CC BY
436Компонентный анализ
компонентный анализ макрорегиональной динамики
промышленности россии
г. О. ЧИТАЯ,
кандидат экономических наук, доцент кафедры «Экономика и менеджмент» Волжского политехнического института Волгоградского государственного технического университета
Методы компонентного анализа позволяют исследовать реально существующие связи признаков (или объектов) и выявлять латентные, обобщающие характеристики развития изучаемых явлений и процессов [1, 2]. Выявление скрытых закономерностей промышленного развития экономики России в срезе ее макрорегионов (МР), интегрированных в рамках федеральных округов, может производиться в рамках многомерного компонентного анализа. Такой подход используется в отечественной экономической науке при исследовании влияния политических и правовых факторов на экономический рост в российских регионах [3], выявлении закономерностей макроэкономического развития страны [4], установлении зависимостей макроэкономических показателей региона [5], выявлении причин региональной дифференциации [6] и др. Алгоритмы реализации методов компонентного анализа содержатся в [7]. Многомерный статистический анализ макрорегио-нальной структурной и инвестиционной динамики промышленности России по ее федеральным округам проведен автором статьи [8, 9].
Промышленное развитие экономического пространства России в значительной мере предопределено действием скрытых закономерностей, формируемых на основе большого многообразия факторов, в том числе и факторов регионального характера. Ав -торский подход к исследованию пространственной динамики развития промышленности преследует
цели: 1) выявить закономерности промышленного развития экономики России на основе показателей, характеризующих ее пространственно-временной аспект; 2) установить количественное влияние обобщающих скрытых закономерностей на среднедушевой показатель производства промышленной продукции; 3) определить близость (связанность) МР в промышленном развитии экономического пространства страны.
Анализ промышленного развития макрорегионов России методом главных компонентов
Отбор показателей-признаков был проведен по макрорегионам на основе учета инновационных, структурных, инвестиционных и институциональных детерминантов промышленного развития (табл. 1). Число используемых для эмпирического анализа показателей ограничивалось имеющимся объемом статистических данных. База данных формировалась на основе пространственно-временной выборки показателей [10]. А именно значения показателей рассчитывались по каждому МР (федеральному округу) за семь лет наблюдений (1997 — 2003). Источниками формирования базы данных послужили российские статистические ежегодники за период 2001 — 2004 гг. Исходная система данных в силу достаточно высокой размерности отражающей ее таблицы в статье не приводится.
Стоимостные показатели (У , Х7 , х3 ) рассчитаны в сопоставимых ценах 1995 г., также в сопоставимых ценах получены значения показателей
Х6 , Х8 , Х9 .
По исходным 14 показателям и 49 наблюдениям была рассчитана корреляционная матрица. Анализ коэффициентов корреляции показал, что отобранные показатели в целом находятся в достаточно тесной связи. По некоторым показателям связь оказалась относительно слабой, однако они были оставлены для проведения компонентного анализа. С применением критерия Уилкса можно подвергнуть проверке значимость корреляционной матрицы [11]. Значимость корреляционной матрицы подтверждает-
2 2 2 ся при X Н > Xа .V , где X н — наблюденное значение
критерия Уилкса X2, а Хау — табличное значение Х -распределения при заданном уровне вероятности ошибки а и числе степеней свободы V . В нашем случае получается, что V =91, а вероятность ошибки берется на уровне а =0,05. Табличное значение критерия Уилкса составляет х0 05 91 = 114,268, расчетное значение составило: XН = 566,892 . Следовательно, корреляционная матрица значима, и результаты факторного анализа методом главных компонентов отличаются надежностью.
В результате компьютерной обработки исходных данных методом главных компонентов
Таблица 1
Показатели-признаки промышленного развития МР России
№ п/п Показатель-признак Обозначение Единица измерения
1 Объем промышленной продукции на душу населения У руб. /чел.
2 Доля технологических затрат на 1 руб. инновационной продукции Х %
3 Доля затрат на технологические инновации в объеме отгруженной продукции инновационно активных организаций Х2 %
4 Доля продукции, подвергшейся значительным технологическим изменениям, или вновь внедренная в общем объеме инновационной продукции Хз %
5 Доля персонала, занятого исследованиями и разработками в общей численности занятого в экономике МР населения Х4 %
6 Доля инновационной продукции в объеме промышленной продукции Х5 %
7 Темп (индекс) роста промышленного производства Х6 %
8 Инвестиции в основной капитал на душу населения х7 руб. /чел.
