CC BY
48
УДК 911.3:332 DOI: 10.24411/1816-1863-2019-12025
ТРЕНДОВЫЕ МОДЕЛИ Н. В. Яковенко, д. г. н., доцент,
СОЦИАЛЬНО-
о>
О
о -1 X х
CD
Г)
заведующий кафедрой социально-экономической географии ЭКОНОМИЧЕСКОГО и регионоведения,
ПРОГНОЗИРОВАНИЯ П- А- Канапухин, д. э. н., доцент, о
- заведующий кафедрой маркетинга, ^
РАЗВИТИЯ ВОРОНЕЖСКОЙ е. В. Мишон, д. э. н, профессор ®
ОБЛАСТИ по кафедре экономики труда §
о
г>
и основ управления, Т. А. Ромащенко, д. э. н., профессор по кафедре экономики, маркетинга и коммерции, И. В. Комов, к. г. н., доц. кафедры р
социально-экономической географии и
ирегионоведения, е
Р. В. Тен, аспирант кафедры С
социально-экономической географии в
и регионоведения,
Воронежский государственный Г
университет, [email protected],
о тз
г. Воронеж, Россия о
с О
X
о
ы ш
п
-I
оз
В современных условиях система управления территорий становится необходимым условием развития любого российского региона. Для эффективности данного процесса необходимо создавать определенные условия, которые дали бы возможность применять наиболее адекватные методы управления. Одним из таких условий может выступить прогнозирование социально-экономических показателей развития региона. Цель работы — прогнозирование социально-экономического развития Воронежской области на основе трендовых моделей. Методы и модели исследования. Использованы эконометрические модели как основа для по- Q иска и формирования варианта будущего развития. В ходе исследования был проведен ситуационный анализ социально-экономического развития региона, позволивший обобщить группу показателей, характеризующих социально-экономические, политические и другие процессы, протекающие в социально-экономической системе региона. Эта группа показателей легла в основу построения трендовых моделей социально-экономического прогнозирования развития Воронежской области.
Заключение. Приведенные прогнозные расчеты могут быть использованы региональными органами власти для обоснования стратегии и политики социально-экономического развития, а также подготовке рекомендаций по решению первоочередных социально-экономических проблем на основе компьютерной системы анализа проблемных ситуаций.
Under modern conditions, the management system of areas becomes a necessary pre-requisite for the development of any Russian region. To make this process more efficient, it is necessary to create certain conditions that would make it possible to apply the most appropriate management methods. One of these conditions may be the forecasting of socio-economic indicators of a region development. The aim of the research is the forecasting of the social and economic development of the Voronezh Region in terms of trend models.
Research methods and models. The econometric models are used as a basis for the search and formation of future development options. The situational analysis of the socio-economic development of the Voronezh Region was carried out in the course of the research. It allowed us to summarize a group of indicators characterizing the socio-economic, political and other processes taking place in the socio-economic system of the region. This group of indicators formed the basis for the creation of trend models of socio-economic forecasting of the Voronezh Region development.
Conclusion. The given forecast calculations can be used by regional authorities to justify the strategy and policy of socio-economic development, as well as to prepare recommendations for solving priority socioeconomic problems on the basis of a computer system for analyzing problem situations.
Ключевые слова: социально-экономическое развитие, тренды, прогнозирование, Воронежская область.
Keywords: socio-economic development, trends, forecasting, the Voronezh Region. 25
№2, 2019
о
т
I-
и
со О X
О ^
и а
О ^
О
о
и
Ш
IX
О ^
I-
и
и о
X
и о с
о
со ф
Ю ч;
О ^
и Ф т
О
Введение
В современных условиях система управления территорий становится необходимым условием развития любого российского региона. Для эффективности данного процесса необходимо создавать определенные условия, которые дали бы возможность применять наиболее адекватные методы управления. Одним из таких условий может выступить прогнозирование социально-экономических показателей развития региона. Прогнозирование — это сложный многоэтапный процесс, в котором необходимо решить множество разноплановых проблем и теоретического, и практического характера. Основой инструментария прогнозирования являются методы прогнозирования, которых насчитывается более двухсот, и каждый из которых имеет свою область применения и обладает определенными особенностями [3, 4, 6, 10]. В социально-экономической литературе (и российской, и зарубежной) можно найти достаточное количество исследований, посвященных применению методов математического моделирования в прогнозировании различных показателей социально-экономического развития региона [1, 2, 5, 6—11].
