Повышение продуктивности коров

Проанализируем показатель частной детерминации . Показатель = 0,06 значит, что оплата одного чел. - час. объясняет вариацию продуктивности на 6%; 0,40 - значит, что затраты на корма объясняет вариацию прибыли предприятия на 40%; 0, - 0,01 - значит, что затраты труда уменьшают продуктивность на 1%; =-0,15 - значит, что стоимость 1 ц. к. ед. уменьшают прибыль предприятия на 15%;= 0,34 - удельный вес концентратов объясняет вариацию продуктивности на 34%.

Видя вклад каждого фактора в общую вариацию себестоимости яровых зерновых, можно обеспечить высокий уровень результата за счет комбинирования факторов, замены одного другим.

Чтобы добиться существенности этих коэффициентов необходимо на основании построенной линейной корреляционной модели построить нелинейную модель формирования продуктивности коров:



; ; ; ; .

где Y - продуктивность коров, ц.,

-среднегодовое поголовье, гол.,

-оплата 1-го чел. - час., тыс. руб.,

- затраты на корма, тыс. руб./гол.,

-затраты труда, чел. - час. /гол.,

-стоимость 1 ц. к. ед., тыс. руб.,

-удельный вес концентратов, %,

-удельный вес покупных кормов, %,

-расход кормов на 1 голову, ц. к. ед./гол.

Параметр а₀=6,93 показывает, что при влиянии неучтенных в модели факторов продуктивность увеличивается на 6,93 ц. Коэффициент а₁=0,02 - если среднегодовое поголовье увеличится га 1 голову, то продуктивность увеличивается на 0,02 ц; а₂=3,41 - если оплата одного чел. - час. увеличится на 1 тыс. руб., то продуктивность увеличится на 3,41 ц.; а₃=0,000001 - затраты на корма увеличится на 1 тыс. руб./гол., то продуктивность увеличится на 0,000001 ц.; а₄=0,0002 - если затраты труда увеличится на 1 чел. - час./гол., то продуктивность увеличится на 0,0002 ц.; а₅=-0,0001 - стоимость 1 ц. к. ед. увеличится га 1 тыс. руб., то продуктивность уменьшится на 0,0001 ц; а₆=0,11 - если удельный вес концентратов увеличится на 1%., то продуктивность увеличится на 0,11 ц., а₇=0,001 - если удельный вес покупных кормов увеличится на 1%, то продуктивность увеличится на 0,001 ц., а₈=0,003 - если расход кормов увеличится на 1 ц. к. ед./гол., то продуктивность увеличится на 0,003 ц.

=0,81 показывает, что выбранные факторы сильно влияют на результативный.

t_R=27,6?2,48, следовательно, модель является устойчивой.

D=65,45% показывает, что выбранные факторы объясняют изменение результативного на 65,45%.

Поскольку скорректированный коэффициент детерминации =0,652 имеет близкое значение с коэффициентом детерминации, то модель хорошая.

Расчетное значение критерия Фишера F=32,3 сравнивают с табличным, которое определяется для принятого уровня значимости и степеней свободы , где n - число наблюдений, m - число факторов (включая результативный). Для =0,01 и ; для =0,05 и ; для =0,10 и . Так как расчетное значение критерия Фишера больше табличного для трех уровней значимости, то данная модель пригодна для применения на практике.

Так как =10,1% < 20%, что означает, что модель имеет допустимую точность.

Расчетное значение критерия Стьюдента сравнивают с табличным значением, которое определяется для принятого уровня значимость б и числа степеней свободы Табличное значение критерия Стьюдента с степенью свободы и уровнем значимости =0,01 равен =2,358, для =0,05 =1,658, для =0,10 =1,289. Если расчетное значение ниже, чем табличное, то данный фактор из модели исключается. В модели коэффициенты существенности следующие: = 2,01; ,,,, , ,. Можно сделать вывод, что фактор t_3, t_5, t₇ не значим в модели, так как расчетное значение этого показателя ниже табличных значений для всех уровней свободы.

