Library
|
Your profile |
Theoretical and Applied Economics
Reference:
Elshin L.A.
Methodical Approaches to Multilevel Assessment of Business Activity and its Influence on Industrial Development of Regional Economic Systems (the Case Study of the Republic of Tatarstan)
// Theoretical and Applied Economics.
2017. № 2.
P. 54-63.
DOI: 10.25136/2409-8647.2017.2.22723 URL: https://en.nbpublish.com/library_read_article.php?id=22723
Methodical Approaches to Multilevel Assessment of Business Activity and its Influence on Industrial Development of Regional Economic Systems (the Case Study of the Republic of Tatarstan)
DOI: 10.25136/2409-8647.2017.2.22723Received: 19-04-2017Published: 13-07-2017Abstract: Analysis of regions' business activity is an important research issue that hasn't been solved and still requires a certain commonly accepted approach. The other issue which is also important both practically and theoretically is the selection of methods aimed at identifying the influence of regions' business activity on development indicators of certain economic sectors. Solution of these issues is the aim of the present research. The object of the research is region's business activity (based on the example of the Republic of Tatarstan) and its influence on the development of regional economic systems. The subject of the research involves methods of defining and modeling business activity of the region as well as assessing its impact on development indicators of separate types of economic activity. The author examines such aspects of the topic as identification of factors that develop parameters of regional economic systems' business activity, and analysis of intraregional particularities that define the change in index pathways of business activity that express changes in expectations of economic agents. The author pays special attention to the issues of economic and mathematical modelling to assess the impact of cyclically generated trends of region's business activity on development pathways of certain industries in a region. The research method used by the author is based on using tools of the cross-correlation analysis of the main systematically important factors influencing the process of assessing region's business activity as well as the tools of the statistical analysis and other special methods promoting determination and search for interrelations between the studied statistical ranks. The novelty of the research is caused by the fact that the author develops a conceptual approach to identifying parameters of business activity based on modelling expectations of economic agents and using methods of the cross-correlation analysis. The author's contribution to the topic is that he has developed methodical approaches to determining and describing interrelations of separate types of economic activity of the region with the parameters of business activity formed at the regional level. Keywords: business activity of the region, expectations of economic agents, competitiveness, modeling and forecasting, sensitivity of sectors of economy, cross-correlation analysis, regional economy, modeling of integrated indicators, taxonomical analysis, factor analysisThis article written in Russian. You can find original text of the article here .
Публикация подготовлена в рамках поддержанного РГНФ научного проекта №15-32-01353. Вопросы анализа, диагностики и прогнозирования циклов деловой активности в контексте изучения и моделирования региональных экономических систем к настоящему моменту времени не нашли общепринято решения в научном сообществе ввиду малой степени освоения данного направления научных исследований [1, 2]. Между тем решение поставленных вопросов позволит сформировать и оптимизировать систему методических подходов к прогнозированию социально-экономического развития регионов, усовершенствовать разработку программ государственного управления региональной экономикой, стратегии развития на кратко- и среднесрочный периоды с учетом идентификации и оценки влияния на тренды экономического развития циклически корректирующихся во времени параметров деловой активности региональных экономических систем. В России есть несколько примеров составления и публикации индексов, оценивающих деловую и экономическую активность на национальном уровне: индекс предпринимательской уверенности, индекс деловой активности Ассоциации менеджеров (АМР), индекс предпринимательских ожиданий и другие [3]. На региональном уровне подобная работа практически не ведется. А между тем региональная экономика сталкивается со своим особым кругом проблем, обусловленных направленностью и спецификой экономики каждого конкретного региона, и использовать национальные показатели для оценки региональной экономики не совсем корректно [4]. Поэтому необходимо разрабатывать региональные индексы, которые бы учитывали специфику факторов и механизмов развития региональных экономических систем, а также формировали базис для разработки и научного обоснования прогностических оценок развития