CC BY
25
Экономика и управление в отраслях и сферах деятельности
Леонова Л.Б. Leonova L.B.
кандидат технических наук, доцент, ФГАОУ ВО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина», г. Екатеринбург, Российская Федерация
DOI: 10.17122/2541-8904-2020-3-33-57-42
КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ КАК ИНСТРУМЕНТ ПРОГНОЗИРОВАНИЯ ВЛИЯНИЯ ФУНКЦИОНИРОВАНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКОГО КЛАСТЕРА В СФЕРЕ ЖКХ НА ЭКОНОМИКУ РЕГИОНА
В настоящее время, когда в стране с 2010 года успешно реализуется кластерная политика, которая способствует повышению конкурентоспособности, как регионов, так и отдельных отраслей, воздействие отраслевых кластеров на главный экономический показатель является крайне актуальным и важным вопросом. Безусловно, в основном, когда мы говорим о кластеризации, речь идет, прежде всего, о промышленных сетевых структурах. Однако, учитывая необходимость социальных преобразований в стране и повышения качества жизни населения, необходимо знать, как развитие социально-экономического кластера в сфере ЖКХ скажется на уровне экономического развития региона, страны в целом.
В статье рассматривается возможность использования корреляционно-регрессионного анализа для прогнозирования валового регионального продукта (ВРП) в зависимости от факторов, на которые оказывает существенное влияние сфера жилищно-коммунального хозяйства. К таким факторам, по нашему мнению, можно отнести «Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам деятельности», «Объем работ, выполненных по виду экономической деятельности «Строительство», «Инвестиции в основной капитал», «Конечное потребление» и др. Расчеты были проведены для Свердловской области. Для прогнозирования показателя ВРП авторы использовали двухфакторные модели. Полученные математические модели подтверждают существенное воздействия всех рассматриваемых факторов на результативный показатель. В результате проведенных расчетов можно отметить, что валовой региональный продукт увеличивается в среднем на 102 млн руб. без учета показателя объема собственного производства только за счет объема строительно-монтажных работ. Валовой региональный продукт уменьшается в среднем на 94 560 млн руб. без учета показателя инвестиций в основной капитал за счет показателя «конечное потребление Свердловской области» и увеличивается на 5,56 млн руб. за счет инвестиций в основной капитал Свердловской области.
Таким образом, наиболее значимым фактором, влияющим на ВРП региона, является фактор «Конечное потребление в Свердловской области», а это значит, что предложенные математические модели смогут адекватно оценить воздействие на ВРП региона деятельности социально-экономического кластера в сфере ЖКХ, поскольку расходы населения на ЖКУ Свердловской области составляют порядка 28-35 % от всех потребляемых услуг и влияют на конечное потребления населения региона, особенно в условиях постоянно растущих тарифов в данной сфере.
Ключевые слова: социально-экономический кластер, кластерная политика, сфера жилищно-коммунального хозяйства, валовый региональный продукт, корреляционно-регрессионный анализ.
УДК 303.724.32
CORRELATION-REGRESSION ANALYSIS AS A TOOL FOR PREDICTING THE IMPACT OF THE FUNCTIONING OF THE SOCIO-ECONOMIC CLUSTER IN THE HOUSING SECTOR ON THE REGIONAL ECONOMY
At present, when the country has successfully implemented a cluster policy since 2010, which contributes to increasing the competitiveness of both regions and individual industries, the impact of industry clusters on the main economic indicator is an extremely relevant and important issue. Of course, basically, when we talk about clustering, we are talking primarily about industrial network structures. However, given the need for social transformations in the country and improving the quality of life of the population, it is necessary to know how the development of the socioeconomic cluster in the housing and utilities sector will affect the level of economic development of the region and the country as a whole.
The article discusses the possibility of using correlation-regression analysis to predict the gross regional product (GRP) depending on the factors that are significantly influenced by the housing and utilities sector. These factors, in our opinion, include "The volume of shipped goods of our own production, works and services performed on our own by type of activity", "The volume of work performed in the type of economic activity" Construction "," Investments in fixed assets "," Final consumption ", etc. The calculations were carried out for the Sverdlovsk region. To predict the GRP indicator, the authors used two-factor models. The obtained mathematical models confirm the significant impact of all considered factors on the performance indicator. As a result of the calculations, it can be noted that the gross regional product increases by an average of 102 million rubles. excluding the indicator of the volume of own production only due to the volume of construction and installation work. The gross regional product decreases by an average of 94,560 million rubles. excluding the indicator of investments in fixed assets due to the indicator "final consumption of the Sverdlovsk region" and increases by 5.56 million rubles. through investments in fixed assets of the Sverdlovsk region.
