КЛАСТЕРНЫЙ ПОДХОД К ОПРЕДЕЛЕНИЮ ФАКТОРОВ ВЛИЯНИЯ НА МОЛОЧНОПРОДУКТОВЫЙ ПОДКОМПЛЕКС АПК
Аннотация и ключевые слова
Аннотация (русский):
В статье, применяя кластерный анализ k-средних для анализа молочнопродуктового подкомплекса АПК, показано как заинтересованные стороны могут идентифицировать отдельные периоды со схожими характеристиками в молочной промышленности, что помогает в разработке целевых стратегий повышения эффективности производства, распределения на рынке и устойчивости. Используя программное обеспечение Jamovi и его модули snowCluster и factoextra, были определены два кластера: кластер 1 (2004-2021 гг.) с более низким производством молока, меньшим количеством коров, но более высоким импортом, что указывает на зависимость от импорта из-за таких факторов, как меньшие размеры стада или менее эффективное ведение сельского хозяйства; кластер 2 (1995-2003 гг.) показывает более высокое производство и поголовье коров, но более низкий импорт и экспорт, что свидетельствует о самодостаточности или ориентированности на экспорт. Зависимость кластера 1 от импорта может привести к экономической уязвимости и изменениям в предпочтениях потребителей, что потребует политики, направленной на стимулирование местного производства. Напротив, кластер 2, характеризующийся внутренним производством и стабильностью рынка, мог бы сосредоточиться на устойчивых практиках, развитии экспортного рынка и адаптации к потребительским тенденциям. Понимание этих кластеров имеет решающее значение для разработки индивидуальных стратегий в области сельскохозяйственной политики, развития рынка и устойчивого развития.

Ключевые слова:
молочнопродуктовый подкомплекс, молочное производство, АПК, сельское хозяйство
Текст

Введение. Молочнопродуктовый подкомплекс является важной составляющей экономики АПК во всем мире, обеспечивая необходимое питание за счет молока и его производных, где ключевым элементом успеха является кластерный подход к развитию экономики, который объединяет деятельность по производству молока в пределах определенной географической зоны для повышения коллективной эффективности и стимулирования экономического роста. Этот эффект кластеризации позволяет реализовать экономию за счет масштаба, снизить транспортные расходы и усилить конкурентные преимущества благодаря симбиотическим отношениям между фермерами, перерабатывающей промышленностью, поставщиками и научно-исследовательскими институтами. Для таких экономик характерны специализированная инфраструктура, квалифицированная рабочая сила и обмен передовым опытом, которые способствуют общей производительности и устойчивости производства молока. Изучая тонкости кластерной экономики в молочнопродуктовом подкомплексе, заинтересованные стороны могут определить стратегии оптимизации производства, внедрять инновации в разработку продуктов и ориентироваться в вызовах динамичного глобального рынка.

Появление кластерного подхода к развитию молочнопродуктового подкомплекса положило начало преобразующему подходу к производству молока, характеризующемуся географическим расположением производителей, поставщиков, переработчиков и научных кругов, формирует интегрированную цепочку создания стоимости, которая является основой устойчивости сектора. В основе этих кластеров лежит принцип коллективной эффективности – идея о том, что близость может привести к естественной синергии, способствующей получению конкурентных преимуществ. В регионах, где укоренились кластеры, мы наблюдаем оптимизацию цепочки поставок, которая снижает логистические сложности, связанные со скоропортящимся качеством молока. Производители внутри кластера часто имеют доступ к общим ресурсам, таким как ветеринарные службы, поставщики кормов и технологий, что может привести к экономии средств и улучшению здоровья и продуктивности стада. Кроме того, кластеры способствуют быстрому распространению инноваций, поскольку исследовательские институты часто сотрудничают с фермерами для применения научных достижений непосредственно на местах.

