Влияние технологической модернизации агропромышленного комплекса на уровень продовольственной безопасности России
Бабанская А.С.1 
1 Финансовый университет при Правительстве Российской Федерации, Москва, Россия
Статья в журнале
Продовольственная политика и безопасность (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 13, Номер 3 (Июль-сентябрь 2026)
Аннотация:
Исследование посвящено количественной оценке того, как технологическая модернизация агропромышленного комплекса влияет на способность России обеспечивать собственную продовольственную безопасность. В условиях внешних ограничений эта зависимость приобретает прикладное значение для корректировки аграрной политики и повышения эффективности программ модернизации и цифровизации АПК. Цель исследования - количественно обосновать взаимосвязи между уровнем продовольственной безопасности Российской Федерации и отдельными технологическими факторами развития АПК. Гипотеза предполагает, что решающим фактором выступает не текущая оснащенность сельхозпроизводства техникой и оборудованием, а интенсивность обновления материально-технической базы. Методический подход основан на коинтеграционном анализе, который позволил разделить краткосрочную динамику и долгосрочные тренды. Эмпирическая выборка сформирована по данным Росстата и отраслевым обзорам с 2000 по 2024 год. В ходе расчетов обоснован вывод о том, что уровень продовольственной безопасности в долгосрочной перспективе зависит от сбалансированности процессов выбытия техники и интенсивности технологической модернизации. Если повышение энерговооруженности работников дает быстрый, но непродолжительный эффект, то процессы выбытия техники имеют решающее значение на горизонте нескольких лет. Высокий коэффициент коррекции указывает на быструю реакцию уровня продовольственной безопасности на изменение темпов списания техники - это сигнализирует о высокой уязвимости отрасли к износу основных средств и отсутствии достаточного запаса прочности. Главный содержательный вывод работы: совокупный объем инвестиций и даже текущая оснащенность сельхозпроизводства вторичны по сравнению с балансом между вводом новой техники и ликвидацией старой. Практическая значимость работы состоит в обосновании переориентации господдержки. Вместо объектного финансирования закупок целесообразно стимулировать опережающее воспроизводство техники и снижение нагрузки на изношенные мощности. Цифровые инструменты мониторинга состояния сельхозтехники могут стать базой для прогнозирования рисков воспроизводства и своевременной корректировки аграрной политики в целях обеспечения продовольственной безопасности страны.
Ключевые слова: техника и технологии, модернизация, цифровизация, продукты питания, продовольственная безопасность, агропромышленный комплекс
Финансирование:
Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации».
JEL-классификация: Q18, Q16, O33
Введение
Указ Президента Российской Федерации от 21 января 2020 года № 20 «Об утверждении Доктрины продовольственной безопасности Российской Федерации» [1] определяет технологическое развитие и модернизацию агропромышленного комплекса (АПК) как один из приоритетов в сфере обеспечения продовольственной безопасности России. В документе отмечается необходимость в долгосрочной перспективе создать высокопроизводительный сектор, который развивается на основе современных технологий и обеспечен высококвалифицированными специалистами. Среди рисков продовольственной независимости, которые выделяются в Указе, особое место занимает технологическое отставание отечественного АПК от уровня развития сельского хозяйства в экономически развитых государствах. Отмеченные риски реализуются посредством замедления темпов структурно-технологической модернизации и инновационного развития АПК.
Еще один Указ Президента от 07 мая 2024 года № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года» [2], устанавливает национальные цели «Цифровой трансформации…» и «Технологического лидерства» для обеспечения технологической независимости и продовольственной безопасности России. В рамках национального проекта «Технологическое обеспечение продовольственной безопасности» [3] реализуется модернизация всех подотраслей АПК отечественной техникой и оборудованием, а также освоение перспективных технологий. Вектор технологического развития определяет также обновленная версия стратегического направления в области цифровой трансформации агропромышленного и рыбохозяйственного комплексов до 2030 года, утвержденная распоряжением Правительства РФ от 6 марта 2026 года №436-р [4]. Согласно документу, к 2030 году не менее 80 процентов российских предприятий АПК должны перейти на использование базового и прикладного российского программного обеспечения для систем, обеспечивающих производственные и управленческие процессы.
