CC BY
77
УДК 332.1:311
ОЦЕНКА УРОВНЯ РАЗВИТИЯ ЭКОНОМИКИ ВОРОНЕЖСКОЙ ОБЛАСТИ НА ОСНОВЕ ЭКОНОМЕТРИЧЕСКОГО МОДЕЛИРОВАНИЯ
Б01: 10.24411/1816-1863-2019-12043
Н. В. Яковенко, д. г. н, доцент, заведующий кафедрой социально-экономической географии и регионоведения, Е. В. Мишон, д. э. н., профессор по кафедре экономики труда и основ управления, Т. А. Ромащенко, д. э. н, профессор по кафедре экономики, маркетинга и коммерции,
И. В. Комов, к. г. н., доц. кафедры социально-экономической географии и регионоведения,
О. В. Диденко, к. г. н., доц. кафедры социально-экономической географии и регионоведения,
И. В. Сафонова, аспирант кафедры социально-экономической географии и регионоведения, М. В. Деревягина, преп. кафедры социально-экономической географии и регионоведения, Воронежский государственный университет, n.v.yakovenko71@gmail.com, г. Воронеж, Россия
CD О Ф
О
О -1
Цель — дать оценку развития экономики Воронежской области на основе эконометрического моделирования. Методы исследования. Основными методами в исследовании выступили экономико-статистический и корреляционно-регрессионный анализ. Результаты и обсуждение. В результате эконометрического моделирования получены уравнения регрессии, характеризующие взаимосвязи между региональными показателями. Значимость уравнения регрессии оценивалась на основе F-критерия Фишера, чему предшествовал анализ дисперсии. Значимость параметров модели диагностировалась с учетом t-критерия Стьюдента. Для проведения расчетов был разработан массив социально-экономических показателей. Показано влияние стоимости основных фондов на динамику развития валового регионального продукта. На основе трендового анализа разработан прогноз стоимости основных фондов. С учетом прогнозных значений основных фондов выполнен прогноз динамики валового регионального продукта как наиболее интегрирующего показателя уровня развития экономики на период за 2000—2017 гг. Проведен краткий анализ уровня развития экономики Воронежской области и выявлены индикаторные факторы, влияющие на социально-экономическое развитие. Заключение. Результаты проведенного исследования на основе эконометрического моделирования показывают положительную динамику целого ряда региональных показателей Воронежской области, что указывает на устойчивость и поступательное развитие региональной экономики.
The aim is to assess the development of the Voronezh Region economy on the basis of econometric modelling. Methods of research. The main methods in the research were economic-statistical and correlation-regression analyses. Results and discussion. As a result of econometric modelling, regression equations characterizing the relationship between regional indicators have been obtained. The significance of the regression equation was estimated on the basis of Fisher's F-test, which was preceded by the analysis of variance. The significance of the model parameters was diagnosed taking into account Student's t-test. An array of socio-economic indicators was developed for the calculations. The influence of the value of fixed assets on the dynamics of gross regional product has been shown. On the basis of the trend analysis, the forecast of the value of fixed assets is developed. Taking into account the forecast values of fixed assets, the forecast of the dynamics of the gross regional product as the most integrating indicator of the level of economic development for the period of 2000—2017 has been made. A brief analysis of the level of development of the Voronezh Region economy is carried out and the indicator factors influencing social and economic development are revealed. Conclusion. The results of the research on the basis of econometric modeling show the positive dynamics of a number of regional indicators of the Voronezh Region, which shows the stability and progressive development of the regional economy.
IK
О ^
m О ш
Ключевые слова: валовой региональный продукт, Воронежская область, прогноз, региональные показатели, эконометрическое моделирование.
Keywords: gross regional product, the Voronezh Region, forecast, regional indicators, econometric modelling.