9 Инвестиции в основной капитал на 1 руб. промышленной продукции Х8 %
10 Индекс физического объема инвестиций в основной капитал Х9 %
11 Доля организаций, выполнявших исследования и разработки в общей численности организаций и предприятий Х10 %
12 Доля убыточных организаций в общей их численности Х11 %
13 Доля городского населения в общей численности Х12 %
14 Объем инновационной продукции на одного занятого в экономике МР Х13 руб. /чел.
Таблица 2
Матрица факторных нагрузок
Показатель Факторы до вращения Факторы после вращения
Р2 Рз ^4 ^5 Р ^2 Рз ^4 ^5
У 0,604 0,358 -0,653 0,119 0,095 0,910 0,134 0,071 0,298 0,051
Х1 0,663 0,306 0,431 0,218 -0,301 0,156 0,853 0,259 -0,178 0,077
Х2 0,604 0,318 0,678 0,409 -0,073 -0,236 0,309 0,01 -0,784 0,065
Х3 0,412 -0,353 -0,326 -0,342 -0,308 0,027 0,211 0,006 0,738 -0,15
Окончание табл. 2
X4 0,602 0,026 0,649 0,202 0,239 -0,044 0,488 0,746 -0,288 0,059
X5 0,751 -0,056 0,307 -0,165 -0,286 -0,036 0,730 0,370 0,309 0,062
X6 0,09 0,660 0,234 -0,576 -0,016 -0,01 0,233 -0,078 0,017 0,878
Х7 0,246 0,634 -0,575 0,362 0,119 0,937 0,017 -0,165 -0,146 0,103
X8 -0,600 0,545 0,096 0,287 -0,039 0,049 -0,152 -0,488 -0,669 0,198
X9 -0,102 0,598 0,044 -0,371 0,514 0,187 -0,295 0,117 -0,170 0,780
X10 0,580 -0,546 0,381 -0,100 0,342 -0,241 0,149 0,860 0,247 -0,161
X11 0,05 -0,781 -0,279 0,301 0,041 -0,056 -0,238 0,187 0,278 -0,782
X12 0,797 0,016 -0,156 0,145 0,497 0,589 0,113 0,734 0,168 -0,014
X13 0,684 0,483 -0,217 0,042 -0,393 0,592 0,690 -0,085 0,207 0,166
Вклад компонентов 3,817 3,086 2,385 1,221 1,14 2,588 2,39 2,372 2,166 2,135
^ дисперсия, % 27,3 49,3 66,4 75,0 83,2 18,5 35,6 52,5 67,9 83,2
на основе программной продукции SPSS был осуществлен переход от 14 исходных показателей к 5 обобщающим характеристикам (главным компонентам), объясняющим более 83 % вариации исходной информации. Оставшиеся 9 главных компонентов не стали в дальнейшем применяться, так как их вклад в суммарную вариацию исходной информации оказался менее 17 %, т. е. в среднем каждый из главных компонентов объяснял менее 2 % общей вариации.
Первоначально полученная факторная матрица не позволила провести содержательной интерпретации выделенных компонентов, в связи с чем было проведено вращение факторной матрицы на основе критериев, учтенных в прикладных программных продуктах по эконометрическому анализу (Варимакс, Квартимакс, Облимакс, Облимин и др.) [12, 13]. Факторные матрицы со значениями вкладов главных компонентов в общую дисперсию до и после вращения приведены в табл. 3.
Экономическая интерпретация главных компонентов
Принципиальное значение имеет оценка взаимосвязей исходных показателей с выделенными главными компонентами. Подобная оценка позволяет дать экономически содержательное объяснение главным компонентам.
Содержательная характеристика главных компонентов и их экономическая интерпретация приводятся в табл. 3. При этом для экономического объяснения сущности главных компонентов
используются результаты факторной матрицы, полученной после вращения.
