Декомпозиция темпов прироста ФОП ВРП на факторные составляющие

Также было проведено аналитическое выравнивание ряда динамики ВРП с использованием пакета прикладных программ «EXCEL»: выравнивание по линейной функции, по логарифмической функции, по полиному 2 степени, по степенной, по экспоненциальной.

Отбор функций в качестве тренда проводился с использованием критерия Фишера, и было определено, что по критерию Фишера все 5 функций подходят для отображения тенденции. В связи с этим была отобрана наиболее адекватная функция по наименьшему остаточному среднему квадратическому отклонению. Выявлено, что такой функцией будет- полиноминальная, так как у нее наименьшее среднеквадратическое отклонение наименьшее равное 65622, 17.

Рисунок 2. Выравнивание значений ВРП Уральского федерального округа методом аналитического выравнивания по полиномиальной функции с использованием пакета прикладных программ «EXCEL»

На основе отобранной функции в качестве тренда, были рассчитаны показатели колеблемости и сделан прогноз валового регионального продукта на 2013 и 2014 год. Рассчитав коэффициент колеблемости, который получился равным 0, 1%, был определен коэффициент устойчивости, который получился равным 99, 9%.

Так как коэффициент устойчивости больше 50%, то уровни ряда динамики устойчивы и данное уравнение тренда подходит для расчета прогноза на перспективу.

,

где =

- интервальный прогноз,

- табличное значение Стьюдента,

при,

Интервальный прогноз на 2013 год:

Интервальный прогноз на 2014 год:

Рассчитав прогноз можно сделать вывод о том, что в 2013 году по сравнению с 2012 годом валовой региональный продукт повысился на 660221, 9млрд.руб; в 2014 году по сравнению с 2012 годом он также повысился на 484273, 4 млрд.руб.

Методика прогнозирования валового регионального продукта [Бакушева Галина Вячеславовна. Модели прогнозирования валового регионального продукта: диссертация... кандидата экономических наук: 08.00.13.- Москва, 2007.- 156 с.: ил. РГБ ОД, 61 07-8/3922 Библиотека диссертаций и авторефератов России dslib.net https://www.dslib.net/]

На основе проведенного исследования была создана методика прогнозирования валового регионального продукта, предназначенная для использования исполнительными органами субъектов РФ. Данная методика позволяет строить краткосрочные прогнозы валового регионального продукта. Все необходимые расчеты проводятся с помощью Microsoft Excel, что потребует от прогнозиста начальных знаний этого продукта. В таблицу с ВРП и инвестициями включена строка с указанным процентным соотношением значений показателей каждого данного года по отношению к предыдущему году. Это позволит произвести пересчет ВРП и инвестиций в постоянные или сопоставимые цены, то есть цены, сложившиеся за один определенный год, выбираемый за базу. Данная процедура необходима для того, чтобы проследить, как реально изменялись объемы этих показателей. 2 этап - подготовка данных для непосредственного использования при оценке модели, то есть пересчет стоимостных показателей в постоянные цены какого-либо года.

С помощью полученных на первом этапе данных произведем пересчет инвестиций и ВРП в сопоставимые цены 1995 года. (В данной работе пересчет производится в цены 1995 года, что не является обязательным. За базисный год можно принять любой удобный для прогнозиста год.) Пересчет осуществляется следующим образом: значение 1995 года принимается за базовое, а объем показателя на следующий год вычисляется согласно известному индексу физического объема, который указан в таблице в процентах к предыдущему году.

Далее следовало бы проделать такую же операцию для следующего значения - ВРП 1997 года, то есть применить формулу (65). Однако, как нетрудно заметить, эту формулу можно получить копированием формулы из ячейки В15 в ячейку В16. (Для этого необходимо выделить ячейку В15, встав на нее, а затем потянуть вниз мышью правый нижний угол ячейки, когда курсор превратится в черный крестик). Аналогично можно скопировать формулу до ячейки В23.

Известные_значения_у - это столбец значений эндогенной переменной, то есть часть столбца В от ячейки В27 до В36; Известные_значения_х - это столбцы значений регрессоров, то есть необходимо выделить область от С27 до D36; значение параметра «Коне» установим 1, так как спецификация (45), которую мы оцениваем, содержит свободный член; значение параметра «Стат» также 1, чтобы получить статистики, позволяющие проверить качество оцененной модели. Далее выполним пункты 4), 5) и 6), описанные в порядке работы с функцией. Должна получиться таблица со следующими значениями:

Далее определяют критическое значение статистики t по специальным таблицам. Также это значение можно рассчитать в Excel. Для этого надо вызвать мастер функций, выбрать категорию «Статистические», а в ней функцию «Стьюдраспобр». В поле «Вероятность» вводят уровень значимости а, обычно принимаемый 0, 05. В поле «Степени свободы» вводят значение (п-р), где п - это число наблюдений, ар- количество оцениваемых параметров. Для нашего примера (п-р) = 10-3 = 7. Этот показатель уже рассчитан и представлен в таблице 4 - это четвертая строка второго столбца. Тогда t» 2, 36.

Регрессор признается значимым, если tKp tmpaMempa. Итак, для используемого примера «2, 36, ta0& 77, 9 tKp, tal& 3, \ tKp, ta2& 7, 29 tKp, следовательно, все коэффициенты признаются значимыми, а значит, ни один из регрессоров xt], xt2 не требуется исключать из уравнения. Следует отметить, что для данной модели признак найденной незначимости параметров (если была бы таковая) не может трактоваться однозначно, так как в модель включена мультиколлинеарность (зависимость между столбцами регрессоров), что может давать ложные представления о незначимости параметров, хотя на самом деле они являются значимыми. Мультиколлинеарность присуща модели изначально, входит туда теоретически, поэтому избавиться от нее не представляется возможным.

