АНАЛИЗ ФАКТОРОВ, ВЛИЯЮЩИХ НА ИНВЕСТИЦИОННЫЙ РЕГИОНАЛЬНЫЙ ПОТЕНЦИАЛ И ПРОГНОЗ ИНДИКАТИВНЫХ ПОКАЗАТЕЛЕЙ ЕГО РАЗВИТИЯ В РЕГИОНАХ УЗБЕКИСТАНА
Наимов Ш.Ш.
Наимов Шохрух Шарофиддинович - независимый соискатель, Ташкентский государтвенный экономический университет, г. Ташкент, РеспубликаУзбекистан
Аннотация: данная статья представляет анализ факторов, влияющих на инвестиционный региональный потенциал и прогноз индикативных показателей его развития в регионах Узбекистана. Исследование основано на обширном анализе данных и информации, связанных с экономическими, социальными и географическими факторами, определяющими инвестиционную привлекательность регионов. В статье рассматриваются различные аспекты, включая инфраструктуру, доступность ресурсов, уровень развития человеческого капитала и другие. Особое внимание уделяется анализу существующих инвестиционных показателей и их связи с факторами, определяющими региональный потенциал. Результаты исследования позволяют выявить ключевые факторы, влияющие на инвестиционный региональный потенциал Узбекистана и прогнозировать его развитие в различных регионах страны. Это может служить ценным инструментом для принятия решений в области инвестиционной политики и планирования развития регионов.
Ключевые слова: инвестиционный потенциал, региональное развитие, факторы, анализ, прогноз, индикативные показатели, инфраструктура.
ANALYSIS OF FACTORS INFLUENCING REGIONAL INVESTMENT POTENTIAL AND FORECAST OF INDICATIVE INDICATORS OF ITS DEVELOPMENT IN THE
REGIONS OF UZBEKISTAN Naimov Sh.Sh.
Naimov Shokhrukh Sharofiddinovich - independent researcher, TASHKENT STATE UNIVERSITY OF ECONOMICS, TASHKENT, REPUBLIC OF UZBEKISTAN
Abstract: this article presents an analysis of factors influencing regional investment potential and a forecast of indicative indicators of its development in the regions of Uzbekistan. The study is based on an extensive analysis of data and information related to economic, social and geographical factors that determine the investment attractiveness of regions. The article examines various aspects, including infrastructure, availability of resources, level of human capital development and others. Particular attention is paid to the analysis of existing investment indicators and their connection with the factors determining regional potential. The results of the study allow us to identify key factors influencing the regional investment potential of Uzbekistan and predict its development in various regions of the country. This can serve as a valuable tool for decision-making in the field of investment policy and regional development planning.
Keywords: investment potential, regional development, factors, analysis, forecast, indicative indicators, infrastructure.
Введение
Инвестиционный региональный потенциал играет важную роль в развитии экономики и привлечении инвестиций в региональные секторы. Анализ факторов, влияющих на инвестиционный региональный потенциал, а также прогноз индикативных показателей его развития, являются важными задачами для определения эффективной инвестиционной политики и планирования развития регионов. В контексте Узбекистана, страны с динамично развивающейся экономикой и значительным потенциалом для инвестиций, понимание факторов, определяющих инвестиционный региональный потенциал, и прогнозирование его развития являются особенно актуальными. Узбекистан обладает разнообразными регионами, каждый из которых имеет свои особенности в терминах экономического, социального и географического развития. Путем анализа данных и информации, связанных с этими факторами, мы стремимся выявить ключевые факторы, определяющие инвестиционный региональный потенциал Узбекистана и прогнозировать его развитие в различных регионах страны. Это позволит принимать информированные решения в области инвестиционной политики и создания благоприятной среды для инвестиций, способствуя устойчивому развитию региональной экономики и улучшению качества жизни населения.
Для целей оценки факторов, оказывающих влияние на инвестиционную привлекательность регионов Узбекистана и осуществления среднесрочного прогноза, проведем эконометрический анализ зависимости инвестиционного потенциала от социально-экономических показателей развития регионов республики. В качестве объясняемой переменной (регрессанта) были выбраны объемы освоения инвестиций регионов на
душу населения как показатель регионального инвестиционного потенциала (в млн.сум). Объясняющие переменные (регрессоры) представлены в таблице 1.