Согласно данным табл. 3 участвующие в формировании первого главного компонента (главного фактора) показатели на 92,9 % определяют величину дисперсии исходных показателей. При этом вклад ^ в суммарной вариации исходных показателей, определяющих промышленное развитие России в срезе ее МР, составил 18,5 % (см. табл. 2). Поскольку в формировании первого главного компонента преобладают среднедушевые показатели инвестиций в основной капитал и промышленной продукции, а также результат инновационной деятельности на одного занятого, последний определен как фактор человеческого капитала (в промышленном развитии).
Показатели, участвующие в формировании второго главного компонента, полностью отражают инновационную деятельность регионов и на 83,1 % определяют суммарную дисперсию исходной системы показателей, объясняемой F2 (на 17,1 %). Исходя из этого второй главный компонент определен как инновационный фактор (детерминант) промышленного развития.
В третий главный компонент (F3) с высокими факторными нагрузками входят показатели, характеризующие структурное распределение организаций в МР в общей их численности, в численности персонала, занятого исследованиями и разработками в общей численности занятого в экономике МР населения, и разделение всего населения на городское и сельское. Выделенные показатели на 87,4 %
Таблица 3
Экономическая интерпретация главных компонент
Компонент Формирующие главный компонент показателя ^диспер-сия, % Экономическая интерпретация
Р Инвестиции на душу населения ( Х7 , 0,937), объем промышленной родукции на душу населения (У , 0,91), объем инновационной продукции на одного занятого в экономике МР (Х^, 0,592), удельный вес городского населения в общей численности (Х^, 0,589) 92,9 Человеческий фактор
Р2 Доля технологических затрат на 1 руб. инновационной продукции ( Х1, 0,859), доля инновационной продукции в расчете на 1 руб. промышленной продукции ( Х5 , 0,73), объем инновационной продукции на одного занятого в экономике МР (Х^, 0,69), доля персонала, занятого исследованиями и разработками ( Х4 , 0,488) 83,1 Инновационный фактор
Рз Доля организаций, выполнявших исследования и разработки в общей их численности (Х^, 0,86), доля персонала, занятого исследованиями и разработками в общей численности занятого населения ( Х4 , 0,746), удельный вес городского населения (Х^, 0,734), инвестиции в основной капитал в расчете на 1 руб. промышленной продукции (Х8, — 0,488) 87,4 Структурный фактор
Р4 Доля затрат на технологические инновации в объеме отгруженной продукции инновационно-активных организаций ( Х2 , — 0,784), доля вновь внедренной продукции в общем объеме инновационной продукции ( х3 , 0,738), инвестиции в основной капитал в расчете на 1 руб. промышленной продукции (Х8, — 0,669), доля инновационной продукции в расчете на 1 руб. промышленной продукции ( Х5 , 0,309) 83,7 Инвестиционный фактор
Р5 Темп роста промышленного производства ( Х6 , 0,878), доля убыточных организаций в общей их численности (Хц, — 0,782), индекс физического объема инвестиций в основной капитал ( Х9 , 0,78), объем инновационной продукции на одного занятого в экономике МР (Х^, 0,166) 82,1 Институциональный фактор
определяют суммарную дисперсию исходных показателей, объясняемую главным компонентом Р3 (на который приходится 16,9 % общей дисперсии). Исходя из содержания комбинации показателей, формирующих главный компонент Р3, последний получил определение структурного фактора (детерминанта) промышленного развития.
Показатели, формирующие четвертый главный компонент (Р4 ), отражают их обусловленность инвестиционными источниками финансирования. В частности, динамика затрат на технологические инновации и изменение удельного веса новых видов продукции в существенной мере зависят от масштабной инвестиционной поддержки. Эти показатели вместе с показателями инвестиций в основной капитал на 1 руб. промышленной продукции и объема инновационной продукции, приходящейся на суммарную величину промышленной продукции, на 83,7 % определяют суммарную дисперсию, объясняемую четвертым главным компонентом (на 15,4 %). Исходя из этого Р4 получает экономическое объяснение инвестиционного фактора (детерминанта) промышленного развития.
