CC BY
150
МИРОВАЯ ЭКОНОМИКА
\
УДК 339.977
Д. Р. Зарубайко
студент,
кафедра бухгалтерского учета, анализа и аудита, ФГБОУ ВО «Дальневосточный федеральный университет»,
г. Владивосток
ЭКОНОМЕТРИЧЕСКИИ АНАЛИЗ ЗАВИСИМОСТИ ВВП КНР
ОТ ЭКСПОРТНЫХ ОПЕРАЦИЙ
Аннотация. В статье рассмотрено влияние экспортных операций КНР на ВВП, как один из важнейших макроэкономических показателей любого государства. Получена эконометрическая модель, позволяющая оценить риски КНР относительно существующей экономической модели развития.
Ключевые слова: эконометрические модели, ВВП, мировая экономика, экспорт, импорт, КНР,
D.R. Zarubaiko, Far Eastern Federal University, Vladivostok
ECONOMETRIC ANALYSIS OF THE DEPENDENCE OF CHINESE GDP ON IMPORT OPERATIONS
Abstract. The article considers the impact of the Chinese export operations on China's GDP as one of the most important macroeconomic indicators of any country. Received an econometric model that allows to assess the risks of China with respect to the current economic development model.
Keywords: econometric models, GDP, world economy, exports, imports, China, USA.
В рамках данного исследования, мною, в качестве территории, подлежащей эко-нометрического анализа, была выбрана Китайская Народная Республика (КНР).
Предметом анализа был выбран показатель экспорта, как один из важнейших макроэкономических показателей любого государства. При выборе предмета анализа, также была учтена специфика экономического базиса КНР, а именно преимущественно экстенсивный путь развития, который в практике КНР проявляется в сильной зависимости ВВП поднебесной от активного сальдо платежного баланса.
Целью данного исследования является доказать или опровергнуть зависимость ВВП КНР от экспортных операций, а также прочих возможных факторов.
Таким образом, в качестве результирующего признака «у», подлежащего эконо-метрическому анализу, нами был выбран показатель экспорта КНР в период с 2000-2015 гг., долл. США.
В качестве предполагаемых факторов, которые, на наш взгляд, способны оказать влияние на результирующий признак, были выбраны:
X] - внутренний валовый продукт КНР, долл. США; х2 - импорт товаров и услуг в США, в % к ВВП.
США.
Введение
Основная часть
В соответствии с выбранной целью и предметом эконометрического анализа, мною, в результате сбора необходимой информации, была сформирована база статистических показателей, характеризующих изменение экспорта КНР в период с 2000-2015 гг. (табл. 1).
Таблица 1 - Динамика результирующего и факторных признаков на территории КНР в период с 2000-2015 гг.
Год У xi Х2
2000 225149787398,5 1205260678392,0 14,32
2001 243553901728,9 1332234719889,8 13,14
2002 295158873988,2 1461906487857,9 13,02
2003 413140026579,7 1649928718134,6 13,41
2004 561035665957,9 1941745602165,1 14,67
2005 662334793698,1 2268598904116,3 15,50
2006 794855394185,7 2729784031906,1 16,22
2007 963483404535,0 3523094314820,9 16,46
2008 1144480676529,4 4558431073438,2 17,43
2009 1004455449395,4 5059419738267,4 13,75
2010 1380075368890,6 6039658508485,6 15,80
2011 1825402621682,3 7492432097810,1 17,31
2012 1943215392170,8 8461623162714,1 17,11
2013 2119378054488,5 9490602600148,5 16,63
2014 2191444250740,6 10351111762216,4 16,55
2015 2045761371336,8 10866443998394,2 15,50
Источник: http: //www.vsemirnyj bank.org/
Далее, с целью сформировать необходимые выводы о характере и направлении связи между переменными, построим матрицу парных коэффициентов корреляции при помощи программного пакета MS EXCEL («Данные» - «Анализ данных» - «Корреляция») (табл. 2):
Таблица 2 - Матрица парных коэффициентов корреляции, %
У xi X2
У 1
xi 0,980995 1
Х2 0,746134 0,616753 1
Оценив новую матрицу коэффициентов парной корреляции, представленную в таблице 2, отметим, что ни один из факторных признаков не коррелирует с другим факторным более чем на 70%. Отсюда делаем вывод об отсутствии мультиколлинеарности.
Убедившись в отсутствии мультиколлинеарности между отобранными факторными признаками, составим уравнение множественной линейной регрессии при помо-
щи MS EXCEL - «Данные» - «Анализ данных» - «Регрессия» (1). Имеем следующую модель парной линейной регрессии:
y=0,1983x1+121818751803,0340x2-156796771813,24. (1)
Для оценки качества (значимости) коэффициентов регрессии при линейной зависимости у от x1, x2 будем использовать ¿-критерий Стьюдента. Для расчета коэффициентов воспользуемся программным пакетом MS EXCEL («Данные» - «Анализ данных» - «Регрессия»). Получим необходимые для проверки значимости:
1. расчетные значения коэффициентов множественной регрессии (далее, оценки);
2. уровень значимости оценок.
Занесем полученные данные в таблицу 4.
