CC BY
34
УДК 332.1
ИТЕРАЦИОННЫЙ АЛГОРИТМ ОЦЕНКИ УСТОЙЧИВОСТИ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ ПРОМЫШЛЕННЫХ ЦЕНТРОВ: ПО МАТЕРИАЛАМ ЧЕЛЯБИНСКОЙ ОБЛАСТИ
М.М. ЛЕБЕДЕФФ-ДОНСКОЙ, соискатель кафедры экономической теории и регионального развития E-mail: [email protected] Челябинский государственный университет
В статье проведен анализ современного состояния и основных тенденций социально-экономического развития промышленных центров Южного Урала. Обоснованно применение корреляционно-регрессионного анализа в исследовании взаимосвязанных процессов внутри территории в аспекте устойчивости, что позволяет получить текущую и перспективную оценки развития территорий. Показана возможность использования авторского итерационного алгоритма анализа региональных промышленных центров, основанного на последовательной смене критериев. Сделан вывод о том, что применение системы показателей, полученных из разных информационных баз, позволяет получить более объективную оценку происходящих процессов в условиях экономической нестабильности.
Ключевые слова: устойчивость, динамика, корреляционно-регрессионный анализ, взаимосвязанные процессы, методология мягких систем, открытый итерационный алгоритм с последовательной сменой критериев
В региональных исследованиях как отечественных, так и западных ученых уделено серьезное внимание пространственному развитию социально-экономических систем (СЭС) территорий, отношений центра и периферии, их взаимосвязи.
В теории полюсов роста, выдвинутой Франсуа Перру, главенствующая роль в развитии регионов отдана точкам роста. Мировая практика свидетельствует о том, что такая политика приводит
к региональной дифференциации, сильной по-ляризованности развития, но при эффективной социально-экономической политике позитивно стимулирует прилегающие территории. Эффект распространения инноваций от центра к окраинам позволяет вывести депрессивные территории в более устойчивые и создает условия для повышения устойчивости всего региона.
Исторически сложившаяся в нашей стране неравномерность распределения производительных сил и неоднородность регионов создает предпосылки для применения отечественными исследователями теории полюсов роста при решении задач регионального анализа. Неравномерное размещение отраслей хозяйства и видов деятельности — неизбежное свойство любого организованного экономического пространства [3, с. 21]. В пространственной структуре отдельного региона это предполагает наличие центра и периферии.
Исследователь Э.Б. Алаев центр рассматривает как объект, который по отношению к остальному пространству выполняет какую-то важную функцию (административную, финансовую, информационную и т.п). Периферия — это остальная часть пространства, дополняющая центры, ядро [6, с. 26].
В середине прошлого века в западных экономических исследованиях сформировалась теория экономического ядра, которая была построена на
трех столпах теории полюсов роста (доминирующая экономика, гармонизированный рост, всеобщая экономика). Эта теория в качестве ядра рассматривала совокупность точек (полюсов) роста. К экономическому ядру при этом может относиться как совокупность отдельных предприятий и отраслей, так и город, регион, страна.
Исследователь Э.Б. Алаев отметил наличие сходства между выбором в странах с развитым рыночным хозяйством точек роста и советским принципом создания промышленных очагов и территориально-производственных комплексов [12, с. 110, 111].
Одной из форм пространственной организации хозяйства и расселения в экономическом пространстве является промышленный узел. Исследователь А.Г. Гранберг дает следующее определение: «Промышленный узел — это сочетание промышленных предприятий, одного или нескольких населенных пунктов вместе с общими объектами производственной и социальной инфраструктуры, размещенной на компактной территории» [6, с. 27].
Таким образом, целесообразно в представленном региональном исследовании рассматривать не административные центры в качестве точек роста, арегиональные промышленные узлы внутри определенного ядра.
Выбор промышленных узлов, принимаемых автором для исследования, строится на оценке значимости городских, промышленных агломераций для экономики области по критериям «предпринимательская активность» и «благосостояние населения».
Автором рассматривается Челябинская область как перспективный промышленный регион с высокой концентрацией исторически сложившихся промышленных узлов. Так, прирост доходов бюджета промышленных центров, таких как Магнитогорск, Челябинск, Озёрск, Златоуст, Копейск, опережает прирост доходов консолидированного бюджета Челябинской области. Прирост в 2011 г. доходной части бюджетов городских округов Челябинской области (за исключением областного центра) составил 13,3% против годового роста в 9,1% консолидированного бюджета области [4]. По данным Минфина Челябинской области, поступления по статье «Налог на доходы физических лиц» в бюджет Челябинска и Магнитогорска за 2010 и 2011 гг. и по статье «Упрощенная система налогообложения» в совокупности по величинам, отраженным в двух
городских бюджетах, составили от 50 до 70% от сумм бюджетов всех городских округов. Атомный наукоград Озёрск был принят в исследование как передовой центр с высокими доходами населения и темпами прироста малого бизнеса(темп роста в 2011 г. опережает средний показатель по группе городских округов).
При анализе региона результат во многом зависит от имеющейся информации об исследуемом объекте. Необходимо отметить, что современные урбанизации являются открытой системой, для которой характерны цикличность и неравновесность. Динамизм социально-экономической системы (СЭС) города обусловлен влиянием как внешней, так и внутренней среды. Так, например, по исследуемым промышленным узлам Южного Урала автором было выявлено сильное расхождение по основным социально-экономическим показателям 2011 г. Данные были получены из источников Росстата и документов исполнительных органов соответствующих городских округов, которые были приведены к подушевой оценке1 (табл. 1).
