Вариативное прогнозирование социально-экономического развития региона

DOI:

Экономическое развитие регионов страны отличается значительной межрегиональной дифференциацией, поэтому разработка политики регионального развития должна базироваться на осуществлении системных региональных прогнозов, дифференцированных по направлениям, отраслям и срокам. Осуществление национальных задач предполагает проработку их территориального аспекта, то есть должны учитываться не только общегосударственные, но и региональные приоритеты [Лучик и др., 2015, с. 41].

Именно в основе методологии сценарного прогнозирования регионального развития используются законы, действующие как на уровне всего государства, так и его составляющих.

Прогнозирование социального и экономического регионального развития является объектом повышенного внимания как ученых, так и органов центральной и местных властей. Такая необходимость предопределяется длительностью и комплексным характером решения региональных проблем. Прогнозиро- вание является одним из способов принятия управленческих решений в развитии региона и выполняет следующие функции:

– оцениваются закономерности и тенденции социально-экономического развития;

– учитываются как положительные, так и отрицательные последствия тенденций в будущем;

– выявляются альтернативные варианты развития событий;

– накапливается информация, являющаяся основой принятия грамотных управленческих решений в будущем [Яковенко и др., 2018, с. 145].

На этапе развития новых рыночных условий в нашей стране важную роль играет выбор методов стратегического управления экономикой, которые опираются на своевременность и достоверность полученных экономических прогнозов. Прогнозирование вступает на принципиально новый этап своего развития. Получить точные прогнозы для решения все более сложных задач, стоящих перед нашим государством, невозможно без овладения современными научными методами моделирования и прогнозирования.

По мнению Д.В. Батейкина, система построения прогнозов развития регионов представляет методологическое единообразие разработки прогнозов, которое позволяет обеспечить их согласованность [Батейкин, 2016, с. 60].

Одной из проблем прогнозирования приоритетов социального и экономического развития регионов является отсутствие формализованных процедур достижения разнонаправленных и разнокачественных целей функционирования отдельных региональных подсистем. Информационная неполнота и невозможность количественного выражения целей и приоритетов экономической и социальной политики снижает эффективность управленческих решений и обоснование выбора стратегий. Это приводит к возникновению потребности в разработке сразу нескольких вариантов развития ситуации. Таким образом, происходит переход от традиционной экстраполяции данных к сценарному прогнозированию.

Цель исследования – разработка алгоритма формирования прогнозного образа региона на вариативной основе.

Моделирование процессов регионального социально-экономического развития

Общеизвестный алгоритм моделирования и сценарного прогнозирования социальноэкономического развития региона базируется на следующих шагах (рис. 1).

Для оценки уровня социально-экономического развития были выбраны валовой региональный продукт на душу населения и среднедушевые доходы населения. Данные показатели являются неотъемлемой частью процесса устойчивого развития региона и отражают его социально-экономическое состояние.

Факторами, оказывающими влияние на изменение обозначенных выше результирующих показателей, на наш взгляд, выступают экономические, демографические, образовательные, инновационные, внешнеэкономические и инвестиционные. От них зависит социально-экономическая стабильность субъекта страны, что определяет практическую значимость их оценки. Для осуществления прогноз-

Рис. 1. Алгоритм сценарного прогнозирования Примечание. Составлено авторами.

ных расчетов предлагаем использовать индикаторы, представленные в таблице 1.

Статистический анализ динамики отобранных показателей (табл. 1) за 2000–2017 гг. дает возможность построить корреляционные матрицы. Анализ последних позволяет выявить факторы, оказывающие наибольшее влияние на результирующие показатели. Из рассмотрения исключаются предикторы x3, x4, x5, x7, x10, так как они оказывают несущественное влияние на результативный признак, ryxi < 0,85. После проверки на наличие мультиколлинеарности из модели были исключены следующие индикаторы x1, x6, x9. Таким образом, в мо- дель было отобрано два факторных признака: среднегодовая численность занятых в экономике x2 и инвестиции в основной капитал (x8).

Из значений факторов получен окончательный вид таблицы для построения регрессионной модели (табл. 2).

Результаты регрессионного анализа для показателей ВРП на душу населения региона и среднедушевых доходов населения приведены в таблице 3.

