Выполняемое нами исследование базируется на абсолютных и относительных показателях для регионов. Абсолютными или объемными в экономике называют показатели, характеризующие количество товаров, продукции, выраженные в натуральных или денежных единицах измерения. Относительные показатели представляют отношение двух показателей одинаковой или разной размерности.
Особую значимость и интерес представляют две группы относительных показателей рассчитываемые на основе показателей разной размерности, называемые: а) показателями эффективности; б) показателями технического развития.
Из абсолютных показателей публикуемых Росстатом [9] в разрезе регионов в качестве исходной информации нами использованы величины четырех показателей: валового регионального продукта (Y, млрд. руб.), стоимости основных фондов (K, млрд. руб.), численности занятых в экономике (L, тыс. чел.) и объема инвестиций (I, млрд. руб.).
На основе этих абсолютных показателей нами рассчитаны относительные показатели:
а) эффективности использования каждого из трех ресурсов: производительность труда (y, тыс. руб.), фондоотдача (fo, руб.), инвестиционноотдача (uo,руб.);
б) технического развития: фондовооруженность труда (k, тыс. руб.), инвестиционновооруженность труда (u, тыс. руб.), норма накопления (Нн, %), коэффициент обновления основных фондов (Ко, %).
Из возможных связей и зависимостей между экономическими показателями особый интерес представляют связи и зависимости между показателями: а) затрат ресурсов и выпуска продукции; б) эффективности и технического развития.
Показатели затрат ресурсов и выпуска продукции, являются, как правило, абсолютными (объемными) показателями; показатели эффективности – относительными, каждый из которых рассчитывается путем деления двух разнородных объемных показателей, как правило, объемного показателя выпуска на объемный показатель затрат и, наоборот; показатели технического развития – также являющиеся относительными, рассчитываемые путем деления объемов ресурсных показателей.
Модели, с помощью которых выявляются и оцениваются зависимости показателя выпуска от показателей затрат ресурсов, называются производственными функциями.
В науке и практике наибольшую известность и широкое применение получил один из видов моделей производственных функций – уравнения степенного вида: Y= A*Kα*Lβ, где Y- величины объемов выпуска продукции, K, L - величины затрат двух ключевых экономических ресурсов: основных фондов и численности занятых в экономке, A, α, β – параметры, которые должны быть рассчитаны и оценены.
В нашем исследовании проведен анализ уравнений производственных функций для зависимости Y от K, L двух видов - линейного и степенного:
Y=A+ α*K+ β*L и Y=A* .
Любое экономическое исследование предполагает использование исходных данных. В нашем случае в качестве таких данных использованы величины четырех вышеперечисленных абсолютных показателей (Y, К, L) и двух рассчитанных на их основе относительных показателей (y, k) для регионов России за 2005, 2010 и 2014 гг.
Эти данные являются основой для выявления и оценки искомых зависимостей: а) ВРП от стоимости основных фондов и численности занятых в экономике (Y от K, L); б) производительности труда от фондовооруженности труда (yотk).
Экономические данные принято делить на три вида: пространственные данные, временные ряды (ряды динамики), панельные данные.
В проводимом нами исследовании в качестве исходных данных использованы пространственные данные за три различных временных периодов с целью их сравнительной оценки.
Построить уравнение производственной функции (или уравнений для зависимости производительности труда от фондовооружённости труда) означает: во-первых, рассчитать параметры этих уравнений и статистические характеристики для оценки степени приемлемости построенных уравнений; во-вторых, провести анализ параметров и статистических характеристик и на их основе оценить уравнения построенные за каждый временной период; в-третьих, на основе сравнительного анализа параметров и статистических характеристик за три рассмотренных временных периода выявить динамические изменения; в-четвертых, сформулировать выводы и предположения.
Благодаря успехам в области вычислительной техники и информационных технологий возник новый вид моделирования, получивший название компьютерного моделирования.
Решение экономических задач методами моделирования требует выполнения множества расчетов. Поэтому ручные технологии выполнения расчетов и обработки информации сдерживали практическое применение и развитие методов экономико-математического моделирования. Они использовались в основном в научных исследованиях. Их изучение в учебных заведениях строилось на примитивных условных примерах.