Если по уровню развития среднего и малого бизнеса (поступления налога с УСН), доходов населения (поступления за 2011 г. по статье НДФЛ) и удовлетворения спроса населения (оказанные услуги ) вариативность подушевых показателей находится в пределах допустимых границ, то по величине оборота розничной торговли и промышленного производства коэффициент вариации превышает математическое нормативное значение в 2-3 раза.
Таким образом, рассмотрение состояния СЭС промышленных центров в реальной информационной и институциональной среде и есть отражение ее реальной динамики.
Неоднородность и несопоставимость промышленных центров наряду с проблемой сбора и полноты отражения статистической информации ведомственными и отраслевыми органами исполнительной власти на местах обусловливает поиск методического аппарата, позволяющего сопоставлять промышленные центры, имеющие большие межтерриториальные разрывы в развитии, и получить, соответственно, более объективную оценку.
Актуальной проблемой информационного обеспечения региональных исследований сегодня
1 URL: http://www.econom-chelreg.ru/socreview; М1р://ЛеМа1 gks.ru/wps/wcm/connect/rosstat_ts/chelstat/ru/statistics/db.
Таблица 1
Основные показатели социально-экономического состояния группы исследуемых городских округов в сравнении со среднегрупповым значением за 2011 г., руб.
Показатель Челябинск Магнитогорск Озёрск Городские округа Коэффициент аппроксимации (вариации)
Поступление налогов от УСН 551 234 299 364 0,33
Поступления НДФЛ в бюджет 4 558 4 434 5 215 4 256 0,03
Оборот розничной торговли 22 903 137 823 7 640 121 147 0,79
Оказанные услуги 41 776 15 445 26 244 25 856 0,35
Оборот промышленных 33 151 78 150 20 181 325 000 1,08
предприятий
остается ведомственная разрозненность информационных ресурсов: сбор статистических данных в России производят более 50 ведомств, половина статистических данных собирается непосредственно Росстатом. Несоблюдение сроков представления данных и обновления их на сайтах владельцев информации, несогласованность в использовании классификаторов, принципов и форм распространения и описания статистических данных становятся проблемой для исследователя, снижают качество агрегирования выходной информации на всех уровнях.
Наличие большого числа показателей, характеризующих развитие и состояние региональных процессов, усложняет оценку социально-экономического состояния промышленных территорий. Очевидно, что такие комплексные показатели, как валовый муниципальный продукт (ВМП), объем оборота промышленных предприятий, среднедушевые денежные доходы населения, не являются достаточными для описания столь сложной характеристики территории, как устойчивость. Необходима система показателей, которая:
1) учитывает многообразие аспектов явления;
2) амортизирует искажающие воздействия недостоверных статистических данных;
3) повышает обоснованность выводов и обеспечивает надежность их экстраполяции (при наличии дополнительно вводимых показателей);
4) позволяет оценить перспективы сохранения устойчивости развития территорий.
Объективный анализ проблем, связанных со стабильностью и устойчивостью социально-экономических процессов на территориальном уровне, по-прежнему не до конца описан. Это вызвано отсутствием единого методического подхода как в Минэкономразвития России, так и в территориальных органах статистики по расчету таких показателей, как ВМП и оборот розничной торговли.
Так, например, по промышленному центру Озёрск оборот розничной торговли за 2010 г. был агрегирован отделом экономики города без учета оборота малых предприятий, а с 2011 г. этот показатель рассчитывается с учетом оборота средних и малых предприятий (Паспорт Озёрского городского округа на 01.01.20122). Соответственно, что использование некоторых показателей при оценке становится проблематичным.
Большое число разнообразных критериев, локальных показателей, оценок, формируемых исследователями состояния региона, определяют основную проблему анализа, т.е. сложность, а порой невозможность сопоставления результатов исследования. Зачастую формируемые агрегированные и обобщенные показатели не отражают действительности, а в экспертных оценках присутствует субъективизм при выборе весов и дальнейшем сведении воедино разнородных оценок.
Так, современные исследователи региональных социально-экономических систем [1; 7; 15] применяют метод свертки совокупности локальных ведомственно-отраслевых показателей, формирования балльных оценок (ранжирование) и получение агрегированного, интегрального показателя. Далее зачастую следуют типология и группировка территорий по соответствующим критериям для унификации управляющих воздействий на группу территорий. В приведенных методиках основным вопросом является система присвоения весов каждому критерию при подсчете интегрального коэффициента, а также присвоение баллов лицом, принимающим решение. Субъективизм эксперта (экспертного сообщества) при выборе весов — это основная нерешенная проблема.
Полученные обобщенные показатели, как правило, требуют уточнения и своеобразного дополне-
2 URL: http://ozerskadm.ru/regulatory/passport.
ния. При этом помимо оценки в статике (текущий уровень) требуется определить, как будет развиваться тот или иной социально-экономический процесс в динамике (вектор, перспектива развития).
Следовательно, при выборе инструментария необходимо учитывать:
1) высокую динамику происходящих процессов в современных урбанизациях;
2) неоднородность промышленных центров;
3) множественность, неоднородность и зачастую несопоставимость существующих социально-экономических показателей уровня развития территорий.
Таким образом, автором формируются следующие ограничения методического подхода, связанные с многокритериальностью, точностью измерений динамики тренда и эталонного значения, а также со сменой парадигмы исследования. Мно-гокритериальность, обусловленная применением одновременно критериев сбалансированности развития территории (сопоставимости темпов изменений процессов воспроизводства в одном регионе), устойчивости и, соответственно, эффективности, при оценке центра роста решается применением принципа Парето. Поиск нормативного, эталонного значения осуществляется решением задачи векторной максимизации при парных сравнениях. Задача смены парадигмы анализа из-за смены основ системы поиска решений (неоднородность информационной среды и, соответственно, оценок) позволяет применить мягкий, не разрушающий подход ММС (методология мягких систем Питера Чекланда) [17].