Введение
В сравнении с другими теоретическими дисциплинами теория регионального развития появилась относительно поздно. Это результат господствующих классических концепций школы, которые были основой развития общественной экономической мысли во II половине XIX в. Актуальность изучения современного регионального социально-экономического развития российских регионов обусловлена следующими обстоятельствами: 1) усиление влияния факторов внешней среды на экономику и региональные воспроизводственные процессы; 2) необходимость научного осмысления региональных процессов с учетом происходящих глобальных и национальных трансформаций; 3) потребность управления в оптимальных и взвешенных предложениях в территориальном развитии.
Огромные площади обширной и разнообразной страны, которой является Россия, обусловливают неравномерность социально-экономического развития ее регионов. Процессы реформирования и модернизации социально-экономической системы регионов требуют разработки адекватных механизмов управления для каждого конкретного субъекта. В ситуации перехода на путь инновационного развития экономики таким механизмом может выступить эконометрическое моделирование, при помощи которого можно
теоретико-практической направленности [1—3]. Эконометрические методы иссле-
дования, используемые для анализа тенденций, динамики и проблем регионального развития широко используются как в работах отечественных [4—7], так и зарубежных ученых [8—11]. В исследовании использованы системный, сравнительно-географический, исторический, экономико-статистический, корреляционно-регрессионный анализ, а также программные пакеты MS Excel и Statistica.
Полученные результаты и их обсуждение
Методы эконометрического моделирования и методы многомерного статистического анализа могут быть использованы для комплексной оценки современного социально-экономического состояния российских регионов и анализа возможных направлений его развития. Можно выделить несколько основных этапов построения эконометрической модели (рис. 1).
Значимость уравнения регрессии оценивалась на основе F-критерия Фишера, чему предшествовал анализ дисперсии. Значимость параметров модели диагностировалась с учетом t-критерия Стьюден-та. Для проведения расчетов был разработан массив социально-экономических показателей (исходных) для построения эконометрической модели: Y1 — ВРП, млн рублей; Х1 — основные фонды в экономике (млн руб.); Х2 — инвестиции в основной капитал (млн руб.); Х3 — чис-
Рис. 1. Основные этапы построения эконометрической модели
100 % 90 % 80 % 70 % 60 % 50 % 40 % 30 % 20 % 10 % 0 %
н fN m ^f LTJ
_ oooooooooooooo oo <N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N <N<N
<NrO ^ 1Л ^OI^OOON OO OO OOOO
Индекс промышленного производства, % Index of industrial production, %
Среднемесячная зарплата, тыс. руб. An average monthly wage, thousand RUB
Численность безработного населения, % Number of unemployed population, %
Численность занятого населения в экономике, % Number of employed population in the economy, %
Инвестиции, % Investment, %
CD О
TS
О
О -1 S
Рис. 2. Динамика основных социально-экономических показателей Воронежской области
(2000-2017 гг.)
ленность занятого в экономике населения (тыс. чел.); Х4 — численность безработных (тыс. чел.); Х5 — среднемесячная заработная плата (тыс. руб.); Х6 — объем промышленного производства (табл. 1).
Экономика Воронежской области растет с 2000 г. опережающими темпами. Рассматривая итоги социально-экономического развития Воронежской области за многолетний период (2000—2017 гг.),
можно подытожить, что произошел умеренный рост во всех основных секторах социально-экономической сферы региона (рис. 2).
