XIII Международная студенческая научная конференция Студенческий научный форум - 2021

Правительства сталкиваются с бюджетными ограничениями и поэтому должны инвестировать в те проекты, которые приносят наибольшую выгоду по сравнению с затратами, то есть эффект от которых наибольший. Независимо от того, осуществляется ли проект традиционным государственным обеспечением, государственно-частным партнерством или другими способами, его экономическая оценка остается обязанностью правительства. Причем с оценкой эффекта государственных проектов наблюдаются некоторые трудности. Дело в том, что их нельзя оценивать стандартными методами, поскольку в рыночной экономике они в основном направлены на достижение другого эффекта, нежели генерирование прибыли.

На практике правительство оценивает альтернативные издержки или производство новых товаров и услуг и использует эти учетные цены как более подходящий сигнал, чем наблюдаемые рыночные цены, которые могут быть искажены по ряду причин. На их основе рассчитываются показатели эффективности проектов. Различие между расчетными и наблюдаемыми показателями зачастую ложится в основу обвинений региональных властей в нецелевом использовании бюджетных средств или даже в мошеннических действиях, связанных с их хищением [1].

Строительство же, например, крупной развязки изначально может не приносить прибыли, однако ввод её в эксплуатацию способствует росту автотрафика, сокращает расходы предприятий и других экономических агентов на осуществление перевозок, что, в итоге, может увеличить налоговые поступления и в будущем повысит благосостояние города, а также позволит заработать определенную репутацию мэру и поможет ему переизбраться на новый срок. Оценить такой результат довольно тяжело. Рассмотрим один из критериев оценки эффективности проектов - число созданных рабочих мест при их реализации.

Для этого можно составить модель регрессии, которая позволит отследить зависимость созданных рабочих мест от объема вложений. Также можно добавить переменную «год ввода в эксплуатацию», чтобы понять, какая существует тенденция изменения числа новых рабочих мест (инфляция, снижение общей результативности ведущих проектов и т.п.).

Целью данного исследования таким образом является выявление и анализ зависимости созданных новых рабочих мест от стоимости инвестиционного проекта среди проектов Ростовской области.

На число созданных рабочих мест предположительно оказывают влияние следующие факторы: – стоимость инвестиционного проекта, млн руб. Предположительно данный фактор оказывает на объясняемую величину прямое влияние, поскольку большая стоимость обычно говорит о масштабности проекта, а значит вновь созданное предприятие, какой-то объект задействует в будущем большее число рабочих мест.

– год ввода в эксплуатацию. Данный показатель в модель нужно включить, поскольку со временем увеличивается инфляция и, соответственно, происходит удорожание ресурсов, а также меняются другие объективные факторы, в силу чего отдача от каждого вложенного рубля (в виде новых рабочих мест) может падать со временем.

Введем соответствующие обозначения (см. Табл. 1).

Таблица 1. Условные обозначения показателей

Условное обозначение	Показатель
	Количество новых рабочих мест, шт.
	Стоимость инвестиционного проекта, млн руб
	Год ввода в эксплуатацию
	Случайные воздействия

Источник: составлено автором

Построим модель следующей спецификации:

,

E ( )=0; Var ( )=σ_u²

Для работы с моделью использовались статистические данные по 43 основным проектам Ростовской области с Официального портала Правительства Ростовской области [3].

Как следует из графического анализа (Рис. 1) попарных диаграмм рассеивания для переменных модели, инвестируемые в регионе проекты обеспечивают в среднем рост новых рабочих мест и увеличение объема инвестирования также способствует в среднем увелению числа рабочих мест.

Рис. 1. Попарные диаграммы рассеяния

На этом этапе целесообразно выделить контролирующую выборку, чтобы оценить впоследствии, сможет ли наша модель адекватно объяснить наблюдения (прогнозируемая переменная должна войти в доверительный интервал). Выделим 2 наблюдения (см. Табл. 3) в контролирующую выбору, все остальные наблюдения будут составлять обучающую выборку.