При этом мягком подходе, заимствованном из менеджмента, исследователь «уходит» от жестких, системных постановок задач, а за целевую установку принимает: постоянно воздействующие на систему повторяющиеся интервенции; поиск альтернативной задачи необходимости сохранения отношений внутри системы (используя мнение человека). Таким образом, может быть найдено некоторое подмножество значений, характеризующее вектор (векторы) развития территории.
В таких случаях информационная составляющая доминирует и определяет во многом методические основы инструментария (в том числе такого, как визуализация).
Визуализация — это отображение табличного массива цифровой информации в графическом виде. Сочетание «мягких» информационных подходов
с визуализацией позволяет эффективно работать с большими объемами информации. При визуализации наиболее сложная для восприятия часть информации в дополнение к цифровому виду отображается графически [5, с. 52].
В условиях реальной информационной среды (неоднородность и несопоставимость промышленных центров и многокритериальность целевых функций) автором предлагается анализ промышленных центров в виде механизма выбора наилучшего варианта развития индустриальных центров посредством применения последовательного проблемно ориентированного итерационного открытого алгоритма анализа региона по показателям сбалансированности его социально-экономических процессов.
Алгоритм состоит из повторяющихся, последовательных уточнений критериев (от наиболее важных к второстепенным), а также показателей в рамках оптимизации решений по поиску глобального «регионального максимума». Он представляет собой процесс из трех этапов (рис. 1).
Сбалансированность регионального развития обусловливает рассмотрение в реальном информационном пространстве большого числа параметров, показателей (как качественных, так и количественных), характеризующих развитие социально-экономических систем, что автоматически обусловливает мультикритериальность поиска решений. В простейшем случае многокритериальность задачи определяется рассмотрением одного фактора в нескольких аспектах. Например, при рассмотрении вопросов развития малого бизнеса в качестве показателей в составе критериев могут выступать: темпы динамики налоговых поступлений от предприятий малого бизнеса (налоги по видам деятельности «ЕНВД» и «УСН»); показатели динамики оборота розничного бизнеса; объем оказанных населению платных услуг, характеризующих спрос и предложение услуг предприятий малого бизнеса. Открытость алгоритма определяется сменой критериев исследователем по мере накопления данных.
К условиям и особенностям открытого итерационного алгоритма можно отнести:
1) поиск глобального оптимума (общерегионального экстремума) — на основании базы данных множества характеристик значений показателя;
2) условие окончания итераций (критерий сходимости) — выбор Парето-оптимального решения для критерия;
Рис. 1. Этапы анализа устойчивости социально-экономических систем промышленных центров
3) рассмотрение различных показателей, характеризующих как изменение затрат, так и результатов;
4) различный характер выполняемых операций в зависимости от стадии анализа. На первой итерации происходят операции формирования информационной среды и конкретизации основных характеристик оптимизации (на следующих итерациях операции обработки служат для формирования системы критериев и ограничений);
5) смену системы критериев оценки на каждой итерации.
Необходимо отметить, что алгоритм на первой стадии позволяет получить оценку текущего состояния индустриальных центров с учетом институциональной среды, а на заключительном этапе анализа он позволяет оценить перспективы развития отдельных промышленных центров с выставлением ориентиров в развитии всего региона
Множество возможных решений будет состоять из конечного числа элементов. Все целевые функции (критерии оптимальности) должны быть числовыми, и лицо, принимающее решение (ЛПР), должно быть заинтересовано в их максимизации. Классические стратегия исключения и стратегия компенсации [11, с. 148] критериев как стратегии выбора ЛПР в многокритериальной среде неприемлемы при решении задачи, так как они противоречат принципу сбалансированности развития. Соответственно, отношение предпочтения, основанное на относительной важности критерия (идея компенсации), и последовательное сужение множества
Парето, основанное на количественной информации об относительной важности критериев (стратегия исключения), автором отбрасываются.
Адаптация и применение авторского алгоритма по поиску Парето-оптимального решения при выставлении индикаторов роста региона предлагается автором посредством оценки конкретных территорий одного субъекта Федерации по заданным критериям и отобранным показателям.
Основные положения адаптации методического итерационного подхода следующие:
• учитываются факторы реальной институциональной среды и ограниченность информации на муниципальном уровне (использование в целях проверки достоверности информации данных Росстата совместно с финансовыми данными (исполнение бюджета по статьям, отражающим динамику изменений благосостояния населения и малого бизнеса по поступлениям налоговых платежей по статьям НДФЛ и УСН — ЕНВД);
• в расчет принимается динамика нескольких городских округов в рамках одного экономического ядра (в рассматриваемом случае — субъекта Федерации);
• оценка ведется по нескольким аспектам экономического и социального развития;
• рассматривается сбалансированность динамики изменений значений взаимосвязанных показателей;
• осуществляется приведение показателей в сопоставимый вид через подушевую оценку;
О-©-
повторяющиеся последовательные итерации
Рис. 2. Блок-схема итерационного алгоритма оценки устойчивости динамики социально-экономических систем индустриальных центров
• в группу анализируемых городов включаются городские округа, имеющие сопоставимые величины бюджетной обеспеченности населения, рассчитываемые с помощью показателя «Собственные доходы»;
• оценка параметров парных регрессионных (линейных) моделей на заключительном этапе анализа сводится к поиску множества значений глобального регионального максимума, что и является нахождением сценария устойчивого развития региона в реальной институциональной среде [9].
