CC BY
8
Pidlypna, R. P. "Teoretyko-metodolohichni osnovy sotsi-alnoi bezpeky" [Theoretical and methodological foundations of social security]. Naukovyi visnyk Uzhhorodskoho universytetu. Seriia «Ekonomika», no. 1 (1) (2015): 97-100.
"Statystychnyi shchorichnyk Poltavskoi oblasti za 2017 rik" [Statistical Yearbook of Poltava Oblast for 2017]. http:// www.pl.ukrstat.gov.ua/main/all_page/publikacii/zved/zbirn/ titul_zbirn.htm
Sait Poltavskoi oblasnoi derzhavnoi administratsii. http:// www.adm-pl.gov.ua/
Sverdan, M. M. "Rehionalna ekonomika ta ekonomichna bezpeka rehionu" [Regional economy and economic security of the region]. Naukovyi visnyk Khersonskoho derzhavnoho universytetu, no. 1 (2013): 46-52.
Varnalii, Z. S., and Bilyk, R. R. Ekonomichna bezpeka ta konkurentospromozhnist rehioniv Ukrainy [Economic security and competitiveness of Ukraine's regions]. Chernivtsi: Tekhno-druk, 2018.
Yazliuk, B. O. "Teoretychni osnovy sutnosti ta zmistu sotsialno-ekonomichnoi bezpeky" [Theoretical foundations of the essence and content of socio-economic security]. Ekonomi-chnyi analiz, vol. 16, no. 1 (2014): 149-154.
Zavora, T. M. "Teoretyko-metodychni pidkhody do otsini-uvannia rivnia natsionalnoi bezpeky u sotsialnii sferi v umovakh systemnoi transformatsii i rozvytku" [Theoretical and methodical approaches to the assessment of the level of national security in the social sphere in the conditions of system transformation and development]. Ekonomika irehion, no. 6 (2015): 34-41.
Zavora, T. M., and Chepurnyi, O. V. "Kompleksna systema monitorynhu sotsialnoi bezpeky rehionu" [Integrated system for monitoring the social security of the region]. Sotsialno-ekonomichni problemy adaptatsii realnoho sektora v suchasnykh umovakh. Donetsk: Tsyfrova typohrafiia, 2013. 20-23.
УДК 330.341.1. 332.1(477) JEL: R11; R13
ВПЛИВ1ННОВАЦ1ЙНО-1НВЕСТИЦ1ЙНОТ Д1ЯЛЬНОСТ1 НА РЕГ1ОНАЛЬНУ КОНКУРЕНТОСПРОМОЖЖСТЬ
®2019 РОМАНКО О. П., БОДНАРУК I. Р.
УДК330.341.1. 332.1(477) JEL: R11; R13
Романко О. П., Боднарук I. Р. Вплив шновацшно-швестицшноУ дiяльностi на репональну конкурентоспроможшсть
У данй cmammi вперше використовуеться економко-статистичн методи для досл'дження взаемовпливу Нновац1йночнвестиц1йно1 д'яльностi та конкурентоспроможностi на p'rniрегону. Для комплексного досл/дження шдив'дуального та стльного впливу конкурентоспроможностiре-гону та його iнновацiйно-iнвесmицiйно¡ дяльностi застосовуеться тест Грейнджера та кореляцтно-регрестний анал'з. Тест Грейнджера дае можливкть визначити причинно-насл'дковiзв'язки м/ж показниками iнновацiйно¡та iнвесmицiйно¡д'яльностiрегону. Визначено та згруповано пари показнит iнновацiйно-iнвесmицiйно¡регонально¡'д'тльностiу в'дпов'дностi до наявностi зв'язку, сили та напряму впливу. Кореляцтно-ре-гресйний анал'в застосовуеться для визначення регюнального впливу iнновацiйно-iнвесmицiйно¡д'яльност'! на конкурентоспроможшсть. Установлено характер, т'кноту зв'язку та стутнь впливу окремих iнновацiйно-iнвесmицiйних показнит на ВРП. На тдстав'> фактичних даних отри-маних моделей залежностей досл'джуваних показнит зд'йснено трирчний прогноз для регонального управл'шня конкурентоспроможшстю. Кпючов'1 слова: кореляцтнорегрестний анал'з, iнновацiйно-iнвесmицiйна д'яльтсть регюну, конкурентоспроможшстьрегону. DOI: https://doi.org/10.32983/2222-4459-2019-4-181-188 Рис.: 1. Табл.: 6. Формул: 3. Б'бл.: 7.