Таблица 2. Контролирующая выборка

№	Курирующее отраслевое министерство	Кол-во новых рабочих мест, шт.	Год ввода в эксплуатацию	Стоимость инвестиционного проекта, млн руб.
30	Минсельхозпрод области	800	2020	17906
34	Минпромэнерго области	20	2020	10700

Источник: составлено автором

Для построения прогноза количества новых рабочих мест в спецификации модели должны быть определены неизвестные параметры. Тогда рассматриваемая модель будет выглядеть следующим образом:

где , , – эмпирические коэффициенты регрессии (оценки теоретических коэффициентов), – остатки.

Для получения оптимальных оценок коэффициентов регрессии воспользуемся процедурой метода наименьших квадратов (МНК) [2]. Примененный метод МНК дает наилучшие оценки параметров при выполнении 4 условий теоремы Гаусса-Маркова.

Пусть в уравнениях наблюдений столбцы Х независимы и

Необходимо провести тестирование предпосылок теоремы Гаусса-Маркова для нашей модели.

1 Предпосылка о нулевом матожидании случайных остатков. Первая предпосылка выполняется, поскольку E(U)=0 (см. Приложение, Табл. 1).

Суммарной мерой общего качества уравнения регрессии (соответствия построенного уравнения статистическим данным) является выборочный коэффициент детерминации R². Если R² = 0, то регрессия ничего не объясняет. Следовательно, чем ближе R² к 1, тем лучше уравнение регрессии объясняет наблюдаемые значения.

Для исследования качества регрессии вычислим коэффициент детерминации (т.е. объясненная регрессорами в рамках обучающей выборки доля эмпирической дисперсии эндогенной переменной y). Коэффициент детерминации вычисляется по формуле: = 0,24.

Данный факт свидетельствует о слабой зависимости между текущей эндогенной переменной и преопределенными переменными, что свидетельствует о низком качестве регрессии. Однако окончательный вывод о качестве модели позволяет сделать F-критерий (Фишера).

Ситуация совершенно плохой спецификации модели равносильна справедливости статистической гипотезы .

Таблица 3. Проверка значимости уравнения и коэффициентов

Оценки коэффициентов		t-статистика	tкр = 2,021	Проверка значимости уравнения
a0	-141217,7	-2,0253	регрессор значим	R2	0,2404
a1	69,988	2,0274	регрессор значим	Fстат	6,3290
a2	0,014	2,3997	регрессор значим	Fкр	3,2317
Значимость уравнения				Значимо

Источник: составлено автором

Проверка качества уравнения регрессии в целом проводится основе проверки гипотезы о статистической значимости коэффициента детерминации :

Если , то нулевая гипотеза отклоняется в пользу альтернативной гипотезы и делается вывод о том, что уравнение регрессии статистически значимо.

В рассматриваемой модели коэффициент R² = 0,2404, что указывает на не очень хорошие прогнозные свойства уравнения, однако в модель входит значительное число наблюдений. Гипотеза (R² = 0) отклоняется в пользу альтернативной гипотезы, т.к. , иными словами уравнение статистически значимо. Регрессоры значимы, т.к. (см. Табл. 3)

Полученные оценки коэффициентов позволяют сделать следующие выводы:

Влияние стоимости проекта на число новых рабочих мест положительное. На это указывают положительные значения коэффициентов перед соответствующей переменной. Так, если стоимость проекта увеличивается на 1 млн. руб., то в среднем создается почти 70 рабочих мест.

С каждым годом ввода в эксплуатацию число новых рабочих мест растет. Это говорит о повышения качества инвестиционных вложений и управления проектами.

2.Проведем тест для проверки предпосылки о гомоскедастичности случайных остатков.

Данный тест проходит по следующему алгоритму:

Упорядочиваем выборку по |х1|+|x2|.

Упорядоченная выборка после этого разбивается на три равные группы (подвыборки) размерностей k, (

Код для цитирования: Скопировать