В данной статье мы использовали традиционную регрессионную модель, при этом нами была совершена попытка выйти за пределы обычной ее экономической интерпретации. Математическое моделирование и экономическую интерпретацию его результатов мы произвели на основе анализа взаимосвязей данных в два этапа.
Таблица 3. Коэффициенты регрессионных моделей
|
у x2i |
a0 |
a1 |
a2 |
Э1 |
Э, |
x1 |
dx x2i |
Qx |
Qx. |
||
|
Налоги, ВРП, промышленность / Taxes, GRP, Industry |
43,23 |
33,28 |
0,017 |
0,088 |
0,154 |
0,667 |
0,195 |
0,790 |
0,072 |
0,289 |
|
|
Налоги, ВРП, сельское хозяйство / Taxes, GRP, agriculture |
58,80 |
31,63 |
0,1186 |
-0,100 |
1,066 |
-0,236 |
1,352 |
-0,371 |
0,495 |
-0,139 |
|
|
Налоги, ВРП, торговля / Taxes, GRP, trade |
50,44 |
38,35 |
0,120 |
-0,062 |
1,074 |
-0,279 |
1,362 |
-0,383 |
0,499 |
-0,141 |
|
|
Налоги, ВРП, строительство / Taxes, GRP, construction |
47,03 |
42,83 |
0,049 |
0,331 |
0,437 |
0,334 |
0,554 |
0,427 |
0,203 |
0,157 |
На первом этапе было проведено моделирование и интерпретация взаимосвязей между налогами (у), ВРП (-1), промышленности, сельского хозяйства, торговли и строительства - -2. Результативным показателем явился объем налогов, факторными ВРП, объемы продукции промышленного производства, сельского хозяйства, оборота торговли и объема строительных работ.
Были определены множественные регрессии - зависимость у от -1 и поочередно от четверых факторов -2 по данным таблицы 2.
Сначала были рассчитаны частные коэффициенты корреляции между результативным и факторными показателями, затем коэффициенты вариации и коэффициенты уравнений регрессии вида:
Отсюда для налогов, ВРП и промышленности регрессионная модель имеет следующий вид: у1>2кЛ= 33,28 + 0,017x1+ 0,088x21.
Для остальных уравнений коэффициенты регрессии (таблица 3).
Обсуждение результатов
Коэффициент вариации налогов (уу= 36,23) в ЦЧР за 2005-2018 годы был меньше по сравнению с факторными показателями, что характеризует относительно стабильное состояние налоговой системы ЦЧР. Коэффициент вариации ВРП (уx1= 46,47) был больше, чем уx^ - промышленности (таблица 3), но меньше по сравнению с другими отраслями. Поэтому именно промышленность была с амой стабильной отраслью хозяйства в 2000-е годы.
Экономический анализ или интерпретация данной модели является основной целью нашего ис- следования и одним из главных аспектов корреляционно-регрессионного моделирования. Для этого нужно было рассчитать коэффициенты эластичности, детерминации, Q(Kea) - коэффициент влияния факторных признаков на результативный.
Частный коэффициент эластичности показывает на какую часть процента меняется величина результативного признака при изменении факторного признака на 1 %. Его значение зависит от соотношений средних факторных и результативных признаков и соответствующих коэффициентов регрессии. В данной модели максимальный коэффициент эластичности характерен для промышленности Э21. Увеличение объема промышленного производства на 1 % приводит к росту величины налогов на 0,667 %, а увеличение ВРП на 1 % обусловливает повышение объема налогов на 0,154 %, что отражает определяющие значение промышленного производства для налоговой системы. Интересно, что абсолютный рост сельского хозяйства обратно пропорционален росту налогов. С одной стороны это объясняется тем, что максимальный объем продукции сельского хозяйства (урожаи) совпадает с годами финансово-экономических кризисов, а с другой, связан с большим теневым сектором в этой отрасли.
Таблица 4. Коэффициенты регрессии, эластичности, детерминации и ква-коэффициента влияния факторных показателей на результативность
|
a0 |
a1 |
a2 |
Э |
Э2 |
d x1 |
d x2 |
Qx1 |
Qx2 |
||
|
ВРП, промышленность, сельское хозяйство / GRP, industry, agriculture |
28,88 |
0,872 |
0,943 |
0,735 |
0,248 |
0,679 |
0,311 |
0,318 |
0,146 |
|
|
ВРП, промышленность, торговля / GRP, industry, trade |
48,2 |
0,402 |
1,266 |
0,338 |
0,633 |
0,313 |
0,687 |
0,146 |
0,319 |
|
|
ВРП, промышленность, строительство / GRP, industry, construction |
-69,1 |
0,772 |
3,483 |
0,651 |
0,391 |
0,602 |
0,391 |
0,281 |
0,184 |
В этой модели изменение объема промышленности обеспечивает 79,0% вариации налогов, а изменение ВРП лишь 19,5 % вариации налогов.