Коэффициенты эластичности имеют следующие значения: = 0,07; = 0,26;= 0,06;= 0,08; = -0,04; = 0,18; = 0,004; =0, 22. В большой степени к росту продуктивности коров приводят оплата одного чел. - час., = 0,26, т.е. при увеличении затрат на корма на 1%, продуктивности коров увеличится на 0,26%. К снижению продуктивности коров приводит увеличение стоимости 1 ц. к. ед. = -0,04, т.е. при увеличении стоимости 1 ц. к. ед. на 1%, продуктивность уменьшится на 0,04%.

Рассмотрим -коэффициенты. = 0,11; = 0,21; = 0,16; = 0,2; = -0,08; = 0,48; = 0,02; = 0,31. В данном случае в большей степени к росту продуктивности приводит удельный вес концентратов = 0,48, т.е. при увеличении удельный вес концентратов на 1 стандартное отклонение, продуктивность увеличится на 0,48 стандартного отклонения. К снижению продуктивности увеличение стоимости 1 ц. к. ед. = -0,08, т.е. при увеличении стоимости 1 ц. к. ед. на 1 стандартное, прибыль предприятия уменьшится на 0,08 стандартного отклонения. Суммируя -коэффициенты, сравниваем их с 1. Сумма -коэффициентов равна 1,41, что выше 1. Это означает, что значение результативного показателя изменяется более быстрыми темпами, чем происходит прирост факторов.

Проанализируем показатель частной детерминации . Показатель = 0,04 означает, что среднегодовое поголовье объясняет вариации продуктивности на 4%; 0,07 - значит, что оплата одного чел. - час. объясняет вариацию продуктивности на 7%; 0,09 - значит, что затраты на корма объясняет вариацию прибыли предприятия на 9%; =-0,01 - значит, что затраты труда уменьшают продуктивность на 1%; = -0,02 - стоимость 1 ц. к. ед. уменьшают прибыль предприятия на 2%; =0,31 - удельный вес концентратов объясняет вариацию продуктивности на 31%; 0,005 - значит, что удельный вес покупных кормов объясняет вариацию прибыли предприятия на 0,5%; =0,18 - значит, что расход кормов объясняет вариацию прибыли предприятия на 18%.

Видя вклад каждого фактора в общую вариацию себестоимости яровых зерновых, можно обеспечить высокий уровень результата за счет комбинирования факторов, замены одного другим.

Далее поступаем как и с линейной КМ:

; ; ; ; .

где Y - продуктивность коров, ц.,

-среднегодовое поголовье, гол.,

-оплата 1-го чел. - час., тыс. руб.,

- затраты труда, чел. - час. /гол.,

- удельный вес концентратов, %,

-расход кормов на 1 голову, ц. к. ед./гол.

Параметр а₀=4,87 показывает, что при влиянии неучтенных в модели факторов продуктивность увеличивается на 4,87 ц. Коэффициент а₁=0,02 - если среднегодовое поголовье увеличится га 1 голову, то продуктивность увеличивается на 0,02 ц; а₂=3,45 - если оплата одного чел. - час. увеличится на 1 тыс. руб., то продуктивность увеличится на 3,45 ц.; а₃=0,0002 затраты труда увеличится на 1 чел. - час./гол., то продуктивность увеличится на 0,0002 ц.; а₄=0,11 - если удельный вес концентратов увеличится на 1%., то продуктивность увеличится на 0,11 ц.; а₅=0,004 - если расход кормов увеличится на 1 ц. к. ед./гол., то продуктивность увеличится на 0,004 ц.

=0,81 показывает, что выбранные факторы сильно влияют на результативный.

t_R=27,6?2,48, следовательно, модель является устойчивой.

D=65,13% показывает, что выбранные факторы объясняют изменение результативного на 65,13%.

Поскольку скорректированный коэффициент детерминации =0,65 имеет близкое значение с коэффициентом детерминации, то модель хорошая.

