Оценка взаимосвязи параметров транспортного комплекса региона и его экономического роста Текст научной статьи по специальности «Экономика и бизнес»

УДК 338.49; 330.43

ОЦЕНКА ВЗАИМОСВЯЗИ ПАРАМЕТРОВ ТРАНСПОРТНОГО КОМПЛЕКСА РЕГИОНА И ЕГО ЭКОНОМИЧЕСКОГО РОСТА

Н. А. Рослякова

Аннотация. В данной статье рассматриваются некоторые теоретические основы исследования транспортной инфраструктуры как части общественного сектора экономики. На основе официальных статистических данных 2010 г. производится корреляционный и регрессионный анализ связи факторов транспортного комплекса регионов Российской Федерации с региональным экономическим ростом. Анализируя параметры оцененных регрессионных моделей, делаются выводы о характере связи валового регионального продукта (ВРП) регионов России и рассмотренных в исследовании факторов транспортного комплекса.

Ключевые слова: региональная экономика, экономический рост, транспортная инфраструктура, регрессионный анализ.

Введение

Важность исследования региональной инфраструктуры обусловлена синтетической природой самого региона. Выступая функциональной частью национальной экономики, регион одновременно является и составной частью пространственной структуры, объединяя в себе особенные экономико-географические условия и в них ресурсы, население и производство. В.Н Богачев определил несколько задач для региона как субъекта хозяйствования: во-первых, оценка влияния решений принимаемых предприятиями по критерию их индивидуальной прибыли на состояние региона, во-вторых, регулирование уровня и динамики издержек всей совокупности предприятий региона посредством развития региональной инфраструктуры [2].

Необходимость подобного регулирования обусловлена тем, что регионы в разной степени наделены факторами роста «первой природы», такими как наличие разрабатываемых источников природных ресурсов и выгодное географическое положение. Исследование [7] показывает, что на первое место в плане влияния на рост реального ВРП выходят информационные факторы. Наряду с ними большое значение для регионального экономического роста несут модернизационные процессы и агломерационные эффекты.

Тем не менее, как отмечает исследователь Н. В. Зубаревич для регионов Российской Федерации основным источником экономического роста выступают факторы «первой природы». Как следствие, только крупные города в современной России имеют

ресурсы для инновационного сдвига и ускоренного экономического роста [5]. Для остальных же регионов экономических рост является перспективной задачей неразрывно связанной с осуществлением

модернизационных процессов.

Сфер, с которых возможно начинать модернизацию в России можно назвать много. Сейчас широко обсуждается необходимость новой индустриализации. Действительно, приняв во внимание, что ВРП не имеет устойчивой основы для роста, так как 27 % его формируется за счет оптовой и розничной торговли, а уровень промышленного производства современной России не превышает 80 % от уровня 1989 г., стоит признать актуальность модернизации в производственной сфере [4, 6, 8]. Однако с переходом к рыночной экономике и с завершением процесса приватизации, данная проблема вышла из поля комплексных и взаимно согласованных решений. С другой стороны, если обратить внимание на транспортную инфраструктуру, которая имеет столь же малые темпы обновления и износ порядка 85 % [3], то естественная и крупная монополия (ОАО «РЖД») и государственная собственность (на дороги общего пользования) позволяют искать комплексные и согласованные решения.

Если обратиться к теории вопроса, то региональная инфраструктура (в том числе транспортная, которой посвящена данная статья) являясь частью общественного сектора экономики, имеет особенность: созданная инфраструктура до уровня своей предельной загрузки способна принимать на себя кратные нагрузки, не требуя

дополнительных расходов. Однако при превышении уровня допустимой загрузки предельные издержки пользователей начинают ускоренно возрастать. Здесь речь идет о явлениях провала рынка, где наряду с агломерационным эффектом, зачастую проявляется и положительные внешние эффекты. Так затраты на создание инфраструктуры зачастую несет государство, а положительный внешний эффект,

выражающийся в снижении транспортных затрат, получает производственный комплекс региона. Наличие именно таких особенностей является выражением специфики региона как хозяйствующего субъекта экономики (см. [1, 9]).

