Анализ панельных данных как инструмент сравнения региональных экономических систем (на примере регионов ДВФО)

Бесплатный доступ

В статье показана возможность определения индивидуальных различий регионов на основе анализа панельных данных с помощью модели с фиксированными эффектами. Проиллюстрирована возможность обоснования индивидуальных различий, выявленных с помощью модели панельных данных, дополнительным анализом экономик регионов.

Регионы двфо, панельные данные, индивидуальные эффекты, темпы роста

Короткий адрес: https://sciup.org/14319429

IDR: 14319429

Текст научной статьи Анализ панельных данных как инструмент сравнения региональных экономических систем (на примере регионов ДВФО)

Цель исследования состояла в том, чтобы проиллюстрировать возможность проведения сравнительного анализа региональных экономических систем Дальневосточного федерального округа (ДВФО) с использованием анализа панельных данных. Для анализа были использованы статистические данные по 9 регионам ДВФО в течение семи лет [2].

В данном случае не принципиально, за какой период времени бралась информация, так как цель статьи – показать, что панельные денные в принципе могут быть использованы для реализации поставленной задачи.

Перечень и нумерация регионов: 1 – Республика Саха (Якутия), 2 – Камчатский край, 3 – Приморский край, 4 – Хабаровский край, 5 – Амурская обл., 6 – Магаданская обл., 7 – Сахалинская обл., 8 – Еврейская автономная обл., 9 – Чукотский автономный округ.

Анализируемая информация изначально включала пять показателей, характеризующих экономику регионов: инвестиции в основной капитал, стоимость основных фондов, валовое накопление основного капитала, фактическое конечное потребление домашних хозяйств и валовой региональный продукт.

Рисунок 1 – Динамика анализируемых показателей (регионы – время)

Как видно из рисунка 1, динамика изменения этих показателей по годам и регионам совпадает, а матрица парных коэффициентов корреляции (рисунок 2) показывает, что показатели тесно связаны друг с другом. Если моделировать зависимость конечного потребления от остальных признаков, получим, что регрессоры являются мультикол-линеарными, то есть с информационной точки зрения дублируют друг друга, и часть из них при моделировании без потери точности модели можно будет исключить.

Covariance Analysis: Ordinary Date: 01/30/16 Time: 13:56 Sample: 1 7

Included observations: 63

Correlation

Probability

KONPOTR

INVEST

OSNFOND

VALNAKO...

VRP

KONPOTR

1.000000

INVEST

0.713199

1.000000

0.0000

OSNFOND

0.823653

0.734171

1.000000

0.0000

0.0000

VALNAKOPL

0.721652

0.9 9 9445

0.740259

1.000000

0.0000

0.0000

0.0000

VRP

0.874997

0.821592

0.9279 6 5

0.828468

1.000000

0.0000

0.0000

0.0000

0.0000

Рисунок 2 – Матрица парных коэффициентов корреляции

Различные варианты сочетания признаков в регрессионном анализе показали, что более эффективно для решения поставленной задачи использовать анализ зависимости фактического конечного потребления домохозяйств от инвестиций в основной капитал и валового регионального продукта.

Как известно, модели панельных данных со случайными эффектами в большей мере подходят для анализа больших совокупностей на микроуровне, у нас же анализируются все регионы ДВФО (вся генеральная совокупность), а потому для дальнейшего анализа была выбрана модель с фиксированными эффектами с указанными выше регрессорами (рисунок 3).

Как видим, эта модель вполне подходит для дальнейшего анализа (довольно точная (R2=0,896), все оценки значимо отличны от нуля (prob для всех t-статистик < 0,05), и коэффициенты при переменных по знаку соответствуют их экономическому смыслу).

Тест Вальда (рисунок 4) показал, что модель с фиксированными эффектами более предпочтительна, чем обобщённая, (она указана в нижней части этого рисунка) так как вероятность для Chi-square, равная нулю, отклоняет гипотезу о том, что фиксированные эффекты отсутствуют.

Dependent Variable: KONPOTR

Method: Panel Least Squares

Sample: 1 7

Periods included: 7

Cross-sections included: 9

Total panel (balanced) observations: 63

Variable

Coeffici ent

Std. Error

t-Statistic

Prob.

INVEST

348.2501

88.60335

3.930440

0.0003

VRP

0.248 383

0.026 334

9.4321 1 9

0.0000

c

5537 0.94

8101.130

6.834965

0.0000

Effects Specification

Cross-section fixed (dummy variables)

R-squared 0.896152 Mean dependent var 1 69374.7

Рисунок 3 – Модель с фиксированными эффектами

Redundant Fixed Effects Tests Equation: Untitled

Test cross-section fixed effects

Effects Test                                Statistic            d.f.      Prob

Cross-section F                       8.163923       (8,52)    0.0000

Cross-section Chi-square            51.256049           8    0.0000

Cross-section fixed effects test equation Dependent Variable: KONPOTR Method: Panel Least Squares

Date: 01/30/16 Time: 16:23

Sample: 1 7

Periods included: 7

Cross-sections included: 9

Total panel (balanced) observations: 63

Variable

Coefficient

Std. Error

t-Statistic

Prob.

