Применение эконометрических методов к оценке уровня качества жизни

Автор: Пономарева В.Н., Пронина Е.А., Кривошапова Г.А., Яркина А.А.

Журнал: Форум молодых ученых @forum-nauka

Статья в выпуске: 2 (30), 2019 года.

Бесплатный доступ

В статье проведен анализ влияния различных социально-экономических факторов на уровень жизни. Выделены основные факторы, влияющие на уровень качества жизни. Выполнен корреляционный анализ отобранных факторов, выявлены коррелированные факторы. Осуществлена проверка полученных результатов. Рассчитаны доверительные интервалы. Была обнаружена взаимосвязь между рейтинговым баллом качества жизни и уровнем доходов, занятостью и рынком труда, демографической ситуацией и уровнем экономического развития.

Уровень жизни, многофакторная модель линейной регрессии, корреляционный анализ, мультиколлинеарность

Короткий адрес: https://sciup.org/140285591

IDR: 140285591

Текст научной статьи Применение эконометрических методов к оценке уровня качества жизни

Актуальность темы исследования определяется неоднозначными оценками уровня качества жизни вследствие того, что данное понятие разными авторами трактуется по-разному и учитывает влияние различных факторов, которые к тому же коррелируют друг с другом.

Повышение уровня и качества жизни населения, как отдельных регионов, так и страны в целом, является одним из стратегических направлением развития России в XXI веке.

Качество жизни является комплексной характеристикой, представляющей собой совокупность определенных характеристик жизненно важных для человека сторон, процессов и явлений, которые отражают его современное существование, как в аспекте трудовой деятельности, так и в аспекте жизнедеятельности вообще.

Современный экономический словарь определяет термин "качество жизни" как социально-экономическую категорию, представляющую обобщение понятия "уровень жизни" и включающей в себя "не только уровень потребления материальных благ и услуг, но и удовлетворение духовных потребностей, здоровье, продолжительность жизни, условия среды, окружающей человека, душевный комфорт".

Интегральными индикаторами уровня жизни являются [1]:

- реальные доходы на душу населения;
- реальная заработная плата;
- поступления доходов от вторичной занятости;
- от реализации продукции личного подсобного хозяйства, дивидендов (по акциям и облигациям);
- процентов по вкладам населения,
- пенсий, пособий, стипендий.

С помощью этих индикаторов изучаются и прогнозируются уровень, динамика и структура доходов из различных источников.

К частным индикаторам уровня жизни относятся показатели потребления отдельных товаров и услуг — на душу населения, семью, по социальным группам, регионам, — показатели обеспеченности товарами длительного пользования, жильем, коммунально-бытовыми удобствами.

Для проведения нижеприведенного анализа были использованы данные о качестве жизни, собранные ООО «Рейтинговое агентство «РИА Рейтинг» [7].

В качестве показателей были выбраны следующие факторы: уровень доходов, занятость населения и рынок труда, жилищные условия, демографическая ситуация, уровень экономического развития. Среди регионов ЦФО выбраны самые экономически и технологически развитые.

Таблица 1

Рейтинг среди развитых регионов ЦФО по качеству жизни в 2016 г.

Регионы ЦФО

Рейтинговый бал по качеству жизни Y

Рейтинговый бал по уровню доходов Х1

Рейтинговый бал по занятости и рынку труда Х2

Рейтингов ый бал по жилищны м условиям Х3

Рейтинговый бал по демографич еской ситуации Х4

Рейтинговый бал по уровню экономическог о развития Х5

Белгородская область	19.40	13.25	9.67	16.75	31.33	26.00
Брянская область	47.40	41.00	46.00	23.50	66.67	59.83
Владимирская область	46.00	51.00	33.67	40.00	62.67	42.67
Воронежская область	27.15	16.25	28.67	27.50	38.67	24.67
Костромская область	46.88	39.50	33.67	48.25	53.33	59.67
Московская область	11.13	6.50	12.33	8.50	14.33	14.00
Тверская область	51.75	35.75	52.00	54.00	67.67	49.33
Ярославская область	38.45	23.00	47.33	38.75	40.00	43.17

Рейтинговый бал по качеству жизни Y

60,00

50,00

40,00

30,00

20,00

10,00

0,00

Рис.1. Рейтинговый бал по качеству жизни

На первом этапе рассмотрим корреляционный анализ. Сущность корреляционного анализа заключается в определении коррелированности результатов наблюдений с исследуемыми факторами и оценке на этой основе существенности влияния этих факторов на результаты наблюдения [5]. Чем ближе коэффициент корреляции к 1, тем сильнее связь [6].

Для этого сначала составляется таблица парных коэффициентов корреляции [4], которые используются для определения тесноты связи между двумя переменными. Построить данную таблицу можно при помощи пакета «Анализ данных» (Таблица 2).