Таблица №1. Описание объясняющих переменных модели.1
№ Регрессоры Единица измерения Переменная Обозначение
1. Производство промышленной продукции на д/н Млн. сум Production of industrial products per capita IND
2. Производство с/х продукции на д/н Млн. сум Production of agricultural products per capita AGR
3. Объем услуг на д/н Млн. сум Volume of services per capita SERV
4. Количество вновь созданных предприятий и организаций Ед. Number of newly created enterprises and organizations ENT
5. Численность экономически активного населения Тыс. чел. Number of economically active population EAP
6. Реальные совокупные доходы на д/н Млн. сум Real total income per capita RTI
7. Обеспеченность домов питьевой водой, в % к общему числу домов % Provision of houses with drinking water PDW
В работе проводится анализ по панельным данным за период с 2018 по 2022 гг. по Республике Каракалпакстан, двенадцати областям и г. Ташкенту.
Всего в модели заимствовано семь объясняющих переменных, общее количество наблюдений - 560. Все стоимостные показатели с учетом ИПЦ приведены к сопоставимому виду (к ценам 2022 г.).
Описательная статистика позволяет определить среднее, медианное, максимальное и минимальное значения, а также стандартное отклонение каждого фактора от среднего значения (Standard Devation) и коэффициент асимметрии (Skewness). Последний показывает, что наиболее симметричное распределение наблюдается по численности экономически активного населения, наиболее асимметрично - объем услуг на душу населения, что означает сдвиги в динамике изучаемых факторов: в случае первого показателя -снижение уровня трудовой миграции, наблюдаемое в республике в последние годы, частично связанное с общими процессами, происходящими в мире, в случае второго показателя - несоответствие уровня развитости сферы услуг и демографического потенциала, наблюдаемое во всех регионах Узбекистана, кроме г. Ташкента (табл. 2).
Таблица №2. Сравнительная статистика.2
INV AGR EAP ENT IND PDW RTI SERV
Mean 7.2 8.7 1074.6 6335.4 13.7 70.5 12.9 6.8
Median 5.0 8.8 1188.7 5505.0 7.9 73.5 11.6 4.5
Maximum 22.9 16.5 1782.0 18894.0 79.1 100.0 33.5 47.2
Minimum 1.7 0.0 365.2 1507.0 1.5 34.8 6.6 2.5
Std. Dev. 5.3 3.6 414.3 3497.3 16.3 18.2 5.4 8.4
Skewness 1.5 -0.4 -0.2 1.5 2.6 -0.3 1.7 3.6
Kurtosis 4.6 3.7 1.8 5.5 9.8 2.3 6.2 15.1
Jarque-Bera 34.6 3.6 4.9 44.9 218.0 2.7 65.4 577.7
Probability 0.0 0.2 0.1 0.0 0.0 0.3 0.0 0.0
Sum 507.5 606.7 75220.2 443480.0 957.8 4932.9 904.1 473.6
Sum Sq. Dev. 1914.6 906.0 11844013 8.44E+08 18383.7 22748.0 1978.0 4817.9
В соответствии с критерием согласия Жака-Бера (Jarque-Bera test), данные INV, IND, ENT, RTI, SERV имеют асимметрию и эксцесс, соответствующие нормальному распределению, что подтверждают и средние с медианой (их значения почти совпадают), а также куртозис. Исследуем степень корреляционной зависимости между переменными, для чего построим корреляционную матрицу (табл. 3).
Таблица №3. Correlation matrix.3
Correlation
t-Statistic
Probability INV PDW RTI IND ENT EAP AGR SERV
INV 1.00
1 Составлено автором.
2 Построено автором с использованием программного продукта Eviews.
3 Построено автором с использованием программного продукта Eviews.
