Применение экономико-статистических методов для определения региональной потребности в материальных ресурсах на стадии предплановых расчетов

Страница 2

Как показали проведенные нами исследования, более эффективным инструментом прогнозирования региональной потребности в материальных ресурсах являются многофакторные регрессионные экономико-статистическое модели. Преимущества модельных прогнозов потребности в материальных ресурсах заключаются в непротиворечивости системы прогностических оценок, прямом выражении связи прогнозируемого показателя с основными влияющими факторами, а также в возможности получения обоснованных вариантов прогноза для различных значений определяющих факторов, гипотез развития экономики. Использование экономико-статистических моделей регионального ресурсопотребления расширяет прогнозно-аналитические возможности, связанные с реализацией нормативного метода, позволяет осуществлять аналитические расчеты в условиях неопределенности, с меньшим объемом исходной информации в более короткие сроки.

Для прогнозирования перспективной потребности в материальных ресурсах по хозяйству страны и ее регионов целесообразно использование двух различных подходов, которые могут быть определены как макро- и микроэкономический. В первом случае прогнозирование осуществляется исходя из целевых установок (показателей) развития экономики в целом или агрегированных отраслей, а также на основе показателей потребности по территориально-хозяйственной системе более высокого уровня, во втором случае - путем раздельного прогнозирования и последующего суммирования частных (отраслевых) показателей потребности в материальных ресурсах исходя из перспектив технического и экономического развития отдельных отраслей (сфер) экономики.

Ориентация при прогнозировании потребности в материальных ресурсах на укрупненные (агрегированные) показатели развития экономики целесообразна на начальных этапах предплановых расчетов, характеризующихся, с одной стороны, наличием укрупненных (макроэкономических) показателей, с другой стороны, отсутствием детальной информации о техническом и экономическом развитии отдельных отраслей, регионов и сфер экономики. Более того, значения таких параметров нередко сами являются результатом рассматриваемых расчетов и определяются на последующих этапах предплановых исследований исходя из необходимости обеспечения достижения задаваемых контрольных показателей. В этих условиях укрупненный макроэкономический подход обеспечивает возможность проведения расчетов при существенной неопределенности, отсутствии детальной технико-экономической информации, а также увязку показателей перспективной потребности с основными показателями развития хозяйства страны, республики и отдельных регионов.

3. Выбор модели прогнозирования

Применение микроэкономического подхода целесообразно при определении показателей перспективной потребности в материальных ресурсах по определенным направлениям их расхода. В качестве инструментов макро и микроэкономического прогнозирования могут быть применены статистические регрессионные модели двух типов:

1) Модели, использующие в качестве исходной информации временные ряды темпов роста соответствующих показателей;

2) Модели, использующие в качестве исходной информации значение показателей экономического и социального развития по различным регионам в определенный фиксированный момент времени (такие модели могут быть определены как пространственные).

Вопросы построения и использования для прогнозирования региональной потребности в материальных ресурсах моделей регрессии на динамических рядах достаточно хорошо разработаны в экономической литературе. Модели же пространственного типа до настоящего времени не получили ни должной разработки в экономической литературе, ни практического применения в сфере территориальных предплановых расчетов.

В то же время, как показали исследования, пространственные регрессивные модели могут быть весьма эффективным инструментом прогнозирования региональной потребности в материальных ресурсах на уровне экономики такого региона, как Урал или Западная Сибирь. При этом важно отметить, что экономико-статистические модели пространственного типа имеют ряд преимуществ при решении задач прогнозирования региональной потребности в материальных ресурсах по хозяйству края по сравнению с моделями регрессии на динамических рядах. Эти преимущества заключаются в возможности использования в модели значительно большего числа независимых переменных (факторов), в возможности использования для построения многофакторных динамических моделей коротких временных рядов, в возможности фиксации взаимосвязей исследуемых переменных только на последние годы (год) ретроспективного периода, а такое а удобстве их практического использования.

Как показал анализ, правосторонняя асимметрия распределений показателей территориального потребления материальных ресурсов в экономике России и различных характеристик регионального экономического развития, а также наличие сильно выделяющихся единиц в совокупности регионов обусловливает эффективность применения при построении пространственных моделей потребления материальных ресурсов логарифмически линейных форм связи, позволяющих приблизить эмпирические распределения значений признаков к нормальному, а также смягчить влияние на результаты моделирования сильно выделяющихся единиц совокупности, так как в этом случае при применении метода наименьших квадратов они не получают столь больших удельных весов, как в случае линейной регрессии.

4.Пример использования экономико-математических методов прогнозирования

Рассмотрим в качестве примеров пространственных прогнозно-аналитических моделей регионального потребления материальных ресурсов две разработанные нами экономико-статистические модели: модель регионального потребления котельно-печного топлива в экономике России и модель регионального потребления котельно-печного топлива на коммунально-бытовые нужды.

Моделирование регионального потребления котельно-печного топлива в экономике России основывалось на анализе взаимосвязей данного показателя с показателями развитая отраслей материального производства в регионах. В качестве независимых переменных модели использовались показатели производства товарной продукции основных топливопотребляющих отраслей промышленности, а также показатели объема строительно-монтажных работ и производства валовой продукции сельского хозяйства. Построение модели осуществлялось с помощью процедуры многошагового регрессионного анализа. В качестве исходного использовалось девятифакторное регрессионное уравнение вида:

ln y = ln a0 + a1*ln x1 + a2*ln x2+a3*ln x3+ a4*ln x4+a5*ln x5+ +a6*ln x6+a7*ln x7+a8*ln x8+a9*ln x9

где y - общий объем потребления котельно-печного топлива в регионе;

а1 - свободный член уравнения регрессии;

а1 .а9 - коэффициенты эластичности, каждый из которых показывает средний процент изменения общей величины потребности при изменении значения i-го фактора на 1%;

х1 - объем производства товарной продукции электроэнергетики;

х2 - объем производства товарной продукции черной металлургии;

х3 - объем производства товарной продукции топливной промышленности;

х4 - объем производства товарной продукции промышленности строительных материалов;

х5 - объем производства товарной продукции химической и нефтехимической промышленности;

х6 - объем производства товарной продукции машиностроения и металлообработки;

х7 - объем производства товарной продукции остальных отраслей промышленности;

х8 - объем строительно-монтажных работ;

х9 - объем производства валовой продукции сельского хозяйства.

Результаты проведенного многошагового регрессивного анализа приведены в таблице·1. Как видно из приведенных данных, все коэффициенты регрессии становятся значимыми ухе на второй итерации (после исключения из уравнения фактора х5). В то же время последовательное исключение из уравнения регрессии факторов, имеющих минимальное значение t -критерия, позволяет без существенных потерь в аппроксимирующей способности получить более простые модели, требующие относительно меньшего объема экзогенно задаваемой информации.