Кластерный подход стимулирует специализацию рабочей силы, поскольку рынок труда в большей степени приспособлен к конкретным потребностям молочнопродуктового подкомплекса, а образовательные программы и профессиональная подготовка, адаптированные к отрасли, обеспечивают постоянный приток квалифицированных работников, разбирающихся в современных методах производства молока, тем самым повышая общее качество и эффективность производства данного вида продукции.

Более того, экологическая устойчивость становится достижимой целью в рамках кластеров, поскольку общая инфраструктура и программы коллективного обращения с отходами снижают углеродный след отдельных ферм. Например, совместные системы управления навозом могут быть использованы для переработки отходов в биоэнергию или органические удобрения, превращая потенциальную экологическую ответственность в актив. Хотя выгоды от этого существенны, формирование и поддержание таких кластеров сопряжено с определенными трудностями, такими как колебания рынка, изменения в регулировании и технологические сбои могут повлиять на стабильность экономических систем.

Сельскохозяйственный кластер определяется как инновационно ориентированная, географически сконцентрированная сеть, которая объединяет различные секторы агропромышленного комплекса в технологическую цепочку создания стоимости, начиная от производства и заканчивая конечной продажей. Преимущества такой кластерной системы включают повышение эффективности производства и конкурентоспособности, экономию за счет масштаба, облегчение доступа к новым технологиям, снижение рисков на совместных предприятиях, улучшение совместных исследований и подготовки персонала, снижение производственных издержек, расширение налоговой базы, развитую сельскую инфраструктуру и адресные льготы для ключевых региональных предприятий. Эта система также подчеркивает важность экономических факторов по сравнению с административными воздействиями [1].

Однако, молочнопродуктовый подкомплекс сталкивается с проблемами, в первую очередь с дисбалансом между производителями и переработчиками молока, что объясняется различающимися уровнями концентрации между многочисленными производителями и горсткой перерабатывающих предприятий, что может привести к тому, что последние обесценивают сырое молоко, что приводит к рыночной эксплуатации производителей. Данная последовательность опосредована разницей между закупочными и розничными ценами на молоко. Предприятия, входящие в кластер, имеют общую стратегию развития, на которую влияют не только экономические факторы, такие как инвестиции и финансирование, но и организационные элементы, позволяющие им адаптироваться к изменениям во внешней среде.

О.А. Столярова, В.С. Подлеснов [2] предлагают стратегию улучшения молочного подкомплекса с помощью кластерного подхода, направленную на решение трех основных задач: увеличение производства молока, повышение эффективности использования ресурсов и укрепление финансового состояния организаций, испытывающих трудности. В их статье подчеркивается важность контроля каналов продаж и предлагается, чтобы переработчики молочной продукции владели оптовыми компаниями для обеспечения доступности продукции в супермаркетах, а маркетинг выделяется как важнейший компонент, рекомендующий включить в кластер специализированные агентства, которые сосредоточат свое внимание на молочном секторе.

Л.Б. Винничек и др. [3] в своей работе анализируют кластерный подход, в котором предлагают различные модели распределения доходов от продажи молочной продукции между ключевыми игроками рынка молока и молочных продуктов, подчеркивая, что сельскохозяйственные организации могут достичь наивысшей экономической эффективности (26,9%), внедрив механизм взимания платы за проезд и развивая собственную сеть продаж. Кроме того, создание промышленного кластера в молочном подкомплексе Пензенской области пропагандируется как средство стимулирования экономического роста и повышения конкурентоспособности региональной экономики. В заключение подчеркивается, что в организационно-экономических рамках молочного кластера отношения дистрибуции должны иметь приоритет для обеспечения коллективного инвестирования сельскохозяйственных организаций, перерабатывающих предприятий и розничных сетей в общий успех, при этом каждый участник признает ценность своего индивидуального вклада.

Таким образом, существует множество кластерных подходов при изучении АПК. В нашем исследовании предлагается кластерный подход к анализу молочнопродуктового подкомплекса путем изучения различных факторов в разные периоды времени (1995-2021 гг.). Оценивая эти факторы, мы можем получить представление о динамике, проблемах и возможностях отрасли.

