CC BY
84
АЛЬТЕРНАТИВНЫЕ МЕТОДЫ МОНИТОРИНГА ДИНАМИКИ ПРОМЫШЛЕННОГО ПРОИЗВОДСТВА
В статье рассматриваются методологические допущения, влияющие на точность оперативных данных официальной статистики и ограничивающие возможность ее применения для оперативного мониторинга ситуации в промышленности. Предложена методология расчета альтернативных индексов промышленного производства на основе данных об электропотреблении и погрузках на железнодорожном транспорте.
Актуальность и предпосылки разработки методологии построения альтернативных официальной статистике индексов. В работе, связанной с использованием данных официальной статистики, характеризующих ситуацию в промышленности, исследователь сталкивается с четырьмя группами проблем: 1) необходимостью уточнения данных; 2) нерепрезентативностью данных в связи с формированием выборок предприятий и товаров, по которым производится расчет; 3) искажением данных, связанным с длительным производственным циклом отдельных видов промышленной продукции; 4) корректировкой данных на неформальную деятельность.
Уточнение данных. Поэтапная обработка статистических данных, получаемых от предприятий, приводит к тому, что оперативные данные могут существенно отличаться от уточненных, причем не только по отдельным статистическим категориям, но и по основным макроэкономическим показателям. В период 2002-2008 гг. средняя ошибка при уточнении индекса промышленного производства (ИПП) составляла 1,2 проц. п. при среднем значении индекса 5,4% (рис. 1 [1]).
% к предыдущему году
8
3 -
т
-2~ % % % % % % %
Год
Рис. 1. Индекс промышленного производства Росстата по оперативным (Ц ) и уточненным (и ) данным
В 2006 г. при оперативном значении индекса 3,9% уточненное составило 6,3%, а по отдельным видам деятельности и по отдельным месяцам уточнение привело даже к противоположным результатам - падение сменилось ростом. Оперативный показатель публикуется в следующем месяце, уточненный - обычно через год. Временным лагом в один год при возможной кратной переоценке значений обу-
словливается несостоятельность использования информации о динамике промышленного производства в текущей работе экспертов.
Выборка. Основная причина уточнения данных состоит в том, что их расчет производится на основе выборок предприятий и товаров. Выборка предприятий формируется по объему производства. Оперативные индексы рассчитываются только по крупным и средним предприятиям, по малым предприятиям используются оценки. Выборка товаров формируется по «корзине» товаров-представителей из 800 товарных позиций исходя из предположения, что один или несколько выбранных товаров характеризуют динамику производства по виду деятельности в целом. Анализ «корзины» товаров-представителей показывает нерепрезентативность некоторых сопоставлений «товар-вид деятельности». Например, в числе товаров-представителей отсутствует продукция судостроения (за исключением спортивных и прогулочных судов); раздел Е «Производство и распределение электроэнергии, газа и воды» представлен только элек-тро- и теплоэнергией, а значит, не учитывает увеличения влияния газораспределения вследствие газификации регионов; категория ламп включает только лампы накаливания, розничная продажа которых уже частично запрещена, и не включает ни одного вида энергоэффективных ламп; категория спортивного оборудования отслеживается только по лыжам. Существует огромное количество и других примеров.
Продукция с длительным производственным циклом. Мониторинг ежемесячных данных промышленного производства может сильно искажаться в результате длительного цикла производства отдельных видов продукции.
Наиболее яркий пример - производство турбин. Крупные турбины - единичный товар, их производство может занимать более года, поэтому календарный месяц их сдачи в эксплуатацию всегда сопровождается «скачком» общеотраслевых индексов. Так, на декабрь 2010 г. пришлась треть годового производства турбин, и из 4,3% прироста ИПП к ноябрю 2010 г. 0,8 проц. п. было обеспечено 8-кратным ростом за этот период производства турбин. Это очень высокие значения искажений, связанных с отраслью, которая за весь 2010 г. обеспечила только 0,3% промышленного производства (рис. 2 [1]).
МВт
Рис. 2. Производство турбин в России в 2009-2010 гг.
Неформальная деятельность. Вся продукция, о производстве которой не известно налоговым органам, не отражается в статистических формах Росстата. Это касается и деятельности физических лиц (производство товаров в домашних хозяй-
ствах и предпринимательская деятельность без образования юридических лиц), и скрываемых объемов выпуска продукции.