Цель исследования — прогнозирование социально-экономического развития Воронежской области на основе трендовых моделей.
Модели и методы. Использованы эко-нометрические модели как основа для поиска и формирования варианта будущего развития.
Результаты и обсуждение
Для Воронежской области анализ и прогнозирование социально-экономических показателей является наиболее актуальной задачей, что обусловлено принятием новой Стратегии социально-экономического развития Воронежской области до 2035 г. Цель разработанной Стратегии состоит в «...выявлении и раскрытии ключевых проблем, определении системы долгосрочных целей, обосновании приоритетных направлений и задач развития экономики и социальной сферы Воронежской области на период до 2035 г.» [6].
В ходе исследования был проведен ситуационный анализ социально-экономи-
Рис. 1. Основные этапы прогнозной экстраполяции
ческого развития региона, позволивший обобщить группу показателей, характеризующих социально-экономические, политические и другие процессы, протекающие в социально-экономической системе региона. Эта группа показателей легла в основу построения трендовых моделей социально-экономического прогнозирования развития Воронежской области. Трендовые модели были созданы для прогнозирования ситуации о динамике социально-экономического развития региона за длительный период времени (1996—2017 гг.) и на предстоящий период времени (2018—2020 гг.).
В основу построения трендовых моделей развития и прогноза социально-экономического развития Воронежской области легла гипотеза о том, что основные тенденции и прошлого, и прогнозного развития (до 2020 г.) будут сохранены. В качестве основного метода прогнозирования был использован метод прогнозирования на основе временного ряда — одномерный метод, базирующийся на экстраполяции. При этом подходе изменение показателей связывают с течением времени, а не с воздействием факторов, и это проявляется в образовании одномерных временных рядов. Основные этапы экстраполяции можно представить в виде схемы (рис. 1).
В результате работы по выбору вида математической модели прогноза получаем картину обобщенных характеристик, куда включены разные параметры.
Для большинства прогнозируемых социально-экономических показателей наи-
у1 = -31,973х3 + 2047,2х2 -- 18141х + 36674
Модель для прогнозирования инвестиций в основной капитал К = 0,99
у2 = 137,11х1'935
Модель для прогнозирования
инвестиций в промышленность К = 0,86
у3 = -0,29х4 + 17,15х3 -- 238,1х2 + 1224,6х = 1448,2 Модель для прогнозирования инвестиций в сельское хозяйство К = 0,97
у5 = 592,2х2 - 4768,3х + + 15566 Модель для прогнозирования объема сельскохозяйственного производства К = 0,99 у6 = -20,616х3 + 3389,1х2 -- 26 372х + 69326 •Модель для прогнозирования ВРП • К = 0,99 у7 = -0,544х4 + 24,5х3 -- 269,1х2 + 1340,4х - 1 •Модель для прогнозирования доходов населения ■К = 0,99 у8 = -0,13х3 + 7,4х2 -- 56,52х + 691,41 •Модель для прогнозирования объема строительства ■К = 0,95
у9 = -9,66х3 + 570,5х2 -- 4938,1х + 10025 •Модель для прогнозирования объемов платных услуг населению • К = 0,99 у10 = -39,6х3 + 2806,5х2 -- 21920х + 50719 •Модель для прогнозирования оборота розничной торговли • К = 0,99 у11 = -6,75х3 + 394,8х2 -- 2821,8х + 86487 •Модель для прогнозирования объема налоговых поступлений ■К = 0,99 у12 = 6097,2х - 24935 •Модель для прогнозирования доходов консолидированного бюджета • К = 0,96
у13 = -2,98х + 115,4 •Модель для прогнозирования численности безработных • К = 0,99 у14 = 0,54х2 - 22,15х + + 2554,1 •Модель для прогнозирования численности населения ■К = 0,96
У4
1203,3х2 - 526,3х + + 18195 Модель для прогнозирования объема промышленного производства К = 0,99
О) *
О
О -1 X х
СО
Г) *
о ^
б
со
ы
о ^
0
Г)
1
о
Г)
Г) -I
тз
о
-I
со
О-
г>
-I
оз О
о тз о ш
Г) *
О
Рис. 2. Трендовые модели для прогнозирования социально-экономических показателей
развития Воронежской области
Точность прогноза
Прогнозные параметры Точность прогноза, % 2018 г. 2019 г. 2020 г.