Thus, the most significant factor influencing the region's GRP is the "Final consumption in the Sverdlovsk region" factor, which means that the proposed mathematical models will be able to adequately assess the impact on the region's GRP of the activity of the socio-economic cluster in the housing sector, since the population's expenditures on Housing and utility services of the Sverdlovsk region make up about 28-35% of all consumed services and affect the final consumption of the region's population, especially in the context of constantly growing tariffs in this area.
Key words: socio-economic cluster, cluster policy, housing and utilities sector, gross regional product, correlation and regression analysis.
Валовый региональный продукт дает наиболее точное представление о развитии региона в целом. В мировой и отечественной практике он является перспективным ориентиром развития экономики в целом. На его значение влияют многочисленные факторы.
В данной статье авторы ставят перед собой цель рассмотреть влияние деятельности социально-экономического кластера в сфере жилищно-коммунального хозяйства на ВРП в зависимости от некоторых статистических показателей на примере Свердловской области.
В настоящее время в России в соответствии с развитием экономической политики происходит формирование и функциониро-
вание кластеров. В стране существует порядка 110 кластерных проектов, включающих более 3 тыс. организаций и предоставляющих более 1 млн рабочих мест [1].
Поддержка кластеров ведется на уровне федеральных органов государственной власти, а именно: Министерством экономического развития РФ и Министерством промышленности и торговли Российской Федерации. Это, несомненно, указывает на важность и эффективность кластеризации в экономике страны. Министерство экономического развития еще с 2010 года выделяет значительное финансирование (порядка 1 млрд рублей) для формирования и поддержки Центров кластерного развития (ЦКР).
Благодаря этому уже в 33 регионах РФ было создано 34 таких центра. Хотя в этом случае такие ЦКР создаются для функционирования кластеров в промышленной сфере с целью развития деятельности инновационных, импортозамещающих производств, а также кластеров, выпускающих продукцию на экспорт. За прошедшие десять лет на реализацию кластерной политики было выделено порядка 8,3 млрд руб. [1].
Модель пространственного развития Свердловской области включает в себя развитие экономики с помощью рыночных институтов сетевого характера (кластеров, государственно-частного партнерства и др.) [2].
Так, в Свердловской области созданы кластеры в промышленной сфере в таких отраслях, как металлургия, производство медицинской техники, нефтегазовая промышленность и производство строительных материалов. А такие отрасли, как биофармацевтика, ювелирная промышленность имеют все необходимые предпосылки для формирования и развития кластеров на Урале [2]. Неплохой потенциал для кластеризации в Уральском регионе, и в частности в Свердловской области, имеют научно-исследовательская и образовательная деятельность, чему могут успешно способствовать отделения УрО РАН в регионе и более 20 институтов и университетов, а также многочисленные филиалы высших учебных заведений. Всего в Свердловской области, согласно реестру 2020 года, функционирует восемь крупных промышленных кластеров [3].
В работе [4] проведена типологизация кластеров Свердловской области. Так, в «первый эшелон» входят ведущие отрасли экономики, имеющие промышленный и инвестиционный потенциал, а также квалифицированные кадры - трудовые ресурсы. Во «второй эшелон» можно отнести кластеры, имеющие локализацию, потенциал развития, поддержку со стороны государства. Также были выявлены точки роста промышленных кластеров. Так, к первой группе кластеров можно отнести металлургический, машиностроительный, лесопромышленный. Ко вто-
Экономикл и УПРАВЛЕНИЕ В ОТРАСЛЯХ И СФЕРАХ ДЕЯТЕЛЬНОСТИ
рой группе - агропромышленный, туристический, химический [4].
По мнению авторов статьи, значимым для любого региона является формирование и функционирование социально-экономического кластера в сфере ЖКХ, поскольку приоритетными задачами на повестке дня стоят вопросы повышения качества жизни населения, рост конкурентоспособности сферы ЖКХ, улучшение жилищных условий населения. Поддержка деятельности такого кластера должна осуществляться Министерством строительства и ЖКХ регионального уровня управления. Также следует отметить, что сфера ЖКХ является одной из системообразующих в экономике страны, на это указывают действия Правительства РФ при поддержке и дотациях отрасли в период пандемии коронавируса.