Информационная революция в корне изменила ситуацию, а с появлением персональной вычислительной техники каждый, владеющий методами моделирования, получил возможность создавать собственный модельный инструментарий, реализованный на ПЭВМ.
Компьютерное моделирование позволяет исследователю применять имитационный подход к решению на ЭВМ практически любой задачи. Но особенно эффективна разработка и использование компьютерных моделей для выявления тенденций и решения планово-прогнозных задач.
Напомним, что в качестве исходной информации для построения и оценки (анализа) уравнений производственных функций нами выбраны данные регионов России по четырем ключевым показателям: валовому региональному продукту, стоимости основных фондов, численности занятых в экономике и инвестициям.
На основе вышеперечисленных четырех ключевых объемных показателей регионов можно рассчитать ряд относительных показателей, наиболее важными из которых, с нашей точки зрения, являются два: производительность труда и фондовооружённость труда.
Показателем производительности труда принято считать частное от деления количества произведенной за определенное время продукции, исчисленной в натуральном или денежном выражении, за затраченное количество труда или времени [5; 9]. На уровне региона производительность труда представляет собой величину валового регионального продукта, производимого за год в расчете на одного работника. Производительность труда – один из самых важных показателей эффективности региона.
Одним из ключевых показателей-факторов, от которого зависит производительность является фондовооруженность труда. Фондовооруженность - показатель, характеризующий оснащенность работников предприятий или отраслей сферы материального производства основными производственными фондами. Определятся как отношение средней годовой стоимости основных производственных фондов к средней годовой списочной численности работников [8; 9].
Перейдем к анализу уравнений производственных функций и уравнений, выражающих зависимость производительности труда от фондо- и инвестиционновооруженности труда. Построение названных уравнений связано с созданием комплекса взаимосвязанных таблиц с исходными, промежуточными и аналитическими данными.
Для построения искомых уравнений в целом по всем регионам России нами созданы следующие таблицы:
- таблица 1, состоящая из двух частей; первая часть содержит исходные данные по четырем объемным показателям (ВРП, стоимость основных фондов, численность занятых в экономике и объем инвестиций) за 2005, 2010,… 2014гг., к которой добавлены три столбца для величины трех рассчитываемых показателей (производительности труда, фондо- и инвестицион-новооруженности труда, а также по одной строке к данным за каждый год для расчета и размещения средних значений всех семи показателей (4-х объемных и трех относительных); эта часть таблицы предназначена для построения линейных уравнений; вторая часть таблицы 1 имеет вид первой части и предназначена для значений логарифмов показателей первой части таблицы, которые необходимы для построения уравнений степенного вида;
- таблица 2, содержащая двухмерные массивы для расчета и размещения величин параметров уравнений регрессии и статистических характеристик, рассчитываемых с помощью встроенной в MS Excel статистической функции «ЛИНЕЙН»; массив для каждого уравнения производственных функций содержит три столбца и пять строк, а для уравнений регрессии «эффективность- техническое развитие» - два столбца и пять строк; количество массивов равно количеству уравнений (в нашем случае таблица содержит по шесть массивов соответственно для уравнений линейного и степенного видов);
- таблица 3, представляющая собой итоговую таблицу, созданную по данным таблицы 2 и содержащая наряду с этими данными наименования параметров и статистических характеристик; кроме того в таблицу 3 добавлены три строки, предназначенные соответственно для трех показателей: средних значений результативного показателя (ср.знач), стандартной ошибки для результативного показателя (sey) и средней ошибки аппроксимации (Sa), рассчитываемой по формуле Sa= sey*100/ср.знач и выражаемой в процентах;
- в качестве аналитических документов могут быть построены и графики, с помощью которых можно делать определенные выводы о виде уравнений регрессии и степени тесноты связи между любой парой исследовательских показателей; в частности нами построены следующие графики: а) для зависимости Y от K; Y от L; Y от I; I от Y; K от I; б) для зависимости y от k; y от u;
- для сравнительного анализа показателей таблиц 1 и 4 за три рассмотренных периода (2005, 2010 и 2014) исследователь может создать и свои аналитические таблицы.
В таблице 1, 2 и 3 приведены фрагменты таблиц: а) с исходными данными; б) с массивами данных; в) с аналитическими данными
На рис.1 и 2 приведены графики для зависимости Y от K и y от k за 2005, 2010 и 2014 гг.
