CC BY
7
УДК 330.4 JEL: Е03
ПРИЧИННО-НАСЛ1ДКОВ1 ЗВ'ЯЗКИ М1Ж ПОКАЗНИКАМИ 1ННОВАЦ1ЙНО-1НВЕСТИЦ1ЙНО1
Д1ЯЛЬНОСТ1 РЕГ1ОНУ
®2019 РОМАНКО О. П.
УДК 330.4 JEL: Е03
Романко О. П. npu4UHH0-Ha^iAK0Bi зв'язки мiж показниками шновацшно-швестицшноТ дiяльностi perioHy
Сучасний свтовий розвиток рег'юнал'вму зосереджуеться на питаниях науково! аргументами вибору метод/в та ¡нструмент1в ефективно-го управл'шня регюном. У пер'юд здшснення реформи децентрал/зацИ влади в Укранi так досл/дження необх/дн для практики застосування суб'ектами регюнальногоуправл/ння. Автором використано тест ¡'рейнджера для досл/дження наявностiпричинно-насл/дковихзв'язшв м/ж дво-ма групами показник/в регюнальноi д/яльностi - iнноващйноi та iнвестицйноi. За результатами тесту зроблено под'ш регюнальних показник/в даних груп за наявтстю взаемозв'язку: його напрямку (одностороннш, зворотний) та сили (сильний, слабкий). Тест ¡рейнджера дае можлив/сть спрогнозувати взаемовплив i взаемозв'язок терм/ном до трьох рок/в, що може допомогти у формувант регюном заход/в впливу на iнноващйно-iнвестиц/йною д'тльшсть та управл/ння економшою рег/ону в цмому. Кпючов'1 слова: iнновац/йночнвестищйна д'тльшсть, рег'юн, тест ¡рейнджера. DOI: https://doi.org/10.329S3/2222-4459-2019-3-129-135 Рис.: 1. Табл.: 3. Формул: 3. Б'бл.: 9.
Романко Ольга nempiBHa - кандидат економ/чних наук, доцент, доцент кафедри теорП економши та управл/ння, 1вано-Франшвський нацюналь-
ний техн/чний унверситет нафти i газу (вул. Карпатська, 15,1вано-Франк/вськ, 7601S, Украна)
E-mail: olgaromanko11@gmail. com
ORCID: http://orcid.org/0000-0003-15S7-1370
УДК 330.4 JEL: Е03
Романко О. П. Причинно-следственные связи между показателями инновационно-инвестиционной деятельности региона
Современное мировое развитие регионализма сосредоточивается на вопросах научной аргументации выбора методов и инструментов эффективного управления регионом. В период осуществления реформы децентрализации власти в Украине такие исследования необходимы для практики применения субъектами регионального управления. Автором использован тест Грейнджера для исследования наличия причинно-следственных связей между двумя группами показателей региональной деятельности - инновационной и инвестиционной. По результатам теста сделано разделение региональных показателей данных групп по наличию взаимосвязи: её направлению (односторонняя, обратная) и силы (сильная, слабая). Тест Грейнджера дает возможность спрогнозировать взаимовлияние и взаимосвязь сроком до трех лет, что может помочь в формировании регионом мер воздействия на инновационно-инвестиционную деятельность и управление экономикой региона в целом.
Ключевые слова: инновационно-инвестиционная деятельность, регион, тест Грейнджера. Рис.: 1. Табл.: 3. Формул: 3. Библ.: 9.
Романко Ольга Петровна - кандидат экономических наук, доцент, доцент кафедры теории экономики и управления, Ивано-Франковский национальный технический университет нефти и газа (ул. Карпатская, 15, Ивано-Франковск, 7601S, Украина) E-mail: olgaromanko11@gmail. com ORCID: http://orcid.org/0000-0003-15S7-1370
UDC 330.4 JEL: E03
Romanko O. P. Causal-Consequential Links Between the Indicators of Innovation and Investment Activity of Region
The current world-wide development of regionalism focuses on the scientific argumentation of the choice of methods and instruments for efficient management of region. During the reform of the decentralization of power in Ukraine such studies are necessary for exploration of practical application by regional authorities. The author used the the Grainger's test to explore the existence of causal-consequential links between two groups of indicators of regional activity, both innovation and investment. According to the results of the test the division of regional indicators of these groups as to presence of a link: its direction (one-sided, inverse) and strength (strong, weak) is made. The Grainger's test provides an opportunity to predict the interrelationship and interconnection for a period of up to three years, which can assist in shaping the region's measures of impact on innovation and investment and managing the economy of region as a whole. Keywords: innovation and investment activity, region, Grainger's test. Fig.: 1. Tabl.: 3. Formulae: 3. Bibl.: 9.