Романко Ольга nempiBHa - кандидат економ'мних наук, доцент, доцент кафедри теори економки та управл'тня, 1вано-Франювський нацональ-
ний техн'мний ушверситет нафти iгазу (вул. Карпатська, 15,1вано-Франшвськ, 76019, Украна)
E-mail: olgaromanko11@gmail. com
ORCID: http://orcid.org/0000-0003-1587-1370
Боднарук 1рина Ромашвна - асистент кафедри теори економки та управл'тня, 1вано-Франювський нацональний техн'мний унверситет нафти i газу (вул. Карпатська, 15,1вано-Франювськ, 76019, Украна)
УДК330.341.1. 332.1(477) UDC330.341.1. 332.1(477)
JEL: R11; R13 JEL: R11; R13
Романко О. П., Боднарук И. Р. Влияние инновационно-инвестиционной Romanko O. P., Bodnaruk I. R. The Influence of the Innovation-Investment
деятельности на региональную конкурентоспособность Activity on the Regional Competitiveness
В данной статье впервые используется экономико-статистические This article for the first time uses economic-statistical methods to research
методы для исследования взаимовлияния инновационно-инвестици- interaction of the innovation-investment activity and competitiveness at
онной деятельности и конкурентоспособности на уровне региона. the level of region. For the complex research of individual and general influ-
Для комплексного исследования индивидуального и общего влияния ence of competitiveness of region and its innovation-investment activity, the конкурентоспособности региона и его инновационно-инвестиционной
, 7r ^ „ , Granger test and correlation-regression analysis are applied. The Granger
деятельности применяется тест Грейнджера и корреляционно-регрес- . ,г ,,.,., , ■ ,
_ _ „ , , , test gives an opportunity to define causal relationships between the indica-
сионный анализ. Тест Грейнджера дает возможность определить при- * ^ ' 1 г
чинно-следственные связи между показателями инновационной и инве- tors of the innovation-investment activity of region. Pairs of indicators of the
стиционной деятельности региона. Определены и сгруппированы пары innovation-investment regional activity are defined and grouped according
показателей инновационно-инвестиционной региональной деятельно- to the presence of стт^с^ force and Action of influence. The rn-
сти в соответствии с наличием связи, силой и направлением влияния. relation-regression analysis is used to determine the regional impact of the
Корреляционно-регрессионный анализ применяется для определения innovation-investment activity on the competitiveness. The character, close-
регионального влияния инновационно-инвестиционной деятельности ness of relation and degree of influence of separate innovation-investment
на конкурентоспособность. Установлены характер, теснота связи и степень влияния отдельных инновационно-инвестиционных показателей на ВРП. На основании фактических данных полученных моделей зависимостей исследуемых показателей проведен трехлетний прогноз для регионального управления конкурентоспособностью. Ключевые слова: корреляционно-регрессионный анализ, инновационно-инвестиционная деятельность региона, конкурентоспособность региона. Рис.: 1. Табл.: 6. Формул: 3. Библ.: 7.
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, 76019, Украина) E-mail: olgaromanko11@gmail.com ORCID: http://orcid.org/0000-0003-1587-1370 Боднарук Ирина Романовна - ассистент кафедры теории экономики и управления, Ивано-Франковский национальный технический университет нефти и газа (ул. Карпатская, 15, Ивано-Франковск, 76019, Украина)
indicators on GRP are determined. Based on the actual data of the obtained dependency models of the analyzed indicators, a three-year forecast for the regional management of competitiveness is conducted. Keywords: correlation-regression analysis, innovation-investment activity of region, competitiveness of region. Fig.: 1. Tabl.: 6. Formulae: 3. Bibl.: 7.
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
Bodnaruk Iryna R. - Assistant 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)
Сучасний етап розвитку регюнально! еконо-мжи в Укра'М потребуе використання на-уково обгрунтованих управлшських ршень, як шдвищують ефектившсть управлшня конкурен-тоспроможшстю регюшв. Ощнити вплив рГзнома-штних факторiв на кшцевий результат можна за до-помогою економшо-статистичних методiв. Велика ккьюсть дГючих факторiв обумовлюе необхГдшсть застосування множинного корелящйно-регресшно-го аналiзу для юльшсно! ощнки взаемозалежностей мiж статистичними ознаками. Вони характеризують конкурентоспроможшсть регюну та його шновацш-но-швестицшну дiяльнiсть. Шд час аналiзу необхГдно встановити теоретичну форму зв'язку мiж факторни-ми та результативними ознаками (регресшний ана-лiз) i визначити псноту цього зв'язку (корелящйний аналiз), тобто юльшсно вимiряти й ощнити мехашзм взаемодГ! факторних ознак. Параметри корелящйно-го аналiзу використовуються для цГлеспрямованого регулювання рiвнiв результативних ознак.
