Классификация факторов, влияющих на виды эффекта управления земельными ресурсами

Например, для анализа эффективности в целом системы управления земельными ресурсами может быть выбран по периоду освоения – конечный эффект, по степени воздействия – полный эффект, по степени участия – прямой эффект, по охвату территории – субъект Российской Федерации. Для анализа организационной структуры системы управления земельными ресурсами может быть выбран по периоду освоения – первичный эффект, по степени воздействия – частичный эффект, по степени участия – косвенный эффект, по охвату территории – Российская Федерация.

8.2. Определение влияния отдельных факторов на поступление земельных платежей

В процессе оценки эффективности системы управления земельными ресурсами необходимо, в первую очередь, учитывать большое количество мероприятий, осуществляемых в процессе проведения землеустроительных и земельно-кадастровых работ, которые, в свою очередь, оказывают разное качественное и количественное влияние на сбор земельных платежей: арендных платежей, земельного налога, штрафов за нарушение земельного законодательства.

Для проведения анализа в качестве факторов, оказывающих влияние на величину земельных платежей, могут быть рекомендованы следующие показатели:

- плотность населения, чел./га;

- число работников земельной службы на 1000 га земель;

- величина финансирования земельно-кадастровых и землеустроительных работ (включая финансирование федеральное, из местного бюджета и иных источников), руб. у.е. или на 1 га;

- удельный вес федерального финансирования в общем объеме финансирования, %;

- стоимость отдельных видов землеустроительных и земельно-кадастровых работ, руб. у.е. или на 1 га;

- удельный вес отдельных видов земельно-кадастровых работ в общем объеме финансирования, %;

- объем штрафов за нарушения использования земель, выявленные в процессе земельного контроля, руб. у.е. или на 1 га;

- удельный вес земель сельскохозяйственного назначения, %;

- удельный вес земель поселений, %;

- удельный вес земель, находящихся в собственности граждан, %;

- удельный вес земель, находящихся в собственности юридических лиц, %;

- удельный вес земель, находящихся в государственной и муниципальной собственности, %.

Сначала следует проанализировать динамику результативного показателя и отдельных факторов за ряд лет (например, за 1993-2000 годы) в среднем по Российской Федерации, по федеральному округу и субъекту Российской Федерации.

В результате анализа динамики результативного показателя и первоначально выбранных факторов должен быть определен анализируемый период, а также отобраны факторы для включения в математическую модель.

Дальнейшие экономические расчеты следует проводить с использованием корреляционно-регрессионного анализа, при котором вначале отбираются (на основе парной корреляционной зависимости) факторы, оказывающее наибольшее влияние на результативный показатель. После этого следует исключить факторы, которые оказывают слабое влияние на результативный показатель или, тесно коррелирующие друг с другом.

Этап 9. Расчет величины эффекта и анализ полученных результатов

Этот этап можно разделить на следующие части:

построение модели для расчета величины эффекта;

апробация модели и последующая ее корректировка модели (в случае необходимости);

анализ эффективности системы управления земельными ресурсами

9.1. Построение модели для расчета величины эффекта

Для моделирования величины экономического эффекта системы управления земельными ресурсами может быть использован множественный корреляционно-регрессионный анализ.

После анализа коэффициентов парной корреляции и отбора наиболее значимых факторов рассчитываются уравнения множественной из которых выбирается зависимость с наибольшим коэффициентом множественной детерминации корреляционной зависимости, Например, при определений зависимости величины земельных платежей от удельного веса видов землеустроительных и земельно-кадастровых работ и числа работников земельной службы выбрана линейная форма с пошаговым методом расчета уравнения (с последовательным включением в уравнение наиболее значимых переменных).

9.2. Апробация и корректировка модели

После анализа характеристик уравнения необходимо произвести исключение “выпадающих” данных, искажающих форму найденной множественной корреляционной зависимости. Например, в процессе предварительного анализа данных по субъектам Федерации из расчетов могут быть исключены регионы по которым отсутствуют данные о федеральном финансировании и перечислении платежей за землю. Отбраковка данных может быть проведена средствами пакета Statistica.

Для обеспечения достоверности проводимых расчетов должна быть произведена группировка субъектов Федерации в группы, близкие по основным экономическим характеристикам на основе кластерного анализа.

Далее строится скорректированная математическая модель, которая более достоверно отражающая функциональную зависимость земельных платежей от выбранных факторов.

9.3. Анализ эффективности деятельности земельной службы

На основании скорректированной зависимости могут быть рассчитаны возможные величины размера земельных платежей по регионам страны.