Явление провалов рынка является дополнительным доводом для комплексного рассмотрения проблемы транспортной инфраструктуры в экономике региона. Именно поэтому была поставлена цель: выявить наиболее значимые для ВРП регионов транспортные факторы, а также оценить сущность и параметры реакции ВРП на воздействия с их стороны.

В данной связи можно сформулировать задачу оценки того, как деятельность производственного сектора влияет на конечные показатели экономического развития региона (в данном исследовании будет рассматриваться ВРП). С другой стороны, не менее важно исследовать, как на этот же показатель влияет уже достигнутый уровень развития инфраструктуры. Далее предполагается построить эконометрические модели, которые позволили бы оценить пропорции связи ВРП регионов и факторов выбранных для рассмотрения. Не менее важно проанализировать построенные модели и попытаться объяснить природу полученных зависимостей.

Основная часть

Данная статья отражает часть исследования по оценке взаимосвязей между транспортным инфраструктурным

комплексом и ВРП регионов России. Все рассматриваемые в данной статье факторы (независимые, эндогенные переменные) условно можно разделить на две группы: те, что выражают результаты деятельности производственного сектора экономики и те, что ограждают существующий уровень развития транспортной инфраструктуры. К первой группе отнесем: плотность производства (рО_ргот,) и суммарные и отдельно отправки грузов железнодорожным и автомобильным транспортом ^ит^дщ otgrz_gd¡, otgrz_avto¡, соответственно). Ко второй группе: длину автомобильных и железных дорог в регионе в отдельности dl_gdi, соответственно), сумму длин автомобильных и железных дорог (sum_dli), плотность железных дорог (plot_gdi), плотность автомобильных дорог (рО_а^о) плотность сети автомобильных и железных дорог (р1о^еЩ. Зависимой переменной (эндогенной) является ВРП региона (GRPi). Исследование основывается на данных 2010 г. по 82 регионам Российской Федерации. Источником выступили официальные статистические данные [10, 11].

Первичное исследование взаимосвязи с помощью корреляционного анализа позволило выявить тесную связь ВРП как с производственными факторами, так и с факторами отражающими уровень развития инфраструктуры (результаты можно увидеть в таблице 1).

Название фактора Коэффициент корреляции с ОИР)

plot_promi 0,89

plot avtoi 0,82

plot_setii 0,81

plot_gdi 0,71

otgrz avtoi 0,60

sum_otgrZi 0,48

dl gdi 0,15

sum dli 0,14

dl avtoi 0,13

otgrz_gdi 0,08

Таблица 1 - Результаты корреляционного анализа факторов транспортного комплекса, производственных факторов и ВРП

Из таблицы видно, что наиболее тесная линейная связь ВРП регионов с удельными (по площади региона) показателями. Показатели отправки грузов автомобильным транспортом и суммарные отправки грузов автомобильным и железнодорожным транспортом имеют связь среднего уровня. Значительно меньше изменение ВРП связано с изменением протяженности дорог общественного назначения.

Далее с помощью программного средства EViews была оценена группа линейных регрессионных моделей. Сразу стоит оговориться, что все полученные модели гетероскедастичны (оценка производилась с помощью теста Уайта на перекрестных

На рисунке ясно видно, что с увеличение ВРП увеличивается и дисперсия. В дальнейшем исследовании предполагается перейти к нескольким более однородным группам регионов, что по предположению должно уменьшить дисперсию остатков.

Также стоит отметить, что независимые переменные в моделях подбирались таким образом, чтобы избежать

мультиколлинеарности (оценка

производилась с помощью алгоритма

условиях). Это является следствием высокой степени вариации данных для всех рассматриваемых переменных по всей выборке регионов. Вариация по любому из факторов составляет не меньше, чем несколько порядков. На рис. 1. представлен график для одной модели из группы (GRPi = 6235* sum_otgrzi + 1155.6* р1о^ей1) речь о которой пойдет ниже. Можно видеть типичную для гетероскедастичности остатков ситуацию, увеличения ошибки при увеличении значения зависимой переменной, подобный вид графика характерен также для всех остальных моделей.