Существующие сегодня методики для оценки деятельности кластеров рассмотрены только для кластеров, функционирующих в промышленной сфере. Автор данной статьи предлагает в качестве методического инструментария оценки воздействия социально-экономического кластера в сфере ЖКХ, которая является сферой услуг, использовать корреляционно-регрессионный анализ. В данном случае возможным является использование некоторых значимых статистических показателей.
Среди них, по нашему мнению, можно выделить такие как «Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам деятельности», «Объем работ, выполненных по виду экономической деятельности «Строительство», «Инвестиции в основной капитал», «Конечное потребление» и др.
Эти показатели были отобраны для проводимых исследований, поскольку сфера ЖКХ, совместно со сферой строительства по данным Росстата, составляют порядка 25 % в структуре отраслей, вносящих свой вклад в ВРП. Доля инвестиций в основной капитал сферы ЖКХ и строительства составляла в 2018 году - 11,1 %, в 2019 - 11,6 %. В работе [5] авторы предлагают рассматривать единый
ECONOMIC SCIENCE_
EcONOMiCS AND MANAGEMENT iN THE iNDUSTRiES AND AREAS OF ACTiViTY
жилищно-коммунально-строительный комплекс как основу и ядро формирования социально-экономического кластера сферы ЖКХ в регионе.
В данном исследовании был использован корреляционно-регрессионный анализ для определения взаимосвязи и значимости
между указанными выше факторами (показателями), влияющими на ВРП [6]. Расчеты были выполнены по статистическим данным для Свердловской области.
Для проведения расчетов использованы ретроспективные данные по вышеназванным показателям за период с 2012 по 2018 годы.
Таблица 1. Показатели социально-экономического развития Свердловской области (СО)
Показатель 2012 г. 2013 г. 2014 г. 2015 г. 2016 г. 2017 г. 2018 г.
ВРП (по ОКВЭД), трлн руб. 1,48 1,57 1,66 1,82 1,99 2,14 2,25
Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам деятельности, млн руб. (XI) 1661785 1821317 1870492 1909772 1844840 1892806 2097371
Объем работ, выполненных по виду экономической деятельности «Строительство» в СО, млн руб. (Х2) (Х1) 112859,9 107171,5 107973,3 188056,5 185498,0 188226,8 202412,5
Инвестиции в основной капитал в СО, млн руб. (Х1) 351637 352916 371631 349964 328403 320111 318008
Конечное потребление СО, млрд руб. (Х2) 1243,9 1391,0 1461,5 1541,5 1582,1 1626,5 1743,2
Потребительские расходы населения СО, млрд руб. (Х2) 95,25 106,86 113,40 119,09 122,32 126,75 130,08
Потребительские расходы на душу населения, руб. в месяц 22150 24736 26251 27503 28250 29306 30146
Численность экономически активного населения СО, тыс. чел 2292,8 2309,0 2280,0 2293,1 2230,1 2178,5 2145,2
Численность населения СО, млн чел. 4315830 4320677 4327472 4330006 4329341 4325256 4315699
Для прогнозирования показателя ВРП Свердловской области, как уже отмечено ранее, был применен метод корреляционно-регрессионного анализа. За первый фактор примем объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам
Таблица 2. Расчет коэффициентов корреляции
деятельности, млн руб. (X), за второй фактор - объем работ, выполненных по виду экономической деятельности «Строительство» в Свердловской области, млн руб. (Х2).
Первоначально выделим коэффициенты корреляции. Данные для расчетов представлены в таблице 2.
