Одним из основных показателей, определяющих потенциал развития отраслей и регионов в целом, является валовый региональный продукт (ВРП), характеризирующий потенциал экономики регионов. Востребованность использования ВРП как на федеральном, так и на региональном уровне сделало эту тему актуальной для рассмотрения.
Целью исследования является анализ зависимости валового регионального продукта от инвестиций в основной капитал и стоимости основных фондов.
Достижение указанной цели определило постановку и решение следующих задач:
Построить эконометрическую модель.
Исключить незначимые факторы.
Рассчитать параметры регрессии.
Оценить качество спецификации модели.
Проверить выполнение предпосылок Гаусса–Маркова.
Проверить адекватность модели.
На основе известных данных о величине валового регионального продукта, среднегодовой численности занятых, величине инвестиций в основной капитал, прямых иностранных инвестиций, стоимости основных фондов, степени износа основных фондов, величине затрат на научные исследования и разработки, объема инновационных товаров, работ и услуг по Центральному федеральному округу построим эконометрическую модель, отражающую зависимость между величиной валового регионального продукта и вышеуказанными факторами [1].
где у – валовой региональный продукт, млн.руб.;
х1 – среднегодовая численность занятых, тыс.чел.;
х2 – инвестиции в основной капитал, млн.руб.;
х3 – прямые иностранные инвестиции, млн.долл.США;
х4 – стоимость основных фондов, млн.руб.;
х5 – степень износа основных фондов, %;
х6 – затраты на научные исследования и разработки, млн.руб.;
х7 – объем инновационных товаров, работ и услуг, млн.руб.
– случайные возмущения;
, , , , , , , – оцениваемые коэффициенты.
Таким образом, имеем восемь неизвестных параметров ( , , , , , , , , ).
Таблица 1
Исходные данные для анализа
Субъект РФ |
Валовой региональный продукт, млн.руб. |
Среднегодовая численность занятых, тыс.чел. |
Инвестиции в основной капитал, млн.руб. |
Прямые иностранные инвестиции, млн.долл.США |
Стоимость основных фондов, млн.руб. |
Степень износа основных фондов, % |
Затраты на научные исследования и разработки, млн.руб. |
Объем инновационных товаров, работ и услуг, млн.руб. |
у |
х1 |
х2 |
х3 |
х4 |
х5 |
х6 |
х7 |
|
Белгородская область |
686357,0 |
756,8 |
143802 |
31 |
1400837 |
48,2 |
1779,9 |
2052,7 |
Брянская область |
269933,3 |
540,6 |
68320 |
8 |
733055 |
43,7 |
704,3 |
5057,6 |
Владимирская область |
357913,1 |
647,4 |
78456 |
241 |
787525 |
47,7 |
4511,5 |
7047,5 |
Воронежская область |
823133,6 |
1094,8 |
270999 |
217 |
1534644 |
46,3 |
6436,1 |
5420,5 |
Ивановская область |
171019,5 |
447,1 |
22616 |
64 |
553289 |
47,2 |
642,0 |
955,4 |
Калужская область |
334825,7 |
508,9 |
80081 |
1060 |
912722 |
39,7 |
9283,7 |
4020,5 |
Костромская область |
157705,7 |
293,2 |
26474 |
134 |
419515 |
48,6 |
137,1 |
724,6 |
Курская область |
335300,3 |
520,6 |
89662 |
14 |
805024 |
51,5 |
4948,7 |
2285,1 |
Липецкая область |
457558,0 |
565,5 |
128011 |
2023 |
1178985 |
55,7 |
352,3 |
6212,7 |
Московская область |
3213873,1 |
3377,0 |
634692 |
8205 |
7237874 |
41,9 |
107311,1 |
56471,6 |
Орловская область |
205763,5 |
330,2 |
47873 |
7 |
472195 |
50,7 |
644,4 |
1788,9 |
Рязанская область |
316080,1 |
505,5 |
51070 |
59 |
927211 |
57,1 |
2026,2 |
1100,2 |
Смоленская область |
257098,9 |
443,9 |
59899 |
240 |
829388 |
52,4 |
1414,8 |
942,9 |
Тамбовская область |
344879,6 |
492,1 |
106829 |
28 |
798260 |
60,4 |
1666,8 |
1768,3 |
Тверская область |
341202,5 |
608,5 |
89642 |
70 |
1212653 |
47,7 |
4786,3 |
8194,4 |
Тульская область |
476649,3 |
731,5 |
112561 |
718 |
1033088 |
46,0 |
5574,8 |
2631,0 |
Ярославская область |
432019,9 |
626,6 |
81915 |
142 |
1226233 |
53,0 |
8720,7 |
6004,7 |
г.Москва |
13532598,0 |
8692,0 |
1703085 |
65314 |
36338093 |
36,9 |
330199,1 |
37211,5 |
На основании таблицы 1 мы можем составить матрицу парных коэффициентов корреляции (таблица 2).