Таблица 2

Парные коэффициенты корреляции

	Y	X1	X2	X3	X4	X5
Y	1	0.90608009	0.87099673	0.84724693	0.95400969	0.92395911
X1	0.90608009	1	0.64023796	0.68055099	0.91495103	0.83323221
X2	0.87099673	0.64023796	1	0.74054458	0.78442748	0.76897663
X3	0.84724693	0.68055099	0.74054458	1	0.72205215	0.69551399
X4	0.95400969	0.91495103	0.78442748	0.72205215	1	0.85680343
X5	0.92395911	0.83323221	0.76897663	0.69551399	0.85680343	1

Далее необходимо проверить значимость полученных коэффициентов корреляции, то есть гипотезу . Рассчитаем наблюдаемые значения t-статистик для всех коэффициентов, используя формулу [5]:

Затем необходимо построить матрицу наблюдаемых значений t-статистик и сравнить их с с соблюдением следующих параметров:

; ν=n-2; (Таблица 3).

Таблица 3

Матрица парных коэффициентов корреляции

	Y	X1	X2	X3	X4	X5
Y	1	5.24557172	4.34265453	3.90686299	7.79528352	5.91707218
X1	5.24557172	1	2.04153089	2.27514815	5.55341484	3.69127890
X2	4.34265453	2.04153089	1	2.69931074	3.09800621	2.94645467

X3	3.90686299	2.27514815	2.69931074	1	2.55646229	2.37108512
X4	7.79528352	5.55341484	3.09800621	2.55646229	1	4.07012314
X5	5.91707218	3.69127890	2.94645467	2.37108512	4.07012314	1

Таким образом, наблюдаемое значение t-статистик больше и следовательно отвергается гипотеза [6], т.е. данные коэффициенты значимы.

Для остальных коэффициентов, которые меньше гипотеза не отвергается, что говорит о том, что данные коэффициенты не являются значимыми.

Также при проверке значимости парных коэффициентов корреляции можно воспользоваться

таблицей Фишера-Йейтса для определения

( ; ν=n-2-1). Выделим в матрице парных коэффициентов корреляции наиболее значимые коэффициенты, руководствуясь правилом >

( 0.754).

Таблица 4

Парные коэффициенты корреляции

	Y	X1	X2	X3	X4	X5
Y	1	0.90608009	0.87099673	0.84724693	0.95400969	0.923959112
X1	0.90608009	1	0.64023796 8	0.68055099	0.91495103	0.83323221
X2	0.87099673	0.64023796	1	0.74054458	0.78442748	0.76897663
X3	0.84724693	0.68055099	0.74054458	1	0.72205215	0.69551399
X4	0.95400969	0.91495103	0.78442748	0.72205215	1	0.85680343
X5	0.92395911	0.83323221	0.76897663	0.69551399	0.85680343	1

Далее произведем расчет доверительных интервалов при соблюдении следующих условий [4]: r=0,95; F(t)=0,975;

,∆Z=0,87652

(таблица 5).

Построим доверительные интервалы на основе полученных данных для всех значимых парных коэффициентов корреляции (Таблица 6).

Таблица 5

Расчет доверительных интервалов

	r	Zr	Z min	Z max	ρ min	ρ max
YX1	0.90608009	1.50518090	0.628658355	2.38170345	0.557127697	0.98307155
YX2	0.87099673	1.33719442	0.460671878	2.21371697	0.430631652	0.97639179
YX4	0.95400969	1.87460409	0.998081552	2.75112664	0.760787279	0.99187797
YX5	0.92395911	1.61543458	0.738912042	2.49195713	0.628487393	0.98639871
X1X2	0.64023796	0.75857691	-0.11794563	1.63509945	-0.11740174	0.92678437
X1X4	0.91495103	1.55711007	0.680587527	2.43363262	0.591901217	0.98472874
X1X5	0.83323221	1.19861680	0.322094253	2.07513934	0.311399327	0.96896900
X2X4	0.78442748	1.05677778	0.180255237	1.93330033	0.178328	0.95899933
X2X5	0.76897663	1.01781881	0.141296262	1.89434135	0.140363402	0.95575039
X4X5	0.85680343	1.28119670	0.404674154	2.15771924	0.383941231	0.97363093

Таблица 6

Доверительные интервалы

P ( 0.557127697≤YX1≤0.983071556)=0.95

P ( 0.430631652≤YX2≤0.976391798)=0.95

P ( 0.760787279≤YX4≤0.991877972)=0.95

P ( 0.628487393≤YX5≤0.986398714)=0.95

P ( -0.117401743≤X1X2≤0.926784375)=0.95

P ( 0.591901217≤X1X4≤0.984728745)=0.95

P ( 0.311399327≤X1X5≤0.968969002)=0.95

P ( 0.178328≤X2X4≤0.95899933)=0.95

P ( 0.140363402≤X2X5≤0.955750392)=0.95

P ( 0.383941231≤X4X5 ≤0.97363093)=0.95

На основе полученных данных можно сделать следующие выводы:

- Обнаружена взаимосвязь между рейтинговым баллом качества жизни (Y) и уровнем доходов (X1), занятостью и рынком труда (X2), демографической ситуацией (X4) и уровнем экономического развития (X5), а также обнаружена тесная связь между перечисленными факторными признаками;
- Чем ближе коэффициент корреляции к единице, тем выше связь между двумя показателями. Так, наиболее тесная связь прослеживается между рейтинговым баллом качества жизни и демографической ситуацией.

В связи с тем, что рейтинговый показатель по качеству жизни имеет тесную связь с имеющимися факторами, перейдем непосредственно к построению регрессионной модели.

На основе данных уравнение регрессии будет выглядеть следующим образом:

Y= 1.05+0.27X 1 +0.X 2 +0.19X 4 +0.21X 5

Показатели качества жизни в современных условиях играют очень важную роль в развитии всего государства.

Так в ходе исследования были рассмотрены показатели качества жизни, такие как уровень доходов, занятость и рынок труда, жилищные условия, демографическая ситуация, уровень экономического развития. В результате влияния каждого из этих показателей был рассчитан интегральный показатель качества жизни, по результатам которого были получены следующие результаты: в тройку лидеров по качеству жизни входят такие регионы как Московская область, Белгородская область и Воронежская область.

В ходе исследования также был проведен эконометрический анализ, в ходе которого были проведены корреляционный и регрессионный анализы.

В ходе корреляционного анализа было выявлено, что исследуемые факторы очень тесно связаны как с интегральным показателем качества жизни, так и между собой, что говорит о том, что данные показатели являются значимыми.

Были также рассчитаны парные коэффициенты корреляции и определены доверительные интервалы, позволяющие на их основе прогнозировать данные.

Далее был проведен регрессионный анализ при помощи пакета прикладных решений Microsoft Office Excel были получены соответствующие данные, которые говорят о качестве регрессионной модели и построена сама регрессионная модель.

ВЫВОД ИТОГОВ

Регрессионная статистика Множественный R 0.99 R-квадрат 0.98 Нормированный R-квадрат 0.96 Стандартная ошибка 2.96 Наблюдения 8.00 Дисперсионный анализ

	df	SS	MS	F	Значимост ь F
Регрессия	4.00	1548.49	387.12	44.16	0.01
Остаток	3.00	26.30	8.77
Итого	7.00	1574.79

	Коэффициен ты	Стандартная ошибка	t-статистика	P-Значение	Нижние 95%	Верхние 95%
Y-пересечение	1.05	3.36	0.31	0.78	-9.66	11.76
Переменная X 1	0.27	0.20	1.36	0.27	-0.36	0.91
Переменная X 2	0.30	0.13	2.29	0.11	-0.12	0.72
Переменная X 4	0.19	0.19	1.01	0.39	-0.41	0.80
Переменная X 5	0.21	0.15	1.42	0.25	-0.25	0.67

Список литературы Применение эконометрических методов к оценке уровня качества жизни

Кайдалов, Е.П. Уровень жизни: проблемы и решения в России и в развитых странах [Электронный ресурс]: научная монография //Е.П. Кайдалов. - М.: Лаборатория Книги, 2012. - 175 с.
Ханич, М.П. Прогнозирование уровня жизни населения региона [Электронный ресурс]: научная монография // М.П. Ханич. - М.: Лаборатория Книги, 2012. - 94 с.
Чиркунова, Е.К. Экономические составляющие качества жизни населения в России и Самарской области [Электронный ресурс]: монография // Е.К. Чиркунова. - Самара: Самарский гос. арх.-строит. ун-т., 2011. - 116 с.
Мхитарян, В.С. Эконометрика [Электронный ресурс]: учебно-практическое пособие // В.С. Мхитарян, М.Ю. Архипова, В.П. Сиротин. - М.: АНО «Евразийский открытый институт», 2012. - 221 с.
Новиков, А.И. Эконометрика [Электронный ресурс]: учебное пособие //А.И. Новиков. - М.: Издательско-торговая корпорация «Дашков и К°», 2017. - 224 с.
Эконометрика [Электронный ресурс]: Учебник / под ред. проф. В.Б. Уткина.- 2.-е изд. - М.: Издательско-торговая корпорация «Дашков и К°», 2017. - 564 с.
Рейтинг регионов РФ по качеству жизни [Электронный ресурс] / РиаРейтинг/ Режим доступа: http://vid1.rian.ru/ig/ratings/life_2016.pdf

Еще

Статья научная