Эконометрическое моделирование факторов привлечения прямых иностранных инвестиций

FDI formation is proved. The characteristics and composition of the components of the analyzed process are given.

Прямые иностранные инвестиции имеют большое значение для России как фактор регулирования и подъема Российской экономической системы. Ключевым элементом экономической политики, направленной на создание условий для экономического роста, является разработка стратегии улучшения делового климата и стратегии повышения инвестиционной привлекательности страны [7].

В разных источниках публикуются различные классификации факторов ПИИ [1,10] и, обобщив теоретический материал, мы можем сделать вывод, что все классификации имеют субъективный характер и не отражают реальное положение регионов в оценке ПИИ. Для проведения статистического анализа положения региона в отношении поступления прямых иностранных инвестиций (ПИИ) необходимо брать за основу систему значимых статистических показателей [10].

Использование системы статистических показателей, адекватно отражающей состояние и развитие экономики, человеческого потенциала [2,3,9] и окружающей среды в каждом субъекте страны, позволит получить полную и достоверную статистическую информацию, которая в будущем могла быть использована для принятия своевременных управленческих решений на уровне каждого региона и страны в целом.

Целью данной работы является анализ ряда статистических показателей для выявления наиболее значимых, с точки зрения социальноэкономического развития региона и объединения их в факторы. За основу нами была взята система статистических показателей, характеризующая развитие различных сфер деятельности 85 субъектов РФ [5].

Для первоначального анализа нами были выделены 60 статистических показателей, наиболее полно описывающих процесс формирования ПИИ и их объем. Изначально, мы будем предполагать, что показатели будут образовывать факторы, характеризующие какой-либо потенциал региона [2,3], например:

• 1.    Экономический потенциал: внешняя торговля, производство и активы, основные фонды [6].

• 2.    Социальный потенциал: демография, занятость населения, система здравоохранения, образование, доходы, индекс потребительских цен [2,3,9].

• 3.    Инфраструктура и благоприятные условия ведения бизнеса: плотность автомобильных дорог общего пользования с твердым покрытием и плотность железнодорожных путей, объем платных, транспортных и бытовых услуг населению, показатели, характеризующие качество окружающей среды.

• 4.    Инновационный потенциал: патенты, разработки, число организаций, использующих инновации и т.д.

Ставится задача исследовать зависимость внутри групп показателей данных потенциалов и выявить и объединить наиболее значимые из них с помощью метода анализа главных компонент.

Данные показатели были собраны за 2016 год на основе официальных публикаций Федеральной службы государственной статистики по регионам России [5]. Показатели перед началом проведения анализа были стандартизированы для получения более достоверных результатов анализа.

Для выявления зависимостей между показателями предварительно провели корреляционный анализ, в ходе которого было выявлено, что у большинства показателей имеются довольно сильные внутригрупповые связи. Следовательно, на исходном статистическом материале построение многомерного уравнения регрессии невозможно. Поэтому для снижения размер- ности и устранения мультиколленеарности переменных необходимо использовать факторный анализ, а именно метод главных компонент.

С использованием программного пакета STATISTICA мы провели факторный анализ на 45 показателях, отобранных из указанных ранее, удовлетворяющих предпосылкам использования данной техники эконометрического моделирования, с использованием вращения Varimax. В таблице представлены признаки, вносящие максимальный суммарный эффект в 2 фактора, которые мы можем интерпретировать, как научно-производственный потенциал и человеческий потенциал.

Таблица 1 – Показатели, входящие в факторы с наибольшим весом

Полученные факторы отражают основные направления кредитования международных финансовых организаций, в частности Всемирного банка. Проанализировав данные из таблицы собственных чисел, заметим, что первый фактор имеет собственное значение, равное 15,33, второй – 5.72. Доля дисперсии, объясненной первыми 2 факторами, составляет около 70%, что является довольно хорошим показателем и может применяться для дальнейшей оценки факторов привлечения прямых иностранных инвестиций в субъекты РФ.

Мы рассмотрели зависимость прямых иностранных инвестиций от 60 статистических показателей. После проведения факторного анализа мы сократили размерность до 2 факторов. Следуя из результатов моделирования,

ПИИ в большей степени зависят от образовательно-производственного потенциала региона.