анализ и оценка взаимосвязи между приростом ВРП и социально-экономическими показателями регионов Р

Результаты представлены на рисунке 5.Рис. 5. Модель с детерминированными эффектамиСогласно показателю R-sqwithin, равному 0,1985межиндивидуальные различия проявляются слабо. Статистически значимыми являются коэффициенты при переменныхINV, FIX_ASиWAG. Выполним построение модели с детерминированными эффектами, исключив не значимые факторы (рисунок 6).Рис. 6. Модель с детерминированными эффектами после исключения переменныхКачество модели, по-прежнему на низком уровне, коэффициенты при переменных статистически значимы.Выполним оценку модели со случайными эффектами (рисунок 7).Рис. 7. Модель регрессии со случайными эффектамиВ модели со случайными эффектами оценка качества подгонки выполняется на основе значение статистики Вальда - Wald chi2(2), которая демонстрирует умеренное качество модели (Wald chi2(2)=26,48). Кроме того, о возможности использования данного вида модели для отражения взаимосвязи показателей свидетельствует показатель corr(u_i,X)= 0(assumed), который отражает отсутствие корреляции регрессора с ненаблюдаемыми случайными эффектами. Таким образом, оценки модели окажутся состоятельны.Статистически значимыми являются коэффициенты при переменных INVи WAG. Выполним построение модели со случайными эффектами на основе указанных факторов (рисунок 8).Рис. 8. Модель регрессии со случайными эффектами после исключения переменныхАнализ показывает, что коэффициенты при переменных статистически значимы, но наблюдается некоторое снижение показателя статистики Вальда.Выполним сравнительный анализ полученных моделей для выбора наиболее адекватной из них исходным данным. Анализ показывает, что модель «between»-регрессии не целесообразно использовать для оценки взаимосвязи показателей в виду ее низкого качества и статистической не значимости коэффициентов при переменных. В рамках построения модели с фиксированными (детерминированными) эффектами автоматически выполняется проверка гипотезы о равенстве нулю всех индивидуальных эффектов. Результаты проверки отражены в последней строке модели (рисунок 9).Рис. 9. Результаты теста ВальдаВ виду того, что , то гипотеза принимается. Модель с фиксированными эффектами не является качественной.Выполним сравнение регрессионной модели со случайными эффектами со сквозной регрессией на основе теста Бройша-Пагана. Результаты представлены на рисунке 10.Рис. 10. Результаты теста Бройша-ПаганаВ виду того, что , то гипотеза отвергается. Таким образом, модель со случайными эффектами также не целесообразно использовать для оценки взаимосвязи показателей.Таким образом, ни одна из построенных моделей на основе панельных данных не отражает адекватно влияние социально-экономических показателей на темп прироста ВРП регионов Центрального федерального округа. В рамках исследования целесообразно рассмотреть возможность оценки влияния социально-экономических показателей на основе моделей парной и множественной регрессии для регионов исследуемой группы.2.3 Итоговый вариант моделиДля окончательного выбора вида цифровых моделей, характеризующих уровень социально-экономического развития региональных субъектов, было осуществлено построение комплекса моделей парной и множественной регрессии и осуществлен анализ их качества. Методика поэтапного эконометрического исследования и анализа качества регрессий рассмотрена в [11, 12]. Результаты расчетов представлены в табл. 2.