Экономика региона существенно диверсифицирована, и этот фактор способствует ее устойчивости к социально-экономическим кризисам. Темпы роста ВРП Воронежской области по сравнению с другими российскими регионами несколько
Таблица 1
Социально-экономические показатели экономики Воронежской области
Год Показатель (расшифровка в тексте)
Yi Xi X2 X3 X4 X5 Хб
2000 52 100,4 235 504,0 8262,0 1090,9 15,1 1376,0 105,4
2001 63 217,2 266 905,0 10 100,0 1076,4 17,0 1912,0 101,1
2002 83 001,1 314 552,0 14 788,0 1091,8 18,7 2579,0 98,7
2003 100 143,3 375 512,0 19 756,0 1065,9 26,3 3549,0 106,3
2004 117 197,6 395 404,0 21 845,0 1059,6 21,0 4340,0 106,9
2005 133 586,6 428 766,0 28 652,0 1055,4 21,4 5382,0 111,0
2006 166 176,5 469 878,0 38 867,0 1057,2 24,0 6750,0 109,0
2007 222 811,9 562 523,0 65 319,0 1062,0 21,0 8730,0 99,0
2008 287 072,1 674 657,0 94 168,0 1064,7 21,8 11 490,0 104,6
2009 301 729,1 738 634,0 94 788,0 1055,3 28,1 12 786,0 97,8
2010 328 770,8 788 059,0 132 275,0 1054,3 19,8 14 337,0 106,6
2011 474 973,9 1 019 463,0 152 210,0 1054,9 18,0 16 055,0 110,1
2012 563 965,4 1 078 383,0 1823 34,0 1057,9 13,0 19 538,0 129,7
2013 611 720,4 1 158 136,0 216 983,0 1057,0 11,1 21 825,0 106,1
2014 717 667,2 1 233 526,0 240 272,0 1055,3 11,2 24 001,0 108,0
2015 823 133,6 1 401 937,0 264 660,0 1092,5 12,9 24 906,0 103,7
2016 841 375,7 1 534 644,0 270 999,0 1094,8 11,9 26 335,0 104,4
2017 950 754,5 1 841 669,0 294 200,0 1102,1 10,4 27 072,0 106,7
Рис. 3. Темпы роста ВРП Воронежской области (2000—2017 гг.)
выше, что обусловлено долгосрочными факторами, среди которых важное место играет опережающий рост объемов производства предприятий ОПК, электроэнергетики, отраслей АПК и перерабатывающей промышленности.
Рассматривая динамику ВРП региона, также следует отметить динамику его увеличения (рис. 3).
Для выявления причинно-следственных взаимосвязей были получены матрицы парных коэффициентов корреляции, в результате чего определены направления взаимного влияния наиболее результативных индикаторов развития социально-экономической системы региона (табл. 2).
Анализируя данные матрицы парных корреляций региональных показателей, можно сделать вывод о том, что ведущим
фактором, оказывающим влияние на величину ВРП, являются инвестиции в основной капитал (к = 0,99...), что указывает на тесную положительную корреляцию между инвестициями в основной капитал и величиной ВРП.
Для прогноза величины ВРП Воронежской области построена модель парной регрессии, в которой ведущим фактором выступили инвестиции в основной капитал (табл. 3).
По итогам расчетов получим уравнение парной регрессии, которое используем далее для анализа и прогнозирования социально-экономических процессов:
Ух1 = 30362,1271 + 2,9262699*1.
Таким образом, увеличение стоимости основных фондов на 1 млн руб. повлечет
Матрица коэффициентов парных корреляций
Таблица 2
Ух Хх Х2 Хз Х4 Х5 Хб
^ 1
X, 0,992740214 1
X, 0,994387802 0,986191841 1
Хз 0,306769305 0,295105427 0,25528506 1
Х4 -0,722441 -0,679553129 -0,72328636 -0,460833498 1
Х5 0,98537511 0,979651893 0,99419319 0,170893068 -0,66956528 1
Хб 0,215689426 0,211640259 0,21551345 -0,296144076 -0,28400867 0,237794 1
300000
250000
200000
150000
100000
50000
у = 828,21x2 + 2890х - 5023,1 270999 Л2 = 0,9866
'94168 94788 65319
8262 10100 14788 ,_^^^5238867 1975621845
п-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Х2, инвестиции в ОФ Х2, туеБТте^ т йхеё а88е18
Рис. 4. Прогноз инвестиций в основные фонды Воронежской области
0
за собой увеличение ВРП на 2,926 млн руб. Качественные показатели модели представлены в таблице 4. Поскольку получены высокие показатели качества модели, то ее можно использовать для прогноза величины ВРП региона. Для этого предва-
рительно построим прогноз по ведущему фактору — инвестициям в основные фонды региона (рис. 4).