Для вычисления FKp надо вызвать мастер функций, выбрать категорию «Статистические», а в ней функцию «Fpacno6p». В поле «Вероятность» вводят уровень значимости а, обычно принимаемый 0, 05. В поле «Степени свободы_1» вводят число переменных (для нашего примера это 2), а в поле Степени свободы_2» значение (п-р), где п - это число наблюдений, а р -количество оцениваемых параметров (для нашего примера это 7). Получили FKp«4, 74. Так как FKp FBhl4, то коэффициент детерминации признается статистически значимым, а значит его значение Л2 «0, 91 получено неслучайно, и между зависимой переменной и регрессорами действительно существует связь.

Расчет прогнозных значений темпов прироста ФОП ВРП (ур) с использованием модели (4) на период 2012− 2015 г. осуществлялся на основе прогнозных значений факторных переменных, определенных «Сценарными условиями социально-экономического развития Алтайского края на 2013 год и на период до 2015 года» (Распоряжение Администрации Алтайского края от 17.09.2012 № 383-Р). В результате были получены расчетные значения переменной ур, в целом близкие к данным официального прогноза (рис. 3). Расхождения в пределах 1, 0–2, 5 % в отдельные годы связаны с высоким уровнем неопределенности экономики переходного периода и сложностью прогнозирования кризисных явлений. С увеличением периода основания прогноза, расширением круга факторов и накопления информации о закономерностях взаимного влияния факторных переменных точность прогноза будет повышаться/

Рис. 3. Динамика темпов прироста фактических и предполагаемых значений темпов прироста ФОП ВРП (у) согласно официальному прогнозу и расчетных значений темпов прироста ФОП ВРП (ур) с использованием модели (4)

С использованием модели (4) проведен анализ структуры прироста ФОП ВРП (ур), цель которого состояла в разделении суммарного влияния факторов на составные части и выявлении вклада каждого фактора на результативную переменную (табл. 5).

Таблица 5

Декомпозиция темпов прироста ФОП ВРП на факторные составляющие

По результатам анализа сделаны следующие выводы:

1. Из рассмотренных факторов темп прироста ФОП ВРП в основном обеспечивается темпом прироста ФО оборота розничной торговли (в среднем 3, 2 % в год).

2. В среднем темпы прироста ФО продукции сельского хозяйства и промышленного производства вместе обеспечивают 1, 8 % годового прироста ФОП ВРП, однако в отдельные годы степень влияния указанных факторов может существенно варьироваться, например, при получении высокого урожая или наличия кризисных явлений.

Детальное рассмотрение прогнозных индикаторов, предусмотренных «Сценарными условиями социально-экономического развития Алтайского края на 2013 год и на период до 2015 года», а также стратегических планов развития региона позволяет заключить, что в основу темпов прироста ФОП ВРП органами государственной власти Алтайского края заложено ожидание существенного снижения показателя по результатам 2012 г., связанным с низким урожаем сельскохозяйственной продукции, и динамичного роста в 2013–2015 гг., прежде всего как результата долгосрочных инвестиционных вложений в производящие секторы экономики. Учитывая фактор неопределенности развития региональной экономики, характерный для современного этапа, модель, построенную нами на основе анализа взаимосвязи показателей в ретроспективе, необходимо корректировать ежегодно, накапливая информацию об возможных изменениях закономерностей взаимосвязей и дополняя ее новыми существенными факторами.

На основе модели (4) с использованием инструмента «Поиск решения» в программе Microsoft Excel рассчитаны значения темпов прироста факторных переменных для 2012− 2015 гг., при которых темпы прироста ФОП ВРП примут значения, соответствующие официальному прогнозу (табл.6).

По данным таблицы 6 видим, что официально прогнозируемые значения темпов прироста ФОП ВРП на 2012− 2015 гг. достигаются с использованием модели (4) по результатам расчета факторных переменных, при этом имеются небольшие отклонения от официально прогнозируемых значений, которые объясняются отличием в методологии расчета.

Похожая статья: Разработка организационно-экономического механизма функционирования регионального банковского кластера (на примере Алтайского края)

Таблица 6

Результаты поиска вариантов прогнозных значений факторных переменных модели (4), при которых возможно достичь в 2012 − 2015 гг. темпов прироста ФОП ВРП на уровне официального прогноза

По итогам расчетов видим, что оптимальные значения факторных переменных, полученные на основе модели (4), для достижения целевого прогнозного значения ФОП ВРП отличаются от официальных прогнозных данных за 2012–2013 гг. несущественно, в за 2014–2015 гг. — в пределах 1 — 2 %. Расхождение можно объяснить вхождением в активную фазу в ближайшие 5 лет программных мероприятий по развитию туристско-рекреационной зоны на территории Алтайского края, следствием которого станет рост значимости факторной переменной х 5 (темп прироста ФО платных услуг населению), исключенной из модели (4), в положительной динамике ФОП ВРП. По мере повышения уровня значимости факторов и расширения выборки наблюдений модель (4) можно дополнить другими существенными факторными переменными.

Результаты проведенного исследования показали работоспособность разработанной модели и возможность эффективного ее использования в прогнозировании. Небольшой набор переменных параметров модели позволяет гибко перестраивать и изменять ее структурные составляющие в зависимости от социально-экономических условий, а путем автоматизированного подбора значений переменных, находить оптимальные решения, устанавливая целевые ориентиры результативной переменной.