Статья:

Инвестиции, импорт и экспорт как факторы, влияющие на показатель ВВП на душу населения в странах СНГ: модели панельных данных

Конференция: XXXIX Международная научно-практическая конференция «Научный форум: экономика и менеджмент»

Секция: Экономика и управление народным хозяйством

Выходные данные
Рузикулов А.К. Инвестиции, импорт и экспорт как факторы, влияющие на показатель ВВП на душу населения в странах СНГ: модели панельных данных // Научный форум: Экономика и менеджмент: сб. ст. по материалам XXXIX междунар. науч.-практ. конф. — № 6(39). — М., Изд. «МЦНО», 2020. — С. 32-40.
Конференция завершена
Мне нравится
на печатьскачать .pdfподелиться

Инвестиции, импорт и экспорт как факторы, влияющие на показатель ВВП на душу населения в странах СНГ: модели панельных данных

Рузикулов Абдимумин Кассим угли
магистрант, Ташкентский государственный экономический университет, Узбекистан, г. Ташкент

 

INVESTMENTS, IMPORTS AND EXPORTS AS FACTORS INFLUENCING THE INDICATOR OF GDP ON THE PERFORMANCE OF POPULATION IN THE CIS COUNTRIES: PANEL DATA MODEL

 

Abdimumin Ruzikulov

Master student, Tashkent State the University of Economics, Uzbekistan Tashkent

 

Аннотация. На официальном сайте Мирового банка собираются макроэкономические данные по 217 странам, на этом сайте также существует возможность постройки и загрузки данных по выборке для исследований, связанных с эконометрическим моделированием. В этом источнике данных, многие популярные экономические показатели приведены в процентах к ВВП, а показатель «ВВП на душу населения» указан как номинальный показатель по текущему курсу долларов США.

В качестве независимого (объясняемого) показателя взят «ВВП на душу населения в долл. США»(номинальный показатель), а в качестве регрессирующих (объясняемых) показателей были подобраны экспорт и импорт товаров/услуг, а также чистые поступления по прямым иностранным инвестициям (все показатели являются долями в % от ВВП).

Эконометрические модели построены на основе панельных данных, и исходя из свойств панельных данных, сначала будут построены модели объединённых обычных наименьших квадратов (pooled OLS), модели с фиксированными и со случайными эффектами, а затем в результате специальных тестов будут подобраны эффективные модели.

Abstract. Macroeconomic data for 217 countries are collected on the World Bank's official website, and there is also the possibility of constructing and downloading sample data for studies related to econometric modeling on this website. In this data source, many popular economic indicators are given as a percentage of GDP, and the “GDP per capita” indicator is indicated as a nominal indicator at the current exchange rate of US dollars.

The “per capita GDP in US dollars” (nominal indicator) was taken as an independent (explained) indicator, and the export and import of goods / services, as well as net receipts from foreign direct investments (all indicators are fractions in% of GDP).

Econometric models are built on the basis of panel data, and based on the properties of panel data, first models of combined ordinary least squares (pooled OLS) will be built, models with fixed and random effects, and then, as a result of special tests, effective models will be selected.

 

Ключевые слова: страны СНГ; ВВП на душу населения; объединённый метод наименьших квадратов; методы с фиксированными и со случайными эффектами; эконометрические модели.

Keywords: CIS countries; GDP per capita; the combined least squares method; methods with fixed and random effects; econometric models.

 

Введение. ВВП на душу населения (GDP per capita)– относительный показатель, отражающий стоимость того количества товаров и услуг, приходящийся в среднем на одного человека [1].

Также нужно отметить, что номинальный ВВП на душу населения обычно измеряется по текущему курсу в долларах США по следующей формуле [2]:

                                                                           (1)

ВВП на душу населения – это показатель экономического производства страны, который учитывает количество людей. Он делит валовой внутренний продукт страны на общую численность населения. Это делает его хорошим измерением уровня жизни страны. Он рассказывает вам, как процветает страна для каждого из своих граждан.

Содружество независимых государств (далее - СНГ) – является организацией, которая была создана соглашением о создании СНГ, которое было ратифицировано высшими законодательными органами РСФСР, Белоруссии и Украины. 21 декабря 1991 г. главы 11 государств на встрече в Алма-Ате подписали протокол к соглашению о создании СНГ. К содружеству присоединились все бывшие советские республики за исключением государств Прибалтики и Грузии, получившей статус наблюдателя [3].

На официальном сайте Мирового банка приведены популярные индикаторы почти по всем странам, в том числе стран СНГ (имеется ввиду члены и наблюдатели) [4].

Панельные данные были использованы в совместной работе Цыпина и Фаизовой, в которой были рассмотрены влияния факторов на динамику макроэкономических показателей экс-членов Советского Союза [5]. В результатах их исследования был представлен важный вывод, что рассматриваемая совокупность 15 республик значительно дифференцирована по уровню развития, траектории движения и центрам тяготения. Эконометрические методы показывают значительную вариацию факторов, действующих на разных отрезках времени и внутри каждой из сравниваемых стран.

