CC BY
91
22 (160) - 2013
Банковский сектор
УДК 336.717
ОЦЕНКА РАЗВИТИЯ ПЛАТЕжНЫХ УСЛУГ С ИСПОЛЬЗОВАНИЕМ БАНКОВСКИХ КАРТ В РОССИЙСКИХ РЕГИОНАХ НА ОСНОВЕ КОРРЕЛЯЦИОННО-РЕГРЕССИОННОГО
АНАЛИЗА
В. М. ЗАЕРНЮК,
кандидат экономических наук, доцент кафедры финансов Е-mail: zvm4651@mail. ru Российский государственный университет туризма и сервиса
В статье рассматривается актуальный вопрос оценки уровня развития платежных услуг с использованием банковских карт, выданных кредитными организациями населению субъектов Российской Федерации, представляющих достаточно весомую часть всего рынка финансовых услуг. Разработаны регрессионные модели оценки объема платежных услуг с использованием банковских карт на основе количественных характеристик технических устройств платежного сервиса.
Ключевые слова: платежные услуги, банковская карта, банкомат, электронный терминал, им-принтер, корреляционно-регрессионный анализ.
Кредитные организации обеспечивают доступ населения к платежным услугам не только через свои подразделения, но и с помощью сети устройств. К числу наиболее популярных среди населения видов дистанционного банковского обслуживания можно отнести платежи посредством банкоматов, платежных терминалов, им-принтеров, электронных терминалов, установленных в организациях торговли и услуг, а также электронных терминалов удаленного доступа.
Наряду с развитием платежной инфраструктуры банковской системы в России активно развивается платежная инфраструктура небанковских организаций.
Как позитивный момент следует отметить происходящее постоянное обновление сети устройств на базе инновационных технологических решений, динамичное развитие сети платежных терминалов, посредством которых население может осуществлять перевод денежных средств в адрес юридических лиц для оплаты различного вида услуг, а также осуществлять некоторые операции по своим банковским счетам. Все это позволило кардинально расширить доступ потребителей к платежным сервисам и, как следствие, повысить долю населения, использующего банкоматы и терминалы для проведения платежей.
Согласно проведенному исследованию в 2011 г. около 40 % населения пользовалось банкоматами и платежными терминалами для осуществления платежей (в Москве и Санкт-Петербурге 38 % населения осуществляло платежи через банкоматы и 40 % — через платежные терминалы, в других
городах — 39 и 34 % соответственно, а в сельских населенных пунктах — 26 и 34 %) [2].
Данные банковской статистики показывают, что за последние пять лет количество устройств платежной инфраструктуры в России увеличилось почти в три раза: терминалов — в 2,5 раза (с 39,5 тыс. ед. на начало 2007 г. до 116,2 тыс. ед. на начало 2011 г.), POS-терминалов в 2,9 раза (с 171,5 до 434,5 тыс. ед. соответственно).
Однако в сравнении со странами развитых экономик Россия пока уступает по показателям насыщения рынка устройствами для проведения платежных услуг с использованием банковских карт. Так, например, количество терминалов на миллион жителей в Канаде на 1 января 2011 г. составляло 1 749 ед., в Бельгии — 1 409 ед., в Германии — 1 058 ед., в то время как в России только 813 терминалов. Количество POS-терминалов на указанную дату в России (3 040 ед.) в 7—10 раз меньше, чем в Австралии (31 621 ед.), Италии (24 920 ед.), Франции (22 062 ед.) и Швеции (21 571 ед.) [3, с. 63].
В связи с этим исследование проблемы повышения уровня доступности платежных услуг в условиях активного развития информационно-коммуникационных технологий, постоянного обновления сети платежных устройств на базе инновационных технологий, в том числе с использованием банковских карт, становится для российских регионов особенно актуальным.
В настоящее время растет число опубликованных исследований о взаимосвязи экономических показателей разных сфер деятельности, их влиянии на конечный результат. При этом аналитики широко используют базовые математические методы моделирования и анализа экономических процессов, применяемые в экономике, в том числе, основанные на применении корреляционно-регрессионного анализа.
