Многофакторная модель эмпирического анализа экономического развития макрорегионов с учетом потенциала модернизации

Бесплатный доступ

В статье раскрываются прикладные аспекты проведения многофакторного анализа, позволяющего выявить закономерности экономического развития макрорегионов РФ во взаимосвязи с модернизационными преобразованиями. Проводится факторный анализ исходных признаков показателей по 168 наблюдениям за период с 2000 по 2011 год. В результате проведенного анализа выявлены факторы, обусловливающие реализацию модернизационных преобразований и влияющие на экономическое развитие макрорегионов РФ.

Факторный анализ, многофакторная модель, экономическое развитие, макрорегион, потенциал модернизации региона, корреляционный анализ, анализ главных компонент

Короткий адрес: https://sciup.org/14970930

IDR: 14970930

Текст научной статьи Многофакторная модель эмпирического анализа экономического развития макрорегионов с учетом потенциала модернизации

Развитие экономического пространства России предопределено закономерностями, которые формируются под воздействием большого многообразия факторов. В этой связи целесообразно продолжить формирование соответствующей методической базы, основанной на применении методологии многомерного статистического анализа. Наиболее эффективным и подходящим методом для решения подобных задач является метод главных компонент [7]. Данный подход широко применяется при исследовании влияния институциональных факторов на экономический рост в российских регионах [2, c. 67], выявлении скрытых и обосновании явных закономерностей макроэкономического развития хозяйственных систем [8], установлении зависимостей экономических показателей региона [1] и др.

Разрабатываемая методическая база эмпирического анализа экономического развития макрорегионов с учетом потенциала модернизации преследует цель:

  • 1)    выявить закономерности экономического развития в зависимости от модернизаци-

  • онных преобразований макрорегионов РФ на основе показателей-факторов, характеризующих пространственный и временной аспекты;
  • 2)    определить количественное влияние выявленных закономерностей на показатель валового регионального продукта на душу населения.

Отбор показателей-признаков был произведен по макрорегионам на основе учета основных факторов экономического развития. База данных сформирована в соответствии с пространственно-временной выборкой. А именно значения показателей рассчитывались по каждому макрорегиону (МР) за 12 лет наблюдений (2000–2011 гг.). Значения признаков-показателей отобраны на основе статистических сборников «Регионы России» и данных единой межведомственной информационно-статистической системы – indicators/ (см.: [3–6]). Отобранные для анализа показатели-признаки, влияющие на экономическое развитие МР России, и их обозначения следующие: валовой региональный продукт на душу населения (Y, руб./чел.); доля технологических затрат на 1 руб. инновационной продукции (x1, %); уровень экономической активности населения (x2, %); степень износа основных фондов (x3, %); доля персонала, занятого исследованиями и разработками, в общей численности занятого в экономике МР населе- ния (x4, %); удельный вес инвестиций в основной капитал в валовом региональном продукте (x5, %); темп (индекс) роста промышленного производства (x6, %); инвестиции в основной капитал на душу населения (x7, руб./чел.); численность населения с денежными доходами ниже величины прожиточного минимума (в % от общей численности) (x8, %); индекс физического объема инвестиций в основной капитал (x9, %); доля организаций, выполнявших ис- следования и разработки, в общей численности организаций и предприятий (x10, %); доля убыточных организаций в общей их численности (x11, %); доля городского населения в общей численности (x12, %); объем инновационной продукции на одного занятого в экономике МР (x13, руб./чел.).

По исходным 14 показателям и 168 наблюдениям на первом этапе рассчитывается корреляционная матрица (см. табл. 1).