Таблица 2
Матрица парных коэффициентов корреляции
|
у |
х1 |
х2 |
х3 |
х4 |
х5 |
х6 |
х7 |
у |
1 |
|||||||
х1 |
0,991442 |
1 |
||||||
х2 |
0,989235 |
0,997551 |
1 |
|||||
х3 |
0,993989 |
0,972362 |
0,969113 |
1 |
||||
х4 |
0,998981 |
0,985318 |
0,982225 |
0,997505 |
1 |
|||
х5 |
-0,54476 |
-0,57633 |
-0,5637 |
-0,52175 |
-0,53457 |
1 |
||
х6 |
0,993916 |
0,99665 |
0,991338 |
0,980677 |
0,990246 |
-0,56923 |
1 |
|
х7 |
0,667194 |
0,753858 |
0,746231 |
0,595485 |
0,640333 |
-0,53499 |
0,735573 |
1 |
Следует отметить тесную взаимосвязь результативного признака почти со всеми факторами, не учитывая лишь фактор Х5 и Х7, для которых значение коэффициента корреляции по модулю попадает в интервал (0,5;0,7), что соответствует заметной степени связи. В то же время между парами факторов Х1 и Х2, Х1 и Х3, Х1 и Х4, Х1 и Х6, Х1 и Х7, Х2 и Х3, Х2 и Х4, Х2 и Х6, Х2 и Х7, Х3 и Х4, Х3 и Х6, Х4 и Х6, Х6 и Х7 отмечен эффект мультиколлинеарности, так как коэффициенты корреляции превышают значение 0,7.
Далее следует провести первоначально регрессионный анализ с использованием всех факторов, с целью исключить незначимые.
Таблица 3
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Y-пересечение |
-146682,4122 |
151274,8 |
-0,96964 |
0,355092 |
х1 |
367,6664364 |
216,8499 |
1,695488 |
0,120841 |
х2 |
1,033518442 |
0,530787 |
1,947142 |
0,080127 |
х3 |
12,25808346 |
23,03293 |
0,532198 |
0,60621 |
х4 |
0,192512374 |
0,066345 |
2,901704 |
0,015787 |
х5 |
1035,827972 |
2614,328 |
0,396212 |
0,700271 |
х6 |
3,638402873 |
3,693486 |
0,985086 |
0,347815 |
х7 |
-8,379676619 |
4,490859 |
-1,86594 |
0,091617 |
Таблица 4
Исключение фактора Х5
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Y-пересечение |
-90402,66728 |
49999,23 |
-1,80808 |
0,097985 |
х1 |
335,0336723 |
192,7601 |
1,738086 |
0,11007 |
х2 |
1,088560698 |
0,492264 |
2,211336 |
0,049104 |
х3 |
9,873525444 |
21,36383 |
0,462161 |
0,652973 |
х4 |
0,201740873 |
0,059694 |
3,379599 |
0,006147 |
х6 |
3,573573518 |
3,54565 |
1,007875 |
0,335171 |
х7 |
-8,009041731 |
4,220687 |
-1,89757 |
0,084297 |
Таблица 5
Исключение фактора Х3
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
|
Y-пересечение |
-88619,91994 |
48189,09 |
-1,839 |
0,090777 |
х1 |
292,549452 |
163,7834 |
1,786198 |
0,099338 |
х2 |
1,126775409 |
0,469099 |
2,401998 |
0,033397 |
х4 |
0,224580952 |
0,032365 |
6,938907 |
1,56E-05 |
х6 |
3,939198152 |
3,341095 |
1,179014 |
0,261241 |
х7 |
-8,108297196 |
4,074759 |
-1,98988 |
0,069884 |
Таблица 6
Исключение фактора Х6
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Y-пересечение |
-127600,8195 |
35580,24 |
-3,58628 |
0,003318 |
х1 |
353,7762046 |
157,6458 |
2,24412 |
0,04287 |
х2 |
0,891971106 |
0,431051 |
2,069293 |
0,059005 |
х4 |
0,254511556 |
0,020376 |
12,49104 |
1,29E-08 |
х7 |
-4,887370763 |
3,068348 |
-1,59283 |
0,135211 |
Таблица 7
Исключение фактора Х7
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Y-пересечение |
-80500,23731 |
20845,66 |
-3,861725775 |
0,001727 |
х1 |
142,1702756 |
89,41109 |
1,59007429 |
0,134139 |
х2 |
1,192363812 |
0,408331 |
2,920091291 |
0,011189 |
х4 |
0,284675863 |
0,007921 |
35,93987583 |
3,43E-15 |
Таблица 8
Исключение фактора Х1
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Y-пересечение |
-57408,84337 |
15698,2258 |
-3,657027495 |
0,002336 |
х2 |
1,795037081 |
0,159460688 |
11,2569255 |
1,03E-08 |
х4 |
0,289951395 |
0,007550086 |
38,40372019 |
2,14E-16 |
Таким образом, получили следующие параметры уравнения регрессии:
= -57408,84; =1,795; =0,29
или уравнение регрессии:
Коэффициенты уравнения можно интерпретировать следующим образом:
1) =1,795>0, то есть при увеличении объема инвестиции в основной капитал на 1 млн.руб. происходит рост ВРП на 1,795 млн.руб.