В 2025 году Минсельхоз РФ был сформирован динамический рейтинг цифровой трансформации сферы АПК. Основными драйверами роста в нем стали не только внедрение технологий, но и работа с кадрами: наличие в региональных органах управления АПК специалистов по информационной безопасности, обучение сотрудников по программам кибербезопасности и искусственного интеллекта (ИИ). Концепция «Сельское хозяйство 4.0» предполагает устойчивое развитие АПК, основанное на цифровизации, «умном» земледелии и использовании робототехники [4] (Трухачев и др., 2023). Таким образом, можно отметить качественные сдвиги государственной политики и явный вектор на ускоренную цифровую трансформацию АПК. Однако сохраняются и системные проблемы, связанные с неравномерностью цифровизации и технологической модернизации между крупным и малым бизнесом, дефицитом квалифицированных кадров и качеством исходных данных для цифровых систем. Требуют обоснования конкретные факторы технологической модернизации АПК, которые наиболее эффективно будут способствовать укреплению продовольственной безопасности России, что и обуславливает актуальность исследования.
Отмеченная проблематика неоднократно рассматривалась как отечественными, так и зарубежными учеными. Концептуальные основы и стратегии технологического развития АПК заложены в работах Банникова С.А., Гарбузовой Т.Г. и Ковалевой Т.Н. (2023) [3], Стельмашонка Е.В. и Стельмашонка В.Л. (2021) [6]. Авторы рассматривают, как внедрение цифровых технологий влияет на эффективность сельскохозяйственного производства на уровне отдельных регионов и систематизируют этапы цифровизации отрасли, выделяя при этом ключевые технологические решения и барьеры для их внедрения. Работы носят описательный характер, закладывают общие подходы, но не дают четкой количественной оценки влияния отдельных факторов технологической модернизации. Роль цифровых платформ и технологического развития освящена в трудах Монахова С.В. и Уколовой Н.В. (2022) [5], Астанакулова К. и др. (Astanakulov et al., 2025) [9], Шадриной Ж.А., Точиловой А.Н. (2025) [8]. Они исследуют процесс создания и трансфера технологий в АПК, выделяют приоритетные технологические драйверы развития и уровни их реализации с учетом цифровой зрелости сельскохозяйственных организаций. Цифровизация как фактор повышения устойчивости аграрного сектора и продовольственной безопасности рассматривается также в работах Сулдиной О. В. и др. (Suldina, Akamova, Burkanov, 2026) [13], Аварского Н.Д. и Мельникова А.Б. (2026) [1], Бабанской А.С. и Егорова А.А. (2024) [2], Торженовой Т. В. и др. (2025) [7]. Согласно их выводам, цифровые технологии помогают сельскому хозяйству достигать установленных ориентиров самообеспеченности, усиливают отраслевую эффективность благодаря улучшению информационного обмена и координации действий. Анализ в данных работах носит более качественный характер и часто ограничивается отдельными регионами или предприятиями, что не позволяет сформировать целостную картину по стране. Международный опыт и глобальные тенденции цифровизации АПК представлены в материалах Дас, Камал (Das, Kamal, 2025) [10] Джагтап и др (Jagtap et al., 2024) [11], Нгах и др. (Ngah et al., 2025) [12]. Ученые систематизируют цифровые инновации в мировом сельском хозяйстве - от внедрения IoT и Big Data до автоматизации цепочек поставок. Однако в их работах недостаточно раскрыты механизмы влияния цифровых технологий на достижение целевых показателей продовольственной безопасности.
Несмотря на значительный интерес к изучению проблемы взаимосвязи технологической модернизации и цифровой трансформации с продовольственной безопасностью, ряд важных вопросов остается недостаточно изученным. Исследования узконаправлены и редко используют количественный анализ и эконометрические методы, которые позволяют выявить устойчивые долгосрочные связи между исследуемыми показателями, что определяет научную нишу для данной статьи.
Цель исследования - на основе анализа и эконометрического моделирования выявить и количественно оценить взаимосвязи между уровнем продовольственной безопасности Российской Федерации и технологическими факторами развития АПК.
Полагаем, что технологическая модернизация АПК оказывает значимое положительное влияние на уровень продовольственной безопасности Российской Федерации, причем наиболее существенный вклад вносит не столько текущая оснащенность сельхозпроизводства, сколько динамика обновления материально-технической базы.
Научная новизна заключается в разработке и апробации эконометрической модели, связывающей индекс продовольственной безопасности (скорректированный на нормы потребления Доктрины) с группами факторов технической оснащенности, обновления техники и нагрузки на сельхозтехнику. Применен коинтеграционный анализ с проверкой эконометрических гипотез для выявления долгосрочных равновесных связей между технологическими параметрами АПК и результативным показателем продовольственной безопасности.
