Исследование динамики инвестиционных процессов в машиностроении на основе моделей с распределенными лагами Текст научной статьи по специальности «Экономика и бизнес»

29 (284) - 2012

Экономико-математическое

моделирование

УДК 338.45+519.237

ИССЛЕДОВАНИЕ ДИНАМИКИ ИНВЕСТИЦИОННЫХ ПРОЦЕССОВ В МАШИНОСТРОЕНИИ НА ОСНОВЕ МОДЕЛЕЙ С РАСПРЕДЕЛЕННЫМИ ЛАГАМИ

С. В. РАТНЕР,

доктор экономических наук, ведущий научный сотрудник лаборатории экономической динамики и управления инновациями E-mail: lanarat@mail.ru Институт проблем управления имени В. А. Трапезникова Российской академии наук В. В. ИОСИФОВ, кандидат технических наук, доцент, заведующий кафедрой машиностроения и автомобилестроения E-mail: iosofov_v@mail.ru Кубанский государственный технологический университет

Общий рост инвестиционной активности предкризисных лет не привел к улучшению качества структуры промышленности и повышению эффективности функционирования промышленных организаций. Текущая нестабильность макроэкономической ситуации и нерешенные проблемы структурного дисбаланса в российской экономике диктуют необходимость разработки научно обоснованной долгосрочной промышленной политики страны и эффективных механизмов ее реализации.

Ключевые слова: инвестиции, машиностроение, моделирование, распределенный лаг, временной ряд.

Машиностроение является одной из наиболее восприимчивых к инновациям видов экономической деятельности, а также важнейшей фондообразующей

сферой экономики, техническое состояние которой во многом определяет уровень технико-технологического развития всей национальной экономической системы. В советской экономике машиностроение относилось к тяжелой промышленности, так называемой группе А (производство средств производства). Его развитию придавалось приоритетное значение. Доля машиностроительного производства находилась на уровне технологически развитых стран и составляла более 40 %. По общему объему выпуска продукции машиностроения СССР занимал второе место в мире после США. В 1990-е гг., в период разрушения сложившихся хозяйственных связей, разбалансировки институциональной и политической структур, утечки наиболее квали-

ЭКОНОМИЧЕСКИЙ АНАЛИЗ: жеорпя -и ЪР^тжгсх*

43

фицированного персонала, финансового кризиса и общего спада экономики, объем производства машиностроительной продукции снизился в несколько раз. Удельный вес машиностроения в общем объеме промышленного производства сократился до 16 %, резко снизился и технический уровень сложности выпускаемой продукции.

К сожалению, рост инвестиций в основной капитал, а также общий рост инвестиционной активности предкризисных лет не привели к заметному улучшению качества структуры промышленности и повышению эффективности функционирования промышленных организаций [3]. Ряд специфических особенностей, присущих только машиностроительным предприятиям, сделал кризис машиностроения наиболее глубоким и болезненным. К числу этих особенностей следует отнести следующие: относительно низкий уровень рентабельности производства (от 5,8 до 8—9 %), высокие энергоемкость и металлоемкость технологий, высокий процент накладных расходов, длительный производственный цикл и, как следствие, длительный период возврата инвестиций.

В связи с долгосрочным и высокорисковым характером инвестиционного процесса в машиностроении предприятия этой сферы вынуждены в основном самостоятельно изыскивать и вкладывать средства в модернизацию своей производственнной базы, которая в условиях жесткой конкуренции на

80

70

60

50

40

30

20

10

_—*- -*---.

111 щ

-^

2005

2006

2007

2008

Прсиззс^^зс л сьсру^сзачия

Прсэ=с£с-=с глек'рсс^сфу^свлчия, ;лек~реччс~': л сп'чческс'с оборудования

Прсиээс£~эс лчспср"чых и сгсру^сэачил

Рис. 1. Доля собственных средств машиностроительных предприятий в общей структуре инвестиций в основной капитал в 2005—2009 гг., %

внутренних и мировых рынках требует постоянного обновления (рис. 1). Некоторое исключение составляет лишь сектор автомобилестроения, который активно дотируется государством на протяжении последних лет.

