Факторы конкурентоспособности региональной экономики
Факторы выделения регионов России. Проблема конкуренции между территориями одного уровня и удаленности от центра. Оценка конкурентоспособности региональной экономики с использованием метода регуляризации по Парето, кластерного и регрессионного анализа.
Рубрика | Экономико-математическое моделирование |
Вид | дипломная работа |
Язык | русский |
Дата добавления | 28.08.2018 |
Размер файла | 394,6 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
1. Производительность труда (ВРП на одного занятого)
2. Уровень занятости
3. Доля экспорта в ВРП
4. Доходы населения
После этого регионы делятся на две группы. Исходя из изученной литературы для регионов с разным уровнем КСП будет наблюдаться значимое влияние разных факторов на конкурентоспособность.
Далее для выявления факторов, влияющих на конкурентоспособность были построены регрессии для каждого из полученных кластеров на втором этапе исследования, в качества зависимой переменной выступает индекс КСП, полученный на первом этапе. Объясняющими переменными выступают:
Все независимые переменные были выявлены на основе анализа литературы по предметной области.
1) depr - износ основных фондов (%). Предполагается, что с ростом износа основных фондов падает производительность труда, что должно снижать КСП региона. (Калюжнова, 2004)
2) RaD - внутренние затраты на научные исследования и разработки (млн. руб.), на современном этапе развития, в том числе в следствие начинающийся четвертой промышленной революции важность инноваций увеличивается, с применением новых технологий может быть связанно как увеличение ВРП на жителя и занятого, так и доля экспорта в ВРП.
3) Small - количество малых предприятий (шт./ 10000 чел. населения). В виду отсутствия доступных региональных данных о качестве институтов российские исследователи прибегают к использованию малых предприятий в качестве показателя качества институтов. Логика, стоящая за этим следующая: чем лучше качество институтов как формальных так и не формальных, а также повышением уровня доверия в обществе число малых предприятий будет увеличиваться.
4) inv - инвестиции в основной капитал (млн. руб.), обеспечивающая переменная отвечающая за инвестиционную активность в регионе.
5) med - количество населения на одного врача. При исследовании КСП отвечает за развитие социальной сферы в регионе. Предполагается, что у конкурентоспособности регионов и этих показателей существует отрицательная зависимость.
6) crime - количество преступлений на 1000 человек населения. Так же как и предыдущий показатель отражает развитие социальной сферы. Ожидается, что эта переменная имеет отрицательное влияние на КСП регионов РФ (Кузьмин, 2011)
7) heghEd - доля населения региона с высшим образованием (%). Данная переменная показывает качество человеческого капитала. Так этот показатель связан с человеческим капиталом. Человеческий капитал используется при проведении экономических исследований (примером может служить, коэффициент H в модели экономического роста Мэнкью-Ромера-Вейла). Также важность человеческого капитала для развития экономики подчеркивается в работе Florida, 2002.
8) road - густота автодорог с твердым покрытием (км/км2). Этот показатель связан с качеством инфраструктуры в регионе. Современная инфраструктура позволяет территории максимизировать свой потенциал наиболее эффективно. Также, современная инфраструктура позволяет получить доступ к рынкам других регионов. (Lengyel, 2013)
9) reil - густота железных дорог.(км/км2). Индикатор с вязан с фактором "состояние инфраструктуры". Аналогично предыдущему показателю позволяет территории эффективнее реализовывать свои конкурентные преимущества.
10) migrInc - миграционный прирост населения (чел/1000 чел.). Этот индикатор отвечает за демографическую ситуацию в регионе. Так, миграции в регион способствует повышению количества труда в экономике, также повышению качества человеческого капитала, таким образом предполагается положительная зависимость конкурентоспособности от этого показателя.
11) natInc - естественный прирост населения (чел/1000 чел.). Индикатор с вязан с фактором "демографическая ситуация в регионе". Рост населения способствует увеличению числа рабочей силы, что ведет к увеличению конкурентоспособности (Кузьмин, 2011
12) pat - количество выданных патентов на душу населения. Этот индикатор отвечает за инновационную активность в регионе. Проекту по внедрению инноваций ведут к более эффективному использованию ресурсов, а значит способствуют увеличению КСП региона.