Т.А. Кодолова [4] рассматривает критические факторы, влияющие на экономический потенциал предприятий молочнопродуктового подкомплекса агропромышленного комплекса. В нем отраслевая характеристика определяется как ключевой элемент, влияющий как на деятельность предприятий, так и на их экономический потенциал. Анализ показывает, что эти факторы можно сгруппировать в три категории: внутренние факторы (сочетание материальных, трудовых и производственных ресурсов внутри предприятия); внешние факторы, влияющие на рынок ресурсов (природные и климатические условия, политические и экономические сценарии, а также инвестиционная, финансовая и налоговая политика страны); внешние факторы, влияющие на рынок готовой продукции (социально-демографические факторы и конкурентная среда).

Т.В. Тарабукина [5] выделяет факторы, требующие интеграции в АПК:

Внутренние факторы:

  • неадекватные условия и методы содержания животных, некачественный и породный состав животных.
  • низкий уровень механизации производственного процесса, неудовлетворительное состояние оборудования, механизированной техники и инфраструктуры.
  • наличие земли, которая не используется.
  • из-за низкой заработной платы ощущается нехватка достаточно квалифицированных работников.
  • ограничения сырьевой базы перерабатывающих предприятий приводит к низкой загрузке производственных мощностей, увеличению издержек производства и потере конкурентных позиций на рынке.

Внешние факторы:

  • ограниченные возможности привлечения долгосрочного долгового финансирования
  • факторы влияния включают спрос на молочные продукты, государственную политику, связанную с отраслью, и государственную помощь.
  • сезонный характер производства молока.
  • территориальная удаленность муниципалитетов влияет на производство и распределение.
  • ограниченный потребительский спрос на молочные продукты влияет на рынок и ценообразование.
  • напряженность между сельскохозяйственными производителями, предприятиями по переработке молока и торговыми организациями, причем последние часто доминируют, что приводит к снижению доли розничных продажных цен, поступающих сельскохозяйственным предприятиям.

 

Методы исследования

Кластерный анализ в сельском хозяйстве, особенно в области производства молока, является статистическим инструментом, используемым для выявления закономерностей и группировок в наборе данных, характеризующихся различными атрибутами, которые перечислены ниже, относящимися к молочнопродуктовому подкомплексу. При изучении сферы производства молока в игру вступает множество факторов, которые влияют на динамику рынка и эффективность производственных процессов. Эти факторы включают в себя:

  1. запасы на начало года (ZNG) относятся к объему запасов молока, имеющихся на начало данного года, что обеспечивает базовую основу для оценки годовой продуктивности и предложения на рынке;
  2. запасы на конец отчетного периода (ZNKOP) относятся к объему запасов молока, имеющихся на конец данного года, что позволяет сравнить начальные и конечные запасы, давая представление о годовой динамике производства, потребления и торговли, а также помогает при прогнозировании трендов рынка на следующий год. Например, большие запасы могут указывать на возможное снижение цен или потребность в экспорте.
  3. производство (Prod) – это общее количество молока, произведенного за определенный промежуток времени, что имеет решающее значение для понимания мощности и объема производства в молочном секторе;
  4. импорт (Imp) – объем импортируемого молока и молочных продуктов, который влияет на внутреннее предложение и структуру ценообразования;
  5. производственное потребление (Prod_P) – Количество произведенного молока, которое потребляется в рамках самого производственного процесса или в рамках отрасли, например, для производства молочных продуктов;
  6. потери (Poter) – молоко, которое выбрасывается впустую или портится до того, как его можно будет употреблять или перерабатывать, что свидетельствует о неэффективности цепочки поставок;
  7. экспорт (Exp) – количество молока и молочных продуктов, продаваемых за рубеж, которое может повлиять на национальные поставки молока и баланс международной торговли;
  8. личное потребление (L_Potreb) – потребление молока на индивидуальном уровне или в домашнем хозяйстве, которое отражает потребительский спрос и диетические предпочтения;
  9. поголовье коров, млн голов (PK_MG) – молочное поголовье скота, которое напрямую коррелирует с потенциальной мощностью производства молока;
  10. производство молока, млн тонн (Prod_M_T) – общая масса произведенного молока, которая имеет основополагающее значение для оценки масштабов и роста отрасли.

