Тема 2.2. Статистический анализ структуры и динамики внешней торговли страны

Структура (от лат. structura – строение, построение) означает фиксированные устойчивые соотношения и связи между элементами объекта, определяющие сущность этого объекта.

Структура экспорта и импорта влияют на эффективность внешней торговли и экономики в целом, сдвиги в структуре внешней торговли страны приводят к серьезным изменениям в тенденциях ее развития. Особое внимание уделяется изучению географической и товарной структуры внешней торговли. Географическая структура рассматривается как в разрезе отдельных стран, так и по группам стран (Европейский союз (ЕС), ЕАЭС, Азиатско-Тихоокеанское экономическое сотрудничество (АТЭС), Ассоциация государств Юго-Восточной Азии (рус. АСЕАН от англ. Association of SouthEastAsian Nations), БРИКС, Союз Независимых Государств (СНГ), дальнее зарубежье и др.); товарная структура – по отдельным товарам и по укрупненным товарным группам.

По итогам 11 месяцев 2017 г., как и в аналогичных периодах 2015 и 2016 гг., в страновой структуре внешней торговли России ведущее место занимает Европейский союз как крупнейший экономический партнер страны. На долю ЕС в январе – ноябре 2017 г. приходилось 42,6% внешнеторгового оборота России (в январе – ноябре 2016 г. – 43,1%), на страны СНГ – 12,4% (12,3%), на страны ЕАЭС – 8,7% (8,6%), на страны АТЭС –

30,7% (29,9%).

Товарная структура экспорта и импорта не претерпела сильных изменений, в отличие от более раннего периода, когда введенные санкции, действующее продовольственное эмбарго, а также сокращение спроса со стороны Китая на сырьевые товары повлияли на качественное негативное изменение товарной структуры внешней торговли практически во всех отраслях экономики.

Постоянное исследование динамики товарной и географической структуры внешней торговли позволит оперативно реагировать на любые ее изменения с целью перехода экономики государства на инновационный путь развития.

Статистическое изучение структуры внешней торговли страны предполагает выполнение определенных задач:

1) определение качественного признака или количественного показателя, в разрезе которого изучается структура, а также элементов структуры;

26

2)исчисление долей (удельных весов) элементов структуры и их наглядное изображение с помощью таблиц или графиков;

3)сопоставительный анализ структур по различным объектам (группы стран, отдельные страны, товары либо их группы и т.п.);

4)исследование структурных сдвигов во времени.

Первая задача предполагает построение сводок и группировок данных статистического наблюдения. Напомним, что при этом исходные данные обычно группируются по качественным признакам или по значениям количественных показателей. Полученные таким образом ряды распределения служат для решения задач статистического изучения структуры.

Изучать структуру внешней торговли страны в разрезе качественных признаков предпочтительнее по стоимостному объему экспорта или импорта.ВРоссийскойФедерацииструктуравнешнейторговлистраныанализируется на основе устойчивых общепринятых группировок. Так, например, стоимостной объем экспорта (импорта) принято подразделять по позициям (подпозициям) ТН ВЭД, странам, группам стран, субъектам РФ и др.

Взависимости от целей исследования могут быть введены и иные группировочные признаки, которые содержатся в декларациях на товары.

Принципы построения групп и формирования элементов структуры: 1) желательно, чтобы число структурных элементов не превышало

12–15 (иначе утрачивается наглядность результатов анализа); 2) элементы структуры не должны пересекаться между собой;

3) сумма удельных весов по элементам должна равняться целому

(100%).

Вцелях достижения большей наглядности в описании структуры ряды распределения принято выражать в долях или удельных весах (процентах), которые представляют собой соотношение размеров частей и целого. Для более наглядного графического представления структуры целесообразно использовать круговые секторные диаграммы.

Для оценки структуры и структурных изменений во времени используется ряд показателей.

Абсолютный прирост удельного веса i-й части совокупности пока-

зывает, на сколько процентных пунктов возрос или уменьшился данный структурный элемент в j-й период по сравнению с предшествующим (j – 1) периодом:

где dij – удельный вес (доля) i-й части совокупности в j-й период;

dij–1 – удельный вес (доля) i-й части совокупности в (j – 1)-й период.

27

Если абсолютный прирост принимает отрицательное значение, следовательно удельный вес данного структурного элемента уменьшился; соответственно, при положительном значении абсолютного прироста делается вывод об увеличении удельного веса структурного элемента.

Средний абсолютный прирост удельного веса i-й структурной части показывает, на сколько процентных пунктов в среднем за какой-либо период (день, неделю, месяц, год и т.д.) изменяется данная структурная часть:

где n – число осредняемых периодов;

din – удельный вес (доля) i-й части совокупности в n-й период; di1 – удельный вес (доля) i-й части совокупности в 1-й период.