Точечный прогноз Доверительные интервалы Доверительные интервалы
Нижняя граница Верхняя граница Нижняя граница Верхняя граница
Инвестиции в основной 83 312 401,8 330 566,3 331 616,3 348 786,5 350 775
капитал
Инвестиции 79 61 583,3 63 276,3 63 382,1 64 956,1 65 194,1
в промышленность
Инвестиции в сельское 70 31 174,3 31 130,0 31 218,6 31 128,3 31 220,3
хозяйство
Объем промышленного 88 515 727,2 537 253,0 552 109,0 572 569,4 574 700
производства
Объем сельскохозяйст- 80 218 476,5 233 548,9 240 580,9 253 498,8 257 807,7
венного производства
ВРП 88 1 015 771,8 1 079 402,7 1 098 811,5 1 158 911,9 1 165 972,8
Доходы населения 88 31 989,7 33 189,0 34 431,0 35 333,3 35 927,5
Объем строительства 91 1687,2 1687,2 1687,2 1444,2 1930,2
Объем платных услуг 86 131 383,9 137 547,5 140 235,5 145 163,2 147 635,2
населению
Оборот розничной 88 548 793,6 573987,9 587 193,9 597 776,4 626 999,9
торговли
Объем налоговых 86 70 441,9 72 876,6 76 276,8 77 925,4 79 497,6
поступлений
Доходы консолидиро- 89 119 928,2 123 730,3 125 966,8 131 697,0 132 005,5
ванного бюджета
Численность безработных 87 46,7 40,0 59,0 17,9 63,5
Численность населения 99 2334,4 2319,1 2349,1 2319,1 2383,8
х о
ы
Г) -I
оз О
о
m i-
U
w
CO
О X
О ^
и а О СР
О
о
са
U
Ш
IX
О СР
I-
и
и о
X
и о
с
о
со Ф
vo
О ^
U
ш
т
о (Г)
более предпочтительной выступает полиномиальная функция со степенями от 2 до 4. Моделям прогнозирования дохода консолидированного бюджета и численности безработных соответствуют линейные функции. Тогда как наиболее верно модели прогнозирования инвестиций в промышленность соответствует степенная функция.
Коэффициент детерминации — Я2 имеет диапазон 0,86—0,99, что подтверждает точность и достоверность прогноза. В таблице представлены результаты расчета точности прогноза (в %), которая рассчитывается по приведенной ниже формуле:
ß = 100 - ma,
(1)
где ma — средняя относительная ошибка.
Заключение
Таким образом, анализ полученных данных на основе трендовых моделей и с учетом предположения о сохранении сложившихся тенденций социально-экономического развития Воронежской области на перспективу, можно сформулировать следующие выводы:
1. Объем инвестиций в основной капитал продолжит поступательное движение в сторону увеличения до целевых показателей в 350 000 млн руб.
2. Инвестиции в промышленное производство после резкого падения в 2017 г. с 90 000 до 60 000 млн руб. начнут постепенно расти. Однако здесь стоит учитывать создание Особой экономической зоны на территории Воронежской области, что может привести к резкому скачку инвестиций в промышленное производство выше пределов границ доверительных интервалов.