Графики, приведенные на рис.1 и 2 показывают, что рассматриваемые на них показатели взаимозависимы и что эти зависимости имеют линейный или степенной вид. Аналогичный вывод вытекает и из графиков, построенных нами для других вышеперечисленных показателей (Y от L; Y от I; I от Y; K от I; y от u).
Как было отмечено выше, в аналитической таблице 3 содержатся величины параметров и статистических характеристик 36-ти уравнений (по 12-ть за каждый из трех лет). В рамках одной таблицы с таким большим объемом данных невозможно подвергнуть анализу все ее содержимое. Поэтому целесообразно на ее основе создать несколько таблиц с близкими по назначению данными: с величинами параметров уравнений производственных функций и математической записи самих уравнений; для параметров и уравнений, выражающих зависимость производительности труда от фондо- и инвестиционновооруженности труда;
с величинами стандартных ошибок для параметров всех уравнений регрессии; с величинами статистических характеристик для оценки приемлемости каждого уравнения в целом.
Приведем каждую из этих таблиц для всех регионов России, проведем краткий анализ и сформулируем на их основе ряд выводов.
В таблице 4 приведены величины параметров уравнений производственных функций для зависимостей Y от K, L и Y от L, I линейного и степенного видов, рассчитанных по данным регионов России за 2005, 2010 и 2014 гг.
По данным таблицы 4 можно сформулировать ряд выводов, в частности следующие:
- величины параметра α уравнений производственных функций линейного вида (Y от K, L) в динамике (2010 и 2014гг.) уменьшаются по сравнению с 2005г., а величины 2-го параметра β - растут; при этом темпы
роста β существенно выше, чем темпы убывания α, сказанное относится к уравнениям как при A≠0, так при A=0;
- величина параметра β уравнений производственных функций линейного вида (Y от L, I) в динамике растет, а параметра α в 2010г. уменьшилась, а в 2014г. увеличилась по сравнению с обоими предыдущими периодами; величины β и γ при B=0 ниже, чем при B≠0;
- величины параметра α уравнений степенного вида в динамике уменьшались, а параметра β в 2010 увеличивалась, в 2014 несколько увеличилась, но не достигла уровня 2005г.; при A=1, во-первых, величины α и β оказались ниже, чем при A≠0 , во-вторых, в динамике параметр β сначала вырос, затем уменьшился, а параметр γ в динамике вырос в оба периода;
- величины суммы α+β в уравнениях производственных функций степенного вида оказались больше единицы и составили по годам (2005, 2010 и 2014гг.) 1,4682; 1,0155 и 1,0329, т.е. все три года имел место эффект масштаба; величины суммы β+γ составили 0,6320 (2005г.), 1,0117 (2010г.) и 1,0315 (2014г.), т.е. за рассматриваемый период существенно выросли;
- при A=1 суммы α+β, во-первых, существенно ниже, чем при A≠1; во-вторых, все три периода α+β была меньше единицы, т.е. отсутствовал эффект масштаба;
- при B=1 величины суммы β+γ все три периода оказались выше, чем при B≠1 и составили 1,0099; 1,0235 и 1,0814 (по годам соответственно), т.е. в динамике росли и все три периода имело место эффект масштаба.
Обязательным требованием при построении уравнений регрессии является расчет целой группы статистических характеристик, предназначенных для оценки степени приемлемости построенных уравнений.
В таблице 5 приведены величины статистических характеристик для оценки приемлемости уравнений производственных функций и уравнений регрессии для зависимости производительности труда от фондо- и инвестиционновооруженности труда, построенных по данным регионов России за 2005, 2010 и 2014 гг.
Таблица 5
Величины статистических характеристик для оценки приемлемости уравнений производственных функций и уравнений регрессии для зависимости производительности труда от фондо- и инвестиционновооруженности труда, построенных по данным регионов России за 2005, 2010 и 2014 гг.