Кроме вышеуказанных авторов, факторы, влияющие на показатель «ВВП на душу населения» были исследованы в работах Шабалиной и Тарасовой [6] на примере показателей Российской Федерации, Илтера [7] на основе данных 40 стран, Асадова [8] на основе ранее изученных теорий и методологии. Но нужно отметить, что панельные данные являются более новым направлением для исследований, связанных с факторами, влияющими на ВВП и на его производные показатели.

Данные для исследования. Официальный сайт Мирового банка удобно для построения специальных структуры данных, свойственных для исследований любого типа эконометрических моделей (временные ряды, перекрестные или панельные данные). Специальный инструмент в разделе этого сайта способствует уточнения выборки по странам, отрезкам времени и по самим макроэкономическим показателям стран.

Страны Центральной Азии были выбраны с учётом того, какая страна наиболее точно и своевременно объявляет макроэкономические показатели на сайте Мирового банка, а макроэкономические показатели были выбраны с учётом возможности их роли в формировании ВВП стран.

Для удобства обозначения зависимых и объясняющих показателей, в исследование введены специальные сокращения, которые описываются в таблице 1.

Таблица 1.

Список показателей, которые были выбраны для построения эконометрических моделей

Сокр.

Описание показателя

1

Y

ВВП на душу населения, в текущих долларах США

4

X1

Экспорт товаров и услуг, в % от ВВП

5

X2

Импорт товаров и услуг, в % от ВВП

7

X3

Прямые иностранные инвестиции, чистые поступления, в % от ВВП

Примечание: Данные сокращения будут использования в последующих частях исследования и составлены автором.

 

Данные для оценки взаимосвязи на основе моделей панельных данных представлены в таблице 2, где независимые (X) и зависимые (Y) переменные, (описание которых приведен в таблице 1), а номера стран представляют свойственный порядок (1-Азербайджан, 2-Беларусь, 3-Казахстан, 4-Киргизия, 5-Молдова, 6-Россия, 7-Украина (хотя её членство в СНГ спорно) и 8-Узбекистан).

Таблица 2.

Данные, использованные для построения моделей в исследовании

Страна

Годы

X1

X2

X3

Y

1

2000

40,17083

38,37774

1,3E+08

655,0974

1

2001

41,49861

37,31658

8,2E+08

703,6838

1

1

2017

48,54786

41,85445

2,87E+09

4147,09

1

2018

54,29213

37,71912

1,4E+09

4722,382

2

2000

69,21082

72,39834

1,19E+08

1276,288

2

2001

66,74761

70,29732

95800000

1244,373

2

2

2017

66,7896

66,57815

1,28E+09

5761,747

2

2018

70,45505

68,93869

1,43E+09

6330,075

3

2000

56,60243

49,09727

1,37E+09

1229,001

3

2001

45,89502

46,95405

2,82E+09

1490,927

3

3

2017

33,55061

25,64676

4,71E+09

9247,581

3

2018

37,52695

25,29125

2,14E+08

9814,786

4

2000

41,84786

47,58307

-2360125

279,6196

4

2001

36,72457

37,02234

5006733

308,4096

4

4

2017

34,25284

66,3646

-1,07E+08

1242,77

4

2018

32,7332

68,38918

1,44E+08

1279,945

5

2000

49,60011

76,56299

1,28E+08

440,672

5

2001

50,05504

74,4457

1,03E+08

507,5577

5

5

2017

31,09876

54,53843

1,54E+08

3509,693

5

2018

29,28829

54,99836

3,12E+08

4228,922

6

2000

44,06044

24,03347

2,68E+09

1771,598

6

2001

36,89349

24,21737

2,85E+09

2100,358

6

6

2017

26,05206

20,70871

2,86E+10

10750,59

6

2018

30,74113

20,76932

8,78E+09

11288,88

7

2000

62,44488

57,41342

5,95E+08

635,709

7

2001

52,51604

51,48511

7,92E+08

779,9771

7

7

2017

48,0143

55,70354

2,83E+09

2640,676

7

2018

45,20997

53,80869

2,48E+09

3095,174

8

2000

24,6627

19,39133

74700000

558,2268

8

2001

29,67511

27,10117

82800000

456,7063

8

8

2017

21,80111

23,8778

1,8E+09

1826,567

8

2018

29,1091

38,73651

6,25E+08

1532,372

Примечание: Таблица сформирована автором на основе данных Мирового банка [4]. Для удобства интерпретации данных, пропущены данные за период с 2002 по 2016 годы(…).

 

Также надо упомянуть важность тестовых показателей F-тест, тест Хаусмана и теста Бройша-Пагана потому, что эти тести помогают выбрать эффективную модель.

