CC BY
18
Пространственная Экономика 2007. № 2. С. 45-60
УДК 338.45:630
В. П. Негодяев, О. В. Козлова
СТАТИСТИЧЕСКИЙ АНАЛИЗ ПРОСТРАНСТВЕННЫХ РАЗЛИЧИЙ ЭКОНОМИЧЕСКИХ ПОКАЗАТЕЛЕЙ В ЛЕСОПРОМЫШЛЕННОМ КОМПЛЕКСЕ ХАБАРОВСКОГО КРАЯ
Методами математической статистики анализируются пространственные различия экономических показателей лесопромышленного комплекса Хабаровского края. Особое внимание уделено оценке влияния концентрации производства на экономику предприятий и факторам, определяющим налоговые поступления в бюджеты всех уровней от лесопромышленной деятельности.
Лесопромышленный комплекс, концентрация производства, оценка влияния, кластерный анализ.
ПРЕДПОСЫЛКИ АНАЛИЗА
В лесопромышленном комплексе (ЛПК) Хабаровского края на долю примерно 150 предприятий, работающих на основе долгосрочной аренды лесного фонда, приходится до 80% всей заготавливаемой и вывозимой древесины в крае. Их размеры варьируют более чем в 300 раз: самые мелкие из них заготавливают до 1 тыс. м3, а самые крупные — более 300 тыс. м3 в год. Около половины предприятий — небольшие, с вывозкой древесины до
© Негодяев В. П., Козлова О. В., 2007
П. Негодяев, О. В. Козлова
30 тыс. м3 в год, они обеспечивают только 10% объема вывозки в крае. На долю средних предприятий (30—90 тыс. м3 годовой вывозки) приходится почти 35%, а доля двух десятков крупных предприятий мощностью более 90 тыс. м3 составляет около 55% ее годовой вывозки в крае.
Различия в объемах производства, природных и производственных условиях деятельности предприятий обусловливают высокую вариацию их экономических показателей. Например, в 2003—2004 гг. вариационный размах производительности труда по предприятиям был почти 10-кратным, от 130 до 1200 м3 в год на одного работающего, а показатели фондоотдачи и фондовооруженности различались до 300 раз.
В определенной мере большой разброс экономических показателей обусловлен как умышленным, так и неумышленным их искажением, в первую очередь со стороны мелких предприятий, где зачастую отсутствуют кадры профессиональных специалистов лесной отрасли. Искажение отдельных показателей происходит и по причине изменения условий хозяйствования и учета. Например, если предприятие работает на арендованном оборудовании, что в основном встречается у мелких предприятий, то показатели фондовооруженности будут занижены, а фондоотдачи — завышены. То есть в конечном итоге само искажение информации в определенной мере также является следствием разукрупнения предприятий.
В качестве исходных данных для анализа закономерностей, складывающихся в ЛПК Хабаровского края, и определения их количественных оценок можно использовать как показатели предприятий непосредственно, так и усредненные их значения по пространственному (территориальному) признаку. В конкретном случае выбор исходных данных определяется уровнем, на котором используются результаты анализа для принятия тех или иных решений. В настоящей работе рассматриваются как показатели предприятий, так и их усредненные данные, сгруппированные по территориальному признаку.
АНАЛИЗ НА УРОВНЕ АДМИНИСТРАТИВНЫХ РАЙОНОВ
Хабаровский край разделен на 17 административных районов, из них в трех — Охотском, Аяно-Майском и Тугуро-Чумиканском — лесопромышленная деятельность в настоящее время не ведется, и здесь они не рассматриваются. Остальные 14 районов существенно различаются как по объему лесозаготовок, так и по количеству действующих на их территории лесопромышленных предприятий. Интенсивность лесоэксплуатации обусловлена разнообразием природных условий районов, степенью их транспортного освоения и заселения {рис. 1).