Совокупность показателей, определяющая экономическое содержание пятого главного компонента (Р5), образует фактор, характеризующий институциональное обеспечение промышленного развития. Такие показатели, как динамика промышленного производства, инвестиций в основной капитал и доли убыточных организаций в общей их численности и их изменение предопределено эффективностью действия регламентирующих правил и законодательных нормативов стимулирования промышленного роста и привлечения дополнительных инвестиций в производство. Кроме того, важную роль играют государственные институты, содействующие успешной реорганизации и реструктуризации убыточных производственных предприятий в целях их вытягивания из кризиса и подготавливающие условия для дальнейшей реприватизации. Комбинация перечисленных показателей на 82,1 % определяет суммарную дисперсию, объясняемую пятым главным компонентом (на 15,3 %). Последний интерпретируется как институциональный фактор промышленного развития.
Классификация макрорегионов по главным компонентам
Многомерное факторное исследование промышленного развития страны с позиции ее крупных региональных интеграционных объединений не ограничивается вычислением факторной матрицы и ее интерпретацией и позволяет совершить переход к следующему этапу эмпирического анализа. Речь идет о количественном выражении выявленных латентных факторов промышленного развития. По своему составу главные компоненты содержат 49 элементов, отражающих их в пространственно-временном аспекте. Элементами главных компонентов являются факторные веса, характеризующие степень проявления выявленной закономерности промышленного развития конкретного МР в конкретном году ретроспективного периода.
Опираясь на полученные значения факторных весов, можно провести группировку МР по степени проявления в них выявленных закономерностей за соответствующий год анализируемой динамики. Возможна следующая группировка МР по каждому главному компоненту: МР, отличающиеся отрицательными значениями элементов главных компонентов, в данном году относятся к худшим; МР, расположенные ближе к среднему значению факторных весов за данный год, являются средними; МР, которым соответствуют высокие положительные значения элементов главных компонентов, относятся к лучшим. В нашем случае речь идет о том, как способствовали МР по отдельным выявленным закономерностям (факторам) росту среднедушевого показателя промышленного производства в России.
На рис. 1 представлено распределение МР по степени проявления фактора человеческого капитала в промышленном развитии России в 2003 г.
Как видно из рис. 1, использование человеческого фактора, особенно в Южном и в меньшей степени в Сибирском МР, отрицательно сказывалось на росте среднедушевого показателя промышленной продукции по России. К МР со среднепозитивным влиянием человеческого фактора-детерминанта на промышленное развитие страны в 2003 г. относились Северо-Западный, Дальневосточный, Центральный и Приволжский МР. Уральский МР оказался лучшим с точки зрения использования человеческого фактора промышленного развития, что проявилось в оказании существенного влияния на рост промышленной продукции на душу населения. Последнее обстоятельство можно объяснить преобладанием отраслей промышленности по добыче и переработке нефтегазовых ресурсов и исключительной занятостью населения Уральского МР в данном секторе экономики и инфраструктурных отраслях.
Рисунок 2 иллюстрирует распределение МР по степени проявления инновационного фактора-детерминанта в промышленном развитии страны.
Использование инновационного фактора промышленного развития в Дальневосточном и
□ Факторный вес МР
3
Рис. 2. Распределение МР по степени проявления инновационного фактора в среднедушевом показателе промышленного производства в России за 2003 г.
2003 г.
Значение факторного веса
2003 г.
□ Факторный вес МР
1 2 Значение факторного веса
Рис. 1. Распределение МР по степени проявления фактора человеческого капитала в среднедушевом показателе промышленного производства в России за 2003 г.
ДалМР
СибМР
УрМР
ПривМР
ЮМР
СЗПМР
ЦМР
Факторный вес МР
-2,5 -2 -1,5 -1 -0,5 0 Значения факторных весов
0,5
Рис. 3. Распределение МР по степени проявления структурного фактора в среднедушевом показателе промышленного производства в России за 2003 г.
Сибирском МР в 2003 г. не способствовало увеличению промышленной продукции на душу населения, более того, влияние этого фактора оказалось отрицательным. Это в значительной мере объясняется сравнительно низкой инновационной активностью МР. Среднепозитивным влиянием инновационного фактора-детерминанта на рост среднедушевого показателя промышленного производства отличались Центральный, Южный и Северо-Западный МР. В инновационном факторе промышленного развития страны наилучшим образом проявили себя Приволжский и Уральский МР.
