Картофельный парадокс Нечерноземья: почему урожайность растёт, а полки завалены импортом / Хабр

Введение

Эту статью я в апреле написал после похода в магазин.

Московская область – классическое Нечерноземье. Почвы здесь не самые плодородные, климат неустойчивый и высокий риск фитофтороза(грибковое заболевание: на срезе картофелины видна ржаво-бурая гниль, которая распространяется внутрь клубня в виде язычков или клиньев). Но урожайность картофеля в регионе за последние 25 лет выросла в 3 раза. При этом прилавки местных супермаркетов по-прежнему заполнены импортным картофелем из Египта, Израиля, Азербайджана и даже рисового Китая.

Если картофель научились выращивать, почему он не вытесняет импорт? Я сделал анализ официальных данных Росстата и метеостанции ВДНХ за 2000–2025 годы. 8 часов потратил на эту работу, за расчет я спокоен, а вот экономические причины в выводах - не уверен.

1. Исходные данные

1.1. Урожайность картофеля в Московской области, ц/га

Год	Урожайность	Категория хозяйств
2000	93	все категории
2001	121	все категории
2002	103	все категории
2003	80	все категории
2004	75	все категории
2005	104	все категории
2006	106	все категории
2007	122	все категории
2008	143	все категории
2009	142	все категории
2010	100	все категории
2011	182	все категории
2012	118	все категории
2013	195	все категории
2014	151	все категории
2015	164	все категории
2016	157	все категории
2017	162	все категории
2018	170	все категории
2019	178	все категории
2020	166	все категории
2021	191	все категории
2022	163	все категории
2023	325	сельхозорганизации
2024	252	сельхозорганизации
2025	321	сельхозорганизации

Важное примечание: данные 2000–2022 годов – это все категории хозяйств (крупные сельхозорганизации, фермеры, личные подсобные хозяйства). Данные 2023–2025 годов – это преимущественно крупные сельхозорганизации и крупные фермерские хозяйства(КФХ). Столь резкое повышение средней урожайности в 2023–2025 годах по сравнению с периодом 2000–2022 объясняется изменением структуры статистического наблюдения: данные 2000–2022 включают все категории хозяйств (включая низкоэффективные ЛПХ), тогда как данные 2023–2025 отражают результаты только крупных сельхозорганизаций и КФХ с урожайностью 300+ ц/га. Расчёты по двум периодам сделаны раздельно.

1.2. Климатические данные (метеостанция ВДНХ)

Средняя температура за вегетационный период (май–август), °C:

Год	T(май–авг)	Год	T(май–авг)	Год	T(май–авг)
2000	15.8	2009	16.0	2018	18.5
2001	17.1	2010	20.8	2019	17.3
2002	18.0	2011	19.0	2020	16.6
2003	16.5	2012	17.7	2021	19.4
2004	16.1	2013	18.5	2022	18.3
2005	17.1	2014	18.2	2023	17.0
2006	16.6	2015	17.1	2024	19.2
2007	18.0	2016	18.3	2025	18.3
2008	16.2	2017	15.5

Сумма осадков за вегетационный период (май–август), мм:

Год	P(май–авг)	Год	P(май–авг)	Год	P(май–авг)
2000	270	2009	289	2018	286
2001	244	2010	167	2019	295
2002	115	2011	295	2020	322
2003	315	2012	321	2021	302
2004	340	2013	320	2022	262
2005	292	2014	189	2023	288
2006	232	2015	295	2024	308
2007	280	2016	371	2025	296
2008	293	2017	328

2. Математический аппарат

2.1. Линейный тренд (регрессия по времени) показывает, как меняется урожайность год от года.

где:
Y – урожайность
t' – номер года от начала наблюдений (t' = 1 для 2000, t' = 2 для 2001, ..., t' = 23 для 2022)
a – коэффициент наклона (ежегодный прирост)
b – свободный член

Коэффициенты a и b вычисляются методом наименьших квадратов:

$a = \frac{n \cdot \Sigma(t' \cdot Y) - \Sigma t' \cdot \Sigma Y}{n \cdot \Sigma(t'^2) - (\Sigma t')^2}$

$b = \frac{\Sigma Y - a \cdot \Sigma t'}{n}$

Коэффициент детерминации (R²) показывает, какую долю изменений урожайности объясняет построенная нами модель (линейный тренд). Остальная часть – влияние других факторов (погода, агротехника, случайные колебания):

$R^2 = 1 - \frac{SSE}{SST}$

где:
SSE (Sum of Squared Errors) – сумма квадратов остатков (ошибок). Показывает, насколько сильно фактические значения урожайности отклоняются от предсказанных линией тренда.
SST (Sum of Squared Total) – общая сумма квадратов отклонений. Показывает, насколько сильно фактические значения урожайности отклоняются от своей средней.