В результате разброс районов по средней величине лесозаготовитель-
ных предприятий (т. е. степени концентрации лесопромышленного производства) также имеет существенные различия (достигающие пятикратного уровня). Так, например, если в Вяземском и Бикинском районах средний размер предприятий не превышает 20 тыс. м3, то в Солнечном достигает 110 тыс. м3 в год.
Рис. 1. Доля административных районов в вывозке древесины и количестве лесозаготовительных предприятий края, 2004 г., %
Сводные по административным районам края экономические показатели деятельности ЛПК также имеют большую вариацию, что создает предпосылки для их исследования методами математической статистики.
Всего на данном уровне агрегирования анализировались девять показателей (табл. 1).
Анализ тесноты связи приведенных выше показателей подтвердил гипотезу о наличии взаимосвязи между ними в большинстве случаев. Особенно тесная связь проявляется между показателями концентрациии производства, фондовооруженностью, заработной платой, прибылью, производительностью труда и удельными налоговыми платежами. Коэффициенты парной корреляции (г) между этими показателями находятся в пределах 0,55—0,881. При этом зависимость показателей устойчиво прослеживается во времени.
Например, линейные тренды зависимости производительности труда от
1 Всюду, где это специально не указано, расчеты проведены с уровнем достоверности не ниже 95%.
П. Негодяев, О. В. Козлова
концентрации производства разных лет довольно близки как по углу наклона, так и по коэффициентам парной корреляции, а именно: гх х =0,73 (2001 г.); 0,82 (2002 г.); 0,86 (2003 г.); 0,75 (2004 г.). В среднем за 2001—2004 гг. вариация концентрации производства определяла различия производительности труда в ЛПК районов края более чем на 55% (г2 = 0,56). При увеличении средней мощности предприятия на каждые 10 тыс. м3 производительность труда возрастает от района к району примерно на50м3 в год {рис. 2).
Таблица 1
Экономические показатели, используемые для анализа на уровне экономических районов
Наименование показателя Символ
Уровень концентрации производства — средний размер предприятия в ЛПК района по годовому объему вывозки древесины, тыс. м3 х,
Фондовооруженность труда — отношение остаточной стоимости основных производственных фондов к общей численности работающих в ЛПК, тыс. руб./чел. X,
Среднемесячная заработная плата одного работающего в ЛПК, тыс. руб./мес. х3
Фондоемкость производства в расчете на 1 м3 вывезенной древесины, тыс. руб./м3 Х4
Удельная годичная прибыль предприятий до налогообложения в расчете на одного работающего, тыс. руб./чел.-год Х5
Производительность труда (выработка) — отношение годового объема вывезенной древесины к численности работающих в ЛПК на лесозаготовках, м3/чел. Х6
Рентабельность реализованной деловой древесины, % X,
Полная себестоимость реализованной деловой древесины, руб./ м3 Х8
Удельная годичная выплата налогов предприятиями ЛПК в бюджеты всех уровней в расчете на одного работающего, тыс. руб./чел.-год. X,
Рис. 2. Зависимость производительности труда от концентрации производства в ЛПК районов, 2001—2004 гг.
Как и в случае с производительностью труда, зависимость других важнейших показателей от концентрации производства довольно устойчива во времени. При этом теснота связи для некоторых из них за рассматриваемые четыре года увеличилась. Например, между уровнем концентрации производства (Х:) и себестоимостью реализованной деловой древесины (Х8) теснота связи (гхрх) увеличилась с 0,14 до 0,51, с фондовооруженностью труда (гхрх) — с 0)41 до 0,71, с удельной годичной выплатой налогов (гхрх^ — с 0,65 до 0,72 (рис. 3).
1,00 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00
Рис. 3. Динамика тесноты связи (г) концентрации производства с экономическими показателями в 2001—2004 гг.: 1 — Х2; 2 — Х3; 3 — Х6; 4 — Х8; 5 —Х9
Количественная оценка влияния концентрации производства на показатели лесного комплекса Хабаровского края, полученная на основе обработки данных по 14 административным районам за 2001—2004 гг., приведена в таблице 2.
