Дипломная работа: Экономическая эффективность использования мегапроектов с целью поиска точек соприкосновения между регионалистикой и экономикой

8) Собственные доходы консолидированного бюджета региона (в сопоставимых ценах)

Данный показатель характеризует сумму денежных средств, поступающих в консолидированный бюджет субъекта за один год. Чем больше доходная часть, тем больше региональные власти смогут расходовать средств на развитие своего региона, в том числе оказывая поддержку различным отраслям промышленности и бизнес-структурам. Также властям станет легче соблюсти условия для сбалансированности бюджета.

Доходная часть консолидированного бюджета состоит из собственных доходов и безвозмездных поступлений из других бюджетов бюджетной системы. Интересно рассмотреть именно показатель собственных доходов, поскольку это именно та сумма денежных средств, которая генерируется на территории субъекта и поступает в его бюджет в качестве налогов и иных неналоговых поступлений. При реализации мегапроекта должен наблюдаться рост налоговых поступлений, которые исходят от фирм, вовлеченных в постройку объектов, а также от работников, которые получают заработную плату. Параметр собственных доходов консолидированного бюджета будет выступать в качестве зависимой переменной во второй части анализа, что позволит определить влияние на него других показателей, которые в модели будут выступать в качестве независимых переменных. Таким образом получится выявить положительный или отрицательный эффект реализации мегапроекта на доходную часть бюджета, а это, в свою очередь, поможет сделать вывод об эффективности такого инструмента развития территории, как мегапроект.

9) Оборот розничной торговли (в сопоставимых ценах)

Этот показатель представляет собой объем продажи населению потребительских товаров за наличный расчет. Иллюстрацией показателя служит рис. 5. Во время проведения такого масштабного события, как Саммит АТЭС, ожидается приток туристов и иных заинтересованных лиц (посетители саммита, инвесторы и т.д.).

Оборот розничной торговли в регионе должен увеличиться, что благоприятно скажется на выручке предпринимателей, задействованных в торговле, в свою очередь это увеличит их возможности для расширения бизнеса, а также сумму налоговых поступлений в бюджет субъекта - что и произошло в Приморском крае (рис. 5). Таким образом, данный показатель имеет прямую зависимость от мегапроекта и способен оказать влияние на ВРП и бюджет региона.

2.3 Корреляционно-регрессионный анализ влияния мегапроекта на макроэкономические показатели развития региона

Определив и кратко описав зависимые и независимые переменные, следует провести корреляционный анализ рядов данных для определения тесноты связей между исследуемыми величинами. Если связь слишком сильная, то такие переменные не следует использовать при регрессионном анализе, ввиду того, что эта связь необязательно будет описываться экономическим обоснованием, и в тоже время статистическая модель посчитает ее определяющим фактором. При этом результаты регрессионного анализа не будут достоверными. Аналогичная ситуация случается, если связь между факторами слишком слабая.

Для проведения корреляционного анализа построим матрицу парной корреляции зависимых и независимых переменных (табл. 1). Для удобства восприятия использованы различные цвета, отображающие тесноту связи факторов. территориальный мегапроект макроэкономический бюджетный

Приведенная матрица показывает тесноту связи между переменными, по которой можно выбрать те переменные, которые подходят для дальнейшего анализа. Знак «-» означает, что связь между переменными обратная. К примеру, обратная связь наблюдается между такими показателями как численность безработных и количество предприятий в регионе. Это обосновывается тем, что при увеличении количества предприятий, численность безработных падает.

Для отбора необходимых показателей дадим тесноте связей между переменными качественную оценку, воспользовавшись шкалой Роберта Чеддока (табл 2). С помощью шкалы Чеддока определим те независимые переменные, которые не будут перегружать регрессионную модель излишней множественной корреляцией и не имеют слишком тесной связи с зависимыми переменными.

Табл. 1. Матрица парной корреляции переменных (выполнено автором)

Табл. 2 Шкала Чеддока

Таким образом получаем, что для определения влияния мегапроекта на ВРП региона будут использованы следующие показатели: численность безработных, инвестиции в основной капитал, затраты на научные исследования, миграционный отток. Выбранные показатели не имеют слишком высокой степени связи между собой, равно как и с зависимой переменной, которой является показатель ВРП. Построенная таблица парной корреляции переменных позволяет также определить параметры, которые будут использованы для оценки эффекта реализации мегапроекта на собственные доходы консолидированного бюджета. Во второй части регрессионного анализа будут использованы три независимые переменные: численность безработных, инвестиции в основной капитал и показатель миграционного оттока населения, поскольку их сила связи с зависимой переменной наименьшая, но при этом не слабая.

Регрессионный анализ (часть 1)

В данном варианте регрессия представляет собой уравнение из пяти переменных, среди которых четыре независимые и одна зависимая, влияние на которую будет оцениваться. Уравнение имеет вид:

Y=b0+b1x1+b2x2+b3x3+b4x4

Где Y - зависимая переменная, отображающая ВРП Приморского края;

b0 - константа в линейном уравнении;

b1, b2, b3, b4 - коэффициенты при независимых переменных;

x1, x2, x3, x4 - значения независимых переменных.

Для определения экономического эффекта воздействия мегапроекта на ВРП региона построим регрессию, описывающую влияние независимых переменных (численность безработных, инвестиции в основной капитал, показатель миграционного оттока из региона, затраты на научные исследования и разработки) на зависимую переменную, в роли которой выступает показатель ВРП региона и найдем коэффициенты влияния. Итоги расчёта представлены в табл. 3.