Темп роста удельного веса представляет собой отношение удельного веса i-й части совокупности в j-й период времени к удельному весу той же части в предшествующий период. Показывает относительное изменение удельного веса конкретного структурного элемента в j-й период:

где n – число осредняемых периодов;

din – удельный вес (доля) i-й части совокупности в n-й период; di1 – удельный вес (доля) i-й части совокупности в 1-й период.

Темпы роста удельного веса выражаются в процентах и всегда являются положительными величинами. Если в совокупности наблюдались структурные изменения, часть темпов роста будет больше 100%, часть – меньше.

Средний темп роста удельного веса характеризует среднее относи-

тельное изменение удельного веса i-й части за n периодов и рассчитывается по формуле средней геометрической:

где Tpdi1 – темп роста удельного веса i-й части совокупности в 1-й период времени;

Tpdi 2 – темп роста удельного веса i-й части совокупности во 2-й период времени и т.д. до (n – 1).

28

Подкоренное выражение этой формулы представляет собой последовательное произведение цепных темпов роста удельного веса за все временные интервалы.

Линейный показатель структурных различий представляет собой сумму приростов удельных весов, взятых по модулю, деленную на число структурных элементов (k), и отражает среднее изменение удельного веса за рассматриваемый период в целом по всем структурным элементам. Рассчитывается отдельно по каждому периоду начиная со второго:

При сравнении рядов распределения во времени за базисный необходимо принимать наиболее ранний момент наблюдений, а при сравнении рядов распределения по различным объектам наблюдения за базисный принимается объект наблюдения более важный.

Структурные различия (сдвиги) считаются: −−малыми, если С < 2%; −−существенными, если 2 ≤ С ≤ 10(%);

−−большими, если C > 10%.

Средняя величина показателя структурных сдвигов за весь исследуемый период исчисляется как средняя арифметическая из С цепных, характеризует среднее изменение удельного веса за все рассматриваемые периоды в целом по всем структурным элементам:

где n – количество моментов наблюдения.

Чтобы избежать взаимопогашения разных по знаку изменений удельных весов (долей) при агрегировании, применяют квадраты отклонений долей структурных элементов в квадратическом коэффициенте абсолютных структурных сдвигов:

Линейный коэффициент структурных различий и квадратический коэффициент абсолютных структурных сдвигов показывают, на сколько

29

процентных пунктов в среднем отклоняются друг от друга удельные веса сравниваемых структурных элементов. Если сдвигов нет, данные показатели равны нулю. Чем больше изменения в структуре явления, тем выше значения коэффициентов. Считается, что квадратический коэффициент более чутко реагирует на сильные колебания структуры.

Изменения в структуре показателя могут носить:

−−случайный характер, когда не прослеживается четкой тенденции в изменении удельных весов;

−−закономерный характер, когда удельные веса одних элементов постоянно растут за счет сокращения удельных весов других элементов.

Для исследования направления структурных сдвигов рассчитывается коэффициент монотонности.

Цепной коэффициент монотонности Mцеп рассчитывается по формуле:

где Gцеп рассчитывается так же, как и Cцеп, но лишь для тех элементов структуры, изменение удельных весов которых сохранило направление по сравнению с предшествующим периодом наблюдения.

Принято считать, что структурные сдвиги:

−−сохранили направление изменений по сравнению с предыдущим направлением, если М > 0,7;

−−изменили направление, если М < 0,3; −−носят случайный характер, если 0,3 ≤ М ≤ 0,7.

В качестве альтернативного индекса, отражающего изменение структуры, можно использовать индекс Рябцева:

∑(dij + dij−1)2 i=1

Смысл критерия состоит в отношении фактической меры расхождения значений компонентов двух структур с их максимально возможным значением. По сравнению с другими критериями индекс Рябцева является более жестким. Для оценки меры структурных различий по данному критерию разработана шкала (табл. 2.2.1).

30

Кроме того, для оценки существенности изменений в относительном выражении применяются индексы Салаи и Гатева, коэффициент корреляции рангов Спирмэна. При одновременном сопоставлении нескольких структур (в пространстве или во времени) используется коэффициент неравномерности распределения.

