Влияние экономических и социальных факторов на объемы производства продуктов химической промышленности Пермского края

На сегодняшний день химическая промышленность является одной из ведущих отраслей страны, которая делает ее наиболее конкурентоспособной на мировом уровне. Пермский край является одним из наиболее крупных производителей продукции химической отрасли России. Возникает необходимость анализа факторов, влияющих на развитие объемов производства региона. В Пермском крае развиваются и функционируют следующие крупные предприятия химической промышленности: ПАО «Метафракс», «Уралкалий», АО «ОХК «Уралхим», «Сибур-Химпром» и другие.

В ходе исследования будут проанализированы следующие факторы, которые могут влиять на объемы производства химической продукции Прикамья. В качестве зависимой переменной ( Y ) будет взято производство химических веществ и химических продуктов по Пермскому краю, в млн.руб. В качестве объясняющих переменных будет взяты следующие показатели:

X1 - инвестиции в основные фонды предприятий химической промышленности Пермского края, млн.руб.;

X2 - экспорт продукции химической промышленности Пермского края;

X3 - импорт продукции химической промышленности Пермского края;

X4 - оборот организаций - потребителей продукции химической промышленности (предприятия, функционирующие в отраслях сельского хозяйства и строительства) Пермского края, млн.руб.;

X5 - сальдированный финансовый результат (прибыль минус убыток) предприятий химической отрасли Пермского края, млн.руб.;

X6 - темпы роста (снижения) производительности труда по Пермскому краю, в долях;

X7 - численность занятых в обрабатывающих производствах по Пермскому краю, тыс.чел.;

Данные по каждому показателю с 2008 по 2019 годы приведены ниже.

Таблица 1. Статистические показатели по Пермскому краю

Год	Y	X1	X2	X3	X4	X5	X6	X7
2008	166 934,5	19 917,3	88,5	2 345,7	63 108,3	86 112,7	1,026	298
2009	105 869,7	22 063,3	111,2	2 891,3	51 597,1	29 019,5	0,959	295,1
2010	138 415,7	15 986,7	121,9	3 180,0	69 550,7	46 209,7	1,080	290,8
2011	195 197,1	16 017,5	191,2	3 525,4	80 067,6	61 702,4	1,059	301,9
2012	181 726,6	14 528,0	191,1	4 653,9	88 985,9	69 107,6	1,014	302
2013	168 386,2	23 069,2	171,2	3 317,8	79 252,8	44 387,6	1,015	301,9
2014	200 048,6	18 558,1	177,5	3 757,1	111 383,0	26 818,7	1,040	277,1
2015	277 098,3	40 737,2	136,6	3 885,4	102 597,7	56 743,1	1,005	235,2
2016	230 770,4	60 849,1	148,1	2 566,5	127 112,1	91 466,2	0,957	237,4
2017	238 632,5	51 090,3	158,9	2 908,5	143 022,9	63 654,6	1,063	224,5
2018	287 923,3	58 288,6	149,7	3 027,8	210 358,2	16 961,3	1,023	233,5
2019	319 693,3	72 576,3	183,0	3 163,5	116 407,3	62 389,0	0,990	234,1
	о s К P S x к к X X и о О 8 ” i . И X Ри о н в m s Й § ” s К 9 К	>s § и У о s ° X к 9 о S к и Иди о в Р п 53 К к £	и „ Р К й ч ° Р и Э g § К д	и д Д	к £ к д * ° + Н X О к	Ж г 3 д о О Ри У к ” 5! И S К х Ри g ю 5 5^ § « U Ри	6 ^ ” о Ри S к & s S л й s S 5 У 2 Д	в Ри о в о н д н и о О Ри о Р Р к р 5 к 2

*Сумма по Таблице 2

Источник: составлено авторами на основе статистических данных по [1]

Таблица 2. Оборот организаций – потребителей хим.продукции, млн.руб.

Год	Сельское хозяйство	Строительство
2008	14 454,3	48 654,0
2009	13 638,3	37 958,8
2010	14 869,4	54 681,3
2011	17 515,7	62 551,9
2012	18 344,7	70 641,2
2013	18 354,6	60 898,2
2014	21 862,2	89 520,8
2015	25 786,9	76 810,8
2016	24 739,3	102 372,8
2017	31 461,2	111 561,7
2018	31 424,1	178 934,1
2019	25 212,2	91 195,1

Источник: составлено авторами на основе статистических данных по [1]

Далее следует определить выборочные коэффициенты корреляции и корреляционную матрицу для всех переменных (как для объясняемой, так и для объясняющих). Результаты вычислений представлены ниже.

Таблица 3. Корреляционная матрица переменных

	Y	X1	X2	X3	X4	X5	X6	X7
Y	1
X1	0,8289	1
X2	0,3775	0,1182	1
X3	0,0496	-0,3551	0,6279	1
X4	0,7453	0,7041	0,2742	-0,0741	1
X5	0,0738	0,1300	-0,0661	-0,1930	-0,2479	1
X6	-0,1021	-0,3837	0,1326	0,1712	0,0272	-0,1424	1,0000
X7	-0,8330	-0,9039	-0,0678	0,2243	-0,7641	-0,0435	0,1795	1

На основе вычисленных значений можно сделать вывод, что наиболее информативной переменной является переменная Хд , так как коэффициент корреляции равен 0,8289 – то есть между и Y существует тесная линейная прямая зависимость; а также переменная X₄, коэффициент корреляции с которым равен 0,7453. Стоит отметить, что между производством химических продуктов и численностью занятых в обрабатывающих производствах (переменной ^?) существует тесная обратная линейная зависимость – коэффициент корреляции между показателями равен -0,833.