Для осуществления точечного прогноза ведущего фактора (стоимости основных фондов) используем полиномиальную
Таблица 3
Итоги построения модели парной регрессии от ведущего фактора
Регрессионная статистика
Множественный К К-квадрат Нормированный К-квадрат Стандартная ошибка Наблюдения Дисперсионный анализ Регрессия Остаток Итого 0,9943878 0,9888071 0,98810754 32 796,5908 18 аг 1 16 17 1,52036Е + 12 17 209 861 886 1,53757Е + 12 М8 1,52036Е + 12 1 075 616 368 Б 1413,47775 Значимость Б 4,86195Е-17
Коэффициенты Стандартная ошибка 1-статистика Р-Значение Нижние 95 % Верхние 95 % Нижние 95,0 % Верхние 95,0 %
У-пересечение Инвестиции в ОФ, (X!) 30 362,1271 2,9262699 12 092,40797 0,077834097 2,51084211 37,59624645 0,02316314 4,862Е-17 4727,3674 2,761268989 55 996,88686 3,09127082 4727,367 2,761269 55 996,88686 3,09127082
Таблица 4
Показатели качества построенной модели
47
Критерий оценки Результат Оценка
Коэффициент детерминации Л2 = 0,99 Высокое качество уравнения
Критерий Фишера ^расч = 1413,48 > /Габл = 4,41 Уравнение статистически значимо
Критерий Стьюдента ^ = 2,510 > гтабл = 2,101 Ведущий фактор статистически значим
IK
О ^
m О ш
1 600 000 1 400 000 1 200 000 1 000 000 800 000 600 000 400 000 200 000 0
y = 966874e°>0875x R2 = _______________ 1492238,8
-— 1262051,1 1374721,4
--■"""1051252 ' 7154228
У = 320266e°>°897*
R2 = 0,9993
2018 2019 2020 2021 2022
Рис. 5. Трендовая линейная модель ВРП и инвестиций в основные фонды (2018—2022 гг.)
трендовую модель. Используя уравнение парной регрессии путем подстановки прогнозных значений стоимости основных фондов, получим прогноз ВРП региона (рис. 5).
Так как коэффициент детерминации трендовой модели максимально приближен к 1, то модель можно считать качественной. Однако, вероятность точной реализации такого прогноза крайне низкая, поэтому необходимо провести расчеты значения средней ошибки прогноза или доверительного интервала прогноза с достаточно большой вероятностью (надежностью). Результаты проведенных вычислений представлены в таблице 5.
Таким образом, результаты расчетов по уравнению парной регрессии можно считать верными и достоверными, признанными статистически значимыми по критерию Фишера.
Выводы. На основании проведенного эконометрического моделирования мож-
но систематизировать информацию о сложившихся тенденциях и особенностях развития региональной социально-экономической системе региона. При планировании мероприятий для развития экономики области следует учитывать три варианта ее развития на период 2018—2022 гг.: пессимистический (инерционный), реалистический и оптимистический (инновационный). При инерционном сценарии развития экономики на конец 2022 г. зависимость интегрированного показателя ВРП от ведущего фактора — инвестиций в основной капитал — будет выражаться следующей пропорцией: при увеличении инвестиций в основной капитал на 1 млн руб., ВРП увеличится на 2,56 млн руб. ВРП на конец 2022 г. достигнет показателя 1 477 488,3 млн руб. (155,4 % относительно 2017 г.). Темпы роста ВРП в среднем за год должны составить 11 % (относительно 2017 г.)
Таблица 5
Доверительный интервал прогноза ВРП Воронежской области на период
2018-2022 гг.
48
Год Точечный прогноз Ошибка прогноза 8у (т/) Доверительный интервал Confidence interval
Нижняя граница Верхняя граница
2018 1 051 252,0 13 428,1 1 037 823,9 1 064 680,1
2019 1 154 228,0 13 704,0 1 140 524,0 1 167 932,0
2020 1 262 051,1 14 023,3 1 248 027,8 1 276 074,4
2021 1 374 721,4 14 368,6 1 360 352,7 1 389 090,0
2022 1 492 238,8 14 750,5 1 477 488,3 1 506 989,2
При реалистичном сценарии развития увеличение инвестиций в основной капитал на 1 млн руб. обеспечит увеличение ВРП на 2,64 млн руб. ВРП достигнет показателя 1 492 238,8 млн руб. (157 % относительно 2017 г.), при средних темпах роста 11,4 % в год (относительно 2017 г.).
