Социально-экономические показатели регионов Российской Федерации

Таблица 2. Сравнение результатов рейтингов для жилой недвижимости с рейтингом, полученным, используя показатель «ввод квадратных метров в год на 1000 человек»

При сравнении с показателем «всего введено метров жилья в год» для жилой недвижимости получаем (таблица 3):

Таблица 3. Сравнение результатов рейтингов для жилой недвижимости с рейтингом, полученным, используя показатель «ввод метров жилья в год»

Для коммерческой недвижимости используем показатель «инвестиции в нежилые здания и сооружения», получаем (таблица 4):

Таблица 4. Сравнение результатов рейтингов для коммерческой непроизводственной недвижимости с рейтингом, полученным, используя показатель «инвестиции в нежилые сооружения и постройки»

По результатам сравнения можно сделать выводы, что из четырёх методов более точную оценку даёт метод Сазыкина В.Л. Также следует отметить, что результаты оценки инвестиционной привлекательности коммерческой недвижимости более точны, чем результаты оценки жилой недвижимости. Таким образом, признаем метод Сазыкина В.Л. наиболее объективным из четырёх предложенных, и дальнейшее исследование будем проводить, основываясь на результатах данного метода. В качестве эталонного рейтинга для жилой недвижимости лучший результат даёт показатель «всего введено метров жилья в год».

3.3 Итоговый рейтинг и визуализация результатов

Рассчитаем итоговый рейтинг регионов Российской Федерации для размещения объектов жилой недвижимости методом Сазыкина В.Л.(таблица 2). Для этого посчитаем среднее арифметическое за два исследуемых года. Динамика улучшения или ухудшения рейтинга для каждого региона отмечена либо зелёной (1), либо красной (0) ячейкой соответственно

Таблица 5. Итоговый рейтинг регионов Российской Федерации для размещения объектов жилой недвижимости методом Сазыкина В.Л.

Далее аналогично рассчитаем рейтинг регионов Российской Федерации для размещения объектов коммерческой непроизводственной недвижимости

Таблица 6. Итоговый рейтинг регионов Российской Федерации для размещения объектов коммерческой непроизводственной недвижимости методом Сазыкина В.Л.

Аналогично рассчитаем значения эталонных рейтингов, основанных на «вводе метров жилой недвижимости в год» для жилой недвижимости (таблица 7) и «инвестициях в нежилые сооружения и постройки» для коммерческой непроизводственной недвижимости (таблица 8).

Таблица 7. Рейтинг регионов Российской Федерации для размещения объектов жилой недвижимости на основании введённых метров жилой недвижимости в год

Таблица 8. Рейтинг регионов Российской Федерации для размещения объектов коммерческой непроизводственной недвижимости на основании инвестиций в нежилые сооружения и постройки

Далее построим распределения результатов для жилой и коммерческой непроизводственной недвижимости по отношению к эталонным рейтингам, чтобы оценить, насколько они совпадают.

Для жилой недвижимости получаем график (рисунок 5).

Рисунок 5. Сравнение результатов рейтингов для жилой недвижимости

Для коммерческой непроизводственной недвижимости получаем график (рисунок 6).

Рисунок 6. Сравнение результатов рейтингов для коммерческой непроизводственной недвижимости

Исходя из того, что идеальным случаем был бы тренд, проходящий под углом 45 градусов и скопление точек около этого тренда, можно сделать вывод, что результаты оценки и итоговый рейтинг для коммерческой недвижимости получился намного более точным, нежели рейтинг для жилой недвижимости. Такие результаты можно объяснить рядом причин. Во-первых, для коммерческой непроизводственной недвижимости показатель, используемый для составления сравнительного рейтинга, то есть «инвестиции в нежилые сооружения и постройки», является намного более точным, нежели показатель «ввод метров жилой недвижимости в год» для жилой недвижимости, который не всегда может отражать реальные инвестиции. Во-вторых, причиной могут быть локальные факторы, к которым инвестиционная привлекательность региона для размещения жилой недвижимость определённо более чувствительна, нежели для размещения коммерческой непроизводственной недвижимости. В-третьих, причиной могут быть более точно отобранные показатели для модели инвестиционной привлекательности регионов Российской Федерации для размещения объектов коммерческой непроизводственной недвижимости, чем для модели инвестиционной привлекательности регионов Российской Федерации для размещения объектов жилой недвижимости.