Из приведенных расчетов видно, что наименее чувствительны к фактору концентрации на этом уровне такие показатели, как фондоемкость, рентабельность и себестоимость. Их зависимость проявляется пока только на уровне неявной тенденции (уровень достоверности (р) коэффициентов регрессии при этих показателях менее 70%). Остальные показатели имеют устойчивую тенденцию к улучшению по мере увеличения средних размеров предприятий в ЛПК административных районов края.
Как отмечалось, большой интерес на всех уровнях управления отраслью проявляется к показателю налоговых платежей, причинам их пространственных различий. Поэтому в настоящей работе была предпринята попытка более детального исследования этого показателя и построения для него адекватной многофакторной модели, учитывающей наряду со степенью концентрации производства и другие из приведенных выше факторов.
Таблица 2
Количественная оценка влияния концентрации производства на показатели ЛПК административных районов Хабаровского края, 2001—2004 гг.
Показатель г В Э
сокращенное наименование символ среднее значение
Концентрация, тыс. м3 х, 42,09 - - -
Фондовооруженность, тыс. руб. 98,86 0,61 1,29 0,55
Заработная плата, тыс. руб. х3 5,54 0,78 0,07 0,54
Фондоемкость, тыс. руб./м3 Х4 0,27 -0,13 -0,0007 -0,10
Прибыль, тыс. руб./чел. Х5 36,52 0,56 0,67 0,77
Производительность, м3/чел. Х6 417,64 0,75 5,11 0,52
Рентабельность, % Х7 17,14 0,13 0,08 0,19
Себестоимость, руб./м3 Х8 1268,82 -0,14 -1,08 -0,04
Выплата налогов, тыс. руб./чел. Х9 73,46 0,64 1,10 0,63
Примечание: г — коэффициент парной корреляции, В — коэффициент регрессии, Э — коэффициент эластичности.
С целью увеличения степени надежности результатов все дальнейшие расчеты проводились, как и ранее, на основании выборки, полученной путем объединения однородных данных в разрезе районов края за четыре года (2001—2004). На рисунке 4 приводится графическая иллюстрация сложившихся парных зависимостей показателя удельных налоговых платежей от наиболее значимых факторов. Как мы видим, эти связи для административных районов носят положительный, линейный характер.
Тем не менее по законам статистики все перечисленные выше факторы одновременно не могут быть использованы для построения единой многофакторной модели, так как являются взаимозависимыми. Особенно высокая мультиколлениарность прослеживается между концентрацией производства и средней заработной платой (гХрх3 = 0,78), междуконцентрацией производства и производительностью труда (гх х = 0,75), фондовооруженностью и заработ-
Р 6
ной платой (гх х = 0,73), заработной платой и производительностью (гх х =
Р 3 V 6
0,76). Поэтому были построены три варианта модели, исключающие одновременное сочетание этих статистически взаимозависимых факторов (табл. 3).
Как мы видим, коэффициенты частной регрессии рассчитанных уравнений имеют высокую достоверность для более чем 99,9% уровня вероятности. Коэффициент аппроксимации (Я2) свидетельствует о том, что каждое из уравнений объясняет вариацию зависимой переменной на 70—80%.