Текущая нестабильность макроэкономической ситуации и нерешенные проблемы структурного дисбаланса в российской экономике диктуют необходимость разработки научно обоснованной долгосрочной промышленной политики страны и эффективных механизмов ее реализации [3]. В связи с этим особую актуальность приобретают вопросы оптимальной организации производственно-инвестиционного цикла, отдельные этапы которого требуют более активного участия государства как в плане предоставления прямой и/или опосредованной (например, через механизмы налоговых льгот или бонусных тарифов для производителей продукции высоких технологий) финансовой поддержки отдельным предприятиям машиностроения, так и в плане разделения инвестиционных рисков через механизмы проектного финансирования и государственно-частного партнерства [1]. Для этого необходимы детальное исследование особенностей инвестиционных процессов в машиностроении, их моделирование и прогнозирование основных показателей экономической деятельности предприятий в зависимости от ряда наиболее влиятельных экзогенных и эндогенных факторов.

Рассмотрим, с каким временным интервалом инвестиции в основной капитал предприятий машиностроения оказывают влияние на такие показатели, как коэффициент обновления основных фондов, степень износа основных фондов и электровооруженность. В качестве исходных данных будем использовать статистические показатели, представленные в источнике [2].

Для моделирования совместной динамики временных рядов, представляющих из себя статистические показатели в период с 1995 по 2009 г., используем один из наиболее информативных статистических методов моделирования и прогнозирования — модели с распределенными лагами вида

2009

ЭКОНОМИЧЕСКИЙ АНАЛИЗ: жеб7>ЪЯ -и ЪМКЮеХА

Уt = Ёа зX -з +st

3=0

16 14

где у1, х( — временные ряды,

описывающие изучаемые 12 взаимосвязанные экономические процессы; q — величина наибольшего лага;

а з — некоторые коэффициенты;

4

—I-1-1-1-1-1-1-1-1-1-1-1-1—

1 2 3 4 5

Коэффициент обновления

— случайное возмущение,

ошибка.

Данные модели относятся к группе динамических моделей, учитывающих ожидаемые уровни переменных, которые определяются экономическими субъектами на основе информации, которой они располагают в текущий и предыдущий моменты времени [4].

Основную проблему при оценке параметров аi составляет, как правило, сильная корреляция между факторами х, х—1, х—2 и т. д. Для ее преодоления на практике обычно применяется преобразование лаговых переменных, либо делаются определенные предположения о характере коэффициентов регрессии [4]. При построении моделей с рапределенными лагами будем использовать метод Алмона, в котором для преодоления сильной корреляции между значениями ряда в близкие моменты времени используются переход к новым переменным и представление коэффициентов модели в виде полиномов заданной степени k от величины лага ]

1 2 3 к

Ь3 = с0 + С13 + с23 + С33 + ••• + ск] •

Расчет коэффициентов проведем в пакете прикладных программ STATISTICA 8.0. Варьируя длиной лага и степенью полинома Алмона, нахо-

250

200

150

100

50

-50

7 8 9 10 11 --- Инвестиции

12 13

14

Рис. 2. Динамика изменений объема инвестиций в основной капитал (правая шкала, млрд руб.) и коэффициента обновления основных фондов (левая шкала, %) в машиностроении в 1995—2009 гг.

дим, что для описания зависимости между объемом инвестиций в основной капитал и коэффициентом обновления основных фондов в машиностроении наилучшим качеством приближения Я2 = 0,9967 обладает модель со степенью 3. Наивысший уровень статистической значимости при этом соответствует длине лага 4 (табл. 1).

Таким образом, зависимость между объемом инвестиций в основной капитал и коэффициентом обновления основных фондов в машиностроении (рис. 2) можно представить в виде Коэффициент обновления (О = = 0,33 х Объем инвестиций ^ — 4). (1)

Построим модель с распределенными лагами для описания зависимости между инвестициями в основной капитал и степенью износа основных фондов (рис. 3).

