- •Обзорные лекции
- •1. Жизненный цикл системы государственного земельного кадастра
- •2.Понятие эффективности системы государственного земельного кадастра
- •3.Задачи, содержание и методика прогнозирования использования земельных ресурсов
- •4.Схема землеустройства территории муниципального района как документ территориального планирования : цель, содержание, порядок разработки, утверждения и применения.
- •5.Краткий обзор зарубежного рыночного планирования использования земель.
- •6.Мероприятия по управлению землями муниципальных образований
- •Глава 3 фз № 131 установила вопросы местного значения , среди которых мы вычленим относящиеся к управлению земельными ресурсами муниципальных территорий. К ним законом отнесено :
- •7.Теоретические положения прогнозирования системы управления земельными ресурсами.
- •8.Основные положения формирования земельной ренты как формы регулирования земельных отношений
- •9.Приватизация земельной собственности как направление регулирования земельных отношений
- •10.Земельные отношения в системе общественных отношений. Классификация видов и методов управления земельными ресурсами.
- •11.Основные негативные факторы при использовании природных ресурсов
- •12.Структура и содержание мониторинга природных ресурсов
- •13.Понятие, назначение и задачи кадастров природных ресурсов
- •18.Автоматизация государственного кадастрового учета земель, модели и базы данных
- •19. Формы и содержание планово-картографических материалов, используемых в государственном кадастровом учете земель
- •20.Краткий обзор земельно -кадастровых работ за рубежом
- •22.Виды и принципы государственного кадастрового учета земель
- •Земельный фонд как объект земельного кадастра
- •Регистрация землевладений и землепользований
- •Раздел XI. Государственный земельный кадастр.
- •27.Понятие земельного кадастра. Содержание, принципы и составные части земельного кадастра
7.Теоретические положения прогнозирования системы управления земельными ресурсами.
Система управления земельными ресурсами включает много аспектов –
политический,
административно- управленческий,
правовой,
внедренческий.
Она выполняет несколько функций –
планирование,
организация,
регулирование,
контроль.
Система может быть разбита на составляющие подсистемы- организационная
структура, правовой механизм и т.д.
Прогноз использования земельных ресурсов и управления этими процессами ввиду
многообразия аспектов и функций может быть :
системным(функционирование системы управления в целом) ;
составляющим(по отдельным видам получаемых результатов – экономические, экологические, организационно-технологические, информационные, социальные ) ;
структурным(структуры органов управления земельными ресурсами);
затратным (по видам произведенных затрат – на производство землеустроительных, мониторинговых и земельно-кадастровых работ, на погашение кредитов, страхование земельно-кадастровой информации, инвестиции в земельно-кадастровое производство и т.д.
Системный прогноз использования земель и управления земельными ресурсами в
целом является наиболее сложным, так как должен включать в себя все составляющие параметры, учитывать все произведенные затраты, виды получаемых эффектов. Отсутствие достоверной и систематизированной экономический информации в полном объеме затрудняет проведение системного анализа.
В качестве приемлемого на текущий момент по наличию необходимой исходной
информации примера рассмотрим методику прогнозирования структуры управления (численности земельной службы), а также системы управления по экономическим составляющим. Прогноз структуры управления земельными ресурсами в учебных целях ограничим до прогноза штатной численности работников в организациях системы Росреестра для всех административно- территориальных уровней.
Принимаем следующую последовательность решения задачи.
1. Анализируем влияние численности работников Росреестра на результативный
показатель, отражающий деятельность системы управления. Для этого определяем возможность применения математического аппарата для составления уравнения зависимости. Численность работников земельной службы должна быть выражена в относительных показателях (человек на 1000 га земель субъекта Российской Федерации или человек на 1000 жителей исследуемого региона). Между числом работников земельной службы (специалистов на 1000 га земель субъекта Российской Федерации) и размером земельных платежей отмечена средняя положительная связь. Так, по парам лет с лагом в 1 год (число работников в 1991 г. к платежам 1992 г., число работников в 1992 г. к платежам 1993 г. и т.д.) коэффициент корреляции колебался от 0.46 до 0,60.
2. Составляем уравнение для определения численности работников земельной
службы. Прогноз численности органов управления земельными ресурсами целесообразно выполнять с использованием корреляционной зависимости (построение линии тренда). Эту задачу можно выполнить, используя стандартное приложение Excel. При построении линии тренда выбирают функцию, наиболее точно описывающую динамику показателя. Сравнить функции можно по коэффициентам множественной корреляции и детерминации, которые получаются при построении линии тренда. В расчетах используют данные за последние 5 – 7 лет. Динамика численности работников системы Росреестра (ранее Роснедвижимости) за 1991 – 2000 гг в Российской Федерации и в Приволжском федеральном округе показана на указанном графике, где по вертикали отмечена численность чел\ 1000 га, по горизонтали – годы исследования.
