Navch._posibnuk_Ivaschyk
.pdfˆ
тільки наперед визначені змінні, а елементи матриці Yi «наперед
визначені» через (18.42). При цьому значення регресій yi більше не
корелюють із залишками ei. Таким чином, вираз (18.43) є рівнянням множинної регресії, для якого виконуються передумови регресійного аналізу. Невідомі параметри регресії ai та bi можуть бути оцінені з допомогою МНК.
Процедура дворазового використання МНК може бути представлена у вигляді однієї формули. Для цього необхідно побудувати систему нормальних рівнянь для рівняння регресій
(18.43).
Покладемо:
ˆ |
bi |
, |
(18.44) |
Zi = (Yi Xi ) та di = a |
|||
тоді (18.43) прийме вигляд: |
i |
|
|
yi = Zi di + ei . |
|
(18.45) |
|
|
|
Звідси одержимо таку систему нормальних рівнянь:
|
|
|
|
|
|
|
|
|
|
|
′ |
|
|
|
|
|
|
′ |
|
|
|
|
|
|
|
|
|
|
|
(18.46) |
|
|
|
|
|
|
|
|
|
|
|
Zi Zi di |
= Zi yi . |
|
|
|
|
|
|
|
|
|
|
||||||||||
Далі підставимо (18.44) в (18.46), як результат, маємо: |
|
||||||||||||||||||||||||||||||
|
|
|
|
ˆ ˆ |
|
ˆ |
′ |
|
|
|
|
|
|
|
|
|
|
ˆ |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
′ |
|
|
|
|
|
|
|
b |
|
|
|
|
′ |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
YY |
|
Y X |
|
|
|
× |
= |
|
|
|
|
|
|
|
(18.47) |
||||||||||||
|
|
|
i |
|
i |
|
i |
|
|
i |
|
i |
|
Yi |
yi |
|
. |
|
|
|
|||||||||||
|
|
|
X |
′ |
ˆ |
|
X |
′ |
|
|
|
|
|
a |
|
|
X |
′ |
y |
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
Y |
|
i |
X |
|
|
|
|
|
|
i |
|
i |
|
|
|
|
|
|||||||||||
|
|
|
|
|
i i |
|
|
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
Враховуючи (18.42) отримаємо наступне рівняння для |
|||||||||||||||||||||||||||||||
знаходження оцінок ДМНК: |
|
|
|
|
|
|
|
|
|
−1 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
b |
|
|
′ |
′ |
|
|
−1 |
′ |
|
|
|
|
|
|
′ |
|
|
|
|
|
|
′ |
|
′ |
|
−1 |
′ |
|
|||
i |
|
Yi |
X (X X ) |
|
X Yi |
|
|
Yi X I |
|
|
|
|
Yi |
X |
(X X ) |
|
X yi |
|
|||||||||||||
a |
|
= |
′ |
|
|
|
|
|
|
|
|
|
X |
′ |
X |
|
|
× |
|
|
|
|
′ |
y |
|
|
. (18.48) |
||||
i |
X Y |
|
|
|
|
|
|
|
|
|
i |
i |
|
|
|
|
|
|
|
X |
|
|
|
||||||||
|
|
|
i i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i |
i |
|
|
|
Формула (18.48) є результативною формулою використання ДМНК до і-го структурного рівняння. Як бачимо, матриця значень
регресій ˆ , знайдена на першому етапі використання даного методу,
Yi
не міститься в (18.48) в відкритому вигляді. В окреслену формулу входять матриці та вектори спостережень. Перевага двокрокового методу полягає, по-перше, в тому, що його можна використати до надідентифікованих рівнянь, і, по-друге, в тому, що не розглянуті нами структурні рівняння моделі не повинні бути точно специфіковані. Зрозуміло, що повинні бути відомими всі наперед визначені змінні моделі і вказані результати спостережень над ними. Недолік методу полягає в тому, що в оцінках містяться не залишки і- го структурного рівняння – ui, а залишки рівняння, отриманого на другому етапі – ei.