Материалы и методы
В ходе исследования использовались методы эконометрического моделирования. Эмпирическая база сформирована на основе статистических сборников «Сельское хозяйство в России» и официальных данных Федеральной службы государственной статистики, Министерства сельского хозяйства Российской Федерации и отраслевых обзоров. Исходная выборка включает 25 годовых наблюдений с 2000 по 2024 год. Логическая структура переменных, отобранных для эконометрического моделирования представлена на Рисунке 1.
Рисунок 1. Логическая структура переменных для эконометрического моделирования
Источник: составлено автором
Индекс продовольственной безопасности (Y), рассчитывался как интегральный показатель с учетом норм самообеспечения продуктами питания указанных в Доктрине продовольственной безопасности, а также структуры потребительской корзины по формуле:
|
(1)
|
n - общее количество продуктов питания;
Ki - доля продукта в потребительской корзине (%) [5];
Pi - фактический уровень самообеспечения по продукту i (%);
Si - минимально допустимый уровень самообеспечения по продукту i согласно Доктрине продовольственной безопасности РФ, (%) [6].
Индексы списания и приобретения техники рассчитывались как средние значения, которые характеризуют степень и интенсивность выбытия или обновления технической базы сельскохозяйственных организаций по всем видам техники. Исходные данные для анализа представлены в таблице 1.
Таблица 1. Данные для анализа
|
Год
|
У
|
Х1
|
Х2
|
Х3
|
Х4
|
Х5
|
Х6
|
|
2000
|
91,98
|
2,3
|
51
|
9,56
|
2,36
|
135
|
198
|
|
2001
|
94,111
|
2,4
|
54
|
10,19
|
2,40
|
141
|
212
|
|
2002
|
92,304
|
2,8
|
54
|
9,66
|
2,46
|
148
|
221
|
|
2003
|
89,182
|
2,6
|
55
|
10,67
|
3,11
|
158
|
212
|
|
2004
|
90,66
|
2,9
|
57
|
10,78
|
3,00
|
169
|
236
|
|
2005
|
89,67
|
2,7
|
59
|
10,99
|
2,72
|
181
|
253
|
|
2006
|
87,417
|
3,7
|
60
|
10,81
|
4,26
|
187
|
270
|
|
2007
|
89,97
|
4,1
|
63
|
10,56
|
4,62
|
197
|
291
|
|
2008
|
95,92
|
3,5
|
63
|
10,92
|
5,48
|
210
|
317
|
|
2009
|
94,661
|
3,3
|
61
|
9,90
|
3,28
|
226
|
344
|
|
2010
|
81,017
|
3
|
67
|
8,50
|
3,47
|
236
|
327
|
|
2011
|
103,261
|
3
|
69
|
8,37
|
4,81
|
247
|
354
|
|
2012
|
95,065
|
2,9
|
70
|
7,82
|
4,38
|
258
|
369
|
|
2013
|
102,249
|
3,1
|
73
|
7,69
|
3,67
|
274
|
399
|
|
2014
|
106,735
|
3
|
75
|
7,56
|
4,12
|
290
|
408
|
|
2015
|
109,371
|
2,9
|
74
|
7,00
|
4,58
|
308
|
422
|
|
2016
|
112,581
|
3,4
|
77
|
5,97
|
4,73
|
320
|
425
|
|
2017
|
114,627
|
3,3
|
75
|
5,71
|
4,81
|
328
|
427
|
|
2018
|
112,133
|
3,2
|
80
|
5,76
|
4,49
|
337
|
424
|
|
2019
|
114,293
|
3,2
|
83
|
5,21
|
4,19
|
345
|
437
|
|
2020
|
116,981
|
3
|
89
|
5,24
|
4,13
|
349
|
451
|
|
2021
|
113,508
|
2,9
|
92
|
5,31
|
5,14
|
363
|
449
|
|
2022
|
125,297
|
2,6
|
94
|
4,42
|
6,08
|
372
|
460
|
|
2023
|
121,008
|
2,2
|
96
|
3,17
|
5,40
|
369
|
454
|
|
2024
|
114,683
|
2
|
100
|
5,06
|
4,53
|
368
|
442
|
При моделировании полагаем, что уровень продовольственной безопасности (Y) является функцией, зависящей от масштаба финансовой поддержки технологической модернизации, уровня текущей технической оснащенности производства, динамики обновления материально‑технической базы и степени нагрузки на сельскохозяйственную технику. Представленные данные помогают понять, как материально-техническая база и условия для ее обновления влияют на способность страны обеспечивать себя продовольствием.