В оценке внешнеэкономической деятельности России, осуществляемой Министерством экономического развития Российской Федерации (Минэкономразвития России), применяется коэффициент товарной диверсификации экспорта. Коэффициент рассчитывается как величина, обратная индексу концентрации Херфиндаля-Хиршмена (сумма квадратов долей экспорта товарных групп в общем экспорте России). Минимальное значение коэффициента товарной диверсификации равно 1, что соответствует предельному случаю, когда экспортируется только одна товарная группа. Максимальное значение коэффициента равно числу товарных групп, по которым он рассчитывается, что соответствует предельному случаю, когда экспорт распределен равномерно по товарным группам. Коэффициент товарной диверсификации экспорта рассчитывается по двузначной классификации ТН ВЭД ЕАЭС, поэтому его минимальное значение равно 1, а максимальное – 96.

Данные показатели позволяют комплексно анализировать товарную и географическую структуру внешней торговли России и государств – членов ЕАЭС. Овладение навыками построения атрибутивных рядов распределения и вычисления показателей структуры и структурных сдвигов позволит анализировать структуру внешней торговли страны по данным таможенной статистики внешней торговли в самых разнообразных разрезах, например:

31

1) исследование структурных сдвигов в российском экспорте и импорте машин, оборудования и транспортных средств, химических товаров, металлов;

2) исследование структурных сдвигов в торговле РФ по экономическим группировкам, отдельным странам-контрагентам и т.п.

Рассмотрим пример: исследовать товарную структуру и структурные сдвиги экспорта России за период январь – ноябрь 2015–2017 гг. на основе данных таможенной статистики внешней торговли.

Решение. В таблице 2.2.2 приведен атрибутивный ряд распределения товарной структуры экспорта за период январь – ноябрь 2015–2017 гг. На первом этапе исследования осуществляется расчет удельного веса экспорта каждой укрупненной товарной группы в общем объеме экспорта для каждого временного периода. Удельные веса (в процентах) элементов товарной структуры в российском экспорте (с точностью до двух десятых процента) в привязке к тому же набору товарных групп также представлены в таблице 2.2.2.

Пример расчета удельного веса:

−−для группы 01-24 (2015 г.):

d = 10 564,58/273 376,42 ×100% = 3,86%;

−−для группы 01-24 (2016 г.):

d = 11 628,59/220 504,35 ×100% = 5,27% ;

−−для группы 01-24 (2017 г.):

d = 14 085,52/276 731×100% = 5,09% и т.д.

Из приведенной таблицы следует, что в январе – ноябре 2015–2017 гг. наибольший удельный вес в экспорте имели минеральные продукты, металлы и изделия из них, продукция химической промышленности.

Представление данных в виде таблицы 2.2.2 позволяет наглядно оценить значимость каждой товарной группы в экспорте РФ со всеми странами, динамику присутствия на рынках. Для целей более наглядного графического представления структуры рекомендуется использовать круговые секторные диаграммы.

Пример расчета абсолютного прироста удельного веса экспорта укрупненной товарной группы 01-24 с использованием формулы (2.2.1) приве-

32

В январе – ноябре 2016 г. доля экспорта укрупненной товарной группы (01-24) увеличилась на 1,41% по сравнению с соответствующим периодом 2015 г.; в январе – ноябре 2017 г. доля экспорта укрупненной товарной группы (01-24) уменьшилась на 0,18% по сравнению с соответствующим периодом 2016 г.

Результаты расчетов для всех структурных элементов товарной структуры экспорта приведены в таблице 2.2.2.

Пример расчета среднего абсолютного прироста удельного веса экспорта укрупненной товарной группы (01-24) с использованием формулы (2.2.2) на основе имеющихся данных за январь – ноябрь 2015–2017 гг.:

Ddi = 5,09%− 3,86% = 0,61%.

2

Среднее изменение удельного веса экспорта исследуемой товарной группы за январь – ноябрь 2015–2017 гг. составило 0,61% – другими словами, удельный вес (01-24) укрупненной товарной группы ежегодно увеличивался в среднем на 0,61%.

Пример расчета темпа роста удельного веса экспорта укрупненной товарной группы (01-24) с использованием формулы (2.2.3) на основе имеющихся данных за январь – ноябрь 2015–2017 гг.:

Вянваре – ноябре 2016 г. удельный вес экспорта укрупненной товарной группы (01-24) в общем объеме экспорта составил 136,5% относительно удельного веса данной товарной группы в соответствующем периоде 2015 г., т.е. увеличился на 36,5% в относительном выражении по сравнению с предшествующим периодом.

Вянваре – ноябре 2017 г. удельный вес экспорта укрупненной товарной группы (01-24) в общем объеме экспорта составил 96,6% относительно удельного веса данной товарной группы в соответствующем периоде 2016 г., т.е. уменьшился на 3,4% в относительном выражении по сравнению с предшествующим периодом.

