Эконометрический анализ валового регионального продукта Дальневосточного федерального округа
Econometric analysis of the gross regional product of the Far Eastern Federal District
Авторы
Аннотация
В рамках представленной работы автором предпринята попытка применения эконометрического анализа с целью прогнозирования ВРП Дальневосточного федерального округа. Построена факторная модель ВРП ДФО, оценено влияния каждой переменной на динамику ВРП. Проведён сравнительный анализ прогнозов моделей временного ряда и модели панельных данных. Результаты могут быть использованы для дальнейшего совершенствования мер государственной поддержки дальневосточный регионов.
Ключевые слова
Дальневосточный федеральный округ. анализ панельных данных, динамика экономических показателей региона.
Финансирование
Работа выполнена в рамках мероприятия MMT-2020-04: I Международный конкурс научных статей молодых исследователей «Modern Management Technology – 2020» (Наука и образование on-line)
Рекомендуемая ссылка
Бравок Полина Сергеевна, Пынько Люсьена Евгеньевна. Эконометрический анализ валового регионального продукта Дальневосточного федерального округа // Современные технологии управления. ISSN 2226-9339. — №3 (93). Номер статьи: 9311. Дата публикации: 05.11.2020. Режим доступа: https://sovman.ru/article/9311/
Authors
Abstract
Within the framework of the presented work, the author has made an attempt to apply econometric analysis to predict the GRP of the Far Eastern Federal District. A factorial model of the GRP of the Far Eastern Federal District was built, the influence of each variable on the dynamics of the GRP was estimated. Comparative analysis of forecasts of time series models and panel data models is carried out. The results can be used to further improve measures of state support for the Far Eastern regions.
Keywords
Far Eastern Federal District. analysis of panel data, dynamics of economic indicators of the region
Project finance
The work was performed within the framework of the event MMT-2020-04: I International competition of scientific articles for young researchers "Modern Management Technology - 2020" (Science and education on-line)
Suggested citation
Bravok Polina Sergeyevna, Pynko Lyusyena Yevgenyevna. Econometric analysis of the gross regional product of the Far Eastern Federal District // Modern Management Technology. ISSN 2226-9339. — №3 (93). Art. # 9311. Date issued: 05.11.2020. Available at: https://sovman.ru/article/9311/
Введение
Дальневосточный федеральный округ (ДФО) – самый большой округ по территории в России. При этом в округе живет более 8 млн. человек (5% от населения России). Валовый региональный продукт (ВРП) Дальневосточного федерального округа занимает 6% в структуре ВВП России.
ВРП — один из важнейших показателей развития региона (в экономической теории), который является фактором экономического роста в регионе и обобщает всю его экономическую деятельность.
В Стратегии социально-экономического развития Дальнего Востока и Байкальского региона на период до 2025 года заложено превышение темпов роста ВРП субъектов Российской Федерации, расположенных на территории Дальнего Востока над темпами роста ВВП более чем на 0,5 процентного пункта в год.[1]
Для достижения таких результатов необходимо выявить степень влияния факторов на динамику ВРП, составить прогноз. В современных условиях пандемии прогнозирование ВРП особенно важно. По мнению многих экспертов, существуют сложности в экономическом развитии в период пандемии: «В 2020 году российская экономика столкнется с затяжной рецессией, обусловленной падением производства, замедлением деловой активности».[3]
В настоящей статье приведен анализ основных экономических показателей Дальневосточного федерального округа, с помощью эконометрического анализа панельных данных автор рассчитал прогнозные значения развития региона по ВРП. С целью анализа и прогнозирования ВРП нередко используется инструментарий эконометрического анализа, позволяющий построить факторную модель ВРП. Чтобы избежать глубоких падений ВРП, и без того медленно развивающемуся Дальнему Востоку, следует оценить влияние ряда факторов. Так грамотно составленный анализ и прогноз помогут принять верные управленческие решения, которые позволят избежать отрицательной динамики ВРП.
Целью настоящего исследования было: спрогнозировать валовый региональный продукт ДФО на 2019-2021 года на основе модели временных рядов и панельных данных, сравнить качество предсказания модели временных рядов с прогнозами модели панельных данных.
Объектом исследования является ВРП ДФО и его субъектов. В исследовании использованы модели временных рядов и панельных данных.
В качестве переменных были использованы: валовой региональный продукт (GRP, млн. руб.), инвестиции в основной капитал (I, млн. руб.), оборот розничной торговли (T, млн. руб.), сальдированный финансовый результат деятельности организаций (P, млн. руб.), поступление налогов, сборов и иных обязательных платежей в консолидированный бюджет РФ (N, млн. руб.), экспорт (Ex, млн. дол. США), импорт (Im, млн. дол США). Источником информации являются данные с сайта Федеральной службы государственной статистики. Временные рамки исследования: 2010-2018 гг.[2]
Методом наименьших квадратов оценены модели временных рядов. Так же, методом наименьших квадратов и обобщенным методом наименьших квадратов соответственно, оценены параметры моделей панельных данных с фиксированными эффектами и моделей панельных данных со случайными эффектами. Моделирование выполнено с использованием программного продукта Gretl.