Для каждой переменной проведен тест на стационарность временных рядов (расширенный тест Дики-Фулера, ADF). Результаты характеризуют две эконометрические гипотезы: нулевая H₀ - ряд нестационарен и содержит единичный корень; альтернативная H₁ - ряд стационарен. Критерием принятия решения является p-значение. Если оно более |0,05| - ряд считается нестационарным, если менее или равно |0,05| - ряд считается стационарным.
На следующем этапе проведен Тест Йохансена на коинтеграцию для определения ранга коинтеграции (количества коинтеграционных векторов). Гипотезы могут быть следующие: H₀ (r = 0) - коинтеграция отсутствует или H₁ (r > 0) - существует хотя бы один коинтеграционный вектор. Критическое значение уровня значимости так же составило 5 % (|0,05|). В зависимости от результатов теста Йохансена далее были выбраны следующие модели:
‒ при обнаружении коинтеграции (r > 0) - векторная модель коррекции ошибок (VECM);
‒ при отсутствии коинтеграции (r = 0) - векторная авторегрессия в разностях (VAR (1)).
Для VECM-моделей были оценены долгосрочные коэффициенты (β), они показывают силу и направление связи между переменными в долгосрочном равновесии и скорость корректировки (α), которая отражает долю отклонения от равновесия, устраняемую за один период. В VAR-моделях на разностях переменных рассчитывались коэффициенты при лагах, описывающие взаимное влияние факторов в краткосрочной перспективе. Расчеты проводились в Python с подключением библиотек: «statsmodels», «numpy» и «pandas».
Результаты исследования
Тест Дики-Фуллера (таблица 2) выявил нестационарность всех исходных временных рядов. После дифференцирования у переменных Y, Х2 и Х3 выявлен одни порядок интеграции I(1), что позволяет перейти к коинтеграционному анализу в целях обнаружения их долгосрочных связей.
Таблица 2. Тест Дики-Фуллера (ADF) на стационарность
|
Переменная
|
ADF-статистика
|
P-value
|
Гипотеза
|
ADF-статистика
разностей
|
p-value (разностей)
|
Порядок интеграции
|
|
Y
|
0,1569
|
0,970
|
H₀
|
–5,3152
|
0,0000
|
I(1)
|
|
Х1
|
2,5784
|
0,999
|
H₀
|
–0,1488
|
0,9444
|
I(2)
|
|
Х2
|
1,6906
|
0,998
|
H₀
|
–5,5368
|
0,0000
|
I(1)
|
|
Х3
|
–1,8604
|
0,351
|
H₀
|
0,3509
|
0,0175
|
I(1)
|
|
Х4
|
–2,0508
|
0,265
|
H₀
|
0,2648
|
0,4237
|
I(2)
|
|
Х5
|
–1,8267
|
0,367
|
H₀
|
0,3673
|
0,7543
|
I(2)
|
|
Х6
|
–2,2049
|
0,205
|
H₀
|
0,2045
|
0,9214
|
I(2)
|
Так как переменных Х1 и Х4-Х6 имеют с Y разный порядок интегрированности I(2), по ним невозможно провести стандартный тест Йохансена. Поэтому для дальнейшего исследования были поочередно рассмотрены две пары показателей Y–X2 (индекс продовольственной безопасности - энерговооруженность труда) и Y–X3 (индекс продовольственной безопасности - индекс списания сельскохозяйственной техники). Результаты тестов пары Y–X2 представлены в таблицах 3 и 4.
Таблица 3. Результаты теста Йохансена для пары Y–X2
|
Базовая гипотеза
|
trace, 5%
|
Крит. значение
|
Интерпретация
|
Ранг коинтеграции
|
p-value
|
Интерпретация
|
|
r = 0
|
9,8421
|
15,4943
|
не отвергаем H₀
|
r = 0
|
0,2168
|
Коинтеграционной связи
между Y и X2 не обнаружено
|
Таблица 4. Результаты VAR (1) в первых разностях для пары Y–X2
|
Переменные
|
Коэффициент
|
p-value
|
Интерпретация
|
|
ΔY
|
–1,258
|
0,439
|
Константа незначима
|
|
L1.ΔY
|
–0,484
|
0,005
|
Отрицательная
автокорреляция, рост Y в прошлом периоде снижает текущее изменение
|
|
L1.ΔX2
|
+1,412
|
0,012
|
Значимое положительное
влияние, ускорение X2 ведет к росту Y
|
|
ΔX2
|
+2,584
|
0,000
|
Значимый тренд в
динамике X2
|
|
L1.ΔY
|
–0,090
|
0,170
|
Влияние Y на X2
незначимо
|
|
L1.ΔX2
|
–0,240
|
0,263
|
Собственная инерция X2
незначима
|
Согласно анализу в краткосрочном периоде изменения переменной X2 статистически значимо влияют на динамику Y. Однако долгосрочного устойчивого равновесия между этими переменными не наблюдается. Корреляция остатков модели невысокая (– 0,30), что говорит об отсутствии явной скрытой общей компоненты, не учтенной в модели. Таким образом, выявленная связь Y и X2 носит исключительно краткосрочный характер.