До даного напрямку дослГдження, що присвяче-ний вивченню iнновацiйно-iнвестицiйнiй дiяльностi регiону, можна вiднести таких економшпв-науковщв, як: Борщевський В. В., Вишивана Б. М., Гаврилюк О. В., Гущак 6. В., Затонацька Т. Г., Захарш С. В., Кифяк В. Ф., Малютiн О. К., Марцин В. С., Осецький В. Л., Саба-даш В. В., Ставицький А. В., Шаповалов О. В., Юрш С. I. та шш1 Для цих учених, як i для бкьшосп iнших, не стояло в прюритеп визначити взаемозв'язки мiж iнновацiйною та iнвестицiйною дiяльнiстю тери-торiального рiвня на предмет наявност та ступеня взаемовпливу. Тому саме таке визначення i е метою дано!статть
Математичним вГдображенням дослiдження конкурентоспроможностi регiону е економко-мате-матична модель, яка визначае його функщонування та оцiнку змiни його ефективносп при можливих змiнах характеристик шноващйно-швестищйно! ре-гiональноi дiяльностi. Параметри економiчних моделей оцiнюеться за допомогою методiв математично! статистики з використанням реально! статистично!
шформаци. Завданням корелящйно-регресшного аналiзу е побудова та аналiз економiко-математичноí моделi рiвняння регресГ! (рiвняння кореляцiйного зв'язку), що вГдображае залежнiсть результативно!' ознаки вiд шлькох факторних ознак i дае ощнку мiри щiльностi зв'язку [1].
Кореляцшш зв'язки встановлюються в середньо-му для велико! сукупносп даних з шформащйно! бази, яка мае достатньо типовi та надiйнi статистичнi характеристики, а також яюсну однорГдшсть (наближенiсть умов формування результативних i факторних ознак) та кiлькiсну однорГдшсть (вiдсутнiсть одиницi спосте-реження, яка за числовими характеристиками суттево вiдрiзняеться вГд основно! маси даних). Цi особливост потребують розв'язання двох задач: знаходження фор-ми функцiонального зв'язку та визначення мiри на-ближення кореляцшного зв'язку за ним [2].
ВГдповГдно необхiдним показником, з яким ко-релюе конкурентоспроможнiсть регiону, взято по-казник валового регiонального продукту (ВРП) та по-казники, якi охарактеризують шновацшно-швести-цiйну дiяльнiсть у регюш. Було використано статис-тичнi даш по захiдноукраi'нських регiонах, оскiльки у випадку шдтвердження нашо! гiпотези така модель буде правдивою i для всх регiонiв Укра!ни.
Kореляцiйно-регресiйний аналiз забезпечуе визначення впливу факторiв, для яких не-можливо побудувати жорстку детермшовану факторну модель. Для свое! реалiзацi! корелящйно-регресiйний аналiз потребуе виконання низки умов: + для побудови рiвняння регресГ! необхiдна певна сукупшсть об'ектiв: у нашому досль дженнi - просторово-часова, оскГльки використовуються регюнальш показники за перь од 2013-2017 рр.; + необхГдний достатнiй обсяг спостережень (за ощнками експертiв, к1льюсть спостережень мае хоча б у 3-4 рази перевищувати кглькГсть факторiв, ми здГйснили 30 спостережень).
Таким чином, отримаш результати кореляцш-но-регресшного аналiзу можна використати для об-Грунтування управлiнських рiшень щодо прогнозу-вання та планування конкурентоспроможностi регю-ну. Це буде основою впливу на актившсть шновацш-но-iнвестицiйноi дiяльностi в короткотермiновому майбутньому перiодi.
Кореляцшний аналiз факторних ознак було ви-конано за допомогою iнструменту кореляци пакета аналiзу Excel. Як результативна ознака нами було використано показник валового регюнального продукту i, вкпов^но, отримано кореляцiйну матрицю впливу на нього регюнальних шновацшно-швести-цiйних факторiв (табл. 1).
Одшею з найб1льш простих i розповсюджених моделей е лiнiйна регресiя, але вона, як правило, не може забезпечити необх^ну точнiсть прогнозування. Щоб зб1льшити точнiсть прогнозу та зменшити мiнливiсть показника, використовуються багатофакторш моделi (множинна кореляцiя). При виборi незалежних змiнних (факторiв) у таких моделях потрiбно враховувати наявшсть зв'язку iз за-лежною змшною (показником) та вiдсутнiсть тiсного зв'язку з будь-якою шшою незалежною змшною, тоб-то взаемно! кореляци. Фактори повинш вiдображати рiзнi аспекти дослкжуваного процесу. Для аналiзу щiльностi зв'язку в багатофакторнш кореляцшно-регресiйнiй моделi складають матрицю парних коефь щенйв кореляци, якi вимiрюють щiльнiсть лшшного зв'язку кожного фактора з результативною ознакою i з кожною з решти ознак-факторiв (кореляцiйна ма-триця). За формою зв'язку розрiзняють кореляцiйнi зв'язки прямi й оберненi, лiнiйнi й нелшшш, одной багатофакторнi. Прямi й оберненi зв'язки розрГзня-ють залежно вiд напряму змiни результативно! ознаки при змШ факторно! ознаки. Якщо напрями збкають-ся - прямий зв'язок, якщо ш - обернений. Залежно в1д характеру змши показника Y при змiнi фактора Х видкяють лiнiйнi та нелшшш зв'язки [3].