региона в условиях его вертикальной и горизонтальной интегрированности в систему формирования добавленной стоимости макро- и мезоуровня. Учитывая, что регионы, в силу целого ряда причин, по-разному адаптируются и реагируют на любые изменения, происходящие в том числе и в рамках национальной и/или глобальной социально-экономической среды, характер и траектории их развития будут иметь персонифицированные особенности, включая и деловую активность их систем. Таким образом для углубленного изучения деловой активности на региональном уровне требуется фундаментальный анализ широкого спектра факторов, обуславливающих ее чувствительность к ним, а также предопределяющих формирование каналов распространения деловой активности других экономических систем, взаимоинтегрированных в конкретную региональную экономику. Познание и научное обоснование данного процесса позволит оптимизировать решение целого ряда вопросов, в области регулирования и «ручного управления» фазами циклического развития деловой активности региона, в случае возникающей порой необходимости придания дополнительных импульсов корректировки формирующегося краткосрочного экономического цикла, генерирующегося в результате последовательных трансформаций параметров деловой активности. Важным является и то, что к настоящему моменту времени в теории региональной экономики так и не сформирован единый методологический подход, раскрывающий особенности измерения, оценки и сопоставления деловой активности в разрезе отдельных региональных экономических систем, в том числе и в их взаимосвязи на макро- и мезоуровне. На наш взгляд решить поставленную задачу можно путем комплексной идентификации ожиданий экономических агентов, в концентрированном виде, выражающих деловую активность в кратко-, средне- и долгосрочной перспективах, генерирующих, в свою очередь, экономические циклы регионов соответствующей амплитуды. В случае, если ожидания можно выразить в единой системе статистического измерения, то их сопоставление между собой в территориальном (горизонтальном) и макроэкономическом (вертикальном) разрезах позволяет обнаружить характер взаимосвязей между ними. Несомненно, выдвинутая гипотеза решения поставленной задачи обнаружения характера взаимосвязи между деловой активностью различного территориального (а также иерархического) уровня требует, помимо своего непосредственного обоснования, разработку методологического инструментария, формирующего основу доказательной базы. Идея о том, что изменение фазы деловой активности происходит не мгновенно, а относительно постепенно с учетом корректирующихся во времени ожиданий экономических агентов, сформировалась довольно таки давно – во второй половине двадцатого века. Представители традиционных и нетрадиционных теорий экономического роста полагали, что изменения в ожиданиях экономических агентов формируют устойчивые основы для макроэкономических сдвигов, ускорение/замедление которых мультиплицируется на процессы фазовых сдвигов циклического развития экономических систем. При этом одной из главных методологических задач, решению которых посвящены многие научные труды данных теорий, является поиск ключевых, системообразующих факторов, корректировка которых формирует соответствующие сдвиги в ожиданиях и, соответственно, определяет тренды деловой активности хозяйствующих субъектов. Понимание и идентификация данных факторов, генерация которых опережает общеэкономичекую динамику, позволяет выделить с определенным лагом перспективные сдвиги в экономическом развитии системы, что формирует базовые основы не только для разработки системы прогностических оценок, но и понять логику предстоящих трансформаций. На теоретическом уровне подобные показатели, количественно отражающие рассматриваемую совокупность факторов, классифицируют как опережающие показатели, а полученные на их основе агрегированные индексы – интегральные индексы опережающего развития [5]. Мы будем понимать под сводным (интегральным) индексом деловой активности комплексный показатель, рассчитываемый на основе комбинации относительных величин ряда статистических показателей. Каждая составляющая в обобщающем индексе должна иметь свой вес. Значения весовых коэффициентов могут быть определены на основе достаточно широкого спектра методов, используемых в теории статистического анализа (к ним, к примеру, можно отнести методы корреляционного и факторного анализа, ранжирование параметров, решение задач математического программирования и т. д.) [6]. Однако на наш взгляд, наиболее передовым к настоящему моменту времени является метод, основанный на расчете расстояний между точками изучаемого многомерного пространства, уровень которых определяется на основании участвующих в модели факторов. Данный метод получил название «таксономический метод». [2]. Расстояния между факторами определяются по формуле: (1)
где - расстояние между факторами и . Финальная структура матрицы, отражающей изучаемые расстояния между факторами имеет следующий вид: После реализации процедуры оценки значений матрицы расстояний определяется критическое расстояние, характеризующее максимальное расстояние между анализируемыми факторами [3]: Далее, для каждого признака находят сумму всех расстояний, не превышающих критического расстояния:
Тогда весовые коэффициенты рассчитываются по формуле:
В используемой нами методике под деловой активностью понимается комплексная и динамическая характеристика объектов оценки, которая отражает эффективность использования материальных, трудовых, финансовых, производственных и других ресурсов региона по всем направлениям деятельности и характеризует качество управления, достаточность капитала и возможности экономического роста. Применяемая в данном исследовании методика основана на применении факторного подхода, то есть выявлении набора факторов, влияющих на уровень и динамику деловой активности региона. При таком подходе сначала анализируемые факторы объединяются в субиндексы, которые представляют собой сумму множества средневзвешенных оценок по анализируемым компонентам [4]. На основе этой системы индикаторов, характеризующих определенные виды деятельности, и индексного метода рассчитывается интегральный (композитный) или сводный индекс - «Индекс деловой активности региона (ДАР)», определяющий уровень деловой активности объекта оценки (региона) в целом. Исходя из анализа опережающего воздействия на экономическое развитие территориальных систем, был принят следующий состав показателей сводного опережающего индекса, определяющего, в конечном итоге, значение показателя деловой активности региона (на примере Республики Татарстан). Первая группа включила в себя показатели, характеризующие изменения капитала и сформировала индекс изменения капитала: индекс потребительских цен, средневзвешенная процентная ставка по кредитам свыше 1 года, предоставленным кредитными организациями нефинансовым организациям. Вторая составляющая сводного опережающего индекса – фондовый индекс РТС, основной индикатор фондового рынка России, определяется в долларах США. Третья группа индикаторов сформировала так называемый ресурсный индекс. Она характеризует внутренний резерв экономики региона. В состав этого индекса, в контексте моделирования деловой активности Республики Татарстан, вошли следующие показатели: темп роста добычи топливно-энергетических полезных ископаемых, объем химического производства, курс акций ОАО Татнефть. В четвертую группу индексов, формирующих производственный индекс вошли: темп роста объема отгруженных товаров собственного производства, выполненных работ и услуг собственными силами, грузооборот автотранспорта предприятий всех видов деятельности, товарные запасы в организациях на конец периода. При выборе макроэкономических показателей, положенных в основу оценки индекса деловой активности региона, стоит учитывать, что в реальной ситуации некоторые показатели могут взаимозаменяться, дополняться, исключаться в зависимости от экономической политики и характера экономического развития исследуемого объекта, а также доступности статистической базы по необходимым экономическим показателям [5]. На этапе определения значений субиндексов все факторы, входящие в их состав, подвергались «взвешиванию» в целях повышения уровня объективности получаемых оценок. При этом веса, в данном случае, рассчитывались на основе соотношения текущих значений показателей, выраженных в темпах роста к предыдущему периоду времени, к сумме таких темпов роста по всем составляющим показателям субиндекса. Рассчитанные значения субиндексов по Республике Татарстан приведены в таблице 1. Подробный алгоритм и его описание представлены в более ранних трудах [6].
Таблица 1 - Расчет субиндексов – четырех составляющих «Индекса деловой активности региона»
После проведения процедуры сезонного сглаживания сформировавшихся временных рядов, характеризующих динамику соответствующих субиндексов, стало возможным перейти к расчету конечного сводного индекса деловой активности региона. Сводный индекс деловой активности региона (ДАР) складывается из рассчитанных рядов индикаторов, или субиндексов деловой активности с учетом ранее определенных значений их весовых коэффициентов. В формульном виде расчет индекса ДАР выглядит следующим образом [8]: где Ii - значение интегрального индекса деловой активности в i-м месяце; i – значение периода (месяца в нашем случае); Iкi –субиндекс изменения капитала в i-м месяце; Iфi –субиндекс, оценивающий параметры изменения на фондовых биржах в i-м месяце; Iрi –ресурсный субиндекс в i-м месяце; Iпi– производственный субиндекс в i-м месяце; Wк, Wф, Wр, Wп – весовые коэффициенты соответственно субиндекса изменения капитала, а также производственного, ресурсного и фондового субиндексов. На данном этапе исследования веса определенной компоненты (субиндекса) определялись в соответствии с ранее представленным алгоритмом, в основе которого лежит таксономический метод. Результаты реализованных оценок, характеризующих удельные веса соответствующих субиндексов, участвующих в определении интегральных значений индекса деловой активности региона, представлены в таблице 2.