Таблица 1

Y

x 1

x 2

x 3

x 4

x 5

x 6

x 7

x 8

x 9

x 10

x 11

x 12

х 13

Y

1

x 1

-0,08

1

x 2

0,74

-0,09

1

x 3

-0,07

-0,23

-0,16

1

x 4

0,17

-0,25

0,43

-0,06

1

x 5

0,13

0,17

-0,08

-0,16

-0,64

1

x 6

-0,21

-0,01

-0,13

-0,14

0,06

-0,02

1

x 7

0,91

-0,01

0,67

-0,11

-0,06

0,42

-0,18

1

x 8

-0,74

0,26

-0,69

0,08

-0,17

-0,21

0,14

-0,68

1

x 9

-0,17

0,07

-0,06

-0,11

-0,07

0,02

0,31

-0,11

0,22

1

x 10

-0,34

-0,07

0,16

-0,17

0,41

-0,41

0,21

-0,30

0,26

0,21

1

x 11

-0,53

0,31

-0,34

0,05

-0,06

-0,31

0,08

-0,51

0,61

-0,03

0,29

1

x 12

0,48

-0,06

0,79

-0,10

0,68

-0,47

-0,03

0,34

-0,37

0,01

0,41

-0,01

1

х 13

0,58

-0,29

0,46

0,18

0,04

0,12

-0,08

0,60

-0,48

-0,08

-0,18

-0,40

0,20

1

Корреляционная матрица

Проведенный анализ коэффициентов корреляции показывает, что выбранные показатели достаточно тесно взаимосвязаны между собой. Некоторые показатели связаны относительно слабо, однако для повышения результативности факторного анализа в проводимом исследовании они учтены. Процедура выделения главных факторов подобна враще- нию, максимизирующему дисперсию (вари-макс) исходного пространства переменных.

В результате компьютерной обработки исходных данных методом главных компонент осуществлен переход от 14 исходных показателей к 4 обобщающим характеристикам (главным компонентам), которые позволяют объяснить более 72 % вариации исходной информации (см. рисунок).

Extraction: Principal components

Value

Eigenvalue

% Total variance

Cumulative

Eigenvalue

Cumulative %

1

4,525040

32,32171

4,52504

32,32171

2

2,801706

20,01218

7,32675

52,33390

3

1,569987

11,21420

8,89673

63,54809

4

1,300358

9,28827

10,19709

72,83636!

Рисунок. Результаты факторного анализа:

Total variance – % общей дисперсии; Eigenvalue – собственное значение;

Cumulative – накопительная сумма

Действительная ориентация факторов в факторном пространстве произвольна, поэтому первоначально полученная факторная матрица не позволяет провести содержательной интерпретации выделенных компонент (см. табл. 2).

В связи с этим целесообразно произвести вращение факторной матрицы таким образом, чтобы выбрать простейшую для интерпретации фактурную структуру. Наиболее стандартным методом вращения является метод «варимакс», предложенный Кайзером в 1958 году [9].

Факторные матрицы со значениями вкладов главных компонент в общую дисперсию после вращения приведены в таблице 3.

В результате вращения получены наиболее четко выделенные факторы ввиду перераспределения вклада главных компонент (так как произошло снижение величины вклада первой главной компоненты, то вклад оставшихся трех компонент в отдельности распределился более равномерно).

Таблица 2

Матрица факторных нагрузок до вращения

Variable

Factor 1

Factor 2

Factor 3

Factor 4

¥

-0,932672

-0,079590

0,054090

-0,116404

Х1

0,234671

-0,161332"

0,556923

-0,588834

X2

-0,841529

0,367303

0,189473

-0,111230

хз

0,062720

-0,083850

-0,743447

0,107749

X4

-0,263488

0,823860

-0,129696

0,027011

X5

-0,145321

-0,606154

0,336202

0,069111

XE

0,220464

0,164727

0,392341

0,587648

X7

-0,876042

-0,267617"

0,200054

-0,083068

Ж

0,861810

0,090396

0,010113

-0,060088

Ж

0,186584

0,093862

0,485794

0,531388

ХЮ

0,212430

0,729208

0,213825

0,126188

Х11

0,635480

0,286868

0,016535

-0,403979

Х12

-0,546646

0,744590

0,128933

-0,174988

Х1Э

-0,675335

-0,120764

-0,213919

0,250272

Expl.Var *

4,525040

2,801706

1,569987

1,300358

Prp.Totl

0,323217

0,200122

0,112142

0,092883

* Здесь и в таблице 3 использованы следующие обозначения: Expl. Var. – общая дисперсия; Prp. Totl. – доля общей дисперсии.

Таблица 3

Матрица факторных нагрузок после вращения

Variable

Factor 1

Factor

2

Factor

3

Factor

4

Y

0,927479.