13) abon - количество абонентов в подвижной радиотелефонной сети. Этот индикатор характеризует уровень развития информационной сферы в регионе. Который позволяет быстрее взаимодействовать актерам между собой, что способствует повышению конкурентоспособности.
14) pc - количество персональных компьютеров на 1000 работников. Аналогично предыдущему индикатору отражает степень развития информационной сферы в регионе.
15) agr - доля земли сельскохозяйственного назначения от все площади региона (%). В работах Кузьмина подчеркивается, что КСП ряда субъектов РФ зависит от сельского хозяйства. С помощью этой переменной можно проверить эту гипотезу.
16) indust и res1pr доли добавленной стоимости, произведенной в промышленности и полученной при добыче полезных ископаемых. Эти индикаторы отвечают за структуру региональной экономики.
17) cityPop - доля городского населения (%). При помощи этой переменной проверяется гипотеза о формировании КСП регионов в городах.
18) city - бинарная переменная отвечающая за наличие в регионе города с населением более одного миллиона человек. Обоснования включения этого регрессора аналагочны предыдущему.
19) sea-наличие морского побережья. Это дамми-переменная. С помощтю неё в исследовании предполагается оценить влияние ЭГП на КСП региона
В данной работе были построены две модели для каждой подвыборки. Это модель с фиксированными эффектами (2) и модель сквозной регрессии(3) Модель с фиксированными эффектами объясняет изменения конкурентоспособности в течение рассматриваемого периода внутри региона. А объединенная кросс-секционная модель используется для общего объяснения существующих факторов конкурентоспособности. В данной работе модели имеют следующий вид.
, (2)
, (3)
Где - вектор зависимой переменной;
- матрица объясняющих переменных;
- вектор оцениваемых коэффициентов;
- вектор ошибок;
Z - фиксированный эффект;
- номер региона;
- временной период.
Таким образом, обобщая все вышеизложенное в этой части выпускной квалификационной работы можно сказать, что оценка конкурентоспособности регионов производилась методом регуляризации по Парето, затем на основании полученных результатов при помощи кластерного анализа регионы были разделены на три группы. Из теоретического обоснования можно выделить ряд факторов конкурентоспособности, которые будут объясняющими переменными в регрессионном уравнении.
4. Описание результатов
4.1 Предварительный анализ данных
Предварительный анализ данных производился при помощи двух программных пакетов: MSExcel и Stata13.0.
Конечная база данных на основе,которой производились дальнейшие преобразования, состоит из 1248 наблюдений, при этом каждое наблюдения является регионом РФ в отдельный год. Средний регион в выборке это субъект федерации обладающий средним уровнем КСП 46,75. В этом регионе высокий уровень бедности (12%), значительное количество людей имеющих законченное высшее образование (24%), этот регион имеет незначительный миграционный приток (1,5 человека на 10 000 населения). Обладает значительно изношенными основными фондами (ОФ) (45% от всей стоимости ОФ), Также этот регион высоко урбанизирован: 70% населения проживает в городах. (Таблица 2)
Что касается уровня конкурентоспособности регионов, то следует обратить внимание на, то, что для получения оценки уровня КСП использовался метод регуляризации по Парето. Вследствие чего средняя оценка КСП регионов всегда будет около 50. Что отражает только положение региона относительно других регионов РФ и никак не отражает его КСП относительно регионов других стран. Хотя средний регион обладает средним уровнем КСП, большинство регионов обладают низким или очень низким уровнем КСП относительно регионов Европы.
Если рассмотреть описательные статистики принимая во внимание панельную структуру данный то можно заметить, что межрегиональные стандартные отклонения (between) либо приблизительно равны внутри региональным (within) либо первые значительно превосходят. Это позволяет предположить, что объясняющая сила медли с фиксированными эффектами будет высока. Более подробно этот вопрос рассматривается в разделе 3.3.