Для этого проверим гипотезу о значимости выбранных факторов.

3.4 Построение линейной регрессии для сравниваемых показателей

Построим линейную регрессию, где в качестве зависимой переменой возьмём показатели, взятые для эталонных рейтингов, а зависимыми выступают показатели, взятые для моделей инвестиционной привлекательности. Тем самым, мы сможем отобрать значимые показатели.

Рассмотрим сначала модель, где зависимой переменной выступает показатель «ввод квадратных метров жилья в год», а независимыми - отобранные показатели для жилой недвижимости.

Строя линейную регрессию в программе Eviews, получаем:

Таким образом, модель описывается данными показателями на 64%, а значимыми на уровне 5% можно считать показатели x5, x6, x10, x16, x22.

Построим ещё раз линейную регрессию и получим:

Модель описана данными показателями на 48%, а значимыми на уровне 5% являются показатели x5, x6, x10, x16.

Последний раз строим линейную регрессию для оставшихся показателей:

Модель описана на 46 %, и все показатели значимы. Таким образом, остались показатели x5, x6, x10, x16.

x5 - Число семей, получивших жильё и улучшивших жилищные условия в отчётном году в % к состоящим на учёте в качестве нуждающихся в жилых помещениях

x6 - Реальная среднемесячная начисленная заработная плата

x10 - Миграционный прирост (убыль) на 10000 населения

x16 - Денежные доходы на душу населения

Ту же процедуру сделаем для коммерческой непроизводственной недвижимости:

На первом шаге остаются показатели x1, x2, x3, x4, x5, x16. Модель определена на 96%.На втором шаге получаем:

Таким образом, модель описана на 93% оставшимися показателями x1, x2, x3, x4, x5, x16.

x1 -валовый региональный продукт

x2 - валовый региональный продукт на душу населения

x3 - доля инвестиций в основной капитал в валовом региональном продукте

x4 - инвестиции в основной капитал за счёт всех источников финансирования

x5 - инвестиции в основной капитал на душу населения

x16 - оборот малых предприятий

Таким образом, можно сделать выводы, что выбранными показателями модель для размещения объектов коммерческой непроизводственной недвижимости определяется очень хорошо (93%). Несмотря на это, знаки некоторых коэффициентов, полученных при построении линейной регрессии отличаются от тех, которые предполагались изначально. Это может быть объяснено отсутствием определённых статистических данных, показывающих правовые аспекты, политическое состояние в регионе и многое другое.

Для жилой недвижимости результаты хуже. Значимых показателей четыре и они определяют модель на 46%. Именно с этим также связано сильное отличие при сравнении рейтингов для жилой недвижимости в 3.2. Это также можно объяснить тем, что выбранные показатели не описывают все аспекты, оказывающие влияние на инвестиционную привлекательность региона для инвестирования в жилую недвижимость.

3.5 Группировка регионов по инвестиционной привлекательности

Регионы Российской Федерации для размещения объектов жилой недвижимости предлагаем сгруппировать следующим образом (таблица 9):

Таблица 9. Группировка регионов Российской Федерации для размещения объектов жилой недвижимости (левый столбец)

В первую группу (группа A) попали регионы, инвестиционная привлекательность которых для размещения объектов которых сильно выделяется на фоне других. То есть город Москва и Московская область, инвестиционная привлекательность которых более чем на 300% выше среднестатистической по Российской Федерации. Объяснить такие значения можно высокой стоимостью квадратного метра жилья в этих регионах и высокой заработной платой людей, а также столичным положением и концентрацией всех финансовых ресурсов, особенно государственных.

Во вторую группу (группа B) попали регионы, инвестиционная привлекательность которых выше среднестатистической по Российской Федерации от 25 до 100%.

В третью группу (группа C) попали регионы, инвестиционная привлекательность которых в диапазоне от -25 до 25 % ниже или выше среднестатистической по Российской Федерации. То есть колеблющиеся в среднем около 0.