621
Представимо процедуру оцінювання параметрів економетричної моделі у вигляді алгоритму.
1. Проводиться перевірка кожного рівняння моделі на ідентифікованість. Якщо рівняння ідентифіковане, то для оцінювання їх параметрів використовуємо оператор оцінювання:
b |
|
|
′ |
|
′ |
−1 |
′ |
|
′ |
|
−1 |
|
′ |
|
′ |
|
−1 |
′ |
|
|
|
i |
= |
Yi |
X ( |
X X ) |
|
X Yi |
Yi X I |
|
× |
Yi |
X (X X ) |
|
X yi |
. |
|||||||
a |
|
′ |
|
|
|
′ |
X |
|
|
|
|
X |
′ |
y |
|
|
|
||||
i |
|
X Y |
|
|
X |
i |
|
|
|
|
i |
|
|
|
|
||||||
|
|
|
i |
|
i |
|
|
i |
|
|
|
|
|
|
i |
|
|
|
|
||
Далі необхідно розрахувати такі показники (матриці або |
|||||||||||||||||||||
вектори). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. A1 = (X ′× X )-1 ; 3. A2 = (Yi' × X ); 4. A3 = (X ′×Yi ); |
|
||||||||||||||||||||
5. A4 = A2 × A1 × A3 ; 6. A5 = (Xi' ×Yi ); 7. A6 = (Yi' × Xi ); |
|||||||||||||||||||||
|
|
= (Xi' × Xi ); 9. Qi |
A4 |
A6 |
|
|
|
|
|
|
|
|
|
|
|||||||
8. |
A7 |
= A |
A |
; 10. Q−1 ; 11 A8 = (X ′ yi ); |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
5 |
7 |
|
|
|
|
|
|
|
|
|
|
12. A = A A A ; 13. |
A |
= |
(X ' y ); 14. |
A |
|
= |
A9 |
|
; |
||||||||||||
|
9 |
2 |
|
1 |
8 |
|
10 |
|
|
i |
1 |
|
|
11 |
A |
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
10 |
|
|
15.A12 = Qi_1 A11 .
Урезультаті нами отримано вектор А12 оцінки параметрів
економетричної моделі.
Приклад 18.2. Побудувати економетричну модель, яка містить регресійні рівняння валової продукції та прибутку підприємств регіону. Вхідні дані представлені в табл. 18.2.
|
|
|
|
|
Таблиця 18.2 |
|
№ |
Валова продук- |
Прибуток, |
Вартість основних |
Ціна прод., |
|
Затрати праці, |
п-ва |
ція, млн. грн. |
млн. грн. |
виробничих |
тис. грн. |
|
млн. люд.-год. |
фондів, млн. грн. |
|
|||||
|
|
|
|
|
|
|
|
Y1 |
Y2 |
X1 |
X2 |
|
X3 |
1 |
12,3 |
4,3 |
22,3 |
3,2 |
|
14,2 |
2 |
14,5 |
8,2 |
28,4 |
4,3 |
|
12,3 |
3 |
16,7 |
10,1 |
30,6 |
5,6 |
|
13,4 |
4 |
18,3 |
12,1 |
35,4 |
5,9 |
|
11,5 |
5 |
20,1 |
18,1 |
40,8 |
5,4 |
|
9,6 |
6 |
25,2 |
22,1 |
52,4 |
5,0 |
|
10,6 |
7 |
28,3 |
20,1 |
60,3 |
6,8 |
|
8,4 |
8 |
34,0 |
26,1 |
68,5 |
6,3 |
|
6,5 |
9 |
38,2 |
35,4 |
76,3 |
7,6 |
|
6,4 |
10 |
40,0 |
36,1 |
80,5 |
8,2 |
|
5,8 |
622
♦Розв’язування.
