistica 10.

Перед проведением регрессионного анализа данные были проверены на полноту, наличие выбросов и логическую согласованность.

На начальном этапе эконометрического анализа был проведен анализ распределения исследуемых показателей. Проверка формы распределения осуществлялась на основе гистограмм с наложением кривой нормального распределения.

Распределение отдельных показателей отклоняется от нормального, что является характерным для экономических и производственных данных в сельском хозяйстве и обусловлено как технологической неоднородностью хозяйств, так и биологической спецификой плодовых культур. Наличие асимметрии и различной степени разброса значений обусловило целесообразность использования нелинейной функциональной формы при построении производственной функции урожайности, допускающей логарифмическое преобразование переменных.

На рисунке 1 отражены результаты проверки прибыли (убытка) на 1 га насаждений (П) и урожайности плодовых насаждений (Q) на соответствие нормальному распределению.

Проверка данных на соответствие нормальному распределению

DOI:10.60797/JAE.2026.73.13.1

Открыть в полном размереСкачать рисунок

Как видно из рисунка 1 значение критерия Шапиро–Уилка для прибыли (убытка) на 1 га насаждений составило W=0,96 при p=1,8 (p>0,05), что не позволяет отвергнуть гипотезу о нормальности распределения. Визуальный анализ также подтверждает приближенность распределения к нормальному. В то же время распределение урожайности плодовых насаждений характеризуется выраженной асимметрией (W=0,85 при p=0,001 (p≤0,05)).

С учетом результатов анализа распределения показателей, используемых в моделях урожайности и прибыли на 1 га насаждений, а также выявленных отклонений отдельных переменных от нормального распределения, для количественной оценки влияния производственных факторов на формирование урожайности плодовых культур на первом этапе исследования применяется производственная функция Кобба–Дугласа.

Выбор данной функциональной формы обусловлен ее способностью адекватно описывать нелинейный характер зависимости между уровнем затрат и физическим результатом производства, а также возможностью логарифмического преобразования переменных, что позволяет сгладить асимметрию распределений и повысить устойчивость эконометрических оценок. Это имеет особое значение для плодоводства, характеризующегося биологическими ограничениями, убывающей отдачей факторов и высокой вариативностью производственных условий.

Разработанная производственная функция урожайности имеет следующий вид:

где Q — урожайность плодовых насаждений, ц/га;

A — параметр, отражающий уровень технологического развития и совокупное влияние неучтенных факторов;

L — прямые затраты труда, чел.-ч/га;

C — затраты на удобрения и средства защиты растений, бел. руб./га;

K — затраты по содержанию основных средств, бел. руб./га;

S — затраты на работы и услуги, бел. руб./га;

G — затраты на ГСМ, бел. руб./га;

E — затраты на энергоресурсы, бел. руб./га;

R — прочие прямые затраты, бел. руб./га;

O — затраты по организации производства, бел. руб./га;

α1, α2, α3, α4, α5, α6, α7, α8 – коэффициенты эластичности урожайности по соответствующим факторам.

Для того чтобы оценить параметры функции данная модель была приведена к линейному виду путем логарифмирования:

где ε — случайная ошибка модели.

В данном виде коэффициенты α ​отражают относительное изменение урожайности при изменении соответствующего фактора на 1%.

Наличие в исходных данных нулевых значений по отдельным статьям затрат, требует преобразование этих значений по формуле:

где Cj​ — затраты по j-й статье на 1 га плодовых насаждений.

Данное изменение позволяет провести корректное стандартное логарифмическое преобразование, не снижая числа наблюдений. При этом влияние данной трансформации на оцененные коэффициенты минимально, так как средние значения затрат значительно превышают единицу, что обеспечивает корректность экономической интерпретации результатов.

Далее проведен анализ корреляционных связей между логарифмированными факторными показателями и урожайностью.

Статистическая значимость коэффициентов оценивалась с использованием t-критерия Стьюдента при уровне значимости p=0,05. В исходной спецификации модели при заданном уровне значимости ни одна из статей затрат не продемонстрировала статистически значимого влияния на результативный показатель, что обусловило необходимость редукции модели.

Исключение факторов из модели осуществлялось поэтапно с учетом уровня мультиколлинеарности, статистической значимости коэффициентов и экономической интерпретации влияния соответствующих статей затрат. На первом этапе проводилась проверка мультиколлинеарности между независимыми переменными; при выявлении высокой корреляции (∣r∣>0,8–0,9) в модели сохранялась одна из взаимосвязанных переменных — более агрегированная либо обладающая большим экономическим значением. Для проведения этой проверки была построена корреляционная матрица.