PDW 0.31 1.00
2.71
0.01
RTI 0.85 0.19 1.00
13.65 1.61
0.00 0.11
IND 0.73 0.23 0.71 1.00
8.91 1.95 8.23
0.00 0.06 0.00
ENT 0.47 0.29 0.60 0.21 1.00
4.44 2.48 6.11 1.75
0.00 0.02 0.00 0.09
EAP -0.22 0.21 -0.06 -0.25 0.58 1.00
-1.86 1.76 -0.46 -2.13 5.86
0.07 0.08 0.65 0.04 0.00
AGR -0.11 -0.40 -0.07 0.11 -0.51 -0.45 1.00
-0.90 -3.63 -0.55 0.91 -4.89 -4.19
0.37 0.00 0.59 0.37 0.00 0.00
SERV 0.76 0.40 0.82 0.40 0.76 0.19 -0.55 1.00
9.55 3.64 11.82 3.51 9.65 1.58 -5.36
0.00 0.00 0.00 0.00 0.00 0.12 0.00
В соответствии с результатами проведенного корреляционного анализа, признаки Г№Э, SERV, ENT, RTI и PDW действуют на результат в положительном направлении. Наиболее существенно влияет на объемы привлекаемых регионами инвестиционных ресурсов реальные совокупные доходы на душу населения (ДЯТ) (г = 0,85), а также подушевые объемы услуг (SERV) (г = 0,76). Остальные объясняющие переменные оказывают менее заметное влияние. Кроме того, корреляционная матрица показала, что между объясняющими переменными мультиколлинеарность очень слабая.
Проверка ряда объясняемой переменной У на стационарность, проведенная при помощи расширенного теста Дикки-Фуллера, позволила с высокой вероятностью отклонить нулевую гипотезу о наличии у Y единичного корня (табл. 4).
Таблица №4. Augmented Dickey-Fuller Test on INV. 4
Panel unit root test: Summary
Method Statistic Prob. Cross-sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t -19.7544 0.0000 14 56
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -9.65107 0.0000 14 56
ADF - Fisher Chi-square 87.7907 0.0000 14 56
PP - Fisher Chi-square 116.156 0.0000 14 56
График объясняемой переменной (рис. 1) подтверждает стационарность ряда и возможность строить модель.
4 Построено автором с использованием программного продукта Eviews 10.
INV
20
16
12
8
4
0
I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I I
co-5-a)CNOco-5-a)CNOco-5-a)CNOco-5-a)CNOco-5-a> CN
CN
о CN
CN
CN CN
О CN
CN
CN CN
О CN
CN
CN CN
О CN
CN
CN CN
У У >< =5 =5 СЯ СЯ ^ Q Q < < m
сл сл
ш Ш -р -р С£ С£ < <
<<<<<D^^<<UJOO<< zzztototowwi-i-iLXX1-1-
Рис. 1. График объясняемой переменной5.
Для исследования панельных данных были построены три модели множественной регрессии: общая модель регрессии без учета структуры панельных данных (табл. 5), модель с фиксированными эффектами (FE) (табл. 6) и модель со случайными эффектами (RE) (табл. 7).
Таблица №5. Pooled regression model (POLS). 6
Variable Coefficient Std. Error t-Statistic Prob.
IND 0.123484 0.027396 4.507313 0.0000
AGR 0.397341 0.154164 2.577390 0.0123
SERV 0.454755 0.129129 3.521699 0.0008
ENT 0.000264 0.000155 1.701763 0.0937
EAP -0.003080 0.000917 -3.357528 0.0013
RTI 0.102591 0.192424 -0.533149 0.5958
PDW 0.027761 0.012440 2.231679 0.0292
R-squared 0.862737 Mean dependent var 7.249689
Adjusted R-squared 0.849665 S.D. dependent var 5.267568
S.E. of regression 2.042399 Akaike info criterion 4.360767
Sum squared resid 262.7979 Schwarz criterion 4.585617
Log likelihood -145.6269 Hannan-Quinn criter. 4.450080
Durbin-Watson stat 0.748909
Модель FEM не учитывает неизмеримые индивидуальные различия объектов (эффекты), они интерпретируются как мешающий параметр, и оценивание направлено на то, чтобы их исключить (табл. 6).