Для визначення взаемозв'язку мiж незалежни-ми змiнними необх^но розглянути фактори впливу iнновацiйно-iнвестицiйно! дiяльностi в регiонi на !х мультиколеаршсть. Мультиколiнеарнiсть, як правило, проявляеться в стохастичнш (прихованiй) формi. I! наявшсть призводить до серйозного зниження точ-ност оцiнок параметрiв регреси, скривлення оцiнки дисперсГ! залишкiв, дисперси коефiцiентiв регресГ! та варiацi! мГж ними. Коефiцiенти регреси стають не-надiйними, !х неможливо трактувати як мГру впливу вГдповГдного фактора на незалежну змшну. ОцГнки стають дуже чутливими до ви6Гркових даних, тобто невелике збкьшення об'ему ви6Грки може спричини-ти до значних змш в значеннях оцГнок [4].
Отже, потрГ6но виконати вГдповГдну перевiрку, тому що отримана регресiя буде характеризуватися великою мшливштю та певною надлишковштю (роз-
рахованГ значення стають бкьшГ за очГкуванГ). ПГд час перевГрки на мультиколГнеарнГсть спочатку ста-тистичш значення факторних ознак Х замшюються на стандартизованГ (нормалГзованГ) данГ, а потГм ви-конуеться побудова кореляцшно! матрицГ, яка скла-даеться з коефщентГв кореляцГ!, що обчислюються для кожно! можливо! пари змГнних. АналГз отрима-них залежностей дае можливГсть оцГнити ступГнь та напрямок взаемозв'язку мш факторами. ДалГ об-числюеться визначник кореляцшно! матрищ, який вказуе на можливу кореляцш мГж факторами (якщо значення близьке до нуля) [5].
УразГ виявлення лшшно! залежностГ мГж зазначе-ними факторами, отримана система рГвняння не буде вГдповГдати умовам отримання однозначного зв'язку. Якщо на даному етат побудови моделГ ми виявимо мультиколГнеарнГсть, то зможемо уникну-ти помилок специфкаци моделГ, адже вони знижують точшсть показникГв, на основГ яких побудувати досто-вГрну модель взаемозв'язку буде неможливо. Матриця коефГцГентГв кореляцГ! вГдображено в табл. 2.
КоефГцГент кореляцГ! (г) набувае значення вГд -1 до +1. Якщо |г| < 0,30, то зв'язок мГж ознаками слаб-кий; 0,30 < |г| < 0,70 - помГрний зв'язок; |г| > 0,70 -сильний або щкьний зв'язок. Коли |г| = 1 - зв'язок функщональний [6].
Тому для включення в регресшну модель нами вГдГбрано показники (факторного впливу) - каттальш швестицГ!, прямГ ГноземнГ ГнвестицГ!, обсяг шновацш-но! продукцГ! та к1лькГсть шновацшно активних пГд-приемств, що мають найбкьший вплив на результа-тивний показник - валовий регГональний продукт. Для того, щоб уникнути явища мультиколшеарносп, було виключено з моделГ регресГ! ва ГншГ фактори з низьким впливом. Поим нова модель заново оцшюеться.
Для перевГрки виконуеться побудова кГлькох можливих моделей та обчислюеться значення кое-фГцГента детермшаци В2, що вимГрюе частку варГацГ! показника, яка пояснюеться взаемозв'язком мГж незалежною змГнною Г факторами, та розрахункове значення критерго Фшера ¥ за формулами:
R2 ' - Y Zlo(Y - Yi)2
(1)
де Yi - розрахункове значення пока зника;
Y - статистичне значення показника для ¿-го спостереження;
Yi - вибiркове середне значення показника.
R2
1 - R
n - m -1
m
(2)
де n - кглькгсть спостережень; m - ккьшсть факторiв.
Чим ближче значення R2 до 1, тим краще статис-тичнГ даш вiдповiдають побудованiй функцГ! регрес11.
