Факторный анализ планирование и прогнозирование экономических и упр

менного экономического развития первостепенное значение в ХХ–ХХI вв. отдавалось автомобильному транспорту в силу его алокальности, большей мобильности, общедоступности.

В отличие от других отраслей хозяйства, транспорт является неотъемлемым условием роста эффективности производства. Страна или регион могут успешно развиваться без сырьевых ресурсов, как, например, Япония, или, наоборот, импортировать большинство товаров, сосредоточившись на добыче сырья, как страны Аравийского полуострова, однако без транспорта экономическое развитие невозможно.

Как указывают специалисты, транспортная инфраструктура должна присутствовать как элемент экономики на каждом территориальном уровне. Транспортную услугу полностью импортировать нельзя, хотя можно арендовать материальновещественную ее составляющую [3, с. 3].

Развитие транспортной отрасли и экономики России, как и в других странах, взаимосвязаны. При этом отставание первой опосредует низкие показатели последней. Современное состояние транспортной системы России в настоящее время отстает от растущих потребностей экономики, сдерживает ее переход на инновационный путь развития и лишает значительные территории страны возможностей развиваться [2].

Доказательством взаимосвязи между развитием экономики и транспортных коммуникаций являются высокие коэффициенты корреляции показателей, отражающих характер зависимости между динамикой ВВП и ВРП от уровня автомобилизации и протяженности автомобильных дорог общего пользования

(табл. 1) [5].

Корреляционные связи между величиной ВВП на душу населения и показателями развития транспортной отрасли свидетельствуют об их взаимосвязи и позволяет утверждать, что развитие транспортной отрасли существенно влияет на развитие экономики страны.

81

При этом развитие транспортной отрасли может стать катализатором экономической прогрессивно поступательной динамики страны в целом, ее регионов, сосредоточив в себе «оживляющий» мультипликационный эффект.

Поэтому в рамках данной статьи представляется интересным построить модель прогнозирования развития экономики России на основе прогнозирования развития транспортной отрасли.

Для достижения поставленной цели необходимо решить комплекс задач:

первая – построить многофакторную модель, характеризующую зависимость роста ВВП страны от базовых показателей развития транспортной отрасли;

вторая – определить прогнозные значения изменения факторов, включенных в модель;

82

третья – осуществить прогноз развития национальной экономики на основе полученных ранее прогнозных значений динамики факторов.

Для решения первой задачи, заключающейся в построении многофакторной модели, в табл. 2 представлены исходные данные: ВВП на душу, уровень автомобилизации, протяженность автомобильных дорог общего пользования за период с 1997 по 2011 г. Выбор этих данных опосредован: во-первых, авторской гипотезой о зависимости роста показателей национальной экономики от развития прежде всего автотранспорта; во-вторых, сущностью самих показателей, отражающих качественные изменения; в-третьих, необходимостью расчета зависимости ВВП от двух факторов, характеризующих развитие транспортной инфраструктуры.

Таблица 2

Исходные данные для построения многофакторной модели [5]

83

Далее при построении модели на основе представленных статистических данных осуществлены соответствующие расчеты: многофакторная модель зависимости ВВП от выбранных факторов.

где y – ВВП на душу населения, тыс. руб.;

х1 – уровень автомобилизации, ед. на 1000 чел.; х2 – протяженность автомобильных дорог общего пользо-

вания с твердым покрытием, тыс. км.

Статистический анализ модели показал, что ошибка аппроксимации составляет 12,0 %, коэффициент корреляции равен 0,995 и коэффициент детерминации – 0,99 (то есть имеет место высокая надежность построенной модели); проверка уравнения на значимость по критерию Фишера также подтвердила существование тесной взаимосвязи между ВВП на душу населения и двумя выбранными факторами.

Таким образом, высокие значения соответствующих коэффициентов отражают высокое качество модели (1), что, в свою очередь, позволяет использовать ее для прогнозирования уровня развития экономики.

Другими словами, построенная двухфакторная математическая модель выявила высокий уровень зависимости развития национальной экономики от уровня развития автотранспортной

84

инфраструктуры. Поэтому далее необходимо осуществить прогноз динамики развития каждого из выделенных факторов (уровень автомобилизации, протяженность автомобильных дорог общего пользования) в построенной ранее модели. Для прогнозирования считаем целесообразным использование двух подходов: первый – построение трендов факторов для прогнозирования экономического развития национальной экономики до 2016 г.; второй – при прогнозировании экономического развития до 2030 г. необходимо учитывать готовые показатели факторов, определенные транспортной стратегией РФ.

Для построения трендов в рамках реализации первого подхода представим динамику изменения уровня автомобилизации и протяженности автомобильных дорог общего пользования с твердым покрытием в России на рис. 1.