Результаты исследований
Первым этапом исследования стал факторный анализ. Было выявлено влияние каждого фактора на динамику ВРП (см. таблицу 1).
Таблица 1. Уравнения влияния факторов на динамику валового регионального продукта ДФО*
| Наименование показателя | Линейное уравнение* | Коэффициент парной корреляции* | Коэффициент детерминации* | Характеристика связи |
| Инвестиции в основной капитал (I, млн. руб.) | ^GRP = 57216,2 + 2,78*I | 0,8585 | 0,7 | Прямая высокая |
| Оборот розничной торговли (T, млн. руб.) | ^GRP = 68844,2+ 2,21*T | 0,7521 | 0,6 | Прямая высокая
|
| Сальдированный финансовый результат деятельности организаций (P, млн. руб.) | ^GRP = 241085+ 4,43*P | 0,5604 | 0,3 | Прямая умеренная |
| Поступление налогов, сборов и иных обязательных платежей в консолидированный бюджет РФ (N, млн. руб.) | ^GRP = 36724,5+ 4,57*N | 0,9015 | 0,8 | Прямая очень высокая
|
| Экспорт (Ex, млн. дол. США) | ^GRP = 223542 + 47,6*Ex | 0,6844 | 0,5 | Прямая умеренная |
| Импорт (Im, млн. дол США) | ^GRP = 271482+ 74,2*Im | 0,4255 | 0,2 | Прямая слабая |
*Сведения приведенные в таблице рассчитаны автором в системе Gretl на основе данных, предоставленных в открытом доступе на сайте официальной государственной статистики России
Согласно значениям коэффициента парной корреляции наибольшее влияние на ВРП имею факторы: поступление налогов, сборов и иных обязательных платежей в консолидированный бюджет РФ, инвестиции в основной капитал и оборот розничной торговли. При этом, остальные факторы остаются так же значимы. Использование большего числа переменных может привести к увеличению погрешности в прогнозе.
Далее был проведен регрессионный и трендовый анализ, в результате которых были построены модели для прогнозирования. Регрессионная модель валового регионального продукта имеет следующий вид: ^GRP = -7,83156 + 1,38*I + 2,25*T — 0,618*P + 2,81*N — 89,9*Ex + 100*Im. Результат F-теста свидетельствует о статистической значимости модели, т.к. F=52,8 больше чем .Модель объясняет почти 99,37% колебаний значений ВРП вокруг своего среднего значения.
Интерпретируя полученный результат, можно сделать следующие выводы:
- при увеличении объёма инвестиций в основной капитал на 1 млн. руб. ВРП увеличится на 1,38%;
- при увеличении оборота розничной торговли на 1 млн. руб. ВРП увеличится на 2,25%;
- при увеличении объёма сальдированного финансового результата деятельности организаций на 1 млн. руб ВРП увеличится на 0,618%,
- при увеличении поступлений налогов, сборов и иных обязательных платежей в консолидированный бюджет РФ на 1 млн. руб ВРП увеличится на 2,81%;
- при увеличении объёма экспорта на 1 млн. долл. США ВРП уменьшится на 89.9%; при увеличении объёма импорта на 1 млн. долл. США ВРП увеличится на 100%.
На основании произведенных расчетов и анализа полученных моделей, был сделан вывод о том, что для прогнозирования ВРП ДФО лучше рекомендовать модель тренда ^GRP = -6,30e+08 + 314785*Time. Модель объясняет почти 96% колебаний значений ВРП вокруг своего среднего значения. Результаты прогнозирования отражены в таблице 2.
Таблица 2. Прогнозные значения ВРП ДФО по модели временных рядов*
| Год | Предсказание*, млн. руб. | Ст. ошибка* | 95% доверительный интервал* |
| 2019 | 5227053,0 | 207036,40 | 4737489,7 — 5716616,3 |
| 2020 | 5541838,0 | 219106,73 | 5023732,9 — 6059943,1 |
| 2018 | 5856622,9 | 232565,40 | 5306693,2 — 6406552,7 |
*Сведения приведенные в таблице рассчитаны автором в системе Gretl на основе данных, предоставленных в открытом доступе на сайте официальной государственной статистики России
Следующий этап исследования заключался в построении модели на основе панельных данных. Такая модель сочетает в себе пространственные выборки и временные ряды и совмещает достоинства каждого их этих видов данных.
Данные включают 11 пространственных объектов, использовано 99 наблюдений. По анализируемым данным были составлены три вида модели панельных данных: объединенная, с фиксированными и случайными эффектами. Вид и характеристика моделей отражена в таблице 3.