Виконаємо ідентифікацію змінних величин моделі:
•Y1 , Y2 – ендогенні змінні;
•Х1, Х2, Х3 – екзогенні змінні. Економетричну модель представимо так:
Y1 = f1 (Y2 , X1, X 2 ,u1 ), Y2 = f2 (Y1, X1, X3 ,u2 ).
Для оцінки параметрів моделі використаємо оператор ДМНК:
b |
|
|
′ |
|
′ |
−1 |
′ |
|
′ |
|
−1 |
|
′ |
′ |
|
−1 |
′ |
|
i |
|
Yi |
X (X X ) |
|
X Yi |
Yi X I |
|
Yi |
X (X X ) |
|
X yi |
|
||||||
a |
|
= |
′ |
|
|
|
′ |
X |
|
|
× |
|
′ |
y |
|
|
. |
|
i |
X |
Y |
|
|
X |
i |
|
|
|
X |
|
|
|
|||||
|
|
|
i |
|
i |
|
|
i |
|
|
|
|
i |
i |
|
|
|
Відповідно до даного оператора оцінювання запишемо матриці вхідних змінних і розрахуємо необхідні матриці на основі побудованого алгоритму.
1 22,3 3,2 14,2 |
|
|
1 28,4 4,3 12,3 |
|
|
|
|
|
1 30,6 5,6 13,4 |
|
|
|
|
|
1 35,4 5,9 11,5 |
|
|
1 40,8 6,4 9,6 |
|
, |
X = |
|
|
1 52,4 5 10,2 |
|
|
1 60,3 6,8 8,4 |
|
|
|
|
|
1 68,5 6,3 6,5 |
|
|
1 76,3 7,6 6,4 |
|
|
|
|
|
1 80,5 8,2 5,8 |
|
|
|
|
|
|
|
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X ′ = |
|
22,3 28,4 30,6 35,4 40,8 52,4 60,3 68,5 76,3 80,5 |
, |
||||||||||
|
3,2 4,3 5,6 5,9 6,4 |
5 |
6,8 |
6,3 |
7,6 |
8,2 |
|
||||||
|
|
|
|
|
|
|
10,2 8,4 |
6,5 |
6,4 |
5,8 |
|
|
|
|
14,2 12,3 13,4 11,5 9,6 |
|
|
623
|
12,3 |
|
4,3 |
|
|
1 22,3 3,2 |
|
|||||
|
14,5 |
|
|
|
8,2 |
|
|
|
1 28,4 4,3 |
|
||
|
|
|
|
|
|
10,1 |
|
|
|
|
|
|
|
16,7 |
|
|
|
|
|
|
1 30,6 5,6 |
|
|
||
|
|
|
|
|
|
12,1 |
|
|
|
|
|
|
|
18,3 |
|
|
|
|
|
|
1 35,4 5,9 |
|
|
||
|
|
20,1 |
, y |
|
18,1 |
|
, X |
|
1 40,8 6,4 |
, |
||
Y = |
|
|
= |
22,1 |
|
|
= |
|
||||
1 |
|
25,2 |
1 |
|
|
|
1 |
1 52,4 5 |
|
|
||
|
|
28,3 |
|
|
20,1 |
|
|
|
1 60,3 6,8 |
|
|
|
|
|
34 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
26,2 |
|
|
1 68,5 6,3 |
|
|||
|
38,2 |
|
|
35,4 |
|
|
|
1 76,3 7,6 |
|
|||
|
|
40 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
36,1 |
|
|
1 80,5 8,2 |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
1 |
|
|
1 |
|
1 |
1 |
|
1 |
1 |
1 |
|
1 |
|
1 |
|
|
|||||
' |
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, |
Xi |
22,3 28,4 30,6 35,4 40,8 52,4 60,3 68,5 76,3 80,5 |
||||||||||||||||||||||||
|
|
3,2 4,3 5,6 5,9 6,4 |
|
5 |
6,8 6,3 7,6 8,2 |
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
10 |
495,5 |
59,3 |
98,3 |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
′ |
|
|
495,5 28534,05 3178,39 |
4316,27 |
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
, |
|
|
|
|
|
|||||||||||
|
|
|
|
|
X |
|
X = |
59,3 |
3178,39 |
371,79 |
547,93 |
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
98,3 |
4316,27 |
547,93 |
1048,35 |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
1 |
= |
[ |
|
|
|
|
16,7 |
18,3 20,1 |