Romanko Olga P. - PhD (Economics), Associate Professor, Associate Professor of the Department of Theory of Economics and Management, Ivano-Frankivsk National Technical University of Oil and Gas (15 Karpatska Str., Ivano-Frankivsk, 76018, Ukraine) E-mail: olgaromanko11@gmail. com ORCID: http://orcid.org/0000-0003-1587-1370
1нвестицшно-шноващйна дшльшсть регюну здш-снюе значний внесок у розвиток економши тери-тори. З метою можливого регулювання обсяпв i прогнозування майбутшх показнишв важливо ро-3yMi™, як чинники мають на них вплив. У економе-трищ найбмьш популярною концепщею причинносп е причиншсть по Грейнджеру. В 60-х роках минулого столитя Клайв Грейнджер розробив тест, який до-зволяе встановлювати причинно-насл^дковий зв'язок
мiж двома змшними, який у 1970 р. почав застосову-ватися на практищ шсля популяризаци Симсона [1].
Цей тест, перш за все, характеризуемся простотою в шдрахунку, а також легшстю адаптаци до практики. Вш е основним методом для виршення питання взаемозалежносп та взаемовпливу факто-рiв, на в^дмшу в^д кореляцшного аналiзу, який не дае можливосп повною мiрою досл^дити взаемозв'язки мiж самими факторами впливу.
Вивченню шновацшно-швестищйно! дГяльнос-тi регiонiв в УкраМ присвяченi працi М. П. Бутка,
0. I. Гордуновського, I. Я. Дегтярова, Л. I. Федулово!,
1. I. Кукурудзи, М. П. Денисенка, Т. 6. Воронково!, С. В. Ладики та ш. У цих роботах воображено рiзнi аспекти шновацшно-швестищйно! полiтики регiону, однак питання причинно-наслГдкових зв'язкiв мiж показниками ще! дiяльностi регiону залишаеться не-дослГдженим. На сьогоднiшнiй день вiдсутнi грунтов-нi дослiдження причинностi показникiв ще! дГяль-ностi як на рiвнi регiону, так на рiвнi держави.
Вумовах загострення боротьби мiж регюнами за ефективнi заходи управлiння регюнальною економiкою та способи активiзацГ! шновацшно-швестищйно! дiяльностi постае потреба в на-уково-теоретичному шдгрунт формування полiтики управлiння регiональною iнновацiйно-iнвестицiйною дiяльнiстю. Тест Грейнджера на сьогоднi е найбГльш затребуваним у використаннi з метою виявлення при-чинно-наслiдкових зв'язкiв мiж групами економiчних показникiв i здшснення прогнозу !х взаемовпливу на короткий перюд часу. Вiн дае можливють виявити тi мезопоказники, якi мають найбГльший вплив, i, вГд-повГдно, !х необхiдно найб1льше пiддавати заходам впливу для активГзацГ! iнновацiйно-iнвестицiйну дь яльнiсть регiону.
Сутнiсть тесту Грейнджера полягае в тому, що змшна х е казуальною (причинною) щодо змiнно'! у, тобто при впливi х ^ у змiни х повинш передувати змiнам у, а не навпаки. Отже, за наведених вище умов необхiдно, щоб одночасно виконувались таи дГ!: змш-на х робить значний внесок у прогноз у, при цьому змшна у суттевий внесок у прогноз змшно! х не робить [2]. Для визначення, чи е х причиною у, визнача-ють, яку частку дисперсГ! поточного значення змшно! у можна пояснити минулими значеннями само! змшно! у i чи може додавання минулих значень змшно! х збГльшити частку пояснювально! дисперсГ!. Змшна х е причиною у, якщо х сприяе прогнозуванню у. В рамках регресшного аналiзу змшна х буде причиною у тодГ, коли коефщенти при лагах х будуть ста-тистично значущГ, однак найчастше дослГджуваш причинно-наслiдковi зв'язки е двостороншми. Таким чином, можна дшти таких висновшв щодо «причин-ностi за Грейнджером» [3]:
1) х( не впливае, зпдно з Грейнджером, на у(, якщо середньоквадратична помилка прогнозу уш, заснована на змiнних (у, у(_1, ...), дорiвнюе середньо-квадратичнiй помилцi прогнозу у(+5, заснованiй як на у, у(-1,...), так i на (хр х-1, ...);
2) у (екзогенний (не е залежним) по вГдношенню до х , якщо середньоквадратичнi помилки вГдповГд-них прогнозiв еквiвалентнi.