Для каждого года i (от 1 до n, где n – количество лет наблюдений):

– фактическая урожайность в i-й год
– урожайность, предсказанная по формуле тренда для i-го года
– средняя урожайность за все годы:

$SSE = \sum_{i=1}^{n} (Y_i - \hat{Y}_i)^2$

где $\hat{Y}_i = a \cdot t'_i + b$

$SST = \sum_{i=1}^{n} (Y_i - \bar{Y})^2$

где $\bar{Y} = \frac{1}{n} \sum_{i=1}^{n} Y_i$

Стандартная ошибка коэффициента наклона (SEa) показывает, насколько точно определён коэффициент наклона a. Чем меньше стандартная ошибка, тем надёжнее оценка.

$SE_a = \sqrt{ \frac{SSE / (n - 2)}{\sum_{i=1}^{n} (t'_i - \bar{t}')^2} }$

где:
– среднее арифметическое всех :

Знаменатель $\sum_{i=1}^{n} (t'_i - \bar{t}')^2 = 1012$

t-статистика и p-value проверяют, является ли коэффициент наклона a статистически значимым, то есть действительно ли урожайность растёт со временем, или наблюдаемый рост мог возникнуть случайно.

$t = \frac{a}{SE_a}$

$t = r \cdot \sqrt{ \frac{n - 2}{1 - r^2} }$

$T_{n-2}$ – распределение Стьюдента с (n – 2) степенями свободы.

Если p < 0.05, тренд считается статистически значимым. Если p > 0.05, данных недостаточно, чтобы утверждать, что рост не случаен.

2.2. Коэффициент корреляции Пирсона (r) показывает силу и направление линейной связи между температурой (T) и урожайностью картофеля (Y).

$r = \frac{ \sum_{i=1}^{n} (T_i - \bar{T})(Y_i - \bar{Y}) }{ \sqrt{ \sum_{i=1}^{n} (T_i - \bar{T})^2 \cdot \sum_{i=1}^{n} (Y_i - \bar{Y})^2 } }$

где $\bar{T}$ – средняя температура за весь период, Ȳ – средняя урожайность.

Интерпретация значений r:

r	Интерпретация
r > 0	связь положительная: чем выше температура, тем выше урожайность
r < 0	связь отрицательная: чем выше температура, тем ниже урожайность
r = 0	линейной связи нет
r близко к 1	сильная связь
r близко к 0	слабая связь

t-статистика для корреляции проверяет, является ли найденная корреляция статистически значимой или она могла возникнуть случайно.

$t = r \cdot \sqrt{ \frac{n - 2}{1 - r^2} }$

Если p < 0.05, корреляция статистически значима (связь не случайна). Если p > 0.05, статистически значимой связи нет.

Корреляция с осадками рассчитывается по тем же формулам, где вместо температуры подставляется количество осадков .

2.3. Коэффициент вариации оценивает степень разброса урожайности относительно среднего значения и уровень риска производства.

Стандартное отклонение по совокупности (σ) показывает, на сколько центнеров с гектара (ц/га) фактическая урожайность в типичный год отклоняется от средней.

$\sigma = \sqrt{ \frac{\sum_{i=1}^{n} (Y_i - \bar{Y})^2}{n} }$

Чем больше σ, тем сильнее урожайность колеблется от года к году. Чем меньше σ, тем стабильнее производство.

Коэффициент вариации (CV) показывает относительную меру разброса – стандартное отклонение, выраженное в процентах от средней урожайности. Позволяет оценить уровень риска независимо от масштаба данных.

$CV = \frac{\sigma}{\bar{Y}} \cdot 100\%$

Агрономическая шкала:

Коэффициент вариации (CV)	Интерпретация
< 10%	Низкая колеблемость (стабильное производство, низкий риск)
10–25%	Средняя колеблемость (умеренный риск)
> 25%	Высокая колеблемость (высокорисковое производство)

Расчёт коэффициентов линейного тренда, корреляции и вариации выполнен на Python(pandas, numpy, scipy(stats)).