Таблица №6. Fixed effects panel regression model (FEM).7
Variable Coefficient Std. Error t-Statistic Prob.
5 Там же.
6 Построено автором с использованием программного продукта Eviews 10.
7 Там же.
C -5.832139 6.451935 -0.903936 0.3705
IND 0.043382 0.046644 0.930061 0.3569
AGR 1.114716 0.306536 3.636494 0.0007
SERV 0.822984 0.183798 4.477652 0.0000
ENT 0.000351 0.000152 2.308896 0.0252
EAP -0.000404 0.005737 -0.070451 0.9441
RTI 0.717190 0.287945 -2.490718 0.0162
PDW 0.067187 0.025508 2.633938 0.0113
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.940943 Mean dependent var 7.249689
Adjusted R-squared 0.916838 S.D. dependent var 5.267568
S.E. of regression 1.519047 Akaike info criterion 3.917369
Sum squared resid 113.0678 Schwarz criterion 4.591918
Log likelihood -116.1079 Hannan-Quinn criter. 4.185308
F-statistic 39.03554 Durbin-Watson stat 1.791576
Prob(F-statistic) 0.000000
В модели REM учитываются неизмеримые индивидуальные различия объектов (эффекты) и предполагается, что индивидуальные отличия носят случайный характер (табл. 7).
Таблица №7. Random effects panel regression model (REM).8
Variable Coefficient Std. Error t-Statistic Prob.
C 0.704056 2.266771 0.310599 0.7571
IND 0.095983 0.034490 2.782905 0.0071
AGR 0.589390 0.202190 2.915037 0.0049
SERV 0.625550 0.144574 4.326833 0.0001
ENT 0.000301 0.000125 2.407072 0.0191
EAP -0.003985 0.001257 -3.170124 0.0024
RTI 0.359134 0.221672 -1.620115 0.1103
PDW 0.041248 0.019754 2.088070 0.0409
Effects Specification
S.D. Rho
Cross-section random 1.558671 0.5129
Idiosyncratic random 1.519047 0.4871
Weighted Statistics
R-squared 0.713374 Mean dependent var 2.896576
Adjusted R-squared 0.681013 S.D. dependent var 2.819291
S.E. of regression 1.592306 Sum squared resid 157.1972
F-statistic 22.04424 Durbin-Watson stat 1.214947
Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared 0.839961 Mean dependent var 7.249689
Sum squared resid 306.4054 Durbin-Watson stat 0.623312
При помощи теста спецификации Дарбина-Ву-Хаусмана проверим гипотезу об отсутствии корреляции между индивидуальными эффектами и регрессорами и сделаем выбор в пользу модели со случайными эффектами либо в пользу модели с фиксированными эффектами (табл. 8).
Таблица №8. Correlated Random Effects - Hausman Test. 9
Test Summary Chi-Sq. Statistic Chi-Sq. D.f. Prob.
Cross-section random 13.124304 7 0.0691
Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff) Prob.
IND 0.043382 0.095983 0.000986 0.0939
AGR 1.114716 0.589390 0.053084 0.0226
SERV 0.822984 0.625550 0.012880 0.0819
8 Построено автором с использованием программного продукта Eviews 10.
9 Там же.
ENT 0.000351 0.000301 0.000000 0.5633
EAP -0.000404 -0.003985 0.000031 0.5223
RTI 0.717190 -0.359134 0.033774 0.0514
PDW 0.067187 0.041248 0.000260 0.1080
Cross-section random effects test equation:
Variable Coefficient Std. Error t-Statistic Prob.