Таблица 2 - Эконометрические модели социально-экономического развития регионов ЦФОРегиональный субъектУравнение и характеристики моделейМножественная / парная регрессииR-квадратF-критерийБелгородская областьY = 0,621058*X3 + 3926593,98*X5 – 475127268,50,98058303,0556Y= 0,591651*X3 – 30778109,830,97649540,0228Воронежская областьY = 2,785443*X1 – 191124,201*X2 + 553495,7963*X3 + 185302035,80,99252486,8217Y = 2,8112207*X1 + 38983964,60,992181649,481Липецкая областьY = 0,388622134*X3 – 750362,8666*X5 + 90219907,430,95941141,8512Y = 0,393555925*X3 ++ 9247423,840,95749292,8106Тверская областьY = 0,331994877*X3 – 290912,7735*X5 + 7728815,4030,98508396,3141Y = 0,333637103*X3 – 23297585,630,98331826,1074Тульская областьY = 0,540231563*X3 – 592835,813*X5 + 13120796,130,98052301,9938Y = 0,536474505*X3 – 48511856,30,97960624,3649Ярославская областьY = 0,387689944*X3 + 1337912,2638*X5 – 18769495,20,95134117,3188Y = 0,385467563*X3 – 48074781,30,94620228,6786По итогам расчетов можно сделать следующие выводы:– оценка качества построенных уравнений парных и множественных регрессий, осуществленная с помощью критерия R-квадрат, показала высокое значение данного критерия и, следовательно, высокое качество уравнений;– все уравнения признаны статистически значимыми по F-критерию Фишера, следовательно, могут быть использованы для анализа и прогнозирования тенденций социально-экономического развития регионов;– для определения динамики развития валового регионального продукта возможно использование как уравнений множественной, так и парной регрессий, но, ввиду того, что математический аппарат количественных вычислений по модели парной регрессии проще, целесообразно использование уравнений парной регрессии.Для большинства региональных субъектов по результатам исследования ведущим фактором, определяющим уровень развития экономики региона, является стоимость основных фондов (фактор Х3), причем уровень влияния данного фактора в зависимости от региона колеблется в интервале от 0,333637103 (Тверская область) до 0,591651 (Белгородская область). Осуществляя анализ коэффициента регрессии при ведущих факторах в уравнениях парных регрессий для региональных субъектов, можно сделать вывод, что при увеличении среднего значения стоимости основных фондов на 1 тысячу рублей величина валового регионального продукта увеличится для:Белгородской области на 0,591651125 тыс. руб., Липецкой области – на 0,393555925 тыс. руб., Тверской области – на 0,333637103 тыс. руб., Тульской области – на 0,536474505 тыс. руб., Ярославской области – на 0,385467563 тыс. руб. Для Воронежской области по результатам математических расчетов ведущим фактором признан объем инвестиций в основной капитал (фактор Х1), хотя влияние стоимости основных фондов (Х3) сопоставимо с влиянием объема инвестиций в основной капитал.Глава 3. Анализ и моделирование на основе полученной моделиНа основе представленных во второй главе данного исследования моделей парных регрессий были построены точечные прогнозы ВРП исследуемых регионов на перспективный период. Для этого был осуществлен трендовый анализ ведущих факторов, отраженных в уравнениях парных регрессий для каждого региона, построен прогноз величины факторного признака для каждого региона и рассчитаны точечные прогнозы валового регионального продукта для региональных субъектов ЦФО (табл. 3).Таблица 3 - Прогноз ВРП региональных субъектов ЦФО на 2020 год Региональный субъектУравнение МПРПрогнозное значение ведущего фактораПрогнозное значение ВРП, тыс. рубБелгородская областьY = 0,591651*X3–30778109,831 232 985 924698 719 399Воронежская областьY = 2,8112207*X1 + 38983964,6257 210 838762 060 411Липецкая областьY = 0,393555925*X3 + 9247423,841 060 196 981426 494 227Тверская областьY = 0,333637103*X3 – 23297585,631 138 386 390356 510 352Тульская областьY = 0,536474505*X3 – 48511856,3913 830 029441 734 656Ярославская областьY = 0,385467563*X3 – 48074781,31 224 052 390423 757 711Таким образом, нами был составлен прогноз ВРП рассматриваемых регионов на 2020 год. Для оценки данного прогноза можно представить сравнительные данные, представленные в стратегии развития ЦФО до 2020 года (см. таблицу 4).Таблица 4 – Прогноз ВРП областей ЦФО на 2020 годРегиональный субъектПрогнозное значение ВРП, рассчитанное, тыс. руб.Прогнозное значение согласно СтратегииОтклонение расчетного и стратегического показателя, тыс. руб.