Рис. 4. Парные зависимости показателя удельных налоговых платежей от основных анализируемых факторов
Таблица 3
Характеристика параметров многофакторных моделей для расчета удельных налоговых платежей по районам края (Х9)
Варианты модели и их характеристика Факторы (независимые переменные) Коэф- фициент относи- тельного влияния (Beta) Коэффициент регрессии (В) t-критерий для В Уровень доверительной вероятности (Р) для В, %
1 2 3 4 5 6
1. Я = 0,87 Я2 - 0,76 Р = 41,1 Р > 99,9 Е = 21,3 Общий вид модели 1 X, = -93,2 + 0,69Xj+ 0,36Х2+ 0,61Х7 + 0,07Х8
в„ -93,2 4,68 >99,9
Концентрация, тыс. м3 (Х1) 0,40 0,69 4,53 >99,9
Фондовооруженность, тыс. руб. (Х2) 0,44 0,36 4,87 >99,9
Рентабельность, % (Х7) 0,21 0,61 2,53 >99,8
Себестоимость, руб. (Х8) 0,45 0,07 5,36 >99,9
1 2 3 4 5 6
2. Я = 0,84 Я2 - 0,70 Б = 40,7 Р > 99,9 Е = 23,7 Общий вид модели 2 X, = - 65,66 + 9,36Х3+ 0,54Х5+ 0,05Х8
в„ —65,6 3,75 >99,9
Заработная плата, тыс. руб. (Х3) 0,50 9,36 5,34 >99,9
Прибыль, тыс. руб./чел. (Х5) 0,38 0,54 4,07 >99,9
Себестоимость, руб. (Х8) 0,33 0,05 4,10 >99,8
3. Я = 0,91 Я2 - 0,83 Б = 60,8 Р > 99,9 Е = 18,2 Общий вид модели 3 х9 = -95,1 + 0,28Х2+ 0,13Х6+ 0,60Х7 + 0,06Х8
в„ -95,1 5,68 >99,9
Фондовооруженность, тыс. руб. (Х2) 0,34 0,28 4,30 >99,9
Производительность, м3 (Х6) 0,53 0,13 6,83 >99,9
Рентабельность, % (X,) 0,20 0,60 2,90 >99,9
Себестоимость, руб. (Х8) 0,36 0,06 5,29 >99,9
На приведенной ниже иллюстрации показаны фактические и расчетные значения изучаемой величины (Х9), подтверждающие адекватность полученных статистических моделей {рис. 5).
а.
<9!
♦ Факт —•— Модель 1 —А— Модель 2 —Ж— Модель 3
Рис. 5. Фактические и расчетные значения удельных налоговых платежей (X,) лесопромышленных предприятий по районам Хабаровского края, 2004 г.
Таким образом, полученные статистические зависимости могут быть рекомендованы для среднесрочных прогнозных расчетов и сравнительного анализа различий показателей ЛПК административных районов Хабаровского края. Выбор той или иной модели определяется в зависимости от наличия исходной информации, либо они могут использоваться, одновременно дополняя друг друга, увеличивая надежность расчетных оценок.
Проведенный анализ экономических показателей работы лесной отрасли административных районов Хабаровского края подтвердил их тесную статистическую зависимость от уровня концентрации производства и от других факторов, позволил получить количественные оценки этой зависимости, которые могут быть использованы для практических перспективных и сравнительных расчетов органами управления регионального уровня.
Вместе с тем, несомненный интерес представляет собой и количественная оценка взаимосвязи показателей, складывающаяся непосредственно на уровне предприятий, как для всей их совокупности в крае, так и внутри его отдельных кластеров, учитывая, что пространственные различия условий хозяйственной деятельности могут накладывать определенный отпечаток на количественные характеристики взаимосвязей экономических показателей.
УРОВЕНЬ ПРЕДПРИЯТИЙ. ОБЩАЯ ВЫБОРКА
Анализ количественной взаимозависимости показателей производства на уровне лесопромышленных предприятий Хабаровского края проводился практически по всей их совокупности за 2003—2004 гг. Из анализа были исключены предприятия, представившие неполную информацию, непрофильные предприятия (предприятия, в реализации которых доля лесо-продукци составляла менее 70%), а также «карликовые» предприятия с годовым объемом вывозки древесины менее 5 тыс. м3. Окончательный размер анализируемой выборки составил 222 предприятия-года, на которые в этот период приходилось более 93% общей вывозки древесины всеми предпри-ятиями-арендаторами в крае.