C -5.832139 6.451935 -0.903936 0.3705
IND 0.043382 0.046644 0.930061 0.3569
AGR 1.114716 0.306536 3.636494 0.0007
SERV 0.822984 0.183798 4.477652 0.0000
ENT 0.000351 0.000152 2.308896 0.0252
EAP -0.000404 0.005737 -0.070451 0.9441
RTI -0.717190 0.287945 -2.490718 0.0162
PDW 0.067187 0.025508 2.633938 0.0113
Effects Specification
Cross-section fixed (dummy variables)
R-squared 0.940943 Mean dependent var 7.249689
Adjusted R-squared 0.916838 S.D. dependent var 5.267568
S.E. of regression 1.519047 Akaike info criterion 3.917369
Sum squared resid 113.0678 Schwarz criterion 4.591918
Log likelihood -116.1079 Hannan-Quinn criter. 4.185308
F-statistic 39.03554 Durbin-Watson stat 1.791576
Prob(F-statistic) 0.000000
Тест Хаусмана (табл. 8) показывает, что вероятность принятия нулевой гипотезы о том, что REM не является адекватной, равна 6,9%, означающее, что в нашем случае предпочтение желательно отдать модели с фиксированными эффектами. Информационные критерии Hannan-Quinn и Akaike, а также значение скорректированного коэффициента детерминации подтверждают наш вывод о том, что из всех моделей больше подходит FEM, что обеспечиет гарантированное получение несмещенных и состоятельных оценок.
Проверим FEM модель на качество и адекватность. Коэффициент детерминации R-square = 0,94, что говорит о достаточно тесной связи между y и факторами, влияющими на него и о том, что 94,1% вариации зависимой переменной объясняется включенными в модель семью объясняющими переменными, а всего 5,9% обусловлено влиянием неучтенных в модели или случайных факторов. В соответствии с критерием Фишера-
Снедекора при ^набл. ^Fкрит мы можем признать модель адекватной. В нашем случае ^Набл 39,04, а
^табл =2,17 при степенях свободы f1 = m = 7, f2= п — т — 1 = 70- 7 — 1 = 62, что подтверждает возможность отклонения нулевой гипотезы и, тем самым, надежность регрессионной модели на уровне значимости 0,05. Согласно критерию Фишера данная модель адекватна.
Табличное значение критерия Стьюдента, соответствующее доверительной вероятности у = 0,95 и заданному числу степеней свободы £крит = t005.7 = 2,36. Сравнивая расчетную t-статистику коэффициентов уравнения с табличным значением, заключаем, что при пяти из семи объясняющих переменных (AGR, SERV, ENT, RTI и PDW) коэффициенты уравнения регрессии являются статистически значимыми.
Стандартные отклонения для коэффициентов при объясняющих переменных говорят о низкой вариабельности данных. В целом, можно утверждать, что полученные коэффициенты регрессии статистически значимы, и поэтому их можно использовать в уравнении регрессии по panl data для дальнейшего анализа и прогноза. Модель с фиксированными эффектами FEM (табл. 6) подтверждает факт наибольшей статистической значимости переменных AGR - объемы сельскохозяйственного производства на душу населения, SERV - объемы услуг на душу населения, дополнительно подтверждая факт зависимости регионов республики от аграрного сектора и сферы услуг. Кроме того, рост реальных доходов населения приводит к росту инвестиций в экономику региона, что может означать наличие существенной доли внутренних инвестиций в республике.
Построенная модель дает основание утверждать, что при прочих равных условиях:
- рост объемов подушевого сельскохозяйственного производства регионов на 1 млн. сум приводит к увеличению объемов инвестиций в основной капитал на 1,1 млн. сум;
- рост объемов услуг на душу населения регионов на 1 млн. сум приводит к росту объемов инвестиционных ресурсов территорий на 0,82 млн. сум.;
- рост реальных доходов населения на 1 млн. сум увеличивает объемы инвестиций на 0,72 млн. сум;
- рост уровня обеспеченности домов питьевой водой на 1% способствует росту объемов инвестиций, привлекаемых регионами, на 0,07 млн. сум10.
10 При условии неизменности других показателей.
Низкие значения коэффициентов регрессии при переменных ENT и EAP подтверждают слабое влияние количества вновь созданных предприятий и организаций, а также численности экономически активного населения на инвестиционный потенциал региона.