Таблица 4 - Оценки коэффициентов регрессии и их значимость на уровне a =0,05
Оценки коэффициентов Значимости оценок на уровне a =0,05
К -7,863894271 2,69696E-06
h 32,12055417 9,03826E-14
к 8,702338418 8,79679E-07
Легко видеть, что уровень значимости коэффициентов при а =0,05 (вероятность неверной оценки 5%) очень мал, то есть вероятность совершить ошибку намного меньше 5%, отсюда мы с уверенность можем отклонить гипотезу о том, что наши параметры были получены случайно.
Ввиду того, что наши коэффициенты были получены не случайно, дадим им экономическую интерпретацию: выдел.
b0 - показывает, что если бы ВВП КНР составлял 0 долл. США, а импорт США был равен 0% от ВВП, то экспорт КНР сократился бы на 1567 967 711 813, 24 долл США
b - показывает, что при увеличении ВВП КНР на 1 долл. США, экспорт КНР увеличивается на 0,198з долл. США
h - показывает, что при увеличении импорта в США на 1% к ВВП, экспорт в КНР увеличивается на 121818751803,0340 долл. США
Далее, рассчитаем коэффициент детерминации для того, чтобы оценить насколько точно регрессионная модель аппроксимирует наши статистические данные. Воспользовавшись программным пакетом MS EXCEL - «Данные» - «Анализ данных» - «Регрессия», получим:
R2 =0,994484041.
Данное расчетное значение коэффициента детерминации говорит нам, что включенные в регрессионную модель факторные признаки х1, х2 на 99,5% описывают результирующих признак у, а на оставшиеся 0,5% результирующий признак у описывают неучтенных в модели факторы.
Одним из заключительных этапов нашего эконометрического анализа, станет проверка на значимость нашей регрессионной модели при помощи F-критерия Фишера. Для этого воспользуемся программным пакетом MS EXCEL («Данные» - «Анализ дан-
ных» - «Регрессия»). И найдем необходимые нам:
1. Значение Г-критерия Фишера для нашей регрессионной модели.
2. Значимость Г-критерия Фишера на уровне а =0,05 Полученные данные занесем в таблицу 5.
Таблица 5 - Расчетное значение Г-критерия Фишера и его значимость
на уровне а =0,05
Расчетное значение Г-критерия Значимость Г на уровне а =0,05
1171,899 2,09Е-15
Очевидно, что вероятность неверной оценки качества модели множественной регрессии на уровне а =0,05 очень мала. Отсюда делаем вывод о том, что наше уравнение множественной регрессии является значимым на уровне значимости а =0,05.
Таблица 6 - Данные, необходимые для расчета средней ошибки аппроксимации
Наблюдение, п у у, - у, у,
1 249255894858,91 415253897455,26 -0,66597423
2 266088364282,18 296502300147,86 -0,114300135
3 325575691675,73 307618082650,46 0,05515648
4 438418509121,66 393110620416,82 0,103343923
5 593264305045,43 604029641532,03 -0,018145937
6 764532662948,64 770515291206,43 -0,00782521
7 973210926330,05 948997392433,67 0,024880047
8 1230719684521,85 1135782936448,57 0,077139213
9 1444801781916,04 1458724349799,79 -0,009636317
10 1200774276575,81 1110629561552,15 0,075072157
11 1602475244819,28 1554697916010,77 0,029814706
12 2006296852124,12 2026332853158,81 -0,009986559
13 2175080625128,72 2193712538643,16 -0,008566079
14 2354248581297,01 2339902963054,00 0,006093502
15 2475698932187,39 2500922918859,98 -0,010188633
16 2431263707747,89 2474972777210,96 -0,017977922
Е - - -0,491100992
Теперь, когда у нас есть все необходимые данные, рассчитаем среднюю ошибку аппроксимации:
1 "у - у.
А = -х Т1^1 х100%. п у,
Имеем среднюю ошибку аппроксимации: А=3,07% (менее 10%), что свидетельствует о хорошо подобранной модели уравнения.
В результате проведенного эконометрического анализа можем сделать вывод об адекватности полученной модели и приступить к подробной интерпретации ее коэффициентов.
Выводы
В результате проведенного исследования и полученной эконометрической модели, сделаем следующие выводы:
1. Если бы ВВП КНР составлял 0 долл. США, а импорт США был равен 0% от ВВП, то экспорт КНР сократился бы на 1567 967 711 813,24 долл. США.
Отсюда можем сделать вывод о сохранении КНР сильных рисков относительно кризиса перепроизводства и низкой внутренней покупательной способности населения, так как, даже, при нулевом уровне производства товаров и услуг в течение года (ВВП), КНР имеет положительный сальдо торгового баланса.
2. При увеличении ВВП КНР на 1 долл. США, экспорт КНР увеличивается на 0,1983 долл. США. А при увеличении импорта в США на 1% к ВВП, экспорт в КНР увеличивается на 121818751803,0340 долл. США
Легко видеть, что КНР имеет низкую динамику рост экспортных операций относительно прироста ВВП, что является серьезным риском для экономики КНР, ведь при существующей, на сегодняшний день, макроэкономической нестабильности, основные торговые партнеры КНР (Страны ЕС, США) имеют объективные причины к снижению объема импорта, что в дальнейшем может привести КНР к кризису перепроизводства.
Список литературы:
1. Группа всемирного банка [Электронный ресурс]. Режим доступа: http://www.vsemirnyjbank.org/ (дата обращения: 27.02.2017).