Таблица 3. Сводная таблица моделей ВРП ДФО для панельных данных*
| Тип модели | Вид модели* | Коэффициент детерминации* | Ст. ошибка модели* |
| Линейная модель множественной регрессии |
^GRP = -16063,1 + 0,375*I + 1,12*T + 1,01*P + 1,62*N+ 21,66*Ex + 2,25*Im | 0,97 | 51599,47 |
| Модель с фиксированными эффектами |
^GRP = 370,973+ 0,51*I + 1,54*T + 0,85*P + 1,52*N+ 23,48*Ex + 0,48*Im– 157310*du_1 – 68536,1*du_2 –104272*du_3–20914,7*du_4 –122322*du_5 –111073*du_6 –106424*du_7 + 2310,05*du_8 – 98740*du_9 – 7801,41*du_10 | 0,98 | 40307,8 |
| Модель со случайными эффектами |
^Yp = -2,62e-06 + 0,356*Xp1 + 1,31*Xp2 + 1,71*Xp3 + 1,38*Xp4 + 24,9*Xp5 + 0,671*Xp6 | 0,86 | 0,000018 |
**Сведения приведенные в таблице рассчитаны автором в системе Gretl на основе данных, предоставленных в открытом доступе на сайте официальной государственной статистики России
Совместная значимость различий в групповых средних указывает на слабую нулевую гипотезу об адекватности объединенной модели панельных данных, отдавая преимущество модели с фиксированными эффектами, т.к. F(10, 82) = 79,5548 больше чем р-значение 6,29926e-038.
Тест Хаусмана показывает о преимуществе модели с фиксированными остатками. Так как H = 10,6514 и p-значение = prob(chi-square(6) > 10,6514) = 0,0997682, то, нулевую гипотезу об отсутствии фиксированных групповых эффектов следует отвергнуть. Значит, уравнение, учитывающее групповые фиксированные эффекты статистически верно.
Выводы
Из всего выше сказанного следует, что для прогнозирования следует использоваться модель с фиксированными эффектами. Так благодаря особенности учета данных, можно сделать прогноз сразу по всем регионам ДФО.
По нашему предположению, для более точного и достоверного прогноза ВРП необходимо одновременно применять модели нескольких типов. Сравнивая их характеристики можно выявить модель, дающую наиболее точный прогноз.
В результате исследования на основе статистических данных была найдена взаимосвязь шести факторов с показателем валового регионального продукта ДФО. Были построены модели временного ряда и панельных данных. Данные модели можно использовать для прогнозирования ВРП, однако они нуждаются в ежегодных уточнениях и корректировках. Сравнительная характеристика прогнозных значений показала, что для наиболее точно прогноза необходимо рассматривать модели разных типов.
Читайте также
Библиографический список
- Распоряжение Правительства РФ от 28.12.2009 N 2094-р «Об утверждении Стратегии социально-экономического развития Дальнего Востока и Байкальского региона на период до 2025 года» //URL: https://rulaws.ru/goverment/Rasporyazhenie-Pravitelstva-RF-ot-28.12.2009-N-2094-r/ (дата обращения: 26.10.2020).
- Федеральная служба государственной статистики [Federal’noy sluzhby gosudarstvennoy statistiki] // Режим доступа: https://rosstat.gov.ru/folder/11186 (дата обращения:10.2020)
- Репин А.Н. Перспективы восстановления экономического роста на фоне пандемии коронавируса // Финансовые рынки и банки. 2020. №3. URL: https://cyberleninka.ru/article/n/perspektivy-vosstanovleniya-ekonomicheskogo-rosta-na-fone-pandemii-koronavirusa (дата обращения: 26.10.2020).
- Елисеева И. И. Эконометрика. –М.: Юрайт, серия “Магистр”, 2012. –464с.
- Куфель Т. Эконометрика. Решение задач с применением пакета программ Gretl. –М.: Горячая линия —Телеком, 2007. — 201 с.
- Милевский А.С. Эконометрика. Продвинутый уровень. – М.: РУТ (МИИТ), 2017. – 207 c.
References
- Order of the Government of the Russian Federation of December 28, 2009 N 2094-r “On Approval of the Strategy of Social and Economic Development of the Far East and the Baikal Region for the Period up to 2025 [Ob utverzhdenii Strategii sotsial’no-ekonomicheskogo razvitiya Dal’nego Vostoka i Baykal’skogo regiona na period do 2025 goda]” //URL: https://rulaws.ru/goverment/Rasporyazhenie-Pravitelstva-RF- ot-28.12.2009-N-2094-r / (date of access: 26.10.2020).
- Official data of the Federal State Statistics Service // [Electronic resource]. – Access mode: https://rosstat.gov.ru/folder/11186 (date accessed: 21.10.2020)
- Repin A.N. Prospects for economic growth recovery amid the coronavirus pandemic [Perspektivy vosstanovleniya ekonomicheskogo rosta na fone pandemii koronavirusa]// Financial markets and banks. 2020. No. 3. URL: https://cyberleninka.ru/article/n/perspektivy-vosstanovleniya-ekonomicheskogo-rosta-na-fone-pandemii-koronavirusa (date accessed: 10/26/2020).
- Yeliseyeva I. I. Econometrics [Ekonometrika]. –M .: Yurayt, series “Master”, 2012. –464p.
- Kufel’T. Econometrics. Solving problems using the Gretl software package [Ekonometrika. Resheniye zadach s primeneniyem paketa programm Gretl]. –M .: Hot line –Telecom, 2007. – 201 p.
- Milevskiy A.S. Econometrics. Advanced level [Ekonometrika. Prodvinutyy uroven’.]. – M .: RUT (MIIT), 2017 .– 207 p.