EKOHOMIKA репональна ekohomika
00 4^
Таблиця 1
Вихщш даш для оцшки ткноти зв'язку mí ж ВРП та ¡нновацмно-швестицшними показниками perioHy
Ol
w
X m
11 о
X
е
g g о
g "О
er =
5*
Ф ю
l/ï 4^
D1 i SJ О
=5 -i
(Т> \о
Обласл ЗахщноТ Украши PÍK У, ВРП (млн грн) 'я-s н <и со ,—, 1 I — а. 2 X Ii с 1С sc V Ф С _ m го rf .5*1 X 1 u i M SSâ X О X i II ОС я а. ~ с = ïf ^ « s 1- >5 ¡S S ïg vg m S О 1 £ a-E a- n T S oí II ■О О X s Ö * s S .— I 1 о * о О — J3 ¡£ ш .Eso 2 m * . ViÉ <0 H ОС X - Р ? .£9 's о .£2 * §_ * >• 3 IÏ i? n Л ~ m £ S ° Hsg S X T ¿ £ о о ~ .E S со sc s о » M * i* — г» 's ^ та ОС X о X со ■ >5 1- 5. .— и ff S" s о га ш -—' 0 it 1 S 8 £ ¡o Ё g s • ir í " о .2 s о. LO ГО ->V »1 £. M X со с 0 S X •—' X := 1 * 5 & о 1 А X II i, ос S .£2 Ï о s и * § О ft S S g- о S- X c Q. J J >• с Я H m —■• CD ._ •— 8. i SS g о « ™ я- а. *Г2 с Xg, Впровадження шновацшних вид1в про-дукцм у промисловосл (одиницях) Х9, Розподш загального обсягу витрат за напря-мами ¡нновацшноУд1-яльносл (тис. грн)
1 2 3 4 5 6 7 8 9 10 11 12
Волинська 2012 19249 3255 291,4 12 248 29 105,8 18 8 104640,7
2013 19817 3327 380,5 11 224 23 15,4 25 25 196348,8
2014 23218 3390 341,3 10 145 30 9,4 17 60 192506,3
2015 30387 6167 271,2 10 166 32 10,9 13 8 190999,8
2016 31003 7400 270,3 10 170 32 11,0 15 20 190024,8
За кар пате ька 2012 17088 2736 348,5 14 493 18 19,5 4 11 32769,1
2013 17044 2646 406,4 13 416 15 608,5 6 20 25026,7
2014 19170 2639 437,5 11 363 16 568,9 3 8 16576,1
2015 22989 3778 334,2 10 316 18 568,9 7 9 22530,6
2016 24080 3899 350,5 10 340 20 605,5 7 9 23564,8
1вано- Франшська 2012 23379 5167 624 21 690 89 1451,1 24 156 203824,1
2013 24022 4797 642,7 15 316 87 474,8 17 151 488571,3
2014 27232 6837 813,8 16 311 99 393,9 20 130 95785,1
2015 33170 9609 925,9 18 310 101 400,9 50 117 99189
2016 34528 9898 986,5 22 350 121 480,9 55 120 100213,4
Льввська 2012 24387 11173 1387,8 75 3627 101 512,8 46 115 280614,4
2013 24937 9817 1637,8 76 3422 116 123,7 47 111 257053,9
2014 28731 9555 1701,4 72 3239 129 213,3 60 132 219754,3
2015 37338 13387 1374,6 68 2967 130 416,8 49 251 277796,2
2016 38925 15689 1548,6 72 3024 131 423,6 59 270 302455,2
I 2!
г ы
с I
= й
ф п
(Л *_'
= 5
? в
3 О
Закшчення табл. 1
1 2 3 4 5 6 7 8 9 10 11 12
Рвненська 2012 18860 2771 280,4 12 202 36 34,1 18 19 47873,5
2013 19003 2837 298,8 12 203 39 12,1 19 18 21130,8
2014 24762 2805 313,4 13 172 45 13,3 8 6 11404,5
2015 30350 4334 263,4 12 147 46 18,0 9 7 11865,9
2016 32055 5001 286,5 15 150 50 18,7 15 10 12356,9
Хмельницька 2012 26237 3489 186,8 20 780 78 1931,4 32 36 225196,2
2013 26426 3638 205,1 19 690 58 1269,3 24 27 113120,1
2014 32162 4078 224,5 23 650 38 1895,6 11 23 133121,2
2015 31660 6809 189,1 25 708 18 2090,6 9 11 133121,2
2016 32585 9123 165,5 25 713 22 2512,3 13 24 66659,4
Максимальне значення 38925 15689 1701 76 3627 131 1451 60 270 488571,3
ММмальне значення 17044 2639 263 10 145 15 9 3 6 11404,5
Середнс значення 25828,96 6116,56 660,70 24,73 851,73 62,12 300,47 23,33 63,733 136995,05
Вщхилення (стандартне) 6306,12 3728,14 491,43 22,27 1115,05 42,49 335,20 17,70 73,99 123697,44
Розмах вар1ацм 21881 13050 1438 66 3482 116 1441,68 57 264 477166,8
Джерело: складено за даними Державно! служби статистики УкраТни.
