ДОКАЗАТЕЛЬСТВО ДЕЙСТВИЯ ПАРАДОКСА ИЗОБИЛИЯ В СОВРЕМЕННОЙ ЭКОНОМИКЕ - Студенческий научный форум

VI Международная студенческая научная конференция Студенческий научный форум - 2014

ДОКАЗАТЕЛЬСТВО ДЕЙСТВИЯ ПАРАДОКСА ИЗОБИЛИЯ В СОВРЕМЕННОЙ ЭКОНОМИКЕ

 Комментарии
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF

Парадокс изобилия – явление в мировой экономике, которое заключается в том, что страны с наиболее развитыми источниками природных ресурсов обычно не являются государствами с лидирующей позицией в экономическом рейтинге стран мира.

Осознание данного факта и применение перераспределения средств по отраслям на основе анализа существования данного феномена может помочь многим странам мира направить свою экономическую политику в прогрессивное русло.

Было проведено исследование по влиянию на Валовой национальный доход на душу населения (Gross national income per capita – GNIpercapita) таких показателей как: Чистый отток иностранных прямых инвестиций (Foreign direct investment, net outflows - FDI_netoutlows), Экспорт высокотехнологичных товаров (High-technology exports - High_techexports), Добыча нефти (Production of oil - Oil_Production), Потенциал переработки нефти (Oil refinery capacities - Oil_Refinerycapacities), Размер государственного долга (Government Debt - GovernmentDebt), Валовые внутренние расходы на исследования и разработки (научно-исследовательские и конструкторские работы - НИОКР) (Gross domestic expenditure on research and development - GERDpercapita). Предполагается доказать, что сырьевая оснащенность страны не является гарантом ее успешного развития, а на ее благосостояние влияют иные факторы.

Для выбранных параметров приведена описательная статистика (см. Табл.1).

Таблица 1.

Переменная

Среднее

Медиана

Минимум

Максимум

GNIpercapita

32348,1

35560,0

1450,00

76350,0

GovernmentDebt

1,95944e+012

5,20000e+011

9,94000e+010

1,48000e+013

FDI_netoutlows

6,18051e+011

3,04500e+011

1,93100e+009

3,61000e+012

GERDpercapita

7,34268e+008

3,03898e+007

1,26388e+006

1,56965e+010

High_techexports

4,64976e+010

9,14500e+009

5,04742e+007

4,57000e+011

Oil_Production

98,3453

12,1629

0,0871800

555,263

Oil_Refinerycapacities

2349,64

1279,44

109,209

13046,5

Переменная

Ст. откл.

Вариация

Асимметрия

Эксцесс

GNIpercapita

20092,1

0,621121

0,0686366

-0,870537

GovernmentDebt

3,58932e+012

1,83181

2,80773

6,82449

FDI_netoutlows

8,23380e+011

1,33222

2,09517

4,75530

GERDpercapita

3,06021e+009

4,16771

4,75755

20,7746

High_techexports

9,53728e+010

2,05113

3,34856

11,5046

Oil_Production

168,615

1,71452

1,91784

2,31190

Oil_Refinerycapacities

3362,37

1,43102

2,24165

3,89842

В многомерной модели корреляционного анализа (с четырьмя и более переменными) вычисление частных и множественных коэффициентов корреляции основывается на использовании матрицы коэффициентов парной корреляции (5% критические значения (двухсторонние) = 0,3882 для n = 26) (Таблица 2). Чем ближе коэффициент корреляции к единице, тем сильнее корреляционная зависимость между переменными. Рассмотрим корреляционную зависимость между переменными, для чего построим корреляционную матрицу.

Таблица 2.

GNIpercapita

GovernmentDebt

FDI_netoutflows

GERDpercapita

High_techexports

 

1,0000

0,2030

0,3741

0,0993

-0,0754

GNIpercapita

 

1,0000

0,7017

0,6053

0,0937

GovernmentDebt

   

1,0000

0,0610

0,3333

FDI_netoutflows

     

1,0000

0,2088

GERDpercapita

       

1,0000

High_techexports

           
     

Oil_Production

Oil_Refinerycapacities

 
     

-0,1737

0,0133

GNIpercapita

     

0,2563

0,5172

GovernmentDebt

     

0,2614

0,5175

FDI_netoutlows

     

-0,0867

0,0882

GERDpercapita

     

-0,0222

0,2678

High_techexports

     

1,0000

0,4445

Oil_Production

       

1,0000

Oil_Refinerycapacities

Одним из основных препятствий оценки параметров рассматриваемой модели методом наименьших квадратов является мультиколлинеарность – наличие сильной корреляции между независимыми переменными, входящими в уравнение регрессии. Одним из признаков мультиколлинеарности между двумя переменными является высокое значение (выше 0,8-0,9) парного коэффициента корреляции между ними. В рассмотренном случае эти значения не превышают вышеуказанные данные в 0,8-0,9.

Далее осуществляется оценка параметров модели методом наименьших квадратов. Зависимой переменной являться Валовой национальный доход на душу населения (GNIpercapita) (Таблица 3).

Таблица 3.

Переменная

Коэффициент

Ст. ошибка

t-статистика

P-значение

Const

27460,2

4731,42

5,8038

0,00001

GovernmentDebt

-7,77355e-09

3,19082e-09

-2,4362

0,02486

FDI_netoutlows

3,65281e-08

1,04048e-08

3,5107

0,00234

GERDpercapita

6,3131e-06

2,57252e-06

2,4541

0,02394

High_techexports

-1,45251e-07

5,32377e-08

-2,7284

0,01335

Oil_Production

-24,6704

23,1382

-1,0662

0,29969

Oil_Refinerycapacities

0,888677

1,42923

0,6218

0,54147

Делается вывод об удалении из модели показателей Потенциал переработки нефтепродуктов (Oil_Refinerycapacities) и Добыча нефти (Oil_Production). Строится новая модель без данных параметров.

Таблица 4.

Переменная

Коэффициент

Ст. ошибка

t-статистика

P-значение

Const

26514,4

4217,41

6,2869

 


Просмотров работы: 949