В статистической отчетности Росстата дается примечание, что поправки на неформальную деятельность осуществляются на основе косвенных и экспертных оценок. Корректировка статистических данных проводится следующим образом: касающихся деятельности физических лиц - на основе выборочного обследования домашних хозяйств; скрываемой продукции - на основе проверок налоговых органов. Если качественно проведенное выборочное обследование домашних хозяйств действительно может стать основой для экспертных оценок, то корректировка данных на неформальную деятельность на основе налоговых проверок не является надежным инструментом, и ее нельзя признать точной.
Методики оценки деятельности теневого сектора строятся на сравнении интегральных показателей, статистическая достоверность которых не вызывает сомнений. Они, например, включают:
- монетарные показатели1 (чем выше доля наличности в экономике, тем выше доля теневого сектора);
- показатели занятости (чем выше соотношение численности экономически активного населения и официально занятых в экономике, тем выше доля теневого сектора);
- показатели энергопотребления (так как в любой деятельности используется электроэнергия и другие топливно-энергетические ресурсы) [2].
Следует отметить, что ни один из этих показателей не используется Росстатом для корректировки статистики на неформальную деятельность.
Требования к исходной информации для построения альтернативных индексов. Описанные проблемы, постоянно возникающие при ежемесячном оперативном мониторинге состояния промышленности, стали предпосылкой для разработки альтернативных индексов. Существуют два принципиальных метода получения базовых макроэкономических показателей (в частности ИПП): 1) агрегирование первичной статистической информации, поступающей от предприятий («снизу»), и 2) корректный аналитический расчет на основе базовых интегральных достоверных показателей («сверху»). Первый способ расчета ИПП использует Росстат.
Экономика страны - взаимосвязанная система, поэтому существуют устойчивые корреляционные зависимости базовых макроэкономических показателей. Корректное нахождение этих зависимостей позволяет получить достоверные индикаторы развития промышленности. При построении индексов мы исходим из следующих требований к первичным данным: оперативность, достоверность, репрезентативность.
В качестве первичных были выбраны данные об электропотреблении и погрузке на железнодорожном транспорте.
Разработка индекса на основе данных об электропотреблении. Исходные данные и методологические принципы. Оперативность данных о производстве и потреблении электроэнергии - самая высокая среди всех отраслевых показателей. Данные Системного оператора ЕЭС России [3], осуществляющего диспетчеризацию энергосистемы, позволяют в режиме реального времени отслеживать изменение производства и потребления электроэнергии, частоту электрического тока.
Наличие единой централизованной диспетчеризации и систем учета электроэнергии не ставит под сомнение достоверность данных об электропотреблении.
Репрезентативность данных об электропотреблении для расчета индексов состояния промышленности обеспечивается тем, что электроэнергия используется в
1 Анализ отношения денежных агрегатов М0/М1, которое показывает долю наличных денег вне банковской системы, где М0 = наличные деньги в обращении, М\ = М0 + чеки, вклады до востребования.
любом производственном процессе. Но оперативными являются только данные об общем электропотреблении в стране и регионах, а не отдельно по категориям промышленных и непромышленных потребителей. Поэтому основная задача при построении ИПП на основе данных электропотребления - выделение среди всех факторов промышленного производства такого, который оказывает определяющее влияние на динамику электропотребления:
Э = /(П, х1з х2,..., хп),
где Э - электропотребление; П - объем промышленного производства; Х], х2, хп -прочие факторы динамики электропотребления.
При построении средне- и долгосрочных прогнозов электропотребления в Институте проблем естественных монополий (ИПЕМ) используется следующая модель:
Э = / (ВВП, Н, а),
где ВВП - объем ВВП, Н - численность населения, а - коэффициент эластичности изменения душевого электропотребления (Э/Н) при изменении душевого ВВП (ВВП/Н). (Коэффициент характеризует интенсивность (эффективность) потребления электроэнергии в экономике и зависит от структурных изменений в экономике, повышения качества жизни населения, тенденций энергосбережения и пр. [4].)