3. Расчёты по периоду 2000–2022

Показатель	Значение	Интерпретация
Уравнение тренда	Y = 4.35·t' + 86.29	Рост на ~4.35 ц/га в год
Коэффициент детерминации (R²)	0.661	Тренд объясняет 66% изменений
Стандартная ошибка (SE)	0.680	Оценка тренда надёжна
t-статистика / p-value	6.40 / < 0.001	Тренд статистически значим
Средняя урожайность (Ȳ)	138.5 ц/га	Базовый уровень
Стандартное отклонение (σ)	35.5 ц/га
Коэффициент вариации (CV)	25.6%	Высокорисковое производство (CV > 25%)
Корреляция с температурой	r = 0.30 (p = 0.161)	Связь не значима
Корреляция с осадками	r = 0.29 (p = 0.18)	Связь не значима

Выводы по периоду 2000–2022

Линейный тренд: Y = 4.35 × t' + 86.29 (ежегодный прирост ~4.35 ц/га). R² = 0.661 – модель объясняет 66% изменений урожайности. t = 6.40, p = 0.000002 (< 0.05).
Вывод: тренд статистически значим – урожайность картофеля в Московской области за 2000–2022 годы устойчиво росла.
Производство остаётся высокорисковым. Стандартное отклонение σ = 35.5 ц/га. Коэффициент вариации CV = 25.6%.
Вывод: согласно агрономической шкале (CV > 25%), производство картофеля в регионе характеризуется высокой колеблемостью и остаётся неустойчивым даже при росте средней урожайности.
Температура влияет, но статистически не значимо, осадки – нет.
Корреляция с температурой: r = 0.30, p = 0.161 – связь статистически не значима.
Корреляция с осадками: r = 0.29, p = 0.18 – связь отсутствует.
Вывод: тёплый вегетационный период не оказывает статистически значимого влияния на урожайность. Осадки в диапазоне 115–371 мм за май–август также не оказывают систематического влияния – их текущий уровень не является лимитирующим фактором.
Ключевой парадокс сохраняется.
Несмотря на статистически значимый рост урожайности (в среднем 4.35 ц/га в год), сохраняется высокая вариативность (CV = 25.6%), что не позволяет гарантировать стабильный сбор год от года.

4. Расчёты по периоду 2023–2025 (крупные сельхозорганизации и КФХ)

Показатель	Значение
Уравнение тренда (3 года)	Y = –2.0·t' + 303.3
Средняя урожайность	~299.3 ц/га
Коэффициент вариации (CV)	11.2% (низкая колеблемость)
Корреляция с температурой	r ≈ –0.84 (ненадёжно, n=3)
Корреляция с осадками	r ≈ –0.94 (ненадёжно, n=3)

Сводная таблица по периоду 2023–2025

Показатель	Значение
Средняя урожайность	299.3 ц/га
Тренд (ежегодное изменение)	–2.0 ц/га
Стандартное отклонение σ	33.5 ц/га
Коэффициент вариации CV	11.2%
Корреляция с температурой	r = –0.84 (ненадёжно, n=3)
Корреляция с осадками	r = –0.94 (ненадёжно, n=3)
Валовой сбор 2023	данные отсутствуют
Валовой сбор (организованный сектор, 2024–2025)	~335 тыс. тонн
Оценка уборочной площади (2024)	~13 300 га
Оценка уборочной площади (2025)	~10 400 га
Доля в потреблении Московского региона	~28%

Выводы по периоду 2023–2025

Крупные хозяйства демонстрируют принципиально иной уровень урожайности.
Средняя урожайность 299.3 ц/га – это более чем в 2 раза выше, чем в период 2000–2022 (138.5 ц/га). Это подтверждает, что методология учёта действительно изменилась: крупные агроорганизации и КФХ работают на другом технологическом уровне.
Риск производства резко снизился.
CV = 11.2% (против 25.6% в 2000–2022). По агрономической шкале это низкая колеблемость (10–25% – средняя, но близко к нижней границе).
Вывод: крупные сельхозорганизации обеспечивают стабильное производство картофеля. Разброс от года к году минимален.
Тренд отрицательный, но ненадёжный.
За три года урожайность снижалась в среднем на 2 ц/га. При n=3 этот тренд статистически незначим – любое случайное колебание (аномальный 2024 год с 252 ц/га) сильно влияет на линию.
Неожиданная обратная связь с климатом.
Температура: r = –0.84 (чем теплее, тем ниже урожайность).
Осадки: r = –0.94 (чем больше осадков, тем ниже урожайность).
Но опять же при n=3 коэффициент корреляции абсолютно ненадёжен. Одно наблюдение (2024 год: 252 ц/га при T=19.2°C и P=308 мм) фактически определяет весь знак корреляции. Прогноз на основании этих выводов невозможен.