Пример расчета среднего темпа роста удельного веса экспорта укрупненной товарной группы (01-24) с использованием формулы (2.2.5) на основе имеющихся данных за январь – ноябрь 2015–2017 гг.:

34

Tp = 5,093,86 ×100% = 114,8%.

В среднем удельный вес экспорта товарных групп (01-24) за рассматриваемый период ежегодно увеличивался на 14,8% в относительном выражении в общем объеме экспорта. Результаты расчета среднего темпа роста удельного веса остальных товарных групп приведены в таблице 2.2.3.

Используя формулу 2.2.6, рассчитаем линейный показатель структурных различий на основе имеющихся данных по экспорту.

Рассчитаем абсолютную разницу удельных весов каждого периода по

сравнению с предшествующим периодом ( dij − dij−1 ) на основе данных по товарной структуре экспорта.

Для группы (01-24) в 2016 г.: 5,27− 3,86 = 1,41;

Для группы (01-24) в 2017 г.: 5,09− 5,27 = 0,18;

Для группы (25-27) в 2016 г.: 63,20− 68,18 = 4,98;

Для группы (25-27) в 2017 г.: 65,49− 63,20 = 2,29.

Аналогично вычисляем для всех структурных элементов (см.

табл. 2.2.4).

По каждому периоду отдельно рассчитаем Сцеп (количество структурных элементов – 10):

2016 г.: (1,41 + 4,97 + … + 0,51)/10 = 10,66/10 = 1,07; 2017 г.: (0,18 + 2,29 + … + 0,48) = 4,65/10 = 0,46.

Используя формулу 2.2.7, рассчитаем средний линейный показатель структурных различий по товарной структуре экспорта:

Сср = (1,07 + 0,46)/2 = 0,77.

Показатель линейных структурных различий товарной структуры экспорта в январе – ноябре 2015–2017 гг. меньше 2%, следовательно можем считать структурные сдвиги незначительными.

Для исследования направления структурных сдвигов рассчитаем коэффициент монотонности.

Gцеп рассчитывается так же, как и Сцеп, но лишь для тех элементов структуры, изменение удельных весов которых сохранило направление

35

по сравнению с предшествующим периодом наблюдения. То есть необходимо сопоставить знаки изменений удельных весов в 2016 и 2017 гг. (в табл. 2.2.3) и просуммировать модули только тех, знак которых не изменился. Подобную операцию в нашем примере можем провести только на примере 2017 г.:

(0,75 + 0,03 + 0,003)/10 = 0,08.

Та б л и ц а 2.2.3

Расчет линейных показателей структурных различий товарной структуры экспорта за период январь – ноябрь 2015–2017 гг.

Используя формулу 2.2.8, рассчитаем коэффициент монотонности:

M = 0,770,08 = 0,1.

36

Значение коэффициента монотонности в 2017 г. меньше 0,3 – следовательно, делаем вывод о том, что сдвиги в товарной структуре экспорта изменили свое направление.

Анализ динамики внешней торговли страны

Статистическое изучение динамики внешнеторгового оборота, экспорта и импорта страны основывается на обработке рядов динамики, включая анализ изменения их уровней ряда, выявление основной тенденции и закономерностей развития. Ряды динамики представляют собой ряды изменяющихся во времени значений статистического показателя, расположенных в хронологическом порядке.

Для успешного проведения исследования динамики внешней торговли необходимо выполнение определенных условий.

Первое условие – сопоставимость уровней ряда. Уровни ряда динамики должны выражаться в одних и тех же единицах измерения, рассчитываться для одного и того же интервала времени, по одной и той же методике.

Вторым условием к исходному динамическому ряду является полнота, заключающаяся в достаточном количестве наблюдений. Достаточное число уровней ряда определяется в зависимости от цели исследования.

Третье условие заключается в однородности данных, т.е. отсутствии нетипичных, аномальных наблюдений, а также изломов тенденции.

Четвертое условие к исходному ряду динамики – устойчивость, отражающая преобладание закономерности над случайностью в изменении уровней ряда.

Для изучения интенсивности изменения объемов внешней торговли рассчитывают описательные динамические характеристики, формулы расчета которых представлены в таблице 2.2.4.

Проведем расчет представленных выше динамических характеристик внешнеторгового оборота России за период с 2016 г. по 3 кв. 2017 г. на основе данных ФТС России.

В таблице 2.2.5 представлены исходные данные и значения характеристик динамики.