|
25,2 |
28,3 |
34 |
|
38,2 |
40 |
] |
, |
|
|
|||||
|
Y' |
12,3 14,5 |
|
|
|
|
|
||||||||||||||||||
|
1 |
= |
[ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
] |
, |
|
|
|
|
y' |
|
4,3 8,2 10,1 12,1 18,1 22,1 20,1 26,2 35,4 36,1 |
|
|
||||||||||||||||||||
|
|
|
|
|
A2 |
=[247,6 |
14155,64 |
1582,8 |
|
2172,44], |
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
71,856 |
|
−0,4680 |
−1,6109 |
|
−3,9689 |
|
|
247,6 |
|
|
|
|
|||||||||
|
A |
|
|
−0,468 |
|
0,0043 |
|
−0,0030 |
|
0,0278 |
|
A = |
14155,64 |
|
|
|
|||||||||
|
= |
−1,6109 |
−0,003 |
|
0,1936 |
|
0,0622 |
, |
|
1582,8 |
. |
|
|
||||||||||||
|
1 |
|
|
|
|
|
3 |
|
|
|
|
|
|||||||||||||
|
|
|
|
−3,9689 |
0,0278 |
|
0,0622 |
|
0,2263 |
|
|
|
2172.44 |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
−5,1247 |
0,5078 |
|
0,2286 |
0,3425, |
A4 = 7025,464 . |
|
|
|
|
|
|
624
|
|
|
|
247,6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A5 |
|
= |
|
|
|
|
|
A6 |
=[247,6 14155,64 |
1582,8]. |
||||||||||
|
14155,64 , |
|||||||||||||||||||
|
|
|
|
1582,8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
7025,464 |
|
247,6 |
|
14155,64 |
1582,8 |
|
|
|
|
|||||||
|
|
|
|
|
247,6 |
|
|
|
10 |
|
495,5 |
|
59,3 |
|
|
|
|
|||
|
Q = |
|
|
|
|
|
|
|
, |
|
|
|||||||||
|
|
|
|
14155,64 |
|
495,5 |
|
28534,05 |
3178,39 |
|
|
|
||||||||
|
|
|
|
|
1582,8 |
|
59,3 |
|
3178,39 |
|
371,79 |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
1,9287 |
|
−1,7029 |
−0,8984 |
−0,2593 |
|
|
|||||||||
|
|
|
|
|
−1,7029 |
|
3,7482 |
0,8120 |
|
|
|
|
, |
|
||||||
Q−1 = |
|
−0,2903 |
|
|||||||||||||||||
|
|
|
|
|
−0,8984 |
|
0,8121 |
0,4193 |
0,1101 |
|
|
|
||||||||
|
|
|
|
|
|
|
|
−0,2903 |
0,1101 |
0,2113 |
|
|
|
|||||||
|
|
|
|
−0,2593 |
|
|
|
|
||||||||||||
|
|
|
|
−5,1247 |
|
0,5078 |
|
0,2286 |
0,3425 |
|
|
|
|
|||||||
|
|
|
|
192,7 |
|
|
|
|
|
|
|
|
|
|
192,7 |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
A |
|
= |
11576,49 , A |
= 5733,186, A |
= 11576,49 |
, |
||||||||||||||
8 |
|
|
1270,11 |
|
9 |
|
|
|
|
10 |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1270,11 |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
1610,67 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
5733,186 |
|
|
|
|
0,1741 |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
A |
|
= |
192,7 |
|
, A |
|
= −8,7797 |
. |
|
|
|
|
|
|
|
|||||
11 |
|
11576,49 |
|
12 |
|
0,3738 |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
1270,11 |
|
|
|
|
|
0,8799 |
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Запишемо регресійне рівняння прибутку для підприємств регіону, яке оцінюється з допомогою ДМНК:
Y2 = −8,7797 + 0,1741Y1 + 0,3738X1 + 0,8799X3 .