Построенная модель с фиксированными эффектами имеет вид:
INV = -5,83 + 0,04 • IND + 1,11 • AGR + 0,82 • SERV + 0,0004 • ENT - 0,0004 • EAP + 0,72 • RTI +
0,07 •PDW (1)
На основе модели панельных данных можно осуществить прогноз значений объемов инвестиций любого из четырнадцати участвующих в исследовании регионов Узбекистана. Кроме того, можно экспериментально осуществить более долгосрочный прогноз, чтоб увидеть к какому году при прочих равных условиях Республика Узбекистан войдет в категорию стран с высоким инвестиционным потенциалом.
Проведенное исследование показало, что модель (1) можно использовать для осуществления на ее основе прогноза, предварительно спрогнозировав объясняющие переменные на основе трендов (табл. 9).
Таблица №9. Характеристики временных моделей объясняющих переменных.11
Переменная Тип модели Уравнение связи R2
IND Линейная IND = 4,6032 • t + 11,231 0,9699
AGR Линейная AGR = 1,0449 • t + 6,0527 0,9262
SERV Линейная SERV = 1,0955 • t + 3,3675 0,9750
ENT Полиномиальная ENT = 551,17 • t3 - 5528,2t2 + 16743t - 6196,6 0,9177
EAP Полиномиальная EAP = 21,464t2 - 105,78t + 1448,2 0,8701
RTI Линейная RTI = 1,9082 • t + 7,4115 0,9591
PDW Полиномиальная PDW = 0,7333 • t3 - 5,95t2 + 12,117t + 73,68 0,7499
На основании трендов и модели (1) был осуществлен прогноз динамики объясняющих переменных по Ташкентской области на среднесрочную перспективу (табл. 10).
Таблица №10. Прогноз динамики объясняющих переменных по Ташкентской области в 2023-2026 гг.12
Годы INV IND AGR SERV ENT EAP RTI PDW
2022 г. (факт) 12,8 32,8 10,9 8,8 7 094 1 467,3 16,3 76,8
2023 г. 13,6 33,8 11,5 9,9 7 134 1 586,2 18,9 82,5
2024 г. 15,5 34,4 11,5 11,0 7 237 1 759,5 20,8 85,4
2025 г. 16,4 38,1 12,6 12,1 7 985 1 975, 22,7 86,8
2026 г. 18,2 41,7 13,6 13,2 8 123 2 234,8 24,6 90,3
Прогнозные показатели свидетельствуют о том, что объемы инвестиций в основной капитал регионов в Узбекистане будут из года в год расти незначительно, что означает необходимость принятия кардинальных мер, направленных на интенсивное привлечение инвестиций и квалифицированной рабочей силы, модернизацию оборудования предприятий и широкое внедрение инновационных методов управления.
Предположив сначала, что производство сельскохозяйственной продукции, обороты предприятий сферы услуг и реальные совокупные доходы населения в Узбекистане значительно возрастут, построим инновационный (оптимистический) сценарий, затем на основании противоположного предположения построим пессимистический сценарий развития инвестиционного потенциала в Ташкентской области. На рисунке 2 представлены три сценарных прогноза по подушевым объемам инвестиций в основной капитал Ташкентской области - базовый (инерционный), инновационный (оптимистический) и пессимистический. Построенные на основе метода гипотез сценарные прогнозы показали, что ежегодный рост производства сельскохозяйственной продукции, оборотов предприятий сферы услуг и реальных совокупных доходов населения Узбекистана на 25% может стать существенным импульсом в развитии инвестиционного потенциала регионов, и, наоборот, снижение темпов роста аграрного сектора и сферы услуг, а также низкий уровень обеспеченности населения доходами способен привести к значительному снижению объемов инвестиций в регионы (рис. 2).
11 Построено автором с использованием редактора электронных таблиц Excel.
12 Разработано автором на основании построенной эконометрической модели по панельным данным.
35 30 25 20 15 10 5 0
32,8
28,2
12,8 12,8
14,2
2022 г. (факт) 2023 г. 2024 г. 2025 г. 2026 г.
9 Пессимистический 9 Базовый Ш Оптимистический Рис. 2. Сценарные прогнозы объемов инвестиций в основной капитал Ташкентской области на д/н в 2023-2026 гг., млн.