Таблица 2 – Значения весовых коэффициентов субиндексов сводного индекса деловой активности региона
Применение в модели определения индекса ДАР полученных значений весовых коэффициентов, а также полученные ранее значения соответствующих субиндексов, позволило осуществить финальные расчеты, результаты которых представлены в таблице 3 и рисунке 1.
Таблица 3 – Ежемесячные значения индекса ДАР за период 2014-2016гг. (сглаженный ряд)
Рисунок 1 - Индекс деловой активности Республики Татарстан за период 2014-2016гг.
В соответствии с представленной графической иллюстрацией динамики деловой активности можно наблюдать ее снижение вплоть до конца 2015 – начала 2016 года с последующим ее оживлением и переходом в фазу роста с середины 2016 г. Отрицательная динамика тренда рассматриваемого динамического ряда была вызвана накопившимися в предшествующие периоды структурных проблем, обострение которых более отчетливо проявилось в результате трансформации в период 2014- середины 2016гг. конъюнктурных и фундаментальных условий хозяйствования. Однако реализация целого ряда государственных программных мероприятий, направленных на поддержку финансового сектора, перехода к плавающему курсу рубля и т. п., во многом способствовали адаптации экономических агентов к новым сложившимся реалиям, что нашло свое отражение в переходе из фазы отрицательной динамики деловой активности – в положительную. Подтверждением этому служит наблюдаемый с февраля-марта 2016 года рост полиномиальной кривой, характеризующей возрастающий тренд рассматриваемого индикатора. Учитывая, что индекс ДАР строится на основе мониторинга конъюнктурных изменений на внешних и внутренних рынках макро- и мезоуровня можно с полной уверенностью утверждать, что разрабатываемая модель влияния воздействия внешних и внутренних, по отношению к изучаемой региональной системе, «импульсов» на их развитие способствует не только решению вопросов в сфере идентификации деловой активности, но и определению перспективных трендов экономического роста в целом, или отдельных видов экономической деятельности региональных систем в частности. Апробация выдвинутого концептуального подхода представлена ниже, в рамках реализации серии экономико-математических расчетов, направленных на определение тесноты связи между ИПП и ДАР. Важным в процессе реализации расчетов и оценок, направленных на определение уровня подобного рода зависимостей (измерению влияния динамики показателя, оценивающего деловую активность и темпами роста промышленных секторов экономики региона), является то, что на начальном этапе целесообразным представляется выявление наиболее перспективных, с точки зрения логики экономико-математического моделирования, агрегированных видов промышленных производств, характеризующихся высокими коэффициентами эластичности к корректировкам ожиданий экономических агентов. Данный шаг обусловлен необходимостью достижения более качественных и статистически значимых оценок, получаемых в процессе решения поставленной задачи. Результаты корреляционного анализа, идентифицирующего уровень взаимосвязи между исследуемыми статистическими рядами, оценивающими темпы роста промышленного производства в разрезе отдельных его укрупненных составляющих и индексом деловой активности региона в диапазоне 2014-2016гг. представлены в таблице 4.
Таблица 4 - Коэффициенты корреляции, между статистическими рядами, оценивающими темпы роста сводного индекса деловой активности региона (ДАР) и темпами роста промышленных секторов экономики Республики Татарстан
Представленные оценки демонстрируют то, что наибольший уровень взаимосвязи между анализируемыми рядами характерен для предприятий обрабатывающего сектора промышленных производств. Это, в свою очередь, предопределило дальнейший выбор параметров статистического анализа, в основе которого определена попытка оценки влияния изменений в ожиданиях экономических агентов, генерирующих их деловую активность, на развитие именно данного сектора промышленной экономики Республики Татарстан. В основе структурно-логического подхода к проведению необходимых оценок, лежат методы эконометрического анализа, подробное описание и апробирование которых представлено в более ранних наших работах [8, 11, 16]. В его основу заложен принцип, раскрывающий взаимосвязь между динамикой роста промышленных секторов экономики и их темпами в прошлые периоды, а также темпами роста значений индекса деловой активности региона, как главного индикатора, отражающего ожидания экономических агентов. Крайне важным элементом проведения подобного рода оценок является возможность определения степени реакции того или иного сектора промышленной экономики региона к циклически изменяющимся параметрам деловой активности региональных экономических агентов. Это, во многом, способствует определению уровня их конкурентоспособности и перспектив устойчивого развития в случае генерирующихся различного рода внешних и внутренних импульсов, оказывающих воздействие на модели поведения хозяйствующих субъектов. Кроме того, понимание тесноты связи между темпами роста того или иного промышленного сектора экономики и деловой активности региона позволяет в значительной степени совершенствовать механизмы прогнозирования и сценарного моделирования циклического развития региональной экономики [12, 13, 14]. Руководствуясь данным подходом, обосновывающим возможность диагностирования развития промышленных секторов экономики в результате корректировок деловой активности, на примере предприятий обрабатывающей промышленности Республики Татарстан осуществлены расчеты и оценки, устанавливающие наличие такой взаимосвязи и ее величины.
