CC BY
127
Низамова Г.З. Nizamova G.Z.
кандидат экономических наук, доцент Уфимской высшей школы экономики и управления, ФГБОУВО «Уфимский государственный нефтяной технический университет», г. Уфа, Российская Федерация
УДК 339.13:665.73
Экономика и управление в отраслях и сферах деятельности
1Щ
Гайфуллина М.М. GaifuШna М.М.
кандидат экономических наук, доцент Уфимской высшей школы экономики и управления, ФГБОУ ВО «Уфимский государственный нефтяной технический университет», г. Уфа, Российская Федерация
DOI: 10.17122/2541-8904-2021-3-37-35-44
КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ РЫНКА АВТОМОБИЛЬНЫХ БЕНЗИНОВ
Цель настоящего исследования - выявить факторы, влияющие на объем производства автомобильного бензина. Были использованы следующие методы: анализ и синтез, системный подход, а также методы корреляционно-регрессионного анализа.
Результаты исследования: предложен методический подход к применению инструментов корреляционно-регрессионного анализа рынка автомобильных бензинов, включающий в себя следующие этапы: 1) формирование массива данных; 2) проведение корреляционного анализа, построение корреляционной матрицы, отбор факторов в модель c использованием инструмента «Корреляция» в пакете «Анализ данных» MS Excel; 3) проведение регрессионного анализа, построение уравнения регрессии, обоснование полученной зависимости c использованием инструмента «Регрессия» в пакете «Анализ данных» MS Excel, расчет коэффициентов эластичности.
В качестве результативного при проведении корреляционно-регрессионного анализа и построении математических моделей предлагается использовать объем производства автомобильных бензинов. В числе зависимых переменных и факторов, влияющих на объем производства автомобильных бензинов предлагается использовать переменные, характеризующие четыре группы факторов: ресурсные (сырьевые) ограничения (объем добычи и переработки нефти), производственные возможности отрасли (через глубину переработки нефти и выход светлых нефтепродуктов, характеризующих производственные мощности и набор установок в отрасли), ценовую привлекательность рынка (цены производителей и потребителей автомобильных бензинов, мировая цена на нефть), экспортную привлекательность (объем и стоимость экспорта).
Разработаны многофакторные экономико-статистические модели зависимости объема производства автомобильных бензинов от ряда факторов. По результатам расчетов выявлена сильная корреляционная связь между объемом производства автомобильных бензинов и величинами первичной переработки нефти, добычи нефти, экспорта автомобильного бензина. Предсказанные значения расположены максимально близко к остаточным значениям, что свидетельствует о том, что полученное уравнение регрессии имеет высокую степень точности.
Перспективы исследования: результаты исследования могут быть использованы для выявления значимых факторов развития рынка автомобильных бензинов в Российской Федерации.
Ключевые слова: автомобильный бензин, рынок автомобильных бензинов, нефтепереработка, нефть, нефтепродукты, корреляционно-регрессионный анализ, коэффициент корреляции.
CORRELATION AND REGRESSION ANALYSIS OF THE AUTOMOTIVE GASOLINE MARKET
Purpose of the study: to identify the factors affecting the volume of production of motor gasoline.
Research methods: analysis and synthesis, systematic approach, as well as methods of correlation and regression analysis.
Results of the research: A methodological approach to the use of tools for correlation and regression analysis of the gasoline market is proposed, which includes the following stages: 1) formation of a data array; 2) carrying out correlation analysis, building a correlation matrix, selecting factors into the model using the Correlation tool in the Data Analysis package of MS Excel; 3) conducting a regression analysis, constructing a regression equation, substantiating the obtained dependence using the "Regression" tool in the "Data Analysis" MS Excel package, calculating the elasticity coefficients.
It is proposed to use the volume of production of motor gasoline as effective in carrying out the correlation-regression analysis and constructing mathematical models. Among the dependent variables and factors affecting the volume of production of motor gasoline, it is proposed to use variables that characterize four groups of factors: resource (raw material) limitations (the volume of oil production and refining), production capabilities of the industry (through the depth of oil refining and the yield of light oil products that characterize production capacity and set of installations in the industry), price attractiveness of the market (prices of producers and consumers of motor gasoline, world oil prices), export attractiveness (volume and value of exports).