Для проведення тесту Грейнджера необхГдно методом найменших квадрапв оцiнити авторегресш-ну модель тако! специфiкацГ! [4]:
У1 = а1 У1 -1 + а2 У1 - 2 + ••• + арУ, - р + +р! X-1 +••• + р2 X-2 +врХ - р ; х, = а1х-1 + ^2х-2 + ••• + М-рХ, - р + +71 У,-1 + У 2 У,-2 + ••• + У рУ, - р + Vt,
де р - обрана заздалепдь величина лага; а - стушнь впливу минулого значення у на його поточне значен-ня; ц - ступiнь впливу минулого значення х на його справжне значення; в - стушнь впливу х на у; у - стушнь впливу у на х.
Для виконання цього тесту було вщбрано показ-ники швестицшно-шноващйно! дiяльностi для !вано-Франйвського регюну в перюд з 2013 по 2017 рр. (табл. 1).
С початку необхГдно з'ясувати, чи стащонарш штегроваш розглянут тимчасовi ряди та чи вони одного порядку. Для цього може бути використаний доповнений тест Дш - Фуллера на виявлення одиничних корешв (стацiонарностi), який полягае в тому, що спочатку проводять регресш перших рiзниць тимчасового ряду на лапроваш змiннi, лапроваш рiзницi та iнодi на константу i на тимчасо-вий тренд [5].
Тест Дш - Фуллера заснований на ощнщ параметра А = а1 - 1 рiвняння АУ( = АУ-1 + еквГва-лентного рiвнянню авторегресГ!. Якщо значення ^-статистики Стьюдента для параметра А менше ниж-нього порогового значення БР-статистики, то нульо-ву гiпотезу А = 0 (про наявшсть одиничного кореня а1 = 1) слiд вiдхилити i прийняти альтернативну - про стащонаршсть процесу У( [6].
Перевiркa на стащонаршсть здГйснюеться в програмному забезпеченш 9.0, що автоматич-
но розрахуе необхГдш показники. Функцiонaл про-грами пропонуе використовувати тест Дш - Фуллера та Фiллiпсa - Перрона для перевiрки стaцiонaрностi ряду обраних показнишв. При виникненнi неточностей i спiрних моментiв, а також для визначення спе-цифкащ! використовують тест Фiллiпсa - Перрона. Це дасть можливють перевiрити нульову гшотезу про стaцiонaрнiсть часових рядiв х , яка полягае в пе-ревiрцi гiпотези ф = 0 на основi статистично! моделi:
Дх, =фх{-1 +а + Р? + и,, , = 2, •••, Т, (2)
де параметри а i в можуть дорiвнювaти нулю. На вГд-мiну вiд критерiю Дш - Фуллера випaдковi складо-вi з нульовим математичним очiкувaнням можуть бути aвтокорельовaнi (з достатньо швидким змен-шенням aвтокореляцiйно! функцГ!), мати рiзнi дисперсГ! (гетероскедантичшсть) г необов'язково нор-мaльнiсть розподГлу. ВГдповГдно на вГдмГну вГд тесту Дш - Фуллера для розгляду береться бГльш широкий клас часових рядГв [7].
Зазначимо, що передумовами тесту Дш - Фуллера е неавтокорельовашсть, гомоскедастичнГсть та
Таблиця 1
Вихщш дан деяких показнимв шновацшно-швестицшно'|' дiяльностi lвано-Франкiвського регiону
№ з/п Показник 2013 р. 2014 р. 2015 р. 2016 р. 2017 р.
1 Каштальш ¡нвестицп (млн грн) 5167 4797 6837 9609 7947,6
2 Прям1 ¡ноземш ¡нвестицп (млн дол. США) 624 642,7 813,8 925,9 836,6
3 Обсяг ¡нновацмно! продукцп (тис. грн) 1451092,9 474787,9 393860,3 40859,8 48089,5
4 К1льк1сть ¡нновацмних активних шдприемств (в одиницях) 89 87 99 101 121
5 Ктьккть оргашзацм, як1 виконують науков1 та науково-техшчш роботи (од.) 21 15 16 18 22
6 Внутр1шн1 поточш витрати на наукову та науково-техшчну дтльшсть (фактичш ц1ни в тис. грн) 62748,3 37424,1 39237,4 40954,7 41900,5
Джерело: складено на основi даних Держстатистики УкраТни.