Алгоритм многокритериальной оценки состояния СЭС индустриальных центров представлен на рис. 2.
Указанный алгоритм включает: 1) анализ общих тенденций (по критериям благосостояния населения и динамики среднего и малого бизнеса, что позволило выбрать для анали-
за следующие промышленные центры: Озёрский, Челябинский, Магнитогорский);
2) анализ и оценку сбалансированности динамики социально-экономических процессов территорий.
Для характеристики взаимосвязи факторов, влияющих на устойчивое, сбалансированное развитие территориальных образований, автором были проанализированы и обобщены все доступные показатели, характеризующие взаимосвязанные процессы в рамках фаз общественного воспроизводства в соответствии с выделенными критериями устойчивости: достижение уровня качества жизни населения, наличие условий экономического развития и саморазвития территорий, обеспечение предпосылок стабильности развития в перспективе.
Рассматриваемые показатели условно были разделены на 3 блока (табл. 2).
Таблица 2
Показатели устойчивого социально-экономического развития территории
Критерий Показатели
Бюджетный Динамика доходов бюджета
Бюджетная обеспеченность
Социальный Оборот розничной торговли на душу населения
Налоговые поступления по статье НДФЛ
Оказанные платные услуги населению (подушевые)
Среднедушевые денежные доходы населения
Экономический Валовый муниципальный продукт
Налоговые поступления по статьям УСН — ЕНВД
Оборот промышленных предприятий
Примечание. Показатели «Динамика доходов бюджета» и «Бюджетная обеспеченность» предназначены для предварительной оценки сопоставимости городских округов для их включения в оценочный ряд. Показатель «Среднедушевые денежные доходы» применяется в предварительной оценке и далее замещается более объективным показателем — «Динамика по статье НДФЛ»
Взаимосвязь процессов всех стадий общественного воспроизводства, а также система из шести показателей, что характеризует динамику развития промышленного узла, представлены на рис. 3.
Оценка сбалансированности развития территории (городского округа) посредством применения парного корреляционного анализа свидетельствует о силе связи между взаимосвязанными показателями (они характеризуют процессы, происходящие внутри территории). На этом этапе исследования было проанализировано влияние друг на друга уровня развития социальной, экономической, производственной сферы и уровня экономической эффективности территории (динамика ВМП индустриального центра),
и выявлялись взаимосвязи. Анализ корреляционной матрицы, проверка коэффициентов на значимость по критериям Стьюдента и Пирсона позволили выделить 5 коэффициентов парной корреляции, которые в представленном исследовании характеризуют сбалансированность динамики процессов (рис. 3) и «связывают» воедино 4 фазы воспроизводства. Основной критерий устойчивости—сбалансированность — априорно обусловливает сопоставимость развития (роста) всех сфер жизнедеятельности территории. Указанные в табл. 3 коэффициенты представляют собой «пары» индикаторов, которые объединяют взаимосвязанные процессы одного организма — промышленного центра. За исключением коэффициента корреляции 3, показывающего тесноту связи промышленного продукта и всего «вала» территории, четыре показателя соединили между собой все фазы воспроизводства. Согласованность или, наоборот, расхождение динамики показателей, характеризующих с разных сторон процессы производства и потребления, являются индикаторами устойчивости регионального развития.
Таблица 3
Коэффициенты парных сравнений
Коэффициент Коэффициенты парных корреляций
К Темпы изменений НДФЛ и УСН
К Динамика НДФЛ и платных оказанных услуг населению
К Динамика ВМП и объема промышленного производства
К Динамика налогов с доходов (НДФЛ) и с оборота розничной торговли
К Темпы изменений НДФЛ и ВМП
Коэффициенты рассчитываются посредством сопоставления динамических рядов на основании темпов изменений соответствующих величин, приведенных к прошлому году.
Расчеты производились на основании данных Росстата, минэкономики Челябинской области и финансовых показателей исполнения бюджетов анализируемых ГО Челябинской области с 2008 по 2012 г. включительно. Значения коэффициентов (см. табл. 3) представлены в табл. 4.
Таблица 4
Параметры корреляций по промышленным узлам
Коэффициент Челябинск Озёрск Магнитогорск
К 0,95 0,44 0,5
К2 0,98 0,99 0,54
К3 0,98 0,81 0,84
К4 0,98 0,9 -0,46
К5 0,62 0,68 -0,94
Среднее значение 0,9 0,76 0,63
Таким образом, с помощью расчетного способа (среднеарифметическое значение парных корреляций) определяется точка роста как наиболее устойчивая в социально-экономическом плане территория. Необходимо отметить, что устойчивость Челябинска в этом случае является условной (касательно других ведущих индустриальных центров узла). Челябинск по всем параметрам парных сравнений сохраняет лидирующее место (см. табл. 4). Среднее значение (сводный коэффициент устойчивости), указанное в нижней строке таблицы, — максимальное по группе и составляет 0,9. У Озёрска схожие величины, но наблюдается большой разрыв между ростом доходов населения и развитием сферы малого бизнеса (значение — 0,76). Аутсайдером является Магнитогорск (устойчивое значение — 0,63 (в расчет отрицательные параметры не принимались).
На следующем этапе исследования проводилась оценка динамики отдельных показателей для каждого городского округа. Этот этап оценки представляет наиболее объективную ситуацию ввиду отражения последней в реальной институциональной среде (без привязки к величине «от достигнутого» за прошлые периоды). Первичным и наиболее элементарным методом количественного анализа динамического ряда общественного производства является рассмотрение его как функции времени.