На втором этапе из модели исключалась переменная с наибольшим значением p-уровня при отсутствии экономической обоснованности ее сохранения и при логически некорректном знаке коэффициента. После исключения соответствующего фактора модель пересчитывалась.

Качество спецификации контролировалось на основе анализа скорректированного коэффициента детерминации, а также путем проверки статистической значимости оставшихся коэффициентов и устойчивости их знаков. Процедура редукции повторялась до тех пор, пока в модели не оставались только статистически значимые и экономически интерпретируемые факторы.

Итоговые результаты оценки регрессионной модели для зависимой переменной lnQ представлены в таблице 1, содержащей параметры производственной функции Кобба–Дугласа.

Свободный член (lnA) отражает совокупное влияние неучтенных факторов и уровень технологического развития производства при прочих равных условиях. Его статистическая значимость свидетельствует о наличии систематических факторов, не включенных непосредственно в модель.

Нестандартизированные коэффициенты B, полученные в логарифмической форме модели, интерпретируются как показатели эластичности.

Соответственно, увеличение затрат на удобрения и средства защиты растений на 1 га плодовых насаждений на 1% сопровождается ростом урожайности в среднем на 0,34%, а рост трудовых затрат 1 га плодовых насаждений на 1% сопровождается ростом урожайности в среднем на 0,20% при прочих равных условиях.

Стандартизированные коэффициенты регрессии (БЕТА) используются для сравнения силы влияния факторов между собой.

Сравнение стандартизированных коэффициентов регрессии показывает, что влияние затрат на удобрения и средства защиты растений на урожайность является более выраженным по сравнению с влиянием трудовых затрат.

Полученная t-статистика Стьюдента используется для проверки гипотезы о статистической значимости коэффициента регрессии, то есть для проверки того, отличается ли оценка коэффициента от нуля. Когда абсолютное значение t≥1,96, то надежность примерных расчетов составляет 95%, а p-значение<0,05 означает статистическую значимость.

Оба включенных в модель фактора являются статистически значимыми при уровне значимости 5%, что подтверждается значениями t-критерия Стьюдента и соответствующими p-уровнями.

Проверка мультиколлинеарности выполнена с использованием коэффициентов инфляции дисперсии (VIF). В эконометрической практике принято: VIF<5 — мультиколлинеарность отсутствует или слабая; 5≤VIF<10 — умеренная мультиколлинеарность; VIF≥10 — критическая мультиколлинеарность.

Все значения VIF не превышают порогового уровня 5, что свидетельствует об отсутствии критической мультиколлинеарности между объясняющими переменными. Следовательно, оценки коэффициентов регрессии являются устойчивыми и интерпретируемыми.

Таким образом, результаты оценки производственной функции Кобба–Дугласа показывают, что основное влияние на формирование урожайности плодовых культур оказывают затраты на удобрения и средства защиты растений, а также прямые затраты труда.

Обобщающие статистики регрессионного анализа представлены в таблице 2.

Представленное в таблице 2 значение коэффициента множественной корреляции (R=0,86) свидетельствует о высокой тесноте связи между результативным показателем и включенными в модель факторами. Коэффициент детерминации (R2=0,74) указывает на то, что около 74% вариации урожайности объясняется изменением рассматриваемых производственных затрат. Высокое значение F-критерия при уровне значимости модели в целом p<0,001 подтверждает статистическую значимость модели в целом.

Полученные результаты позволяют сделать вывод о том, что именно затраты на удобрения и средства защиты растений, а также прямые затраты труда формируют ядро технологического воздействия на урожайность плодовых насаждений.

Затраты по содержанию основных средств были исключены из итоговой спецификации модели в связи с наличием высокой мультиколлинеарности с затратами на удобрения и средства защиты растений, что подтверждает их опосредованное влияние на формирование урожайности. Прочие элементы затрат, включая расходы на горюче-смазочные материалы, энергоресурсы, работы и услуги, а также затраты по организации производства, статистически значимого влияния на урожайность не оказали и, соответственно, не были включены в окончательную модель.

Результаты дисперсионного анализа представлены таблице 3.