Объем внешнеторгового оборота России в 3 кв. 2017 г. по сравнению с 3 кв. 2016 г. увеличился на 24,14 млрд долл., или на 19,8%. По сравнению со 2 кв. 2017 г. оборот увеличился на 5,7 млрд долл., или на 4%. В среднем за 1 квартал внешнеторговый оборот РФ увеличивался на 8,13 млрд долл., или на 6%.

37

Та б л и ц а 2.2.5

Исходные данные и динамические характеристики

Выявление и характеристика основной тенденции развития

При исследовании процессов, протекающих во внешней торговле, встречаются такие ряды динамики, в которых уровни ряда претерпевают самые различные изменения (то возрастают, то убывают). В таком случае говорят только об общей тенденции развития явления (рост или падение).

В статистике выявление основной тенденции развития (тренда) называется выравниваем временного ряда, а методы выявления основной тен-

денции – методами выравнивания.

Распространенный прием при выявлении тенденции развития – сглаживание временного ряда. Суть различных приемов сглаживания сводится к замене фактических уровней временного ряда расчетными уровнями, которые в меньшей степени подвержены колебаниям. Это способствует более четкому проявлению тенденции развития.

Для сглаживания сезонных колебаний при работе с рядами квартальной динамики используют 4-членную скользящую среднюю, а с рядами ежемесячной динамики для устранения сезонных колебаний, как правило, применяют 12-членную скользящую среднюю.

40

Для выявления общей тенденции изменения динамического ряда используется метод аналитического выравнивания, сущность которого заключается в нахождении уравнения, выражающего закономерность изменения явления как функцию времени yt = f (ti ).

Вид уравнения определяется характеромi динамики развития конкретного явления.

Логический анализ при выборе вида уравнения может быть основан на рассчитанных показателях динамики, а именно:

−−если относительно стабильны абсолютные приросты (первые разности уровней приблизительно равны), сглаживание может быть выполнено полиномом первой степени;

−−если абсолютные приросты равномерно увеличиваются (вторые разности уровней приблизительно равны), можно принять полином второй степени;

−−при ускоренно возрастающих (замедляющихся) абсолютных приростах принимают полином третьей степени;

−−при относительно стабильных темпах роста принимают показательную функцию.

На практике выбор формы кривой может быть основан на анализе графического изображения уровней динамического ряда (линейной диаграммы); при этом целесообразнее воспользоваться графическим изображением сглаженных уровней, в которых случайные колебания погашены.

Наиболее часто используются следующие виды трендовых моделей для аналитического выравнивания:

1)полином первой степени (прямая): yti = a0 +a1ti ;

2)полином второй степени (парабола): yti = a0 +a1ti +a2ti2 ;

3)полином третьей степени: yti = a0 +a1ti +a2ti2 +a3ti3 ;

4)показательная: yti = a0 +a1ti ;

Аналитическое выравнивание позволяет не только определить общую тенденцию изменения явления на рассматриваемом отрезке времени, но и выполнять расчеты для таких периодов, в отношении которых нет исходных данных. Нахождение по имеющимся данным за определенный

41

период времени некоторых недостающих значений признака внутри этого периода называется интерполяцией. Нахождение значений признака за пределами анализируемого периода называется экстраполяцией.

Применение экстраполяции для прогнозирования должно основываться на предположении, что найденная закономерность развития внутри динамического ряда сохраняется и вне этого ряда. Это означает, что основные факторы, сформировавшие выявленную закономерность изменения уровней ряда во времени, сохранятся и в будущем.

К факторам, формирующим величину уровня динамики yt, относятся: −−общие факторы, определяющие основное направление развития

явления за длительный период времени – тренд ряда (Т); −−периодические колебания, вызванные особенностями существования

явления в одни периоды по сравнению с другими (циклические – период колебаний несколько лет, сезонные – внутригодичные колебания);

−−случайные колебания, связанные с действием разного рода второстепенных факторов, – случайная компонента (ε).

При изучении динамики внешней торговли за продолжительный период времени уровни ряда могут обнаруживать регулярные колебания, повторяющиеся через равные промежутки времени: спады или подъемы. Регулярные колебания в течение года называются сезонными (обозначаются S). Например, к сезонным относятся колебания объемов экспорта природного газа, нефтепродуктов, т.е. сырьевых товаров.

Рассматриваемые компоненты динамического ряда позволяют представить уровень динамического ряда в виде аддитивной или мультипликативной моделей:

1)yt = T + S + ε (аддитивная модель);

2)yt = T × S × ε (мультипликативная модель).

Выбор вида модели зависит от характера периодических колебаний. Если амплитуда, например, сезонных колебаний остается во времени постоянной, то применяется аддитивная модель. Если же амплитуда колебаний изменяется во времени, то рассматривается мультипликативная модель.

42