Долгосрочная модель Института, как и другие модели, построенные на взаимосвязях электроэнергетики и экономики, не подходит для выделения факторов динамики электропотребления в периодах, представляющих интерес для оперативного мониторинга (месяц, год). В краткосрочном периоде факторы, определяющие долгосрочные тенденции динамики электропотребления, имеют существенно меньшее значение. Поэтому для разработки индекса нами применялась методология краткосрочного прогнозирования электропотребления в электроэнергетике, используемая на практике при прогнозировании режимов энергосистем, - метод сезонных кривых [5]. Метод рассматривает электропотребление как функцию трех параметров:
Э = / (Баз, Сез, Пог),
где Баз - базовая составляющая, определяемая устойчивыми производственными циклами, суточной и недельной неравномерностью графика нагрузки; Сез - сезонная составляющая, определяемая сезонными колебаниями нагрузки в течение года. Эта составляющая обусловлена глубокими сезонными колебаниями метеорологических факторов - температуры и освещенности; Пог - погодная составляющая, определяемая нерегулярными колебаниями метеорологических факторов, т.е. отклонениями этих факторов от устойчивых сезонных циклов.
Эта функция является базовой в нашей модели расчета индекса. Рассмотрим основные проблемы, связанные с выделением каждого из этих факторов.
Доминирующий фактор динамики электропотребления - сезонность. К нарушению сезонной кривой электропотребления могут привести только такие сильнейшие экономические потрясения, как например, кризис 2008 г. (рис. 3 [1]). Поэтому построение регрессионной зависимости кажется на первый взгляд достаточно простой задачей. Однако в рамках оперативного мониторинга ситуации в промышленности ошибки при выделении доминирующего тренда могут сильно искажать результат.
Выделение влияния фактора сезонности на динамику электропотребления должно учитывать три особенности.
Первая - это наличие двух зависимых сдвинутых относительно друг друга кривых -сезонного изменения температуры и освещенности. Из-за изменения угла наклона земной оси к плоскости эклиптики интенсивность солнечного излучения варьирует в течение года, что влияет на сезонное изменение температуры наружного воздуха.
Млрд. кВт-ч
Рис. 3. Производство электроэнергии в России в 2000 (-А-), 2005 (-О-), 2008 (-----) и 2010 гг. (-)
Инерционность нагревания атмосферы приводит к тому, что кривые среднемесячных температур и освещенности сдвинуты относительно друг друга - максимум освещенности приходится на июнь, а температуры - на июль. Продолжительность дня и ночи определяет динамику электропотребления для освещения, изменение температуры наружного воздуха - динамику электропотребления для обогрева помещений.
Для построения регрессии были выбраны два параметра - среднемесячная температура в ОЭС России (по абсолютной шкале, °К) и общая продолжительность световых дней в месяце (в часах, для 56° с.ш.), рассчитанная по формуле:
L = 12 - (24/ п arcsin [tan ф tan у cos((n + 100)2п /365,25)]),
где L - длина светового дня, у - угол наклона оси вращения Земли к плоскости эклиптики (23,5°), ф - широта местности, n - число дней, прошедших с нового года [6] (рис. 4).
Час °К
Рис. 4. Сезонные кривые, использованные при построении индекса ИПЕМ:
---продолжительность ночи; -♦- среднемесячная температура
Вторая особенность - это изменение сезонной кривой температуры с появлением летнего максимума. Изменение динамики электропотребления от температуры характеризуется устойчивой обратной зависимостью с очень высокими параметрами коэффициента детерминации. Так, суточный прирост электропотребления в ОЭС России
в рабочий день на каждый градус снижения температуры наружного воздуха составляет 26,5 МВт-ч. Однако эта достаточно устойчивая зависимость начала изменяться. Летом 2010 г. были побиты «температурные рекорды», и сформировался устойчивый тренд роста электропотребления при высоких температурах. По данным [3], изменение зависимости динамики электропотребления от температуры (с обратной на прямую) происходит при увеличении среднесуточной температуры наружного воздуха выше (+17)-(+18)°С. Жара 2010 г. вынудила многие предприятия, офисы и домохозяйства установить системы кондиционирования воздуха, поэтому, по данным лета 2011 г., даже без температурных экстремумов можно наблюдать летний максимум электропотребления (рис. 5)2.
2006
2010
а)
б)
2011
МВт-ч
в)
Рис. 5. Зависимость суточного электропотребления в рабочие дни в ОЭС России от температуры в 2006 (а), 2010 (б) и январе-августе 2011 гг. (в)
Так как выборка на основе двухлетних наблюдений недостаточна для построения тренда к появлению летнего максимума электропотребления, в нашей модели эта тенденция учитывается в рамках не сезонных, а погодных факторов.
Наконец, третья особенность - наличие сезонности в производственной деятельности. Известны методики получения оперативных оценок состояния реаль-
Рассчитано по данным [3].