 

Таблица 1 – Данные по молочнопродуктовому подкомплексу

 

Год

ZNG

Prod

Imp

Prod_P

Poter

Exp

L_Potreb

ZNKOP

PK_MG

Prod_M_T

Кластер*

1995

1813

39241

6317

7057

61

396

37431

2426

17,4364

39,2

2

1996

2426

35819

4530

6667

51

490

34236

1331

15,8741

35,8

2

1997

1331

34136

6290

6352

43

232

33727

1403

14,5364

34,1

2

1998

1403

33255

4944

5779

44

330

32254

1195

13,4732

33,3

2

1999

1195

32274

4718

5295

34

208

31328

1322

13,1386

32,3

2

2000

1322

32259

4718

5205

31

507

31317

1239

12,743

32,3

2

2001

1239

32874

4884

5162

31

605

31784

1415

12,3107

32,9

2

2002

1415

33462

4989

5246

30

460

32744

1386

11,8542

33,5

2

2003

1386

33316

5617

5045

22

481

33086

1685

11,0833

33,3

2

2004

1685

31861

6304

4512

24

479

33142

1693

10,2441

31,9

1

2005

1693

30826

7115

4097

17

493

33250

1777

9,5222

31,1

1

2006

1777

31097

7293

4067

21

532

33687

1860

9,3597

31,3

1

2007

1870

31983,9

7133,9

4165,7

21,5

582,6

34292,3

1925,7

9,2864

31,9842

1

2008

1925,7

32226

7315,3

4277,8

21,3

612,3

34458,7

2096,9

9,0603

32,2257

1

2009

2096,9

32315,6

7004,9

4335,8

22,7

519,8

34682,5

1856,6

8,9249

32,3151

1

2010

1856,6

31507,3

8159,4

4219,6

28,9

459,8

34949,2

1865,8

8,713

31,5078

1

2011

1865,8

31204,5

7955,1

3657,5

29,4

614,6

34729,3

1994,6

8,80755

31,2043

1

2012

1994,6

31197

8524,8

3823,1

28

645,1

35188,3

2031,9

8,65719

31,1968

1

2013

2031,9

29865,1

9455,1

3622,5

31,2

628,3

35099,3

1970,8

8,43085

29,8653

1

2014

1981,8

29995,1

9157,9

3397,2

35,2

628,9

34953,1

2120,4

8,263

29,9952

1

2015

2120,4

29887,5

7951,3

3223,6

33,7

606

34148,2

1947,7

8,115

29,8875

1

2016

1947,7

29787,3

7578,6

3059,6

30,3

644,8

33832,9

1746

7,966

29,7872

1

2017

1746

30185

6996,9

2915,1

29,4

607,6

33736,9

1638,9

7,951

30,1845

1

2018

1638,9

30611,1

6493

2903,3

31,3

576,3

33552

1680,1

7,943

30,612

1

2019

1680,1

31360,4

6727,8

2992,3

38

611

34328,1

1798,9

7,964

31,36

1

2020

1798,9

32225,1

7044,4

3107,6

57,8

707,2

35183,1

2012,7

7,898

32,226

1

2021

2012,7

32339,6

6889,5

3133,3

42,3

806,2

35176,3

2083,7

7,78

32,3

1

* номер кластера определен в ходе исследования

 

Применяя кластерный анализ методом k-средних к этим характеристикам, заинтересованные стороны в сельскохозяйственном секторе могут идентифицировать однородные группы периодов, обладающие сходными характеристиками, что позволяет разрабатывать целенаправленные стратегии повышения эффективности производства, распределения на рынке и общей устойчивости отрасли. Такой подход помогает не только оптимизировать текущие операции, но и прогнозировать будущие тенденции и готовиться к требованиям рынка.