Multivariate economic and statistical models of the dependence of the volume of production of motor gasoline on a number of factors have been developed. Based on the results of calculations, a strong correlation was revealed between the volume of production of motor gasoline and the values of primary oil refining, oil production, and export of motor gasoline.
The predicted values are located as close as possible to the residual values, which indicates that the resulting regression equation has a high degree of accuracy. Research prospects: the research results can be used to identify significant factors in the development of the motor gasoline market in the Russian Federation.
Key words: automobile gasoline, automobile gasoline market, oil refining, oil, petroleum products, correlation and regression analysis, correlation coefficient.
Введение
Важность анализа рынка с использованием инструментов корреляционно-регрессионного анализа обусловливается необходимостью выявления ранее не установленных причинных связей между исследуемыми показателями и возможностью прогнозирования ключевых параметров рынка.
В рамках настоящей статьи рассматривается возможность применения инструментов корреляции и регрессии для анализа рынка автомобильного топлива. Ключевым показателем рынка автомобильных бензинов является производство автомобильных бензинов [1].
Корреляционный анализ состоит в определении степени (тесноты) связи между случайными величинами, регрессионный - в исследовании формы связи между ними [2]. Корреляционно-регрессионный анализ, как общее понятие, включает в себя измерение тесноты, определение направления связи и установление аналитического выражения связи [3].
Целью корреляционно-регрессионного анализа рынка автомобильных бензинов является выяснение связи между рассматриваемыми признаками, если такая связь существует, вычисляется мера зависимости, и находится математическое уравнение, более или менее ее отражающее [4, 5].
Методика исследования
В рамках данного исследования предлагается методический подход к применению инструментов корреляционно-регрессионного анализа для моделирования факторов, влияющих на рынок автомобильных бензинов.
Этапы построения корреляционно-регрессионной модели следующие.
Этап 1. Формирование массива данных.
Этап 2. Проведение корреляционного анализа, построение корреляционной матрицы, отбор факторов в модель c использованием инструмента «Корреляция» в пакете «Анализ данных» MS Excel.
Инструмент корреляция определяет коэффициент корреляции между двумя множествами данных.
Основная задача корреляционного анализа заключается в выявлении взаимосвязи между случайными переменными путем точечной и интервальной оценки парных (частных) коэффициентов корреляции и детерминации. Кроме того, с помощью корреляционного анализа решаются следующие задачи: отбор факторов, оказывающих наиболее существенное влияние на результативный признак, на основании измерения степени связи между ними; обнаружение ранее неизвестных причинных связей [9].
Этап 3. Проведение регрессионного анализа, построение уравнения регрессии, обо-
Экономикл и УПРАВЛЕНИЕ В ОТРАСЛЯХ И СФЕРАХ ДЕЯТЕЛЬНОСТИ
В качестве результирующего показателя (У) предлагается использовать показатель объема выпуска автомобильных бензинов.
Предлагаемые зависимые показатели для модели, отобранные из имеющихся исследований по проблематике нефтяной отрасли [6-8], приведены в таблице 1.
снование полученной зависимости c использованием инструмента «Регрессия» в пакете «Анализ данных» MS Excel [10, 11].
С помощью этого инструмента выполняется линейный регрессионный анализ. Регрессия подбирает график для набора наблюдений с помощью метода наименьших квадратов. Регрессия используется в широком диапазоне приложений для анализа воздействия на отдельную зависимую переменную факторов, значений одной или более независимых переменных [12].
