ЗАВИСИМОСТЬ РЕГИОНАЛЬНОГО ЭКСПОРТА РОССИИ В СТРАНЫ СНГ ОТ РЯДА ФАКТОРОВ В 2016 ГОДУ

Введение. В настоящее время одной из приоритетных задач российской экономики является наращивание объемов экспорта; такие возможности ищут как на внешнем рынке, так и внутри страны за счет развития отечественного производства. Особое внимание уделяется поддержке и расширению внешнеэкономической деятельности отдельных регионов, поскольку такие регионы в кризисное время будут лучше защищены.

Наиболее успешно в последние годы Россия развивает продовольственный экспорт, занимая уже 6-е место в мире после таких крупнейших производителей, как США, ЕС, Бразилия, при этом основой продовольственного экспорта России является зерно (его доля составляет около 40%) [4, c. 94]. Также известно, что страны СНГ являются стабильными импортерами российской продовольственной продукции: их доля в экспорте - до 9% [3, c. 18]. Рост экспорта зерна в страны СНГ связывают с его независимостью от политических условий, высоким качеством и демократичными ценами. При анализе возможностей увеличения регионального экспорта во внимание принимаются не только производственные показатели, как, например, индекс промышленного производства [5, c. 96], но и другие факторы, допустим, трудовые ресурсы [1, c. 119]. В данной работе изучается зависимость объемов регионального экспорта России в страны СНГ от регионального валового сбора зерна как одного из ведущих и расширяющихся экспортных направлений, а также устанавливается значимость для экспорта ИПП региона, численности рабочей силы и площади субъекта.

Целью работы является моделирование регионального экспорта в страны СНГ.

Задачи исследования: построить модель, наилучшим образом описывающую зависимость регионального экспорта в страны СНГ от валового сбора зерна и(или) других возможно значимых факторов; сделать выводы о качестве полученных моделей, интерпретировать их.

Гипотеза 1: валовой сбор зерна оказывает значимое влияние на объем экспорта в страны СНГ. Гипотеза основана на факте того, что продовольственный экспорт - одно из приоритетных экспортных направлений России. Предполагается, что, чем больше в регионе производится зерна, тем выше за счет этого будет суммарный экспорт региона в страны СНГ.

Гипотеза 2: валовой сбор зерна не является главным фактором, влияющим на показатели экспорта в страны СНГ. Несмотря на то, что экспорт зерна играет важную роль в совокупном экспорте РФ, ожидается, что в ходе исследования будут выявлены более значимые региональные факторы, влияющие на объем экспорта.

Методология

Зависимой переменной в данной работе является региональный экспорт (в фактически действовавших ценах; миллионов долларов США) в 2016 году. Объясняющими переменными выступают региональный валовой сбор зерна (в весе после доработки) (в хозяйствах всех категорий; тысяч тонн) в 2016 г., площадь территории субъекта (тыс. км²) в 2016г., численность рабочей силы в регионе возрасте 15-72 лет в 2016 г. (тыс. человек), индекс промышленного производства (ИПП) региона в 2016 г. (в % к предыдущему году).

Сначала с помощью парной линейной регрессии проверяется наличие значимой зависимости экспорта от валового сбора зерна. Далее строится многофакторная модель линейной регрессии. Наконец, выбранная спецификация модели проверяется на пропущенные переменные с помощью теста Рамсея.

Описательные статистики данных

Из сборника Федеральной службы государственной статистики взяты показатели экспорта в страны СНГ (в фактически действовавших ценах; миллионов долларов США) за 2016 г. по 85 субъектам РФ. Также взяты данные валового сбора зерна (в весе после доработки) (в хозяйствах всех категорий; тысяч тонн) для 76 субъектов РФ; данные для следующих субъектов отсутствовали: Республика Карелия, Ненецкий автономный округ, Мурманская область, г. Санкт-Петербург, Ханты-Мансийский автономный округ – Югра, Ямало-Ненецкий автономный округ, Магаданская область, Сахалинская область, Чукотский автономный округ. В связи с этим далее показатели валового сбора зерна и экспорта рассматриваются для 76 субъектов.