00 СП
ЕК0Н0М1КА репональна ек0н0м1ка
Таблиця 2
Матриця коефiцicнтiв кореляцп
Y X2 X3 X4 X5 X6 X7 X8 X9
Y 1
Xi 0,9873 1
X2 0,8603 0,9517 1
X3 0,5485 0,5375 0,5543 1
X4 0,1127 0,1553 0,1657 0,1077 1
X5 0,8840 0,9131 0,8138 0,7548 0,7801 1
X6 0,8707 0,7690 0,7675 0,7686 0,7683 0,7670 1
X7 0,3816 0,4095 0,3948 0,4564 0,4390 0,3425 0,5111 1
X8 0,5616 0,5691 0,5485 0,5375 0,5543 0,5836 0,4854 0,3255 1
X9 0,6302 0,6382 0,6127 0,6553 0,6574 0,6108 0,6494 0,6581 0,6831 1
Прим1тка: арим видiлено фактори найбiльшого впливу на ВРП.
Значення Fp повинно бути в ккька разiв бкьше вГд табличного, тодГ регресiя буде не ткьки значущою, а й мати практичну цшшсть для прогнозування [4].
Нами здшснений регресивний аналiз за допо-могою iнструментiв пакета аналiзу даних MS Excel. ВихГдну iнформацiю регреси та аналiз якост моделi наведено в табл. 3.
Таблиця 3
Коефщкнти тiсноти зв'язку
Регресшна статистика
Множинний R 0,961477481
R-квадрат 0,924438947
Нормований R-квадрат 0,870466766
Стандартна похибка 0,226961
Спостереження 30
Величина коефГцГента множинно! кореляцГ! В характеризуе яйсть отримано! моделГ. Зпдно з роз-рахунками, даний коефщент становить 0,96, що свГд-чить про наявшсть у моделГ високо! кореляцГ!. Значення В2, тобто коефщента детермшаци, свГдчить про вГдповГдшсть вихГдних даних Г регресГйно! моделГ, осшльки його значення максимально наближуеть-ся до 1 Г становить 0,92. Таким чином, лшшна модель пояснюе 91% варГацш, що означае правильшсть вибо-ру факторГв. Лише 9% зумовленГ Гншими факторами,
що впливають на валовий регюнальний продукт, але не включенi в лшшну модель регреси (табл. 4).
Високе значення коефщенпв кореляцп та детер-мiнацii свГдчить, що дана залежшсть е достатньо зако-номГрною. Показник «значущшть F» свГдчить, що результата оцшювання е достатньо достовГрними. Варто звернути увагу на дисперсго та F-статистику, !х високе значення свГдчить про варГацго залежно! та незалеж-но! змшних, тому рГвняння регреси е значущим [7].
Отриманий кореляцшно-регресшний аналГз показнишв (табл. 5) дае можливкть побуду-вати модель впливу шновацшно-швестицш-них факторГв на валовий регюнальний продукт.
Таблиця 5
Кореляцшно-регресивний аналiз домiнуючих показнимв
Показник Коефiцicнт
Y 55,50
X1 2,78
X2 1,95
X5 34,92
X6 10,04
I, вГдповГдно до розрахунюв, модель мае такий вигляд:
Y = 55,50 + 2,7Х1 + 1,9X2 + 34X5 + 10X6, (3)
Таблиця 4
Показники якостi моделi
Дисперайний aнaлiз df SS MS F Значущкть F
Регреая 10 882,295536 66229553,61 17,12806358 3,531675
Залишок 14 7,2116368 5,151169
Разом 24 95,441
де Y - валовий регюнальний продукт, млн грн; X1 -каштальш швестици, млн дол. США; X2 - прямГ шо-земнГ швестици, млн грн; X5 - обсяг шновацшно! продукц!, тис. грн; X6 - кГлькГсть ГнновацГйних пГд-приемств, одиниць.
На основГ отриманого рГвняння залежностГ ВРП вГд показникГв шновацшно-швестищй-но! дГяльностГ регГонГв Укра!ни можна зроби-ти висновок, що в разГ збГльшення обсягГв катталь-них ГнвестицГй чи/або прямих шоземних ГнвестицГй на 1 млн грн ВРП зросте на 2,7 млн грн Г 1,9 млн грн вГдповГдно. ВнаслГдок збГльшення илькосп ГнновацГйних тдприемств на 1% будемо мати зростання ВРП на 10 млн грн, а збГльшення обсягу шновацшно! продукцГ! на 1 млн грн приведе да збГльшення ВРП на 34 млн грн.
За допомогою шструменпв Ехсе1 для регресш-ного аналГзу вираховуемо стандартну похибку для ко-ефщенпв та вГдповГдш межГ довГрчого штервалу для коефГцГентГв рГвняння на рГвш значущостГ (табл. 6).
Таблиця I
Отже, побудована кореляцшно-регресшна модель повшстю вГдповГдае основним статистичним ви-могам ГстотностГ, адекватностГ та стшкосп розв'язку, тобто вона е значущою. ДослГдження показали най-б1льший вплив на валовий регюнальний показник деяких шновацшно-швестицшних показникГв дГяльностГ регюну, а саме: каштальш швестици, прямГ шоземш швестици, обсяг шновацшно! продукцГ! та кГлькГсть ГнновацГйно активних шдприемств. КрГм того, доведено достовГрнГсть Г точшсть даних для по-будови адекватно! моделГ подальшого прогнозування впливу факторГв на ВРП.