30
25
20
15
10
5
0
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
- по Приволжскому федеральному округу
- по Российской Федерации.
Как видно, численность работников земельной службы имеет тенденцию
снижения. Если на первом этапе зависимость между численностью работников и результативным показателем не была выявлена (или эта зависимость слабая), возможно построение графика по точкам пар наблюдений вручную.
По этому графику можно построить линию тренда.
3. Рассчитаем по составленному уравнению прогнозируемую численность
работников земельной службы.
Для субъектов Приволжского федерального округа на 2002 г. она составила 15 чел
на 1000 га.
В среднем по Российской Федерации прогнозная численность работников
земельной службы составляет 13 чел.
Аналогичные расчеты могут быть проведены по каждому субъекту Российской
Федерации, входящему в Приволжский федеральный округ.
При составлении графика вручную прогнозируемая численность может быть
определена графически путем экстраполяции его линии до прогнозного периода.
Полученные прогнозируемые значения служат основой для расчетов
прогнозируемых поступлений земельных платежей Такой прогноз как экономический результат функционирования системы использования земель и управления земельными ресурсами может быть выполнен следующим методом.
1. Выбираем показатели, по которым будет составлен прогноз развития указанной
системы, которая представлена показателями земельно-кадастровых и землеустроительных действий, а также поступлениями земельных платежей как адекватно характеризующих систему управления земельными ресурсами. В качестве результативного был использован показатель размера поступивших земельных платежей
(земельный налог и арендная плата за землю) со всех категорий земель в условных единицах на 1000 га.
В качестве факторов были использованы показатели :
затрат на выполнение землеустроительных и земельно-кадастровых работ ;
удельного веса земель, находящихся в различных формах собственности ;
плотности населения ;
удельного веса федерального финансирования в общем объеме финансирования ;
размеров штрафов за нарушения использования земель, выявленные в ходе государственного земельного контроля ;
удельного веса земель различных категорий в площади всей территории.
2. Определяем состав факторов, оказывающих основное влияние на эффективность
системы управления. Для этого из группы факторов, первоначально отобранных на основе экспертного метода, выбираем наиболее значимые . На этом этапе наиболее эффективно использование статистических методов :
корреляционно- регрессионного анализа,
кластерного анализа,
метода группировок и др.
Наиболее доступный и часто применяемый для большинства пользователей –
корреляционно–регрессионный анализ. Поэтому его используют для выбора наиболее значимых показателей (пакет Statistica).
На основе анализа корреляционной матрицы определяем степень влияния
отдельных факторов на размер платежей за землю и исключаем факторы, слабо влияющие на результативный показатель, а также тесно коррелирующие между собой. Последнее также искажает множественную зависимость.
Расчеты проводят с лагом в 1 год, так как в данной зависимости сборов платежей за
землю от объемов землеустроительных и земельно-кадастровых работ имеет место отложенный на срок одного года эффект.
При этом в расчеты уравнения включали результативные показатели текущего
года и зависимые переменные предыдущего года. Если в расчетах используют данные за ряд лет (что предпочтительнее, так как возрастает достоверность расчетов), то результативные показатели берут за n-й год, а соответствующие им зависимые переменные – за предыдущий год.
Например, поступление земельных платежей за 2001 г. –затраты на земельно-
кадастровые работы за 2000 г., платежи за 1999 г. – затраты за 1998 г.
3. Составляем математическую модель прогнозирования поступления земельных
платежей. После анализа парной корреляции составляем уравнение множественной корреляционной зависимости (пакет Statistica). В процессе расчетов выбираем :
форму корреляционной зависимости (линейную или нелинейную) ;
вид уравнения (полиномиальное, экспотенциальное, степенное);
оптимальный метод расчета уравнения.
В данном случае наиболее приемлема множественная линейная форма зависимости
с использованием пошагового метода (с последовательным включением наиболее значимых переменных).
Уравнение множественной корреляционной зависимости земельных платежей от
удельного веса видов землеустроительных и земельно-кадастровых работ и числа работников земельной службы на 1000 га имеет вид
Пл = 523,02 + 30,35 Х а + 2,40 Х б - 8,33 Х в -13,96 Х г+ 11,61 Х д +12,48 Хе
4. Рассчитываем прогнозируемый размер факторов, включенных в уравнение. Для
этого по линиям тренда вычисляем прогнозируемое значение зависимых переменных, входящих в уравнение.
Прогноз числа работников земельной службы на 1000 га составил в Приволжском
федеральном округе 15 чел. (Х а) ;
Удельный вес топографо-геодезических и картографических работ – 40 % (Х б) ;
Составление схем и проектов по перераспределению и улучшению и охране земель
– 8 % (Х в) ;
Земельно-оценочные работы и мониторинг земель – 5 % (Х г) ;
Межевание и инвентаризация земель - 35 % (Х д) ;
Затраты на создание и ведение АИС ГЗК – 13 % (Х е).