Для выявления выбросов построена диаграмма рассеяния (рис.). Выбросами можно считать точки: г. Москва, Ставропольский край, Ростовская область, Краснодарский край. Выбросы исключаются из выборки с целью повышения точности исследования статистических показателей. Таким образом, далее показатели валового сбора зерна и экспорта рассматриваются для оставшихся 72 субъектов.

Рисунок. Экспорт в зависимости от валового сбора зерна

Характеристика взаимосвязи переменных

Коэффициент корреляции между валовым сбором зерна и экспортом равен 0,3. Такую связь можно охарактеризовать как слабую, поэтому в большинстве случаев ее не следует принимать во внимание при проведении каких-либо исследований показателей экспорта. Значит, существуют другие факторы, влияющие на величину экспорта в страны СНГ в большей степени. Можно предположить, что к таким факторам относится развитость транспортной системы субъекта, его географическое положение относительно стран СНГ, численность населения региона, его специализация, площадь и др.

Парная регрессия

Модель парной регрессии

Уравнение:

Экспорт = 887,1 + 1 * Валовой сбор зерна

Интерпретация: при увеличении валового сбора зерна на 1 тыс. тонн экспорт увеличивается на 1 млн. долл. Оба коэффициента не равны нулю и являются значимым; валовой сбор зерна оказывает влияние на экспорт.

Значимость взаимосвязи и качество полученной модели

Коэффициент детерминации (R-квадрат) равен 0,09. На основе этого значения можно сделать следующий вывод: данная модель зависимости экспорта от валового сбора зерна объясняет только 9% изменчивости экспорта по сравнению с его средним значением, а 91% дисперсии экспорта объясняется другими факторами. На низкое качество модели также указывает значительная стандартная ошибка регрессии, равная 1352,94. Кроме того, важно заметить, что стандартная ошибка коэффициента  составляет всего 0,37, при этом стандартная ошибка равна 192,05. Можно заключить, что полученные коэффициенты, особенно , неточны.

Таким образом, использование полученной модели для исследования влияния валового сбора зерна на показатели экспорта нецелесообразно в силу ее низкой информативности.

Многофакторная модель

Для повышения точности моделирования была проведена проверку на выбросы при помощи диаграммы «ящик с усами». В результате принято решение исключить из модели два субъекта с выбросами по объему валового сбора зерна (Воронежская область и Алтайский край) и три субъекта с выбросами по экспорту (Челябинская, Самарская, Московская области). Данная комбинация позволяет добиться наибольшей корреляции, более высокого R-квадрат (0,19) и повысить значимость коэффициента при валовом сборе зерна (P-Значение = 0). Таким образом, последующее моделирование будет основываться на выборке из 67 субъектов.

Включение в модель дополнительных количественных факторов

Для решения задачи описания экспорта в зависимости от валового сбора зерна добавлено еще три количественных фактора, которые могут быть значимы с экономической точки зрения: площадь территории субъекта (тыс. км²), численность рабочей силы в возрасте 15–72 лет (тыс. человек), индекс промышленного производства (в % к предыдущему году).

Построение многофакторной линейной регрессии

Используется метод пошагового включения: строится парная регрессия с наиболее коррелируемым количественным фактором – численностью рабочей силы, затем включаются факторы, имеющие наиболее значимый коэффициент (P-value < 0,05) и дающие больший R².

Оказалось, что наилучшая комбинация регрессоров – численность рабочей силы и площадь территории, т. к. оба регрессора значимы (а также константа) и дают наиболее высокий R - квадрат среди значимых регрессоров – 0,5944.

Сравнение парной и многофакторной моделей

Таблица.

Сравнение парной и многофакторной моделей

Вывод: модель стала более точной, о чем говорит увеличение R-квадрат на 310,5% и снижение стандартной ошибки на 29%.