МВт-ч
МВт-ч
ного сектора на основе регрессионной зависимости электропотребления от факторов сезонности (при предположении, что «очищение» от сезонности дает представление о реальной динамике показателя). На наш взгляд, этот подход имеет недостатки. Промышленное производство может носить сезонный характер - снижение темпов добычи топливно-энергетических ископаемых в летний период в связи с сокращением спроса, ремонт предприятий в летний период (время отпусков), увеличение объемов производства отдельных видов продукции пищевой промышленности и пр. В основе сезонного сокращения (увеличения) спроса на отдельные товары и выбора летнего периода времени для ремонта предприятий, в сущности, лежат все те же факторы - освещенность и температура. Поэтому просто «очищение» электропотребления от факторов сезонности может быть некорректным. Это обусловило необходимость введения в регрессию параметра, характеризующего промышленное производство, который будет рассмотрен ниже.
Изменения температуры в течение года в рамках сезонных кривых мы рассматриваем как отражение сезонности. Погодные факторы - это существенное отклонение температуры от нормы, влияющее на электропотребление, например, похолодание в мае и сентябре в период отключения центрального отопления.
Учет погодных факторов на уровне ОЭС России не поддается простым решениям в рамках регрессионного анализа по следующим причинам: 1) рост электропотребления в этих случаях происходит нелинейно; 2) нелинейный рост электропотребления происходит при достижении определенных пороговых значений за период.
Наиболее значимое влияние погоды на электропотребление наблюдалось в январе-феврале 2006 г. На рис. 63 видно, что при температуре ниже (-15)°С дисперсия данных резко возросла (Я2 < 0,5), и даже если и происходит рост электропотребления, то его эластичность по снижению температуры замедляется.
Рис. 6. Зависимость суточного электропотребления в рабочие дни в ОЭС России от температуры зимой 2005-2006 гг.
Анализ данных за другие зимы не показывает нарушения линейной зависимости при температуре ниже (-15°С). Оно происходит при продолжительном похолодании. Аналогичная ситуация в мае и октябре - похолодание в период отключения отопления - может как повлиять на показатели электропотребления, так и не проявиться в рамках всей ОЭС России.
3 Рассчитано по данным [3].
Учет погодного фактора в нашей модели осуществляется следующим образом:
- введение в регрессию параметра отклонения месячной температуры от средней нормы;
- в случае серьезных погодных отклонений построение графиков зависимости электропотребления от температуры и моделирование ситуации с исключением аномальных периодов.
Необходимость введения в регрессию базовой составляющей обусловлена наличием в экономической деятельности сезонности, которую необходимо отделить от сезонности электропотребления. Доминирующее влияние промышленности на динамику электропотребления определяется ее долей в общем потреблении на уровне 55%, а если исключить потери в сетях, которые представляют собой постоянную долю электропотребления, - 61% (рис. У, В [1]).
Потери в сетях
Строительство
1%
хозяйство
2%
Рис. 7. Структура потребления электроэнергии в России, 2QQ9 г.
Промышленное производство, (2005 г. = 100)
Электропотребление, млрд. кВт-ч
Рис. В. Электропотребление (правая шкала) и промышленное производство, 1999-2Q1Q гг.: — производство; —О— электропотребление в России; —♦— электропотребление в промышленности
На долю населения приходится 12% общего электропотребления. Помимо сезонности динамику электропотребления определяют динамика численности населения и рост качества жизни, сопряженный с ростом обеспеченности бытовыми
приборами. В последние годы основным фактором роста бытового электропотребления выступает рост качества жизни населения (рис. 9 [1; 7]). Динамика бытового электропотребления характеризовалась в последние годы (за исключением 2008 г4) устойчивым трендом с ежегодным приростом 3,3%. Эту особенность можно учесть на основе введения поправочного коэффициента, однако в среднем воздействие этого фактора составляет не более 0,04% в месячном приросте электропотребления. Поэтому нами принята гипотеза о том, что динамика бытового электропотребления в течение года определяется факторами сезонности и погоды, а абсолютные приросты будут учитываться периодическим обновлением коэффициентов, получаемых в регрессионном анализе.
Млн. чел. Млрд. кВт-ч
Рис. 9. Электропотребление в быту (—) (правая шкала) и численность населения России (-)
Прочие виды деятельности, на которые приходится 11% электропотребления, включают в себя непроизводственные виды экономической деятельности. Для них используется та же гипотеза, что и при оценке динамики бытового энергопотребления.