Y Х1 Х2 Y2 V Х22 Y* X1 Y* X2 Xi* X2
1,48 1,66 0,113 2,19 2,76 0,012769 2,4568 0,16724 0,18758
1,57 1,82 0,107 2,46 3,31 0,011449 2,8574 0,16799 0,19474
1,66 1,87 0,108 2,76 3,50 0,011664 3,1042 0,17928 0,20196
1,82 1,91 0,188 3,31 3,31 0,035344 3,4762 0,34216 0,35908
Экономика и управление в отраслях и сферах деятельности
1,99 1,84 0,185 3,96 3,39 0,034225 3,6616 0,36815 0,34040
2,14 1,89 0,188 4,58 3,57 0,035344 4,0446 0,40232 0,35532
2,25 2,10 0,202 5,06 4,41 0,040840 4,7250 0,45450 0,42420
Сумма 12,91 13,09 1,091 24,32 24,2500 0,181635 24,3258 2,08164 2,06328
ср. значение 1,84 1,87 0,156 3,47 3,4643 0,025948 3,4751 0,29738 0,29475
Y- Yep (Y- Yep)2 X, - X , 1 ср1 (X1 - Xep1)2 X2 Xep2 (X2 - Xep2)2 Y- Yep* x, - X , 1 ep1 Y- Yep* X2 - Xep2 X1 - X ,* . ep1 X2 Xep2
-0,36 0,1296 -0,21 0,0441 -0,043 0,001849 0,0756 0,01548 0,00903
-0,27 0,0729 -0,05 0,0025 -0,049 0,002401 0,0135 0,01323 0,00245
-0,18 0,0324 0 0 -0,048 0,002304 0 0 0
-0,02 0,0004 0,04 0,0016 0,032 0,001024 -0,0008 -0,00064 0,00128
0,15 0,0225 -0,03 0,0090 0,029 0,000841 -0,0045 0,00435 0,00087
0,30 0,0900 0,02 0,0040 0,032 0,001024 0,0060 0,00960 0,00064
0,41 0,1681 0,23 0,0529 0,046 0,002116 0,0943 0,01886 0,01058
0 0,5159 0 0,1141 0 0,011559 0,1841 0,06088 0,02485
0,3718 0,0163 0,001651 0,0263 0,00870 0,00355
Затем устанавливаем корреляционный момент между исследуемыми показателями. Если он не равен 0, то связь между рассматриваемыми факторами имеется.
Его можно определить по формуле:
Х(у[-уср)*(х1-хср)
п (1)
Кух1 = 0,0263/7= 0,00376
КуХ ~
Кух2 ~ К\'1х2
0,00870/7 = 0,00124 = 0,003 5 5/7 =0,0005 1 .
ной связи. Формула для нахождения этого коэффициента:
(2)
Корреляционный момент при проведенных расчетах не равен нулю, следовательно, корреляционная связь существует между всеми рассматриваемыми переменными. Нормированное значение коэффициента ковариации называется коэффициентом корреляции [7].
Для проверки наличия корреляции линейной связи следует применить линейный коэффициент парной корреляции, который является индикатором интенсивности линей-
>/(л/0Ж63 * л/0,3718) = 0,078
гх2у= (0,29738-0,156*1,84)/
/ (70,001651 * л/0,3718 ) = 0,415 гх1х2= (0,29475-0,156* 1,87)/
.
Коэффициент корреляции может быть в пределах от -1 до +1. Если значение положительное, то это говорит о прямой, отрицательное значение - об обратной зависимости. Характеристики взаимодействия величины коэффициента корреляции и характера связи приведены в таблице 3.
Таблица 3. Коэффициент корреляции в зависимости от характера связи [8]
Величина коэффициента корреляции Характер связи
0 - 0,10 Связь нелинейная
0,10 - 0,30 Связь слабая
0,30 - 0,65 Связь умеренная
0,65 - 0,80 Связь сильная
0,80 - 0,95 Связь очень сильная
0,95 - 1,00 Связь функциональная, линейная
- 61
Вестник УГНТУ. Наука, образование, экономика. Серия экономика. № 3 (33), 2020
Таким образом, связь между ВРП и объемом работ, выполненных по виду экономической деятельности «Строительство» (Х2), является умеренной, в то время как связь между ВРП и объемом отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам деятельности (Х1) является нелинейной.
Далее проверим значение коэффициента корреляции с помощью ^критерия Стьюдента [8]. Определим его расчетное значение - 1. по формуле:
|г|* л/п—2
расч
t расч
(3)
Vl-r2
t
расч (yxl)
= (0,078 *V7^2)/
i/V 1 - 0,0782 = 0,175
t
расч (ух2)
= (0,415 *л/7^2)/
/ л/1 - 0,4152 = 1,12
(0,58 *л/7^2)/
^ расч (х1х2)'
)/ л] 1 — 0,582 = 1,95 .
Затем сравним рассчитанные показатели критерия Стъюдента с табличными и в случае, если 1 > 1 ,, связь будем считать
расч табл7
существенной. В нашем случае получилось, что 1 табл =1,8331 с уровнем вероятности 0,90.
