Многофакторная модель эмпирического анализа экономического развития макрорегионов с учетом потенциала модернизации
Автор: Бараков В.С.
Журнал: Вестник Волгоградского государственного университета. Экономика @ges-jvolsu
Рубрика: Региональная экономика
Статья в выпуске: 1 (22), 2013 года.
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.