Модель финансового поведения населения России на примере рынка потребительских кредитов

В настоящее время население Российской Федерации активно использует кредитные продукты. Раньше кредит рассматривался как вынужденная мера, позволяющая достичь желаемого уровня жизни. Со временем менялась система ценностей и кредитование стало удобной формой финансирования населения, с целью приобретения необходимых товаров. С одной стороны, увеличение потребления товаров и услуг населением способствует росту производства, экономическому развитию регионов, страны. С другой стороны, не всегда кредит является реальной необходимостью, а обусловлен социальным окружением, новым потребительским сознанием жить в долг, поскольку копить деньги в условиях инфляции бессмысленно. Однако такой стиль жизни не по силам людям, не рассчитавшим свои материальные возможности, таким образом, растет задолженность по кредитам, а сами кредиты становятся не источниками дополнительных финансовых ресурсов населения, а источниками снижения их реальных доходов. В связи с этим, актуальным является исследование финансового поведения населения на рынке потребительских кредитов и выявление факторов, влияющих на их поведение, с целью оценки и прогнозирования, а также выработке решений по регулированию финансового поведения населения в современных социально-экономических условиях.

На основе корреляционно-регрессионного анализа построим модель множественной регрессии используя программу MS Excel.

Модель множественного линейного регрессионного анализа имеет вид: Y = F (x1,x2,…, xn), где Y – зависимая переменная;

x1, x2 ,..., xn – независимые переменные.

За зависимую переменную Y взят общий объём потребительских кредитов, к независимым переменным относятся следующие факторы, характеризующие общее экономическое состояние в стране:

• 1)   инфляция потребительских цен;

• 2)    ставка рефинансирования ЦБ коммерческих банков;

• 3)   величина прожиточного минимума;

• 4)   минимальный размер оплаты труда;

• 5)   среднедушевой доход;

• 6)   валовой внутренний продукт (ВВП);

• 7)   уровень безработицы.

Рассмотрим подробнее каждый из этих факторов и собранную статистику. В ходе исследования расчётный период был обозначен с 2000 по 2017 года.

На данный момент для исследования рынка потребительских кредитов такой показатель как общий объём потребительских кредитов является наиболее доступным, и максимально отображающим общую обстановку в стране, поэтому он взят за зависимую переменную в экономической модели.

Для рассмотрения данной модели будем придерживаться основной гипотезы, что все следующие перечисленные факторы являются значимыми и определённым образом влияют на зависимую переменную Y. Первым независимым параметром для построения модели взята инфляция потребительских цен, так как, она имеет непосредственное влияние в формировании дефицита средств у домохозяйств, это наблюдается в следующей ситуации. Инфляция потребительских цен растёт, при этом уровень дохода населения остаётся прежним, может возникнуть необходимость в использовании потребительского кредита.

Вторым независимым параметром является ставка рефинансирования коммерческих банков Центральным Банком России, т.к. ставка под которую коммерческие банки выдают кредиты населению, напрямую зависит от ставки рефинансирования ЦБ, от её изменения процент по выплате кредитов становится более или менее привлекательным для потребителей.

Следующим показателем в экономико-психологической модели взята величина прожиточного минимума, которая в свою очередь отображает экономическую обстановку в стране в совокупности с остальными параметрами модели.

Показатель минимального размера оплаты труда также влияет на потребность населения к приобретению потребительских кредитов, для удовлетворения жизненных потребностей.

Среднедушевой доход является главным показателем, отражающим благосостояние конкретного домохозяйства, а соответственно его финансовое поведение, в том числе относительно потребительских кредитов.

Показатель ВВП отражает количество товаров и услуг, произведённых страной за год, что в свою очередь может косвенно влиять на необходимость домохозяйств к приобретению кредитов.

Включение в модель показателя безработицы можно объяснить следующим. Домохозяйства, имеющие безработных, для обеспечения необходимых жизненных потребностей, также предрасположены к приобретению потребительского кредита.

Сводная информация по всем параметрам, участвующим в модели, представлена в таблице 1 [1].

Числовые данные для построения модели

Таблица 1.