Корреляционно-регрессионный анализ является количественным методом определения вида математической функции в причинно-следственной зависимости между ВРП и факторами. Поэтому необходимо сделать прогноз результативного показателя ВРП с помощью построения уравнения регрессии. Многофакторные модели достаточно просты в расчетах и дают ясную экономическую интерпретацию полученных данных. Линейное уравнение множественной регрессии имеет вид:
Y = я + а *Х + а,*Х + ...+а*Х,
Х1 0 112 2 п п
где Х1 - факторные признаки, а - коэффициенты регрессии. Коэффициенты регрессии а показывают, насколько изменяется значение ВРП (У) при увеличении 1-го факторного признака (Х1) на единицу при фиксированном положении остальных факторов. Свободный член уравнения а0 показывает усредненное влияние на результативный показатель всех неучтенных
факторов. Для нашего исследования применим уравнения множественной регрессии с двумя факторами:
У. = а0 + а1*Х1 + а2*Х2.
XI 0 11 2 2
Для нахождения коэффициентов линейной двухфакторной модели необходимо решить систему уравнений с тремя неизвестными параметрами (а0, а1 и а2): а0п + а1^Х1 + а2^^Х2 =2 !У а0^Х1 + а1^Х12 + а21Х1Х2 = !Х1У а0^Х2 + а1^Х1 Х2+ а2^Х22 = 1Х2У.
В нашем случае расчет будет иметь вид: а07 + а113,09 + а21,091 = 12,91 а°13,09 + а124,255 + а22,063 = 24,3 258 а01,091 + а12,063 + а2 0,181635= 2,08164 а1 и а2 являются коэффициентами регрессии, а0 - свободный член уравнения.
Получили значения коэффициентов:
а0 = - 0,012 а1 = 0
а21 = - 109,02
Уравнение линейной регрессии примет вид:
у = - 0,012 - 102,02 х .
^ XI " "2
Дадим экономическую интерпретацию результатам полученной математической модели. Линейная регрессии выражает зависимость ВРП (У) от объема строительно-монтажных работ (Х1), объема отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам деятельности (Х2). Коэффициенты уравнения подтверждают наличие воздействия всех факторов на результативный показатель. Валовой региональный продукт увеличивается в среднем на 102 млн руб. без учета показателя объема собственного производства только за счет объема строительно-монтажных работ.
Повторим расчеты для других факторов Х1 и Х За первый фактор примем конечное потребление Свердловской области, млрд руб. (Х), за второй фактор - инвестиции в основной капитал в Свердловской области, млрд руб. (Х2). Данные занесем в таблицу 4.
Экономика и управление в отраслях и сферах деятельности
Таблица 4. Расчет коэффициентов корреляции
y Х1 Х2 у2 Х22 у* х у* х2 Х1* Х2
1480 1243,9 351,637 2190400 1547287 123648,6 1840972 520422,8 437401,3
1570 1391 352,916 2464900 1934881 124549,7 2183870 554078,1 490906,2
1660 1461,5 371,631 2755600 2135982 138109,6 2426090 616907,5 543138,7
1820 1541,5 349,964 3312400 2376222 122474,8 2805530 636934,5 539469,5
1990 1582,1 328,403 3960100 2503040 107848,5 3148379 653522 519566,4
2140 1626,5 320,111 4579600 2645502 102471,1 3480710 685037,5 520660,5
2250 1690,1 318,008 5062500 2856438 101129,1 3802725 715518 537465,3
12910 10536,6 2392,67 24325500 15999353 820231,4 19688276 4382420 3588608
Ср. 1844,28571 1505,229 341,81 3475071 2285622 117175,9 2812611 626060 512658,3
У- Уср (У- Уср)2 Х1 - Хср1 (Х1 - Хр1)2 X - Х , 2 ср2 (Х2 - Хср2)2 У- Уср* Х1 - Хср1 У- Уср* X - х , 2 ср2 Х1 - Х * • ср1 X - х , 2 ср2
-364,285714 132704,1 -261,329 68292,62 9,827 96,56993 95198,27 -3579,84 -2568,08
-274,285714 75232,65 -114,229 13048,17 11,106 123,3432 31331,27 -3046,22 -1268,62
-184,285714 33961,22 -43,7286 1912,188 29,821 889,292 8058,551 -5495,58 -1304,03
-24,2857143 589,7959 36,27143 1315,617 8,154 66,48772 -880,878 -198,026 295,7572
145,714286 21232,65 76,87143 5909,217 -13,407 179,7476 11201,27 -1953,59 -1030,62
295,714286 87446,94 121,2714 14706,76 -21,699 470,8466 35861,69 -6416,7 -2631,47
405,714286 164604,1 184,8714 34177,45 -23,802 566,5352 75004,98 -9656,81 -4400,31
0 515771,4 0 139362 0 2392,822 255775,1 -30346,8 -12907,4
73681,63 19908,86 341,8318 36539,31 -4335,25 -1843,91
Снова устанавливаем корреляционный момент между исследуемыми показателями. Если он не равен 0, то связь между этими показателями имеется.