Объединение данных по предприятиям за два смежных года в одну выборку проводилось с целью повышения достоверности статистических результатов. Оно является вполне правомерным, так как исходные выборки по своей природе являются однородными. Значительно (с 9 до 23) был расширен круг и самих факторов, куда кроме ранее рассмотренных вошли дополнительные показатели, включая чисто финансовые (табл. 4).
Для приведения в сопоставимый масштаб степени влияния концентрации производства на экономические показатели для них были рассчитаны
коэффициенты эластичности (Э), которые показывают, на сколько процентов изменится тот или иной показатель при изменении величины предприятия на1%, что и проиллюстрировано на рисунке 6.
Таблица 4
Экономические показатели, используемые для анализа на уровне предприятия
(общая выборка)
Показатель Символ
Размер предприятия (годовой объем вывозки древесины), тыс. м3 х,
Фондовооруженность труда, тыс. руб. на 1 работающего
Среднемесячная заработная плата 1 работающего, тыс. руб.
Фондоемкость, руб. на 1 м3 вывозки древесины Х4
Балансовая прибыль до налогообложения на 1 работающего, тыс. руб. Х5
Производительность труда (выработка) на 1 работающего на лесозаготовках, м3 Х6
Рентабельность производства круглых лесоматериалов, % Х7
Себестоимость 1 м3 производства круглых лесоматериалов, руб. Х8
Уплачено налогов предприятием в расчете на 1 работающего, тыс. руб. х9
Рентабельность предприятия, балансовая прибыль/затраты, % Х10
Чистая прибыль на 1 работающего, тыс. руб. Хл
Специализация (доля лесоматериалов в общей выручке предприятия), % х12
Экспортная доля круглых лесоматериалов в объеме вывозки древесины, % х13
Доля поставок круглых лесоматериалов на переработку, % Х14
Доля поставок круглых лесоматериалов на собственную переработку, % Х15
Доля пиломатериалов в выручке от реализации лесоматериалов, % Х16
Затраты на 1 руб. реализованной продукции предприятия, руб. Х17
Производительность труда (по реализации) на 1 работающего, тыс. руб. Х18
Дебиторская задолженность предприятия (на 1 работающего), тыс. руб. Хи
Кредиторская задолженность перед бюджетом (на 1 работающего), тыс. руб. Х2„
Кредиторская задолженность по зарплате (на 1 работающего), тыс. руб. х21
Соотношение общей кредиторской и дебиторской задолженности, ед. х22
Начислено лесных платежей (на 1 м3 вывезенной древесины), руб. Х23
Все рассматриваемые показатели могут быть разделены на три группы условных по степени влияния на них концентрации производства:
54
1. Влияние незначительное, Э колеблется от —0,2 до 0,1: для показателей
х7, х8, х17, х12, х13, х20, х23.
2. Небольшое влияние, Э колеблется от —0,2 до —0,1 и от 0,1 до 0,2: Х4, Х6,
^14’ ^15’ ^21 И ^22'
3. Заметное влияние, Э имеет значение менее —0,2 и более 0,2: Х3, Х18, Х16,
х9, Х19, х2, х10, Х5и х11.
Рис. 6. Относительное влияние концентрации производства на показатели предприятий
Таким образом, к изменению размеров производства чувствительна большая группа экономических показателей, которые по мере его увеличения существенно улучшаются. В основном эти связи на уровне предприятий, как и на уровне административных районов, имеют линейный характер, и зависимость прослеживается довольно четко, что наглядно показано на примере показателя налоговых платежей (рис. 7).