При инновационном сценарии развития увеличение инвестиций на 1 млн руб. обеспечит увеличение ВРП на 2,71 млн руб. ВРП на конец 2022 г. составит 1 506 989,2 млн. руб. (158,5 % относительно 2017 г.). Средний темп роста 11,7 % (относительно 2017 г.).
Полученные результаты в ходе эконо-метрического моделирования прогноза ВРП Воронежской области могут быть использованы как информационная основа для разработки стратегии социально-экономического развития региона. В настоящее время благодаря действиям региональных властей и одобрению федеральной власти в Воронежской области
формируется Особая экономическая зона (ОЭЗ), что на перспективу приведет к е значительному, прорывному увеличению э инвестиций в основной капитал, а также о внедрению инноваций, созданию новых Г рабочих мест, что априори повлечет за со- я бой увеличение ВРП области и, как следствие, улучшение всех параметров социально-экономической системы региона. В связи с этим инновационный сценарий развития экономики региона может выступать ориентиром для развития на ближайшее время. Однако, учитывая тот факт, что в любом прогнозном моделировании необходим постоянный мониторинг и ежегодная корректировка данных, следует уделить особое внимание развитию ОЭЗ, поскольку именно показатель инвестиций в основной капитал является ведущим фактором формирования модели прогноза экономического развития в представленном исследовании.
Библиографический список
1. Гусарова О. М. Эконометрический анализ статистической взаимосвязи показателей социально-экономического развития России // Фундаментальные исследования. 2016. № 2-2. С. 357—361.
2. Комов И. В., Яковенко Н. В. «Кластер» как сложная организационно-экономическая система: подходы к дефиниции понятия // Известия Тульского государственного университета. Науки о Земле. 2016. № 1. С. 188—196.
3. Суворов Н. В. Развитие методов исследования статистических зависимостей: регрессионные модели с переменными структурными параметрами // Вопросы статистики. 2018. Т. 25. № 6. С. 3—15.
4. Яковенко Н. В. Концептуальные аспекты формирования и развития кластеров в социально-экономико-географической системе региона / Н. В. Яковенко, И. В. Комов, О. В. Диденко, Е. А. Дро-бышев // Проблемы региональной экологии. 2015. № 6. С. 61—66.
5. Киселев Н. И., Алексахина В. Г. Оценка качества эконометрических моделей в виде системы одновременных уравнений // Вопросы региональной экономики. 2014. № 1 (18). С. 49—56.
6. Айвазян С. А., Березняцкий А. Н., Бродский Б. Е. Модели социально-экономических показателей в России // Прикладная эконометрика. 2018. № 3 (51). С. 5—32.
7. Теняков И. М. Российская специфика факторов экономического роста: опыт эконометрического моделирования // Экономическая наука современной России. 2018. № 3. С. 22—35.
8. Anghelache C., Manole A., Anghel M. G. The analysis of the correlation between GDP, private and public consumption through multiple regression. Romanian Statistical Review — Supplement. 2015. No. 8. P. 34—40.
9. Ranganathan S., Spaiser V., Mann R. P., Sumpter D. J. Bayesian dynamical systems modelling in the social sciences. PloS One. 2014. No. 9 (1). P. 86468.
10. Uwe S., Vischer T. Human Capital and Growth: Speci-cation Matters. Economica. 2015. No. 82. P. 368—390.
11. Shujin Z., Li R. Economic complexity, human capital and economic growth: Empirical research based on cross-country panel data. Applied Economics. 2017. No. 49. P. 3815—3828.