Его также определяем по формуле:
£(у/-уср)*(х£-;еср) (4)
Кух~
п
Кух1 = 255755,1/7= 36536,4 Кух2 = -30346,8/7 = - 4335,26 Кх1х2 = -12907,4/7 = - 1843,91.
Корреляционный момент в этом случае также не равен нулю, следовательно, корреляционная связь существует между всеми переменными.
Для проверки наличия корреляции линейной связи также применяем линейный коэффициент парной корреляции по формуле (5).
(5)
Х1*у~Х1*у
ху ах*ау Гх1 = (2812611 - 1505,229 * 1844,28571)/ /(V73681,63 * л/19908,86 ) - 0,954
гх2 х = (626060 - 341,81*1844,28571)/
|/ (л/73681,63 * л/341,8318 ) = - 0,1423 гх1х2= (512658,3-1505,229*341,81)/
Коэффициент корреляции с первым фактором - конечным потреблением - имеет связь функциональную линейную, со вторым фактором - слабую (в соответствии с табл. 3).
Также проводим проверку коэффициента корреляции путем нахождения ^критерия Стьюдента.
Далее рассчитаем значение критерия 1 расч по формуле (6). Затем снова проводим проверку его на нулевую гипотезу об отсутствии связи между факторами и ВРП с помощью 1-критерия.
\г\*л/п-2 (6)
Далее производим прогноз результативного показателя построением уравнения регрессии.
После проведенных расчетов получаем следующие значения коэффициентов: а0 = 1510496,68 а1 = - 94560,58 а2 = 5,56.
А уравнение линейной регрессии принимает вид:
у = 1519496,68 - 94560,58 х, + 5,56 х.
XI 7 1 7 2
Аналогично даем экономическую интерпретацию результатам построенной математической модели. Линейная регрессия выражает зависимость ВРП от первого фактора - конечное потребление СО, млрд руб. (Х), второго фактора - инвестиции в основной капитал в СО, млрд руб. (Х2). Коэффициенты уравнения подтверждают наличие воздействия всех факторов на результативный показатель. Валовой региональный продукт уменьшается в среднем на 94 560 млн руб. без учета показателя инвестиций в основной капитал за счет показателя «конечное потребление Свердловской области» и увеличивается на 5,56 млн руб. за счет инвестиций в основной капитал Свердловской области.
Таким образом, корреляционно-регрессионный анализ позволит спрогнозировать значение ВРП для Свердловской области, а предложенные математические модели смогут адекватно оценить воздействие на ВРП
региона деятельности социально-экономического кластера в сфере ЖКХ, поскольку расходы на ЖКУ населения Свердловской области составляют порядка 28-35 % от всех потребляемых услуг и влияют на конечное потребления населения региона.
Использованный метод может служить эффективным инструментом для региональных и федеральных органов государственной власти при разработке и реализации стратегии развития экономики региона, а также страны в целом.
А главное, корреляционно-регрессионный анализ возможно успешно применять для прогнозирования показателей экономики региона от влияния и функционирования социально-экономического кластера в сфере ЖКХ, используя такие важные статистические показатели, как «Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам деятельности», «Объем работ, выполненных по виду экономической деятельности «Строительство», «Инвестиции в основной капитал», «Конечное потребление». В данной статье было показано, что все эти показатели тесно связаны с одной из самых важных системообразующих отраслей экономики - со сферой ЖКХ, что, в свою очередь, несомненно, влияет на важнейший показатель экономического развития ВРП.