Феррара-Глобера). Для всех моделей также была произведена оценка на автокорреляцию остатков с помощью теста Бреуша-Годфри.

В результате регрессионного анализа были получены четыре статистически надёжные и значимые модели, параметры регрессии для них представлены в таблицах 2 - 5:

GRP1 = 80129.1* р^_ргот1 + 38.5*dl_avto1 (1)

Dependent Variable: GRP, Method: Least Squares Sample: 1 82 Included observations: 82

Variable Coefficient Std. Error i-Statistic Prob.

plot_prom, dl avtoi 80129.13 38.51192 4129.210 4.883673 19.40544 7.885852 0.0000 0.0000

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 0.823294 0.821086 429823.5 1.48E+13 -1178.973 1.954833 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 489591.6 1016173. 28.80422 28.86293 372.7304 0.000000

° -2000000

1000000 *

ВРП расчетное (Yi)

Рис. 1 . Зависимость остатков от расчетного эндогенного параметра

-1000000

-3000000

Таблица 2 - Параметры регрессии для модели (1)

GRp = 79983.8*plot_prom1 + 34.8*sum_dl (2)

Таблица 3 - Параметры регрессии для модели (2)

Dependent Variable: GRP,

Method: Least Squares

Sample: 1 82

Included observations: 82

Variable Coefficient Std. Error f-Statistic Prob.

plot promi 79983.80 4097.791 19.51876 0.0000

sum dli 34.76063 4.328759 8.030161 0.0000

R-squared 0.826103 Mean dependent var 489591.6

Adjusted R-squared 0.823930 S.D. dependent var 1016173.

S.E. of regression 426393.4 Akaike info criterion 28.78820

Sum squared resid 1.45E+13 Schwarz criterion 28.84690

Log likelihood -1178.316 F-statistic 380.0436

Durbin-Watson stat 1.970860 Prob(F-statistic) 0.000000

GRP1 = 6119.4* sum_otgrz1 + 1378.5*plot_avto1 (3)

Таблица 4 - Параметры регрессии для модели (3)

Dependent Variable: GRP,

Method: Least Squares

Sample: 1 82

Included observations: 82

Variable Coefficient Std. Error f-Statistic Prob.

sum otgrzi 6119.392 685.9855 8.920585 0.0000

plot_avtOi 1378.534 83.03283 16.60228 0.0000

R-squared 0.825281 Mean dependent var 489591.6

Adjusted R-squared 0.823097 S.D. dependent var 1016173.

S.E. of regression 427400.1 Akaike info criterion 28.79292

Sum squared resid 1.46E+13 Schwarz criterion 28.85162

Log likelihood -1178.510 F-statistic 377.8792

Durbin-Watson stat 2.159881 Prob(F-statistic) 0.000000

GRP1 = 6235* sum_otgrz1 + 1155.6* plot_seti1 (4)

Таблица 5 - Параметры регрессии для модели (4)

Dependent Variable: GRP,

Method: Least Squares

Sample: 1 82

Included observations: 82

Variable Coefficient Std. Error f-Statistic Prob.

sum otgrzi 6234.989 708.9458 8.794732 0.0000

plot_setii 1155.628 72.85685 15.86163 0.0000

R-squared 0.812612 Mean dependent var 489591.6

Adjusted R-squared 0.810270 S.D. dependent var 1016173.

S.E. of regression 442624.8 Akaike info criterion 28.86292

Sum squared resid 1.57E+13 Schwarz criterion 28.92162

Log likelihood -1181.380 F-statistic 346.9221

Durbin-Watson stat 2.285739 Prob(F-statistic) 0.000000

Так как модели имеют принципиально схожую структуру: два фактора, отсутствие свободного члена, построены по одной выборке, то возможно описать их совместно и сделать обобщения и выводы.

Статистическая значимость

коэффициентов при независимых переменных оценивается с помощью критерия Стьюдента (в таблицах 2 - 5 и 31а11з11с). Для данного числа степеней свободы ^/=п-т-1=82-2-1=79, где п -количество наблюдений, т - количество регрессоров в модели) табличное значение критерия равно 1.99. Так как рассчитанные для всех коэффициентов всех моделей критерии превосходят табличное значение, следовательно, делаем вывод о значимости оцененных коэффициентов.