Изучение научной литературы последнего времени по банковской тематике не выявило наличия научных работ по оценке взаимосвязи между объемами платежных услуг посредством использования банковских карт и инфраструктурных устройств, их обеспечивающих, с помощью эконометрических методов исследования, что предопределило целесообразность проведения данной работы.
Общая методология использования математического инструментария и математических моделей в экономике с применением электронных таблиц Excel, наиболее подходящих для экономических расчетов, достаточно подробно изложена в рабо-
тах О. Н. Салманова [6] и В. Р. Бараз [1], а также в работах других ученых.
Основная цель данной статьи заключается в оценке влияния количественных параметров устройств кредитных организаций (банкоматов, терминалов и импринтеров), выявлении формы связи, идентифицирующей взаимосвязь между количественными показателями платежной инфраструктуры коммерческих банков и объемом платежей с использованием банковских карт, выданных на территории региона. Алгоритм достижения поставленной цели предусматривает решение ряда этапных задач:
- проведение корреляционного анализа в целях измерения тесноты связи между переменными;
- определение наиболее значимых факторов, характеризующих техническую инфраструктуру и характер их влияния на размер платежных услуг с использованием банковских карт для определения массива данных и проведения следующего этапа исследования;
- проведение регрессионного анализа в целях получения регрессионной модели, описывающей причинно-следственные связи между анализируемыми совокупностями показателей, определения функциональной зависимости между изучаемой величиной и воздействующими на нее факторами.
В работе для определения стационарности были построены графики остатков и подбора переменных, а также график нормального распределения.
Для анализа зависимости между банковскими вкладами населения и основными макроэкономическими показателями в российских регионах были отобраны следующие переменные:
- платежи с использованием банковских карт, выданных на территории региона (платежи за товары (работы, услуги), таможенные платежи и прочие операции), млн руб.;
- банковские карты (расчетные, кредитные, предоплаченные), тыс. ед.;
- количество банкоматов (с функцией выдачи наличных денег и с функцией оплаты товаров и услуг), ед.;
- количество электронных терминалов (установленных в организациях торговли (услуг) и в пунктах выдачи наличных) ед.;
- количество импринтеров, установленных в организациях торговли (услуг) и в пунктах выдачи наличных, ед.
В исследовании использовались ежегодные значения переменных с 2009 по 2011 г. В выборку были
приняты официальные данные Банка России по объемам платежей с использованием банковских карт, а также обеспечивающей их проведение инфраструктуры по всем регионам Российской Федерации. Для анализа использовались 264 наблюдения по четырем переменным каждого анализируемого года [4, 5].
Методология исследования. Вначале проводится корреляционный анализ в целях измерения тесноты связи между переменными. В качестве характеристики степени тесноты связи используется парный коэффициент корреляции, позволяющий измерить степень тесноты статистической связи между парой переменных без учета опосредованного или совместного влияния других показателей. Данный коэффициент вычисляется по результатам наблюдений анализируемой пары. Для достижения поставленной цели выявляется вероятная связь одной измеренной величины заданного диапазона ее изменения с другими измеренными величинами, между которыми и надлежит установить наличие корреляционной связи.
На следующем этапе выявляется наличие корреляционной связи между исследуемыми числовыми наборами статистических данных. В качестве инструмента количественной оценки связи используется метод, основанный на расчете коэффициентов корреляции и их статистической проверки.
Для проведения анализа применялись следующие показатели и их условные обозначения:
- платежи с использованием банковских карт, вы -данных на территории региона (объем) Уоб, млн руб.;
- платежи с использованием банковских карт, выданных на территории региона (количество) У , тыс. ед.;
кол' ^ '
- банковские карты (количество) Х1, тыс. ед.;
- банкоматы, расположенные на территории региона (количество) Х2, тыс. ед.;
- электронные терминалы, расположенные на территории региона (количество) Х3, тыс. ед.;
- импринтеры, расположенные на территории региона (количество) Х4, тыс. ед.
Результаты исследования. Для установления возможных регрессоров была составлена корреляционная матрица показателей, принятых для анализа, которая позволила отразить взаимосвязи переменных с объемом и количеством платежей. Проведенный корреляционный анализ позволяет отметить существование линейной зависимости между рассматриваемыми показателями, что подтверждается рассчитанными высокими коэффициентами корреляции (табл. 1).
