CC BY
19
УДК 338.27
И.С. Максимова, Е.Н. Барышева*
АНАЛИЗ ВЗАИМОСВЯЗЕЙ ПОКАЗАТЕЛЕЙ ДОРОЖНО-ТРАНСПОРТНОЙ СФЕРЫ ПФО И ЦФО СРЕДСТВАМИ ЭКОНОМЕТРИЧЕСКОГО МОДЕЛИРОВАНИЯ
В статье проведен анализ взаимосвязей показателей дорожно-транспортной сферы ПФО и ЦФО. Построены эконометрические модели, характеризующие взаимосвязь показателей. Проанализированы полученные модели.
Ключевые слова: логарифмическая модель, множественная линейная модель, железнодорожные грузоперевозки, автомобильные грузоперевозки.
Рассмотрение факторов улучшения показателей экономики регионов России предполагает принимать во внимание развитие транспортной сферы.
Развитие транспортной системы становится в настоящее время необходимым условием реализации экономического роста регионов Российской Федерации, оно тесно связано с экономическими показателями, и важно выявить, на какие показатели нужно повлиять, чтобы улучшить ситуацию. Это определяет актуальность и практическую значимость исследования [4].
Представленное исследование описывает влияние факторов транспортной сферы на показатели торговли со странами СНГ (млн долларов) - экспорт (Уу ), импорт (У2 ) и обрабатывающего производства (объем отгруженных товаров в млн руб.) (У3 ) в 2017 году в Приволжском и Центральном федеральных округах.
— Для оценки экономических показателей были выбраны следующие факторы:
— отправление грузов железнодорожным транспортом общего пользования, млн т (Х);
— перевозки грузов автомобильным транспортом организаций всех видов деятельности, млн т
(Х);
— индексы тарифов на грузовые перевозки, % (Х);
— инвестиции в основной капитал по виду деятельности: машины, оборудование, транспортные средства, % от общего объема инвестиций (Х );
— грузооборот автомобильного транспорта, млн т-км (Х5 )[1].
В таблице 1 представлены анализируемые показатели по Приволжскому (ПФО) и Центральному (ЦФО) федеральным округам за 2017 год.
Построена логарифмическая модель, отражающая зависимость экспорта от железнодорожных и автомобильных перевозок:
Уг = 42.7 *Х■ 54*Х■ 37.
Множественный коэффициент корреляции Я = 0,776, данная модель значима на уровне 0,01 (см. рис. 1).
* © Максимова И.С., Барышева Е.Н., 2018
Максимова Ирина Сергеевна (irina.maximova@yandex.ru), кафедра математики и бизнес-информатики, Самарский национальный исследовательский университет имени академика С.П. Королева, 443086, Российская Федерация, Самара, Московское шоссе, 34.
Барышева Евгения Николаевна (barisheva_zh@hotmail.com), кафедра математики и бизнес-информатики, Самарский национальный исследовательский университет имени академика С.П. Королева, 443086, Российская Федерация, Самара, Московское шоссе, 34.
Таблица 1
Показатели экономической и транспортной сфер по ПФО и ЦФО за 2017 год
Субъекты ПФО и ЦФО Ух У2 Х Х Х Х Х
Республика Башкортостан 1415,8 254,6 1082923 28,5 43,1 103,8 31,5 2897
Республика Марий Эл 53,6 10,1 152086 1,2 6,7 97,8 31,7 578
Республика Мордовия 155 30,1 167180 3,1 20,7 10,3 27,5 5068
Республика Татарстан 1510,9 607,3 1596330 15,8 67,5 101,9 26 6206
Удмуртская Республика 130,4 453,1 321066 2,1 19,5 102,4 50,4 1885
Чувашская Республика 141,2 56,1 172565 0,7 8,2 100,1 32,9 960
Пермский край 697 161,6 933960 45,3 32,4 132 31,1 3064
Кировская область 179,7 19,9 199822 6,2 12,4 101,4 41 1509
Нижегородская область 1151,3 371,8 1237833 15,6 23,9 130,9 39 3193
Оренбургская область 1625,1 547,7 304238 37,3 14,6 100 39,8 2070
Пензенская область 117,2 46,3 195823 2,4 14,9 101,4 33,5 2535
Самарская область 2983,2 390,1 969528 20,9 42,2 104,6 36,1 3624
Саратовская область 575,4 103,8 352459 15 14,7 108,2 38,4 2592
Ульяновская область 144 80 256480 3,2 8,9 108 33,7 1147
Белгородская область 762 1007,6 629093 49,9 45,5 108,4 35,3 3628
Брянская область 191,7 527,4 191019 10,1 44,1 103,5 49,5 3847
Владимирская область 305,6 97,1 406484 1,5 7,6 113,9 31,5 729
Воронежская область 480,4 264,1 422944 14,6 24,6 106,5 26,2 2246
Ивановская область 95,4 250,1 133335 0,9 4,8 100,2 36,2 686