Так как все модели содержат одинаковое число факторов можно сравнивать их по не нормированному коэффициенту

детерминации ^^иа^). Из регрессионного анализа видно, что он достаточно высок для всех моделей и составляет не менее 0.812. Это свидетельствует, что валовый выпуск макросистемы более чем на 81 % описывается двумя независимыми переменными, оцениваемыми в каждой модели.

Если говорить об оценке статистической надежности уравнения регрессии, то необходимо исследователь критерий Фишера (Р^аНэНс). Он должен превосходить табличное значение для данного количества факторов т=2 и числа степеней свобод d/=79. Табличное значение составляет 19.48. Из таблиц с параметрами регрессии можно видеть, что все расчетные критерии Фишера значительно превосходят табличное значение. На основании этого можно сделать вывод о том, что любое из четырех уравнение статистически надежно и значимо, а также же адекватно описывает исходные данные.

Стоит обратить внимание, что коэффициенты при переменной плотность производства (рО_ргот) в моделях (1) и (2) и при переменной суммарная отправка грузов автомобильным и железнодорожным транспортом ^ит^д^ в моделях (3) и (4) незначительно отличаются, что можно считать дополнительным доказательством достоверности полученных оценок.

Все полученные в моделях коэффициенты положительные числа, это означает, что приращение любого из факторов ведет к увеличению ВРП региона. Если сравнивать удельные показатели, такие

как плотности производства, автомобильных дорог и сети, то следует сказать, что каждая произведенная на 1 км2 тысяча тонн продукции формирует порядка 80 млрд. руб. в ВРП региона. С другой стороны, увеличение плотности дорог на 1 км. на км2 влечет увеличение лишь на миллиард с небольшим (1.38 в случае с автомобильными дорогами и 1.16 в случае с сетью).

Здесь важно обратить внимание на не выраженное ярко влияние протяженности и плотности железных дорог. Выше отмечалось, что фактор sum_dli представляет сумму автомобильных и железных дорог. Если рассматривать модель (1), то каждый дополнительный км. автомобильных дорог будет нести приращение ВРП на 38.5 млн. руб. Если предполагать приращение фактора sum_dli за счет увеличения протяженности железных дорог, то это будет вести меньшему эффекту (от каждого дополнительного км. увеличение ВРП составит 34.8 млн. руб.). Из этого можно сделать вывод, что включение в анализ протяженности железных дорог ведет к уменьшению положительного влияния прироста протяженности дорог в регионе на его ВРП. Сравнив коэффициенты моделей, можем сделать вывод о том, что увеличение протяжённости автомобильных дорог на 1 км. более существенно влияет на валовый выпуск регионов России, нежели увеличение протяжённости железнодорожных путей.

Аналогичное будет справедливо для plot_avtoi и plot_setii, так как эти факторы являются удельными показателями длины автомобильных дорог и суммарной протяженности дорог в регионе, о которых говорилось выше. Это отражается в моделях (3) и (4). Если принять предположение: увеличение плотности автомобильных дорог на 1 км. на км2 через модель (3), то это выразится в большем приросте ВРП, нежели при рассмотрении того же явления через модель (4). В первом случае прирост составит 1.38 млрд. руб., во втором - 1.16 млрд. руб.

Очень сложно сравнить между собой влияние на ВРП удельного показателя плотности производства (рО_ргот,) и абсолютного показателя суммарной отправки грузов автомобильным и железнодорожным транспортом ^ит^д^. Важно отметить, что коэффициенты оценены для факторов с разным порядком измерений (plot_promi - тыс. тонн на км2, sum_otgrzi - млн. тонн). Рассмотри очень условный пример, который позволит получить относительную оценку.