нормальний розпод1л залишк1в Ш регресшно! модел1. У випадку невиконання одше! з цих умов на практищ використовуеться тест Ф1лл1пса - Перрона, який та-кож базуеться на оцшюванш модел1, але стандарты помилки розглядае у форм1 Н'ю! - Веста [8]. Отже, на в1дм1ну в1д критер1ю Д1к1 - Фуллера, випадкова складова Ш з нульовим математичним спод1ванням може бути автокорельована, гетероскедастична та не обов'язково нормально розпод1лена. Тим самим, кри-терш Ф1лл1пса - Перрона розглядае б1льш широкий клас часових ряд1в.
За результатом проведеного тесту Дш - Фуллера було виявлено, що нав1ть при р1вн1 значущост1 10% сл1д в1дхилити г1потезу про стац1онарн1сть ряд1в. Для приведення вих1дних зм1нних до стацю-нарного вигляду був виконаний переход, до анал1зу других р1зниць цих ряд1в. Розрахунки виявили, що не 1з вс1ма зм1нними сл1д прийняти г1потезу про стацю-наршсть ряду. При переход! до третГх р1зниць ряд1в г1потеза про стащонаршсть ряду п1дтвердилась. Ре-зультати тесту Дш - Фуллера в1дображено на рис. 1.
Проведемо тест на причиншсть за Грейндже-ром. Довжину лага p сл1д вибрати по найдальшому лагу, який ще може допомогти в прогнозуванш. Ана-л1з перехресних корелограм вказуе на виб1р p = 3. Тест Грейнджера чутливий до к1лькост1 лаг1в, тобто юльйсть лаг1в не повинна перевищувати к1лькост1 спостережень, под1лену на 4.
Розглянемо причиншсть за Грейнджером для наших змшних. Наведена форма модел1 мае вигляд [9]:
х = Т а,х -, + Е ь,Уг -, + V;
]=1
]=1
(3)
Уt = Е -, + Е Уt -, + ч •
]=1
]=1
В1дсутн1сть причинного зв'язку в1д x до у озна-чае, що c■ = 0 при) = 1, ..., p, тобто що минул1 значення
x не впливають на у. В1дсутшсть причинного зв'язку в1д у до x означае, що Ь= 0 при ) = 1, ..., p.
Якщо P мае значення менше 0,05, то нульова гшо-теза в1дкидаеться. Одночасно перев1ряеться також на-явшсть протилежного причинно-насл1дкового зв'язку. Наявн1сть двостороннього причинно-насл1дкового зв'язку може вказувати на шнування третьо! змшно!, яка е реальною причиною змши розглянутих двох змшних. Тести були проведеш для лапв р = 1, 2, 3.
Результата тесту наведено в табл. 2. Одночасно перев1ряеться наявшсть зворотного причино-насл1дкового зв'язку в змшних показниках. Наявшсть такого двостороннього зв'язку може вказувати на кнування третьо! змшно!, яка, своею чергою, е реальною причиною змши досл1джених змшних.
У табл. 2 для шдтримки або в1дхилення нульово! гшотези наведено значення ^-статистики Ф1шера та p-значення для в1дпов1дно! пари показник1в. 1нтер-претац1ю отриманих результапв тесту в1дображено в табл. 3.
В1дпов1дно спостер1гаеться найб1льший дво-сторонн1й взаемовплив серед таких показнишв, як: кап1тальн1 швестицй та обсяг шновацшно! продукцГ!; кап1тальн1 1нвестицГ! та ккьшсть 1нновац1йно актив-них шдприемств; внутр1шн1 поточн1 витрати на на-укову та науково-техн1чну роботу та обсяг шновацшно! продукцГ!. Водночас кнуе сильний односторон-н1й зв'язок таких пар показнишв, як: прям1 1ноземн1 1нвестицГ! та кап1тальн1 швестицй; прям1 1ноземн1 1нвестицГ! та обсяг шновацшно! продукцГ!; шльшсть 1нновац1йно активних шдприемств та внутршш по-точш витрати на наукову 1 науково-техшчну роботу.