В структурном факторе-детерминанте промышленного развития России положительно проявили себя только: Центральный и Северо-Западный МР (рис. 3).
Особой инертностью структурных преобразований в промышленности отличался Южный МР, что оказало отрицательное влияние на уровень промышленного производства на душу населения. Преимущественно моноструктурный характер промышленного производства Уральского МР (топливно-энергетический сектор), Сибирского и Дальневосточного МР (добыча и промышленная переработка цветных металлов) не способствовал повышению уровня промышленного развития страны. Влияние этого комплексного фактора на среднедушевой показатель промышленного производства оказалось отрицательным. Также отрицательно проявил себя в структурном факторе промышленного развития страны Приволжский МР.
Распределение факторных весов МР по инвестиционному фактору — детерминанту промышленного развития России показано на рис. 4.
Факторные веса Центрального и Южного МР в инвестиционном детерминанте промышленного развития страны в 2003 г. оказались отрицательны-
ми. По отношению к Центральному МР это можно объяснить высокой долей инвестиций в основной капитал в Москве в отраслях инфраструктуры и сравнительно низким удельным весом инвестиций в промышленности. В большей части регионов Южного МР источником финансирования инвестиций являются бюджетные средства, которые недостаточны для обеспечения высоких темпов промышленного роста. Кроме того, эти регионы менее привлекательны для инвесторов. Наиболее высоким влиянием инвестиционного фактора на рост промышленного производства на душу населения отличался Сибирский МР. Умеренно положительное влияние на среднедушевой показатель промышленного производства было характерно для Приволжского, Уральского, Дальневосточного и Северо-Западного МР [14].
Участие МР в промышленном развитии экономического пространства страны по институциональному фактору-детерминанту показано с помощью рис. 5.
Институциональные условия в Северо-Западном, Сибирском и Центральном МР благоприятствовали росту душевого показателя промышленного производства. В институциональном факторе промышленного развития отрицательным участием отличались прежде всего Южный и Дальневосточный МР, а затем Уральский и Приволжский.
Аналогичным образом можно выявить участие МР в выявленных закономерностях промышленного развития России за другие годы рассматриваемой динамики. Проведенный погодовой анализ семилетней динамики (1997 — 2003 гг.) вклада МР в промышленном развитии страны по выявленным комплексным факторам показал, что тенденция, выявленная для 2003 г., в основном является характерной для всего ретроспективного периода.
ДапМР СибМР УрМР ПривМР I ЮМР
Значение факторного веса
2003 г.
2003 г.
□ Факторный вес МР
-0,6
□ Факторный вес МР
0,2 0,4 0,6 Значения факторных весов
0,8
Рис. 4. Распределение МР по степени проявления инвестиционного фактора в среднедушевом показателе промышленного производства в России за 2003 г.
Рис. 5. Распределение МР по степени проявления институционального фактора в среднедушевом показателе промышленного производства в России за 2003 г.
Построение уравнения регрессии на главных компонентах
В процессе анализа было построено уравнение регрессии на главных компонентах:
У = 7786 + 2834^ + 417+ 222^, + 928^, +160^5 ,(1) (0,000) (0,000) (0,001) (0,000) (0,0583) (0,062)
Я2 = 0,943; Я = 0,971; ЕРАСЧ = 141,804.
Полученное уравнение регрессии позволяет определить, как в среднем за семилетний период в макрорегионах увеличился среднедушевой объем производства промышленной продукции и под влиянием каких главных компонентов это произошло.
Преимущество уравнения регрессии, построенного на главных компонентах, перед обычным, где в качестве факторных признаков выступают исходные показатели, отражающие промышленное развитие страны в МР-срезе, состоит в том, что свободный член уравнения характеризует среднее значение объема промышленной продукции за семилетнюю динамику в расчете на одного МР. Это позволяет определить величину моделируемого показателя только за счет выделенных главных компонентов.