Регрессионный анализ предназначен для исследования зависимости исследуемой переменной от различных факторов и отображения их взаимосвязи в виде регрессионной модели. Группа итоговых выходных таблиц (Вывод итогов) будет включать следующие таблицы: Регрессионная статистика; Множественный R, R-квадрат, Нормированный R-квадрат, Стандартная ошибка (оценка стандартного отклонения выборки), Наблюдения (счет); Дисперсионный анализ (Регрессия, Остаток, Итого (столбцы df, SS, MS, F значение кри-
Таблица 1. Зависимые показатели для корреляционно-регрессионного анализа
Группа показателей Наименование показателя Обозначение
ресурсные (сырьевые) ограничения объем первичной переработка нефти, млн т Xi
объем добычи нефти, млн т Х2
производственные возможности глубина переработка нефти, % Хз
выход светлых нефтепродуктов, % Х4
ценовая привлекательность рынка цена производителей автомобильного бензина, руб./т (на конец года) Х5
цена потребителей (цена приобретения) автомобильного бензина, руб./т (на конец года) Хб
мировая цена на нефть, долл./барр. Х7
показатели экспорта объем экспорт автомобильного бензина, млн т Х8
стоимость экспорта автомобильного бензина, млн долл. США Х9
терия Фишера для выборки), Значимость F
(вероятность ошибочного отклонения нуле- а
вой гипотезы для F)), Коэффициенты (коэф- т
фициенты регрессии для определения нали- н
чия взаимосвязи между массивами зависи- п
мой и независимыми переменными), м
Стандартная ошибка, t-статистика (критерий к
Стьюдента), Р-Значение, Нижние 95 %, (
Верхние 95 %, Нижние 95,000 %, Верхние Г
95,000 % (границы интервальных оценок для « математического ожидания и дисперсии).
Качество уравнения регрессии оценива- н
ется с помощью коэффициента детермина- р
ции (R-квадрат). Оценка значимости уравне- к
ния регрессии в целом дается с помощью и
/■'-критерия Фишера. Если FHa6n > Fma6jl , урав- в
нение регрессии считается статистически с
значимым, в противном случае - статистиче- с
ски незначимым. Проверка значимости е
отдельных коэффициентов регрессии осу- р
ществляется с помощью í-критерия б
Стьюдента. Расчетные значения сравнива- н
ются с табличными, определенными при n-2 п
степенях свободы и соответствующем уровне п
значимости a. Кроме того использование у
инструмента «Регрессия» позволяет полу- р
чить графическое изображение остатков, в подбора, нормальной вероятности.
Апробация методики ч
Апробация предлагаемого подхода прове- а
дена на примере рынка автомобильных бен- р зинов в Российской Федерации.
В России более 95 % рынка производства автомобильных бензинов приходится на вертикально-интегрированные нефтяные компании (ВИНК) [13]. Лидерами среди компаний по выпуску автомобильных бензинов, занимающих суммарно более 70 % рынка, являются ПАО НК «Роснефть» - 14 млн т (34,7 %, включая ПАО АНК «Башнефть»), ПАО «Лукойл» - 7,9 млн т (19,5 %) и ПАО «Газпром нефть» - 6,4 млн т (15,9 %).
Отличительной чертой рынка автомобильного бензина в России является наличие в регионах монополизма крупных нефтяных компаний, которые и формируют «свои» цены на бензин. Зачастую они несправедливо высокие, что во многом обусловлено недостаточным контролем со стороны государства [14]. Этим также во многом определяется дифференциация цен на региональных рынках нефтепродуктов, в частности автомобильного бензина. При этом объем внутреннего российского рынка бензина зависит от потребностей и покупательной способности предприятий и населения, определяемых уровнем социально-экономического развития регионов в РФ, а также конъюнктурой мирового рынка [15].
В таблице 2 представлены первичные значения показателей, характеризующих рынок автомобильных бензинов, на основании которых проведены дальнейшие расчеты.
Таблица 2. Показатели развития рынка автомобильных бензинов для проведения корреляционного регрессионного анализа
Наименование 2010 г. 2011 г. 2012 г. 2013 г. 2014 г. 2015 г. 201б г. 2017 г. 2018 г. 2019 г. 2020 г.
Производство автомобильного бензина, млн т У 3б,1 3б,б 38,2 38,7 38,3 39,2 40 39,2 39,42 40,2 38,38
Объем первичной переработка нефти, млн т Х1 248,8 25б,5 2б5,4 274,5 288,9 282,9 280,б 279,9 287 285,1 270,09
Объем добычи нефти, млн т Х2 505,2 511,4 518,1 523,4 52б,7 534,1 547,б 54б,8 55б 5б1,2 512,8
Глубина переработка нефти, % Хз 71 70,б 71,1 71,4 72,3 74,2 79,2 81,3 83,4 83,1 84,4
Выход светлых нефтепродуктов, % Х4 55,7 55,8 55,9 5б,2 57,4 59,3 б0,7 б2,3 б2,2 б1,5 б2,б
Источник: составлено авторами по данным Федеральной службы государственной статистики https://rosstat.gov.ru/ АоЫег/210МоситеП/12994
Коэффициенты множественной корреляции, отражающие взаимосвязи между показателями, приведены в таблице 3.