З меншою силою взаемовпливу тддаються така пара показник1в, як прям1 1ноземн1 1нвестицГ! та вну-тр1шн1 поточн1 витрати на наукову та науково-техшчну роботу. Середнш по взаемовпливу зв'язок про-сл1дковуеться в таких показниках: обсяг шновацшно! продукцГ! та прям1 1ноземн1 швестицй; прям1 1ноземн1
Null Hypothesis: D(X1,2) has a unit root Null Hypothesis: D(X1,3) has a unit root
Lag Length: 3 (Automatic - based on SIC, max lag = 1) Lag Length: 1 (Automatic - based on SIC, max lag = 1)
Augmented Dickey - Fuller test statistic -3,3939 0,00467 Augmented Dickey -Fuller test statistic -2,402 0,0319
Test critical values: 1% level: -3,1095; 5% level: -2,0439; 10% level: -1,5973 Test critical values: 1% level: -3,271; 5% level: -2,082; 10% level: -1,599
Null Hypothesis: D(X1,4) has a unit root Null Hypothesis: D(X1,5) has a unit root
Lag Length: 1 (Automatic - based on SIC,max lag = 1) Lag Length: 3 (Automatic - based on SIC, max lag = 1)
Augmented Dickey - Fuller test statistic -4,072 0,0042 Augmented Dickey -Fuller test statistic -2,402 0,0289
Test critical values: 1% level: -3,101; 5% level: -2,116; 10% level: -1,536 Test critical values: 1% level: -3,300; 5% level: -2,082; 10% level: -1,578
Null Hypothesis: D(X1,6) has a unit root Null Hypothesis: D(X2,4) has a unit root
Lag Length: 3 (Automatic - based on SIC, max lag = 1) Lag Length: 2 (Automatic - based on SIC, max lag = 1)
Augmented Dickey-Fuller test statistic -3,325 0,0160 Augmented Dickey-Fuller test statistic -3,002 0,0742
Test critical values: 1% level: -3,0236; 5% level: -2,0828; 10% level: -1,5915 Test critical values: 1% level -3,001; 5% level: -2,457; 10% level: -1,589
Null Hypothesis: D(X2,3) has a unit root Null Hypothesis: D(X2,6) has a unit root
Lag Length: 1 (Automatic - based on SIC, max lag = 1) Lag Length: 2 (Automatic - based on SIC, max lag = 1)
Augmented Dickey-Fuller test statistic -2,554 0,0419 Augmented Dickey-Fuller test statistic -3,523 0,0455
Test critical values: 1% level: -3,457; 5% level: -2,0646; 10% level: -1,5993 Test critical values: 1% level: -3,268; 5% level: -2,0223; 10% level: -1,789
Null Hypothesis: D(X2,5) has a unit root Null Hypothesis: D(X3,5) has a unit root
Lag Length: 3 (Automatic - based on SIC, max lag = 1) Lag Length: 1 (Automatic - based on SIC,max lag = 1)
Augmented Dickey-Fuller test statistic -1,989 0,0009 Augmented Dickey-Fuller test statistic -2,3939 0,0068
Test critical values: 1% level: -3,007; 5% level: -2,639; 10% level: -1,569 Test critical values: 1% level: -3,312; 5% level: -2,635; 10% level: -1,579
Null Hypothesis: D(X3,4) has a unit root Null Hypothesis: D(X4,5) has a unit root
Lag Length: 3 (Automatic - based on SIC,max lag = 1) Lag Length: 3 (Automatic - based on SIC, max lag = 1)
Augmented Dickey - Fuller test statistic -1,5977 0,1000 Augmented Dickey -Fuller test statistic -2,102 0,0069
Test critical values: 1% level: -3,007; 5% level: -2,0211; 10% level: -1,5972 Test critical values: 1% level: -3,469; 5% level: -2,659; 10% level: -1,580
Null Hypothesis: D(X3,6) has a unit root Null Hypothesis: D(X5,6) has a unit root
Lag Length: 1 (Automatic - based on SIC, max lag = 1) Lag Length: 1 (Automatic - based on SIC, max lag = 1)
Augmented Dickey - Fuller test statistic -4,754 0,0985 Augmented Dickey -Fuller test statistic -2,3693 0,0088
Test critical values: 1% level: -3,358; 5% level: -2,958; 10% level: -1,593 Test critical values: 1% level: -3,201; 5% level: -2,2002; 10% level: -1,695
Null Hypothesis: D(X4,6) has a unit root
Lag Length: 3 (Automatic - based on SIC, max lag=1)
Augmented Dickey - Fuller test statistic -3,325 0,0096
Test critical values: 1% level: -3,0007; 5% level: -2,2687; 10% level: -1,5989
npHMiTKH: pafl XI - KaniTanbHi iHBec™^!; pafl X2 - npaMi iH03eMHi iHBec™^!; pafl X3 - 06car iHHOBa^MHo! npofly^i!; pafl X4 - KmbKirrb iHHOBa^MHO aKTMBHMX niflnpiueMCTB; pag X5 - KmbKirrb opraHi3a^M, ^o 3fliMCHioioTb HayKOBy Ta HayKOBO-TexHiMHy po6oTy; pag X6 - BHyTpiwHi noTOMHi BMTpaTM Ha HayKy Ta HayKOBO-TexHiMHy po6oTy.