Аналогичные расчеты делают по всем субъектам Российской Федерации,
входящим в федеральный округ.
5. На основе рассчитанных прогнозных значений зависимых переменных,
входящих в уравнение каждого субъекта Российской Федерации, входящего в округ, составляют прогнозируемый размер поступления земельных платежей.
По Приволжскому федеральному округу они составили 970 у.е.\ 1000 га.
6. Анализируем фактические и прогнозируемые значения. Прогнозируемое
поступление земельных платежей на примере субъектов Российской Федерации, входящих в Приволжский федеральный округ, полученных расчетом по уравнению множественной корреляционной зависимости, приведено ниже. (пакет Statistica)
Субъект Земельные платежи (млн руб.)
Российской Федерации фактические прогнозируемые
____________1_____________________2_______________________3_______
Республики :
Башкоторстан 892,8 600
Марий Эл 494,8 830
Мордовия 1267,8 610
Татарстан 2928,8 1300
Удмуртская 1627,3 2230
Чувашская 2059,4 2640
Область :
Кировская 656,7 910
Нижегородская 1662,6 2100
Пермская 1096,1 1320
Пензенская 884,9 970
Самарская 4635,7 5400
Саратовская 851,2 1030
Ульяновская 1446,4 1020
Коми-Пермяцкий АО 77,9 510
где П зф - фактические земельные платежи,
П зр – расчетные платежи.
Из данных таблицы видно, что в четырех субъектах Российской Федерации
прогнозируемые показатели более 2000 р\га (Удмуртская, Чувашская республики, Нижегородская и Самарская области). В шести субъектах Российской Федерации (республики Башкоторстан, Марий Эл, Мордовия, Кировская и Пензенская области, Коми-Пермяцкий АО) прогнозируемые земельные платежи меньше 1000 руб.\га.
7. Проверяем выполненные расчеты для устранения возможных резких отклонений
прогнозируемых и фактических значений, вызванных воздействием факторов, не учтенных в уравнении, а также неверным выбором вида математической зависимости.
Эту задачу решаем с использованием другого вида уравнения (нелинейного) или
изменяя состав включенных в уравнение зависимых переменных, а также с применением другого метода РАД.
Использование другого вида регрессионной зависимости даст менее объективные
результаты, так как на этапе выбора формы зависимости уже был принят оптимальный вариант. Применение другого метода РАД предпочтительнее, так как в этом случае можно сравнить результаты, полученные ранее с применением корреляционно- регрессионного анализа, не снижая при этом степени достоверности расчетов.
Для этого наиболее подходит нейросетевой анализ данных. С помощью него
можно построить нейросеть, проанализировать и откорректировать влияние факторов, включенных в нее, а также составить прогнозируемый размер земельных платежей. Преимущество нейросетевого анализа в проведении таких расчетов состоит в отсутствии промежуточных расчетов прогнозируемых значений каждого фактора, так как нейросеть на основе обучающего множества сама определяет прогнозируемые земельные платежи.
Для составления прогноза может быть использовано уравнение, составленное при
анализе эффективности системы управления.
Э узр = П зф \ П зр ,
Для решения задачи была построена нейросеть в двух вариантах (с
использованием тех же факторов, которые были включены в корреляционно-регрессионную модель; а также с использованием другого состава факторов).
Анализ прогнозируемых земельных платежей с использованием нейросетевого
анализа (NeuroPro) приведен ниже.
млн рублей
Субъект Фактические Прогноз Разница прогнозир.
Российской Федерации земельн платеж сети и фактич. значений
Республики :
Башкоторстан 892,8 582 - 311
Марий Эл 474,8 730 256
Мордовия 1267,8 545 - 723
Татарстан 2928,8 1785 -1144
Удмуртская 1627,3 2635 1008
Чувашская 2059,4 2238 179
Области :
Кировская 656,7 1073 416
Нижегородская 1662,6 1933 270
Пермская 1096,1 1584 488
Пензенская 884,9 1123 238
Самарская 4635,7 5394 758
Саратовская 851,2 1043 192
Ульяновская 1446,4 1023 - 424
Коми-Пермяцкий АО 77,9 551 473
Из данных таблицы видно, что прогнозируемые размеры земельных платежей
нейросети в четырех субъектах Российской Федерации (Башкоторстан, Мордовия, Татарстан и Ульяновская область) оказались ниже фактических поступлений .Это свидетельствует о том, что на данных территориях используют иные резервы, не являющиеся общими для совокупности объектов, участвовавших при построении модели. Это может быть как особые экономические, социальные и политические условия, так и более эффективная деятельность органов власти территорий.
Сравнение двух вариантов расчета прогнозируемых значений (с применением
расчетно-корреляционного и нейросетевого анализов) показало, что прогноз достоверный.
8. Составляем графическую модель прогноза с целью наглядности полученных
результатов.