Таблица 3. Показатели развития рынка автомобильных бензинов для проведения корреляционного регрессионного анализа
_ЭКОНОМИЧЕСКИЕ НАУКИ
Экономика и управление в отраслях и сферах деятельности
Цена Х5 16699 18576 19094 20108 20946 21995 23066 26495 29404 24345 29111
производителей автомобильного бензина, руб./т (на конец года)
Цена потребителей (цена приобретения) автомобильного бензина, руб./т (на конец года) Хб 24814 28775 34523 35539 38496 40470 43170 46131 49428 54999 56272
Мировая цена на нефть, долл./барр. Х7 70 95 107 114 107 53 43,6 54,1 66 54,3 23,5
Объем экспорт автомобильного бензина, млн т Х8 2,9633 3,83601 3,20478 4,33377 4,1774 4,74624 5,21562 4,34122 4,21013 5,18345 5,82809
Стоимость Х9 1845,28 2642,25 2529,17 3261,9 3162,01 2481,05 2014,51 2083,41 2486,45 2886,7 2202,52
экспорта автомобильного бензина, млн долл. США
У Х1 Х2 Хз Х4 Х5 Хб Х7 Х8 Х9
У 1,00
Х1 0,86 1,00
Х2 0,88 0,80 1,00
Хз 0,66 0,51 0,66 1,00
Х4 0,71 0,60 0,69 0,97 1,00
Х5 0,63 0,59 0,58 0,93 0,94 1,00
Хб 0,77 0,67 0,65 0,93 0,92 0,91 1,00
Х7 -0,38 -0,17 -0,34 -0,78 -0,81 -0,65 -0,65 1,00
Х8 0,67 0,56 0,44 0,72 0,75 0,68 0,82 -0,68 1,00
Х9 0,16 0,39 0,08 -0,27 -0,29 -0,15 0,01 0,66 0,03 1,00
Источник: результаты расчетов автора
Как видно из полученной корреляционной матрицы, наиболее тесные корреляционные связи наблюдаются между Х1 и Y, Х2 и Y, Х3 и У, Х4 и У, Х5 и У, Х6 и У, Х8 и У В то же3 время между рассматриваемыми факторными признаками наблюдается мультиколли-неарность, что значительно ухудшит качество уравнения регрессии. Поэтому фактор Х3 и Х4 исключим для получения достоверной оценки по регрессионной модели.
Выведем регрессионное уравнение, отражающее зависимость объемов производства автомобильного бензина (У) от объема первичной переработка нефти (Х1), объема добычи нефти (Х2), цены производителей автомобильного бензина (Х5), цены потребителей (цена приобретения) автомобильного бензина (Х6) и объема экспорта автомобильного бензина (Х8). Результаты расчетов приведены в таблицах 4-6.
Таблица 4. Результаты регрессионной статистики при использовании инструмента «Регрессия» MSExcel.
Регрессионная статистика Значение параметра
Множественный R 0,95
R-квадрат 0,91
Нормированный R-квадрат 0,82
Стандартная ошибка 0,54
Наблюдения 11
Источник: результаты расчетов автора
Полученная регрессионная зависимость находится в области достаточной аппроксимации ^-квадрат 0,91>0,8). Выбранные фак-
торы существенно влияют на величину объема производства автомобильного бензина.
Таблица 5. Результаты дисперсионного анализа при использовании инструмента «Регрессия»
Дисперсионный анализ
df SS MS F Значимость F
Регрессия 5 14,99 2,99 10,25 0,01
Остаток 5 1,46 0,29
Итого 10 16,46
Источник: результаты расчетов автора
Расчетное значение F-критерия Фишера циент детерминации найденной регрессион-10,25 попадает в критический интервал (0,01; ной зависимости является значимым. +го). Это свидетельствует о том, что коэффи-
Таблица 6. Результаты использования инструмента «Регрессия» MSExcel (первая итерация)
Коэффициенты Стандартная ошибка t-статис-тика P- Значение Нижние 95 % Верхние 95 % Нижние 95,0 % Верхние 95,0 %
Y-пере-сечение 11,37 6,15166 1,85 0,12 -4,45 27,18 -4,45 27,18
X1 0,03 0,02353 1,22 0,27 -0,03 0,09 -0,03 0,09
X2 0,03 0,01610 2,12 0,09 -0,007 0,08 -0,007 0,08
X5 -0,00008 0,00010 -0,79 0,47 -0,0003 0,0001 -0,0003 0,0002
X6 0,00004 0,00006 0,63 0,56 -0,0001 0,0002 -0,0001 0,0002
X8 0,33 0,38566 0,86 0,43 -0,66 1,32 -0,66 1,32
Сравнивая попарно ^статистики и р-значения для всех коэффициентов, оставим те, где значения ^статистики больше р-значения. Эти факторы значимы. Таким
образом, исключили из уравнения фактор Х5 и повторно выполним регрессионный анализ (табл. 7).