Результаты тестов пары Y–X3 представлены в таблицах 5 и 6.
Таблица 5. Результаты теста Йохансена для пары Y–X3
|
Базовая гипотеза
|
trace, 5%
|
Крит. значение
|
Интерпретация
|
Ранг коинтеграции
|
p-value
|
Интерпретация
|
|
r = 0
|
16,0942
|
15,4943
|
отвергаем H₀
|
r = 0
|
0,0341
|
Между Y и X3 присутствует одно
коинтеграционное соотношение
|
|
r ≤ 1
|
0,1636
|
3,8415
|
не отвергаем H₀
|
r = 1
|
0,0706
|
Таблица 6. Результаты VECM для пары Y–X3
|
Пара
|
Коинтеграция (r=1)
|
Долгосрочный
коэффициент (β)
|
Скорость
корректировки Y (α)
|
Скорость
корректировки Х3 (α)
|
Интерпретация
|
|
Y – X3
|
Да
|
-4,7835
|
-0,948
|
-0,055
|
Обратная зависимость, долгосрочное равновесие, быстрая
коррекция
|
В результате анализа выявлена долгосрочная коинтеграционная связь между Y и X3. Переменная Х3 является предиктором Y не только в краткосрочном, но и в долгосрочном периоде. То есть в модели X3 - ведущая переменная, которая определяет траекторию развития системы в целом на долгосрочном горизонте, а Y, будучи корректирующей переменной, лишь сглаживает краткосрочные отклонения от этой траектории.
Таким образом, по паре Y – X2 (индекс продовольственной безопасности - энерговооруженность труда) результаты анализа позволяют сделать вывод лишь о краткосрочным характере взаимосвязи. То есть в текущем периоде повышение энерговооруженности способствует росту продовольственной безопасности, что в свою очередь создает условия для дальнейшего наращивания энергетических мощностей.
Наиболее сильная связь обнаружена по паре Y – X3 (индекс продовольственной безопасности - индекс списания сельскохозяйственной техники). Долгосрочный коэффициент β очень существенный, то есть повышение интенсивности списания сельхозтехники на 1% снижает индекс продовольственной безопасности на 4,78%. Высокая скорость корректировки Y (α) = (− 0,948) означает, что почти 95% отклонения от равновесия устраняется за один период. При этом X3 не сильно реагирует на дисбаланс Х (α) = (− 0,055). Это указывает на то, что индекс продовольственной безопасности выступает «ведомой» переменной, то есть он быстро подстраивается под изменения интенсивности списания техники. Это может отражать критическую зависимость продовольственной безопасности от состояния парка сельхозтехники и соответственно от скорости технологической модернизации.
Отсутствие взаимосвязи по инвестициям (X1), приобретению техники (X4) и степенью нагрузки на сельхозтехнику (Х5, Х6) свидетельствует о том, что сами по себе эти показатели не формируют существенного влияния или долгосрочного равновесия с продовольственной безопасностью. Фактически это говорит о том, что вклад данных показателей в продовольственную безопасность проявляется лишь опосредованно или с сильным запаздыванием. Мы полагаем, что выявленные тенденции отражают недостаточно эффективное использование части инвестиций, в том числе их распределение на нематериальные статьи затрат, например, на восполнение кадрового потенциала в АПК. Следовательно, решающее значение имеет не объем финансирования, а его характер, структура, сроки освоения и строгое соблюдение целевого назначения инвестиций.
Выводы
Полученные результаты позволяют сделать ряд содержательных выводов о механизмах влияния цифровой трансформации и технологической модернизации на продовольственную безопасность России.
Во-первых, энерговооруженность труда образует устойчивую положительную связь с продовольственной безопасностью в краткосрочном периоде. Этот вывод подтверждает важность поддержания и повышения уровня технической оснащенности сельхозпроизводства.