В качестве инструментов для проведения анализа выступают программное обеспечение Jamovi с ее модулями snowCluster (версия 7.1.7) [6] и factoextra [7].

 

Результаты исследования. Целью кластеризации с использованием k-средних значений является максимизация суммы квадратов между кластерами (обеспечение четких кластеров) при минимизации суммы квадратов внутри кластера (обеспечение однородности внутри кластеров), и приведенные значения предполагают разумный результат в этом отношении.

 

Рисунок 1 – Распределение кластеров по годам

 

На рисунке 1 проиллюстрировано распределение двух кластеров. Примечательно, что они имеют четкую границу по периодам (кластер 1 = 2004-2021 гг.; кластер 2 = 1995-2003 гг.).

 

 

Таблица 2 –  Сумма квадратов

 

Значение

Сумма квадратов внутри кластера 1

50,7

Сумма квадратов внутри кластера 2

87,9

Сумма квадратов между кластерами

121,4

Общая сумма квадратов

260,0

 

Таблица 2 содержит значения суммы квадратов и представляет результат кластерного анализа по k-значениям.

Сумма квадратов внутри кластера (within-cluster sum of square, WSS) является мерой дисперсии внутри каждого кластера и вычисляется путем суммирования квадратов евклидовых расстояний между каждой точкой и центром назначенного ей кластера. Более низкие значения указывают на то, что точки расположены ближе к центроидам, что желательно, поскольку предполагает компактность кластеров. WSS (кластер 1) равен 50,7, что указывает на то, что точки внутри кластера 1 находятся относительно близко к их центру. WSS (кластер 2) равен 87,9, что выше, чем в кластере 1, что говорит о том, что точки в кластере 2 более распределены вокруг своего центра.

Сумма квадратов между кластерами (between-cluster sum of square, BSS) измеряет дисперсию между различными кластерами и вычисляется суммированием квадратов расстояний между центроидами каждого кластера и общего среднего значения данных, где высокие значения указывают на хорошую обособленность друг от друга кластеров. BSS равен 121,4, что говорит о том, что центроиды двух кластеров хорошо отделены друг от друга, что является показателем хорошей кластеризации.

Общая сумма квадратов (total-cluster sum of square, TSS) это общая дисперсия в данных, которая рассчитывается путем суммирования WSS и BSS, и представляет собой сумму квадратов расстояний каждой точки от общего среднего значения. TSS равен 260,0, что является суммой квадратов внутри кластера и между кластерами.

Низкий WSS для кластера 1 указывает на то, что это плотный кластер с меньшей изменчивостью между его точками.

Более высокий показатель WSS для кластера 2 предполагает большую вариабельность внутри этого кластера.

Высокий BSS относительно значений WSS указывает на то, что кластеры хорошо дифференцированы, что является признаком того, что алгоритм k-средних в данном случае сработал эффективно.

Общая сумма квадратов является фиксированным значением, основанным на данных, и обеспечивает контекст для оценки WSS и BSS; в этом случае большая часть дисперсии данных объясняется различиями между кластерами, а не дисперсией внутри кластера.

 

Таблица 3 –  Частотность кластеров

Номер кластера

Количество

1

18

2

9

 

Рисунок 2 – Оптимальное количество кластеров (k=2)

 

Оптимальное количество кластеров рассчитано с помощью метода gap statistics и составило два кластера.

 

Таблица 4 –  Средние значения по переменным кластеров

 

Кластер

ZNG

Prod

Imp

Prod_P

Poter

Exp

L_Potreb

ZNKOP

PK_MG

Prod_M_T

1

0,405

-0,486

0,560

-0,594

-0,255

0,462

0,311

0,435

-0,615

-0,487

2

-0,810

0,972

-1,121

1,188

0,509

-0,925

-0,623

-0,870

1,230

0,974

 

В таблице 4 показаны средние значения по переменным каждого кластера, полученные в результате кластерного анализа k-средних. Значения стандартизированы для придания равного веса всем переменным, несмотря на их первоначальные масштабы. Каждый столбец соответствует переменной, используемой в кластеризации методом k-средних. Значения представляют координаты центроида кластера в пространстве, определяемом стандартизированными переменными. Положительные значения указывают на то, что центр тяжести имеет более высокое значение для этой переменной по сравнению со средним значением набора данных, в то время как отрицательные значения указывают на более низкое значение, чем среднее значение. Величина значения показывает, насколько далек от среднего центроида для этой переменной.