Результаты. Далее, моделирование осуществляется с помощью пакета программного обеспечения Stata 15.0, который, по нашему мнению, эффективна при построении и оценки моделей, основанных на панельных данных.

Результаты построенных моделей на основе панельных данных стран приведены ниже.

 

Рисунок 1. Модель 1. Объединённая модель наименьших квадратов (pooled OLS)

 

Рисунок 2. Модель 2. С фиксированными эффектами (fixed effects)

 

Рисунок 3. Модель 3. Со случайными эффектами

 

Тест Бройша-Пагана:

Тест Хаусмана:

Выводы. По построенным трем моделям можно сделать следующие общие выводы и заключения:

1. По результатам F-теста, модель с фиксированными эффектами оказалась более эффективной чем модель с объединёнными наименьшими квадратами;

2. Но результаты тестов Бройша-Пагана и Хаусмана показали, что модель со случайными эффектами более значительна чем модель с фиксированными эффектами, поэтому, для выводов по результатам исследования будут описаны данные модели со случайными эффектами;

3. По модели панельных данных со случайными эффектами, все вышеуказанные регрессоры показали статистически важное взаимодействие с объясняемым показателем, в том числе X1 (Экспорт товаров и услуг, в % от ВВП)  -32.28958, X2 (Импорт товаров и услуг, в % от ВВП)  -60.827 и X3 (Прямые иностранные инвестиции, чистые поступления, в долларах США) 1.52e-07, коэффициент константы является также статистически значимым на уровне 7341.462;

4. Коэффициенты показывают, что экспорт и импорт отрицательно влияют на показатель «ВВП на душу населения», но тот момент, что отрицательный коэффициент экспорта в нашем случае почти в двое меньше, чем отрицательный коэффициент импорта означает, что экспорт является более эффективным инструментом для увеличения доли ВВП на душу населения.

Рекомендации и предложения по результатам исследования:

1. Модели на основе панельных данных, в том числе обобщённая модель МНК (Pooled OLS), методы с фиксированными и со случайными эффектами (fixed and random effects models) являются эффективными инструментами в исследованиях, основанных на большом объеме данных. В связи с этим, их можно использовать в страновой, региональной оценок взаимосвязей, а также оценок показателей групп субъектов экономики;

2. Модели, связанные с панельными данными, представляют более эффективные инструменты чем способы, основанные не на панельных данных. Этот момент объясняется тем, что панельные данные позволяют учитывать свойственные для группы изучаемых субъектов (стран, фирм, физических лиц
и т.д.) эффекты, которые невозможно оценить, например методом МНК. Поэтому, при изучении групп стран или субъектов экономики с помощью эконометрических моделей рекомендуется использовать панельные данные;

3. Для обоснования эффективности моделей предлагается тесты, свойственные для моделей с панельными данными. Это будет способствовать уточнению параметров оценки, если результаты разных моделей близкие по коэффициентам.

 

Список литературы:
1. С.А. Толкачев, «Экономическая теория,» в Учебник и практикум для академического бакалавриата, Москва, Юрайт, 2018, p. 340.
2. The Balance, «GDP Per Capita with its Formula and Country Comparisons,» press@thebalance.com, New York, 2020.
3. В.И. Пинкин и В.Г. Шишикин, «Содружество независимых государств (СНГ),» в Учебно методическое пособие, Новосибирск, Новосибирский государственный технический университет, 2014, p. 10.
4. The World Bank Group, «Data Bank World Devepopment Indicators,» 2020. [В Интернете]. Available: https://databank.worldbank.org/indicator/NY.GDP.PCAP.CD/1ff4a498/Popular-Indicators#. [Дата обращения: 17 02 2020].
5 А.П. Цыпин и Л.Р. Фаизова, «Статистическое исследование влияния факторов на динамику макроэкономических показателей экс-членов Советского Союза,» Азимут научных исследований: экономика и управление, т. 6, № 4(21), pp. 259-263, 2017. 
6 Л.В. Шабалина и А.И. Тарасова, «Анализ факторов влияющих на развитие экономики Российской Федерации,» Економічний вісник Донбасу, т. 2, № 44, pp. 65-69, 2016. 
7 C. Ilter, "What economic and social factors affect gdp per capita? A STUDY ON 40 COUNTRIES," Journal of Global Strategic Management, vol. 11, no. 2, pp. 051-062, 2017. 
8 Х.С. Асадов, «Методика прогнозирования валового регионального продукта,» МОЛИЯ ВА БАНК ИШИ ЭЛЕКТРОН ИЛМИЙ ЖУРНАЛИ, № 3, pp. 135-141, 2019. 
9 Б.Т. Мазуров и В.А. Падве, «Метод наименьших квадратов (статика, динамика, модели с уточняемой структурой),» Вестник СГУГиТ, т. 22, № 2, pp. 22-35, 2017.