Во-вторых, среди всех рассмотренных факторов наиболее сильное и быстрое воздействие оказывает динамика списания техники (X3). Коэффициент корректировки α = – 0,948 означает, что отклонения индекса продовольственной безопасности от равновесного уровня, связанные со списанием техники и оборудования, исправляются почти полностью в течение года. Это свидетельствует о недостаточной инерционности российской технологической базы АПК: выбытие техники быстро сказывается на результатах производственной безопасности.
Сделан общий вывод, что наиболее значимым фактором, определяющим уровень продовольственной безопасности выступает не текущая оснащенность и не объем вложений сами по себе, а сбалансированность процессов обновления и выбытия техники. Высокая скорость списания техники при недостаточном ее пополнении или критическом уровне износа резко снижает производственный потенциал аграрного сектора. Краткосрочная связь энерговооруженности с продовольственной безопасностью подтверждает правильность курса на повышение технического уровня сельскохозяйственного производства и указывает на инерционность фондовооруженности. Отсутствие коинтеграции по инвестициям, индексу приобретения сельхозтехники и степенью нагрузки на нее - важный сигнал для государственной аграрной политики, что нужно не просто наращивать объемы поддержки, а обеспечивать их целевой характер, синхронизировать с реальными потребностями производства и устранять административные барьеры, тормозящие обновление парка сельхозтехники.
Таким образом, подтверждается, что технологическая модернизация АПК оказывает значимое положительное влияние на уровень продовольственной безопасности страны, а наиболее существенный вклад вносит динамика обновления материально-технической базы.
В данном исследовании имеются ограничения. Парный коинтеграционный анализ не позволяет учесть одновременное взаимодействие всех факторов. Поэтому дальнейшие исследования предполагают переход к многомерной модели векторной коррекции ошибок (VECM) и включение по мере накопления статистических данных дополнительных переменных, характеризующих цифровую трансформацию (доля сельхозпредприятий, использующих геоинформационные системы, интернет вещей, анализ больших данных, ИИ в управлении технологическими процессами).
Практическая значимость работы заключается в обосновании приоритетов технологической модернизации АПК: государственная поддержка должна быть переориентирована с объективно-критериального финансирования приобретения техники на создание условий для ее воспроизводства, опережающего сокращения списания и повышения энерговооруженности, что в конечном счете согласно анализу даст наибольший прирост уровня продовольственной безопасности в долгосрочной перспективе. Цифровая трансформация, особенно в части мониторинга состояния парка техники и прогнозирования его выбытия, должна стать неотъемлемой частью этой стратегии.
[1] Указ Президента РФ от 21.01.2020 № 20 (ред. от 10.03.2025) «Об утверждении Доктрины продовольственной безопасности Российской Федерации» // Консультант Плюс. – [Электронный ресурс]. – Режим доступа: https://www.consultant.ru/document/cons_doc_LAW_343386/ (дата обращения: 01.05.2026).
[2] Указ Президента РФ от 07.05.2024 № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года» // Гарант.Ру. – [Электронный ресурс]. – Режим доступа: https://www.garant.ru/products/ipo/prime/doc/408892634/ (дата обращения: 01.05.2026).
[3] Паспорт Национального проекта «Технологическое обеспечение продовольственной безопасности» // . – [Электронный ресурс]. – Режим доступа: https://mininvest.novreg.ru/upload/medialibrary/5dd/dgedoclxy5dsychpegz15qiggb9vsyi3/20250321_np_tekhnologicheskoe_obespechenie_prodovolstvennoi_bezopasnosti.pdf (дата обращения: 01.05.2026).
[4] Распоряжение Правительства РФ от 6 марта 2026 г. № 436-р «Изменения, которые вносятся в стратегическое направление в области цифровой трансформации отраслей агропромышленного и рыбохозяйственного комплексов Российской Федерации на период до 2030 года». – [Электронный ресурс]. – Режим доступа: http://static.government.ru/media/files/TfqG2DhKVDKQUBWiwSJgG5WVUsWZ5tDj.pdf (дата обращения: 01.05.2026).
[5] Зерно, включая хлеб, крупы и макаронные изделия – 15%; мясо и мясопродукты – 25%; молоко и молокопродукты – 20%; овощи и бахчевые – 10%; яйца, рыба, картофель, фрукты и ягоды – каждый по 5%.
[6] Зерно, картофель – каждый по 95%; молоко и молокопродукты, овощи и бахчевые – каждый по 90%; мясо и мясопродукты, яйца, рыба – каждый по 85%; фрукты и ягоды – 60%.