В четвёртую группу (группа D) попали регионы с инвестиционной привлекательностью ниже, чем среднестатистическая по Российская по Российской Федерации, и лежащая в диапазоне от -25 до -250%.

Следует отметить, что почти у всех регионов с инвестиционной привлекательностью выше среднестатистической по Российской Федерации динамика положительная. Этот факт можно объяснить тем, что рынок жилой недвижимости достаточно инерционен и реагирует не сразу, ведь граждане не столь гибки как бизнес, и не могут отреагировать сразу. Для высокой покупательной способности населения необходима хорошая динамика.

Далее сгруппируем регионы Российской Федерации по инвестиционной привлекательности для размещения объектов коммерческой непроизводственной недвижимости (таблица 10).

Таблица 10. Группировка регионов Российской Федерации по инвестиционной привлекательности для размещения объектов коммерческой непроизводственной недвижимости

В первую группу (группа A) попали регионы с инвестиционной привлекательностью в диапазоне 80-500% выше среднестатистической по России. Это город Москва, город Санкт-Петербург, активные участники бизнеса, Московская область, а также богатые нефтью регионы Ненецкий автономный округ, Сахалинская и Тюменская области, республика Татарстан.

Во вторую группу (группа B) попали регионы с инвестиционной привлекательностью в диапазоне 20-70% выше среднестатистической по Российской Федерации. Это также богатые природными ресурсами области, но уступающие группе A.

В третью группу (группа C) попали регионы в диапазоне -25-20% ниже или выше среднестатистической по Российской Федерации. Это группа «середняков».

В четвёртую группу (группа D) попали регионы с инвестиционной привлекательностью ниже среднестатистической по Российской Федерации (-25-75%). Это явные аутсайдеры. Республики Дагестан, Чеченская, Ингушетия можно охарактеризовать нестабильной политической ситуацией, что может плохо сказываться на инвестиционной привлекательности.

Далее вернёмся к графикам сравнения результатов и попробуем найти причины несоответствия для наиболее «не совпавших» регионов. Для жилой недвижимости (рисунок 7):

Рисунок 7. Наиболее отличающиеся результаты рейтингов регионов для жилой недвижимости

Эти субъекты: город Москва, Тульская, Тверская, Псковская, Ивановская, Смоленская, Тюменская, Чувашская области, Ханты-Мансийский и Ненецкий автономные округи, республика Дагестан. Город Москва и следующие пять областей в реальности имеют менее низкую инвестиционную привлекательность, нежели показал метод Сазыкина В.Л. Возможно в таких крупных областях покупательная способность людей ниже из-за высоких цен на жильё, а платёжеспособное население предпочитает купить жильё либо в дорогих районах города, что не отражает общую статистику, либо вообще за границей. А богатые нефтью области, что попали в этот список, возможны были занижены в рейтинге как раз из-за не учёта фактора природных ресурсов в модели. Чувашская и республика Дагестан хорошо финансируются федеральным бюджетом, что возможно также не было учтено в модели.

Далее вернёмся к графику для коммерческой непроизводственной недвижимости (рисунок 8):

Рисунок 8. Наиболее отличающиеся результаты рейтингов регионов для коммерческой непроизводственной недвижимости

Из входящих в отмеченные регионы: Калужская, Ульяновская, Кемеровская, Магаданская, Иркутская области, Чукотский автономный округ, Забайкальский край, Чеченская республика.

Сложно найти какие-то причины в первых пяти областях. Чукотский автономный округ хоть и обладает большим количеством природных ресурсов, возможно, отпугивает инвесторов своим местоположением. Чеченская республика хорошо финансируется из федерального бюджета, что может быть не отражено в модели.