Таблица 1

Статистическая значимость модели с распределенными лагами (1) при третьей степени полинома Алмона

0

6

№ лага Коэффициент регрессии Стандартная ошибка /-статистика /-уровень

0 —0,032451482428 0,017130371402 —1,89438288682 0,198667267214

1 —0,177543830734 0,025571740825 —6,94297005230 0,020120825752

2 —0,017522400596 0,017778030702 —0,98562101112 0,428224145306

3 0,225946959522 0,041470288468 5,44840578325 0,032074951615

4 0,331198401156 0,043319510867 7,64547878145 0,016680806055

5 0,076566075843 0,067512884189 1,13409576206 0,374388835010

ЭКОНОМИЧЕСКИЙ АНАЛИЗ: Ш5б7>ЪЯ те ЪР*?жг(Ъ4

45

250

200

150

100

4 5 6 Инвестиции

7 8 9 10 ---Степень износа

Рис. 3. Динамика изменений объема инвестиций в основной капитал (левая шкала, млрд руб.) и степени износа основных фондов (правая шкала, %) в машиностроении в 1995—2009 гг.

Как и в предыдущем случае, наибольшую степень аппроксимации Я2 = 0,9245 удается достичь при использовании полинома Алмона третьей степени. Получим результаты, представленные в табл. 2.

Так как наиболее высокий уровень статистической значимости достигается на лаге 3, зависимость между инвестициями в основной капитал и степенью

износа основных фондов можно записать в следующем виде: Степень износа основных фондов (0 = 2,5 х Объем инвестиций ^ — 3). (2) Модели данного типа помимо выявления ряда качественных особенностей в инвестиционных процессах могут успешно использоваться и для анализа ряда других проблем. Рассмотрим, например, вопрос о том, насколько электровооруженность труда в машиностроении влияет на рентабельность продукции.

Для описания зависимости временных рядов между электровооруженностью и рентабельностью продукции машиностроения (рис. 4) удалось построить модель с распределенными лагами при использовании полиномов Алмо-на первой степени (табл. 3). Коэффициент аппроксимации Я2 в данном случае равен 0,9767.

Нетрудно заметить, что здесь наиболее высокий статистически значимый результат получаем при значении лага, равном 3 (р = 0,068545).

Тогда зависимость между рядами имеет вид Рентабельность (0 = 0,0956014 х х Электровооруженность ^ — 3). (3)

11 12 13 14

Таблица 2

Статистическая значимость модели с распределенными лагами (2) при третьей степени полинома Алмона

0

2

3

№ лага Коэффициент регрессии Стандартная ошибка /-статистика ^-уровень

0 —0,32864458297 0,362906961917 —0,90558908332 0,460738325029

1 —0,83725707474 0,541737394720 —1,54550356484 0,262252172843

2 0,87174174589 0,376627625846 2,31459852138 0,146674973559

3 2,50484097962 0,878548167155 2,85111400065 0,104151666060

4 1,76852972712 0,917723948403 1,92708246330 0,193798490990

5 —3,63070291094 1,430260624040 —2,53849043308 0,126419113360

Таблица 3

Статистическая значимость модели с распределенными лагами (3) при первой степени полинома Алмона

№ лага Коэффициент регрессии Стандартная ошибка /-статистика ^-уровень

0 0,132825123047 0,140306211113 0,946680278754 0,443725970952

1 0,120417226831 0,085139260271 1,414356037948 0,292857606187

2 0,108009330616 0,030318155864 3,562529696769 0,070555026388

3 0,095601434400 0,026406887037 3,620322011715 0,068544856834

4 0,083193538185 0,081136261706 1,025355820394 0,413013279259

5 0,070785641969 0,136295628751 0,519353721157 0,655272212022

46

ЭКОНОМИЧЕСКИЙ АНАЛИЗ: жеб7>ЪЯ -и ЪРЛЖкЫ

24

22

20

18

16

14

12

10

18

17

16

15

14

13

12

11

10

3456 Рентабельность

7 8 9 10 11 12 --- Электровооруженность

13 14

Рис. 4. Динамика изменений рентабельности (левая шкала, %) и электровооруженности (правая шкала, тыс. кВт-ч на одного работника) в машиностроении в 1995—2009 гг.