Оценку динамизма социально-экономических процессов невозможно провести без изучения динамических рядов каждого из процессов по трем исследуемым городам. Для этого определяем:
1) устойчивость уровней временного ряда (колеблемость относительно средней);
2) направление основной тенденции развития и устойчивость самого тренда.
В понимании автора устойчивость временного ряда есть наличие определенной тенденции изучаемого процесса с минимальным влиянием на него неблагоприятных условий. Исходя из этого к основным требованиям, предъявляемым автором к устойчивости, относятся:
— минимизация колебаний уровней временного ряда;
— наличие определенной, заданной исследователем (обществом, органами власти) тенденции изменения.
В рассматриваемой задаче объем розничной торговли, объем оказанных услуг населению, ВМП, объем выплаченной заработной платы и активность предприятий среднего и малого бизнеса выражается в однородных, относительных величинах и графически представляет собой динамический интервальный ряд, где показателем периодов времени являются исследуемые годы (с 2007 по 2012), а уровнями ряда будут темпы изменений социально-экономических явлений. Практический анализ проводится с помощью исследования линейной диаграммы. Теоретический анализ — на основе рассчитанных показателей динамики посредством аналитического выравнивания ряда с использованием метода наименьших квадратов (МНК).
Устойчивость уровней временного ряда (колеблемости ряда) характеризуется следующим коэффициентом [2]:
Vy(t) = S ^/Средний уровень ряда х 100%, где S (t) -среднее квадратическое отклонение.
Этот показатель отражает величину колеблемости в сравнении со средним уровнем ряда.
Коэффициент устойчивости уровня рассчитываем по следующей формуле:
K = 100 — V(t) (1)
Интерпретация значения коэффициента — это обеспечение устойчивости уровней ряда относительно тренда лишь в (100 — Vy(t) случаях.
Для обобщенной количественной оценки тенденции динамического ряда используем коэффициент среднего прироста-снижения [2]:
Кп.с = (bK)/(a100), (2)
где a и b — показатели линейной зависимости, используемые при выравнивании ряда посредством МНК;
К = 1 (при нечетном числе уровней ряда и К = 2 при их четном числе).
Коэффициент устойчивости уровня тренда рассчитывается как отношение среднего прироста линейного тренда (параметр Ь уравнения) к среднему квадратическому отклонению уровней от тренда Бр). Таким образом, коэффициент тренда [8] получаем по следующей формуле:
К = Ь/Бр). (3)
Этот коэффициент указывает направление динамики коэффициента устойчивости уровней. Чем больше значение Кт тем менее вероятно, что уровень ряда в следующем периоде будет меньше предыдущего.
После проведения последовательных итераций анализа и исходя из критериев оценки (оборот розничной торговли, объем платных оказанных услуг населению, объем выплаченной заработной платы, размер ВМП, уровень развития СМП) получаем данные из значений коэффициентов К Кпс, Кт, которые представлены в табл. 5.
Показатели, представленные в табл. 5, приводятся к сопоставимому виду с помощью индексирования по методу относительных разностей (оценка относительного расстояния между фактическим значением показателя и максимальным
Таблица 5
Оценка динамики отдельных показателей для различных территорий
Коэффициент Челябинск Озёрск Магнитогорск
Оборот розничной торговли
К У 85,6 87,9 87,4
К п.с -8,62 -8 -7
К т -0,35 -0,43 -0,34
Объем платных услуг
К У 84,13 93,82 79,67
К п.с -0,07 -0,02 -3,87
К т -0,05 -0,03 -0,22
Динамика СМП
К У 66,35 78,56 94,03
К п.с -0,023 -2 -0,63
К т -0,01 -0,11 -0,11
Динамика ВМП
К У 90,14 90,56 74,41
К п.с 0,42 0,82 -1,93
К т 0,02 0,04 -0,04
Динамика доходов населения
К У 87,45 84,28 90,67
К п.с -8,46 -7,43 -1,82
К т -0,4 -0,27 -0,1
/минимальным в группе (по строке) (чем ближе к 1, тем ближе к максимальному (наилучшему значению) с последующим суммированием по столбцу.
Критерием оценки качества показателя является максимизация его значений по столбцу.
Худшие значения по строке таблицы определяют «узкие места» по каждому критерию при сравнении с «соседней» средней, что позволит выработать точечные целевые ориентиры в развитии каждого промышленного узла. Так, например:
1) динамика потребления населением Магнитогорска (оказанные платные услуги населению) наименее устойчива и имеет значительную тенденцию к снижению по отношению к остальным промышленным центрам;
2) отрицательную динамику по валовому продукту этого моногорода можно расценивать как падение эффективности социально-экономических процессов, что значительно контрастирует на фоне лучшей устойчивости и динамики доходов горожан относительно областного центра и Озёрска;
3) динамика малого бизнеса Озёрска (значение коэффициента снижения отрицательно и равно 2) — ниспадающая, что обусловлено закрытостью ЗАТО и ограниченностью развития бизнеса территориально.
По остальным показателям отсутствие явных разрывов в значениях по строкам табл. 5 характеризует общую, сопоставимую отраслевую тенденцию развития (отрицательное или близкое к нулю значение) и автором не рассматривается.
Адаптация результатов исследования и выявление воздействующих факторов. Блок-схема алгоритма оценки влияющих факторов на корректировку ситуации и выставление приоритетов развития представлена на рис. 4.
Автором применяется регрессионная оценка перспектив развития каждой территории.
Априорно предполагается, что влияние факторов с количественной оценкой для каждого года одинаково, а длительность запаздывания (временной лаг) отсутствует по причине оценки, построенной на интервальных рядах [14].
