Валовый региональный продукт Оренбургской области: динамика и факторы | Статья в журнале «Молодой ученый»

Библиографическое описание:

Нерадовская Ю. В., Хилобок А. С., Райская А. А., Макарова А. О. Валовый региональный продукт Оренбургской области: динамика и факторы // Молодой ученый. — 2018. — №18. — С. 353-354. — URL https://moluch.ru/archive/204/49847/ (дата обращения: 22.06.2018).



В последнее десятилетие возрастает интерес к показателям региональных счетов со стороны общественности и органов государственного управления. Валовой региональный продукт (ВРП) и составляющие его элементы вошли в систему показателей прогнозирования регионального развития; используются Министерством финансов РФ для распределения фонда финансовой поддержки территорий, включены в систему показателей эффективности деятельности органов государственной власти субъектов РФ [1].

Целью данной работы является выявление факторов, влияющих на уровень валового регионального продукта, и в последующем построении эконометрический модели для того, чтобы обозначить влияющие на данный показатель категории с целью их регулирования.

Были рассмотрены следующие факторы, которые могли бы оказывать влияние на результирующую переменную:

t — время;

x1 — численность постоянного населения в среднем за год;

x2 — уровень безработицы;

x3 общий коэффициент естественного прироста;

x4 — коэффициент механического прироста;

x5 — удельный вес затрат на технологические инновации в общем объеме отгруженных товаров, выполненных работ, услуг организаций промышленного производства;

х6 — инвестиции в основной капитал на душу населения; х7 внутренние затраты на научные исследования и разработки на душу населения;

х8 — доля объема инновационных товаров, работ, услуг по сравнению с произведенными в Российской Федерации;

х9 — доля продукции сельского хозяйства по сравнению с произведенной в Российской Федерации;

х10 индекс производства добычи природного газа;

х11 — индекс производства добычи железных руд;

x12 — индекс добычи и производства соли;

х13 — индекс добычи нефти;

х14 — индекс металлургического производства и производства готовых металлических изделий;

х15 — индекс производства мяса;

x16 — индекс производства одежды из текстильных материалов;

x17 — индекс производства цемента;

х18 индекс промышленного производства;

х19 — коэффициент Джини.

Построив матрицу корреляций, было выявлено, что наибольшее влияние на результат оказывают следующие факторы: численность постоянного населения (r = — 0,97), индекс промышленного производства (r = 0,94), коэффициент Джини (r = 0,94), инвестиции в основной капитал (r = 0,9) и индекс добычи нефти (r = 0,9).

Построив множество различных моделей с разными показателями и разной функциональной формы, удалось найти ту, что удовлетворяет всем требованиям, предъявляемым к остаткам. Данная регрессия имеет вид:

y = 60871,48–2855,98*x2

(t) (19,25) (-7,97)

Видно, что все параметры являются значимыми. Стоит отметить, что данная модель характеризуется довольно высоким коэффициентом детерминации равным 0,8.

Прежде чем сделать окончательный вывод о качестве модели, необходимо проверить остатки на нормальность, гомоскедастичность и отсутствие автокорреляции. Результаты данной проверки представлены в таблице 1.

Таблица 1

Результаты основных тестов для проверки качества остатков модели

Тест

Дарбина-Уотсона

Уайта

Жако-Бера

Серий

Значение

1,18

1,77

1,82

V(n) = 11 Smax = 3

Табличные (критические) значения

1,16

1,39

3,68

5,99

Расчётное число = 8,34

Stab = 5

Данная таблица свидетельствует о том, что полученная модель является качественной. Но следует отметить, что в тесте Дарбина-Уотсона расчётное значение попало в интервал неопределенности, в котором нельзя говорить точно об отсутствии или присутствии автокорреляции в остатках. Поэтому дополнительно был рассчитан коэффициент корреляции равный 0,4. Так как по полученному параметру нельзя однозначно сказать об отсутствии автокорреляции, мною была рассчитана ошибка данного показателя, а после — значение t-критерия. Так как данное значение (1,72) меньше критического (2,12), это говорит о том, что коэффициент корреляции может быть равен нулю в генеральной совокупности.

Таким образом, остатки гомоскедастичны, нормально распределены, не имеют тенденции и автокорреляции.

Приведем экономическую интерпретацию полученной модели:

Валовый региональный продукт Оренбургской области в среднем изменится на 2855,98 миллионов рублей в противоположную сторону при изменении уровня безработицы на 1 %.

При изменении уровня безработицы на 1 % от среднего уровня размер ВРП в среднем изменится на 0,64 % от своего среднего уровня в противоположную сторону.

Вариация валового регионального продукта Оренбуржья на 80 % объясняется вариацией уровня безработицы населения. Связь между признаками и результирующим фактором является тесной.

При изменении уровня безработицы на 1 % ВВП Оренбургской области изменится в противоположную сторону не менее чем на 2100, 11, но и не более чем 3611, 84 миллионов рублей с вероятностью равной 0,95.

Литература:

1. Михайлов В. В., Саркисян В. В. Анализ многомерной факторной модели ВРП и отраслевых моделей зависимости ВРП и финансовых результатов от инвестиционной и производственной активности // Экономика. 2003. № 4.

2. Скотаренко О. В. Прогнозирование ВРП в регионах на основе эконометрических моделей [Электронный ресурс] / О. В. Скотаренко // Международный научно-исследовательский журнал. — 2013. — № 8 (15) Часть 3. — С. 64–68. — Режим доступа: http://research-journal.org/economical/prognozirovanie-vrp-v-regionax-na-osnove-ekonometricheskix-modelej/ — Дата доступа: 20.04.2017.

3. Статистика: учебник для вузов/ Под ред. И. И. Елисеевой. — Спб: Питер, 2010. — 368 с.



Обсуждение

Социальные комментарии Cackle
Задать вопрос