450 400
ю >4 о_ 350
о 300
н 2 250
о 3 200
У га 150
н о 100
ю П] о. 50
0
У9 = 0,53X1+ 69,5 = 0,52; = 0,27
1
I II 1 ]\А~1сг х
И1 Я 1, т -- р—•
ртц ][} ^ V/ V 41
50 100 150 200 250
Объем вывозки, тыс. м3
300
350
400
Рис. 7. Зависимость удельных налоговых платежей от размера лесозаготовительного предприятия
П. Негодяев, О. В. Козлова
Несмотря на то, что при многофакторном анализе предприятий мы охватываем более широкий круг показателей, чем при аналогичном анализе сложившихся взаимосвязей на уровне административных районов, многофакторная модель, характеризующая удельные налоговые платежи, здесь получилась менее адекватной, чем в первом случае. Если модели для агрегированных показателей административных районов имеют коэффициенты аппроксимации 0,70—0,83, то аналогичная модель для всей совокупности предприятий края с большим числом факторов имеет коэффициент аппроксимации 0,61 (табл. 5), что обусловлено более высоким уровнем разнообразия показателей предприятий, чем сводных показателей районов.
Таблица 5
Характеристики многофакторной линейной модели для показателей налоговых платежей (Х9) всей совокупности предприятий-арендаторов
Общий вид уравнения и его характеристика
Х9 = 12,5+0,24Х1+2,10Х3+0,10Х5 - 0,45Х13+0,13Х18+0,22Х23
(R=0,78; R2 =0,61; F=59; р<0,000; стандартная ошибкааппроксимации Е = 44)
Фактор Коэф- фициент относи- тельного влияния (Beta) Коэффициент регрессии (В) 1 — критерий ДЛЯ коэффициента регрессии В Уровень доверительной вероятности (р) для В, %
Концентрация, тыс. м3 х, 0,24 0,24 4,4 99,9
Зарплата, тыс. руб. х, 0,10 2,10 2,0 95,3
Удельная балансовая прибыль до налогообложения тыс. руб. Х5 0,11 0,10 2,1 96,2
Экспортная доля круглых лесоматериалов в объеме вывозки древесины, % Х13 -0,18 -0,45 3,9 99,9
Реализация продукции на 1 работающего, тыс. руб. Х18 0,58 0,13 10,5 99,9
Начислено лесных платежей на 1 м3 вывезенной древесины, руб. Х23 0,19 0,22 4,2 99,9
Тем не менее построенная модель дает полезную информацию для анализа. По степени относительного влияния, учитывая уровень вариации как зависимой, так и независимых переменных, самым сильным фактором в данной модели является Х18, характеризующий производительность труда в стоимостном выражении. На втором месте стоит концентрация производства. За ним следуют удельные лесные платежи, экспортная доля, балансовая прибыль и заработная плата.
Фактор Х13 (экспортная доля) проявляется со знаком минус, что на первый взгляд кажется не совсем логичным. Тем не менее это вполне объяснимо и обусловлено изменением направления экспорта в пользу КНР, где цены ниже, чем на рынке Японии. В Китай поставлялось лесоматериалов в 2003 г. 60%, в 2004 г. 55% от общего объема краевого экспорта, а в Японию только 29 и 34% соответственно. При этом цены ФОБ за 1 м3 лесоматериалов в КНР составляли в 2003 г. 86%, а в 2004 г. только 77% от японских.
Следует обратить внимание, что в данной модели значимым оказался фактор удельных лесных платежей, в определенной степени характеризующий состояние лесосырьевых баз предприятий.
АНАЛИЗ ПО КЛАСТЕРАМ
Для логического завершения системы расчетов желательно было бы их провести для предприятий лесопромышленного комплекса каждого административного района, однако это не представляется возможным, так как в некоторых районах действует всего по нескольку лесопромышленных предприятий, и соответственно статистическая база для исследования недостаточна. С другой стороны, отдельные районы по показателям лесопромышленной деятельности достаточно близки друг к другу, что дает основание для объединения их в относительно однородные кластеры для целей наших расчетов.
