Материал: 2330

Это говорит о том, что трендовой моделью является линейная модель:

y=a*x+b,

где a и b определяются методом наименьших

квадратов:

a = n* xiyi- xi* yi /n* xi2-( xi)2; b=1/n * yi-(1/n* * xi)*a ;

где yi – объем незавершенного производства; xi - принимает значения 1,2,3,4, 5,6,7 (вместо

наименования года); n – количество лет.

Используя данные графической зависимости, окончательно получаем значения параметров: a = 10207723; b = 10343568.

С учетом полученных значений линейная модель принимает вид:

Y (xi) = 10207723*xi + 10343568.

Она будет действительной моделью данного показателя, если множество чисел, представляющих собой разность между фактическими данными показателя и данными по модели при соответствующих xi, образует ряд случайных чисел, проверка которого на случайность организуется с помощью набора статистик, например: статистики числа поворотных точек; статистики Дарбина-Уотсона; статистики RS-критерия и других статистик. При положительном удовлетворении статистикам модель считается адекватной исследуемому признаку с точки зрения статистических методов прогнозирования.

Теоретические значения признака y (xi) равны:

Ух1 =10207723*1+10343568=20551291;

Ух2=10207723*2+10343568=20415446+10343568= =30759014;

Ух3=10207723*3+10343568=30623169+10343568= =40966737;.

Ух4=10207723*4+10343568=40830892+10343568= =51174460;

Ух5=10207723*5+10343568=51038615+10343568= =61382183;

Ух6=10207723*6+10343568=61246338+10343568= =71589906;

Ух7=10207723*7+10343568=71454061+10343568= =81797629.

Множество отклонений фактических значений от теоретических:

ei = yi-y(xi),

где yi-фактическое значение, y(xi) - теоретическое, равно:

-e1 =20681257-20551291=129966;

-e2 = 31081920-30759014=322906;

-e3 =32908066-40966737=-8058671;

-e4 =46912692-51174460=-4261768;

-e5=73992143-61382183=12609960;

-e6 =78787914-71589906=7198008;

-e7 =73857229-81797629=-7940400.

Значение ei будет поворотным значением, если оно больше (меньше) двух своих соседних значений. Количество поворотных значений (точек) для нашего случая равно трем (е2, е3, е5). Согласно статистики числа поворотных точек, ряд чисел ei являются рядом случайных чисел, если выполнено неравенство:

P > [2/3*(n-2)-1,96* (16*n-29)/90].

Вквадратных скобках представлена целая часть числа, не превосходящая данное, n-число наблюдений. То есть: 3> [1,45]. С точки зрения статистики числа поворотных точек предполагаемая линейная модель динамики деятельности предпринимательских структур адекватна исследуемому признаку.

Врамках статистики Дарбина-Уотсона рассчитываем величину

D = (ei-ei-1)2 / ei2 = ei2 - ei*ei-1+ ei-12/ ei2 =

2*(1- ei*ei-1/ ei2),

которая, как видно из выражения, представляет собой корреляционную зависимость между соседними значениями ряда ei. Таким образом, d для данного финансового показателя: d = 613548050505195/ 357098366747721=1,71 и попа-

дает в интервал (1,36;2), что означает отсутствие корреляционной зависимости между соседними уровнями ряда чисел ei при семи вариантах наблюдений. То есть, с точки зрения статистики Дар- бина-Уотсона, предполагаемая линейная модель адекватна динамике деятельности предпринимательских структур.

Соответствие ряда чисел ei нормальному закону распределения проверялось с помощью статистики RS-критерия, то есть наблюдалась величина:

RSe = (emax-emin)/Se,

где Se = 1/(n-1)* (ei-e)2.

Используя данные таблицы, вычислим Se = =1/6*357098366747720,8572 =7714686,93

и соответственно RSe = (12609960+ +8058671)/7714686,93=2,68, который принадлежит интервалу (2,40;3,222). Для данного числа наблюдений ряд чисел ei удовлетворяет нормальному распределению. Следовательно, с точки зрения статистики RS-критерия линейная модель деятельности предпринимательских структур во временном интервале 2006 – 2010 гг. адекватна динамике показателей деятельности предпринимательских структур в указанный период.

Оценка точности модели Eотн. = 1/n* Iei/yiI*100

в нашем случае Eотн.= 1/7*(0,06+0,01-0,245- 0,09+0,17+0,09-0,1)*100% = 1,5%, что соответст-

вует ее высокой точности (таблица 1).

Таблица 1 - Параметры, определяющие адекватность модели

В таблице г = ei*ei-1/ ei2 = 0,32 – коэффициент корреляции. Подсчитанное значение коэффициента корреляции дополнительно подтверждает справедливость вывода статистики ДарбинаУотсона об адекватности модели. Табличные данные наглядно свидетельствуют о полной адекватности модели. Графическая иллюстрация модели представлена на рисунке 2:

Ряд 1 представляет собой фактические значения исследуемого показателя, а ряд 2 - модельные значения.