Расчетное значение критерия Фишера F=53,1 сравнивают с табличным, которое определяется для принятого уровня значимости и степеней свободы , где n - число наблюдений, m - число факторов (включая результативный). Для =0,01 и для =0,05 и для =0,10 и . Так как расчетное значение критерия Фишера больше табличного для трех уровней значимости, то данная модель пригодна для применения на практике.

Так как =10,2% < 20%, что означает, что модель имеет допустимую точность.

Расчетное значение критерия Стьюдента сравнивают с табличным значением, которое определяется для принятого уровня значимость б и числа степеней свободы Табличное значение критерия Стьюдента с степенью свободы и уровнем значимости =0,01 равен =2,358, для =0,05 =1,658, для =0,10 =1,289. Если расчетное значение ниже, чем табличное, то данный фактор из модели исключается. В модели коэффициенты существенности следующие: = 3,42; = 7,86; = 2,98; = -6,35; = 8,35. Они выше табличных значений критерия Стьюдента.

Коэффициенты эластичности имеют следующие значения: = 0,08; = 0,26;= 0,08;= 0,19; = 0,28. В большой степени к росту продуктивности коров приводят расход кормов = 0,28, т.е. при увеличении расхода кормов на 1%, продуктивности коров увеличится на 0,28%.

Рассмотрим -коэффициенты. = 0,12; = 0,21; = 0,19; = 0,51; = 39. В данном случае в большей степени к росту продуктивности приводит удельный вес концентратов = 0,51, т.е. при увеличении удельный вес концентратов на 1 стандартное отклонение, продуктивность увеличится на 0,51 стандартного отклонения. Суммируя -коэффициенты, сравниваем их с 1. Сумма -коэффициентов равна 1,41, что выше 1. Это означает, что значение результативного показателя изменяется более быстрыми темпами, чем происходит прирост факторов.

Проанализируем показатель частной детерминации . Показатель = 0,04 означает, что среднегодовое поголовье объясняет вариации продуктивности на 4%; 0,07 - значит, что оплата одного чел. - час. объясняет вариацию продуктивности на 7%; -0,01 - значит, что затраты труда уменьшают продуктивность на 1%. =0,33 - удельный вес концентратов объясняет вариацию продуктивности на 33%; =0,22 - значит, что расход кормов объясняет вариацию прибыли предприятия на 22%.

Видя вклад каждого фактора в общую вариацию себестоимости яровых зерновых, можно обеспечить высокий уровень результата за счет комбинирования факторов, замены одного другим.

Еще одной серьезной проблемой при построении моделей множественной линейной регрессии по МНК является мультиколлинеарность - линейная взаимосвязь двух или нескольких объясняющих переменных. Если объясняющие переменные связаны строгой функциональной зависимостью, то говорят о совершенной мультиколлинеарности. На практике можно столкнуться с очень высокой (или близкой к ней) мультиколлинеарностью - сильной корреляционной зависимостью между объясняющими переменными. Мультиколлинеарность может быть проблемой лишь в случае множественной регрессии.

Чтобы избежать искажения коэффициентов регрессии в корреляционной модели с мультиколлинеарными факторами используется каскадный корреляционный анализ.

Сущность каскадного корреляционного анализа заключается в следующем.

1. Выбираем результативный и факторные показатели, проверяем информацию столбцов на достоверность.

2. Выясняем пары факторов тесно связанных друг с другом, т.е. коррелируемых (например в корреляционной модели формирования стоимости валовой продукции - основные производственные и оборотные фонды).

3. Определяем, какие из факторов тесно связанных пар являются ведущими (определяющими). Эти определяющие факторы назовем промежуточными результативными.

4. Строим парную корреляционную модель взаимосвязи
каждой пары факторов, например:

,

где у_х - стоимость оборотных фондов;

х₁ - стоимость основных производственных фондов.

При этом рассчитываем все остальные характеристики.

5. Рассчитаем разность фактических и расчетных значений фактора, тесно связанного с другим или другими

В корреляционной модели вместо фактора х₂ ставим столбец , определяющий величину отклонения фактического значения фактора от среднего уровня и считаем параметры модели. В этом случае коэффициенты регрессии при покажут влияние на результативный показатель нового фактора при его отклонении от среднего уровня. В этом случае удается избежать искажения, имеющего место в корреляционной модели с тесно коррелируемыми факторами.