Источники:
2. Бабанская А.С., Егоров А.А. Возможности ESG трансформации для целей развития машинно-тракторного парка сельскохозяйственных организаций // Вестник аграрной науки. – 2024. – № 4(109). – c. 89-97. – doi: 10.17238/issn2587-666X.2024.4.89.
3. Банников С.А., Гарбузова Т.Г., Ковалева Т.Н. Сущность и этапы цифровой трансформации в АПК // Вестник НГИЭИ. – 2023. – № 11(150). – c. 65-76. – doi: 10.24412/2227-9407-2023-11-65-76.
4. Трухачев В.И., Хоружий Л.И., Алексанов Д.С., Анисимова А.В., Артюхова Н.С., Астраханцева Е.Ю., Ашмарина Т.И. и др. Зеленая экономика в контексте устойчивого развития агропромышленного комплекса. / Коллективная монография В 2 томах / Том 1: Социально-экономические тенденции и информационно-аналитические инструменты развития АПК России в условиях зеленой экономики. - Москва: Ай Пи Ар Медиа, 2023. – 564 c.
5. Монахов С.В., Уколова Н.В. Цифровая трансформация трансфера технологий в сельском хозяйстве: создание и использование цифровых платформ // АПК: Экономика, управление. – 2022. – № 6. – c. 25-32. – doi: 10.33305/226-23.
6. Стельмашонок Е.В., Стельмашонок В.Л. Цифровая трансформация агропромышленного комплекса: анализ перспектив // Siberian Journal of Life Sciences and Agriculture. – 2021. – № 2. – c. 336-365. – doi: 10.12731/2658-6649-2021-13-2-336-365.
7. Торженова Т.В., Мамонов Р.А., Терентьев А.С. Основные приоритеты в обеспечении продовольственной безопасности России // Russian Journal of Management. – 2025. – № 4. – c. 50-56. – doi: https://doi.org/10.29039/2500-1469-2025-13-4-50-56..
8. Шадрина Ж.А., Точилова А.Н. Цифровая трансформация предприятий агропромышленного комплекса // Фундаментальные исследования. – 2025. – № 10. – c. 113-118. – doi: 10.17513/fr.43924.
9. Astanakulov K., Tatarintsev V.L., Nuriddinov Ja., Mukumova F., Allaberdiyeva K., Suyunova Z. Technological modernisation of the Russian agro-industrial complex // Agriculture and Food Security: Technology, Innovation, Markets, Human Resources” (FIES 2024): BIO Web of Conferences. Том 161. Kazan, 2025. – p. 00049.– doi: 10.1051/bioconf/202516100049.
10. Das S., Kamal А. Exploring Agriculture 4.0: a systematic review of digital innovations in the agricultural sector // Asian Journal of Agricultural Extension, Economics & Sociology. – 2025. – № 7. – p. 30–38. – doi: 10.9734/ajaees/2025/v43i72785.
11. Jagtap S., Raut R., Dani S. Advancing the digital frontier in agri‐food supply chains // International Journal of Food Science & Technology. – 2024. – № 5. – p. 3433-3435. – doi: 10.1111/ijfs.17091.
12. Food industry sustainability through digitalization: a systematic review // Akademika. – 2025. – № 3. – doi: 10.17576/akad-2025-9503-13.
13. Suldina O. V., Akamova N. V., Burkanov V. E. Chapter 22: The Role of Digitalization of Agricultural Cooperation in Increasing Industry Efficiency in the Context of Ensuring Food Security in Russia. / In book: The Role of Entrepreneurship in Resolving Modern Global Economic Problems. - Singapore: World Scientific Publishing, 2026. – 221-230 p.
Страница обновлена: 12.09.2026 в 17:46:34
The impact of technological modernization of the agricultural industry on Russia's food security
Babanskaya A.S.Journal paper
Food Policy and Security
Volume 13, Number 3 (July-september 2026)
Abstract:
The article quantitatively assesses how technological modernization of the agricultural industry influences Russia's ability to ensure its own food security. Given external constraints, this relationship has practical implications for adjusting agricultural policy and improving the effectiveness of modernization and digitalization programs in the agricultural industry. The study aims to substantiate quantitatively the relationship between the level of food security in the Russian Federation and individual technological factors in the development of the agricultural industry. The hypothesis suggests that the decisive factor is not the current level of machinery and equipment in agricultural production but the intensity of renewal of the material and technical base. The methodological approach employs cointegration analysis, which allows to distinguish between short-term dynamics and long-term trends. The empirical sample was compiled using Rosstat data and industry reviews from 2000 to 2024. The calculations substantiate the conclusion that the level of food security in the long term depends on the balance between equipment decommissioning and the intensity of technological modernization.