Статистическая оценка, проведенная с использованием критериев шкалы Чеддока, показала очень тесную связь между показателем объема платежей с использованием банковских карт и показателями платежной инфраструктуры.
Вместе с тем обнаруженные такие высокие значения парных коэффициентов корреляции по теоретическим представлениям отдельных аналитиков могут быть обусловлены не только тесной связью исследуемых величин, но и присутствием так называемого третьего фактора, который «маскируется» под другую переменную. Возможной причиной высокой тесноты связи (коррелирован-ности) может быть также наличие повышающего тренда [4].
Поэтому полученные для всех временных рядов результаты автором были подтверждены дополнительно оценочным тестом на качественно-количественную оценку тесноты связи, на адекватность рассматриваемым параметрам в целях определения степени влияния неучтенных факторов в полученных формах связи.
Для принятого уровня значимости а = 0,05 и заданного числа измерений п = 80 табличное значение ткрит = 0,217 (согласно таблице критических значений корреляции ткрит для уровня значимости а и степеней свободы/). В рассматриваемом случае коэффициенты парной корреляции, составляющие от 0,922 до 0,993, значительно превышают значение хкрит, что позволяет судить о вероятном отсутствии третьего фактора.
Таблица 1
Качественная оценка тесноты связи исследуемых показателей с У
Показатель Коэффициент парной кор реляции Оценка тесноты связи (шкала Чеддока)
01.01.2010 01.01.2011 01.01.2012
Х1 0,946 0,972 0,993 Очень сильная
Х2 0,922 0,942 0,946 Очень сильная
Х3 0,954 0,965 0,990 Очень сильная
Х4 0,985 0,974 0,990 Очень сильная
проблемы и решения ' 39
Регрессионная статистика
Множественный R 0,9969
Я2 0,9938
Наблюдения 264
Дисперсионный анализ
df SS MS F Значимость F
Регрессия 4 2,70592E + 13 6,7648E + 12 10 417,276 1,0491E - 284
Остаток 259 1,6819E + 11 649 382 882
Итого 263 2,72274E + 13
Коэффициенты Стандартная ошибка i-статистика Р-значение
Г-пересечение -251,9091 1640,7086 -0,1535 0,8781
Xi 20,3983 0,5906 34,5378 0
X2 -35,5621 0,8631 -41,203 0
X3 11,1733 0,4157 26,877 0
X4 -3,197 0,4089 -7,8187 0
Рис. 1. Результат корреляционно-регрессионного анализа 7(
Приведенные данные корреляционного анализа исследуемых показателей позволяют все четыре количественные характеристики платежной инфраструктуры рассматривать в качестве переменных в регрессионной модели связи.
Основные показатели регрессионного анализа были выполнены автором в редакторе электронных таблиц Excel.
Регрессия мультипликатора Yo6. Для периода 2009— 2011 гг. мультипликатор Гоб имеет значимую линейную связь со всеми четырьмя переменными. Анализ множественной регрессии позволил установить коэффициенты связи со значимыми i-статистиками и коэффициентом детерминации 0, 99 (рис. 1).
Для принятого временного периода получено следующее уравнение регрессии (уравнение прогнозирования):
7об =-251,9091 + 20,3983 X1 - 35,5621 X2 + + 11,1733 X3 - 3,197 X4,
Остатки 200 000
100 000
-200 000
о ° Л
50 000 100 000 150 000 200 000 250 000
V О
-100 000 --О--О-
Остатки 200 000т-
100 000
100 000
-200 000
100 000 150 000 200 000 250 00
Остатки 200 000
100 000
-100 000
-200 000
Остатки 200 000
150 000 100 000 50 000 00 0 -50 000
О
йо о
о
М^ 20ф00 Ч/ О 40 000 60 000 80 00
<*> Л о
Рис. 2. Графики остатков переменных Х:
а — Хр б—Х2; в — Х3; г — Х4
0
0
0
0
4 000 000 3 500 000 3 000 000 2 500 000 2 000 000 1 500 000 1 000 000 500 000
¡ЕР
4 000 000 3 500 000 3 000 000 2 500 000 2 000 000 1 500 000 1 000 000 500 000
Ж
4 000 000 3 500 000 3 000 000 2 500 000 2 000 000 1 500 000 1 000 000 500 000
4 000 000 3 500 000 3 000 000 2 500 000 2 000 000 1 500 000 1 000 000 500 000 0|
-500 000 -1
6
В
Ь Фактическое значение У Ц Предсказанное значение У
Рис. 3. Графики подбора переменных Х:
- Х1; б -
-Х2; в -
- Х3; г -
Х
Персентиль
Рис. 4. График нормального распределения
где Уоб — платежи с использованием банковских карт, выданных на территории региона, объем, млн руб.