Для показателя ВРП региона с учетом результатов корреляционно-регрессионного анализа уравнение будет иметь следующий вид:

Таблица 1

Индикаторы социально-экономического развития региона

Переменная	Показатель
х 1	Численность населения региона, тыс. чел.
х 2	Среднегодовая численность занятых в экономике, тыс. чел.
х 3	Объем инновационных товаров, работ, услуг, млн руб.
х 4	Экспорт, млн долл. США
х 5	Импорт, млн долл. США
х 6	Среднемесячная заработная плата, руб.
х 7	Выпуск специалистов высшими профессиональными учреждениями, тыс. чел.
х 8	Инвестиции в основной капитал, млн руб.
х 9	Основные фонды в экономике, млн руб.
х 10	Индекс потребительских цен, %
у 1	ВРП, млн руб.
у 2	Среднедушевые денежные доходы населения, руб.

Примечание. Составлено авторами.

Таблица 2

Данные для построения регрессии на основе значений основных показателей на примере Белгородской области за 2000–2017 годы

Годы	у 1	у 2	x 2	x 8
2000	44 440,4	1 555	671,3	9 242
2001	53 707,0	2 121	677,5	14 031
2002	62 404,4	2 762	673,4	10 830
2003	76 054,5	3 357	668,3	15 336
2004	114 409,3	4 070	670,7	22 685
2005	144 987,8	5 276	674,7	35 022
2006	178 846,1	7 085	677,4	52 073
2007	237 013,3	9 404	678,7	83 510
2008	317 656,3	12 758	679,9	104 218
2009	304 345,3	14 117	681,0	78 033
2010	397 069,9	16 993	693,5	96 313
2011	507 839,8	18 800	698,1	125 994
2012	546 151,5	21 659	700,1	136 820
2013	569 006,4	23 735	700,2	129 405
2014	619 677,7	25 372	699,1	120 658
2015	686 357,0	28 331	754,0	147 214
2016	730 562,0	29 579	756,8	143 802
2017	785 647,0	30 420	757,9	139 209

Примечание. Составлено авторами по: [Федеральная служба государственной статистики].

y ₁ = –1 281 829,8 + 1 921,7 x ₂ + 2,2 x ₈.

Для показателя доходов населения:

y ₂ = –77 778,7 + 116,5 x ₂ + 0,14 x ₈.

Проверим качество моделей и коэффициентов линейных уравнений регрессии.

На основе F -критерия Фишера проверим значимость уравнений регрессии. Значения F -критерия Фишера представлены в таблице 3.

Табличное значение F -критерия при доверительной вероятности α = 0,95 и числе степеней свободы, равном v = n – k = 18 – 2 = 16, составляет 3,63.

Поскольку F _расч >  F _табл, уравнения регрессии признаем значимыми и можем использовать для дальнейшего анализа.

Оценку значимости коэффициентов полученных моделей, используя результаты отчета Excel, осуществим тремя способами:

• 1.    Наблюдаемые значения t -статистики Стьюдента для всех коэффициентов уравнений (табл. 3) больше, чем критическое (табличное) значение статистики Стьюдента t _табл = 2,10. Таким образом, полученные значения коэффициентов корреляции значимы.

• 2.    P -значения t -статистики Стьюдента для каждого коэффициента уравнений регрессии меньше 0,05, то есть все коэффициенты являются статистически значимыми.

• 3.    Нижние и верхние 95 % границ доверительного интервала имеют одинаковые знаки (табл. 3), что еще раз доказывает значимость коэффициентов рассматриваемых уравнений регрессии.

Результаты работы

На основании полученных регрессионных моделей построим прогноз социальноэкономического развития региона на предстоящие три года, выделив три сценария: базисный, оптимистический и пессимистический.

На первом этапе с использованием трендовых моделей и опорой на данные за 2000– 2017 гг. были получены прогнозные значения каждого фактора (см. рис. 2, 3).

На втором этапе, имея прогнозные значения факторных показателей, строим три варианта прогноза на предстоящие три года (см. табл. 4).

Следовательно, при пессимистическом варианте прогноза в дальнейшем ожидается снижение показателей, характеризующих социально-экономическое развитие региона, и как результат – замедление темпов роста ВРП и среднедушевых доходов населения. Этот процесс можно улучшить развитием факторов, оказывающих влияние на результирующие показатели.