Динамическое уравнение связи представлено в уравнении парной регрессии:
У = аХ + е,
где У1 — уровень экономического процесса,
динамика которого подвергается анализу;
а — коэффициент регрессии;
X — независимая переменная, характеризующая влияние фактора на изучаемый процесс; е — ошибка уравнения (случайная величина). Построенные автором модели регрессии в отличие от моделей, состоящих обычно из одного уравнения, выражающего зависимость переменной функции от множества факторов, причинно определяющих значения данной зависимой переменной [10], представляют собой элементы рекурсивной системы уравнений [16], состоящей из множества парных регрессионных уравнений, в которых учитывается многосторонний характер причинных взаимосвязей и взаимозависимостей переменных [13].
Автором рассчитано 14 парных регрессионных моделей. Была выявлена зависимость ВМП всех территорий от производственной и социальной сферы экономики посредством построения множественных регрессий, расчета коэффициентов множественной корреляции и детерминации. Модели адекватны и достоверны. По городам Озёрску и Магнитогорску большинство моделей имеют отрицательные или близкие к нулю параметры.
Модели строились поэтапно при помощи отбора воздействующих факторов, имеющих положительное математическое значение параметров уравнения при оценке влияния на исследуемый проблемный социально-экономический процесс.
Таким образом, в результате количественной оценки регрессионных параметров уравнений, отражающих развитие Озёрска и Магнитогорска, было выбрано 6 зависимостей. Уравнения по Челябинскому городскому округу были рассчитаны в институциональных целях.
Регрессионные уравнения связи, характеризующие степень влияния воздействующих факторов при корректировке «узких мест» Магнитогорска и Озерска, представлены в табл. 6.
Уравнения парной регрессии позволяют сделать следующие выводы:
1) продукция промышленного производства оказывает в 2 раза большее влияние на ВМП в Магнитогорске, по сравнению с Челябинском (3,057 против 1,42 (зависимость У1);
2) развитие среднего и малого предпринимательства максимальный эффект на рост доходов населения оказывает в Магнитогорске, отрицательное влияние этого показателя наблюдается в Озёрске (Г2);
3) с ростом розничного оборота растет и удовлетворение спроса жителей всех промышленных центров. Наибольшее влияние товарооборота на этот процесс наблюдается в Магнитогорске (73);
4) рост доходов населения имеет наибольшее влияние на потребление населением в Челябинске
Таблица 6
Парные регрессионныемодели социально-экономическихзавис
Факторный пр изнак Результативный признак Ур^нение регрессии (Челябинск) Уравнение регрессии (Озёрск) Уравнениерегрессии (Магнитогорск)
Темп промышленного произ-водства Х1 Темп роста ВМТ 71 У! = 0,33 + 1,42^ У != 0,5+0,5^ У! = -1,813+3,06^
Темп роста СМП Х2 Темп роста дохода населения 72 У2=0,81 +0,28Х2 У2= 8 — 0,32^ У2=0,39 +0,72Х2
Темп розничного оборота Х3 Прирост оказанных услуг 73 У3=0,07 + 0,77Х3 У3=0,7+0,28Х3 У3=-0,05 + 0,92Х3
Темп роста доходов населения Х4 Динамика оказанных у слуг населению У4 У=1,53Х — 0,74 4 5 4 5 У, = 0,64Х + 0,45 4 5 4 5 У = 1,06.« — 0,32 4 5 4 5
Темп роста доходов населения Х5 Темп роста СМП Г5 У5 = 3,2Х5 — 2,42 У5 = 0,26Х5 + 0,81 Y 5= 0,92 + 0,13Х5
Темп розничного оборота Х6 Темпроста СМП 76 У6=-1,14+ 1,86Х з 6 У=-3,67 + 4,13Х 6 У= — 0,24Х 6
Примечание. СМП — предпршпия среднегобизнеса.
ПроблемНЫЙ блок (ВМП) Малый бизнес
Л- Объем про-
мышленного производства
Р озничны й оборот
Доходы населения
Проблемный блок - Потребление (оказание услуг населению)
у
3
4
Рис. 5. Влшшие социальных и производственных процессов Магнитогорска на показатели потребления услуг населением и эффективность территории
Прирост доходов населения Развитие малого бизнеса Оборот розничной торговли
Рис. 6. Схема социально-экономических взаимосвязей Озёрского промышленного центра
(параметр — 1,53) по сравнению с Магнитогорском (1,06) и Озёрском (0,64) (Г4);
5) прямое воздействие на развитие малого бизнеса (как самого гибкого, отвечающего рынку и потребностям населения) оказывает рост благополучия граждан. Однако существует огромный разрыв в значениях регрессии между областным центром и остальными промышленными центрами (Г5);
6) прямое влияние на развитие малого бизнеса оказывает динамика городской «розницы» в Озёрс-ке. Это объясняется закрытостью (ограниченностью потребительского потока и территории для развития) индустриального центра. В Магнитогорске наблюдается отрицательное значение параметра.
Схематично влияние факторов, указанных в табл. 6, представлено на рис. 5 и 6.
Рекомендации исследователями СЭС индустриальных центров могут содержать перечень управляющих воздействий на стимулирование соответствующих сфер экономики территорий.
Последующий мониторинг выявленных взаимосвязей позволит выставлять ориентиры в развитии региона посредством «подтягивания» депрессивных территорий до уровня благополучных, устойчивых.
Количественное выражение этих «ориентиров» находим при оптимизации (поиске максимальных значений по группе) коэффициентов регрессии по строкам таблицы (для примера показаны два уравнения парных регрессионных зависимостей (потребительский сектор) по всем территориям (табл. 7).
