О прогнозировании динамики показателей промышленного производства региона (на материалах Вологодской области)

Автор: Соколова Ольга Алексеевна, Сидоров Максим Андреевич

Журнал: Вопросы территориального развития @vtr-isert-ran

Рубрика: Экономика территории

Статья в выпуске: 2 т.10, 2022 года.

Бесплатный доступ

Необходимость прогнозирования объема промышленного производства связана с ростом влияния и важности данной отрасли для развития как отдельных регионов, так и страны в целом. Индустриальный сектор занимает особое место среди факторов социальноэкономического развития региона, отчего прогнозирование динамики его показателей несет особую ценность. Поэтому проблема повышения точности полученных данных становится еще более актуальной. Выполненный анализ источников позволил сделать вывод о целесообразности применения смешанных моделей, совмещающих сильные стороны различных подходов. В статье для наибольшей достоверности расчетных значений предложено использовать преимущества различных методов - регрессионного анализа и экстраполяционных трендов. На основании корреляционного анализа определены индикаторы, показавшие высокую степень взаимной согласованности с зависимой переменной. Проведен регрессионный анализ, по результатам которого разработана модель множественной регрессии, включающая показатели объема промышленного производства, инвестиций в основной капитал промышленных производств и численности занятых в промышленности. Качество разработанной модели оценено с помощью критерия Фишера и коэффициента детерминации. Для расчета ожидаемых значений независимых переменных использованы полиномиальная и экспоненциальная функции. Прогнозная величина показателей промышленного производства получена путем последовательной подстановки найденных значений в уравнение множественной регрессии. Таким образом, определен методический и аналитический базис для дальнейшего продолжения исследования по выбранному направлению. В качестве следующих шагов будет проанализирована и оценена роль фактора промышленного производства и прочих отраслей экономики в регионах Северо- Запада России, после чего ключевым этапом видится разработка интегрального показателя экономической динамики регионов, который будет служить опережающим оперативным индикатором.

Еще

Прогнозирование, регрессионные модели, экономическое моделирование, промышленное производство, занятость в промышленности, вологодская область

Короткий адрес: https://sciup.org/147239150

IDR: 147239150   |   DOI: 10.15838/tdi.2022.2.62.2

Список литературы О прогнозировании динамики показателей промышленного производства региона (на материалах Вологодской области)

  • Аитова Ю.С., Орешников В.В. (2017). Использование методов экономико-математического моделирования при разработке прогноза развития муниципального образования // Вестник НГИЭИ. № 10 (77). С. 89-99.
  • Кашинцев Н.П. (2015). Нейросетевое моделирование регионального развития, как инструмент стратегического управления // Известия вузов. Сер.: Экономика, финансы и управление производством. № 2 (24). С. 141-152.
  • Кинякин В.Н., Милевская Ю.С. (2014). Некоторые предостережения по проверке качества модели регрессии с помощью коэффициента детерминации // Вестник Московского ун-та МВД России. № 8. С. 200-204.
  • Клименко А.И., Усенко Л.Н., Холодова М.А. (2022). Прогнозирование продовольственной безопасности региона в контексте экономической доступности продуктов питания // Мелиорация и гидротехника. Т. 12. № 1. С. 264-283. URL: https://doi.org/10.31774/2712-9357-2022-12-1-264-283
  • Лясковская Е.А. (2022). Экономическая устойчивость организации в цифровой экономике // Вестник ЮжноУральского гос. ун-та. Сер.: Экономика и менеджмент. Т. 16. № 1. С. 87-99. DOI: 10.14529/em220108
  • Марченко О.В., Бурдакова Г.И. (2019). Проблемы прогнозирования показателей социально-экономического развития муниципального образования // BENEFICIUM. № 3 (32). С. 52-66.
  • Носков С.И. (2022). Построение кусочно-линейной регрессии с интервальной неопределенностью в данных для зависимой переменной // Вестник кибернетики. № 2 (46). С. 61-65. DOI: 10.34822/1999-7604-2022-2-61-65
  • Носков С.И., Бычков Ю.А. (2022). Модификация непрерывной формы метода максимальной согласованности при построении линейной регрессии // Известия Тульского гос. ун-та. Технические науки. № 5. С. 88-94.
  • Орешников В.В., Аитова Ю.С. (2019). Применение методов экономико-математического моделирования при разработке стратегии развития муниципального образования // Вопросы территориального развития. № 3 (48). С. 1-13.
  • Рыбалкина З.М., Тусков А.А. (2018). Тенденции развития промышленности в РФ // Региональная экономика: теория и практика. Т. 16. № 8. С. 1563-1575. URL: https://doi.Org/10.24891/re.16.8.1563
  • Трусова Н.С. (2013). Прогнозирование инвестиционной активности региона // Социально-экономические явления и процессы. № 12 (058). С. 119-124.
  • Труфанова Т.В., Нещеменко К.Д. (2019). Способы прогнозирования курса валют на основе моделей экспоненциального сглаживания и Хольта // Вестник АмГУ. № 87. С. 14-17.
  • Ускова Т.В. [и др.] (2013). Социально-экономические проблемы локальных территорий: монография. Вологда: ИСЭРТ РАН. 196 с.
  • Халява М.А., Ерыгин Ю.В. (2022). Моделирование влияния параметров кредитно-денежной политики на экономику региона // Социально-экономический и гуманитарный журнал Красноярского ГАУ. № 1. С. 59-72.
  • Яшин С.Н., Солдатова Ю.С. (2015). Анализ взаимосвязи устойчивости инновационного развития и экономического состояния на предприятиях металлургической отрасли // Вестник Нижегородского ун-та им. Н.И. Лобачевского. Сер.: Социальные науки. № 3 (39). С. 35-41.
  • Bom P.R.D., Rachinger H. (2019). A kinked meta-regression model for publication bias correction. Res. Synth. Methods., 10 (4), 497-514.
  • Growiec J. (2018). Factor-specific technology choice. Journal of Мathematical Economics, 77, 1-14.
  • Jadhav V., Reddy B.V. Gaddi G.M. (2017). Application of ARIMA model for forecasting agricultural prices. Journal of Agricultural Science and Technology, 19 (5), 981-992.
  • Liu S., Papageorgiou L.G. (2019). Optimal antibody purification strategies using data-driven models. Engineering, 5 (6), 1077-1092.
  • Mo X., Li H., Zhang L., Ou Z. (2020). A novel air quality evaluation paradigm based on the fuzzy comprehensive theory. Appl. Sci., 10 (23), 8619.
  • Motorin V.A. (2015). Generalization of initial conditions in benchmarking of economic time-series by additive and proportional denton methods. Iranian Economic Review, 19 (3), 251-264.
  • Tomal J.H., Ciborowski J.J.H. (2020). Ecological models for estimating breakpoints and prediction intervals. Ecol. Evol., 10 (23), 13500-13517.
Еще
Статья научная