Расчет индикаторов развития региона

ФГАОУ ВПО «Северо-Кавказский федеральный университет», г. Ставрополь, Россия РАСЧЕТ ИНДИКАТОРОВ РАЗВИТИЯ РЕГИОНА6

На сегодняшний день по многим важнейшим макроэкономическим показателям, которые характеризуют жизнеспособность экономики страны, Российская Федерация находится в зоне пороговых значений, что отрицательно сказывается на состоянии государства и предприятий. Прежде всего, к этим показателям относятся объемы валового внутреннего продукта на душу населения и темпы его прироста, размеры и динамика федерального бюджета, уровень благосостояния населения и многие другие.

Несомненно, что в основе любой макроэкономической системы лежит реальный сектор экономики. Он является источником возникновения и движения материальных и финансовых потоков в масштабах страны. Промышленный сектор определяет состояние и функционирование производственного аппарата, являющегося основой и источником роста экономики в целом. От его состояния, темпов роста и пропорций зависят многие макроэкономические параметры развития государства.

Для обеспечения эффективного развития региона необходимо разработать систему индикаторов, позволяющую своевременно выявлять и контролировать наиболее вероятные угрозы, определять возможный ущерб от их воздействия, а так же предлагать меры по их преодолению.

Одним из наиболее эффективных инструментов экономического анализа в настоящее время является экономико-математического моделирование. Предметом экономико-математического моделирования является изучение реальных процессов экономического развития, их обобщение и представление в виде конкретных объективно обусловленных оценок. В нашем случае, предметом исследования является процесс обеспечения экономической безопасности промышленной сферы региона за счет определения влияния на индикаторы различных показателей социально-экономического развития региона. В экономической деятельности достаточно часто требуется не только получить прогнозные оценки исследуемого показателя, но и количественно охарактеризовать степень влияния на него других факторов, а также возможные последствия их изменений в будущем. Для решения этой задачи предназначен аппарат корреляционного и регрессионного анализа.

Рассмотрим на примере расчет индикатора «Индекс промышленного производства» (Y). В качестве факторных показателей для целевого показателя был построен первичный набор показателей. Этот набор состоит из трех показателей, поддерживаемых органами статистики. Информация по ним является полной, достоверной, статистически точной.

В качестве факторных показателей для целевого показателя «Индекс промышленного производства» (Y) был построен первичный набор показателей. Этот набор состоит из 3-х показателей, поддерживаемых органами статистики. Информация по ним является полной, достоверной, статистически точной.

Таким образом, признаковое пространство моделирования, предлагаемое для построения моделей в различных районах, включает следующие показатели:

• -    Добыча полезных ископаемых;

• -    Обрабатывающие производства;

• -    Производство и распределение электроэнергии, газа и воды.

При необходимости признаковое пространство может быть расширено за счет появления новых показателей, оказывающих большое влияние на расчетный показатель, что не повлечет за собой каких-либо изменений в методике.

В качестве периода исследования берем период с 2002 года по 2011 год включительно, т.е. послекризисный период, когда произошли большие изменения в экономике страны, повлекшие за собой изменения в экономике и финансах предприятий. Для исследования данный период был взят для того, чтобы не было искажений и «скачков» в результатах, а также потому, что данный период имеет достаточное количество точек для получения адекватной модели.

В соответствии с этим реализован класс моделей, требующих применения адекватных математических методов аппроксимации статистических и логических зависимостей данных: метод парных корреляций, факторный, компонентный анализ, корреляционнорегрессионный анализ. В результате анализа программных средств, реализующих эти методы, для проведения компонентного, факторного и регрессионного анализа выбраны ППП SPSS, ППП MS EXCEL.

Исследование проводилось в 2 этапа: Корреляционный анализ; Регрессионный анализ с прогнозом.

Прежде чем построить модель необходимо провести предварительную обработку данных, которая включает в себя получение корреляционной матрицы исходных данных, используя коэффициенты парной корреляции.

На основании шкалы Чеддока и исходных данных можно сказать о силе связи между зависимой переменной Y с независимыми.

Производство и

Индекс         Добыча                     распределение промышленного полезных   Обрабатывающие электроэнергии, газа и производства   ископаемых производства    воды

Индекс промышленного
производства Добыча полезных	1,00	0,54	0,85	0,54
ископаемых	0,54	1,00	0,14	0,72
Обрабатывающие производства Производство и распределение	0,85	0,14	1,00	0,04
электроэнергии, газа и воды 0,54		0,72	0,04	1,00

Наиболее сильная связь просматривается между индексом промышленного производства и показателями обрабатывающих производств.

Следует сказать, что связь между зависимыми переменными и независимыми показывает, насколько сильно влияет на расчетные показатели различные факторы, а связь между независимыми переменными должна отсутствовать, так как ее наличие отрицательно сказывается на анализе. Если случайные величины связаны отрицательной корреляцией, это означает, что при возрастании одной случайной величины, другая имеет тенденцию в среднем убывать.

Итак, для построения регрессионных моделей были отобраны все рассмотренные переменные.

Используя ППП SPSS и MS EXCEL, найдем коэффициенты регрессии.

Коэффициент

ы

Y-пересечение1,51

Добыча полезных ископаемых0,058

Обрабатывающие производства0,63

Производство и распределение электроэнергии, газа и воды0,296

Таким образом, регрессионная модель для целевого показателя

«Индекс промышленного производства» примет следующий вид:

Y = 1,51 + 0,058*х1 + 0,63*х2 + 0,296*х3.

Качество модели оценивается стандартным для математических моделей образом: по адекватности и точности. Расчетные значения получаются путем подстановки в модель фактических значений всех включенных факторов.

В соответствии с таблицей Чеддока связь результативного и факторных признаков считается высокой. Регрессия у на х_i объясняет 99% колеблемости значений у . Это позволяет признать вычисленные параметры уравнения типичными (значимыми).

В результате проведенного выше анализа можно сказать, что полученное уравнение значимо с вероятностью 0,95. Полученная модель регрессии на 99% описывает изменения значений Y и может быть применена для получения прогноза индекса промышленного производства региона.