13
сум13
На основе результатов, полученных с помощью прогнозной модели панельных данных, было выявлено, что с вероятностью 94% подушевые объемы инвестиций в основной капитал Ташкентской области к 2026 г. едва превысят 28 млн. сум, что усугубит отставание региона от более развитых территорий Узбекистана. Вывод.
Это, в свою очередь, требует реализации стратегических мер по увеличению производственных показателей, повышению уровня населения и улучшения инфраструктуры в регионах Узбекистана. Построенная эконометрическая модель показала, что для этого требуется:
1. Формирование правовых механизмов, способствующих росту иностранных инвестиций в регионы республики.
2. Повышение эффективности производства, создание условий для внедрения инновационных продуктов и услуг, а также повышения экспортного потенциала в регионах.
3. Повышение качественного уровня благосостояния населения и развитие инфраструктуры, особенно в удаленных регионах, что призвано повысить заинтересованность иностранных инвесторов в финансовых вложениях на территории республики.
4. Повышение конкурентоспособности, самостоятельности и рентабельности хозяйствующих субъектов в регионах.
Таким образом, проведенное исследование показало, что в регионах Узбекистана имеется ряд проблем, которые негативно влияют на объемы привлекаемых и эффективное использование инвестиционных ресурсов - низкий производственный и инфраструктурный потенциал, слабая конкурентоспособность производимой продукции, низкий уровень жизни населения, недостаточная обеспеченность регионов элементарными условиями для жизни и труда - питьевой водой, природным газом, канализацией, значительная дифференциация в количестве вновь создаваемых предприятий, отток рабочей силы из регионов в центр или в зарубежные страны и др.
Построенная модель подтвердила факт зависимости регионов республики от аграрного сектора и сферы услуг, а также наличие существенной доли внутренних инвестиций в стране. Кроме того, модель показала отсутствие связи между инвестиционным потенциалом регионов и количеством вновь созданных предприятий и организаций, а также численностью экономически активного населения, что может свидетельствовать о неэффективном распределении привлеченных инвестиционных ресурсов на территориях страны.
Не перестает быть ключевым вопрос совершенствования экономических механизмов повышения инвестиционного потенциала в регионах, для этого важно, чтобы регионы переключились с пассивной стратегии на стратегию развития. Необходимо проведение системной работы по внедрению современных и инновационных технологий в производство, конечная цель которых - увеличение объемов инвестиций, повышение их эффективности, что призвано повысить инвестиционный потенциал регионов и конкурентоспособность национальной экономики в целом.
Список литературы /References
1. Абдуллаева Г.Р. Инвестиционный потенциал регионов Узбекистана: диагностика, оценка, развитие. -Ташкент: Узбекистан, 2017.
2. Ибрагимов Б.А. Инвестиционный климат Узбекистана: состояние и перспективы развития. - Ташкент: Узбекистан, 2018.
3. Мухаммедов А.И. Инвестиционный потенциал регионов Узбекистана и его использование. - Ташкент: Узбекистан, 2016.
13 Составлено автором.
4. Расулов Ш.И. Инвестиционный климат и инвестиционный потенциал регионов Узбекистана. - Ташкент: Узбекистан, 2015.
5. Хидиров Ш.А. Развитие инвестиционного потенциала регионов в условиях переходной экономики: опыт Узбекистана. - Ташкент: Узбекистан, 2014.
6. World Bank. Uzbekistan: Investment Climate Assessment. - Washington, D.C.: World Bank Group, 2019.
7. Asian Development Bank. Uzbekistan: Country Diagnostic Study on Investment Climate. - Manila: Asian Development Bank, 2017.
8. United Nations Development Programme. Regional Human Development Report: Sustainable Development in Uzbekistan. - Tashkent: UNDP, 2020.
9. Uzbekistan National News Agency. Investment Potential and Opportunities in Uzbekistan. - Tashkent: Uzbekistan National News Agency, 2022.
10. Central Bank of Uzbekistan. Annual Report. - Tashkent: Central Bank of Uzbekistan, various years.