Дисперсионный анализ (ANOVA) показал статистическую значимость регрессионной модели в целом (F=51,9; p<0,001), что свидетельствует о наличии статистически значимой зависимости между зависимой и объясняющими переменными.

Степень влияния факторов на урожайность плодовых культур представлена в таблице 4.

Графическое представление значимости отдельных факторов приведено на рисунке 2.

Степень важности каждого фактора, влияющих на урожайность плодовых насаждений

DOI:10.60797/JAE.2026.73.13.6

Открыть в полном размереСкачать рисунок

Из данных таблицы 4 и рисунка 2 следует, что наибольший вклад в формирование урожайности плодовых культур (LnQ) вносят затраты на удобрения и средства защиты растений (LnC) — 68,5%, тогда как наименьшее влияние оказывают прямые затраты труда (LnL) — 31,5%.

Окончательная спецификация производственной функции урожайности в логарифмической форме имеет следующий вид:

В исходной (нелинейной) форме производственная функция урожайности плодовых насаждений может быть представлена следующим образом:

Полученное уравнение показывает, что с ростом затрат на удобрения и средства защиты растений в расчете на 1 га насаждений на 1% урожайность плодовых культур вырастет на 0,336%, а увеличение прямых затрат труда на единицу площади повысит урожайность на 0,203%.

Суммарное значение коэффициентов эластичности по включенным факторам составляет менее единицы, что указывает на наличие убывающей отдачи от интенсификации производства. Данный результат отражает биологические и технологические ограничения продуктивности плодовых насаждений и свидетельствует о том, что дальнейшее наращивание затрат не обеспечивает пропорционального роста урожайности.

Полученные результаты подтверждают, что увеличение затрат на начальных и средних уровнях ресурсного обеспечения способствует росту урожайности, однако по мере интенсификации производства эффект от дополнительного привлечения ресурсов заметно ослабевает, что обосновывает необходимость оптимизации уровня и структуры производственных затрат.

Адекватность построенной производственной функции урожайности была проверена путем сопоставления фактических и расчетных значений результативного показателя, а также анализа остатков регрессионной модели (рис. 3).

Анализа остатков регрессионной логарифмированной модели урожайности плодовых насаждений

DOI:10.60797/JAE.2026.73.13.7

Открыть в полном размереСкачать рисунок

Поскольку регрессионная оценка производственной функции осуществлялась в логарифмической форме, расчетные значения урожайности были получены путем экспонирования прогнозных значений lnQ.

Проверка нормальности распределения остатков показала, что логарифмирование урожайности позволяет привести распределение результативного показателя к виду, близкому к нормальному. Так, для остатков логарифмированной урожайности значение критерия Шапиро–Уилка составило W=0,97 при p=0,34, что не позволяет отвергнуть гипотезу о нормальности распределения. Визуальный анализ также подтверждает приближенность распределения к нормальному. Следовательно, применение t- и F-критериев для оценки значимости коэффициентов регрессии корректно, а оценки модели являются статистически обоснованными.

В то же время распределение остатков урожайности в исходном выражении характеризуется выраженной асимметрией (W=0,79 при p<0,001), что обосновало целесообразность использования логарифмической формы модели.

Для оценки адекватности производственной функции урожайности выполнено сопоставление фактических и расчетных значений урожайности в исходных единицах измерения. Визуальное расположение наблюдений вблизи линии равенства свидетельствует о достаточной степени соответствия модели эмпирическим данным.

Проведенные расчеты показали, что наряду с базовой спецификацией производственной функции урожайности допустимо использование альтернативной модели, в которой при высокой взаимосвязанности факторов вместо затрат на химизацию в состав объясняющих переменных включаются затраты на содержание основных средств. Такая спецификация позволяет по-иному интерпретировать источники роста продуктивности, не снижая общей объясняющей способности модели. Использоваться данная модель может при обосновании инвестиций в закладку новых плантаций плодовых насаждений.

На втором этапе исследования была построена функция прибыли на 1 га плодовых насаждений, учитывающая уровень урожайности, цену реализации продукции и все статьи производственных затрат:

где Π — прибыль (убыток) на 1 га плодовых насаждений, бел. руб.;

Q — урожайность плодовых культур, ц/га;

P — цена реализации плодов, бел. руб./т;

W — затраты на оплату труда с начислениями, бел. руб./га;

C — затраты на удобрения и средства защиты растений, бел. руб./га;

K — затраты по содержанию основных средств, бел. руб./га;

S — затраты на работы и услуги, бел. руб./га;

G — затраты на ГСМ, бел. руб./га;

E — затраты на энергоресурсы, бел. руб./га;

R — прочие прямые затраты, бел. руб./га;

O — затраты по организации производства, бел. руб./га;

β0 — свободный член (константа) модели;

β1, β2, β3, β4, β5, β6, β7, β8, β9, β10 — коэффициенты регрессии при соответствующих факторных признаках;

ε — случайная ошибка модели.