18

17

16

15

14

13

12

11

10

' \ ' \

234567 - Электровооруженность

8 9 10 11 --- Инвестиции

Рис. 5. Совместная динамика электровооруженности (левая шкала, тыс. кВт-ч на одного работника) и объемов инвестиций в основные фонды (правая шкала, млрд руб.) в машиностроении в 1995—2009 гг.

Построенная аналогичным образом модель с распределенными лагами между численностью работников и объемом промышленной продукции будет иметь следующий вид:

Объем продукции (^ = 217,360753 х х Численность работников ^ — 3). (4)

Наивысшей степени аппроксимации Я2 = 0,9 в модели (4) удается достичь при использовании полиномов Алмона первой степени.

Модель с распределенными лагами между инвестициями в основной капитал и электровооруженностью (рис. 5) будет иметь следующий вид:

Электровооруженность (^ = = 0,8215 х Объем инвестиций ^ — 3). (5) При этом коэффициент аппроксимации модели Я2 = 0,947, а наиболее высокий уровень статистической значимости коэффициента регрессии, соответствующий третьему лагу, равен 0,063.

Анализ построенных зависимостей (1) — (4) позволяет сделать ряд содержательных выводов, имеющих большое значение для формирования долгосрочной промышленной политики в области развития машиностроения на макроуровне:

- коэффициент обновления основных фондов в машиностроении изменяется в зависимости от объема инвестиций в основной капитал с запаздыванием в среднем по виду экономической деятельности на четыре года, что подтверждает модель (1). Это свидетельствует о том, что значительная часть инвестиционных ресурсов направлена на строительство новых зданий и сооружений, а не непосредственно на технологическое обновление производственной базы. Модель (2) подтверждает, что между степенью изношенности основных фондов и объемом инвестиций в основной капитал запаздывание равно трем годам;

- часть инвестиций в основной капитал в машиностроении направлена на повышение электровооруженности труда. Эффект повышения элек-

250

200

150

100

50

-50

12 13 14

8

6

4

0

2

0

ЭКОНОМИЧЕСКИЙ АНАЛИЗ: Ш5б7>геЯ те ЪР*?жгеЪ4

тровооруженности достигается приблизительно через три года с момента начала инвестиционного процесса, что доказывает модель (3). Совместная динамика изменений этих двух статистических показателей на протяжении последнего десятилетия свидетельствует о том, что часть инвестиций в основной капитал используется для закупки устаревшего энергоемкого оборудования, следовательно, расходуется неэффективно;

- повышение электровооруженности труда в машиностроении, следовательно, увеличение энергоемкости производства, приводят в течение трех лет к снижению рентабельности продукции, что доказывает модель (5);

- период обучения работников в машиностроении в среднем по виду экономической деятельности составляет около трех лет, что подтверждает модель (4).

Помимо идентификации качественных закономерностей в развитии машиностроения в последние 10—15 лет и определения ряда их количественных

параметров модели (1) — (5) могут также служить для прогнозирования зависимых переменных при заданном изменении уровня независимых переменных при условии сохранения направления инвестиционного развития вида экономической деятельности и существующих структурных диспропорций.

Список литературы

1. Голиченко О. Г. Национальная инновационная система России: состояние и пути развития. М.: Наука, 2006.

2. Промышленность России, 2010 // Федеральная служба государственной статистики. URL: http://www. gks. ru/wps/wcm/connect/rosstat/ rosstatsite/main/publishing/catalog/statisticCollections/ doc_1139918730234.

3. Сухарев О. С. Экономика технологического развития. М.: Финансы и статистика, 2008.

4. Шанченко Н. И. Лекции по эконометрике: учеб. пособие. Ульяновск: УлГТУ, 2008.

48

ЭКОНОМИЧЕСКИЙ АНАЛИЗ: ШбТ^сЯ те ЪР/ГКЖЪХА