Таблица 3

Итоги регрессионного анализа

Итоги регрессии для зависимой переменной y 1: R = 0,984, R 2 = 0,969, F = 233,99
	Коэффициенты	Стандартная ошибка	t-ста-тис-тика	P-значение	Нижние 95 %	Верхние 95 %	Нижние 95,0 %	Верхние 95,0 %
y -пересечение	–1 281 829,8	263 463,7	–4,9	0,0	–1 843 389,3	–720 270,3	–1 843 389,3	–720 270,3
Переменная х 1	2,2	0,2	9,5	1,0E-07	1,7	2,7	1,7	2,7
Переменная х 2	1 921,7	399,4	4,8	0,0	1070,4	2 773	1070,4	2 773
Итоги регрессии для зависимой переменной y 2: R = 0,981, R 2 = 0,962, F = 188,52
	Коэффициенты	Стандартная ошибка	t-ста-тис-тика	P-значение	Нижние 95 %	Верхние 95 %	Нижние 95,0 %	Верхние 95,0 %
y -пересечение	–77 778,7	18 218,8	–4,3	0,0	–116 611,1	–38 946,2	–116 611,1	–38 946,2
Переменная x 1	0,1	0,02	8,6	3,5E-07	0,1	0,2	0,1	0,2
Переменная x 2	116,5	27,6	4,2	0,0	57,7	175,4	57,7	175,4

Примечание. Составлено авторами.

Оптимистический сценарий предусматривает не только сохранение современных тенденций развития экономики, но и их активизацию в ближайшие годы, что будет сопровождаться быстрым региональным экономическим ростом, формированием современной эффективной структуры пространственного развития экономики региона.

Базовый сценарий наиболее вероятностный. Это связано с экстраполяцией современных тенденций развития экономики региона на ближайший временной период, что подтверждается полученными итогами развития региона в 2018 году. Хорошее качество модели подтверждает средняя ошибка аппроксимации, значение которой составило менее 5 %. Так, например, на основании доклада «Об итогах деятельности Департамента экономического развития Белгородской области за 2018 год и задачах на 2019 год» ВРП в 2018 г. составляет 835,2 млрд руб., что отличает его от прогнозируемого значения на 4 % [Доклад ...].

Проведенный анализ показывает, что даже незначительное изменение факторных признаков влечет за собой существенное изменение результативных признаков. Устойчивый социально-экономический рост региона возможен только при условии стабильного увеличения значений рассмотренных факторных показателей, что должно быть учтено в целевых программах социально-экономического развития региона.

—■■ Среднегодовая численность занятых в экономике (тыс. чел.)

----Полиномиальная (Среднегодовая численность занятых в экономике (тыс. чел.))

Рис. 2. Динамика среднегодовой численности занятых в экономике Белгородской области за 2000–2017 годы

Примечание. Составлено авторами по: [Федеральная служба государственной статистики].

Рис. 3. Динамика инвестиций в основной капитал Белгородской области за 2000–2017 годы Примечание. Составлено авторами по: [Федеральная служба государственной статистики].

Выводы

Являясь сложной динамической системой, регион в зависимости от внешних и внутренних условий развития может осуществить свое движение по любому из заданных направлений. В этом и состоит особенность применения сценарного подхода в прогнозировании. Прежде всего, он позволяет охарактеризовать направление развития региона при определенных в данный момент сценарных условиях и проследить варианты развития региона при их изменении, которые могут быть вызваны как положительными, так и отрицательными явлениями и событиями. При этом выполнение как оптимистического, так и пессимистического варианта сценария маловероятно, наиболее вероятным является их сочетание – базовый прогноз.

В результате проведенного исследования мы пришли к выводу, что процесс построения сценариев развития региона, предложенный на рисунке 1, требует доработки и, на наш взгляд, он должен реализовываться на основе алгоритма, представленного на рисунке 4. Он включает в себя диагностический анализ и демонстрирует взаимосвязь с процессом разработки прогноза. На его основе можно выявить наиболее вероятные варианты развития региона и выделить ключевые характеристики, определяющие различные варианты его динами- ки. Кроме того, предложенный нами алгоритм позволяет провести всесторонний анализ социально-экономического развития региона и оценить каждый из вариантов, изучая его структурные особенности и возможные последствия реализации.