Мультиколлинеарность наблюдается среди следующих показателей:

- затраты труда, чел. - час./гол. - оплата 1-го чел. - час., тыс. руб.;

- стоимость 1 ц. к. ед., тыс. руб. - затраты на корма, тыс. руб./гол.

В первой паре результативным показателем оплата 1-го чел. - час., тыс. руб.; во второй - затраты на корма, тыс. руб./гол. Строим парную корреляционную модель взаимосвязи каждой пары факторов. Получим следующие уравнения КМ:

- для первой пары: Y=16,7-0,05x;

- для второй пары: Y=54,3+59,4;

Затем разность фактических и расчетных значений факторов подставляем в проверенные данные и строим корреляционную модель, которая отражает отсутствие мультиколлинеарности.

Модель после устранения мультиколлинеарности будет иметь вид:

; ; .

где Y - продуктивность коров, ц.,

-среднегодовое поголовье, гол.,

-оплата 1-го чел. - час., тыс. руб.,

- затраты на корма, тыс. руб./гол.,

-затраты труда, чел. - час. /гол.,

-стоимость 1 ц. к. ед., тыс. руб.,

-удельный вес концентратов, %,

-удельный вес покупных кормов, %,

-расход кормов на 1 голову, ц. к. ед./гол.

Параметр а₀=15,47 показывает, что при влиянии неучтенных в модели факторов продуктивность увеличивается на 15,47 ц. Коэффициент а₁=0,002 - если среднегодовое поголовье увеличится га 1 голову, то продуктивность увеличивается на 0,002 ц; а₂=0,52 - если оплата одного чел. - час. отклонится от ее среднего уровня на 1 тыс. руб., то продуктивность увеличится на 0,52 ц.; а₃=0,01 - затраты на корма отклонятся от среднего уровня на 1 тыс. руб./гол., то продуктивность увеличится на 0,01 ц.; а₄=0,02 - если затраты труда увеличится на 1 чел. - час./гол., то продуктивность увеличится на 0,02 ц.; а₅=0,03 - стоимость 1 ц. к. ед. увеличится га 1 тыс. руб., то продуктивность увеличится на 0,03 ц; а₆=0,58 - если удельный вес концентратов увеличится на 1%., то продуктивность увеличится на 0,58 ц., а₇=0,02 - если удельный вес покупных кормов увеличится на 1%, то продуктивность увеличится на 0,02 ц., а₈=0,19 - если расход кормов увеличится на 1 ц. к. ед./гол., то продуктивность увеличится на 0,19 ц.

R=0,81 показывает, что выбранные факторы сильно влияют на результативный.

D=65% показывает, что выбранные факторы объясняют изменение результативного на 65%.

Расчетное значение критерия Фишера F=32,3 сравнивают с табличным, которое определяется для принятого уровня значимости и степеней свободы , где n - число наблюдений, m - число факторов (включая результативный). Для =0,01 и ; для =0,05 и ; для =0,10 и . Так как расчетное значение критерия Фишера больше табличного для трех уровней значимости, то данная модель пригодна для применения на практике.

Анализ тенденций и закономерностей формирования себестоимости яровых зерновых в регионе

Для более полного анализа тенденций формирования себестоимости зерна была использована одноэтапная схема корреляционного анализа.

Для построения одноэтапной корреляционной модели нам необходимо выполнить следующие действия:

1) Сравнить расчетное и фактическое значение результативного показателя;

2) Выделить три группы предприятий по уровню использования ресурсного потенциала, то есть рассчитаем коэффициент использования ресурсного потенциала (К) по формуле:

К = Y_i / Y_х

где

Y_i - фактическое значение результативного показателя;

Y_х - расчётное значение результативного показателя;

3) Затем мы сортируем информацию по коэффициенту использования ресурсного потенциала (К) и разбиваем информацию на две группы хозяйств в зависимости от уровня использования ресурсного потенциала:

1. () - худшая группа (низкий );

2. () - лучшая группа (высокий );

4) по каждой группе предприятий рассчитываем средние фактические значения показателей и на их основе определяем относительные показатели, которые характеризуют эффективность использования ресурсов.