Детально разберем некоторые ключевые характеристики полученных результатов, чтобы убедиться в статистической значимости модели.

Множественный коэффициент детерминации (R-квадрат) = 0,94. Это говорит о том, что 94% вариации данных по переменной ВРП объясняются показателями, использованными в данной регрессионной модели. Еще 6% вариации объема ВРП обусловлены показателями, которые не были учтены при разработке модели. Коэффициент детерминации в данном случае показывает несколько завышенные результаты, что обуславливается достаточно короткими рядами данных (16 наблюдений) и довольно большим количеством независимых переменных, между некоторыми из которых присутствует высокая сила связи.

Показатель t-статистика определяет расчётный критерий Стьюдента для независимых переменных. Воспользуемся им и сравним данные для использованных переменных с табличными значениями данного критерия при доверительной вероятности 95%. Тем самым определим целесообразность включения используемых факторов в регрессионную модель.

tтабл (0,05;16-4-1) = tтабл (0,05;11) = 2,201

При этом значение t-статистики для всех использованных переменных по модулю превосходит табличное значение. В связи с этим можно сделать вывод, что с доверительной вероятностью 95% использовать выбранные независимые переменные в данной регрессионной модели было оправдано.

Следующим интересующим нас показателем является параметр F (критерий Фишера). В данной регрессии F=44,21. Сравним этот показатель с табличным значением для 16 наблюдений и 4 переменных, чтобы выявить признается ли используемая модель статистически значимой.

Fтабл. (k1; k2) =Fтабл. (4;16-4-1) = Fтабл. (4;11) = 3.36

Fфакт.>Fтабл., следовательно регрессионная модель признается статистически значимой.

Еще одним важным элементов полученных итогов является P-значение, вычисленное по t-статистике. Этот параметр показывает уровень значимости использованных переменных. В данной регрессии для всех необходимых параметров Р-значение не превышает 0,05, что говорит о статистической значимости этих показателей.

Наиболее интересными для анализа показателями в данной регрессионной модели будут коэффициенты (b1, b2, b3, b4) влияния независимых переменных на зависимую. Определив, что все используемые данные являются статистически значимыми, остановимся более подробно на их влиянии на ВРП региона. Это поможет определить, какой эффект оказала реализация мегасобытия «Саммит АТЭС 2012» в Приморском крае на его экономику.

В колонке «Коэффициенты» первым стоит коэффициент b0, отвечающий за константу, далее по порядку идут оценки влияния факторов b1, b2, b3, b4. Знак «-» отвечает за обратную связь между зависимой переменной и фактором влияния. Исходя из параметра Р-Значение, отчетливо видно, что наиболее значимое влияние на ВРП Приморского края оказывают Инвестиции в основной капитал, далее идет Численность безработных, затем Затраты на научные исследования и разработки, и замыкает список параметр миграционного оттока из региона, который имеет наименьшее влияние на экономику. Остановимся подробнее на каждом коэффициенте при независимых переменных, расположив их в порядке значимости влияния на зависимую переменную.

1) Инвестиции в основной капитал

Коэффициент при данном факторе - 0,56, означает, что связь, во-первых, положительная, то есть при увеличении инвестиций, ВРП региона растет. Во-вторых, каждый рубль инвестиций привнесет 56 копеек в ВРП региона. Корреляционная связь данных факторов описывается как высокая, от части потому, что инвестиции являются частью ВРП. Тем не менее, данный коэффициент позволит определить влияние мегапроекта на экономику региона, поскольку известна общая сумма инвестиций, направленная в экономику края для подготовки и проведения мегасобытия.

2) Численность безработных

У этого фактора коэффициент влияния равен -501 738,53. Это означает, что зависимость между переменными обратная. При росте количества безработных на 1 человека, ВРП региона уменьшится примерно на 500 тыс. рублей. Это подтверждается экономически: при росте безработицы фирмы начинают производить меньше товаров и услуг, поэтому объем ВРП снижается. Исключением становится ситуация, когда безработица вырастает вследствие замены рабочих на высокотехнологичное производство, в таком случае ВРП может не упасть. Однако, стоит отметить, что в нашем случае оценивается именно влияние мегапроекта, который привнес новые рабочие места в регион, не сокращая количество старых.

3) Затраты на научные исследования и разработки

В данном случае коэффициент влияния равен 29,61. То есть взаимосвязь положительная, и экономическое воздействие оказывается довольно сильное. Каждый рубль затрат на научные исследования и разработки увеличит ВРП региона приблизительно на 30 рублей. Однако, следует обратить внимание на то, что научные разработки и исследования ориентированы, в первую очередь, на долгосрочную перспективу, то есть период их окупаемости может быть достаточно долгим. Имеется ввиду, что на данном этапе, затраты могли еще не окупиться и не приносят должного экономического эффекта, однако, в будущем влияние может существенно вырасти. Постройка кампуса Дальневосточного Федерального Университета, в рамках мегапроекта, способствует увеличению влияния данного фактора. Тем не менее, на данном этапе затраты на научные разработки все же оказывают положительное влияние на экономику региона, что можно интерпретировать как положительное влияние реализации мегапроекта как инструмента развития территории.