If an increase in the energy endowment of workers yields a rapid but short-lived effect, then asset retirement and disposal processes become decisive over a time horizon of several years. A high correction factor indicates a rapid response of food security to changes in the rate of equipment decommissioning, signaling the industry's high vulnerability to fixed asset wear and tear and a lack of sufficient safety margins. The main substantive conclusion of the study is that the total investment volume and even the current level of agricultural equipment are secondary to the balance between the introduction of new equipment and the disposal of old equipment. The practical significance of the study lies in its justification for reorienting state support.
Instead of object-based procurement financing, it is advisable to stimulate the advanced reproduction of equipment and reduce the load on depreciated assets. Digital tools for monitoring the condition of agricultural machinery can become the basis for predicting replacement risks and timely adjustments to agricultural policy to ensure the country's food security.
Keywords: technology, modernization, digitalization, food, food security, agricultural industry
Funding:
JEL-classification: Q18, Q16, O33
References:
Food industry sustainability through digitalization: a systematic review (2025). Akademika. 95 (3). doi: 10.17576/akad-2025-9503-13.
Astanakulov K., Tatarintsev V.L., Nuriddinov Ja., Mukumova F., Allaberdiyeva K., Suyunova Z. (2025). Technological modernisation of the Russian agro-industrial complex Agriculture and Food Security: Technology, Innovation, Markets, Human Resources” (FIES 2024). 00049. doi: 10.1051/bioconf/202516100049.
Avarskiy N.D., Melnikov A.B. (2026). The Implementation of Smart Farming Technologies as a Factor in Ensuring Food Security. Ekonomicheskaya politika i natsionalnaya bezopasnost. (1(3)). 29-42.
Babanskaya A.S., Egorov A.A. (2024). Opportunities of ESG Transformation for the Goals of Developing Machine and Tractor Fleet of Agricultural Organizations. Vestnik agrarnoy nauki. (4(109)). 89-97. doi: 10.17238/issn2587-666X.2024.4.89.
Bannikov S.A., Garbuzova T.G., Kovaleva T.N. (2023). Essence and Stages of Digital Transformation in the Agro-Industrial Complex. Vestnik NGIEI. (11(150)). 65-76. doi: 10.24412/2227-9407-2023-11-65-76.
Das S., Kamal A. (2025). Exploring Agriculture 4.0: a systematic review of digital innovations in the agricultural sector Asian Journal of Agricultural Extension, Economics & Sociology. 43 (7). 30–38. doi: 10.9734/ajaees/2025/v43i72785.
Jagtap S., Raut R., Dani S. (2024). Advancing the digital frontier in agri‐food supply chains International Journal of Food Science & Technology. 59 (5). 3433-3435. doi: 10.1111/ijfs.17091.
Monakhov S.V., Ukolova N.V. (2022). Digital Transformation of Technology Transfer in Agriculture: Creation and Use of Digital Platforms. APK: Ekonomika, upravlenie. (6). 25-32. doi: 10.33305/226-23.
Shadrina Zh.A., Tochilova A.N. (2025). Digital Transformation of Agro-industrial Complex Enterprises. Fundamentalnye issledovaniya. (10). 113-118. doi: 10.17513/fr.43924.
Stelmashonok E.V., Stelmashonok V.L. (2021). Digital transformation of the agro-industrial complex: an analysis of prospects. Siberian Journal of Life Sciences and Agriculture. 13 (2). 336-365. doi: 10.12731/2658-6649-2021-13-2-336-365.
Suldina O. V., Akamova N. V., Burkanov V. E. (2026). Chapter 22: The Role of Digitalization of Agricultural Cooperation in Increasing Industry Efficiency in the Context of Ensuring Food Security in Russia Singapore: World Scientific Publishing.
Torzhenova T.V., Mamonov R.A., Terentev A.S. (2025). Main Priorities in Ensuring Food Security of Russia. Russian Journal of Management. 13 (4). 50-56. doi: https://doi.org/10.29039/2500-1469-2025-13-4-50-56..
Trukhachev V.I., Khoruzhiy L.I., Aleksanov D.S., Anisimova A.V., Artyukhova N.S., Astrakhantseva E.Yu., Ashmarina T.I. i dr. (2023). Green economy in the context of sustainable development of the agro-industrial complex Moscow: Ay Pi Ar Media.