Увеличение среднедушевого показателя производства промышленной продукции составило 4 561 руб. /чел. (2 834+417+222+928+160) и произошло за счет положительного влияния всех факторов. Наиболее значимое влияние на увеличение среднедушевого показателя промышленного производства оказывали фактор человеческого капитала (^) и инвестиционный фактор (¥А ). В целом за семилетнюю динамику агрегированное влияние всех выявленных факторов-детерминантов на промышленное развитие страны оказалось позитивным. Сделанные выводы достаточно достоверны, так как выделенные компоненты определяют 83,2 % дисперсии исходных показателей. Согласно модели (1), судя по коэффициенту множественной детерминации, изменение среднедушевого объема промышленной продукции определялось на 93,4 % выделенными главными компонентами.
Уравнение регрессии на главных компонентах (1) позволяет определить величину вклада каждого из МР в изменение обобщающего показателя промышленного развития за данный год за счет отдельных главных компонентов и их совместного влияния [15].
Влияние за счет отдельных главных компонентов можно определить по следующей формуле:
АУ1г^) = аг/1г(0 , г, г = 1,7 ; г = 1,5 , (2)
а совместное влияние — по такой формуле:
АУ (0 = Е (0, г, г = 17 , (3)
г=1
где, ДУ. У) — величина вклада в уменьшение или увеличение среднедушевого показателя промышленного производства г -го МР за счет г -го главного компонента в году г;
АУ1 (г) — величина вклада в уменьшение или увеличение среднедушевого показателя промышленного производства г -го МР за счет пяти главных компонентов в году г;
аг — коэффициент регрессии при г -м главном компоненте;
/¡г (() — факторный вес г -го МР в г -м главном компоненте в году г.
Расчеты с помощью формул (2) и (3) позволяют судить об изменении вклада в среднедушевой показатель промышленного производства в 2003 г. по сравнению с 1997 г. каждого анализируемого МР за счет отдельного и совместного влияния главных компонентов.
Следует заметить, что с помощью приведенных формул расчеты целесообразно выполнять только за первый и последний годы ретроспективного семилетнего периода и сравнивать полученную информацию с изменением вклада МР в формирование среднего по стране среднедушевого уровня промышленного производства (табл. 4).
Как видно из данных табл. 4, влияние в отдельности всех выявленных главных факторов на среднедушевой показатель промышленного производства в Южном МР в 1997 г. оказалось отрицательным. В результате этого совместное влияние факторов в Южном МР явно сдерживало промышленное развитие России. Следует заметить, что инновационные процессы в Северо-Западном, Приволжском и Центральном МР способствовали росту среднедушевого производства промышленной продукции. Влияние структурного фактора на промышленное развитие страны оказалось позитивным во всех МР, кроме Южного. При этом росту среднедушевого показателя в большей мере способствовали Северо-Западный и Центральный МР. Институциональное обеспечение промышленного производства во всех МР оказалось сдерживающим фактором промышленного развития страны. Отрицательное влияние человеческого фактора на промышленный рост в макрорегионах, за исключением Уральского МР, было обусловлено сравнительно низкими душевыми показателями
Таблица 4
Вклад МР в изменение среднедушевой величины промышленного производства за счет отдельного и совместного влияния главных компонентов в 1997 г. (+, —, руб. /чел.)
Макрорегион За счет отдельного влияния главных компонентов За счет совместного влияния
Р2
Центральный — 1 388 + 67 + 407 - 1 121 - 127 - 2 162
Северо-Западный - 2 225 + 432 + 447 + 1290 - 199 - 255
Южный — 3 407 - 135 - 317 - 457 - 249 - 4 565
Приволжский - 2 088 + 151 + 114 + 435 - 101 - 1 489
Уральский + 3 498 - 569 + 104 + 409 - 272 + 3 170
Сибирский - 1 341 - 346 + 11 + 887 - 352 - 1 141
Дальневосточный - 589 - 491 + 16 + 257 - 262 - 1 069
инновационной продукции и инвестиций в основной капитал. В конечном счете совместное влияние выявленных закономерностей промышленного развития страны оказалось отрицательным во всех МР за исключением Уральского МР. Последнее обстоятельство, главным образом, явилось следствием сырьевой ориентации Уральского МР, что выразилось в высоких значениях среднедушевых показателей промышленной продукции и инвестиций в основной капитал в этом МР.