	Объём	Инфляция	Ставка	Прожиточный	Минимальный	Среднедуше	ВВП (трлн.	Безработ
	потребительских	потребитель	рефинансиров
	кредитов (млрд.	ских цен за	ания банков	минимум (руб.)	размер оплаты	вой доход	Руб.)	ица (%)
	руб.)	год (%)	(%)		труда (руб.)	(руб.)
2000	34,6	20,13	28	1210	132	2281	7305,6	10,6
2001	78,4	18,82	36	1500	250	3062	8943,5824	9
2002	115,9	15,06	25	1808	450	3947	10830,5	7,9
2003	246,2	11,99	21	2112	600	5170	13208,2338	8,2
2004	525,4	11,74	16	2376	600	6410	17027,1909	7,8
2005	1056	10,91	13	3018	800	8112	21609,7655	7,1
2006	1883	9	12	3422	1100	10196	26917,2014	7,1
2007	2971	11,87	11	3847	2300	12603	33247,5132	6
2008	4017	13,28	11	4593	2300	14863	41276,8492	6,2
2009	3574	8,8	10,5	5153	4330	16895	38807,2186	8,3
2010	4085	8,78	8,5	5688	4330	18958	46308,5412	7,3
2011	5551	6,1	8	6369	4611	20780	55967,2268	6,5
2012	7737	6,58	8	6510	4611	23221	68163,9	5,5
2013	9957	6,45	8	7306	5205	25928	73133,8951	5,5
2014	11330	11,36	8	8050	5554	27766	79199,6585	5,2
2015	10864	12,91	8,25	9701	5965	30466	83387,1917	5,6
2016	10643	5,38	11	9828	7500	30744	86148,5656	5,4
2017	12065	2,51	9	10328	7800	31298	92037,1757	6

Первым этапом построения регрессионной модели является проверка её параметров на наличие корреляционной связи между собой, это показывает взаимосвязь факторов. Оценка тесноты связи между параметрами может быть интерпретирована на основе таблицы 2.

Таблица 2.

Значение коэффициента корреляции	Интерпретация
от 0 до 0,3	очень слабая
от 0,3 до 0,5	слабая
от 0, 5 до 0,7	средняя
от 0,7 до 0, 9	высокая
от 0,9 до 1	очень высокая

Рассмотрим результаты корреляционного анализа, полученного по программе MS Excel (Таблица 3).

Таблица 3.

Результаты работы программы «Корреляция»

	Y         X1           X2	X3	X4	X5          X6         X7
Y X1	1 -0,64127               1
X2	-0,67744     0,78808643              1
X3	0,972279   -0,713875392 -0,728941444	1
X4	0,947457   -0,744128818   -0,70803904	0,980388581	1
X5	0,978191   -0,722287719 -0,768823126	0,991790785	0,979023798	1
X6	0,990064   -0,710597915 -0,737990004	0,988949183	0,969474813	0,994840843              1
X7	-0,80079     0,67975092   0,798834418	-0,787261657	-0,725251783	-0,816427393   -0,824575196            1

В первую очередь нас интересует корреляция между зависимой переменной Y (общий объём потребительских кредитов) и независимыми переменными X1, X2, ..., X7. Построим таблицу, интерпретирующую полученные значения для переменных (Таблица 4).

Таблица 4.

Таблица корреляции Y с независимыми параметрами

Независимая переменная	Значение коэффициента корреляции r YXi	Степень тесноты связи переменной Y c X i
X 1	-0,6412	средняя
X 2	-0,6774	средняя
X 3	0,9722	очень высокая
X 4	0,9474	очень высокая
X 5	0,9781	очень высокая
X 6	0,9900	очень высокая
X 7	-0,8007	высокая

На основе анализа коэффициентов парной корреляции можно сделать следующие выводы: наблюдается очень высокая линейная зависимость результативного признака Y (объем потребительских кредитов, предоставленных физическим лицам) с факторными признаками X₃ (прожиточный минимум), X 4 (минимальный размер оплаты труда), X 5 (среднедушевой доход), X₆ (ВВП на душу населения).