 

Рисунок 3 – Стандартизированные средние значения каждой переменной по кластерам

 

Центроиды кластеров (рис. 3) имеют положительные и отрицательные стандартизованные значения.

Рисунок 4 – Визуализация центроидов кластеров

Кластер 1 представляет сегмент данных, в котором наблюдается более низкое производство молока из-за меньшего количества коров, но при более высоком импорте, что может свидетельствовать о зависимости от импортных молочных продуктов.

Кластер 2 характеризуется более высоким производством молока и большим поголовьем коров, но более низким импортом и экспортом, что может указывать на более самодостаточный или ориентированный на экспорт сегмент производства молока.

 

Заключение. Установлено, что кластер 1 характеризуется снижением производства молока и увеличением импорта. Данный кластер указывает на периоды, в которых производство молока относительно низкое, что может найти свое отражение в ряде факторов, включая меньшие размеры стада, менее эффективные методы ведения сельского хозяйства или условия окружающей среды, менее благоприятные для молочного животноводства.

Меньшее количество коров напрямую коррелирует со снижением производства молока, что в свою очередь может зависеть от ограниченных ресурсов, таких как сокращение землевладения, меньшие инвестиции в молочное животноводство или породы, которые производят меньше молока.

Чтобы компенсировать снижение внутреннего производства, кластер 1 в значительной степени зависит от импорта, это можно наблюдать в районах, где отечественная молочная промышленность развита не в полной мере, или в урбанизированных регионах, где местного производства недостаточно для удовлетворения спроса.

Последствия полученных наблюдений проявляются в экономической зависимости, качестве и предпочтениях потребителей, а также в гипотетических возможностях в результате целенаправленной аграрной политики.

Сильная зависимость от импорта может привести к экономической уязвимости, когда колебания мировых цен на молочные продукты или международная торговая политика могут существенно повлиять на местные рынки и цены, что соответствует основным тезисам в работе С.А. Беляева и Д.А. Зюкина [8], а также В. Сидоренко и др. [9].

Импортируемое молоко может отличаться по качеству или типу, что соответствует конкретным предпочтениям потребителей или заполняет пробелы на местном рынке [10; 11].

Сценарий связанный с реализацией возможностей в результате целенаправленной аграрной политики предоставляет собой государственное регулирование, направленное на стимулирование местного производства, посредством технической помощи, обучения молочному животноводству или стимулов для увеличения поголовья крупного рогатого скота.

Касаемо выводов по кластеру 2, то он характеризуется увеличением производства молока, большим количеством поголовья коров, а также сокращением импорта и экспорта. Кластер 2 отражает периоды с высоким производством молока, поддерживаемым большими стадами и эффективными методами ведения молочного животноводства.

Наличие большего количества коров, возможно, высокопродуктивных пород, подчеркивает способность к значительному производству молока.

Значительное внутреннее производство снижает потребность в импорте, что свидетельствует о самодостаточности молочного сектора.

Интересно, что, несмотря на высокий уровень производства, этот кластер не отличается высоким уровнем экспорта, что вполне может свидетельствовать о том, что большая часть продукции потребляется внутри страны.

Последствия второго кластера наблюдаются в стабильности рынка, потенциале для роста экспорта, устойчивости и воздействии на окружающую среду, а также удовлетворении потребительского спроса населения.

Высокий уровень внутреннего производства при низкой зависимости от импорта способствует стабильности рынка и может защитить от колебаний мирового рынка [12; 13].