Puc. 1. flocnigweHHa Ha cia^oHaprncib pagiB geKrnbKox nap iHHOBa^nHO-iHBecTn^nHnx noKa3HUKiB
3a gonoMororo Teciy fliKi - Qynnepa
BI3HECIHOOPM № 3 '2019
www.business-inform.net
^ и
е о
■О
ю 1л)
М О
и) и)
з-
п' н
о 43
> а
1 § Д а
е- >
го
Я
рэ О
* н.
Г к
п' н
о
СП
о «
•а
о
&3
> я
43
<Т>
а
о ч а
рэ I—
* я
ч Я
§ °
Я м
Я рэ
з в
х е;
а я
В. о >
Я я
43 43
Я О
ж о а
о ^
^ X
ра С
СП я.
* л
я я
Я<
43
о
СП
о
н ■<
ра *
ра
я
а
о
я £
а Я
1-3 >-а
43 рэ
р' *
1 г
я а.
О п
1-3 1-3
О №
л я
-. Я
я я
о а рз В
я< я о рз
ж |-а Я а я я X
рз ]>
Я £
со ТЗ
я
со м
п -сг-
2 £
Я' £
СО 2
« 3
Й а
ч Я рз 43
Г Е. № а я
п О
*
о а о
ч
х я
* я
8 О ♦
* 4=
■ Г
° я Я-
е я' В. а
со
рз (1
Я -Я
£
о я
со
> Л
я; н.
о %
о о
я я
о
а »
В
я<
я „
О
рэ 1—:
* 1-3
на рэ
8 Я
Я *43
£ »
х е.
№
Я
рз
* я .
О рз
3 43 В.
^ О со
>3 га »
О -К
£
К £
О
а о
*
о а о
:• о
со >
£ я
Я' о
я
3 3 р3 3
43 £
о » £
Я4 .я о -Б. «
^ Я. о
о
(1 -с »
X
я 2' я
43
О СП
о н
ж
рз Я.
ч"
рз >
з-Я
н-• со
■о
5 2
О со
а
о ш 0)
Р-статистика
р-статистика
о-
ж
О-
ь
0)
со'
Р-статистика
р-статистика
О-
ж
О"
ь
0)
со'
Р-статистика
р-статистика
О-
ж
а ь
0)
со' ы
ЕК0Н0М1КА
ЕК0Н0М1К0-МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ
=1
о
0)
"С
I
5
5<
Ч
ш
Г1
ч
■с
Л)
5<
I
13
*
Л)
■о
0)
X
СП 0)
0)
I "О
о 5
© £ 5
■с I
0) I
I О
со' Г1 0-ж X 0) Г1 ь
о 1э'
^ о ^ о
■о ш
Я> "<
-1 ш
о а>
I ь
>< Л)
ш ^
ш I
Г1*
ф ч
■с <т
о' г
13 *
м
о х'
—1 X
ы о
1 ю а
0)
о
VI 5<
"О X
-р О
х'
ш
Л)
Г1
ч
5
5<
X
5
г
5
О
Ж
ш
ш
X
5
Ж
0)
г
5
Таблиця 3
Результат тесту [рейнджера для показнимв шновацшно-швестицшно'|' дiяльностi lвано-Франкiвського регiону
№ з/п Кшькктьлапв 1 Кiлькiсть лагiв 2 Кiлькiсть лагiв 3 Вiдхилення чи прийняття гiпотези
1 К1 ^ О1П К1 ^ О1П К1 ^ О1П приймаеться
2 О1П ^ К1 О1П ^ К1 О1П ^ К1 приймаеться
3 О1П ^ К1АП О1П ^ К1АП О1П ^ К1АП приймаеться
4 К1АП ^ О1П К1АП ^ О1П К1АП ^ О1П приймаеться
5 К1АП немае зв'язку КОННТР К1АП немае зв'язку КОННТР К1АП ^ КОННТР приймаеться
6 КОННТР немае зв'язку К1АП КОННТР немае зв'язку К1АП КОННТР немае зв'язку К1АП вщкидаеться
7 КОННТР немае зв'язку К1 КОННТР немае зв'язку К1 КОННТР немае зв'язку К1 вщкидаеться
8 К1 немае зв'язку КОННТР К1 немае зв'язку КОННТР К1 ^ КОННТР приймаеться
9 К1 ^ К1АП К1 ^ К1АП К1 ^ К1АП приймаеться
10 К1АП ^ К1 К1АП ^ К1 К1АП ^ К1 приймаеться
11 О1П немае зв'язку КОННТР О1П немае зв'язку КОННТР О1П немае зв'язку КОННТР вщкидаеться