Белгородская область698 719 39945 411 200 00044712480601Воронежская область762 060 41116 955 000 00016192939589Липецкая область426 494 2271 030 300 000603805773Тверская область356 510 352880 000 000523489648Тульская область441 734 656742 400 000300665344Ярославская область423 757 711639 100 000215342289Таким образом, расчет по разработанной модели показал результаты значительно ниже прогнозных данных, представленных в стратегии развития региона на период до 2020 года. Такой разрыв между представленными показателями можно объяснить тем, что использованные стратегические показатели были рассчитаны в 2010 году, соответственно не имеют поправок с учетом текущей экономической ситуации. Таким образом, можно сделать вывод о необходимости регулярного статистического и эконометрического анализа текущей экономической ситуации и социально-экономических факторов, которые оказывают влияние на динамику ВРП. Это необходимо для регулярной корректировки стратегического курса как отдельных регионов России, так и всей национальной экономики в целом.По результатам осуществленного исследования можно сказать следующее: трендовый анализ валового регионального продукта исследуемых регионов имеет устойчивую положительную тенденцию, однако темпы цепного прироста ВРП замедляются в интервале анализа. Это свидетельствует о необходимости детального анализа показателей социально-экономического развития регионов и вскрытия внутренних резервов в развитии экономики регионов. В ходе исследования осуществлено выявление и анализ тесноты взаимосвязи между основными региональными показателями, построены уравнения парных и множественных регрессий зависимости ВРП от ряда показателей, характеризующих уровень социально-экономического развития региона. Полученные данные могут быть использованы как для оперативного управления экономикой региона, так и при определении стратегии развития региона, выявляя наиболее актуальные направления развития региональных субъектов, таких как создание территорий инновационного развития, индустриальных парков, центров кластерного развития, социальной инфраструктуры.ЗАКЛЮЧЕНИЕТаким образом, проведенное исследование позволило сделать следующие выводы согласно поставленным в начале работы задачам.В качестве изучаемой предметной области рассматривается валовой региональный продукт (ВРП) и социально-экономические показатели регионов РФ. Социально-экономическое развитие представляет собой расширенное воспроизводство, постепенные структурные и качественные изменения в экономике, производственных силах, факторах роста и развития, науки, образования, культуры, качества и уровня жизни общества, человеческого капитала. Для него характерно воспроизводство общественных систем и прогрессивная направленность. Социально-экономическое развитие состоит из развития общественных отношений, именно поэтому имеет различный вид своего становления.Планирование развития экономики в регионе – непрерывный процесс, который задает ориентиры для принятия различных решений. Оценка эффективности проведенного планирования является интегрированный показатель – валовой региональный продукт (ВРП).Валовой региональный продукт (ВРП) отражает уровень экономического развития региона и характеризует региональный процесс производства товаров и услуг. ВРП измеряет валовую добавленную стоимость (ВДС) товаров и услуг, созданных всеми институциональными единицами-резидентами на экономической территории региона. В Российской Федерации насчитывается 85 субъектов федерации и их вклад в развитие национальной экономики не одинаков. Следовательно, сравнительный анализ экономического развития регионов и прогноз их эволюции являются на данный момент актуальными задачами науки и практики Российской Федерации. Для проведения сравнительного анализа, а также для оценки влияния различных социально-экономических факторов на динамику ВРП была разработана эконометрическая модель.