Кластерный анализ проводился по 10 из 14 районов Хабаровского края. Четыре незначительных по лесопромышленной деятельности района—Амурский, Бикинский, Вяземский, им. Полины Осипенко, удельный суммарный вес которых в лесозаготовках Хабаровского края составил в 2004 г. менее 4%, — были исключены из дальнейших расчетов. Оставшиеся 10 административных районов объединены в 5 кластеров на основе близости по следующим шести показателям: средний размер предприятий, фондовооруженность, удельная балансовая прибыль, рентабельность производства круглых лесоматериалов, удельная выплата налогов, а также средний запас древесины на гектаре лесопокрытой площади (лесоресурсный фактор).
Для анализа близости использовался метод к-средних, в качестве метрики — квадрат евклидова расстояния.
По результатам анализа (в порядке размещения с севера на юг) в I кластер вошли граничащие между собой Николаевский и Ульчский административные районы, лесопромышленные предприятия которых примыкают к сплавным путям, II — Солнечный, Комсомольский, Ванинский, с предприятиями, примыкающими к железнодорожным путям. В III кластер был выделен са-
мый западный в крае Верхнебуреинский район, в IV — смежные Нанайский и Советско-Гаванский районы, в V — самые южные в крае Хабаровский и им. Лазо районы (табл. 6).
Таблица 6
Характеристика лесопромышленных кластеров края (2004 г.)
Средний размер предприятия по вывозке, тыс. м3/ год (Х1) Фондовооруженность труда, тыс. руб./ чел. (Х2) Удельная балансовая прибыль до налогообложения, тыс. руб./ чел. (Х5) Рентабельность производства круглых лесоматериалов, % (X,) Уплачено налогов предприятием, тыс. руб./чел.-год (Х9) Средний запас древесины на лесопокрытых землях, м3/га Количество предпри- ятий
Клас- теры Административный район в рай- оне в клас- тере
I Николаевский 38,6 121 49 22 116 133 7 19
Ульчский 72,3 132 60 14 101 133 12
Комсомольский 53,2 227 139 29 124 115 15
II Ванинский 98,4 205 75 26 171 115 14 44
Солнечный 104,3 189 114 23 160 115 15
III Верхне- буреинский 40,7 90 22 14 156 115 15 15
Нанайский 24,2 104 29 21 62 115 7
IV Советско- Гаванский 52,2 135 58 28 96 115 8 15
V им. Лазо 31,7 146 45 15 114 115 22 29
Хабаровский 35,6 153 49 22 127 124 7
Для увеличения объема выборки исходные данные по предприятиям, как и ранее, были взяты за два смежных года.
Анализ взаимосвязи экономических показателей внутри выделенных кластеров подтвердил гипотезу о пространственном различии количественных оценок этих взаимосвязей, в частности, влияния концентрации производства на различные показатели экономической деятельности лесопромышленных предприятий. Как и следовало ожидать, оценки влияния во II, самом большом, кластере близки к оценкам, полученным для всей совокупности предприятий, но по остальным четырем кластерам они имеют существенные различия.
Так, максимальное влияние среднего размера предприятия на фондовооруженность сложилось в IV, самом небольшом по объемам заготовки кластере — коэффициент эластичности 0,89. Минимальная оценка для этого показателя — в I и V кластерах, коэффициент эластичности 0,31 и 0,32 соответственно при его среднем значении для всей совокупности предприятий 0,45.
Только в III кластере отмечается положительное влияние роста концентрации производства на такие показатели, как доля лесоматериалов, направляемых на собственную переработку, и доля пиломатериалов в выручке от реализации лесопродукции. Во всех остальных кластерах по мере роста производства эти показатели, характеризующие уровень переработки сырья, убывают.
Довольно равномерно влияет концентрация производства по кластерам на показатель удельной выплаты налогов — коэффициент эластичности 0,27—0,37, за исключением I кластера, где коэффициент эластичности равен 0,15. Такая устойчивость объясняется постоянным контролем этого показателя исполнительной властью субъекта РФ.
Многофакторный анализ по кластерам сложившегося влияния показателей на удельные выплаты налогов (Х9) показал еще большие различия. В ряде случаев здесь пространственно различаются не только количественные оценки влияния факторов, но и сам их состав (табл. 7). При этом полученные по кластерам зависимости во всех случаях, с точки зрения их адекватности, имеют лучшие характеристики, чем рассчитанные для всей совокупности предприятий.