3. Инвестиции в сельскохозяйственное производство показывают, что вокруг линии тренда с 2007 г. наблюдается ярко выраженный 6-летний цикл, включающий в себя 3-летнюю фазу стремительного роста, и 3-летнюю фазу стагнации на определенном уровне. В том случае, если эта тенденция сохранится, то в 2018—2020 гг. объем инвестиций будет сохраняться на уровне 31 000—32 000 млн руб./год.
4. Объемы промышленного и сельскохозяйственного производства после стаг-
нации в 2016 и 2017 годах соответственно возобновят свой рост, и к 2020 г. произойдет рост ВРП с 1 000 000 млн руб. (2017 г.) до 1 200 000 млн руб.
5. Интенсивный рост объема строительства жилья, который наблюдался в период с 2012 по 2015 г. (на 60 %), имеет тенденцию плавного замедления, и в ближайшие 3 года этот показатель будет находиться на уровне 1700 тыс. м2 жилой площади в год.
6. Оборот розничной торговли, также, как и объем платных услуг населению (согласно прогнозу) будут ежегодно расти, что, безусловно, является положительным моментом для развития социально-экономической системы региона в целом.
7. Можно ожидать увеличения налоговых поступлений до 80 000 млн руб. к 2020 г. и, как следствие, увеличение доходной части бюджета до 130 000 млн руб. в год.
8. Рассматривая показатели социального развития, следует отметить тот факт, что на прогнозный период положительных сдвигов ожидается намного меньше, чем в экономическом развитии. Так, например, реальные среднедушевые доходы населения за 3 года должны увеличиться с 29 тыс. до 35 тыс. руб./в месяц (что составляет ориентировочно 7—8 % в год, и эта цифра никак не покрывает 20 %-й размер реальной годовой инфляции).
9. Среди позитивных сдвигов в социальной сфере следует отметить четкий линейный тренд на снижение количества безработных (120 тыс. чел. (1996 г.) до 50 тыс. чел. (2017 г.), и прогнозная оценка составляет 40 тыс. чел. (2020 г.).
10. Рассматривая тренды динамики численности населения, можно наблюдать отчетливый тренд на сокращение (до 2011 г. включительно), тогда как в период с 2012 по 2017 г. численность населения стабилизировалась и составляет 2335 тыс. чел. Однако следует уточнить, что такой тренд создан исключительно «искусственным путем» за счет положительного миграционного притока, главным образом, из приграничных территорий Украины, тогда как показатель естественного прироста ежегодно остается отрицательным. Этот фактор является риском для устойчивости социально-экономического развития Воронежской области.
Таким образом, приведенные про- также подготовке рекомендаций по ре-
гнозные расчеты могут быть использо- шению первоочередных социально-эко- к
ваны региональными органами власти номических проблем на основе компью- §
для обоснования стратегии и политики терной системы анализа проблемных си- г
социально-экономического развития, а туаций. ч
ш
п ^
Библиографический список о
е
1. Бережная Е. В. Математические методы моделирования экономических систем. Е. В. Бережная, 3 В. И. Бережной. М.: Финансы и статистика. 2003. 368 с. §
2. Исмиханов З. Н., Нажмутдинова С. А., Абдулаев Н. А. Трендовые модели для прогнозирования о социально-экономического развития региона (на материалах Республики Дагестан). Экономика н и предпринимательство. 2015. № 3—2. С. 307—311. О
3. Комов И. В., Яковенко Н. В. «Кластер» как сложная организационно-экономическая система: ь
О
подходы к дефиниции понятия. Известия Тульского государственного университета. Науки о Земле. 2016. № 1. С. 188—196.