Ситуация в 2003 г. заметно изменилась, и число регионов, положительно влияющих как по отдельным факторам, так и их совместным влиянием на промышленное развитие российского экономического пространства по сравнению с 1997 г., увеличилось (табл. 5).
Из данных табл. 5 следует, что совместное влияние факторов во всех МР, за исключением Южного, положительно сказывалось на росте среднедушевого показателя промышленного производства в стране. Только лишь инновационный фактор в Южном МР оказывал положительное влияние, а остальные факторы способствовали уменьшению средней величины промышленного производства по всей России. Наиболее ощутимый рост в МР имел место за счет влияния первого главного компонента,
характеризующего эффективность использования человеческого фактора в промышленном развитии. Это прежде всего Уральский (топливно-энергетический комплекс), Северо-Западный (машиностроительный комплекс) и Дальневосточный МР (добыча и промышленная переработка цветных металлов). Наиболее остро проблема эффективного использования человеческого фактора, занятости населения и низких среднедушевых доходов стоит в Южном МР. В целом промышленное развитие страны определяют регионы Уральского и СевероЗападного МР, а затем Приволжского и Дальневосточного. Тот факт, что инвестиционный фактор в Центральном МР отрицательное влияние оказывает на среднедушевой показатель промышленного производства можно объяснить инвестиционной активностью ведущих его регионов в финансово-инфраструктурном секторе экономики.
Анализ зависимости макрорегионов по выявленным скрытым закономерностям промышленного развития
С помощью матрицы факторных весов можно определить степень зависимости, близости (связанности) МР по выявленным факторам-де-
Таблица 5
Вклад МР в изменение среднедушевой величины промышленного производства за счет отдельного и совместного влияния главных компонентов в 2003 г. (+, —, руб. /чел.)
Макрорегион За счет отдельного влияния главных компонентов За счет совместного влияния
Р1 Р2 Рз ^5
Центральный + 981 +439 + 72 - 929 + 24 + 587
Северо-Западный + 2 613 + 185 + 75 + 99 + 98 + 3 070
Южный - 2 797 + 283 - 478 - 773 - 66 - 3 831
Приволжский + 511 + 987 - 250 + 732 - 6 + 1 974
Уральский + 9 045 + 853 - 334 + 388 - 24 + 9 928
Сибирский - 39 - 17 - 150 + 1149 + 48 + 991
Дальневосточный + 2 245 - 225 - 204 + 194 - 45 + 1 965
Таблица 6
Корреляционная зависимость (связанность) МР в промышленном 0развитии РФ по основным факторам-детерминантам в 1997 г.
ЦМР СЗПМР ЮМР ПривМР УрМР СибМР ДалМР
ЦМР 1
СЗПМР 0,56 1
ЮМР 0,28 0,44 1
ПривМР 0,43 0,97 0,55 1
УрМР 0,12 0,24 0,07 0,04 1
СибМР 0,1 0,74 0,47 0,65 0,72 1
ДалМР 0,19 0,59 0,14 0,44 0,89 0,93 1
Таблица 7
Корреляционная зависимость (связанность) МР в промышленном развитии РФ по основным факторам-детерминантам в 2003 г.
ЦМР СЗПМР ЮМР ПривМР УрМР СибМР ДалМР
ЦМР 1
СЗПМР 0,5 1
ЮМР 0,36 0,09 1
ПривМР 0,26 0,1 0,92 1
УрМР 0,3 0,6 0,55 0,6 1
СибМР 0,77 0,39 0,31 0,36 0,14 1
ДалМР 0,36 0,48 0,08 0,12 0,72 0,5 1
терминантам. Так, если исходная система данных представляет собой матрицу, содержащую 49 строк и 14 столбцов, то и у матрицы, состоящей из факторных весов, такая же размерность. В результате транспонирования матрицы в столбцах окажутся МР за каждый год ретроспективного периода. То есть один «большой столбец» будет содержат семь столбцов из 14 элементов, представляющих собой значения факторных весов. Другими словами, транспонированная матрица с численными значениями главных компонентов в каждом ее «главном столбце» характеризует каждый МР по факторам-детерминантам за конкретный год анализируемого периода (1997 - 2003). Поскольку в результате компонентного анализа были отобраны 5 главных компонентов, каждый МР за каждый год будет характеризоваться пятью элементами. Установление корреляционной связи между каждым МР по выявленным закономерностям позволит определить зависимость (связанность) МР в их промышленном развитии. Следует заметить, что проведенный выше многомерный анализ, основанный на корреляционной связи исходных показателей, принято называть Я -техникой обработки данных, а использование транспонированной таблицы исходных показателей - Q -техникой. В настоящее время более 90 % научно-практических задач решается с помощью Я -техники [11, С. 396]. С применением Q -технического много-
мерного анализа получены корреляционные матрицы зависимости МР по пяти главным факторам-детерминантам промышленного развития за 1997 и 2003 гг. (табл. 6 и 7).