На рис. 2—4 отчетливо прослеживается практически полное совпадение предсказанных значений У с их фактическими значениями по всем рассматриваемым переменным.
Следует отметить, что в составе банковской статистики по платежным услугам, ежегодно публикуемой Банком России, приводятся данные не только по объемам платежей с использованием
7х"
банковских карт, выданных на территории российских регионов, но и по их количеству.
Поэтому в рамках данной работы автором был проведен корреляционно-регрессионный анализ в целях выявления формы связи между показателями платежной инфраструктуры кредитных организаций и количеством платежей с использованием банковских карт, выданных на территории региона.
В табл. 2 представлены значения полученных коэффициентов парной корреляции для объема выборки за 2009—2011 гг.
Как следует из представленных данных, статистическая оценка, проведенная с использованием критериев шкалы Чеддока, показала очень тесную связь между показателем объема платежей с использованием банковских карт и показателями платежной инфраструктуры. Коэффициенты парной корреляции, составляющие от 0,916 до 0,993, значительно превышают значение ткрит , что позволяет все коли-
41
У
У
300 000
У
У
1 000
0
а
У
4 000 000
3 000 000
2 000 000
1 000 000
Таблица 2
Качественная оценка тесноты связи исследуемых показателей с У
Показатель Коэффициент парной корреляции Оценка тесноты связи (шкала Чеддока)
01.01.2010 01.01.2011 01.01.2012
Х1 0,978 0,966 0,977 Очень сильная
Х2 0,975 0,970 0,976 Очень сильная
Х3 0,983 0,984 0,993 Очень сильная
Х4 0,924 0,916 0,955 Очень сильная
чественные характеристики платежной инфраструктуры рассматривать в качестве переменных в регрессионной модели связи.
Данные регрессионного анализа на основе базы данных по количеству платежей с использованием банковских карт приведены на рис. 5.
Регрессия мультипликатора Гкол. Для периода 2009-2011 гг. мультипликатор Укол имеет значимую линейную связь со всеми четырьмя переменными. Анализ множественной регрессии позволил установить коэффициенты связи со значимыми ¿-статистика-ми и коэффициентом детерминации 0,99.
Для принятого временного периода регрессия будет иметь следующий вид:
У = — 262,441 + 3,0943Х, — 38,3505Х +
кол ' ' 1 ' 2
+ 4,7636Х3 — 5,5262Х4 ,
где Укол — платежи с использованием банковских карт, выданных на территории региона: количество, тыс. ед.
Проверка полученных уравнений формы связи по ^-критерию, ^-значению и коэффициенту детерминации Я2 путем сопоставления фактических значений с табличными для соответствующего уровня значимости а = 0,01 свидетельствует о достаточно устойчивой зависимости рассматриваемой функции и воздействующих на нее факторов.
Статистическая оценка полученных уравнений по указанным выше критериям позволяет с уверенностью на 95 % утверждать, что полученные зависимости являются статистически значимыми, что дает основания рекомендовать полученные уравнения множественной регрессии для использования в практике прогнозирования.