Данная спецификация функции прибыли позволяет оценить вклад отдельных факторов в формирование конечного финансового результата в расчете на 1 га плодовых насаждений.

На начальном этапе был проведен анализ корреляционных связей между результативным и факторными показателями.

Далее по аналогии с анализом производственной функции урожайности, осуществлялось поэтапное исключение факторов из модели с учетом уровня мультиколлинеарности, статистической значимости коэффициентов и экономической интерпретации влияния соответствующих статей затрат.

Результаты итоговой оценки параметров функции прибыли на 1 га плодовых насаждений представлены в таблице 5.

Полученные оценки коэффициентов в таблице 5 свидетельствуют о том, что при уровне значимости 5% статистически значимое влияние на величину прибыли оказывают урожайность плодовых культур, цена реализации плодов, затраты на оплату труда с начислениями, а также затраты по организации производства. Прочие статьи затрат статистически значимого влияния на финансовый результат не показали и были исключены из итоговой спецификации модели.

Значения VIF показывают, что критической мультиколлинеарности между объясняющими переменными нет. Для Q и W наблюдается умеренная мультиколлинеарность, для O и P — слабая. Следовательно, оценки коэффициентов регрессии устойчивы и могут быть интерпретированы как количественная оценка влияния каждой переменной на функцию прибыли.

Обобщающие статистики регрессионного анализа представлены в таблице 6.

Дисперсионный анализ (ANOVA) показал статистическую значимость регрессионной модели в целом (F=6,0; p<0,001), что свидетельствует о наличии статистически значимой зависимости между зависимой и объясняющими переменными.

Степень влияния факторов на прибыль (убыток) в расчете на 1 га плодовых насаждений представлена в таблице 7.

Графическое представление значимости отдельных факторов приведено на рисунке 4.

Степень влияния факторов на прибыль (убыток) на 1 га плодовых насаждений

DOI:10.60797/JAE.2026.73.13.11

Открыть в полном размереСкачать рисунок

Из данных таблицы 7 и рисунка 4 следует, что наибольший вклад в формирование прибыли (убытка) на 1 га плодовых насаждений вносит урожайность плодовых культур (Q) — 34,3%, тогда как наименьшее влияние оказывает цена реализации плодов (P) — 16,8%.

В результате поэтапной редукции факторов с учетом мультиколлинеарности, статистической значимости коэффициентов и их экономической интерпретации получена следующая итоговая модель прибыли на 1 га плодовых насаждений:

Результаты полученной модель показывают, что с ростом урожайности на 1 ц/га прибыль вырастет в среднем на 15,8 бел. руб./га, а увеличение цены реализации на 1 бел. руб./т приведет к росту прибыли на 4,5 бел. руб./га.

При этом при повышении затрат на оплату труда с начислениями на 1 руб./га прибыль снизится на 0,36 бел. руб./га, а при росте затрат по организации производства прибыль уменьшится на 1,95 бел. руб./га. Соответственно, рост необоснованных расходов на оплату труда и организацию производства, которые не повышают урожайность культур и цену реализации, будут способствовать снижению прибыльности производства.

Дальнейший анализ показал, что полученная модель является статистически корректной. Визуализация фактических и расчетных значений прибыли на 1 га плодовых насаждений отразил отсутствие систематического смещения оценок. Проведенный анализ остатков не выявил признаков гетероскедастичности, а значения VIF не превышают критических уровней.

Обобщенные результаты исследования построенных моделей приведены в таблице 8.

Данные приведенные в таблице 8 показывают, что проведенные исследования позволили получить статистически значимые модели с высокой экономической интерпретируемостью.

Редукция начальных полных моделей позволила устранить мультиколлинеарность, повысить F-критерий моделей и выявить статистически значимые факторы, при незначительном снижении коэффициентов детерминации.