По результатам осуществленного исследования можно сказать следующее: трендовый анализ валового регионального продукта исследуемых регионов имеет устойчивую положительную тенденцию, однако темпы цепного прироста ВРП замедляются в интервале анализа. Это свидетельствует о необходимости детального анализа показателей социально-экономического развития регионов и вскрытия внутренних резервов в развитии экономики регионов. В ходе исследования осуществлено выявление и анализ тесноты взаимосвязи между основными региональными показателями, построены уравнения парных и множественных регрессий зависимости ВРП от ряда показателей, характеризующих уровень социально-экономического развития региона. Полученные данные могут быть использованы как для оперативного управления экономикой региона, так и при определении стратегии развития региона, выявляя наиболее актуальные направления развития региональных субъектов, таких как создание территорий инновационного развития, индустриальных парков, центров кластерного развития, социальной инфраструктуры.В заключение необходимо отметить, что моделирование региональных социально-экономических процессов требует комплексного системного подхода с учетом информационных, институциональных, синергетических, логистических, межотраслевых и других аспектов развития современной экономики.СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВАбу Х., Орлова И.В. Сравнительный эконометрический анализ величины валового регионального продукта в регионах Российской Федерации // Современные наукоемкие технологии. – 2014. – № 7–1. – С. 9–10. Гусарова О.М. Эконометрический анализ статистической взаимосвязи показателей социально-экономического развития России // Фундаментальные исследования. – 2016. – № 2–2. – С. 357–361. Гусарова О.М., Кузьменкова В.Д. Моделирование и анализ тенденций развития региональной экономики // Фундаментальные исследования. – 2016. – № 3–2. – С. 354–359.Гутман Г.В., Мироедов А.А., Федин С.В. Управление региональной экономикой /Под ред. Г.В. Гутмана. М.: Финансы и статистика, 2011. Жирков А.М. Математическое моделирование систем и процессов: учебное пособие / А.М. Жирков, Г.М. Подопригора, М.Р. Цуцунава. – СПб.: Лань КПТ, 2016. – 192 c. Исмиханов З.Н. Моделирование социально-экономического развития региона на основе когнитивного подхода // Бизнес-информатика. – 2015. – № 2–32. – С. 59–66. История экономических учений: учеб.пособие / под ред. В. Автономова, О. Ананьина, Н. Макашевой. М.: ИНФРА, 2003. 331с. Комаров П.И. Использование имитационного моделирования для проектирования структуры производства // Вектор науки Тольятинского государственного университета. – 2013. – № 3–14. – С. 44–46. Кудымов В.М. Взаимосвязь социально-экономических процессов с показателем валового регионального продукта // Экономический анализ: теория и практика. 2017. №24 (105). С.37-47 Михайлов В.В., Саркисян В.В. Анализ многомерной факторной модели ВРП и отраслевых моделей зависимости ВРП и финансовых результатов от инвестиционной и производственной активности /под ред. А.Г. Гранбера // Аваль. Экономика. 2018. №4 (Окт.-дек.). С. 15-21Мурашов А.Г. О стратегии социально-экономического развития регионов (на примере Центрального федерального округа) / А.Г. Мурашов // Вестник государственного и муниципального управления. – 2016. – № 2. – С. 44–60. Орлова И.В. Эконометрика: учебно-методическое пособие / В.А. Половников, Е.С. Филонова, О.М. Гусарова [и др.]. – М.: ВЗФЭИ, 2015. – 123 с.Орлова И.В., Турундаевский В.Б. Многомерный статистический анализ при исследовании экономических процессов. – М.: Юнити, 2016. – 326 с. Официальный сайт Федеральной службы государственной статистики [Электронный ресурс]. – URL: http:// www.gks.ru (дата обращения: 27.06.2018).Проблемы прогнозирования и сценарного моделирования социально-экономического развития территориальных систем: сб. науч. тр. / Институт экономики УрО РАН [под ред. д.э.н. Лавриковой Ю.Г.]. – Екатеринбург: Изд-во Институт экономики УрО РАН, 2012. – 312 с. Тейлор Ф.У. Принципы научного менеджмента [Электронный ресурс]. URL: http://books.efaculty.kiev.ua/men/5/ (дата обращения 12.05.2017).Турундаевский В.Б. Компьютерное моделирование экономико-математических методов // Международный журнал прикладных и фундаментальных исследований. – 2014. – № 1–2. – С. 229–230.Харченко М.А. Корреляционный анализ: Учебное пособие для вузов. – Воронеж: Изд-во ВГУ, 2018. – 31 с.