Линейный |
Степенной |
||||||
2005 |
2010 |
2014 |
2005 |
2010 |
2014 |
||
Y от K,L |
|||||||
R |
0,9334 |
0,9313 |
0,9431 |
0,9380 |
0,9393 |
0,9563 |
|
sey |
31,1 |
76,1 |
120,2 |
0,1097 |
0,1067 |
0,0916 |
|
F |
518,4 |
508,1 |
621,1 |
552,6 |
580,7 |
820,6 |
|
Ycp |
128,5 |
282,3 |
479,0 |
1,9091 |
2,2615 |
2,7498 |
|
Sa, % |
24,2 |
26,9 |
25,1 |
5,7 |
4,7 |
3,7 |
|
Y от L, I |
|||||||
R |
0,9380 |
0,9074 |
0,9233 |
0,9518 |
0,9307 |
0,9461 |
|
sey |
30,0 |
88,3 |
139,5 |
0,0967 |
0,1140 |
0,1017 |
|
F |
560,2 |
367,4 |
451,3 |
721,5 |
503,7 |
657,9 |
|
Ycp |
128,5 |
282,3 |
479,0 |
1,9091 |
2,2615 |
2,7498 |
|
Sa, % |
23,4 |
31,3 |
29,1 |
5,1 |
5,0 |
3,3 |
|
y от k |
|||||||
R |
0,5236 |
0,6690 |
0,7047 |
0,5658 |
0,5768 |
0,6620 |
|
sey |
47,9 |
108,8 |
159,3 |
0,1098 |
0,1061 |
0,0919 |
|
F |
82,4 |
153,6 |
181,3 |
96,4 |
103,6 |
148,9 |
|
Ycp |
163,3 |
363,3 |
605,9 |
2,1786 |
2,5250 |
2,7498 |
|
Sa, % |
29,3 |
29,9 |
26,3 |
5,0 |
4,2 |
3,3 |
|
y от u |
|||||||
R |
0,5457 |
0,4781 |
0,6972 |
0,6472 |
0,5174 |
0,5850 |
|
sey |
46,8 |
136,6 |
161,3 |
0,0990 |
0,1133 |
0,1018 |
|
F |
90,1 |
69,6 |
175,0 |
135,7 |
81,5 |
107,1 |
|
Ycp |
163,3 |
363,3 |
605,9 |
2,1786 |
2,5250 |
2,7498 |
|
Sa, % |
28,7 |
37,6 |
26,6 |
4,5 |
4,5 |
3,7 |
Анализ статистических характеристик из таблицы 5 позволяет сформулировать ряд выводов:
- в соответствии с величинами индексов детерминации (R) и F –критерия Фишера уровень тесноты корреляционной зависимости ВРП от каждой пары ресурсов (Y от K, L и Y от L, I) является высоким и отличается незначительно по годам в динамике, по парам ресурсов и по видам уравнений (линейным и степенным);
- ситуация с величинами стандартной ошибки (sey) и средней ошибки аппроксимации (Sa) является иной; для линейной зависимости ВРП от обоих пар ресурсов величины стандартной ошибки (sey) в динамике растут, величины средней ошибки аппроксимации (Sa) отличаются по годам незначительно, но они оказались чрезмерно высокими;
- в случае уравнений производственных функций степенного вида величины обеих важных статистических характеристик (sey, Sa), во-первых, существенно ниже, чем по линейным уравнениям; во-вторых, они уменьшаются в динамике; в-третьих, величины средней ошибки для уравнений степенного вида более чем в 4,0 раза ниже, чем для линейных;
- по величинам индекса детерминации (R) зависимость производительности труда (y) от фондовооруженности (k) и от инвестиционновооруженности (u) находится на удовлетворительном по тесноте связи уровне; при этом для зависимости y от k этот уровень в динамике увеличился; по видам уравнений (линейные и степенные) уровень тесноты связи отличается незначительно, но по величине средней ошибки аппроксимации подавляющее преимущество оказалось на стороне уравнений степенного вида.
Величины индексов детерминации и F-критерия Фишера для уравнений линейного вида при A=0 и степенного вида при B=1 оказались несколько выше, чем для уравнений при A≠0 (линейного) и B≠1 (степенного). Однако величины более важных из статистических характеристик (стандартной ошибки sey и средней ошибки аппроксимации Sa) во втором случае оказались ниже, т. е. во втором случае уравнения регрессии являются более приемлемыми.