Таблица T. Результаты использования инструмента «Регрессия» MSExcel (вторая итерация)
Коэффициенты Стандартная ошибка t-статис-тика P- Значение Нижние 95 % Верхние 95 % Нижние 95,0 % Верхние 95,0 %
Y-пере-сечение 10,29 5,81 1,77 0,13 -3,91 24,50 -3,91 24,50
Xi 0,03 0,02 1,25 0,26 -0,03 0,08 -0,03 0,08
Экономика и управление в отраслях и сферах деятельности
Х2 0,04 0,02 2,26 0,06 -0,003 0,07 -0,003 0,073
Хб 6,73Е-07 3,54Е-05 0,02 0,99 -8,6Е-05 8,72Е-05 -8,6Е-05 8,72Е-05
Х8 0,41 0,36 1,14 0,29 -0,47 1,29 -0,47 1,29
Сравнивая попарно 1-статистики и р-значения для всех коэффициентов, оставим те, где значения 1-статистики больше р-значения. Эти факторы значимы. Таким
образом, исключили из уравнения фактор Хб и повторно выполним регрессионный анализ (табл. 8).
Таблица 8. Результаты использования инструмента «Регрессия» MSExcel (третья итерация)
Коэффициенты Стандартная ошибка ^статис-тика Р- Значение Нижние 95 % Верхние 95 % Нижние 95,0 % Верхние 95,0 %
У-пере-сечение 10,23 4,41 2,32 0,05 -0,19 20,65 -0,19 20,65
Х1 0,03 0,02 1,35 0,22 -0,02 0,08 -0,02 0,08
Х2 0,04 0,01 2,67 0,03 0,004 0,07 0,004 0,07
Х8 0,42 0,21 1,94 0,09 -0,09 0,93 -0,09 0,93
Сравнивая попарно 1-статистики и р-значения. Все факторы значимы. График р-значения для всех коэффициентов, оставим подбора по Х Х2 и Хв представлен на рисун-те, где значения 1-статистики больше ках 1-3.
Рисунок 1. График подбора объема производства автомобильного бензина (У) по объему первичной переработка нефти Х1
Х2 График подбора
42 40 > 38 36 34
И-1-1-1
♦ У
■ Предсказанное У
500 520 540 560 580 Х2
Рисунок 2. График подбора объема производства автомобильного бензина (У) по объему добычи нефти (Х2)
Рисунок 3. График подбора объема производства автомобильного бензина (У) по объему экспорта автомобильного бензина (Х8)
Поскольку предсказанные значения расположены максимально близко к остаточным значениям, то мы можем сделать вывод о том, что полученное уравнение регрессии имеет высокую степень точности.
Полученные значения коэффициентов регрессии позволяют записать уравнение регрессии в следующем виде:
Y= 0,03*Хх +0,04*Х2+0,42*Х8+10,23, где Y - объем производства автомобильного бензина, млн т.;
Х1 - объем первичной переработка нефти, млн т;
Х2 - объем добычи нефти, млн т;
Х8 - объем экспорт автомобильного бензина, млн т.
Полученное уравнение регрессии ставит объем производства автомобильного бензина в прямую зависимость от величины объема первичной переработка нефти, объема добычи нефти и объема экспорта автомобильного бензина. Полученное уравнение регрессии читается следующим образом: увеличение объема первичной переработки нефти приводит к росту объем производства автомобильного бензина на 0,03 млн т, рост объема добычи нефти приводит к росту объема производства автомобильного бензина на 0,04 млн т, и увеличение объема экспорта автомобильного бензина вызовет рост объема производства автомобильного бензина на 0,42 млн т.