Интерпретация альтернативной модели с экономической точки зрения

Экспорт положительно зависит от численности рабочей силы, т. к. в регионах с большей численностью рабочей силы производительность труда выше, больше людей вовлечено в производственные процессы, что положительно влияет на объем производства и, соответственно, экспорта. Экспорт отрицательно зависит от площади территории в связи с тем, что в структуре экспорта РФ преобладает нефть и природный газ, но среди регионов, богатых нефтью и газом, присутствуют как крупные, так и небольшие субъекты (например, Республика Татарстан). Коэффициент -0,11 отчасти является отражением соотношения площадей субъектов – экспортеров нефти и газа, показывая, что среди них преобладают субъекты меньшего размера, и крупные субъекты «не уравновешивают» их в полной мере.

Проверка спецификации модели на пропущенные переменные

Тест Рамсея

Гипотезы для модели Экспорт = -107,66 + 0,49 * Численность рабочей силы – 0,11 * Площадь территории:

Н₀: модель правильно специфицирована

Н₁: модель неправильно специфицирована

Проведен тест Рамсея: F (3, 61) = 2,90; Prob > F = 0,0421. Поскольку p-значение для тестовой статистики равно 0,0421, то основная гипотеза отвергается, т. е. спецификация модели является неверной.

Далее был проведен тест Рамсея для моделей с численностью рабочей силы в -1 и в 2 степенях, для площади территории в 2, -1, -2 степенях. Тест показал, что нет смысла изменять регрессор численность рабочей силы: качество модели либо не меняется, либо ухудшается; включение в модель регрессора площади территории с отрицательной степенью оказалось эффективно. При этом нет смысла увеличивать степень по модулю, т. к. это незначительно влияет на качество модели. Дополнительно была проведена проверка модели на мультиколлинеарность. VIF обоих факторов равен 1,05, что говорит об отсутствии мультиколлинеарности в модели.

Таким образом, при тестировании модели Экспорт = -126,85 + 33,24 * Площадь территории^(-1) + 0,49 * Численность рабочей силы на пропущенные переменные гипотеза о правильной спецификации не отвергается. Данная функциональная форма модели является приемлемой и может рассматриваться как итоговая.

Заключение

В ходе работы была проанализирована зависимость показателей экспорта регионов РФ в 2016 году от валового сбора зерна, а также от других факторов, таких, как: площадь территории субъекта, численность рабочей силы в возрасте 15-72 лет, индекс промышленного производства. С помощью оценки значимости факторов и подбора подходящей спецификации была получена наиболее точная модель: Экспорт = -126,85 + 33,24 * Площадь территории^(-1) + 0,49 * Численность рабочей силы. Полученная модель демонстрирует гиперболическую зависимость экспорта от площади территории региона, что может быть результатом того, что в структуре экспорта РФ преобладает нефть и природный газ, а среди регионов, богатых нефтью и газом, присутствуют субъекты с небольшой площадью (например, республика Татарстан).

Гипотеза 1 не отвергается, поскольку региональный валовой сбор зерна действительно оказался значимым фактором, влияющим на общий региональный экспорт в страны СНГ.

Гипотеза 2 также не отвергается: хотя региональный валовой сбор зерна оказался значимым фактором, в целом качество парной модели регрессии низкое; кроме того, при включении в модель других регрессоров, также используемых в различных работах на данную тематику, его значимость снижается. Это ожидаемый результат, поскольку основу экспорта РФ составляют нефть и газ.

Важным результатом является выявление высокой значимости регрессора численности рабочей силы, от которого экспорт зависит положительно и линейно. Если площадь территории региона – фактор стационарный, на который повлиять затруднительно, то численность рабочей силы – тот показатель, который может быть скорректирован с целью повышения объема экспорта в отдельных регионах. Для этого, во-первых, необходимы более активные действия со стороны власти в отношении повышения уровня рождаемости, что увеличит численность рабочей силы в целом. Во-вторых, если стоит цель повышения экспорта в каком-либо конкретном региона, решением данного вопроса может быть стимулирование притока рабочей силы в данный регион путем различных социальных программ, например, предоставление жилья молодым специалистам и т. п.