Как следует из данных табл. 6, сравнительно высокую связанность демонстрируют российские МР с Северо-Западным МР, а также достаточно тесно взаимосвязаны Уральский, Сибирский и Дальневосточный МР. Примечательно, что степень зависимости Центрального МР от остальных, за исключением Северо-Западного, очень слабая.
Согласно данным табл. 7 степень зависимости МР в 2003 г. по сравнению с 1997 г. не увеличилась. Исключение составляет рост зависимости МР в промышленном развитии экономического пространства страны от Уральского МР. Это обстоятельство объясняется увеличением внутреннего спроса на топливно-энергетические ресурсы в условиях стабильного роста промышленного производства во всех МР с 2000 г.
Таким образом, на основе данных табл. 6 и 7 можно заключить, что недостаточная связанность экономического пространства РФ является сдерживающим фактором промышленного развития МР и страны в целом. Поэтому важное значение приобретают формирование и реализация эффективной промышленной политики как на уровне федерального центра, так и на уровне федеральных округов и входящих в их состав регионов.
Литература
1. Харман Г. Современный факторный анализ. - М.: Статистика, 1972.
2. Лоули Д., Максвелл А. Факторный анализ как статистический метод. - М.: Мир, 1967.
3. Мау В., Яновский К Политические и правовые факторы экономического роста в российских регионах// Вопросы экономики. - 2001. - №11.
4. Ульянов и. с. Текущие экономические показатели: некоторые результаты факторного анализа// Вопросы статистики. - 2000. - № 2.
5. Кузнецова В. Е., Сивелькин В. А., Мхитарян В. С. Исследование зависимостей макроэкономических показателей региона// Вопросы статистики. — 2001. — № 9.
6. Герасенко В. П. Методы многомерного анализа в исследовании региональной дифференциации// Вопросы статистики. — 2004. — №11.
7. Айвазян С. А., Мхитарян В. С. Прикладная статистика и основы эконометрики. — М.: ЮНИ-ТИ, 1998.
8. Читая Г. О. Макрорегиональная структурная динамика промышленности России// Вопросы статистики. — 2004. — № 12.
9. Читая Г. О. Источники инвестиционного обеспечения экономического развития макрорегионов России // Вопросы статистики. — 2005. — № 9.
10. Статистическое моделирование и прогнозирование / Под ред. А. Г. Гранберга. — М.: Финансы и статистика, 1990.
11. Сошникова Л. А., Тамашевич В. Н., Уэбе Г., Шеффер М. Многомерный статистический анализ в экономике/ Под ред. В. Н. Тамашевича. — М., 1999.
12. Дуброва Т. А. Статистические методы прогнозирования: Учеб. пособие для вузов. — М.: ЮНИТИ — ДАНА, 2003.
13. Тюрин Ю. Н., Макаров А. А. Анализ данных на компьютере/ Под ред. В. Э. Фигурнова. — М.: ИНФРА — М, 2003.
14. Читая Г. О. Анализ инвестиционных процессов в макрорегионах России// Финансы и кредит. — 2005. — № 25.
15. Петрова В. И. Системный анализ себестоимости. — М.: Финансы и статистика, 1986.
От редакции. В журнале «Экономический анализ» № 22 (55) за 2005 год на с. 38, строка 4 сверху следует читать: «М.А. Государев, кандидат технических наук, профессор, первый проректор Волжской государственной инженерно-педагогической академии».