Також необхГдно здГйснити графГчне порГвнян-ня результатГв моделювання за отриманим рГвнянням регреси зГ значеннями статистично! вибГрки (рис. 1) з метою вГзуально! оцшки похибки моделювання. За допомогою використання полшомГально! функцГ! можна здГйснити прогноз графГчного зображення прогнозу тако! модель
Таблиця 6
фщкнлв
Коефщi€нт Стандартна похибка Ьстати-стика Р-значення Нижнс 95% Верхнс 95% Нижнс 95,0% Верхнс 95,0%
У 55,50 220,77 2,49 0,02 889,95 10115,05 889,95 10115,05
Х1 2,78 0,39 6,98 1,18 1,95 3,62 1,95 3,62
1,95 6,14 0,31 0,75 1,48 10,90 1,48 10,90
Х5 34,92 71,29 89,85 0,62 -11,42 38,41 -11,42 38,41
Х6 10,04 59,92 0,16 0,86 -115,39 135,47 -115,39 135,47
ПГдсумковГ результати наших розрахункГв такГ:
1. Коефщент множинно! кореляцГ! (Множин-ний Я) - 0,96.
2. Коефщент детермшацГ! (Я-квадрат) - 0,92.
3. Критерш ФГшера для рГвняння регресГ! (на перетиш граф Регрес1я Р) - 17, а .Р-критерш ФГшера табличний - 2,24.
4. Сума квадратГв вГдхилення вГд середшх зна-чень (на перетинГ граф Залишок: 88) - 7,21.
5. Стандартне вГдхилення (на перетинГ граф Залишок: М8) - 5,15.
6. Коефщенти рГвняння регресГ! А0 = 55,50 ^ -перетин); А1 = 2,7 (змшна Хх); А2 = 1,9 (змГнна Х2); А5 = 34 (змГнна Х5); А6 =10 (змГнна Х6).
7. Стандартна похибка для коефщенпв (Стандартна похибка) вГдповГдно 220,77; 0,39; 6,14; 71,29; 59,92.
8. ВГдповГдно межГ довГрчого штервалу для кое-фщенпв рГвняння на рГвнГ значущостГ 0,05:
- нижня межа (Нижне 95%) для А0 - 889,95; для А1 - 1,95; А2 - 1,48; А5 - (-11,42); А6 - (-115,38).
- верхня межа (Верхне 95%) для А0 - 10115,05; для А1 - 3,62; А2 - 10,90; А5 - 38,41; А6 - 135,47.
ВИСНОВКИ
ЕкономГчною метою проведення кореляцГйно-регресшного аналГзу е визначення можливих варГан-тГв управлГння конкурентоспроможнГстю регГоном, а також оцшка можливих шляхГв досягнення потрГб-ного результату. Розроблена модель може бути ви-користана для полГпшення планування, тдвищення рГвня конкурентоспроможностГ за допомогою акти-вГзацГ! ГнновацГйно-ГнвестицГйних процесГв у регюш. Прогноз результатГв, хоч Г на короткостроковий пе-рГод, надае можливГсть дГзнатися про перспективи отримання вГдповГдного рГвня конкурентоспроможностГ регюну вГдповГдно до ступеня застосування впливу на нього. Прогноз мае динамГчний характер Г адаптуеться до змш з урахуванням останнк даних. Запропонована модель може бути штегрована в к-нуючу систему пГдтримки рГшення щодо пГдвищення конкурентоспроможностГ регГону.
КрГм цього, кореляцГйно-регресивний аналГз дае можливГсть оцшити Гснуючий стан за допомогою рГвняння регресГ!. Використовуючи даш про величину Г напрямок дГ! факторГв, що аналГзуються, можна отри-мати данГ для оцГнки вГдповГдного впливу на поточ-
45000,00
40000,00 35000,00 30000,00 25000,00 20000,00 15000,00 4 = 10000,00 5000,00
0,00 -i—i—i—i—i—i—i—i—i—i—i—i—i—i—i—i—i—i—i—i—i—i—i—i—i—i 1 2 3 4 5 6 7 8 9 10111213141516171819202122232425
Умовш позначення: Yi - ВРП, розрахований за моделлю; Ymeop - ВРП фактичний.