Аналогічно можна розрахувати регресійне рівняння випуску валової продукції.♦
625
18.7.Питання для самоконтролю
1.Сформулюйте основні ознаки класифікації економетричних моделей.
2.Дайте визначення системи одночасних рівнянь.
3.Запишіть загальну економетричну модель на основі системи одночасних рівнянь.
4.Дайте визначення структурної та повної економетричної моделі.
5.Дайте визначення зведеної та інтердепедентної економетричної моделей.
6.Яку характерну особливість мають рекурсивні економетричні моделі в порівнянні з іншими?
7.Наведіть приклад економетричної моделі із системи незалежних рівнянь.
8.Опишіть основні проблеми та критерії ідентифікації економетричних моделей із системи незалежних рівнянь.
9.Охарактеризуйте основні передумови побудови економетричних моделей із системи незалежних рівнянь.
10.Опишіть алгоритм НМНК.
11.Опишіть алгоритм ДМНК.
12.Наведіть приклад економетричної моделі, для якої необхідно використати оператор оцінювання ДМНК.
13.Побудуйте регресійне рівняння випуску валової продукції підприємствами регіону (прикл. 18.2).
626
Розділ 19. Прикладні економетричні моделі
19.1. Економетричне моделювання інвестиційних процесів у регіоні
Регіональні аспекти економетричного моделювання представлено з допомогою таких етапів.
На першому етапі виконується дослідження процесів інвестування за допомогою інструментарію економетричного моделювання через представлення залежності обсягів виробництва як виробничу функцію від розмірів інвестиційних коштів, вкладених у нього:
y = f (x),
де y – обсяг виробництва продукції, млн. грн.; x – обсяг інвестиційних коштів, млн. грн.
Користуючись ретроспективними даними динаміки обсягів виробництва промислової продукції та розмірів інвестиційних вкладень у неї за 1998-2002 р.р. для об’єктів нашого дослідження (табл. 19.1), динаміки сільськогосподарської продукції та розмірів інвестицій у цей вид економічної діяльності за 1998-2002 р.р. (табл. 19.2) для областей Карпатського економічного регіону з допомогою програмного продукту STADIA отримано ряд статистично значимих економіко-математичних моделей (табл. 19.3-19.4).
Таблиця 19.1
Обсяг виробництва промислової продукції, млн. грн.
Область |
|
|
Рік |
|
|
|
1998 |
1999 |
2000 |
2001 |
2002 |
||
|
||||||
Закарпатська |
292,5 |
529,1 |
607,9 |
803,3 |
1014,6 |
|
Івано-Франківська |
1455,1 |
1753,1 |
2115,8 |
2486,4 |
2684,1 |
|
Чернівецька |
383,5 |
494,0 |
599,6 |
700,5 |
676,4 |
Обсяг інвестицій у виробництво промислової продукції, млн. грн.
Область |
|
|
Рік |
|
|
|
1998 |
1999 |
2000 |
2001 |
2002 |
||
|
||||||
Закарпатська |
54,48 |
63,51 |
82,53 |
180,81 |
121,94 |
|
Івано-Франківська |
89,44 |
86,78 |
149,74 |
297,2 |
192,17 |
|
Чернівецька |
37,74 |
31,16 |
35,17 |
85,09 |
67,44 |
627
Таблиця 19.2
Обсяг виробництва сільськогосподарської продукції, млн. грн.