В данной модели влияние второго фактора (промышленного производства) является более существенным, также как и по сравнению с любыми отраслями хозяйства в других моделях. Во многом это объясняется тем, что в промышленном производстве и в строительстве доля теневой экономики намного ниже по сравнению с остальными отраслями хозяйства. Поэтому важнейшим фактором повышения эффективности хозяйства ЦЧР, особенно роста налоговой базы, является рост промышленного производства.
На втором этапе было проведено моделирование и интерпретация взаимосвязей между ВРП (у), промышленности (x1), сельского хозяйства, торговли и строительства - x2 (таблица 4).
В этих моделях влияние промышленности на ВРП всех коэффициентов значительно выше во всех отраслях, кроме торговли, что тоже не случайно. С одной стороны промышленное производство было более стабильным по сравнению с товарооборотом к колебаниям потребительского спроса и ВРП. С другой стороны торговля в условиях рыночного времени диктует свои условия местным производителям, отнимая у них значительную и даже иногда основную часть прибыли.
Заключение
экономика черноземный промышленный производство
Корреляционно-регрессионный анализ зависимостей между величиной налогов, объемов ВРП, продукции промышленного производства, сельского хозяйства, оборота торговли и строительных работ за 2005-2016 годы показал наличие тесных связей и пропорций между описываемыми отраслями, среди которых важнейшую роль почти во всех аспектах экономической интерпретации математических моделей играет промышленность. Необходимо отметить, что именно промышленность определяет налоговый потенциал и развитие ВРП в регионах ЦЧР. При этом роль промышленности в образовании валовой добавленной стоимости (ВДС) исключительно велика. В 2017 году в общем объеме ВДС в рыночных ценах ЦЧР (2837,0 млрд. руб.) на промышленность приходилось 847,8 млрд. руб., на сельское хозяйство - 456,1 млрд. руб., на строительство - 227,6 млрд. руб., на торговлю соответственно - 414,9 млрд. руб. Коэффициент ранговой корреляции между уровнем экономического и промышленного развития на 1 чел. среди регионов ЦЧР за 2018 год составил 0,80.
При этом, как мы уже отмечали, торговля отнимает значительную часть ВДС у промышленности (розничные цены в 2-6 раз выше цен производителей), уменьшает ВРП регионов в целом, переводя значительную часть добавленной стоимости в теневую сферу [3]. Более высокая доходность простого бизнеса привлекает к нему большую часть инвестиционного капитала и одновременно повышает его стоимость для других (менее эффективных) отраслей [3, 11]. Поэтому не развитие торговли и других более выгодных отраслей, а (на основе нашего анализа) преимущественное развитие промышленного сектора хозяйства является экономически наиболее эффективным направлением инвестиционного развития ЦЧР. Для этого необходимо создать механизм инвестиционно-инновационного развития машиностроения и легкой промышленности. В этом случая можно будет значительно повысить уровень самодостаточности и региональной безопасности ЦЧР.
Важное с точки зрения самодостаточности страны в целом интенсивное в последние годы развитие первичных и вторичных отраслей, прежде всего АПК, имеет определяющее значение в современных инвестиционных процессах, происходящих на территории ЦЧР. Повышение уровня развития отраслей первичного сектора, особенно сельского хозяйства, а также низкотехнологичных отраслей обрабатывающей промышленности вторичного сектора, является жизненно необходимым. Для совершенствования хозяйства и достижения экономической и технологической безопасности без развития промышленного производства с высокой добавленной стоимостью, обеспечивающего потребности федерального и региональных рынков не обойтись.
Поэтому необходимо создание механизма реиндустриализации района до уровня сбалансированного состояния отраслей хозяйства и высокой реальной занятости населения, так как отрасли промышленности являются «локомотивами» развития всего хозяйства. Необходимо значительное расширение комплексности хозяйства. Например, резервы развития АПК Белгородской области (ведущего в стране) связаны не только с повышением уровня добавленной стоимости пищевой промышленности, но и с развитием отраслей сферы производства средств производства для АПК, которые пока развиты в этой области недостаточно. Основные направления реиндустриализации хозяйства ЦЧР по нашему мнению должны быть направлены на повышение качества и добавленной стоимости продукции АПК, а также ускоренного развития отраслей машиностроения и легкой промышленности, обеспечивающих местные региональные и локальные рынки.
Список литературы
1. Жук С. И. Место Воронежской области в производительных силах Центрально-Черноземного экономического района // Вестник Воронежского государственного университета. Серия География. Геоэкология, 2020, № 1, с. 58-66.
2. Крупко А. Э., Михно В. Б. Факторы, проблемы и основные направления устойчивого развития Центрально-Черноземного района // Вестник Воронежского государственного университета. Серия География. Геоэкология, 2019, № 1, с. 55-73.
3. Крупко А. Э., Фетисов Ю. М., Рогозина Р.Е. Моделирование факторов устойчивого развития промышленного производства // Финансы, экономика, стратегия, 2018, № 7, с. 56-66.
4. Крупко А. Э., Рогозина Р Е., Шульгина Л. В. Проблемы и угрозы устойчивого развития промышленной системы Воронежской области // Финансы, экономика, стратегия, 2017, № 10, с. 41-51.