При помощи функции СРЗНАЧ рассчитаем средние значения выборок Х1, Х2, Х8 и У: _ ___
Х\ =274,52; Х2 =531,21; Х8 =4,37;
Vi
=389,41
Тогда
Эх1 = 0,03*274,52/389,41 *100%=2,11%;
;
Эх8 = 0,42 *4,3 7/3 89,4 1 * 1 00%=0 ,47 % .
Таким образом, согласно расчетам, при увеличении объема первичной переработки нефти на 1 % объем производства автомобильного бензина увеличится на 2,11 %, при повышении объема добычи нефти на 1 % произойдет рост объема производства автомобильного бензина на 5,46 %, а рост объема экспорта автомобильного бензина на 1 % вызовет рост объема производства на 0,47 %.
Выводы
1. Для выявления факторов, влияющих на объем производства автомобильного бензина в РФ, предлагается использование инструментов корреляционно-регрессионного анализа, в том числе расчет и анализ коэффициентов корреляции, построение и оценка параметров многофакторных регрессионных моделей, расчет и анализ коэффициентов эластичности.
2. По результатам апробации предложенного подхода выявлена сильная корреляционная связь между объемом производства автомобильного бензина и величинами первичной переработки нефти, добычи нефти, экспорта автомобильного бензина. Установлено, что при увеличении объема первичной переработки нефти на 1 % объем производства автомобильного бензина увеличится на
2,11 %, при повышении объема добычи нефти на 1 % произойдет рост объема производства автомобильного бензина на 5,46 %, а рост объема экспорта автомобильного бензина на 1 % вызовет рост объема производства на 0,47 %.
3. Установлено, что предсказанные значения показателей объема производства автоСписок литературы
1. Абчук В.А. Прогнозирование в бизнесе, менеджменте и маркетинге. - СПб.: Изд-во Михайлова В. А., 2014. - 448 с.
2. Гайфуллина М.М., Маков В.М., Павлова Ю.А. Методический подход к оценке эффективности реструктуризации нефтяной компании // Экономический анализ: теория и практика. - 2018. - Т. 17. - № 2 (473). -С. 324-339.
3. Гайфуллина М.М., Маков В.М. Оценка развития нефтеперерабатывающего сектора Российской Федерации // Нефтегазовое дело.
- 2016. - № 16-4. - С. 208-214.
4. Гареева З.А., Галеева Н.Н., Магданова Д.И. Развитие корпоративного контроля на предприятии газовой промышленности с учетом минимизации риска // Евразийский юридический журнал. - 2018. - № 11. - С. 434435.
5. Гареева З.А., Иванова И.В. Управление по целям и ключевые показатели эффективности на предприятиях ТЭК // Экономика и управление: научно-практический журнал.
- 2013. - № 4 (114). - С. 89-95.
6. Маков В.М. Оценка рисков инвестиционных проектов нефтяной компании // Вестник экономики и менеджмента. - 2016.
- № 3. - С. 44-49.
7. Макова М.М. Активизация инвестиционных процессов как основа устойчивого развития предприятия (на примере нефтяного комплекса) // Экономика и управление: научно-практический журнал. - 2012. - № 1 (105). - С. 77-83.
8. Мусина Д.Р. Оценка влияния нефтяных доходов на уровень благосостояния стран-нетто экспортеров нефти // Вестник экономики и менеджмента. - 2020. - № 1. -
Экономика и управление в отраслях и сферах деятельности
мобильного бензина по объему первичной переработки нефти, добычи нефти и по экспорту автомобильного бензина расположены максимально близко к остаточным значениям, что свидетельствует о том, что полученное уравнение регрессии имеет высокую степень точности.
С. 11-18
9. Низамова Г.З., Гайфуллина М.М. Корреляционно-регрессионный анализ эффективности использования инвестиционных ресурсов нефтяной компании // Вестник УГНТУ - 2021. - № 35. - С. 15-23.
10. Слуцкин Л.Н. Анализ стабильности модели линейной регрессии во времени. -М.: Синергия, 2018. - 315 с.