Площадь i региона Российской Федерации равна 206.36 тыс. км2 (взято среднеарифметическое значение площадей регионов рассматриваемых в нашем исследовании). Увеличение плотности производства в таком регионе на 0,1 тыс. тонн на км2 эквивалентно 20.64 млн. тонн дополнительного выпуска продукции. Если предположить, что весь произведенный продукт будет куда-либо отправлен по дорогам, то согласно моделям (3) и (4) мы получим прирост ВРП порядка 126.3 - 128,7 млрд. руб. Если же оценить это изменение через удельный показатель по моделям (1) и (2), то эффект будет много меньшим (порядка 8 млрд. руб.). То есть, не смотря на то, что коэффициенты при факторе плотность производства намного выше, чем при факторе суммарная отправка грузов, положительное влияние последнего на ВРП оказывается намного более существенным.

Выводы

Представленные в данной статье результаты регрессионного анализа позволил получить модели, которые представляют некоторые взаимосвязи транспортного комплекса региона с его валовым региональным продуктом. Можно сказать, что модернизация (в виде прироста факторов отражающих уровень развития транспортной инфраструктуры в регионе) и интенсификация использования

транспортной инфраструктуры (в виде увеличения факторов отражающих производство региона) положительно влияют на увеличении валового выпуска регионов. В части интенсификации это может являться свидетельством того, что еще не исчерпан потенциал эффективного использования существующей сейчас инфраструктуры. Также видно, что модернизация транспортной инфраструктуры позволит не только улучшить качество, обеспечив тем самым положительные эффекты производственному комплексу, но и повлияет на сам конечный продукт региона.

Также стоит констатировать, что разные части инфраструктуры в разной степени влияют на ВРП, так расширение сети автомобильных дорог приведет к большему положительному эффекту, нежели расширение сети железных дорог. То же можно сказать и про плотность автомобильных и железных дорог.

Очевидно, что при средней силе линейной связи с ВРП фактора суммарная отправка грузов автомобильным и железнодорожным транспортом, каждая

дополнительная единица несет большее влияние на ВРП, чем любой другой фактор, оцененный в моделях.

Библиографический список

1. Ахинов, Г. А., Жильцов, Е. Н. Экономика общественного сектора - М.: ИНФРА-М, 2008. -343 с.

2. Богачев, В. Н. Регионы России: теория, проблемы Сибири, экономика строительства. Новосибирск: Изд-во ИЭОПП СО РАН, 1999. -160 с.

3. Горбунов, А., Сиваков, Д. Большая проблема для большой страны // Эксперт. - 2012. -№46 (828). - С. 32-35.

4. Гурова, Т., Ивантер, А. Мы ничего не производим // Эксперт. - 2012. - №47 (829). - С. 19-26.

5. Зубаревич, Н. В. Региональное развитие и региональная политика за десятилетие экономического роста // Журнал Новой Экономической Ассоциации. - 2009. - №1-2. - С. 161-174.

6. Ивантер, А., Обухова, Е. Чем пахнут ремесла // Эксперт. - 2012. - №48 (830). - С. 17-22.

7. Нижегородцев, Р. М., Горидько, Н. П. Факторный анализ производства и кластеризация регионов российского Севера / Экономический механизм и особенности инновационной политики на Севере / под науч. ред. д.э.н. В. С.Селина, к.т.н. В. А. Цукермана. Апатиты: Изд. Кольского научного центра РАН, 2012. С. 169-184.

8. Примаков, Е. М. Нам нужна новая модернизация // Российская газета [Электронный ресурс]. - 09.06.2012. URL: http://www.rg.ru/2012/06/09/primakov.html

9. Пчелинцев, О. С. Региональная экономика в системе устойчивого развития / О. С. Пчелинцев; Ин-т народнохозяйственного прогнозирования РАН. - М.: Наука, 2004. - 258 с.

10. Регионы России. Основные характеристики субъектов Российской Федерации. 2011: Стат. сб./ Росстат. - М.: 2011. - 662 с.

11. Регионы России. Социально-экономические показатели. 2011: Стат. сб. / Росстат. - М.: 2011. - 990 с.