Для обобщения результатов двухэтапного эконометрического анализа, подставим полученную функцию урожайности в модель прибыли (убытка) на 1 га плодовых насаждений:

Полученная составная функция прибыли (убытка) на 1 га плодовых насаждений выражает форму зависимости экономической эффективности использования земель в плодоводстве от определяющих производственно-экономических показателей.

Обобщая проведенные исследования, следует отметить целесообразность двухэтапного эконометрического моделирования. Данный подход позволил разграничить механизмы влияния отдельных факторов на эффективности использования земель, занятых плодовыми насаждениями. Полученная составная функция прибыли (убытка) на 1 га плодовых насаждений позволила не просто выявить ключевые производственно-экономические факторы, оказывающие влияние на финансовый результат от использования земель, но и определить оптимальную форму взаимосвязи между показателями.

Полученный результат был достигнут в результате отдельного эконометрического моделирования урожайности плодовых культур на первом этапе исследования. Это обусловлено тем, что продуктивность сельскохозяйственных земель является ключевым фактором экономической эффективности использования земель.

Использованная при моделировании производственная функция Кобба–Дугласа, позволяет описать влияние производственных факторов на урожайность плодовых культур. Построенная функция является статистически значимой и подтверждает нелинейный характер воздействия факторов на продуктивность земель. Производственная функция урожайности показывает, что с ростом затрат на удобрения и средства защиты растений в расчете на 1 га насаждений на 1% урожайность плодовых культур вырастет на 0,336%, а увеличение прямых затрат труда на единицу площади повысит урожайность на 0,203%. Выявленные факторы указывают на то, что важным направлением роста урожайности плодовых культур в Беларуси является интенсификация производства. При этом полученные значения указывают на наличие убывающей отдачи от интенсификации.

Разработанная на втором этапе моделирования функция прибыли (убытка) на 1 га плодовых насаждений также является статистически значимой и показывает, что с ростом урожайности на 1 ц/га прибыль вырастет в среднем на 15,8 бел. руб./га, а увеличение цены реализации на 1 бел. руб./т приведет к росту прибыли на 4,5 бел. руб./га. При этом при повышении затрат на оплату труда с начислениями на 1 руб./га прибыль снизится на 0,36 бел. руб./га, а при росте затрат по организации производства прибыль уменьшится на 1,95 бел. руб./га.

Объединение двух функций в одну составную показывает, на каких производственно-экономических факторах следует сконцентрироваться сельскохозяйственным организациям для повышения экономической эффективности земель.

Как показывает составная функция, рост прямых затрат труда на единицу площади способствует росту прибыли, а повышение оплаты труда на 1 га насаждений снижает ее. Соответственно, эффективность производства будет расти до тех пор, пока отдача от дополнительных затрат труда выше прироста затрат на оплату труда. Это предполагает важность правильной организации труда и продуманной кадровой политики в каждом конкретном хозяйстве.

Существенное отрицательное влияние затрат по организации производства на прибыль говорит о необходимости повышения эффективности управления и оптимизация организационных издержек, которые должны быть обоснованными.

Рост затрат на удобрения и средства защиты растений в расчете на 1 га насаждений повышают эффективность производства, но более медленными темпами, вследствие убывающей предельной отдачи.

Повышение цены реализации напрямую увеличивает прибыль организации. Для фруктов характерна существенная ценовая дифференциация в течение года. Максимальная цена приходится на конец зимы и весну. Соответственно, возможность сохранить продукцию к этому периоду повышает эффективность плодоводства.

Полученные в ходе исследований модели можно использовать, как по отдельности, так и в виде составной функции. Использование составной модели позволяет понять, как производственные показатели влияют на прибыль через урожайность, и как рыночные факторы и затраты влияют напрямую. Такой подход помогает лучше понять взаимосвязи и использовать эконометрические методы для принятия управленческих решений с целью повышения эффективности использования земель при производстве плодовой продукции.

Результаты моделирования применимы для анализа отдельных сельскохозяйственных организаций Беларуси, специализирующихся на производстве плодовой продукции, а также могут использоваться при разработке различных государственных целевых программ и инвестиционных проектов в сфере плодоводства. Распространение результатов на другие регионы требует дополнительной эмпирической проверки.

Таким образом, разработанная двухэтапная эконометрическая модель позволяет провести последовательный анализ производственной и экономической эффективности использования земель под плодовыми насаждениями, оценить количественно вклад отдельных факторов в формирование урожайности и прибыли, а также выступать в качестве инструмента принятия управленческих решений в товарном плодоводстве.