ТЗ О m
г>
4. Нижегородцев Р. М., Пискун Е. И., Кудревич В. В. Прогнозирование показателей социально- О экономического развития региона. Экономика региона. 2017. Т. 13. Вып. 1. С. 38—48. е
5. Яковенко Н. В., Диденко О. В. Современное состояние и приоритеты в развитии малого и сред- л него предпринимательства Воронежской области / Известия Тульского государственного универ- Т ситета. Науки о Земле. 2017. № 2. С. 186—195. а
6. 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. _0
7. Яковенко Н. В. Модель устойчивого развития и социально-экономический мониторинг города // Проблемы региональной экологии. 2010. № 3. С. 118—126.
8. Best M. Silicon Valley and the resurgence of Route 128: Systems integration and regional innovation. Ed. о By J. Dunning. Regions, globalization, and the knowledge-based economy. Oxford, UK: Oxford Univer- г sity Press, 2000. PP. 459—484. — DOI: 10.1093/0199250014.001.0001. 0
9. Gourinchas P., Rey H. External Adjustment, Global Imbalances, Valuation Effects. NBER Working Pa- ° per, 2013. 68 р. Retrieved from http://www.nber.org/papers/w19240.pdf. (дата обращения 26.01.2016). я DOI: 10.3386/w19240. с
10. OhUallachain B., Leslie T. F. Rethinking the regional knowledge production function // Journal of В Economic Geography. 2007. Vol. 7 (6). PP. 737—752. DOI: 10.1093/jeg/lbm027. Q
11. Regional clusters and economic development: а research agenda/ M. Enright, U. Staber, N. Schaefer, B. Sharma. Business networks: Prospects for regional development. Berlin, Germany: de Gruyte, 1996. PP. 190—214. DOI (Chapter): 10.1515/9783110809053.190, DOI (Book): 10.1515/9783110809053.
12. Weisbrod G. Models to Predict the Economic Development Impact of Transportation Projects: Historical Experience and New Applications. Annals of Regional Science, 2007. 25 p. Retrieved from http:// www.edrgroup.com/pdf/models-topredict-the-eco.pdf (дата обращения 03.12.2015). DOI: 10.1007/ s00168-007-0184-9.
13. Yakovenko N. V., Komov I. V., Didenko O. V., Drobyshev E. A. Khudyakova T. M. Regional socioeconomic-geographical system: Definition concepts. Indian Journal of Science and Technology. 2016. Vol. 9. Is. 16. DOI: 10.17485/ijst/2016/v9i16/90614.
TREND MODELS OF SOCIAL AND ECONOMIC FORECASTING OF THE VORONEZH REGION DEVELOPMENT
N. V. Yakovenko, Ph. D. (Geography), Dr. Habil., Associate Professor, Head of the Department of Socio-economic geography and regional studies, P. A. Kanapukhin, Ph. D. (Economics), Dr. Habil., Associate Professor, Head of the Department of Marketing,
E. V. Mishon, Ph. D. (Economics), Dr. Habil, Professor of the Department of Labor economics and principles of management,
T. A. Romashchenko, Ph. D. (Economics), Dr. Habil., Professor of the Department of Economics, marketing and commerce,
I. V. Komov, Ph. D. (Geography), Associate Professor of the Department of Socio-economic geography and regional studies,
R. V. Ten, post-graduate student of the Department of Socio-economic geography
and regional studies, Voronezh State University, [email protected], Voronezh, Russia
D m i-
U
w
CO
О X
О ^
и a О CP
О
a
ca
U
CD iX О CP
I-
u
и о
X
и a с
О
со ф
VO ч;
О ^
U
ш
т
о (Г)
References
1. Berezhnaya E. V. Matematicheskie metody modelirovaniya ekonomicheskih system [Mathematical methods of economic systems modelling]. E. V. Berezhnaya, V. I. Berezhnoy. Moscow: Finansy i statistika. 2003. 368 p. [in Russian]