На транспорт приходится 9% общего электропотребления. Основные потребители - железнодорожный и трубопроводный транспорт - являются базовыми потребителями электроэнергии с незначительными внутригодовыми флуктуациями (рис. 10, [1]). На железнодорожном транспорте доля пассажирских перевозок составляет только 5%. Динамика электропотребления на транспорте определяется объемами грузов, перевозимых по железной дороге, и нефти и газа, тран-портируемых по трубопроводу, т.е. связана с динамикой промышленного производства в стране.
Доля сельского хозяйства в электропотреблении составляет 2%, строительства -1%, их влияние на общие показатели невелико. К концу 2000-х годов потребление электроэнергии в сельском хозяйстве сократилось в 3,7 раза по отношению к 1990 г. Одной из причин является низкая платежеспособность отрасли, которая при подорожании электроэнергии повлияла на объем ее потребления. Особенно сократилось в отрасли использование электроэнергии для электроемких тепловых процессов.
Таким образом, при построении регрессии на основе краткосрочных данных в качестве базовой составляющей выбрана динамика промышленного производства. Исходными данными о динамике промышленного производства являются месячные данные Росстата за те периоды, где уже было проведено уточнение оперативных данных, т.е. основные недостатки, предъявляемые нами к оперативным данным, устранены.
4 Искажение тренда бытового электропотребления в 2008 г. при отсутствии изменений численности населения явно указывает на наличие тенденций, не учитываемых официальной статистикой. Это связано либо с изменением численности нелегальных трудовых мигрантов, либо с бытовым потреблением электроэнергии в теневом секторе. Представляется маловероятным, что снижение реальных доходов населения в годы кризиса привело к столь значительной экономии электроэнергии.
Млрд. кВт-ч
70 -|
60 -50 -40 -30 -20 -10 -0 -
2000 2001 2002 2003 2004 2005 2006 2007 2008
Год
Рис. 10. Электропотребление на транспорте в России, 2000-2008 гг.:
Ш железнодорожный; ■ городской; Щ нефтепроводы; И газопроводы
На основе данных за 2005-2009 гг. была построена нелинейная регрессионная зависимость:
Э, = f (П,, Т,, Т,, О,),
где Э, - электропотребление в России в ,-й мес.; И,- - объем промышленного производства в России в ,-й мес. (в физических объемах с исключением инфляционного фактора); Т, - среднемесячная температура в ,-й мес.; T - отношение среднемесячной температуры Т, к среднему значению температуры Т, в этот месяц за предыдущие годы (Т, / Т,); О, - продолжительность ночи в ,-й мес.
Итогом расчетов стало уравнение вида:
Э,. = const (И j°,53T,0-99O 0,06 /Т,2’43) (1)
(R2 = 0,95)
Экономический смысл полученных коэффициентов эластичности переменных состоит в следующем.
Коэффициент эластичности электропотребления по промышленному производству (0,53) отражает долю потребления электроэнергии промышленными предприятиями (см. рис. 7).
Коэффициент эластичности электропотребления по среднемесячной температуре (2,43) отличается от коэффициентов, приведенных на рис. 5, так как в уравнении он рассчитан по месячным данным (°К) и соответствует коэффициенту эластичности при построении парной регрессии.
Ирямая корреляция отклонения T,. (в отличие от обратной с температурой Т,) объясняется тем, что в холодное время (зима) T,. снижает эластичность роста электропотребления при резком понижении температуры, в жаркое время (лето), наоборот, меняет зависимость роста электропотребления от температуры с обратной на прямую.
Для парной регрессии эластичность электропотребления по продолжительности ночи равна 0,34-0,35. Коэффициент 0,06 в уравнении (1) объясняется взаимной корреляцией параметров температуры и освещенности при преобладающем влиянии температурного фактора на динамику электропотребления.
Из формулы (1) получаем следующее выражение для построения индекса:
И,. =
7T°’"O “•06 COnSt.
(2)
где Э, и Т; - соответственно скорректированные объемы потребления электроэнергии и среднемесячной температуры для случаев погодных экстремумов.
Коэффициенты эластичности уточняются раз в год после получения новых рядов данных, однако в целом их изменения незначительны.