Хотя в настоящее время потенциал для роста экспорта невелик, тем не менее существует потенциал для развития экспортных рынков, особенно при наличии профицита производства.

Устойчивое управление крупными стадами и высокими уровнями продуктивности имеет решающее значение для обеспечения долгосрочной жизнеспособности и минимального воздействия на окружающую среду.

Система удовлетворения потребительского спроса удовлетворяет местный спрос, но, возможно, потребуется адаптироваться к изменениям в предпочтениях потребителей или тенденциях в питании поскольку он отражает лишь 1995-2003 гг., а также примечателен тот факт, что изначально не предполагалась строгая дифференциация по периодам.

Таким образом, понимание этих кластеров помогает в разработке стратегии развития молочной промышленности, так кластер 1 мог бы извлечь выгоду из политики, направленной на увеличение местного производства и снижение зависимости от импорта. Напротив, кластер 2 с его мощным производством мог бы сосредоточиться на устойчивом развитии, потенциальном развитии экспортного рынка и адаптации к меняющимся требованиям потребителей. Оба кластера выделяют различные проблемы и возможности в молочной промышленности, подчеркивая необходимость индивидуальных подходов в сельскохозяйственной политике, развитии рынка и практиках устойчивого развития.

Список литературы

1. Гофман Л.А. Формирование кластеров в решении проблем молочно-продуктового подкомплекса // Сельскохозяйственные науки и агропромышленный комплекс на рубеже веков. 2014. №5. – С. 265-268.

2. Столярова О.А., Подлеснов В.С. Перспективы развития кластера в молочном подкомплексе Пензенской области // Региональная экономика: теория и практика. 2011. №41. – С. 22-27.

3. Винничек Л.Б., Столярова Ю.В., Столярова О.А. Особенности организационно-экономических отношений в молочнопродуктовом подкомплексе Пензенской области // Региональная экономика: теория и практика. 2018. №2 (449). – С. 348-363.

4. Кодолова Т.А. Факторы влияния на наращивание экономического потенциала предприятия молочно-продуктового подкомплекса АПК // Экономика. Информатика. 2023. №2. – С. 288-299.

5. Тарабукина Т.В. Факторы, определяющие необходимость и направления интеграции в молочно-продуктовом подкомплексе северного региона // Московский экономический журнал. 2021. №1. – С. 201-209.

6. Seol, H. snow Cluster: Multivariate Analysis. (Version 7.1.7) [jamovi module]. 2023. URL: https://github.com/hyunsooseol/snowCluster.

7. Kassambara, A. & Mundt, F. factoextra: Extract and Visualize the Results of Multivariate Data Analyses. [R package]. 2020. URL: https://CRAN.R-project.org/package=factoextra.

8. Беляев С.А., Зюкин Д.А. Снижение импортозависимости как один из параметров обеспечения экономической безопасности России // Вестник Курской государственной сельскохозяйственной академии. 2022. №3. – С. 181-187.

9. Сидоренко В., Михайлушкин П., Баталов Д. Состояние и перспективы обеспечения продовольственной безопасности и импортозамещения в России // МСХ. 2016. №4. – С. 38-41.

10. Корягин М.Е., Билюченко С.С. Рынок молока рф: дисбаланс между предлагаемой продукцией и платежеспособными предпочтениями потребителей // Достижения науки и техники АПК. 2014. №4. – С. 76-78.

11. Гончаров В.Д., Сальников С.Г. Импорт молочных продуктов в России // Международный журнал прикладных наук и технологий «Integral». 2019. №4-2. – С. 187-191. doihttps://doi.org/10.24411/2658-3569-2019-14037

12. Березинская О., Ведев А. Зависимость российской экономики от импорта // Экономическое развитие России. 2017. №4. – С. 19-25.

13. Черданцев В.П. Сбалансированное кормление как фактор повышения эффективности молочного скотоводства // International agricultural journal. 2022. №6. [Электронный ресурс]. URL: https://iacj.eu/index.php/iacj/article/view/755.


Войти или Создать
* Забыли пароль?