Аналитическую ценность представляет математическая запись уравнений, наглядно демонстрирующая их сущность и особенности. Математическая запись уравнений производственных функций, выражающих зависимость ВРП (Y) от стоимости основных фондов (K) и численности занятых в экономике (L), построенных по данным регионов России за 2005, 2010 и 2014гг. приведена нами в таблице 6.
Таблица 6
Математическая запись уравнений производственных функций, выражающих зависимость ВРП (Y) от стоимости основных фондов (K) и численности занятых в экономике (L), построенных по данным регионов России за 2005, 2010 и 2014гг.
Y от K, L; A≠0 |
Y от K, L; A=0 |
|
Линейные |
||
2005 |
Y=-15,1+0,3413*K+0,0326*L |
Y=0,3460*K+0,0206*L |
2010 |
Y=-42,8+0,2969*K+0,1456*L |
Y=0,3058*K+0,1022*L |
2014 |
Y=-87,7+0,2965*K+0,2952*L |
Y=0,3027*K+0,2152*L |
Степенные |
||
2005 |
Y=0,2560*K*L |
Y=* |
2010 |
Y=0,3303*+ |
Y=* |
2014 |
Y=0,3575** |
Y=* |
Особый интерес представляют уравнения производственных функций (Y от K, L) степенного вида, в которых суммы величин α+β=1. В этом случае уравнения производственных функций преобразуются в вид Y=A**.
Если обе части этих уравнений разделить на L, то получим следующие уравнения
=(A* )/L.
Откуда y=A*, где y=Y/K - производительность труда. k=K/L - фондовооруженность труда.
Математическая запись уравнений производственной функции при α+β=1, выражающих зависимость производительности труда (y) от фондовооруженности труда (k) приведена в таблице 7.
Интерес переставляют и линейные уравнения производственных функций, имеющие вид y=α*K+β*L (т.е. при A=0).
Если обе части этих уравнений разделить на L, то они преобразуются в вид Y/L=(α*K+β*L )/L.
Откуда, y=α*k+β ,
где y - производительность труда, k, фондовооруженность труда.
Математическая запись уравнений производственных функций при A=0 и полученных на их основе уравнений регрессии для зависимости производительности труда приведены в таблице 8.
Любая научна работа, подготовленная для публикации должна, с нашей точки зрения, содержать элементы новизны. Научная работа, выполненная с применением математических методов и компьютерных технологий, сама по себе уже может считаться новизной. В особенности это относится к работам, связанным с эконометрическим моделированием, поскольку такие модели являются эмпирическими, т.е. авторскими в каждом конкретном случае. Т.о., построенные авторами уравнения производственных функций и уравнения регрессии, выражающие зависимость производительности труда от фондовооружённости и инвестиционновооружённости по данным регионов России за 2005, 2010 и 2014 гг., являются новыми.
Новизной является предложенная и обоснованная авторами методика выявления, изучения и оценки одних и тех же связей и зависимостей в экономике путем построения и использования уравнений регрессии различных видов. К новизне следует отнести и ряд выводов, сформулированных при анализе параметров и статистических характеристик, рассчитанных для эконометрических уравнений.
Список литературы
1. Адамадзиев К.Р., Адамадзиева А.К. Компьютерное моделирование в экономике: учебное пособие. Махачкала: Издательско-полиграфический центр ДГУ, 2014. 211с.
2. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник -6-е изд., перераб. и доп. М.: Финансы и статистика, 2006. 480 с.
3. Ковалев В.В. Финансовый анализ: методы и процедуры. М.: Финансы и статистика, 2005. 560 с.
4. Курс экономики: Учебник / Под. ред. Б. А. Райзберга. М.: ИНФРА-М, 1997. 770 с.
5. Мельник М.В., Поздеев В.Л. Теория экономического анализа: учебник для магистров. М.: Изд-во Юрайт, 2014. 261 с.
6. Теория систем и системный анализ в управлении организациями: Справочник: учеб. Пособие / под ред. В.Н. Волковой и А.А. Емельянова. М.: Финансы и статистика ИНФРА-М, 2009. 848 с.
7. Эконометрика: Учебник/ под ред. И.И.Елисеевой 2-e изд., перераб. и доп. М.: Финансы и статистика, 2005. 576 с.