ASSESSMENT OF THE LEVEL OF ECONOMIC DEVELOPMENT
OF THE VORONEZH REGION ON THE BASIS OF ECONOMETRIC MODELLING
N. V. Yakovenko, Ph. D. (Geography), Dr. Habil., Associate Professor, Head of the Department of Socio-economic geography and regional studies,
E. V. Mishon, Ph. D. (Economics), Dr. Habil., Professor of the Department x of Labor economics and principles of management,
o T. A. Romashchenko, Ph. D. (Economics), Dr. Habil, Professor of the Department o of Economics, marketing and commerce,
g I. V. Komov, Ph. D. (Geography), Associate Professor of the Department ^ of Socio-economic geography and regional studies,
0. V. Didenko, Ph. D. (Geography), Associate Professor of the Department of Socio-economic geography and regional studies,
1. V. Safonova, post-graduate student of the Department of Social and economic geography and regional studies,
M. V. Derevyagina, teacher of the Department of Social and economic geography and regional studies,
Voronezh State University, n.v.yakovenko71@gmail.com, Voronezh, Russia References
1. Gusarova O. M. Ehkonometricheskij analiz statisticheskoj vzaimosvyazi pokazatelej social'no-ehkonom-icheskogo razvitiya Rossii [Econometric analysis of the statistical relationship of indicators of socio-economic development of Russia]. Fundamental'nye issledovaniya. 2016. No. 2—2. P. 357—361. [in Russian]
2. Komov I. V., Yakovenko N. V. Klaster" kak slozhnaya organizacionno-ehkonomicheskaya sistema: pod-hody k definicii ponyatiya ["Cluster" as a complex organizational and economic system: approaches to the definition of the concept]. Izvestiya Tul'skogo gosudarstvennogo universiteta. Nauki o Zemle. 2016. No. 1. P. 188—196. [in Russian]
3. Suvorov N. V. Razvitie metodov issledovaniya statisticheskih zavisimostej: regressionnye modeli s pere-mennymi strukturnymi parametrami [Development of research methods of statistical dependencies: regression models with variable structural parameters]. Voprosy statistiki. 2018. Vol. 25. No. 6. P. 3—15. [in Russian]
4. Yakovenko N. V., Komov I. V., Didenko O. V., Drobyshev E. A. Konceptual'nye aspekty formirovaniya i razvitiya klasterov v social'no-ehkonomiko-geograficheskoj sisteme regiona [Conceptual aspects of the formation and development of clusters in the socio-economic and geographical system of the region]. Problemy regional'noj ehkologii. 2015. No. 6. P. 61—66. [in Russian]
5. Kiselev N. I., Aleksakhina V. G. Ocenka kachestva ehkonometricheskih modelej v vide sistemy odnovre-mennyh uravnenij [Evaluation of the quality of econometric models in the form of a system of simultaneous equations]. Voprosy regional'noj ehkonomiki. 2014. No. 18. P. 49—56. [in Russian]
6. Ayvazyan S. A., Bereznyatsky A. N., Brodsky B. E. Modeli social'no-ehkonomicheskih pokazatelej v Rossi [Models of socio-economic indicators in Russia]. Prikladnaya ehkonometrika. 2018. No. 51. P. 5—32. [in Russian]
7. Tenyakov I. M. Rossijskaya specifika faktorov ehkonomicheskogo rosta: opyt ehkonometricheskogo mod-elirovaniya [Russian specificity of economic growth factors: experience of econometric modelling]. EHko-nomicheskaya nauka sovremennoj Rossii. 2018. No. 3. P. 22—35. [in Russian]
8. Anghelache C., Manole A., Anghel M. G. The analysis of the correlation between GDP, private and public consumption through multiple regression. Romanian Statistical Review — Supplement. 2015. No. 8. P. 34—40.
9. Ranganathan S., Spaiser V., Mann R. P., Sumpter D. J. Bayesian dynamical systems modelling in the social sciences. PloS One. 2014. No. 9 (1). P. 86468.
10. Uwe S., Vischer T. Human Capital and Growth: Speci-cation Matters. Economica. 2015. No. 82. P. 368—390.
11. Shujin Z., Li R. Economic complexity, human capital and economic growth: Empirical research based on cross-country panel data. Applied Economics. 2017. No. 49. P. 3815—3828.
50