Таблица 5 - Регрессионная статистика модели
где P [2] – темпы роста обрабатывающей промышленности региона с лагом в 2 месяца; ДАР [3] – темпы роста сводного индекса деловой активности региона с лагом в 3 месяца.
Наглядное представление реализованных эконометрических оценок помогает увидеть, что расчетная регрессия в достаточной степени хорошо аппроксимирует исходный ряд. Соответствующий коэффициент детерминации равен 0,769, – значения меньше заданного уровня значимости 0,05. Следовательно, наше уравнение адекватно описывает исходные данные. Интерпретация полученных оценок демонстрируют и подтверждают ранее высказанные гипотезы о наличии взаимосвязи между исследуемой совокупностью статистических показателей. При этом данная взаимосвязь носит весьма ограниченный характер (приирост индекса Дар на 1% приводит к приросту ИПП на 0,09%). Невысокий уровень эластичности между интегральным индексом деловой активности и темпами роста обрабатывающей промышленности в регионе может свидетельствовать о значительном уровне мер государственного регулирования промышленной политикой, выраженной, в том числе, в значительной поддержке промышленных секторов экономики в период кризиса и ослабленным воздействием в периоды оживления и подъема. Кроме того, данный уровень эластичности может свидетельствовать и о высоком уровне ориентированности предприятий обрабатывающей промышленности региона на внешние рынки, что в значительной степени нивелирует эффект падения/роста спроса в результате снижения/активизации деловой активности резидентов региона. Крайне важным и познавательным, как с научной, так и с практической точек зрения, является возможность определения уровня чувствительности отдельных секторов экономики к изменяющимся индексам деловой активности региона. Это в значительной степени расширяет рамки проведения анализа их конкурентоспособности и устойчивости развития в результате трансформации и воздействия на них внешних и внутренних факторов, запускающих механизмы генерации деловой активности экономических агентов [15]. В качества иллюстрации данного подхода в работе представлены оценочные расчеты основных параметров эконометрической модели, определяющей взаимосвязь между динамикой роста объемов производства химической промышленности Республики Татарстан и деловой активностью региона. P = 86,12+0,112P [1] + 0,093ДАР[2] (R2 = 0,7821), где P – темпы роста химического производства (сглаженный ряд); ДАР – темпы роста сводного индекса деловой активности региона. [1, 2] – лаговые значения (месяцев)
Таблица 6 – Регрессионная статистика модели
Руководствуясь предложенными методическими подходами определения взаимосвязи между темпами роста промышленного производства и деловой активностью региона реализованы подобные оценки в разрезе других видов экономической деятельности, относящихся к обрабатывающей промышленности. В таблице 7 представлены основные итоги расчетов, демонстрирующие значения коэффициентов при одном из экзогенных параметров регрессионной модели – индекса ДАР. В таблицу вошли виды обрабатывающей промышленности региона, «участие» которых в процессе эконометрического моделирования соответствовало параметрам адекватного, с точки зрения статистического анализа, описания построенных уравнений регрессии.