Таблица 7
Влияние факторов на удельные выплаты налогов по кластерам лесопромышленных предприятий Хабаровского края, 2003-2004 гг.
Кластер № Общий вид уравнения Б Я2 х9* Е а Ег
В целом по краю 222 Х9 = 12,5+0,24Х1+2,10Х3+0,10Х5-0,45Х13+0,13Х18+0,22Х23 59 0,61 101 44 43
I 33 Х9 = -71,9+0,11Х6+0,064Х8+ 1,94Х10-3,64Х22 +0,ЗЗХ23 11 0,67 84 33 39
II 80 х9 = 17,0+0,22Х1+2,72Х3+ 0,19Х5 - 0,65Х13 +0,13Х18+0,32Х23 30 0,71 125 45 36
III 25 Х9 = 228,0+0,59Х- 9,37Х3-2,17Х12 +0,18Х18 24 0,83 98 30 31
IV 26 Х9 = 148,3+0,27Х2+0,05Х6 -0,73Х12-0,83Х13-2,03Х14+ 0,074Х18 - 6,07X^+0,42X23 29 0,93 88 17 19
V 39 Х9 = -18,8+0,31Х2+11,1Х3+ 0,35Х11 +0,41Х14+0,48Х19-0,14Х20 12 0,70 91 37 41
Примечание: Х9* — среднее фактическое значение показателя по кластеру; Еа — стандартная ошибка оценки по уравнению в натуральном измерении, Ег — стандартная ошибка оценки по уравнению в %.
П. Негодяев, О. В. Козлова
Как показывают данные таблицы 7, с точки зрения относительного влияния факторов на удельные выплаты налогов кластеры существенно различаются, и построенные для них модели отличаются от модели для всей совокупности предприятий. Уравнение для I кластера значительно отличается от общей модели по составу факторов, тем не менее оно имеет более высокий коэффициент аппроксимации (Я2) и, следовательно, дает меньшую стандартную ошибку оценки в практических расчетах. Во II кластере значимыми в расчетах для более чем 95%-ного уровня вероятности оказались те же факторы, что и в общей модели, но они несколько изменили степень своего влияния. В результате совокупные оценки модели также улучшились. Для III кластера получена самая короткая модель из четырех факторов, но она оказалась более адекватной, чем перечисленные выше. В нее вошел со знаком минус фактор специализации предприятий (Х12), которого не было в предыдущих моделях. Это говорит о том, что в данном кластере лесопромышленные предприятия, производящие в дополнение к основной деятельности иную продукцию и услуги, платят больше налогов. Правда, по степени своего влияния данный фактор в оценке налоговых платежей занимает последнее, четвертое место. В уравнении для IV кластера значимым оказалось самое большое количество факторов — восемь. Это уравнение имеет самый высокий коэффициент аппроксимации и наименьшую стандартную ошибку оценки. Здесь показатель Х14 оказался значимым со знаком минус. Это говорит о том, что увеличение поставки круглых лесоматериалов на переработку (в основном лесопиление) пока еще, как правило, не играет положительной роли в экономике предприятий. Зато в V, самом южном, кластере доля переработки (Х14) оказалась с положительным знаком, т. е. на юге края уже наметилась тенденция улучшения экономики предприятий с увеличением доли сырья, направляемого на дальнейшую переработку.
Проведенный анализ подтвердил целесообразность выделения кластеров лесопромышленных предприятий. Расчеты по ним позволили получить различные имеющие свою специфику и более адекватные зависимости для анализа влияния концентрации производства на экономические показатели предприятий, а также многофакторные модели, описывающие зависимость формирования налоговых платежей от факторов, которые могут быть использованы в практических расчетах на различных уровнях управления лесной промышленностью края.