Таким образом, мы будем строить такие однофакторные модели:

– Y(^1) – скорректированный коэффициент детерминации ( ^^ adj ) в данной модели равен 0,6557;

– Y( X₄ ) – скорректированный коэффициент детерминации равен 0,511;

• – Y( ^7) – скорректированный коэффициент детерминации равен 0,6634.

Кроме того, следует отметить, что, согласно корреляционной матрице переменных между ^1 и ^4 существует тесная линейная прямая зависимость. Отсюда может следовать предположение, что оба эти параметра в одной модели могут создавать проблему мультиколлинеарности. После проверки оказалось, что скорректированный коэффициент детерминации в модели Y(Хд , Хд) составляет 0,6809, но значения F – статистик и t – статистики говорят нам о том, что модель не совсем удачная (к примеру, коэффициент ^2 в данной модели будет вовсе не значим). Поэтому можно утверждать, что ^1 и Хд. одновременно входить в модель не могут. Аналогичный вывод можно сделать, построив и проверив модели Y( "^1 , ^? ) и Y(Хд , ^?).

Трехфакторные и модели с бóльшим количеством переменных рассмотрены не будут, так как переменные ^2 , ^3 , ^5 , ^6 по статистическим характеристикам уступают переменным ^1 , Хд , ^7 – линейная связь между переменными достаточно слабая, следовательно, и другие характеристики моделей будут хуже.

На основе полученных данных можно сгруппировать показатели и оценить их влияние на производство химических веществ и химических продуктов следующим образом:

Таблица 4. Группы рассматриваемых показателей

1.Внешнеэкономические по казатели	Экспорт химической продукции ПК
	Импорт химической продукции ПК
2.Социальные показатели	Темпы роста (снижения) производительности труда по ПК
	Численность занятых в обрабатывающих производствах ПК
3.Экономические показатели	Инвестиции в основные фонды предприятий хим.промышленности Пермского края
	Сальдированный финансовый результат
	Оборот организаций-потребителей хим.промышленности

• 1.    В группу внешнеэкономических показателей можно отнести экспорт и импорт продукции химической промышленности Пермского края. Как показал рег-

• рессионный анализ, экспорт и импорт химических веществ и химических продуктов влияет на объем химической продукции незначительно;

• 2.    В состав социальных показателей можно отнести темпы роста (снижения) производительности труда по Пермскому краю и численность занятых в обрабатывающих производствах по Пермскому краю. Как показал анализ, приведенный выше, численность занятых значительно обратно пропорционально влияет на объемы производства. Это обусловлено автоматизацией производства, которая продолжает внедряться и совершенствоваться на крупных предприятиях химической отрасли, а также вредными условиями труда на предприятии (как следствие из этого утверждения – высокая текучесть кадров и отсутствие необходимого количества специалистов). Наилучшей из построенных моделей в данной группе является модель кГ₇ = 642863,4769 - 1610,2941 ∗ Яу , так как:

  – скорректированный коэффициент детерминации равен 0,6634, он Это означает, что регрессия в большей степени аппроксимирует статистические данные;

  – F – статистика равна 22,677. Это означает, что модель Y( X! ) значима;

  – Остаточная сумма квадратов (RSS, необъясненная часть модели) данной модели много меньше, объясненная сумма квадратов (ESS);

  – t – статистка параметров модели значима, следовательно, параметры модели тоже значимы;

• 3.    К группе рыночных показателей можно отнести оборот организаций – потребителей продукции химической промышленности, сальдированный финансовый результат предприятий химической промышленности, инвестиции в основной капитал предприятий химической отрасли Пермского края. В наибольшей степени из факторов данной группы влияют инвестиции в основные фонды предприятий хим. промышленности. Таким образом, наилучшей из построенных моделей в данной группе является модель = 122734,5947 + 2,5089 ∗ ^ , так как:

  – скорректированный коэффициент детерминации равен 0,6557, он ближе к 1, чем скорректированный коэффициент детерминации в модели Y(^4). Это означает, что регрессия первой модели лучше аппроксимирует статистические данные;

  – F – статистика имеет наибольшее значение по сравнению с другими моделями (с моделью Y(^4)), и равна 21,9519. Модель Y(^4) качественнее;

  – Остаточная сумма квадратов (RSS, необъясненная часть модели) данной модели меньше, чем в модели Y(^4 ) – это тоже говорит о том, что модель построена более качественно;

  – Отсюда следует, что и объясненная сумма квадратов (ESS) в данной модели больше, чем в модели Y(^4);

  – Оценка дисперсии в данной модели меньше чем в модели Y(^4);

  – t – статистка параметров модели значима.

Необходимо также отметить, что за 2015-2019 годы в Пермском крае заключено 17 специнвестконтрактов, в том числе 12 региональных и 5 федеральных. Общий объем инвестиций по ним составляет 503,7 млрд руб. Реализуемые инвесторами проекты предусматривают создание в регионе 8457 рабочих мест, объем производства промышленной продукции составит 922,7 млрд руб. В настоящее время по 11 контрактам проекты находятся в инвестиционной фазе [2].

В заключение можно сделать вывод, что наиболее приоритетным направлением в развитии химической промышленности региона является инвестиционная деятельность в основные фонды предприятий, это обусловлено развитием национальных проектов. Именно данный фактор в значительной степени влияет на развитие объемов производства и развитие региона в целом. В наименьшей степени на объемы производства химических веществ и химических продуктов влияет импорт продукции химической отрасли.