Наблюдается высокая межфакторная зависимость переменных (Табл. 3), это явление называется мультиколлинеарностью и может отрицательно сказаться на построении модели. Поэтому рекомендуется при наличии сильной коллинеарности факторов исключать из рассмотрения тот фактор, у которого теснота парной зависимости меньше, чем теснота межфакторной связи. Оставим только одну из анализируемых переменных. Переменная X5 (среднедушевой доход) является наиболее значимой для построения модели финансового поведения населения, поэтому она будет использована в дальнейшем исследовании.

После первичного анализа уровня корреляции между параметрами мы получаем новую модель, состоящую уже не из 7, а из 4 факторов, для неё будет осуществляться построение уравнения регрессии.

Таким образом, анализ тесноты корреляционной зависимости факторов показал, что в модели часть факторов следует исключить, остаются следующие факторы:

зависимая переменная Y - объём потребительских кредитов;

независимые переменные:

• X 1 – инфляция потребительских цен;

• X₂ – ставка рефинансирования ЦБ коммерческих банков;

• X 3 – среднедушевой доход;

• X₄ – уровень безработицы.

Построим уравнение множественной регрессии и проанализируем полученные данные.

Таблица 5.

Результаты расчета

Регрессионная статистика

Множественный R 0,987984518

R-квадрат            0,976113409

Нормированный R-к 0,968763688

Стандартная ошибка 786,3922881

Наблюдения               18

Дисперсионный анализ

df SS MS F Значимость F Регрессия 4 328524635,3 82131158,83 132,809597 2,10852E-10 Остаток 13 8039366,8 618412,8308 Итого 17 336564002,1 Коэффициент ндартная оши t-статистика P-Значение Нижние 95% Верхние 95% жние 95,0рхние 95,0 Y-пересечение -2269,852359 2116,817114 -1,072294977 0,303090554 -6842,957704 2303,25299 -6842,96 2303,253 Переменная X 1 61,8494027 71,32883988 0,867102322 0,401607944 -92,24718727 215,945993 -92,2472  215,946 Переменная X 2 108,6403501 47,30803555 2,296446023 0,038914565 6,43755287 210,843147 6,437553 210,8431 Переменная X 3 0,464542696 0,035354767 13,13946432 6,989E-09 0,388163366 0,54092203 0,388163 0,540922 Переменная X 4 -380,5112458 253,5471151 -1,500751628 0,157311942 -928,2664863 167,243995 -928,266  167,244 регрессионной модели нас интересует коэффициент множественной детерминации R2, который оценивает долю дисперсии результата за счет представленных в уравнении факторов в общей вариации результата. Здесь эта доля составляет 97,61%, что указывает на весьма высокую степень обусловленности вариации результата вариацией факторов, то есть тесную связь факторов с результатом.

Следующим важным для нас параметром является Значимость F в дисперсионном анализе, её значение 2,19852E-10, это вероятность принятия нулевой гипотезы модели, о том, что она незначима, и не является эффективной, данное значение должно быть меньше 0,05, для принятия основной гипотезы, как мы можем заметить, показатель значимости F намного меньше, что также крайне хорошо сказывается на интерпретации модели.

Следующим этапом мы проверяем p – значение регрессии, этот показатель отображает значимость полученной переменной в итоговом уравнении модели. Для того чтобы влияние переменной на модель не считалось нулевым, необходимо, чтобы показатель её p – значения был меньше 0,05. Таким образом, для итогового уравнения модели подходят только переменные X₂, X₃, т.к. они удовлетворяют вышеупомянутому условию, переменные X 1 и X 4 , считаются незначительными для уравнения регрессии.

Получив параметры регрессии и проведя анализ полученных данных, мы имеем следующее уравнение для модели финансового поведения населения на рынке потребительских кредитов

Y = -2269,85 + 108,64*X2 + 0,46*X3 , где

• Y – общий объём потребительских кредитов в млрд. рублей;

• X 2 – ставка рефинансирования ЦБ коммерческих банков в %;

• X₃ – среднедушевой доход в тыс. рублей.

Построенная модель позволит проанализировать финансовое поведение населения на рынке потребительских кредитов в зависимости от различных социально-экономических факторов. Модель может быть полезна для анализа и своевременного реагирования на возникающие проблемы по погашению потребительских кредитов в современных социальноэкономических условиях.