Список литературы
1. Абашкин В.Л., Артемов С.В., Исланкина Е.А. и др. Кластерная политика: достижение глобальной конкурентоспособности / Минэкономразвития России, АО «РВК», Нац. исслед ун-т «Высшая школа экономики». — М.: НИУ ВШЭ, 2017. — 324 с.
2. Лаврикова Ю.В. Кластерная политика и пространственное развитие экономики региона. URL: https://www.ieie.su/assets/files/ news/2703-2017lavrikova.pdf (Дата обращения 18 .06.2020)
3. Ассоциация «Индустриальный кластер Свердловской области» // URL: http://at-so.ru/
chleny_associacii/klastery/ (Дата обращения 18.06.2020)
4. Тургель И.Д., Трофимова О.М. Реализация политики поддержки кластеров в старопромышленном регионе на примере Свердловской области // Среднерусский вестник экономических наук. Серия Экономика и управление. - 2012. - № 4 (1). - С. 185-188 // URL: https://cyberleninka.ru/article/n/ realizatsiya-politiki-podderzhki-klasterov-v-staropromyshlennom-regione-na-primere-sverdlovskoy-oblasti/viewer (Дата обращения 18.06.2020)
5. Леонова Л.Б. Новая концепция формирования единого жилищно-коммунального
строительного комплекса // Электронный журнал «Современные исследования социальных проблем». - 2016. - № 5. - С. 168-186 // URL: https://science.urfu.ru/ru/publications/ новая-концепция-формирования-единого-жилищно-коммунально-строител
6. Чалик А.В., Мудревский А.Ю. Корреляционно-регрессионный анализ валового регионального продукта Ярославской области // Международный научно-исследовательский журнал. Экономические науки. - 2017. - № 6 (60) // URL: https://research-journal.org/economical/korrelyacionno-regressionnyj-analiz-valovogo-regionalnogo-produkta-yaroslavskoj-oblasti/ (Дата обращения 23.12.2019)
7. Харченко М.А. Корреляционный анализ: Учебное пособие для вузов. - Воронеж: Изд-во ВГУ, 2008. - 31 с.
8. Военно-экономический анализ: Учебник / под общ. ред. С.Ф. Викулова. - Ярославль: ВФЭИ, 2010. - 197 c.
References
1. Abashkin V.L., Artemov S.V., Islankina E.A. and others. Cluster policy: achieving global competitiveness / Ministry of Economic Development of Russia, JSC "RVC", Nat. research un-t "Higher School of Economics". -M .: NRU HSE, 2017 .- 324 p.
2. Lavrikova Yu.V. Cluster policy and spatial development of the region's economy. URL: https://www.ieie.su/assets/files/news/2703-2017lavrikova.pdf (Date of treatment 06.06.2020)
3. Association "Industrial cluster of the Sverdlovsk region" // URL: http://at-so.ru/
Экономика и управление в отраслях и сферах деятельности
chleny_associacii/klastery/ (Date of treatment 06/18/2020)
4. Turgel I. D., Trofimova O. M. Implementation of the policy of supporting clusters in the old industrial region on the example of the Sverdlovsk region // Srednerusskiy Vestnik of Economic Sciences. Series Economics and Management. - 2012. -No. 4 (1). - P. 185-188 // URL: https:// cyberleninka.ru/article/n/realizatsiya-politiki-podderzhki-klasterov-v-staropromyshlennom-regione-na-primere-sverdlovskoy-oblasti/ viewer (Date of treatment 18.06. 2020)
5. Leonova LB A new concept of the formation of a single housing and communal building complex // Electronic journal "Modern studies of social problems". - 2016. - No. 5. - P. 168-186 // URL: https://science.urfu.ru/ru/ publications/new-concept-of-forma-tion of a single- housing- communal-builder
6. Chalik A.V., Mudrevsky A.Yu. Correlation and regression analysis of the gross regional product of the Yaroslavl region // International scientific research journal. Economic sciences. - 2017. - No. 6 (60) // URL: https://research-journal.org/economical/korrelyacionno-regressionnyj-analiz-valovogo-regionalnogo-produkta-yaroslavskoj-oblasti/ (Date of treatment 12/23/2019)
7. Kharchenko M.A. Correlation analysis: Textbook for universities. - Voronezh: Voronezh State University Publishing House, 2008 .31 p.
8. Military-economic analysis: Textbook / under total. ed. S.F. Vikulova. - Yaroslavl: VFEI, 2010 .- 197 p.