5. Крупко А. Э., Фетисов Ю. М., Рогозина Р.Е. Интерпретация корреляционно-регрессионного анализа основных факторов развития экономики ЦФО // Финансы, экономика, стратегия, 2018, № 12, с. 22-29.
6. Регионы России. Социально-экономические показатели. 2003: Стат. сб. Москва, Госкомстат России, 2003. 895 с.
7. Регионы России. Социально-экономические показатели. 2016: Стат. сб. Москва, Росстат, 2016. 1326 с.
8. Регионы России. Социально-экономические показатели. 2018: Стат. сб. Москва, Росстат, 2018. 1402 с.
9. Регионы России. Социально-экономические показатели. 2019: Стат. сб. Москва, Росстат, 2018. 1204 с.
10. Шмойлова Р. А., Минашкин В. Г., Садовникова Н. А., Шувалова Е. Б. Теория статистики. Москва, Финансы и статистика, 2014. 656 с.
11. Ускова Т В. Управление устойчивым развитием региона. Вологда, ИСЭРТ РАН, 2009. 355 с.
12. Федотов В. И., Куролап С. А., Нестеров Ю. А. Структурные блоки региональной модели устойчивого эколого-экономического развития Центрального Черноземья // Вестник Воронежского государственного университета. Серия География. Геоэкология, 2003, № 2. с. 5-14.
13. Шульгина Л. В., Гасилов В. В., Сова А.Н. Управление экономической устойчивостью промышленных предприятий. Воронеж, ВГТА, 2010. 168 с.
References
1. Zhuk S.I. Mesto Vorone zhskoyoblasti v proizvoditel'ny khsilakh Tsentral'no-Chernozemnogo ekonomiche skogorayona [The place of the Vorone zhregionin theprodu ctive forces of the Central Black Earth Economic Region]. Vestnik Voronez skogogosu darstvenno gouniver siteta. Seria Geografia. Geoekologia, 2020, no. 1, pp. 5866. (InRuss.)
2. Krupko A. E., Mikhno V. B. Faktory, problemy i osnovny enapravleniy austoychivo gorazvitiya Tsentral'no-Chernozem nogorayona [Factors, problem sandmain directions of sustainable development of the Central Black Earth Region]. Vestnik Vorone zskogogo sudarstve nnogouni versiteta. Seria Geografia. Geoekologia, 2019, no. 1, pp. 55-73. (InRuss.)
3. Krupko A. E., FetisovYu. M., Rogozina R. E. Model irovani efaktoro vustoy chivogoraz vitiyapro myshlennogo proizvodstva [Modeling of factors of sustaina bledevelopment of industrial production]. Finansy, ekonomika, strategiya, 2018, no. 7, pp. 56-66. (InRuss.)
4. Krupko A. E., Rogozina R. E., Shul'gina L. V. Problemy i ugrozyustoy chivogorazvi tiyapromy shlennoysistemy Voronezh skoyoblasti [Problem sandthreats of sustainable development of the industria lsystemof the Voronezhregion]. Finansy, ekonomika, strategiya, 2017, no. 10, pp. 41-51. (InRuss.)
5. Krupko A. E., FetisovYu. M., Rogozina R. E. Interpreta tsiyakorr elyatsionno-regression nogoana lizaosnovnykh faktorovrazvitiya ekonomiki TsFO [Interpretation of the correlation and regressiona nalysis of the mainfactors of the development of the economy of the Central Federal District]. Finansy, ekonomika, strategiya, 2018, no. 12, pp. 22-29. (InRuss.)
6. Regions of Russia. Socio-economic in dicators. 2003. Moscow, Goskomstat Rossii Publ., 2003. 895 p. (InRuss.)
7. Regions o fRussia. Socio-economic indicators. 2016. Moscow, RosstatPubl., 2016. 1326 p. (InRuss.)
8. Regions of Russia. Socio-economic in dicators. 2018. Moscow, Rosstat Publ., 2018, 1402 p. (InRuss.)
9. Regionsof Russia. Socio-economic in dicators. 2019. Moscow, Rosstat 2019. 1204 p. (InRuss.)
10. Shmoylova R. A., Minashkin V. G., Sadovni- kova N. A., Shuvalova E.B. Teoriyastatistiki [Theoryofstatistics]. Moscow, Publ. Finansy i statistika, 2014. 656 p. (InRuss.)
11. Uskova T. V Upravleni eustoychivy mrazvitiem regiona [Manageme ntofsustainab ledevelopment of the region]. Vologda, Publ. ISEDT RAS, 2009. 355 p. (InRuss.)
12. Fedotov V. I., Kurolap S. A., NesterovYu. A. Strukturny eblokiregi onal'no ymodeliust oychivogo ekologo-ekonomi cheskogorazvitiya Tsentral'nogo Chernozem'ya [The structural blocksof the regional model of sustainab leenvironmenta land economic development of the Central Black Earth Region]. Vestnik Voronezsko gogosudarstv ennogouni versiteta. Seria Geografia. Geoekologia, 2003, no. 2, pp. 5-14. (InRuss.)