Затем рассчитываем средние значения по группам и составляем таблицу.

В первую группу вошли хозяйства с коэффициентом эффективности до 1,0, т.е. сельскохозяйственные предприятия, которые недостаточно эффективно используют собственные ресурсы и имеют потенциальные возможности для повышения себестоимости яровых зерновых. Ко второй группе были отнесены хозяйства с коэффициентом эффективности свыше 1,00, наиболее эффективно использующие свой ресурсный потенциал.

Итак, мы имеем построенную КМ, которая имеет следующий вид:

; ; ; ; .



Одноэтапная схема корреляционного анализа представлена в таблице 1.

Таблица 1 - Одноэтапная схема корреляционного анализа

Показатели	коэффициент эффективности	отношение 2 гр., к 1 гр., %,± п. п.
	k<1 не эф.	k>1 эф.
число наблюдений	72	76	-
коэффициент эффективности	0,9	1,1	121,4
фактическая продуктивность, ц	39,7	48,2	121,5
расчетная продуктивность, ц	44,1	44,1	100,0
среднегодовое поголовье, гол.	899,2	849,1	94,4
оплата 1-го чел. - час., тыс. руб.	10,1	10,2	100,4
затраты на корма, тыс. руб./гол.	2338,5	2354,8	100,7
затраты труда, чел. - час./гол.	131,4	129,8	98,8
стоимость 1 ц. к. ед., тыс. руб.	38,3	38,9	101,6
удельный вес концентратов, %	19,8	20,5	0,6
удельный вес покупных кормов, %	11,3	12,5	1,2
расход корма, ц. к. ед./гол	55,1	54,4	98,8

Анализируя данную таблицу, можно сказать, что хозяйства второй группы сработали более эффективно, чем хозяйства первой группы, т.к. их фактическая продуктивность коров больше расчетной.

Из данных таблицы 1 можно заметить, что у хозяйств второй группы уменьшается поголовье скота (на 5,6%), что приводит к уменьшению расхода кормов на 1,2%, и соответственно на снижение затрат труда (на 1,2%). Также можно отметить, что у хозяйств второй группы происходит увеличение доли затрат на корма (на 0,7%), среди которых наблюдается рост удельного веса концентратов (на 0,6 п. п.) и рост удельного веса покупных кормов (на 1,2 п. п.), и наблюдается увеличение оплаты 1-го чел. - час. на 0,4%.

Для более детального анализа эффективности использования ресурсов целесообразно проводить двухэтапный корреляционный анализ. Двухэтапная схема КА применяется при наличии большого объема информации, т.е. при анализе региональной экономики.

Данный прием позволяет выяснить различия в окупаемости ресурсов и очередность освоения инвестиций в разрезе предприятий и округов региона.

Методика построения двухэтапной схемы корреляционного анализа:

1) Выбираем регион или группу районов, по которым будем проводить исследования;

2) В рамках данного региона выделяем группы районов, отличающиеся природно-экономическими особенностями (В условиях Витебской области можно выделить Первый и Второй регионы);

3) По предприятиям характерных зон рассчитываем КМ формирования результативного показателя;

4) Выделяем группы предприятий на основе расчетного и фактического значений результативного показателя;

Внутри каждой группы хозяйств по уровню эффективности вновь рассчитываем параметры той же КМ формирования себестоимости зерна.

Для построения нам необходимо разбить Брестскую область на 2 округа: Первый и Второй. Далее строим КМ по данным каждого округа:

КМ Первого округа:

R=0,91; F=39,1; D=88,3%.

КМ Второго округа:

R=0,94; F=63,3; D=88,3%

Каждый округ разобьем на две группы по коэффициенту использования ресурсного потенциала: высокого (К>1) и низкого (К?1).

Хозяйства лучшей группы Первого округа имеют следующую КМ:



R=0,99; F=197; D=98,1%.