Рис. 1. Граф1чне пор1вняння розрахункових величин 3Í статистичними даними в Excel та Ух полшом1альний прогноз
Y
' Ymeop
-Пол1ном1альна (Y/) - Пол1ном1альна (Yme0p)
ний piBeHb конкурентоспроможностi perioHy. Тобто, такий аналiз е потужним i гнучким шструментом для вивчення взаемoзв'язкiв м1ж деякими показниками iннoвацiйнo-iнвeстицiйнoi дiяльнoстi та конкурен-тoспpoмoжнiстю peгioнy. Використання цього методу дае можлившть краще зpoзyмiти piвeнь впливу на конкурентоспроможшсть peгioнy (саме шновацшно-iнвeстицiйних показнишв), а, вiдпoвiднo, навчитися управляти процесами, що вiдбyваються, а також точ-нiшe передбачити ix подальший взаемовплив.
Цi дoслiджeння мають вагоме значення для формування та peалiзацii управлшських piшeнь з шд-вищення конкурентоспроможносп peгioнy, oскiльки звужуе вибip показнишв з найб1льшим впливом на piвeнь peгioнальнoi кoнкypeнтoспpoмoжнoстi iз ш-новацшно-швестицшних пoказникiв дiяльнoстi ре-гioнy. На ix oснoвi можна конкретизувати заходи ре-гioнальнoгo впливу з активiзацii шновацшно-швес-тицiйнoi дiяльнoстi з виправданими очшуваннями максимального результату. Мoжливiсть визначення короткострокового прогнозування такого впливу дае можлившть визначати регюнальш перспективи за умов запроваджених заxoдiв.
Визначивши напрям впливу на конкретш показ-ники шновацшно-швестищйно'1' peгioнальнoi дiяльнoстi, суб'екти управлшня зменшують ре-сурси на малоефективш заходи для peгioнальнoi кон-курентоспроможност в данiй сфepi. Глибина впливу та його характер регулюватимуться регюнальним yпpавлiнням на принципах peгioнальнoгo eкoнoмiч-ного его'1'зму, оск1льки базуються на суб'ективних шдходах та yпpавлiнськиx вмшнях. З точки зору на-цюнально'1' eкoнoмiки держава на сьoгoднiшнiй день формуе та задае тандем в регюнальнш управлшськш пoлiтицi у визначеному напрямку шновацшно-швес-тицiйнoгo розвитку регюшв. Для конкурентоспро-мoжнoстi peгioнy ключовим е як peгioнальний piвeнь
управлшня, так i загальнодержавна пoлiтика, а особливо ix паралельний за напрямком симбюз. ■
Л1ТЕРАТУРА
1. Харченко Ю. А. Кореляцiйно-регресiйний аналiз обсягiв збуту. EKOHOMÍ4HUÜ npocmip. 2014. № 86. С. 214-223.
2. Кравець О. С. Статистика : навч. поаб. Одеса : Паль-мiра, 2008. 266 с.
3. Економiчна енциклопедiя : у 3 томах. / Редкол.: ... С. В. Мочерний (вiдп. ред.) та ш. Ки'|'в : Видавничий центр «Академiя», 2000. Т. 2. 864 с.
4. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. 3-е изд. / пер. с англ. М. : Издательский дом «Ви-льямс», 2007. 912 с.
5. Опря А. Т. Статистика. Математична статистика. Те-орiя статистики : навч. поаб. Ки'в : ЦУЛ, 2005. 472 с.
6. Головач А. В. Статистичне забезпечення управлшня економ^ою. Прикладна статистика : навч. поаб. Ки'в : КНЕУ, 2005. 333 с.
7. Экономическое моделирование в Microsoft Excel. 6-е изд. / Д. Мур, Д. Р. Уэдерфорд, Г. Эллен, Ф. Гулд, Ч. Шмидт / пер. с англ. М. : Издательский дом «Вильямс», 2004. 1024 с.
REFERENCES
Dreyper, N., and Smit, G. Prikladnoy regressionnyy analiz [Applied regression analysis]. Moscow: ID «Vilyams», 2007.
Ekonomichna entsyklopediia [Economic Encyclopedia]. Kyiv: Vydavnychyi tsentr «Akademiia», 2000.
Holovach, A. V. Statystychne zabezpechennia upravlinnia ekonomikoiu. Prykladna statystyka [Statistical provision of economic management. Applied statistics]. Kyiv: KNEU, 2005.
Kharchenko, Yu. A. "Koreliatsiino-rehresiinyi analiz ob-siahiv zbutu" [Correlation-regression analysis of sales volumes]. Ekonomichnyi prostir, no. 86 (2014): 214-223.
Kravets, O. S. Statystyka [Statistics]. Odesa: Palmira, 2008.
Mur, D. et al. Ekonomicheskoye modelirovaniye v Microsoft Excel [Economic modeling in Microsoft Excel]. Moscow: ID «Vilyams», 2004.
Opria, A. T. Statystyka. Matematychna statystyka. Teoriia statystyky [Statistics. Mathematical Statistics. Theory of Statistics]. Kyiv: TsUL, 2005.