Расчет индекса ИПЕМ на основе электропотребления осуществляется с 2008 г., и опыт мониторинга состояния промышленности на его основе дал положительные результаты - дисперсия отклонения индекса ИПЕМ (ИПЕМ-производство) от уточненных индексов Росстата меньше, чем отклонения оперативного индекса Росстата от уточненного. Так, по итогам 2009 г. оперативный ИПП Росстата составил (-10,8), уточненный - (-9,7), индекс ИПЕМ - (-9,6) (рис. 11).
% к соответствующему месяцу прошлого года
10 1 5 0 -5 -10 -15 -20 J
Рис. 11. ИПП Росстата (— оперативный и уточненный) и
индекс ИПЕМ-производство (—♦—) в 2009 г.
Методология расчета индекса продолжает совершенствоваться, и в настоящий момент основной проблемой является разработка универсального подхода к учету температурных экстремумов.
Разработка индекса на основе данных о грузовых железнодорожных перевозках. Исходные данные и методологические принципы. Если электроэнергия выступает фактором производства и поэтому может характеризовать динамику промышленного производства, то транспортировка товара связана с завершением производственного процесса и с движением товара к потребителю, а значит, характеризует спрос на промышленную продукцию.
Оперативность данных о грузовых железнодорожных перевозках обеспечивается наличием централизованной системы сбора и обработки данных ОАО «РЖД». Данные о погрузке появляются в течение 1-2 дней, следующих за рассматриваемым месяцем, причем по широкой номенклатуре грузов и по видам сообщения (внутрироссийские перевозки, экспорт, импорт).
Достоверность данных не вызывает сомнений, так как они формируются в рамках деятельности одного хозяйствующего субъекта и являются его внутренней коммерческой информацией.
Репрезентативность данных о погрузках на железнодорожном транспорте обеспечивается тем, что транспортная система используется для доставки любого промышленного груза потребителям, а доля железнодорожного транспорта в грузообороте (без учета трубопроводного транспорта) составляет 85%. Но структура погрузки на железнодорожном транспорте не соответствует структуре промышлен-
ного производства: погрузка исчисляется в единицах массы, поэтому в ее структуре доминируют «тяжелые» массовые грузы (рис. 12, [8]).
Металлолом
2%
Руда цветная
2%
Химикаты
2%
Цемент
3%
Промсырье
3%
Лесные грузы 4%
Удобрения 4%
Черные металлы 6%
Рудажелезная Строительные грузы 9% 12%
Нефть,
нефтепродукты
22%
Рис. 12. Структура погрузки грузов на железнодорожном транспорте, 2010 г.
Репрезентативное представление достаточно подробной статистики о перевозках грузов на железнодорожном транспорте является главной задачей построения индекса, характеризующего спрос на отечественную промышленную продукцию.
Для этого была использована методология Росстата. Формулу расчета оперативного ИПП Росстата можно представить в виде:
ИПП = £ уАП, (3)
г =0
где уг - доля вида деятельности в добавленной стоимости промышленной продукции; АПг- - динамика (индекс) выпуска товара-представителя. Формула для расчета индекса ИПЕМ-спрос будет иметь вид:
ИС = £ у г АГ г , (4)
г=0
где АГ; - динамика (индекс) погрузки груза-представителя.
Формирование «корзины» грузов-представителей. Репрезентативность грузов как представителей динамики выпуска продукции определяется следующими параметрами:
- значением коэффициента перевозимости5 (чем он выше, тем репрезентативней данные о погрузке);
- изменением коэффициента перевозимости - даже при невысоких показателях коэффициента; в случае постоянства данных, они являются репрезентативными.
Результаты выборки представлены в таблице.
5 Отношение объема погрузки груза на железнодорожном транспорте к объему его производства.
Таблица
«Корзина» грузов-представителей
Подраздел ОКВЭД Груз Коэффициент перевозимости, % 2010 г.