Таблица 7
Парето-оптимальные решения достижения устойчивого состояния СЭС
Аргумент Функция Челябинск Озёрск Магнитогорск
Объем промышленного производства X7 Рост доходов населения Y7 Y7 = 0,54 + 0,58X7 Y7 = 0,85 + 0,22X7 Y7 = 2,21 — 1,12X7
Прирост ВМП X8 Рост потребления населением Y8 Y8 = -0,14 + 1,39X8 Y8 = -0,67 + 0,4X8 Y8 = 1,13 — 0,17X8
Выделенные параметры в уравнении Y7 и Y8 по столбцу «Челябинск» (0,58 и 1,39) являются максимальными в условиях институциональной среды и представляются в рассматриваемой задаче оптимальными (так же, как и параметры уравнения Y4 (1,53) и Y5 (3,2) в табл. 6).
Достижение множества этих параметров и является условием обеспечения устойчивого, сбалансированного развития для Озёрска и Магнитогорска.
Список литературы
1. Артемова О.В., ЛогачеваН.М. Методические подходы к оценке уровня развития социальной инфраструктуры регионов // Региональная экономика: теория и практика. 2011. № 20. С. 12-17.
2. АфанасьевВ.Н. Статистическое обеспечение проблемы устойчивости сельскохозяйственного производства. М.: Финансы и статистика. 1996. 320 с.
3. БархатовВ.И. Развитие и экономический рост региона / В.И. Бархатов, Ю.Ш. Капкаев, Д.А. Плетнев. Челябинск: Изд-во ЮУрГУ. 2004. 320 с.
4. Гордеев С.С. Бюджетные условия развития индустриальных центров Южного Урала. Городов Челябинск, Магнитогорск, Озерск, Копейск. Аналитический обзор. URL: http://publications.csu. ru/hit/2009/5.html (дата обращения:15.09.2012).
5. Гордеев С.С. Поиск социо-эколого-экономи-ческих решений в информационной среде // Вестник Челябинского государственного университета. Вып. «Экономика». 2013. № 8. С. 47-52.
6. Гранберг А.Г. Основы региональной экономики: учебник для вузов. 2-е изд. М.: ГУВПШ 2001. 495 с.
7. Дуканова И.В. Система методов оценки уровня социально-экономического развития районных муниципальных образований // Региональная экономика: теория и практика. 2011. № 19. С. 38-44.
8. Каяйкина М.С. Статистическое изучение колебаний урожайности основных сельскохозяйс-
твенных культур в совхозах Ленинградской области / Труды ЛСХИ: Использование регрессионных моделей в оценке хозяйственной деятельности совхозов. Т. 273. Л.: ЛСХИ. 1975. С. 23-30.
9. Лебедефф-Донской М.М. Особенности анализа социально-экономического развития и обеспечения устойчивости современных городов: на примере Южного Урала / Мировая экономика и современное предпринимательство: тенденции и практика. Кн. 3. М.: Наука. 2012. С. 155-178.
10. Мансуров П.М. Влияние уровня развития социальной инфраструктуры на демографическое состояние в сельских муниципальных образованиях Ульяновской области // Региональная экономика: теория и практика. 2012. № 32. С. 42-45.
11. Ногин В.Д. Принятие решений в многокритериальной среде: количественный подход. М.: Физматлит. 2002. С. 175.
12. Павлов К.В. Ядро экономических систем и эффективная хозяйственная политика. М.: Магистр. 2009. 191 с.
13. РозановГ.В., Френкель А.А. Проблемы статистического моделирования развития отрасли / Г.В. Розанов, А.А. Френкель // Статистический анализ экономических временных рядов и прогнозирование. Т. 22-23. М.: Наука. 1973. С. 148-165.
14. Седелев Б.В. Уравнения связи экономических процессов роста с обобщенным законом распределенного запаздывания и оценка их параметров // Статистический анализ экономических временных рядов и прогнозирование. Т. 22-23. М.: Наука. 1973. С. 68-86.
15. Хисамутдинов И.А. Социо-эколого-эконо-мическая оценка региона в контексте перехода к устойчивому развитию // Региональная экономика: теория и практика. 2013. № 4(283). С. 9-15.
16. Tinbergen J. An Econometric Approach to Business Cycle Problems. Paris, 1937. P. 74.
17. Peter Checkland, Jim Scholes. Soft Systems Methodology in Action. John Wiley and Sons, Ltd., USA, New Jersey. 2005. P. 418.
Region development strategy
AN ITERATIVE ALGORITHM OF STABILITY RATING OF SOCIAL AND ECONOMIC SYSTEMS OF INDUSTRIAL CENTERS (BASED ON MATERIALS OF THE CHELYABINSK REGION)
Marat M. LEBEDEFF-DONSKOI
Abstract
The article studies the current state and main tendencies of the socio-economic development of the South Ural industrial centers. The paper reasons a correlation and regression analysis application in the research of territorial interconnected processes in aspect of stability that allows receiving the current and perspective estimates of territories' development. The paper illustrates that a use of the author's iterative algorithm to analyze regional industrial centers on the basis of criteria consecutive change is quite possible. The author concludes that the use of a system of indicators received from various databases helps to estimate the running processes in conditions of economic instability more objectively.
Keywords: stability, dynamics, correlation and regression analysis, interconnected processes, Soft Systems Methodology, open iterative algorithm, criteria consecutive change
References
1. Artemova O.V., Logacheva N.M. Metodicheskie podkhody k otsenke urovnia razvitiia sotsial'noi in-frastruktury regionov [Methodical approaches to an assessment of a development level of regions' social infrastructure]. Regional'naia ekonomika: teoriia i praktika — Regional economics: theory and practice, 2011, no. 20, pp. 12-17.