Область |
|
|
Рік |
|
|
1998 |
1999 |
2000 |
2001 |
2002 |
|
Закарпатська |
1125 |
1132 |
1224 |
1342 |
1418,5 |
Івано-Франківська |
1343 |
1408 |
1547 |
1583 |
1646,5 |
Чернівецька |
1015 |
1029 |
1146 |
1264 |
1242,5 |
Обсяг інвестицій |
у виробництво промислової продукції, млн. грн. |
||||
Область |
|
|
Рік |
|
|
1998 |
1999 |
2000 |
2001 |
2002 |
|
Закарпатська |
7,33 |
7,76 |
7,22 |
20,56 |
14,96 |
Івано-Франківська |
12,04 |
10,61 |
13,09 |
33,79 |
23,58 |
Чернівецька |
5,07 |
3,81 |
3,08 |
9,67 |
8,27 |
Таблиця 19.3 Види моделей залежності обсягів виробництва промислової
продукції від розмірів інвестиційних вкладень
|
|
Вид моделі та статистичні параметри, y - обсяг |
|
Область |
виробництва промислової продукції, млн. грн.; x - розмір |
||
|
інвестиційних вкладень, млн. грн. R-коефіцієнт кореляції |
||
|
y = 256,0 +3,901x;R = 0,73655 |
|
|
Закарпатська |
y = −198,6 +86,67 x;R = 0,78333 |
|
|
y = −143,5 + 461,8ln x;R = 0,8493 |
|
||
|
|
||
|
y = e2,787 x0,7993 ;R = 0,82828 |
|
|
|
y =1331+ 4,71x;R = 0,80874 |
|
|
|
y = 484,3 +130 x;R = 0,84872 |
|
|
Івано- |
y = −2153 +853,1ln x;R = 0,8804 |
|
|
Франківська |
y = e5,52 x0,4223 ;R = 0,878 |
|
|
|
y = |
x |
;R = 0,97856 |
|
0,05608 −8,825 10−5 x +1,007 10−6 x2 |
||
|
y = 349,5 + 4,311x;R = 0,7749 |
|
|
|
y =124,6 + 63,57 x;R = 0,77252 |
|
|
Чернівецька |
y = −312,4 + 229ln x;R = 0,76731 |
|
|
|
y = e4,768 x0,4033 ;R = 0,71486 |
|
|
|
y = e5,536+0,112 x ;R = 0,878 |
|
628
Таблиця 19.4 Види моделей залежності обсягів виробництва сільськогосподарської
продукції від розмірів інвестиційних вкладень
|
Вид моделі та статистичні параметри, y - обсяг виробництва |
||
Область |
сільськогосподарської продукції, млн. грн.; x - розмір |
||
|
інвестиційних вкладень, млн. грн. R - коефіцієнт кореляції |
||
|
|
|
|
|
y =1048 +17,34x;R = 0,80183 |
|
|
Закарпатська |
y = 717,3 + 226,1ln(x);R = 0,8442 |
|
|
y = e6,704 x0,1795 ;R = 0,84448 |
|
||
|
|
||
|
y = e6,95e0,01381x ;R = 0,80428 |
|
|
Івано- |
y =1511+84,21 x;R = 0,73227 |
|
|
y = 961,8 +192,7ln(x);R = 0,76089 |
|
||
Франківська |
|
||
y = e6,95 x0,1289 ;R = 0,7563 |
|
||
|
|
||
|
|
|
|
|
y = 951,5 +31,42x;R = 0,77459 |
|
|
|
y = 787,8 +147,2 x;R = 0,7411 |
|
|
Чернівецька |
y = e6,872e0,0271x ;R = 0,75939 |
|
|
|
y = |
x |
,R = 0,98234 |
|
2,58 10−6 +1,072 10−3 x − 2,97 10−5 x2 |
На другому етапі, враховуючи те, що стандартні загальновизнані оціночні показники доцільності та ефективності інвестування (середня ставка доходу, період окупності, чиста теперішня вартість, індекс прибутковості, тощо) не дають можливості повною мірою оцінити інтенсивність використання та визначити тип економічного зростання під впливом вкладень, пропонується ряд нових показників, а саме: середня продуктивність інвестицій (капіталовіддача або інвестиційна віддача), гранична маржинальна продуктивність обсягу виробництва промислової продукції, капіталомісткість (інвестиційна місткість продукції). Ефективне використання інвестиційних ресурсів на попередніх етапах розвитку регіону спрощує розв’язання проблеми акумуляції ресурсів для інвестування в майбутньому.