Построенная адекватная модель позволяет сделать как точечный, так и интервальный про-

гнозы на последующий год. Задавая вероятность попадания в интервал 70%, получим точечное значение деятельности предпринимательских структур в 2007 году равное y8 = a*x8 + b и составляет 92 005 352 рубля. А фактическое значение данного показателя составило в 2007 году 92 537 135 рублей. Интервал прогноза равный (y8 – U; y8

+ U), где

в числовом выражении составил: нижний уровень –

81 399 971,88 руб.; верхний уровень – 102 610 732,12 руб., таким образом, фактическое значение данного показателя находится в прогнозируемом интервале.

Заключение

Рассмотренный пример показывает высокую точность прогноза финансово-экономических показателей деятельности предпринимательских структур, который, при соответствующей экспертной оценке, может быть использован для принятия стратегических решений по развитию предпринимательских структур.

THE MODELING OF THE FINANCIAL AND

ECONOMIC INDICATORS

OF BUSINESS STRUCTURES

V.V. Karpov

In this paper we consider a mathematical assessment of the industrial and economic activities indicators of the business structures in a given time period to confirm or refute the findings built on common statistical measures.

Карпов Валерий Васильевич – доктор экономических наук, профессор, директор филиала ФГБОУ ВПО «Всероссийский заочный финансовоэкономический институт в г. Омске. Основные направления научной деятельности: экономика и управление на предприятиях, предпринимательская деятельность, региональная экономика. Общее количество опубликованных работ: 115

Введение

Глобальный экономический кризис ярко выявил ограниченность и бесперспективность утвердившейся модели российской экономики, деформированность рыночно-институциональной системы, слабую восприимчивость к инновациям предпринимательских структур, недостаточный уровень развития человеческого капитала. Несмотря на значительное количество публикаций по данной проблеме, в настоящее время сложилось обширное поле для дискуссий, встречаются концептуальные заблуждения, выступающие основой появления ошибочных рекомендаций. В настоящее время весьма важным становится пересмотр сложившихся в теории и на практике традиционных подходов к процессам накопления и использования человеческого капитала, в которых недооценивается его особая роль как ключевого фактора конкурентоспособности предпринимательских структур и осуществления институцио- нально-технологического изменения.

Теоретические исследования. Превращение научно-технического прогресса во второй половине XX в. в основополагающий фактор экономического роста, приводит к существенному усилению внимания к проблемам человеческого потенциала, его накопления и использования [3]. Классические работы в начале 60-ых годов XX в. были опубликованы Т.Шульцом и Г.Беккером, в которых расходы человека на приобретение знаний и навыков (включая упущенные заработки, связанные с затратой времени на обучение) рассматриваются как инвестиции, прибыли от которых реализуется на протяжении трудовой жизни в повышении его доходов.

В рамках концепции человеческого капитала, формирование которой осуществлялось в процессе преодоления традиционных воззрений на капитал как некое однородное явление; человеческие способности, дарования, знания, навыки и т.д. предлагается признать особым видом капитала; в свою очередь, предпринимательские, способности рассматриваются в качестве особой формы человеческого капитала. В инновационной экономике человеческий потенциал превращается в её решающий фактор. Физический капитал не исчезает, но утрачивает свою доминирующую значимость. Ключевую роль в конкуренции фирм приобретает её интеллектуальный капитал, включающий в себя человече-

ский капитал (знания и умения работников, их ценностные ориентации и культура) и структурный капитал (организационная система, информационное общение, патенты и торговые марки фирмы). «Неосязаемые активы» фирм, задействованные в секторе высоких технологий, составляют 90-95% их рыночной стоимости.

Исследования фундаментальных причин долгосрочного социально-экономического развития остаются в центре внимания общественной науки. Глубокие изменения, произошедшие в траектории развития различных стран, успехи новых индустриальных государств, разочаровывающие «достижения» стран переходной экономики, усиление межстрановой дифференциации по уровню развития сформировали обширный эмпирический материал для поиска ответов на ключевые вопросы социальноэкономической динамики. В настоящее время широкое распространение получило представление о том, что решающая роль в формировании траекторий устойчивого и динамичного развития стран принадлежит свободным рынкам и сильным институтам, обеспечивающим взаимодействие людей по долгосрочным правилам с привлечением механизмов принуждения. Вместе с тем в текущем десятилетии критики институциональной доктрины, опираясь на многие экономические исследования влияния человеческого капитала и институтов на развитие различных стран доказывают, что более устойчивым и глубинным фактором является человеческий капитал. Традиционные индексы качества институтов в силу их субъективного оценочного характера отражают скорее результаты ex post и констатирует тот факт, что в более развитых странах с более высоким уровнем доходов населения институты лучше функционируют. В связи с этим особая значимость придается человеческому и социальному капиталу, институты рассматриваются как факторы второго порядка, они совершенствуются с ростом доходов населения. Послевоенное экономическое развитие стран Юго-Восточной Азии и Китая во многом подтверждает эти выводы.