2. Ismikhanov Z. N., Nazhmutdinova S. A., Abdulaev N. A. Trendovye modeli dlja prognozirovanija so-cialno-jekonomicheskogo razvitija regiona (na materialah Respubliki Dagestan) [Trend models for forecasting of social and economic development of the region: a case study of the Republic of Dagestan]. Je-konomika i predprinimatelstvo. 2015. No. 3—2. P. 307—311.[in Russian]
3. Komov I. V., Yakovenko N. V. "Klaster" kak slozhnaya organizacionno-ekonomicheskaya sistema: pod-hody k definicii ponyatiya ["Cluster" as a complex organizational and economic system: approaches to the definition of the concept]. Izvestiya Tulskogo gosudarstvennogo universiteta. Nauki o Zemle. 2016. No. 1. P. 188—196. [in Russian]
4. Nizhegorodtsev R. M., Piskun E. I., Kudrevich V. V. Prognozirovanie pokazatelej socialno-ekonom-icheskogo razvitiya regiona [Forecasting of indicators of social and economic development of the region]. Ekonomika regiona. 2017. Vol. 13. No. 1. P. 38—48. [in Russian]
5. Yakovenko N. V., Didenko O. V. Sovremenoe sostoyanie i prioritety v razvitii malogo i srednego pred-prinimatelstva Voronezhskoj oblasti [Current state and priorities in the development of small and medium-sized enterprises in the Voronezh Region]. Izvestiya Tulskogo gosudarstvennogo universiteta. Nauki o Zemle. 2017. No. 2. P. 186—195. [in Russian]
6. Yakovenko N. V. Konceptual'nye aspekty formirovaniya i razvitiya klasterov v social'no-ehkonomiko-ge-ograficheskoj sisteme regiona [Conceptual aspects of the formation and development of clusters in the socio-economic and geographical system of the region, N. V. Yakovenko, I. V. Komov, O. V. Didenko, E. A. Drobyshev. Problemy regional'noj ehkologii. 2015. No. 6. P. 61—66. [in Russian]
7. Yakovenko N. V. Model' ustojchivogo razvitiya i social'no-ehkonomicheskij monitoring goroda [Sustainable development model and socio-economic monitoring of the city]. Problemy regional'noj ehkologii. 2010. No. 3. P. 118—126. [in Russian]
8. Best M. Silicon Valley and the resurgence of Route 128: Systems integration and regional innovation. Ed. by J. Dunning. Regions, globalization, and the knowledge-based economy. Oxford, UK: Oxford University Press, 2000. P. 459—484. DOI: 10.1093/0199250014.001.0001.
9. Gourinchas P., Rey H. External Adjustment, Global Imbalances, Valuation Effects. NBER Working Paper, 2013. 68 р. Retrieved from http://www.nber.org/papers/w19240.pdf. (date of access 26.01.2016). DOI: 10.3386/w19240.
10. OhUallachain B., Leslie T. F. Rethinking the regional knowledge production function. Journal of Economic Geography. 2007. Vol. 7 (6). P. 737—752. DOI: 10.1093/jeg/lbm027.
11. Regional clusters and economic development: a research agenda/ M. Enright, U. Staber, N. Schaefer, B. Sharma. Business networks: Prospects for regional development. Berlin, Germany: de Gruyte, 1996. PP. 190—214. DOI (Chapter): 10.1515/9783110809053.190. DOI (Book): 10.1515/9783110809053.
12. Weisbrod G. Models to Predict the Economic Development Impact of Transportation Projects: Historical Experience and New Applications. Annals of Regional Science, 2007. 25 p. Retrieved from http:// www.edrgroup.com/pdf/models-topredict-the-eco.pdf (дата обращения 03.12.2015). DOI: 10.1007/ s00168-007-0184-9.
13. Yakovenko N. V., Komov I. V., Didenko O. V., Drobyshev E. A.. Khudyakova T. M. Regional socioeconomic-geographical system: Definition concepts. Indian Journal of Science and Technology. 2016. Vol. 9. No. 16. DOI: 10.17485/ijst/2016/v9i16/90614.
30
№2, 2019