2) =0,29>0, то есть при увеличении стоимости основных фондов на 1 млн.руб. происходит рост ВРП на 0,29 млн.руб.
Перейдем к проверке качества спецификации и составим окончательную модель. Если есть , то 0R21 на основе данного неравенства выдвигаем гипотезу Н0, такую что:
Н0: R2=0
Н0: =0
Таблица 9
=0,29 |
=1,795 |
= -57408,84 |
|
38,40372019 |
11,25693 |
-3,65703 |
|
2,131449546 |
2,13145 |
2,13145 |
Так как │ │>, то нет необходимости принятия гипотезы о равенстве нулю коэффициентов регрессии.
Таким образом, окончательно модель будет иметь вид:
Рассмотрим выполнение предпосылок МНК. Для того чтобы МНК давал наилучшие результаты, должны выполняться условия Гаусса-Маркова.[2]
Первое условие Гаусса-Маркова выполняется. Математическое ожидание случайной составляющей в любом наблюдении равно нулю: E(U)=0.
Также для того, чтобы проверить качество регрессии следует вычислить коэффициент детерминации. В нашем случае коэффициент детерминации составляет: =0,9998. Это означает, что 99,98% вариации валового регионального продукта обусловлено влиянием уровня инвестиций и стоимости основных фондов и 100%–99,98%=0,02% прочими неучтенными в модели факторами.
Значимость уравнения регрессии определяется с помощью F-критерия Фишера (α=0,05).
F=34778,16 > Fкрит=3,68, значит уравнение регрессии следует признать значимым.
Чтобы подтвердить соблюдение второго условия, проведем тест Голдфелда–Квандта. Дисперсия случайной составляющей должна быть постоянной для всех наблюдений.
Так как 0,166894<Fкрит=4,283866 и 5,991824> Fкрит=4,283866. Последнее неравенство ложно, следовательно, остатки гетероскедастичны и нельзя пользоваться методом наименьших квадратов.
При помощи теста Дарбина-Уотсона исследуем третье условие Голфелда-Квандта. В нашем случае значение статистики DW попадает в третий интервал (dU, 4- dU), то есть случайная переменная в любых двух наблюдениях независима и подтверждается гипотеза об отсутствии автокорреляции:
Н0: Cov(ui,uj) = 0 для всех i ≠ j,
Выполним проверку адекватности модели, используя 2 контролирующие выборки:
у |
х2 |
х4 |
686357 |
143802 |
1400837 |
157705,7 |
26474 |
419515 |
В качестве результата проверки на адекватность получились следующие выводы:
у = 686357 входит в промежуток (y0-; y0+) равный (499700,5; 714091);
у = 157705,7 входит в промежуток (y0-; y0+) равный (3060,412968; 220443,443);
Следовательно, мы можем сделать вывод, что во всех случаях контролирующее значение эндогенной переменной входит в доверительный интервал. То есть можно утверждать, что с вероятностью 95% рассматриваемая модель признается адекватной.
Таким образом, валовой региональный продукт является обобщающим показателем экономической деятельности региона, который характеризует процесс производства товаров и услуг для конечного использования. Расчеты, проводимые на основе ВРП, позволяют оценивать положение и вклад региона в экономику страны, анализировать региональную структуру отраслевого и секторального выпуска и доходов, выделять приоритеты регионов при распределении инвестиций и т.д.
В ходе выполнения данной работы была проанализирована зависимость валового регионального продукта от различных факторов и выяснено, что инвестиции в основной капитал и стоимость основных фондов являются факторами, которые оказывают наибольшее влияние на ВРП. При помощи регрессионного анализа было построено уравнение вида:
Используя критерий Фишера мы выяснили, что само уравнение регрессии адекватно, так как F>Fкрит. Проверка адекватности модели показала, что модель можно считать адекватной и пригодной для прогнозирования на практике. Однако тем не менее при использовании теста Голфелда-Квандта была выявлена гетероскедастичность случайных остатков, то есть непостоянство дисперсии отклонений случайных составляющих Ɛi. [3]
Список использованной литературы
Официальный портал федеральной службы государственной статистики. [Электронный ресурс] URL: http://www.gks.ru
Эконометрика: учебное пособие / Болдыревский П.Б., Зимина С.В. — Москва: КноРус, 2019. – 177 с.
Эконометрика: учебное пособие / Галочкин В.Т. — Москва, 2019. – 200 с.