Коэффициент эффективности системы управления земельными ресурсами (Э_узр) может быть определен как отношение фактического значения земельных платежей (Пз_ф) к расчетному значению (Пз_р):

Э_узр = Пз_ф / Пз_р

Величина коэффициента эффективности земельно-кадастровых и землеустроительных действий больше единицы свидетельствует об эффективной системе управления земельными ресурсами, меньше единицы - свидетельствует о неэффективной системе управления земельными ресурсами

13.2. Пример определения эффективности системы управления земельными ресурсами в федеральном округе и субъекте Федерации

На основе методики, представленной в предыдущем разделе, рассмотрим пример определения эффективности системы управления земельными ресурсами в Пензенской области, входящей в Приволжский федеральный округ.

1 этап. На данном этапе был выбран экономический вид эффективности.

2 этап. Критерием эффективности системы управления земельными ресурсами является максимальная сумма поступающих земельных платежей при определенном объеме финансирования земельно-кадастровых работ.

3 этап. На данном этапе для проведения расчетов эффективности были выбраны методы: сравнения, графический, расчетно-корреляционный и нейронных сетей.

4 этап. На этапе определения состава показателей в качестве доходных показателей были выбраны общие размеры поступления земельных платежей в субъектах Российской Федерации (включая земельный налог, арендную плату за землю и иные поступления); в качестве затратных – размеры финансирования из федерального бюджета землеустроительных и земельно-кадастровых работ по видам.

5 этап. При сборе показателей были использованы приемы выборочных наблюдений (опрос работников земельной службы, анкетирование) и группировки (первичная обработка статистической информации).

В качестве источников информации были использованы: материалы землеустроительной службы и ее организаций, статистических органов.

Сбор показателей осуществлялся по следующим объектам анализа: по Российской Федерации (среднестатистические данные); по Приволжскому федеральному округу (среднестатистические данные); по субъектам Федерации, входящим в Приволжский федеральный округ (первичные статистические данные).

Различия в площадях субъектов Российской Федерации были учтены при расчетах экономических показателей на 1000 га общей площади субъекта.

Для нивелирования колебаний экономических показателей, вызванных инфляционными процессами, был выбран метод перерасчета относительных показателей в условные единицы. В качестве условных единиц для облегчения расчетов были взяты доллары США, так как до 2002 года все расчеты производились в этой валюте.

Период сбора исходной информации был установлен в 8 лет, так как земельной службы как самостоятельной структуры, образованной в 1991 г., деятельность может быть оценена системой показателей, начиная с 1993 года.

6 этап. На данном этапе для определения перспективных направлений расчета эффективности был составлен окончательный вариант анкеты, включающей три раздела: оценка институциональных характеристик (14 вопросов), оценка правовой устойчивости (9 вопросов), оценка методов ведения, сбора, хранения информации (11 вопросов).

На основании результатов анкетирования были сделаны предварительные выводы по поставленной проблеме:

1) процесс управления земельными ресурсами региона в существующем виде требует корректировки и совершенствования;

2) недостаточно высок уровень организации деятельности территориальных органов Росземкадастра.

Таким образом, эффективность УЗР во многом зависит от размеров финансирования, материально-техническое обеспечение и профессиональный уровень специалистов крайне низок. Поэтому на следующих этапах следует анализировать условия и динамику финансирования земельно-кадастровых работ.

7 этап. Для обработки информации в качестве инструментария были выбраны: пакет статистической обработки данных Statistica, пакет нейросетевого анализа NeuroPro.

8 этап. Факторами, наиболее влияющими на управление земельными ресурсами, были определены следующие: по периоду освоения – конечный эффект, по степени воздействия – полный эффект, по степени участия – прямой эффект, по охвату территории – субъект Российской Федерации.

Сначала была проанализирована динамика отдельных выбранных факторов за 1993-2001 годы в среднем по Российской Федерации, по федеральному округу и субъекту Российской Федерации.

В рассматриваемом примере использованы три уровня сравнения показателей: Российская Федерация, Приволжский федеральный округ и субъекты, входящие в этот округ.

Стоимостные показатели (величина земельных платежей, финансирование земельно-кадастровых и землеустроительных работ) имеют общую тенденцию к росту, с резким сокращением в 1998 году. В 1999 году величины обоих показателей возросли, не достигнув однако величин 1997 года. В таблице 13.2. представлен анализ поступления земельных платежей (включая земельный налог, арендную плату, штрафы за нарушение использования земель и иные поступления) в у.е. на 1000 га. Из данных таблицы видно, что величина платежей за землю в Пензенской области в 1999 году немного меньше, чем в среднем по Российской Федерации, и в 1,7 раза меньше, чем в среднем по Приволжскому округу.