Калужская область 408,7 119,4 672706 2,9 6,7 98,8 35,8 691
Костромская область 118,8 44,7 118263 2,1 5,5 103 41 577
Курская область 211,9 198,8 176100 20,2 21,8 107,3 34,5 1213
Липецкая область 335,2 195,6 628043 26,6 19,9 104,4 37,6 1274
Московская область 3270 2434,9 2328071 11,3 133,4 100,4 35,5 22690
Орловская область 101,4 57,2 104211 1,4 10,2 100,1 38,5 1355
Рязанская область 153,9 41 277309 11,5 7,7 103,6 39,6 717
Смоленская область 682,3 1334,4 192044 18 6,1 100,4 53,8 4613
Тамбовская область 72,2 47,6 134329 2,4 32,2 100,7 23,7 2812
Тверская область 111,6 59,1 246185 1,6 25,6 102,7 30,6 1532
Тульская область 446,5 78,6 629921 11,7 11,6 103,6 49,4 1763
Ярославская область 289 51,3 338016 12,9 16,1 105,1 36,6 1075
-0,5
0,5 1 1,5 2 2,5 3 3,5 4 4,5 ЬЫ х1
Рис. 1. Зависимость экспорта от железнодорожных перевозок
9 8 7 6
* 5
5 4
3 2 1 0
0123456
ЬЫ х2
Рис. 2. Зависимость экспорта от автомобильных перевозок
Данная модель хорошо отражает взаимосвязь выбранных показателей для взятых регионов (рис. 2).
Для оценки целесообразности построения полученной модели по отдельным округам был использован критерий Чоу [3].
Согласно результатам критерия: ^набл = 4,01; Гкр = 2,97, выборка была разбита на субъекты ПФО и ЦФО.
Для ПФО данная модель имеет вид:
71 = 20.87 * ХЛ64 * Х2°-57.
Множественный коэффициент корреляции Я = 0,776, данная модель значима на уровне 0,01 (см. рис. 3).
Как видно из характеристик модели, в Приволжском федеральном округе увеличение объемов перевозок грузов автомобильным и железнодорожным транспортом приведет к улучшению показателя экспорта (см. рис. 4).
0
9 8 7 6 5
- -4
--3
--2
--1
0
-1 -0,5 0 0,5 1 1,5 2 2,5 3 3,5 4 4,5
ЬМ х1
Рис. 3. Зависимость экспорта от железнодорожных перевозок в ПФО
| 9~
* •
-
9 8 7 6
15
>
2
^ 4
3 2 1 0
* •
0,5 1 1,5 2 2,5 3 3,5 4 4,5
ЬМ х2
Рис. 4. Зависимость экспорта от автомобильных перевозок в ПФО
0
Для ЦФО данная модель имеет вид:
У = 66,2 * Х!0-39 * Х202
Множественный коэффициент корреляции Я = 0,63, данная модель значима на уровне 0,025. Из характеристик модели можно видеть, что для данного региона влияние на экспорт железнодорожных и автомобильных перевозок не столь высоко. А значит, данная модель не подходит для отражения взаимосвязи выбранных показателей в данном регионе.
Аналогично было изучено влияние показателей грузоперевозок на импорт. В модель в качестве объясняющей переменной был добавлен фактор - индекс тарифов на грузовые перевозки (в долях). Полученная модель имеет вид:
У1 = 14,8 * Х10 34 * Х2°.57 * Х3а57.
Множественный коэффициент корреляции Я = 0,64, данная модель значима на уровне 0,001. Однако добавленный показатель - Х3 значим для модели только на уровне 0,2. Это значит, что рост цен на грузоперевозки оказывает незначительное влияние на импорт.
Далее в исследовании рассматривалось влияние изученных ранее показателей экспорта и импорта и инвестиций в основной капитал по виду основных фондов- машины, оборудование, транспортные средства на обрабатывающие производства.
Для этого была построена множественная линейная модель [2]:
У3 = 654959,3 + 396,87 + 262,672 -13167,7Х4.
Множественный коэффициент корреляции Я = 0,84, данная модель значима на уровне 0,01 (см. рис. 5-7).
2500000 2000000 1500000 1000000 500000 0
500
1000
1500 х2
2000
2500
3000
Рис. 5. Зависимость обрабатывающего производства от импорта
2500000
2000000
1500000
1000000
500000
500 1000 1500 2000 2500 3000 3500
х1
0
Рис. 6. Зависимость обрабатывающего производства от экспорта
2500000 2000000 1500000 1000000 500000 0
10
20
30 х3
40
50
60
Рис. 7. Зависимость обрабатывающего производства от инвестиций
Чтобы рассмотреть влияние на импорт грузооборота Х5, данный показатель был взят в качестве фиктивной переменной (2). Фиктивная принимала значение 1 при показателе грузооборота выше 3000 млн т-км, и значение 0 в противном случае.
Полученная модель имеет вид:
73 = 642038,2 + 382,09877! + 222,207872 - 13038,4Х4 + 1040232.