Для оцінки інтенсивності використання інвестицій вибираємо модель Кобба-Дугласа
y = a xa1 |
, |
(19.1) |
0 |
|
|
629
де a0 ,a1 – параметри моделі. |
|
|
|
|
|
|
|
|
|
|
|
||
Розраховані нами числові моделі |
об’єктів кожного дослідження |
||||||||||||
для промислового виробництва мають вигляд: |
|
|
|
|
|
|
|||||||
y = e2,787 x0,7993 |
– Закарпатська область; |
|
|
|
|
|
|
|
|
||||
y = e5,52 x0,4223 – Івано-Франківська область; |
|
|
|
|
|
|
|||||||
y = e4,768 x0,4033 |
– Чернівецька область. |
|
|
|
|
|
|
|
|
||||
Далі виконаємо кількісний аналіз отриманих результатів |
|||||||||||||
наступним чином. |
Співвідношення |
|
f (xt |
) |
= A |
назвемо |
середньою |
||||||
|
|
|
|||||||||||
|
|
|
|
xt |
|
1t |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
продуктивністю |
інвестицій, |
тобто |
|
капіталовіддачею |
або |
||||||||
інвестиційною віддачею, а зворотне співвідношення A |
= |
xt |
= |
1 |
|
||||||||
f (x ) |
A |
||||||||||||
|
|
|
|
|
|
|
2t |
|
|
||||
|
|
|
|
|
|
|
|
|
t |
|
1t |
– інвестиційною місткістю продукції. Результати розрахунків для конкретних об’єктів дослідження представлені табл. 19.5-19.6.
Таблиця 19.5 Показники інтенсивності використання інвестицій
по Закарпатській області.
|
Обсяг |
Обсяг |
Середня |
|
Гранична |
|
|
|
|
маржинальна |
Капіталомісткість |
||||
|
інвестицій у |
виробництва |
продуктивність |
|
|||
|
продуктивність |
(інвестиційна |
|||||
Роки |
виробництво |
промислової |
інвестицій, |
|
обсягу |
місткість) |
|
промислової |
продукції, |
(інвестиційна |
|
||||
|
виробництва, |
продукції, |
|||||
|
продукції, |
млн. грн., |
віддача), |
|
|||
|
|
df (xt ) |
|
A2t |
|||
|
млн. грн., xt |
yt |
A1t |
|
= α1 A1t |
||
|
|
dxt |
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
1998 |
54,48 |
396,4177 |
7,276389 |
5,816018 |
0,137431 |
||
|
|
|
|
|
|
||
1999 |
63,51 |
448,116 |
7,055833 |
5,639728 |
0,141727 |
||
|
|
|
|
|
|
||
2000 |
82,53 |
552,4927 |
6,694447 |
5,350872 |
0,149378 |
||
|
|
|
|
|
|
||
2001 |
180,81 |
1034,134 |
5,719449 |
4,571555 |
0,174842 |
||
|
|
|
|
|
|
||
2002 |
121,94 |
754,806 |
6,189979 |
4,94765 |
0,161551 |
||
|
|
|
|
|
|
|
|
630