-0,081457

-0,006302

0,160605

X1

-0,111920"

0,160102

0,831521

0,091663

X2

0,797136

-0,495935

0,099869

-0,001637

X3

-0,179736

0,061727

-0,619754

0,393798

X4

0,112261

-0,852894

-0,157737

-0,028460

X5

0,320647

0,793035

0,197005

-0,135208

ХБ

-0,162551

-0,036259

-0,056692

-0,737597

X7

0,926396

0,123835

0,091279

0,064117

XB

-0,850633

0,043055

0,159076

-0,062166

>3

-0,103145

0,026621

0,046150

-0,740619

X10

-0,274643

-0,653070

0,100312

-0,355701

X11

-0,661975

-0,224396

0,354135

0,188747

X12

0,443221

-0,828831

0,130667

0,000957

X13

0,639504

0,026530

-0,410282

0,032515

Expl.Var

4,393794

2,822094

1,509088

1,472115

Prp.Totl

0,313842

0,201578

0,107792

0,105151

Наиболее важное значение представляет собой оценка взаимосвязей исходных показателей с полученными факторами. Проведенная оценка позволяет дать экономическое обоснование выделенным в результате анализа факторам.

Так, такие показатели, как валовой региональный продукт на душу населения; уровень экономической активности населения; инвестиции в основной капитал на душу населения; численность населения с денежными доходами ниже величины прожиточного минимума, на основе которых сформирована компонента F 1, целесообразно трактовать как человеческий фактор.

Показатели, сформировавшие вторую главную компоненту F 2, в основном представлены в виде структуры и долей, включают такие показатели, как доля персонала, занятого исследованиями и разработками, в общей численности занятого в экономике МР населения; удельный вес инвестиций в основной капитал в валовом региональном продукте; доля организаций, выполнявших исследования и разработки, в общей численности организаций и предприятий; доля городского населения в общей численности. Исходя из содержания данных показателей определим ее структурный фактор экономического развития.

Совокупность показателей, определивших экономическое содержание третьей глав- IT e ёТ i IT i a ou ( F 3 ), образует фактор, характеризующий инновационную составляющую экономического развития. Такие показатели, как доля технологических затрат на 1 руб. инновационной продукции, объем инновационной продукции на одного занятого в экономике МР, степень износа основных фондов, характеризуют инновационную деятельность в МР. Поэтому данная группа интерпретируется как инновационный фактор экономического развития.

Показатели, формирующие четвертую главную компоненту (F4), отражают их обусловленность инвестиционными источниками финансирования. В частности, степень износа основных фондов, темп роста промышленного производства, индекс физического объема инвестиций в основной капитал, доля орга- низаций, выполнявших исследования и разработки, в общей численности организаций и предприятий в существенной мере зависят от масштабной инвестиционной поддержки. Исходя из этого получает объяснение инвестиционного фактора экономического развития.

Таким образом, в результате экономическое обоснование получила каждая из выделенных четырех главных компонент. Более того, установленные скрытые закономерности служат эмпирическим подтверждением выдвинутой концепции детерминантов-факторов экономического развития модернизационных преобразований макрорегионов РФ.

Список литературы Многофакторная модель эмпирического анализа экономического развития макрорегионов с учетом потенциала модернизации

  • Зарова, Е. В. Качество экономического роста региона: методологические аспекты статистического исследования/Е. В. Зарова, М. А. Котякова//Вопросы статистики. -2006. -№ 5. -С. 51-61.
  • Пилясов, А. Политические и экономические факторы развития российских регионов/А. Пилясов//Вопросы экономики. -2003. -№ 5. -С. 67-82.
  • Регионы России. Социально-экономические показатели-2005: стат. сб./Росстат. -Электрон. текстовые дан. -Режим доступа: http://www.gks.ru/bgd/regl/B05_14p/Main.htm (дата обращения: 28.03.2013). -Загл. с экрана.
  • Регионы России. Социально-экономические показатели-2007: стат. сб./Росстат. -Электрон. текстовые дан. -Режим доступа: http://www.gks.ru/bgd/regl/B05_14p/Main.htm (дата обращения: 28.03.2013). -Загл. с экрана.
  • Регионы России. Социально-экономические показатели-2010: стат. сб./Росстат. -Электрон. текстовые дан. -Режим доступа: http://www.gks.ru/bgd/regl/B05_14p/Main.htm (дата обращения: 28.03.2013). -Загл. с экрана.
  • Регионы России. Социально-экономические показатели-2012: стат. сб./Росстат. -М., 2012. -990 с.
  • Симчера, В. М. Методы многомерного анализа статистических данных/В. М. Симчера. -М.: Финансы и статистика, 2008. -400 с.
  • Факторы экономического роста в регионах РФ/С. Дробышевский [и др.]. -М.: ИЭПП, 2005. -277 с.
  • Kaiser, H. F. The varimax criterion for analytic rotation in factor analysis/H. F. Kaiser//Psychometrika. -1958. -№ 23. -P. 187-200.
Еще
Статья научная