12 КОННТР немае зв'язку О1П КОННТР немае зв'язку О1П КОННТР ^ О1П приймаеться
13 П11 ^ К1 П11 ^ К1 П11 немае зв'язку К1 приймаеться
14 К1 немае зв'язку П11 К1 немае зв'язку П11 К1 ^ П11 приймаеться
15 П11 ^ О1П П11 ^ О1П П11 ^ О1П приймаеться
16 О1П немае зв'язку П11 О1П ^ П11 О1П ^ П11 приймаеться
17 П11 немае зв'язку К1АП П11 немае зв'язку К1АП П11 ^ К1АП приймаеться
18 К1АП немае зв'язку П11 К1АП немае зв'язку П11 К1АП ^ П11 приймаеться
19 П11 немае зв'язку КОННТР П11 немае зв'язку КОННТР П11 ^ КОННТР приймаеться
20 КОННТР немае зв'язку П11 КОННТР немае зв'язку П11 КОННТР немае зв'язку П11 вщкидаеться
21 П11 немае зв'язку ВПВННТР П11 ^ ВПВННТР П11 немае зв'язку ВПВННТР приймаеться
22 ВПВННТР немае зв'язку П11 ВПВННТР ^ П11 ВПВННТР ^ П11 приймаеться
23 ВПВННТР немае зв'язку К1 ВПВННТР ^ К1 ВПВННТР ^ К1 приймаеться
24 К1 немае зв'язку ВПВННТР К1 немае зв'язку ВПВННТР К1 ^ ВПВННТР приймаеться
25 ВПВННТР немае зв'язку КОННТР ВПВННТР немае зв'язку КОННТР ВПВННТР немае зв'язку КОННТР вщкидаеться
26 КОННТР немае зв'язку ВПВННТР КОННТР немае зв'язку ВПВННТР КОННТР немае зв'язку ВПВННТР вщкидаеться
27 ВПВННТР немае зв'язку О1П ВПВННТР ^ О1П ВПВННТР ^ О1П приймаеться
28 О1П немае зв'язку ВПВННТР О1П ^ ВПВННТР О1П ^ ВПВННТР приймаеться
29 ВПВННТР немае зв'язку К1АП ВПВННТР немае зв'язку К1АП ВПВННТР немае зв'язку К1АП вщкидаеться
30 К1АП ^ ВПВННТР К1АП ^ ВПВННТР К1АП немае зв'язку ВПВННТР приймаеться
ють наукову та науково-техн1чну роботу; кап1тальн1 швестици та внутр1шн1 поточн1 витрати на наукову та науково-техн1чну роботу.
ВИСНОВКИ
Тест Грейнджера виявив в1дсутшсть взаемовп-ливу м1ж такими 1нновац1йно-1нвестиц1йними показ-никами.
Двостороннш вплив - внутршш поточн1 витрати на наукову та наукову-техшчну роботу та ккьшсть орган1зац1й, що зд1йснюють наукову та науково-тех-н1чну роботу;
Односторонн1й вплив - внутршш поточн1 витрати на наукову та наукову-техшчну роботу та юль-ккть 1нновац1йно активних тдприемств; к1льк1сть орган1зац1й, що здшснюють наукову та науково-тех-
шчну роботу та ккьккть iнновацiйно активних шд-приемств; KÎAbKÎCTb органiзацiй, що здшснюють наукову та науково-техшчну роботу та капiтаAьнi швес-тицц; обсяг iнновацiйноï продукцИ та кiAькiсть оргаш-зацiй, що здiйснюють наукову та науково-техшчну роботу; ккьккть оргашзацш, що здiйснюють наукову та науково-техшчну роботу та прямi шоземт iнвестицГi.