INVEST

-14.941 54

93.52017

-0.1 59768

0.8736

VRP

0.256685

0.031 635

8.1 1 3907

0.0000

О

91 956.95

7290.651

12.61300

0.0000

R-squared

0.76571 9

Mean dependent var

1 69374.7

Adjusted R-squared

0.757910

S.D. dependentvar

68462.1 4

Рисунок 4 – Тест Вальда для модели с фиксированными эффектами

Таблица 1 – Фиксированные индивидуальные эффекты по регионам

Номер региона

1

2

3

4

5

6

7

8

9

Величина эффекта

4 554

4 583

6 885

3 5607

-7 252

28 813

-87 719

3 505

-22 679

В таблице 1 показаны оценённые индивидуальные эффекты для каждого региона. Как известно, в этих эффектах отражена информация, не зависящая от времени и не учтённая в модели, то есть эффекты отражают индивидуальные особенности каждого региона.

По этим показателям видно, что регионы 1, 2, 3 и 8, а также регионы 7, 9 и 4, 6 могут иметь схожую структуру экономики, поскольку соответствующие фиксированные эффекты близки по величине и знаку. Отличается спецификой 5-й регион – Амурская область. Но это и понятно: специфика структуры экономики этого региона обусловлена высоким удельным весом сельского хозяйства, по сути, сельскохозяйственной специализацией.

Как известно, модели панельных данных не объясняют причину различия в индивидуальных эффектах, они лишь фиксируют наличие различий, и если эти различия присутствуют, то только потому, что это разные регионы. Тест Вальда «зафиксировал» такие различия, и мы можем считать, что экономики регионов различаются. Другой информации такие модели не дают.

Попробуем показать, что сведения о существовании различий можно подтвердить дополнительным анализом экономик этих регионов.

С этой целью для каждого региона за анализируемый период были рассчитаны темпы роста показателей зависимой и независимых переменных (по линейному тренду). Затем их сравнили, а именно то, во сколько раз темп роста регрессоров отличается от темпов роста зависимых переменных (таблица 2).

Таблица 2 – Сравнение темпов роста регрессоров с темпами роста зависимой переменной

Регион

1

2

3

4

5

6

7

8

9

vrp/konpotr

2,14

1,33

1,80

1,17

1,52

1,74

4,05

1,20

3,57

invest/konpotr

1,03

0,55

1,35

0,75

0,96

0,53

0,40

1.05

0,35

Как видим, валовой региональный продукт в этих регионах рос быстрее, чем инвестиции по сравнению с конечным потреблением, а инвестиции в основной капитал – значимо меньше. В этих показателях различия в структуре экономик не просматриваются. Рассчитаем отношения темпов роста регрессоров (vrp/konpotr) (таблица 3).

Таблица 3 – Сравнение темпов роста регрессоров

регион

1

2

3

4

5

6

7

8

9

Отношение темпов роста

2,08

2,42

1,33

1,62

1,53

3,28

10,15

1,14

10,2

В этой информации уже прослеживаются различия в структуре экономик регионов, и эти различия соответствуют различиям в индивидуальных эффектах. Так, величины эффектов первых четырёх регионов различаются незначимо, аналогично мы видим и в таблице 3. Аналогично в 7-м и 9-м регионах: у них индивидуальные эффекты значимо отличаются от таковых в других регионах (темпы роста валового регионального продукта в них существенно больше темпов роста конечного потребления, чем в других регионах).

Отдельная ситуация в 5-м регионе: отношение темпов близко к аналогичному отношению в 3-м регионе, но величины эффектов существенно различаются. Объяснить это можно тем, что экономики этих регионов существенно различаются по основной спецификации – Приморский край (прибрежный регион) и Амурская область (в основном сельскохозяйственное направление). Понятно, что точного соответствия в этих закономерностях искать не приходится, так как эти результаты получены на основе обработки выборочных данных статистическими методами, и различия могут быть уже в пределах статистических ошибок.

Подчеркнём ещё раз, что не следует искать в величинах индивидуальных эффектов причину различий в структурах экономик того или иного региона. Индивидуальные эффекты лишь фиксируют, есть ли различия в регионах и являются ли они значимыми. И если с их помощью зафиксировали, что один регион отличается от другого, то это лишь потому, что это другой регион. Какого-либо смысла в индивидуальных эффектах искать не сле- дует. Они лишь могут указать наличие или отсутствие индивидуальных различий. Выяснение причин таких различий следует искать в подробном анализе экономик этих регионов.

Список литературы Анализ панельных данных как инструмент сравнения региональных экономических систем (на примере регионов ДВФО)

  • Вербик М. Путеводитель по современной эконометрике/М. Вербик; научн. ред. и предисл. С. А. Айвазян; пер. с англ. В. А. Банникова. М.: Научная книга, 2008. 616 с.
  • Регионы России//www.gks.ru/bgd/reg1 (дата обращения 10.12.2015).
Статья научная