СА. Добыча топливно-энергетических полезных ископаемых Нефть Газ Уголь 11 0 90
СВ. Добыча полезных ископаемых, кроме топливно-энергетических Руда железная Руда цветная Строительные Соль 76 76 90 87
ЭА. Производство пищевых продуктов, включая напитки и табак Мясо Рыба Мука Комбикорма Сахар Жмыхи Прочие продовольственные товары (молочные продукты, жиры, напитки и др.) 37 15 37 6,5 61 58
ЭВ. Текстильное и швейное производство Текстильное и швейное производство -
ЭС. Производство кожи, изделий из кожи и производство обуви Производство кожи, изделий из кожи и производство обуви
ЭЭ. Обработка древесины и производство изделий из дерева Лесные грузы 78
ЭЕ. Целлюлозно-бумажное производство; издательская и полиграфическая деятельность Бумага 73
ЭР. Производство кокса, нефтепродуктов и ядерных материалов Бензин Мазут Дизельное топливо Кокс 0 7 9 7 О 00 40 ^
ЭО. Химическое производство Удобрения Химикаты Промышленные товары народного потребления Промышленное сырье 100
ЭН. Производство резиновых и пластмассовых изделий Резиновые и пластмассовые изделия
Э1. Производство прочих неметаллических минеральных продуктов Цемент Огнеупоры 66 90
ЭХ Металлургическое производство и производство готовых металлических изделий Черные металлы Металлоконструкции Метизы Цветные металлы 90 73 73 90
ЭК. Производство машин и оборудования Станки, двигатели Сельскохозяйственные машины 23 70
ЭЬ. Производство электрооборудования, электронного и оптического оборудования Электрооборудование, электронное и оптическое оборудование -
ЭМ. Производство транспортных средств и оборудования Автомобили 32
ЭК. Прочие производства Прочие
Рассмотрим случаи с невысоким коэффициентом перевозимости.
Главный вид транспорта для перевозки нефти - трубопроводный. Транспортировка по трубопроводу характеризуется незначительной внутримесячной динамикой, а почти все колебания добычи отражаются на перевозках железнодорожным транспортом. Как и данные об электропотреблении, данные о добыче нефти оперативны и достоверны, поэтому данные о погрузке нефти легко верифицируемы.
Природный газ не перевозится железнодорожным транспортом. Высокая достоверность и оперативность данных о добыче газа, публикуемых Минэнерго России, позволяет использовать их для расчета индекса.
В перевозках пищевой продукции (рис. 13) - расчеты ИПЕМ на основе данных [1; 8]) -высока доля автомобильного транспорта, но вплоть до 2007-2008 гг. это не мешало построению индекса, так как доля перевозок железнодорожным транспортом оставалась постоянной и погрузка на сети железных дорог отражала динамику отрасли. Начиная с 2008 г., увеличился уход отправляемых на небольшие расстояния немассовых грузов с железнодорожного транспорта на автомобильный, что было вызвано ростом доходных ставок (особенно для повагонной отправки).
Раз (накопительный итог к январю 2007 г.)
Рис. 13. Динамика развития пищевой промышленности (подраздел БЛ) и перевозок пищевых продуктов железнодорожным транспортом:
---сектора по погрузке на сети ж/д; — сектора по индексам Росстата
Решением проблемы снижения коэффициента перевозимости может служить постоянный мониторинг погрузки, корректировка значения индекса на коэффициент эластичности потери грузовой базы, который в течение последних трех лет устойчиво сохраняет значение 0,5 (на 1% прироста производства приходится 0,5% прироста погрузки).
Подраздел БК «Производство машин и оборудования» характеризуется невысоким коэффициентом перевозимости, однако ввиду его постоянства индекс перевозок железнодорожным транспортом представляется репрезентативным для мониторинга (рис. 14 [1, 8]).
Раз (накопительный итог к январю 2007 г.)
Рис. 14. Динамика развития машиностроения (подраздел БК) и перевозок машиностроительных грузов на железнодорожном транспорте:
----сектора по погрузке на сети ж/д; — сектора по индексам Росстата
В некоторых отраслях, где доминируют перевозки автомобильным транспортом, грузы-представители выбраны не были. Это легкая промышленность (1% в структуре промышленного производства), производство резиновых и пластмассовых изделий (2%), производство электрооборудования, электронного и оптического оборудования (4,8%). Из этих отраслей только последняя занимает ощутимую долю в промышленном производстве. Для них при составлении индекса используются данные Росстата.
Из структуры расчета индекса на основе погрузки грузов сознательно был исключен раздел Е «Производство и распределение электроэнергии, газа и воды». Казалось бы, несмотря на то, что продукция этого сектора не транспортируется по железным дорогам, товары-представители (по аналогии с добычей природного газа) очевидны - данные о производстве электроэнергии оперативны и достоверны. Однако на основе данных о погрузке отслеживается изменение спроса на промышленную продукцию, а электроэнергетика является обслуживающей отраслью, спрос на продукцию которой формируется на основе спроса со стороны промышленности и других отраслей. Поэтому добавление электроэнергетики (при доле раздела Е в структуре промышленного производства 10,3%) будет дублировать тенденции динамики спроса на промышленную продукцию и по итогу сглаживать динамику индекса.