Выводы

В исследовании была проанализированы существующие методы оценки инвестиционной привлекательности регионов Российской Федерации. Были отобраны два типа показателей для оценки инвестиционной привлекательности регионов Российской Федерации для размещения объектов жилой и коммерческой непроизводственной недвижимости. Следует отметить присутствие экологического фактора, часто отсутствующего в подобных исследованиях. С помощью четырёх методов факторного анализа получены рейтинги для инвестиционной привлекательности для двух типов недвижимости. Выбран метод наиболее точно описывающий инвестиционную привлекательность регионов. Результаты были сравнены с рейтингами, полученными на основе показателей, прямо характеризующих инвестиционную привлекательность регионов для размещения объектов жилой и коммерческой непроизводственной недвижимости. На основе сравнения были составлены итоговые рейтинги и построены графики, на основе которых выделены регионы, совсем «несовпадающие» по результатам модели и рейтингов, взятых за эталон. Далее была проверена гипотеза о значимости выбранных в начале исследования показателей и объяснена причина возможных несовпадений. Как итог регионы по рейтинговой оценке были сгруппированы для большей наглядности, и были отмечены возможные экономические причины различий между результатами модели и рейтингов, прямо отражающих инвестиционную привлекательность регионов для размещения объектов жилой и коммерческой непроизводственной недвижимости.

Методы факторного анализа для оценки инвестиционной привлекательности регионов Российской Федерации лучше работают для коммерческой непроизводственной недвижности, нежели для жилой недвижимости. Причиной могут быть неучтённые локальные факторы, сильно влияющие на спрос жилой недвижимости, и более точный набор показателей, отобранных для оценки коммерческой непроизводственной недвижимости, чем для жилой недвижимости. Также моно отметить отсутствие такого статистического показателя, отражающего инвестиции в рублях в жилую недвижимость, и как следствие невозможность корректного соответствия итогового рейтинга для жилой недвижимости с рейтингом, полученным на основе показателя «введённых квадратных метров жилой недвижимости в регионе в год».

На сегодняшний день для инвестирования в жилую недвижимость наиболее благоприятны город Москва и Московская область. Наиболее важными причинами можно отметить столичное положение и концентрацию всех финансовых ресурсов в этих регионах. Наименее благоприятны - Чеченская республика и республика Ингушетия. Одной из причин может быть нестабильная политическая ситуация.

Для инвестирования в коммерческую непроизводственную недвижимость наиболее благоприятны города Москва и Санкт-Петербург, Московская, Тюменская, Сахалинская области, Ненецкий автономный округ и республика Татарстан. Москва и Санкт-Петербург, Московская область концентрируют в себе огромное количество финансовых ресурсов. Остальные из перечисленных областей имеют большое количество природных ресурсов, что несомненно может стать причиной их инвестиционной привлекательности для размещения коммерческой непроизводственной недвижимости. Среди неблагоприятных для инвестирования в коммерческую непроизводственную недвижимость регионов нет таких явных аутсайдеров, как среди регионов для инвестирования в жилую недвижимость. Это можно объяснить большей гибкостью в этом секторе инвестирования. Локальные факторы и политическая нестабильность играют меньшую роль во вложении средств в коммерческую непроизводственную недвижимость.

Список используемой литературы

1) Символы и определения рейтингов агентства Moody's, https://www.moodys.com/sites/products/ProductAttachments/2007100000528403.pdf

2) Robert B.Stobaugh How to Analyze Foreign Investment Climates // Harvard Business Review. September-October 1999

3) Изард У. Методы регионального анализа // М: «Наука», 2006

4) Гранберг А.Г. Стратегия территориального социально-экономического развития России // Вопросы экономики.2001 №9

5) Оценка инвестиционного климата регионов России . Методика экономического департамента Банка Австрии // Директор. Новосибирск. Наука, 1997. №5

6) Рейтинг инвестиционной привлекательности регионов России // Эксперт. 1997. №15

7) Гусева К. Ранжирование субъектов РФ по степени благоприятности инвестиционного климата // Вопросы экономики 1996 №6

8) Бланк И.А Управление инвестициями предприятия // Киев. Эльга: Ника-Центр.2003

9) Панасейкина В.С. Оценка инвестиционной привлекательности территориальных образований: основные концепции // УДК 332.14

10) Сазыкин В.Л. Новый метод интегральной оценки // Вестник ОГУ 2004. №12

11) Сазыкин В.Л. Сравнительная оценка противотуберкулёзной работы с помощью компьютерной программы Rang // 4 съезд научно-медицинской ассоциации фтизиатров. - Йошкар-Ола. 1999. - с. 244-245