11. Теория и практика применения корреляционно-регрессионного анализа в исследованиях / С.А. Беляев [и др.]. - Курск: Деловая полиграфия, 2016. - 80 с.
12. Gayfullina M.M., Nizamova G.Z., Musina D.R., Alexandrova O.A. Formation of strategy of effective management of fixed production assets of oil company // Advances in Economics, Business and Management Research. 2017. volume 38. Pp. 185-190. DOI https://doi.org/10.2991/ttiess-17.2017.32.
13. Lee C.F., Chen H.Y., Lee J. Econometric Approach to Financial Analysis, Planning, and Forecasting / In: Financial Econometrics, Mathematics and Statistics. Springer, New York, NY, 2019. https://doi.org/10.1007/978-1-4939-9429-8_5.
14. Telser L.G. (1964). Iterative estimation of a set of linear regression equations // Journal of the American Statistical Association, 1964, № 59, P. 845-862.
15. Wang Kun, Liu Hefei. Regression analysis of influencing factors on the future price of crude oil / 2016 3rd International Conference on Modern Economic Technology and Management. Research on Modern Higher Education 2, March. 2017, 01015 (2017) DOI: 10.24104/rmhe/2017.02.01015.
References
1. Abchuk V.A. Forecasting in business, C management and marketing. - SPb.: Publishing o house of Mikhailov V.A., 2014. - 448 p. //
2. Gaifullina M.M., Makov V.M., Pavlova Yu.A. Methodical approach to assessing the tl effectiveness of restructuring an oil company // S Economic analysis: theory and practice. 2018. Vol. 17. No. 2 (473). P. 324-339. r<
3. Gaifullina M.M., Makov V.M. E Assessment of the development of the oil E refining sector of the Russian Federation // Oil and Gas Business. 2016. No. 16-4. P. 208-214. M
4. Gareeva Z.A., Galeeva N.N., Magdanova s D.I. Development of corporate control at a gas p industry enterprise taking into account risk E minimization // Eurasian legal journal. 2018. R No. 11. P. 434-435. h
5. Gareeva Z.A., Ivanova I.V. Management by goals and key performance indicators at A enterprises of the fuel and energy complex // F Economics and management: scientific and M practical journal. 2013. No. 4 (114). P. 89-95. N
6. Makov V.M. Assessment of risks of 9 investment projects of an oil company // Bulletin
of Economics and Management. 2016. No. 3. P. o
44-49. o
7. Makova M.M. Activation of investment 5 processes as the basis for sustainable development of an enterprise (on the example of a the oil complex) // Economics and Management: p scientific and practical journal. 2012. No. 1 C (105). P. 77-83. a
8. Musina D.R. Assessment of the impact E of oil revenues on the level of well-being of net 1 oil exporters // Bulletin of Economics and Management. 2020. No. 1. P. 11-18
9. Nizamova G.Z., Gaifullina M.M. Correlation-regression analysis of the efficiency of using investment resources of an oil company // Vestnik USNTU. 2021. No. 35. P. 15-23
10. Slutskin LN Analysis of the stability of the linear regression model in time. - M.: Synergy, 2018. - 315 p.
11. Theory and practice of using correlation-regression analysis in research / SA Belyaev, EA Bobrovsky, NS Bushina [and others]. - Kursk: Business printing, 2016. - 80 p.
12. Gayfullina M.M., Nizamova G.Z., Musina D.R., Alexandrova O.A. Formation of strategy of effective management of fixed production assets of oil company // Advances in Economics, Business and Management Research. 2017. volume 38. P. 185-190. DOI https://doi.org/10.2991/ttiess-17.2017.32.
13. Lee C.F., Chen H.Y., Lee J. Econometric Approach to Financial Analysis, Planning, and Forecasting / In: Financial Econometrics, Mathematics and Statistics. Springer, New York, NY, 2019. https://doi.org/10.1007/978-1-4939-9429-8_5.
14. Telser L.G. (1964). Iterative estimation of a set of linear regression equations // Journal of the American Statistical Association, 1964, № 59, P. 845-862.
15. Wang Kun, Liu Hefei. Regression analysis of influencing factors on the future price of crude oil / 2016 3rd International Conference on Modern Economic Technology and Management. Research on Modern Higher Education 2, March. 2017, 01015 (2017) DOI: 10.24104/rmhe/2017.02.01015.