Апробация. На основе данных о перевозках грузов по сети железных дорог формируются три индекса, позволяющие проводить оперативный мониторинг состояния спроса на промышленную продукцию:
- ИПЕМ-спрос, характеризующий состояние спроса на отечественную промышленную продукцию (на основе данных о погрузке грузов на российских станциях с учетом корректировки на объем импортной продукции, погруженной в портах с водного транспорта);
- ИПЕМ-импорт, характеризующий изменение физического объема импорта промышленной продукции (на основе данных об импортных перевозках грузов);
- ИПЕМ-экспорт, характеризующий изменение физического объема экспорта промышленной продукции (на основе данных об экспортных перевозках грузов).
Мониторинг на основе индекса ИПЕМ-спрос осуществляется с 2008 г. и дает позитивные результаты. В отличие от индекса ИПЕМ-производство, который, как и ИПП Росстата, позволяет отслеживать динамику выпуска, ИПЕМ-спрос дает возможность оценивать факторы, стимулирующие или ограничивающие динамику промышленного производства. Так, в период кризиса 2008-2009 гг. динамика индекса ИПЕМ-спрос начала замедляться с июля 2008 г. при одновременном резком росте остатков грузов на складах, а уже в сентябре он имел отрицательные значения в связи с повальными отказами грузоотправителей от поставок. Динамика индекса ИПЕМ-спрос иллюстрирует поэтапное состояние кризиса в промышленности: падение спроса - затоваривание складов - остановка предприятий. Индекс Росстата показал отрицательные значения только в октябре 2008 г., когда уже начали останавливаться предприятия, а оперативные данные по индексу за июль-сентябрь были пересмотрены в сторону понижения практически вдвое (например, за сентябрь 2008 г. с 6,3 до 2,9%) (рис. 15).
Начиная с 2011 г. ИПЕМ на основе данных о перевозке грузов в экспортном и импортном направлении разработал индексы ИПЕМ-экспорт и ИПЕМ-импорт. Необходимость разработки индексов была вызвана тем, что оперативными являются данные о внешней торговле только в денежном выражении, а расчетные данные по физическим объемам экспорта и импорта появляются с большим запозданием. Так, на момент расчета индексов за август 2011 г. в первых числах сентября данные ФТС России были доступны только за июнь 2011 г. (рис. 16).
% к соответствующему месяцу прошлого года
Период
Рис. 15. ИПП Росстата (-----уточненный и — оперативный) и
индекс ИПЕМ-спрос (----) в 2008 г.:
—О— остатки грузов на складах
% к соответствующему месяцу прошлого года
Период
Рис. 16. Динамика физических объемов экспорта по данным ФТС России (—О—) и индексов ИПЕМ (—♦—) и импорта по данным ФТС России (------) и индексов ИПЕМ (-----) в 2010 г.
Институт ИПЕМ при поддержке Минпромторга России осуществляет на основе расчетных индексов собственный мониторинг ситуации в промышленности. Наибольшую эффективность эти индексы продемонстрировали при оперативном мониторинге в период экономического кризиса: данные расчета индексов были доступны на 10-12 дней раньше данных Росстата. Данные официальной статистики изначально являются основой для построения любых альтернативных индексов. Применение в оперативной аналитической работе расчетных индексов, основанных на базовых макроэкономических процессах, дает вполне ощутимые преимущества.
Млн. т
* * *
Литература
1. Сайт Росстата http://www.gks.ru/
2. Buehn A., Montenegro C. E., Schneider F. Shadow Economies All over the World: New Estimates for 162 Countries from 1999 to 2007. Washington D.C. World Bank, 2010.
3. http://so-ups.ru
4. Порохова Н.В. Пространственная неравномерность в прогнозировании социально-экономических процессов (на примере энергопотребления): Афтореф. дисс. канд. геогр. наук. М., 2009.
5. Макоклюев Б.И., Еч В. Ф. Учет влияния метеорологических факторов при прогнозировании электропотребления энергообъединений // Энергетик. 2004. №6.
6. Словеснов А.В. Вывод формулы зависимости длины дня от широты местности и дня в году // http://www.slovesnov.narod.ru
7. Сайт Минэкономразвития http://www. economy.gov. ru/minec/main
8. Сайт РЖДhttp://rzd.ru/