Рис.1. Уровень автомобилизации и протяженность автомобильных дорог общего пользования с твердым покрытием в России за период

1997–2011 гг.*

* Составлено авторами по данным Федеральной службы государственной статистики РФ [Электронный ресурс]. – URL:http://www.gks.ru (дата об-

ращения: 11.04.2013).

85

На основании представленного графика очевидна устойчиво прогрессивная динамика роста уровня автомобилизации в России за продолжительный период времени (темп роста уровня автомобилизации за период с 1997 по 2011 г. составил 212 %), что, в свою очередь, объективно формирует потребность в развитии транспортных коммуникаций. Как видно из графика, рост протяженности автомобильных дорог наблюдается только с 2005 г. (темп роста строительства новых автомобильных дорог за период с 1997 по 2011 г. составил 143 %), на протяжении предшествующих лет отрасль характеризовалась депрессивно стабильным состоянием.

Построим тренды факторов развития автотранспортной отрасли России по данным, представленным на основании рис. 1, а также сделанных выводов. Выберем тренд прогнозирования уровня автомобилизации России. Для этого занесем в таблицу линии трендов и их качественные параметры (табл. 3) для ее анализа напомним, что F-критерий Фишера оценивает статистически значима или нет зависимость, описанная уравнением регрессии. Чем больше это значение, тем лучше уравнение регрессии. Если F > Fтабл, то с вероятностью 0,95 связь описываемая уравнением регрессии статистически значима (существенна).

a 0,05 . Коэф-

фициент корреляции (r) отражает силу, тесноту связи между исследуемым показателем и независимой переменной или фактором. Если r → 1, то связь сильная (сильной считается связь при r ≥ 75 %). Среднеквадратическое отклонение (σ) – это мера ошибки, которую допустили при построении уравнения регрессии. Выбор линии тренда будем делать по показателю среднеквадратического отклонения.

86

На основании данной таблицы становится очевидным, Fтабл составит 245,9, значит уравнения регрессии 1,2 и 4 статистически значимы, остальные уравнения нельзя использовать для прогнозирования. Коэффициенты корреляции для всех трендов демонстрируют сильную связь. Наименьшее значение имеет полиномиальная линия тренда, поэтому именно ее будем использовать для прогнозирования уровня автомобилизации.

Таким образом, построенные линии трендов свидетельствуют о прогрессивной динамике первого из факторов – уровня автомобилизации. Далее аналогично построим на основе представленных на рис. 1 статистических показателей тренды протяженности автомобильных дорог общего пользования с твердым покрытием. Для этого занесем в таблицу линии трендов и их качественные параметры (табл. 4).

87

Таблица 4

Анализ трендов протяженности автомобильных дорог общего пользования с твердым покрытием в России

На основании данной таблицы становится очевидным, Fтабл составит 245,9, поэтому только полиномиальное уравнение регрессии статистически значимо. Коэффициенты корреляции для всех трендов демонстрируют сильную связь, так как наименьшее значение среднеквадратического отклонения имеет полиномиальная линия тренда и данное уравнение единственное статистически значимо, поэтому именно его будем использовать для прогнозирования протяженности автомобильных дорог.

Далее необходимо определить прогнозные значения уровня автомобилизации и протяженности автомобильных дорог общего пользования с твердым покрытием на период до 2016 г. Прогнозные значения факторов на период до 2030 г. возьмем из транспортной стратегии Российской Федерации [5, с. 154]. Представим их в табл. 5.

88

Таблица 5 Прогнозные значения уровня автомобилизации

ипротяженности автомобильных дорог общего пользования

ствердым покрытием в России на период до 2030 г.

Прогнозирование развития транспортной отрасли России показывает с достоверностью 95 %, что при таких темпах к 2016 г. уровень автомобилизации составит 325 ед. на 1000 чел., а протяженность автомобильных дорог составит 900,6 тыс. км.

Подставив прогнозные значения изменения факторов (уровня автомобилизации и протяженности автомобильных дорог общего пользования с твердым покрытием) в двухфакторную математическую модель (1), определим прогнозные значение ВВП на душу населения (точечный прогноз) с 2012 до 2030 г. Результаты представим в табл. 6.

Для оценки надежности прогнозных значений необходимо найти интервал, в который попадут фактические величины с вероятностью 95 %. Интервал прогнозирования характеризует качество модели множественной регрессии и рассчитывается по формуле.

89

где y – точечный прогноз;

tα – коэффициент Стьюдента (зависит от вероятности и числа наблюдений);

Данные таблицы свидетельствуют, что ВВП на душу населения за период 2012–2030 гг. может увеличиться в 2,6 раза и составить 1110±26 тыс. руб. при прогрессивном действии выделенных факторов.

В целом предложенная двухфакторная модель и соответствующие ей методы являются базовыми параметрами для прогнозирования на перспективу развития других отраслей транспортной инфраструктуры. Полученные параметры и их прогнозы позволяют исследователям давать качественные и количественные оценки эффективности тех или иных проектов в области.

90