Подтвердим это утверждение на примере сравнения предсказанного и фактического количества
Регрессионная статистика
Множественный Я 0,9969
Я2 0,9938
Наблюдения 264
Дисперсионный анализ
М8 F Значимость F
Регрессия 4 2,70592Е + 13 6,7648Е + 12 10 417,276 1,0491Е - 284
Остаток 259 1,6819Е + 11 649 382 882
Итого 263 2,72274Е + 13
Коэффициенты Стандартная ошибка г-статистика /•-значение
Г-пересечение -251,9091 1640,7086 -0,1535 0,8781
Х1 20,3983 0,5906 34,5378 0
хг -35,5621 0,8631 -41,203 0
Хъ 11,1733 0,4157 26,877 0
Х4 -3,197 0,4089 -7,8187 0
Рис. 5. Результат корреляционно-регрессионного анализа Укс
платежей по федеральным округам России за 2009 и 2011 гг. (рис. 6, 7).
На основе полученных уравнений можно рассчитать прогнозные данные как по количеству, так и по объему платежей с использованием банковских карт, выданных на территории того или иного российского региона. Сравнение фактических данных с прогнозными дает возможность понять, насколько эффективно используется платежная инфраструктура в субъектах Российской Федерации, где имеются резервы, а где наблюдается дефицит платежных устройств в виде банкоматов, терминалов и импринтеров.
Заключение. Проведенные оценки рынка платежных услуг с использованием банковских карт на базе данных за период 2009—2011 гг. говорят о достаточно высоком качестве полученных регрессий. Установленные регрессии применимы для оценки уровня развития платежных услуг в российских регионах. Автор надеется, что приведенные в статье результаты могут оказаться полезными как для исследователей региональных рынков платежных услуг, так и для практиков, применяющих эти инструменты при выборе стратегии дальнейшего развития организаций банковского сектора.
200 000
100 000
П241 962 gk 231 663
123 956п s--- Q 122 927 ¿SV 14 085 103 328 ¿*-— // /У — Ч.1 /105 782
У V V ^^87 737 У
44 160i!/ □ 26 655 V \ J7 339 34137 3228Ш
¡а « !
И о и 1 ^ к & ¡3 о
* 5S ° 3 S
к § & о d & 1 ffl ^
Ч и о Фактическое Y K(
is §
S л й §
S :
о
--д--
Предсказанное Y к<
Рис. 6. Предсказанные и фактические данные по количеству платежей в федеральных округах России за 2009 г, тыс. ед.
400 000
300 000
200 000
100 000
A 684 479
»01640 646
// \
296 829 /
.А— ""■"■"■■■■■■....(T246 721 215 566 / ^Зр16 139
•^213726 217 390ЧЧ 191 844
74 3295 68 006 /Г 23 403 -755 - S 71 352
¡а «!
с «
& I
и &
<3 х
о g
' Фактическое Y к(
-Л--
^ к
Предсказанное Y к<
Рис. 7. Предсказанные и фактические данные по количеству платежей в федеральных округах России за 2011 г, тыс. ед.
Список литературы
1. Бараз В. Р. Корреляционно-регрессионный анализ связи показателей коммерческой деятельности с использованием программы Excel: учеб. пособие. Екатеринбург: УГТУ-УПИ, 2005. 102 с.
2. Имаева Г. Платежный рынок глазами потребителей — чего хотят и боятся наши клиенты. URL: http://www. asros. ru/media/File/news/ Imaeva. pdf.
3. Платежные и расчетные системы. Анализ и статистика. Статистика платежных и расчетных систем в России за 2006—2010 годы. Вып. 32. URL: http://www. file:///C:/Documents %20and %-0 S etting s/Admin/Local %2 0Settings/
7х"
Temporary %20Internet %20Files/Content. IE5/ Q5WJUV9F/prs32[1]. pdf.
4. Платежные и расчетные системы. Анализ и статистика. Платежная система России в 2011 году. Вып. 31. URL: http://www. file:/// C:/Documents %20and %20Settings/Admin/
Local %20Settings/Temporary %20Internet %20Files/ Content. IE5/Q5WJUV9F/prs31[1]. pdf.
5. Платежные и расчетные системы. Анализ и статистика. Платежная система России в 2011 году. Вып. 36. URL: http://www. cbr. ru/publ/PRS/prs36.pdf.
6. Салманов О. Н. Математическая экономика с применением Мathcadи Excel. // СПб: БХВ-Петер-бург, 2003.464 с.
43
0
0