Хозяйства худшей группы Первого округа имеют следующую КМ:

R=0,96; F=36; D=92,6%.

Хозяйства лучшей группы Второго округа имеют следующую КМ:

R=0,98; F=80,1; D=95,8%.

Хозяйства худшей группы Второго округа имеют следующую КМ:

R=0,99; F=182,6; D=98%.

Данные анализа КМ представлены в таблице 2.

Таблица 2 - Двухэтапная схема корреляционного анализа

Округ	коэффициент использования ресурсного потенциала	Среднегодовое поголовье, гол.	оплата одного чел. - час., тыс. руб.	затраты на корма, тыс. руб./гол.	затраты труда чел.-час/гол.	стоимость 1ц. к. ед., тыс. руб.	удельный вес концентратов, %	удельный вес покупных кормов, %	расход кормов, ц. к. ед./гол.
первый	высокий	0,002	0,463	0,004	0,044	-0,269	0,601	-0,060	0,235
	низкий	0,004	0,843	-0,002	0,080	0,277	0,338	-0,158	0,436
	итого	0,003	0,598	0,006	0,060	-0,384	0,521	-0,062	0,119
второй	высокий	0,005	0,517	-0,015	0,028	0,814	0,737	0,062	1,069
	низкий	0,004	0,439	-0,006	0,030	0,322	0,601	-0,081	0,750
	итого	0,005	0,494	-0,002	0,046	0,192	0,611	-0,047	0,604

В таблице 2 приведены коэффициенты регрессии при факторах по предприятиям обоих округов. Абсолютные значения коэффициентов регрессии и знаки при них свидетельствуют о значении отдельных факторов. Так, например, увеличение среднегодового поголовья в хозяйствах Первого и Второго округов приводит к росту продуктивности. Наиболее выгодно вкладывать ресурсы в рост расходов кормов второго округа с высоким коэффициентом использования ресурсного потенциала, так как продуктивность возрастет на 1,069 ц., если расход кормов возрастет на 1 ц. к. ед./гол.

Поскольку в рамках каждого из округов имеются сельскохозяйственные предприятия с различным уровнем использования ресурсов, были выделены две группы: с низким и высоким уровнем использования ресурсов. В разрезе этих групп рассчитаны параметры той же корреляционной модели. Получили коэффициенты регрессии, которые объясняют эффективность ресурсов в разрезе выделенных групп и округов. В результате выясняем, что средняя эффективность отдельных факторов по округу существенно отличается, если рассматривать ее в разрезе предприятий с эффективностью использования ресурсов выше и ниже среднего уровня. В целом по таблице можем отметить: чем выше значение коэффициента регрессии, тем больше ресурс приводит к росту результативного показателя.



Выводы и предложения

В настоящее время в кормлении животных используют более 500 различных кормов и кормовых добавок, среди которых важное место занимают кормовые антибиотики. Кормовые антибиотики подавляют патогенную микрофлору желудочно-кишечного тракта, усиливают секрецию пищеварительных ферментов, благоприятствуют всасыванию переваримых веществ из кишечника в кровь. Кормовые антибиотики повышают использование растительных белков на 20-30%, снижая потребность в белках и витаминах. Кормовые антибиотики могут оказать на продуктивность животных огромное влияние.

Способ содержания коров в специально реконструированном помещении беспривязно в комбибоксах с соломенной подстилкой и удалением навоза транспортером в навозном проходе, а также с раздачей сенажа, силоса и концентратов мобильными кормораздатчиками, оказывает определенное влияние на поедаемость кормов и потребление питательных веществ.

Требуются срочные государственные меры по приостановлению спада и налаживанию воспроизводства племенного молодняка в республике до требуемого уровня. Развитие сельскохозяйственного производства невозможно без повышения экономического статуса племенных предприятий. Усилить их роль в интенсивном и эффективном развитии молочного скотоводства необходимо за счет более активного государственного регулирования хозяйственно - экономической деятельности, материально заинтересовывая повышать продуктивность скота, производить продукцию высокого качества.