Множественный коэффициент корреляции Я = 0,84, данная модель значима на уровне 0,001. Добавленная переменная оказывает влияние на изучаемый показатель. Однако показатель импорта для данной модели оказался незначим, и модель была построена без него:
73 = 517486,4 + 456,70677! - 9432,85^ + 169817,62
Выводы
В Приволжском и Центральном федеральных округах для улучшения показателей экспорта и импорта целесообразно увеличивать показатели перевозок железнодорожным и автомобильным транспортом, а также изменять индексы тарифов на перевозки. А для развития обрабатывающего производства важно влиять на показатели грузооборота.
0
Библиографический список
1. Регионы России социально-экономические показатели 2018: стат. сб. / Росстат.М.,2018. 848 с.
2. Шалабанов А.К., Роганов Д.А. Эконометрика: учебно-методическое пособие. 2008. С. 27-35.
3. Елисеева И.И., Курышева С.В., Костеева Т.В., Пантина И.В., Михайлов Б.А., Нерадовская Ю.В., Штрое Г.Г., Бартле К., Рыбкина Л.Р. Эконометрика: учебник / под. ред. И.И. Едисеевой. М.: Финансы и статистика, 2007. С. 109-155.
4. Будрина Е.В. Экономика транспорта: учебник и практикум для академического бакалавриата / под ред. Е. В. Будриной. М.: Юрайт, 2016. 225 с.
5. Кремер Н.Ш. Теория вероятностей и математическая статистика: учебник для вузов. 2-е изд., перераб. и доп. М.: ЮНИТИ-ДАНА, 2004. 573 с.
6. Барышева Е.Н. Изучение зависимости показателей, характеризующих ДТП районов Самарской области, средствами кластерного анализа // Вестник Самарского университета. 2017. № 8/3 (131). С. 45-54.
References
1. Regiony Rossii sotsial'no-ekonomicheskie pokazateli 2018: stat. sb. / Rosstat [Russia's Regions SocioEconomic Indicators 2018: statistical book. Rosstat]. M., 2018, 848 p. [in Russian].
2. Shalabanov A.K., Roganov D.A. Ekonometrika: uchebno-metodicheskoe posobie [Econometrics: study guide]. M., 2008, pp. 27-35 [in Russian].
3. Eliseeva I.I., Kurysheva S.V., Kosteeva T.V., Pantina I.V., Mikhailov B.A., Neradovskaya Yu.V., Shtroe G.G., Bartle K., Rybkina L.R. Ekonometrika: uchebnik. Pod. red. I.I. Ediseevoi [Econometrics: textbook. I.I. Ediseeva (Ed.)]. M.: Finansy i statistika, 2007, pp. 109-155 [in Russian].
4. Budrina E.V. Ekonomika transporta: uchebnik i praktikum dlya akademicheskogo bakalavriata. Pod red. E.V. Budrinoi [Economics of Transport: textbook and workshop for academic Bachelor's programme. E.V. Budrina (Ed.)]. M.: Yurait, 2016, 225 p. [in Russian].
5. Kremer N.Sh. Teoriya veroyatnostei i matematicheskaya statistika: uchebnik dlya vuzov. 2-e izd., pererab. i dop. [Probability theory and mathematical statistics: textbook for universities. 2nd edition, revised and enlarged]. M.: YuNITI-DANA, 2004, 573 p. [in Russian].
6. Barysheva E.N. Izuchenie zavisimosti pokazatelei, kharakterizuyushchikh DTP raionov Samarskoi oblasti, sredstvami klasternogo analiza [The study of dependence of indicators characterizing the road transport accidents of areas of the Samara Region by means of cluster analysis]. Vestnik Samarskogo universiteta [Vestnik of Samara State University], 2017, no. 8/3 (131), pp. 45-54 [in Russian].
I.S. Maksimova, E.N. Barysheva*
ANALYSIS OF RELATIONSHIPS OF THE INDICATORS OF THE ROAD-TRANSPORT SPHERE OF THE VOLGA FEDERAL DISTRICT AND THE CENTRAL FEDERAL DISTRICT BY MEANS
OF ECONOMETRIC MODELING
The article analyzes the relationship of indicators of the road transport sector of the Volga Federal District and the Central Federal District. Econometric models have been built, which characterize the interrelation of indicators. The obtained models are analyzed.
Key words: logarithmic model, multiple linear model, rail freight, road freight.
Статья поступила в редакцию 5/II/2018. The article received 5/II/2018.
* Maksimova Irina Sergeevna (irina.maximova@yandex.ru), Department of Mathematics and Business-Informatics, Samara National Research University, 34, Moskovskoye shosse, 443086, Russian Federation.
Barysheva Evgeniya Nikolaevna (barisheva_zh@hotmail.com), Department of Mathematics and Business-Informatics, Samara National Research University, 34, Moskovskoye shosse, 443086, Russian Federation.