MEASURING OF THE RELATIONSHIP BETWEEN THE PARAMETERS OF REGIONAL TRANSPORT COMPLEX AND REGIONAL ECONOMIC GROWTH

N. A. Roslyakova

This article discusses some of the theoretical foundations of the research of the transport infrastructure as part of the public sector of the economy. The author makes correlation and regression analysis on the basis of official statistical data. The analysis investigates relationship of the factors of regional transport complex and regional economic growth. The parameters of regression models help to make conclusions about the nature of relation between regional GRP and the factors of the transport complex considered in the research.

Bibliographic list

1. Ahinov, G., Zhiltsov, E. Public Economics. -Moscow: INFRA-M, 2008. - 343 p.

2. Bogachev, V. Russian regions: theory, problems of Siberia, construction economics. -Novosibirsk: Pub. IEIE SB RAS, 1999. - 160 p.

3. Gorbunov, A., Sivakov, D. A big problem for the big country // Expert. - 2012. - №46 (828). - p. 32-35.

4. Gurova, T., Ivanter, A. We produce nothing // Expert. - 2012. - №47 (829). - P. 19-26.

5. Zubarevich, N. Regional development and regional policy for decade of economic growth // The Journal of the New Economic Association. - 2009. -№1-2. - P. 161-174.

6. Ivanter, A. Obuhova, E. What kind of smell crafts // Expert. - 2012. - №48 (830). - p. 17-22.

7. Nizhegorodtsev, R., Goridko, N. Factor analysis of the production and clustering of the regions of Russian North / Economic mechanism and features of innovation policy in the North. Apatity: Pub. Kola science centre RAS, 2012. p. 169-184

8. Primakov, E. We need a new modernization // Russian newspaper. - 09.06.2012. URL: http://www.rg.ru/2012/06/09/primakov.html

9. Pchelintsev, O. Regional economics in the system of sustainable development / O. Pchelintsev; IEF RAS. - Moscow: Science, 2004. - 258 p.

10. Regions of Russia. Main characteristics of the Russian Federation subjects. 2011: Stat. coll./Rosstat.

- Moscow: 2011. - 662 p.

11. Regions of Russia. Social and economic indicators. 2011: Stat. coll./Rosstat. - Moscow: 2011.

- 662 p.

Рослякова Наталья Андреевна - аспирант Института Экономических Исследований ДВО РАН. Основное направление научных исследований - региональная экономика, транспортная инфраструктура, транспортные затраты, эконометрическое моделирование. Имеет 12 опубликованных работ. Электронный адрес: [email protected]

УДК 338.49: 656.1

ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ МУНИЦИПАЛЬНЫХ И РЕГИОНАЛЬНЫХ

МАРШРУТНЫХ СЕТЕЙ

К. Э. Сафронов, Э. А. Сафронов

Аннотация. Очевидность и наглядность транспортных проблем и их последствий создает ложное впечатление о простоте их решения, зачастую в стиле ручного управления. На самом деле нужен комплекс научных исследований по совершенствованию транспортной инфраструктуры городов и регионов в новых экономических условиях. Однако упрощенное представление об экономии средств лишает эту важную сферу научного сопровождения.

Ключевые слова: автобусные перевозки, маршрутная сеть, общественный транспорт, эффективность, субсидии, транспортная инфраструктура, доступность, мобильность.

Введение

Усложнение транспортной ситуации в городах РФ обусловлено рядом причин. Они очевидны для всех: устаревшие градостроительные нормативы, быстрый рост автомобилизации, низкое качество инфраструктуры, коррупция. Но не очевидны методы решения этих проблем, что связано с отсутствием полноценной научно-

методической базы. Об этом пойдет речь в статье.

Результаты транспортных проблем -заторы, пробки, ДТП, ухудшение экологии -создают у несведущих людей ложные

представления о возможной простоте и быстроте их решения. Отсюда легкость обещаний, несистемный подход, случайный, точечный характер мероприятий, метод ручного управления. В набор подобных мероприятий входит закрытие или открытие движения транспорта и людских потоков на отдельных участках. То же относится к стоянкам, светофорам, тарифам, видам транспорта. Аналогичный подход процветает и в сфере законодательства и проведения конкурсов [1]. Это означает отсутствие институционального подхода, игнорирование существующей структуры общественного