Таблица 7 - Значения коэффициентов при факторе, оценивающим деловую активность региона
Полученные результаты демонстрируют, что различные сектора обрабатывающей промышленности имеют дифференцированный характер чувствительности к изменяющимся параметрам деловой активности региона. Ряд из них имеют имею значительную степень реагирования на ожидания экономических агентов, другие менее подвержены данного рода изменениям. Выявленная дифференциация во многом способствует определению логики траекторий развития отдельных промышленных секторов экономики, что формирует устойчивые основы определения мер государственного воздействия на них в условиях различного рода фазовых сдвигов экономических циклов. Кроме того, полученные оценки способствуют разработке адаптивных механизмов прогнозирования и сценарного моделирования экономики региона в различных фазах их циклического развития. Работа выполнена за счет средств субсидии, выделенной Казанскому федеральному университету для выполнения государственного задания в сфере научной деятельности
References
1. Il'ina T.S. Metody issledovaniya regional'nykh sotsial'no-ekonomicheskikh sistem / T.S. Il'ina // Vestnik Chuvashskogo universiteta. Gumanitarnye nauki. 2012. №4. S. 366-369. 0,25 p.l.
2. Smirnov S.V., Frenkel' A.A., Kondrashov N.V. Indeksy regional'noi ekonomicheskoi aktivnosti. Voprosy statistiki. 2016. № 12. S. 29-38. 3. Zil'bershtein L.V. Razrabotka regional'nogo indeksa delovoi i ekonomicheskoi aktivnosti (na materialakh Samarskogo regiona) / L.V. Zil'bershtein, E.V. Chebotareva // Zhurnal «Ekonomicheskie nauki». – 2010.-№ 6(67). – s. 122-127. 4. Zhikharevich B.S. Institutsional'noe izmerenie regional'nogo sotsial'no-ekonomicheskoe prostranstva: podkhod k issledovaniyu// Ekonomika Severo-Zapada: problemy i perspektivy.-2011.-№ 2 – 3.-S. 47. 5. Golovina O. D. Opredelenie prognosticheskikh svoistv nabora sovpadayushchikh i operezhayushchikh indikatorov / O.D. Golovina Kh. Z. Badash, Yu. N. Polyakov // Vestnik Udmurtskogo universiteta. – 2009. – № 2 (2). – s. 144 – 150. 6. Anoshin I. Indeksy delovoi aktivnosti v Rossii / I. Anoshin // Makroekonomika.– 2004. – № 10 (12). – s. 20 – 21. 7. Dubovitskii S.V. Prognozirovanie ekonomicheskogo rosta i finansovoi dinamiki v usloviyakh globalizatsii i nestabil'nosti //Obshchestvo i ekonomika. – 2005.-№ 3. – S. 129-136. 8. Safiullin M.R., El'shin L. A., Prygunova M.I Vliyanie ozhidanii ekonomicheskikh agentov na parametry tsiklicheskogo razvitiya ekonomiki pri razlichnykh tipakh strukturnogo neravnovesiya // Izvestiya DVFU. Ekonomika i upravlenie.-2016.-№4. – S. 50–64 9. Zherebin V. Vremennye i mezhregional'nye sopostavleniya pokazatelei urovnya zhizni naseleniya // Voprosy statistiki. – 1998.-№2. – S. 16-23. 10. Solov'eva Yu. V. Mnogofaktornaya model' delovoi aktivnosti //Zhurnal ekonomicheskoi teorii. 2008. №2. S. 184-195 11. Safiullin M. R., El'shin L. A., Shakirova A. I. Otsenka delovoi i ekonomicheskoi aktivnosti kak instrument kratkosrochnogo prognozirovaniya / Vestnik Rossiiskoi akademii nauk. 2012. T. 82. №7. S. 623 12. Yakovets Yu.V. Tsikly. Krizisy. Prognozy—M: Hauka. 1999. – 448s. 13. Chase-Dunn C. and Willard A. Systems of Cities and World-Systems: Settlement Size Hierarchies and Cycles of Political Centralization, 2000 BC-1988 AD. A paper presented at the annual meeting of the International Studies Association, Acapulco March 24-27,1993 14. Thompson W. S-waves, central-hinterland conflict, and regime change in the Ancient Near East: Early impacts of globalization processes? Paper prepared for the annual meeting of American Schools of Oriental Research, Denver, Colorado, November, 2001 15. Vaiber R. Empiricheskie zakony setevoi ekonomiki // Problemy teorii i praktiki upravleniya. – 2003. – №3. – S. 87–91 16. Safiullin M., Elshin L., Prygunova M. Methodological approaches to forecasting the mid-term cycles of economic systems with the predominant type of administrative-command control. Journal of Economics and Economic Education. Volume 17 Special issue 2 c. 277-287 |