Современная интенсивность и продуктивность молочного скотоводства, окупаемость в отрасли ресурсов в существенной мере обусловлены недостаточным материальным стимулированием работников ферм и кормопроизводства. Недооценка экономической роли одного из действенных звеньев развития молочной отрасли весьма отрицательно сказывается на ее эффективности.

К основным путям повышения экономической эффективности молочного скотоводства относятся: интенсификация молочного скотоводства посредством создания современной материально - технической базы; соответствующее ветеринарно-зоотехническое обслуживание поголовья; создание прочной кормовой базы; совершенствование размещения, концентрации и специализации молочного скотоводства; развитие селекции в молочном направлении; внедрение эффективных методов воспроизводства маточного поголовья; внедрение интенсивных технологий производства молока; наиболее эффективных форм и прогрессивных методов организации труда и стимулирование повышения его производительности.



Список используемой литературы

1. Горфинкель И.Ш. Научные основы организации производства на сельскохозяйственных предприятиях: Учебное пособие. - Горки: БГСХА, 2000.

2. Жудро М.К. Оптимизация рационов кормления коров/ Модельные программы реструктуризации и реформирования АПК: Материалы международной научной конференции (г. Горки, 15 - 17 марта 2001 г.) Белорусская сельскохозяйственная академия, 2003.

3. Кулько З.Н., Попкова И.П. К вопросу об учете качества молока /Аграрная экономика на рубеже тысячелетий: наука, образование, практика.-Часть 3: Материалы международной научно - практической конференции, посвященной 140-летию открытия в Горы - Горецком земледельческом институте специальности «экономика» (г Горки, 10-11 июня 1999 г.)/ Коллектив авторов. - Горки: БГСХА, 2000.

4. Леньков И.И. Экономико-математическое моделирование эконо-мических систем и процессов в сельском хозяйстве. - Мн.: Дизайн ПРО, 1997.

5. Леньков И.И. Экономико-математическое моделирование параметров механизма функционирования аграрных образований АПК: Сборник научных трудов - Горки: Белорусская государственная сельскохозяйственная академия, 2002.

6. Лещиловский П.В., Чеканов В.С., Бохонко В.И., Микулич А.В. Экономика предприятий агропромышленного комплекса: Курс лекций. - Мн.: Государственное учреждение «Учебно-методический центр Минсельхозпрода», 2005.

7. Лещиловский П.В., Догиль Л.Ф. Экономика предприятий и отраслей АПК. Учебник - Мн.: БГЭУ, 2001.

8. Марков А.С. Тенденции развития экономики животноводческих комплексов по откорму КРС /Аграрная экономика на рубеже тысячелетий: наука, образование, практика. - Часть 3: Материалы международной научно - практической конференции, посвященной 140-летию открытия в Горы - Горецком земледельческом институте специальности «экономика» (г Горки, 10-11 июня 1999 г.)/ Коллектив авторов. - Горки: БГСХА, 2000.

9. Синица Л. Проблемы развития молочной промышленности/ Формирование рыночной среды эффективного функционирования агробизнеса Республики Беларусь В условиях международной интеграции и глобализации. - Часть 3: Материалы научно - практической конференции, посвященной 80-летию кафедры экономики и МЭОБ БГСХА / Коллектив авторов. - Горки: БГСХА, 2000.

10. Шафранская И.В. Системные методы анализа эффективности использования ресурсов животноводства/ Модельные программы реструктуризации и реформирования АПК: Материалы международной научной конференции (г. Горки, 15 - 17 марта 2001 г.) Белорусская сельскохозяйственная академия, 2003.

11. Яковчик Н. Интенсификация кормопроизводства - главный фактор роста эффективности отрасли животноводства брестчины / Формирование рыночной среды эффективного функционирования агробизнеса Республики Беларусь В условиях международной интеграции и глобализации. - Часть 3: Материалы научно - практической конференции, посвященной 80-летию кафедры экономики и МЭОБ БГСХА / Коллектив авторов. - Горки: БГСХА, 2000.

Размещено на Allbest.ru