5. Сравнение с предыдущим периодом

Показатель	2000–2022	2023–2025
Средняя урожайность	138.5 ц/га	299.3 ц/га
CV	25.6%	11.2%
Тренд значим?	Да (p<0.001)	Невозможно оценить
Связь с температурой	не значима (p=0.161)	ненадёжная (n=3)
Связь с осадками	не значима (p=0.18)	ненадёжная (n=3)

6. Данные по валовому сбору

Для ответа на главный вопрос парадокса необходимы не только урожайность, но и объёмы производства. По собранным данным:

Год	Валовой сбор (организованный сектор), тыс. тонн	Урожайность, ц/га	Оценка уборочной площади, га
2023	данные отсутствуют
2024	335	252	~13 300
2025	335	321	~10 400

Следует обратить внимание на то, что при росте урожайности на 27% (с 252 до 321 ц/га) валовой сбор остался неизменным - 335 тыс. тонн. Если это не ошибка в статистических данных, то это может означать, что уборочная площадь была сокращена примерно на 21.5%. Производители регулируют площадь в зависимости от ожидаемой урожайности, выходя на целевой объем сбора

7. Сопоставление с потреблением региона

Потребление картофеля в Московском регионе (Москва + Московская область) с населением около 20 млн человек составляет при норме 60 кг на человека в год примерно 1.2 млн тонн.

Местное производство в организованном секторе (около 335 тыс. тонн) покрывает лишь ~28% регионального потребления. Остальное закрывается за счёт поставок из соседних регионов (прежде всего Брянской, Тульской, Калужской, Рязанской, а также черноземных областей), продукции личных подсобных хозяйств (ЛПХ) и импорта (Египет, Израиль, Азербайджан).

8. Общий вывод по двум периодам

Разрыв в статистике между 2000–2022 и 2023–2025 годами не является реальным скачком урожайности. Это артефакт изменения объекта наблюдения:
– 2000–2022: все категории хозяйств, включая малоэффективные ЛПХ – высокая вариативность, средняя урожайность ~135 ц/га.
– 2023–2025: только крупные организации и КФХ – низкая вариативность, средняя урожайность ~300 ц/га.

9. Ответ на картофельный парадокс

Почему импорт не вытесняется, несмотря на высокую урожайность и стабильность крупных хозяйств?

Ключевая причина – недостаточный объём местного производства. Картофельный парадокс разрешается так: местные крупные хозяйства научились выращивать картофель высокоурожайно и стабильно, но не стремятся наращивать валовой сбор. Их бизнес-модель – производство целевого объёма с минимальной площадью и максимальной эффективностью.

Оставшийся спрос покрывается прежде всего российскими поставками из других регионов, а импорт играет вспомогательную роль, закрывая межсезонные пики или специфические сортовые ниши. Именно поэтому прилавки московских супермаркетов по-прежнему заполнены импортным картофелем – он сосуществует с местным и межрегиональным и не вытесняется ими.

Источники:

Данные по погоде взяты с web-ресурса «Погода и Климат» (pogodaiklimat.ru). База данных формировалась из двух конкретных разделов этого сайта по метеостанции Москва (ВДНХ, №27612):
– Летопись погоды в Москве – отсюда взяты таблицы со средними месячными и годовыми температурами воздуха, а также годовыми суммами осадков по годам.
– Климатический монитор Москвы – отсюда собирались помесячные суммы осадков за каждый конкретный год (поскольку в общей таблице летописи детальная разбивка осадков по месяцам за последние годы не всегда сведена в единую матрицу).
Сам этот сайт оцифровывает и публикует сведения на основе синоптических телеграмм (сообщений SYNOP и CLIMAT), которые отправляет метеостанция ВДНХ в Росгидромет. По сути, ресурс является удобной электронной оболочкой над госархивами ФГБУ «Центральное УГМС».
Росстат (Федеральная служба государственной статистики). Урожайность сельскохозяйственных культур в Московской области (2000–2025 гг.): https://rosstat.gov.ru/
Министерство сельского хозяйства и продовольствия Московской области. Оперативные данные о ходе уборочной кампании (2024–2025 гг.). – Официальный сайт Правительства Московской области: https://msh.mosreg.ru
Экспертно-аналитический центр агробизнеса «АБ-Центр». Аналитические обзоры рынка картофеля Московской области (2025–2026 гг.): https://ab-centre.ru
ФГБУ «Центр Агроаналитики». Материалы о государственной поддержке агропромышленного комплекса Московской области: https://specagro.ru