Из регрессионного анализа долгосрочных периодов развития стран следует, что уровень образования более значим, чем исходные показатели качества институтов. Образование порождает разнообразные положительные экстерналии и не только

меняет её формы и методы, заставляет фирмы проводить политику стратегического альянса в отношении партнерства, создавать сетевые структуры в рамках кластеров фирм, близких по профилю, что позволяет использовать синергетический эффект от взаимодействия поставщиков и конкурентов. Важно учитывать, что формирование и развитие прямых и обратных связей в инновационной многоуровневой экономике во многом зависит от социального капитала общества. Как отмечает Р.Патнэм, один из авторов концепции социального капитала, по аналогии с физическим и человеческим капиталом, воплощенным в орудиях труда и обучении, которые повышают индивидуальную производительность, социальный капитал имеет отношение к таким элементам общественной организации, как социальные сети, социальные нормы и доверие (networks, norms and trust), создающих условия для координации и кооперации ради взаимной выгоды. Социальный капитал увеличивает отдачу от инвестирования в капитал физический и человеческий. Запасы социального капитала -доверие, нормы и социальные сети - имеют свойство самовоспроизводиться и накапливаться. Успешное сотрудничество в конкретном деле порождает связи и доверие - социальные активы. Существует и принципиальное различие между физическим и социальным капиталом. «Социальный капитал - это то, что философ Альберт О. Хиршман назвал "моральным ресурсом", то есть ресурсом, который количественно увеличивается, а не уменьшается при употреблении и который (в отличие от физического капитала) истощается, если его не использовать. В противоположность обычному капиталу социальный капитал есть "общественное благо" (public good), иными словами, это не частная собственность тех, кто получает от него выго-

ду»[4].

Сформировавшаяся экспортно-сырьевая ориентация российской экономики, низкая инновационная активность, деформированность институциональной системы и механизмов государственного регулирования, ухудшение качественных и количественных показателей человеческого потенциала, высокий уровень коррупции и криминализации, духовнонравственный кризис создают угрозы, связанные с формированием модели фрагментальной, периферийной модернизации. Для смены приоритетов в развитии российской экономики, основанной на проведении системной модернизации и запуске полномасштабных инновационных процессов, критически важным становится активизация инновационнотехнологического предпринимательства, изменение механизмов государственного регулирования, способствующих в настоящее время интенсивному перекачиванию добавленной стоимости из обрабатывающей промышленности и АПК в пользу монополий, финансового и торгового секторов и на этой основе ускорению процессов включения России в международное разделение труда преимущественно лишь в качестве поставщика природных ресурсов.

Осуществление системной модернизации российского предпринимательства требует кардиналь-

ной структурной трансформации экономики на основе создания эффективно действующей национальной инновационной системы, обеспечивающей соединение научно-образовательной сферы, государства и бизнеса. Критически важным становится формирование системообразующих институтов и механизмов, способствующих успешному подъему по ступеням инновационной пирамиды. При этом создаваемые рыночные и государственные институты должны учитывать особенности разных этапов инновационного цикла

Технологическими инновациями в нашей стране занимаются только 10% предприятий. Шанс стать конкурентоспособными на мировых рынках имеют пока менее 1% предпринимательских структур. Большинство предприятий, которые считаются инновационными, на самом деле занимаются воспроизводством уже существующих технологических решений: в 40% из них существуют лишь технологические заимствования, приобретают за рубежом машины и оборудование. Еще 45% предприятий имитируют инновации – покупают технологии в виде патентов или лицензий. Создают новые знания и пытаются конкурировать на российских рынках лишь 8% компаний. Инноваторов, стратегия которых позволяет выходить на глобальный рынок, не более

7% [2].

В контексте модернизации российской экономики интересен опыт ведущих стран по созданию инновационной инфраструктуры, технопарков, полюсов конкурентоспособности с участием бизнеса, научных центров и университетов, а также опыт по коммерциализации последних научных разработок. Качество инновационной среды во многом зависит от государственной политики, которая должна опираться не только на показатели экономической эффективности (включая бюджетирование, антимонопольную политику, поддержку конкуренции, участие в международных торговых союзах и организациях), но и на показатели развития науки. Механизмы финансирования науки и исследовательской инфраструктуры сдвигаются в сторону государственночастного партнерства, примененя гибких форм кредитования предпринимательства по линии государственных агенств и различных видов финансовых льгот. Проблемы формирования национальной инновационной системы состоят в том, что используемые инструменты и механизмы не образуют целостную систему, российская инновационная политика носит реактивный, а не проактивный характер, существует масса барьеров между участниками инновационного процесса. Из всех видов инноваций (продуктивные, организационно-управленческие, технологические) наиболее перспективны в России технологические инновации.

Глубокие изменения социально-экономических процессов в стране, которые связаны с модернизацией хода воспроизводства человеческого капитала и развития предпринимательства порождают вызовы, относящиеся к числу главных, на которые предстоит ответить российскому обществу в XXI веке. В настоящее время крайне остро стоят вопросы повышения интеллектуального потенциала населения,