2. Afanas'ev V.N. Statisticheskoe obespechenie problemy ustoichivosti sel 'skokhoziaistvennogo proizvodstva [Statistical provision of the stability of agricultural production]. Moscow, Finansy i statistika Publ., 1996, 320 p.
3. Barkhatov V.I. Razvitie i ekonomicheskii rost re-giona [Development and economic growth of a region]. Chelyabinsk, SUrSU Publ., 2004, 320 p.
4. Gordeev S.S. Biudzhetnye usloviia razvitiia industrial 'nykh tsentrov Iuzhnogo Urala. Gorodov Cheliabinsk, Magnitogorsk, Ozersk, Kopeisk. Analit-icheskii obzor [The budgetary conditions of development of the South Ural industrial centers. The cities of Chelyabinsk, Magnitogorsk, Ozersk, Kopeisk. State-
of-the-art review]. Available at: http://publications.csu. ru/hit/2009/5.html. (In Russ.)
5. Gordeev S.S. Poisk sotsioekologo-ekonom-icheskikh reshenii v informatsionnoi srede [Searching for socio-ecologic-economic decisions in the information environment]. Vestnik Cheliabinskogo gosudarstvennogo universiteta. Ekonomika — Bulletin of Chelyabinsk State University. Economy, 2013, no. 8, pp. 47-52.
6. Granberg A.G. Osnovy regional'noi ekonomiki [Bases of regional economy]. Moscow, GU-VPSh Publ., 2001, 495 p.
7. Dukanova I.V. Sistema metodov otsenki urovnia sotsial'no-ekonomicheskogo razvitiia raionnykh munitsipal'nykh obrazovanii [A system of methods for estimating a level of social and economic development of regional municipalities]. Regional'naia ekonomika: teoriia i praktika — Regional economics: theory and practice, 2011, no. 19, pp. 38-44.
8. Kaiaikina M.S. Statisticheskoe izuchenie kole-banii urozhainosti osnovnykh sel 'skokhoziaistvennykh kul'tur v sovkhozakh Leningradskoi oblasti. Trudy LSKhl: Ispol 'zovanie regressionnykh modelei v otsenke khoziaistvennoi deiatel'nosti sovkhozov [A statistical study of fluctuations of productivity of the main crops in the state farms of the Leningrad Region. Proceedings of the Leningrad Agrarian Institute: Use of regression models in assessing economic activities of the state farms]. Leningrad, LAI Publ., vol. 273, 1975, pp. 23-30.
9. Lebedeff-Donskoi M.M. Osobennosti analiza sotsial'no-ekonomicheskogo razvitiia i obespeche-niia ustoichivosti sovremennykh gorodov: na primere Iuzhnogo Urala. Mirovaia ekonomika i sovremennoe predprinimatel'stvo: tendentsii i praktika [Features of the analysis of socio-economic development and ensuring of stability of modern cities: a South Ural case study. The World economy and modern business: tendencies and practice. Vol. 3]. Moscow, Nauka Publ., 2012, pp. 155-178.
10. Mansurov P.M. Vliianie urovnia razvitiia sotsial'noi infrastruktury na demograficheskoe sos-
toianie v sel'skikh munitsipal'nykh obrazovaniiakh Ul'ianovskoi oblasti [Influence of a development level of a social infrastructure on the demographic situation in the rural municipalities of the Ulyanovsk region].
Regional 'naia ekonomika: teoriia i praktika — Regional economics: theory and practice, 2012, no. 32, pp. 42-45.
11. NoginV.D. Priniatie reshenii v mnogokriterial'noi srede: kolichestvennyi podkhod [A decision-making in multi-criteria environment: a quantitative approach]. Moscow, Fizmatlit Publ., 2002, p. 175.
12. Pavlov K.V. Iadro ekonomicheskikh sistem i effektivnaia khoziaistvennaia politika [The heart of economic systems and the effective economic policy]. Moscow, Magistr Publ., 2009, 191 p.
13. Rozanov G.V., Frenkel' A.A. Problemy statis-ticheskogo modelirovaniia razvitiia otrasli [Problems of statistical modeling of the development of an industry branch]. Statisticheskii analiz ekonomicheskikh vremen-nykh riadov i prognozirovanie — Statistical analysis of economic temporary ranks and forecasting, Moscow, Nauka Publ., 1973, vol. 22-23, pp. 148-165.
14. Sedelev B.V. Uravneniia sviazi ekonomicheskikh protsessov rosta s obobshchennym zakonom raspredelennogo zapazdyvaniia i otsenka ikh para-
metrov [The equations of communication of economic processes of growth with the generalized law of the distributed delay and an assessment of their parameters]. Statisticheskii analiz ekonomicheskikh vremen-nykh riadov i prognozirovanie — Statistical analysis of economic temporary ranks and forecasting, Moscow, Nauka Publ., 1973, vol. 22-23, pp. 68-86.
15. Khisamutdinov I.A. Sotsio-ekologo-ekonom-icheskaia otsenka regiona v kontekste perekhoda k ustoichivomu razvitiiu [A region socio-ecological-eco-nomic assessment in context of transition to sustainable development]. Regional'naia ekonomika: teoriia i praktika — Regional economics: theory and practice, 2013, no. 4, pp. 9-15.
16. Tinbergen J. An Econometric Approach to Business Cycle Problems. Paris, 1937, p. 74.
17. Peter Checkland, Jim Scholes. Soft Systems Methodology in Action. John Wiley and Sons, Ltd., USA, New Jersey, 2005, p. 418.
Marat M. LEBEDEFF-DONSKOI
Chelyabinsk State University, Chelyabinsk, Russian Federation [email protected]