Отриманi результата дозволяють ефективно здшснювати управAiння iнвестицiйно-iнновацiйною дiяAьнiстю регюшв на три роки вперед (довжина лагу) залежно в^ включених показнишв та особли-востей соцiаAьно-економiчного розвитку територИ. Це сприятиме розробленню та впровадженню необ-хiдних заходiв з активiзащï iнновацiйних та швести-цшних процесiв у регiонi. ■
Л1ТЕРАТУРА
1. Granger C. W. J. Investigation Casual Relations by Econometric Methods and Cross-Spectral Methods. Economet-rica. 1974. Vol. 37. No. 3. P. 424-438.
2. Juselius K. The Cointegrated VAR Model. Oxford : Oxford University Press, 2006. 457 p.
3. Носко В. П. Эконометрика. Введение в регрессионный анализ временных рядов. М., 2002. 274 с.
4. Philips P. C. B. Understating spurious regression in econometrics. Journal of Econometrics. 1986. Vol. 33. Issue 3. P. 311-340.
5. Канторович Г. Г. Анализ временных рядов. Лекционные и методические материалы. Экономический журнал ВШЭ. 2003. № 1. С. 79-103.
6. Johansen S. Likelihood-Based Inference in Cointegrated Vector Autoregressive Models. Oxford : Oxford University Press, 1995.
7. Назаренко О. М., Карпуша М. В. Моделювання та прогнозування нестацюнарних часових рядiв. Всник Наць онального техшчного yHiBepcumemymy «ХП1». Тематичний випуск : Математичне моделювання в технщ та технологах. 2012. № 2. С. 162-171.
8. Федорова Е. А., Сафина Ю. А., Литовка С. В. Анализ влияния финансовой интеграции на конъюнктуру фондовых рынков в условиях финансового кризиса. Аудит и финансовый анализ. 2010. № 2. С. 187-195.
9. Шанченко Н. И. Лекции по эконометрике : учебное пособие. Ульяновск : УлГТУ, 2008. 139 с.
REFERENCES
Fedorova, E. A., Safina, Yu. A., and Litovka, S. V. "Analiz vliyaniya finansovoy integratsii na konyunkturu fondovykh rynkov v usloviyakh finansovogo krizisa" [Analysis of the impact of financial integration on stock market conditions in the financial crisis]. Auditi finansovyyanaliz, no. 2 (2010): 187-195.
Granger, C. W. J. "Investigation Casual Relations by Econometric Methods and Cross-Spectral Methods". Economet-rica, vol. 37, no. 3 (1974): 424-438.
Johansen, S. Likelihood-Based Inference in Cointegrated Vector Autoregressive Models. Oxford: Oxford University Press, 1995.
Juselius, K. The Cointegrated VAR Model. Oxford: Oxford University Press, 2006.
Kantorovich, G. G. "Analiz vremennykh ryadov. Lektsion-nyye i metodicheskiye materialy" [Time series analysis. Lecture and teaching materials]. Ekonomicheskiy zhurnal VShE, no. 1 (2003): 79-103.
Nazarenko, O. M., and Karpusha, M. V. "Modeliuvannia ta prohnozuvannia nestatsionarnykh chasovykh riadiv" [Modeling and forecasting of non-stationary time series]. Visnyk Nat-sionalnoho tekhnichnoho universytetutu «KhPI». Thematic issue: Matematychne modeliuvannia v tekhnitsi ta tekhnolohiiakh, no. 2 (2012): 162-171.
Nosko, V. P. Ekonometrika. Vvedeniye v regressionnyy analiz vremennykh ryadov [Econometrics. Introduction to regression analysis of time series]. Moscow, 2002.
Philips, P. C. B. "Understating spurious regression in econometrics". Journal of Econometrics, vol. 33, no. 3 (1986): 311-340.
Shanchenko, N. I. Lektsii po ekonometrike [Lectures on econometrics]. Ulyanovsk: UlGTU, 2008.
<C
QQ 2
О
IT
о
о
<
о
Ш