12) Sazykin V. Information technologies in regional anti-tuberculosis dispensary // International Journal on Immunorehabilitation/ April 2001/ - Volume 3. Number 1. - P.74

13) Портал по заболеваниям туберкулёза www.orenotd.ru , раздел «Программы» (Rang)

14) Ильченко А.Н., Ма Цзюнь Интегральная оценка уровня развития социально-экономической инфраструктуры региона // Современные наукоёмкие технологии. Региональное приложение. №4(32) 2012

15) Ильченко А.Н., Абрамова Е.А., Иванова Н.А. Статистический анализ развития регионов на основе интегральной оценки социально-экономической инфраструктуры // Fundamental Research №8 2013

16) Гродская Г.Н. Алгоритм интегральной оценки инновационного развития на мезоуровне // Вестник Самарского экономического университета 2008 , №12 (50)

17) Регионы России. Социально экономические показатели. 2012 Росстат 2012

18) Портал РА «Эксперт», www.raexpert.ru

19) Берзон Н. Формирование инвестиционного климата в экономике // Вопросы экономики 2011 №7

20) Инвестиционная стратегия региона // Рынок ценных бумаг 2009 №14

21) Будиловская О.А., Баженова Т.Л. Инвестиционная привлекательность региона и методы её оценки // Вестник ОГУ №13(132), декабрь 2011

22) Eric T. Bonnett. Foreign Direct Investment And The Investment Climate Of Developing Countries In The Western Hemisphere, University of Florida, 2004

23) А.Н.Асаул, Б.М. Карпов, В.Б. Перевязкин, М.К. Старовойтов. Модернизация экономики на основе технологических инноваций, СПб АНО ИПЭВ, 2008. - 606с.

24) Shavin Malhotra, Nicolas Papadopoulos. A Comparative Analysis Of Investment Climate At Free Trade Zones And Host Country Mainland, ASAC 2008, Halifax, NS

25) Chikondi Dalitso Ng'ombe. Analysis and Management of Risks in a Foreign Investment Climate: Foreign Companies Operating in Malawi

26) Banks, E & Dunn, R. (2003). Practical Risk Management: An Executive Guide to Avoiding Surprises & Losses, Wiley Finance

27) Bouchet, M.H, Clark, E & Groslambert, B. (2003). Country Risk Assessment: A Guide to Global Investment Strategy, Wiley Finance

28) Ильченко А.Н., Петров А.Н. Эконометрический анализ структурных сдвигов в экономике.- Иваново:из-воИГХТУ.-2011. -304 с.

29) Infrastructure 2010. Investment Imperative. - Urban Land Institute and Ernst Young. - Wash.D.C.-2010

30) Звягинцова О.П., Жуковская И.Ф. Конкурентоспособность уровня жизни в регионах России и ЕС: реалии и прогнозы // Современная конкуренция. - 2012/1 (31)

31) Абрамова Е.А., Ильченко А.Н. Самозанятость населения в антикризисном развитии депрессивного региона. - Иваново: из-во ИГХТУ. -2012. - 209с.

32) The right way to invest in infrastructure. - McKinsey Quarterly, September, 2009

33) Гузнер С.С., Харитонов В.Н., Витин И.А. регион: экономика и социология. - М., 1997. - 54 с.

34) Жандаров А., Шиллер Ф. Анализ социально-экономической ситуации в регионах России // Экономист 1995. -№7

35) Ильин Н.И., Матрусов Н.Д. Инвестиционный климат регионов России // Промышленное и гражданское строительство -1997. -№7

36) Маркова Н. регионы России: Итоги четырёх лет экономических реформ. // Экономист. -1996. - №3

37) Мамедов М.А. Формирование строительных программ с учётом оценки приоритетности объектов строительства // Автореферат диссертации кандидата экономических наук. - Баку 1988

38) Яковец Ю. Стратегия инвестирования // Экономист 1995 - №9

39) Алаев Э.Б. региональное планирование в развивающихся странах // Диссертация доктора экономических наук. - М. 1972

40) Ильин. Н.И. Системный подход в строительстве. - М.: Стройиздат, 1994

41) Гусева К., Маркова Н. Возможности активации инвестиционной деятельности // Экономист 1995 - №7

Размещено на Allbest.ru