Таблица 2 Описательные статистики числовых переменных
Variable |
RCp |
road |
inv |
HeEd |
|||||||||
overall |
bettwen |
within |
overall |
bettwen |
within |
overall |
bettwen |
within |
overall |
bettwen |
within |
||
Mean |
51.98 |
72.55 |
43174.72 |
26.49 |
|||||||||
Std.Dev. |
24.76 |
24.05 |
6.44 |
402.14 |
404.34 |
13.49 |
39203.31 |
37307.88 |
12717.98 |
4.74 |
3.61 |
3.11 |
|
Min |
0 |
1.39 |
24.35 |
0.07 |
0.071 |
-71,49 |
6526.77 |
13417.97 |
-23755.92 |
18.64 |
15.66 |
||
Max |
100 |
97.62 |
76.11 |
3720.5 |
3522.671 |
270.37 |
267524 |
238093 |
130513.5 |
44.8 |
41.68 |
35.16 |
|
Obs |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
|
Variable |
pat |
indust |
res1pr |
abon |
|||||||||
overall |
bettwen |
within |
overall |
bettwen |
within |
overall |
bettwen |
within |
overall |
bettwen |
within |
||
Mean |
180.02 |
18.58 |
8.10 |
1526.72 |
|||||||||
Std.Dev. |
233.04 |
218.76 |
83.82 |
10.24 |
9.91 |
2.78 |
12.84 |
12.5 |
3.25 |
368.31 |
214.23 |
300.52 |
|
Min |
0 |
0 |
-253.08 |
.2 |
0.58 |
0 |
0 |
-27.0 |
43149 |
1006.19 |
462.15 |
||
Max |
2015 |
1412.4 |
1810.42 |
58.5 |
43.43 |
35.91 |
65.2 |
55.2 |
21.66 |
2737.7 |
2125.72 |
2153.74 |
|
Obs |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
|
Variable |
pc |
rail |
migrInc |
depr |
|||||||||
overall |
bettwen |
within |
overall |
bettwen |
within |
overall |
bettwen |
within |
overall |
bettwen |
within |
||
Mean |
43328 |
148.27 |
51.6214 |
43.26 |
|||||||||
Std.Dev. |
8.09 |
3.18 |
7.45 |
103.79 |
104.39 |
2.28 |
48.6 |
43.6 |
22.13 |
9.12 |
8.39 |
3.70 |
|
Min |
2 |
0.5 |
0.6 |
0 |
0 |
134.27 |
-201 |
-134 |
-123.76 |
15 |
25 |
30.71 |
|
Max |
43 |
43281 |
32.9 |
442 |
423 |
167.27 |
197 |
106.6 |
179.24 |
63.2 |
59.8 |
58.25 |
|
Obs |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
|
Variable |
agr |
cityPop |
RaD |
small |
|||||||||
overall |
bettwen |
within |
overall |
bettwen |
within |
overall |
bettwen |
within |
overall |
bettwen |
within |
||
Mean |
0.16 |
69.38 |
631566 |
0.010 |
|||||||||
Std.Dev. |
0.160 |
0.16 |
0.01 |
11.97 |
12 |
1.02 |
1134674 |
783299.3 |
825409.4 |
0.0052 |
0.0043 |
0.0032 |
|
Min |
0 |
0 |
0.08 |
43126 |
43339 |
65.77 |
0 |
29146.45 |
2813540 |
0.0013 |
0.0018 |
0.0001 |
|
Max |
0.55 |
0.51 |
0.23 |
100 |
100 |
73.02 |
1.11e+07 |
4662154 |
7057825 |
0.0423 |
0.0337 |
0.0218 |
|
Obs |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
N=750 |
n=75 |
T=10 |
Обоснование качества модели.
Также в модели использовались фиктивные переменные, как указана в Методологии исследования. Описательные статистики для них приведенный в таблице ниже.
Таблица 3 Описательные статистики для дамми-пременных
Название дамми-переменная |
0 |
1 |
|
City 0 - нет города миллиониика, 1 - есть |
81% |
19% |
|
Sea 0 - нет морского побережья, 1 - есть |
76% |
24% |
Как видно из таблицы 2, в большинстве регионов России нет мегаполиса (горда с населением более 1 млн. человек). Значительное количество регионов не имеет морских портов, при этом большая часть из них имеет не продолжительный сезон навигации.
4.2 Расчет конкурентоспособности регионов РФ
В ходе работы была проведена оценка КСП регионов методом регуляризации по Парето. В Приложение 1 представлен КСП регионов за период с 2006 по 2014 год. В таблице 4 представлены результаты оценивания конкурентоспособности регионов за 2006 и 2015 года.
Наиболее конкурентоспособными окажутся регионы добычи топливных полезных ископаемых. Так, самый высокий уровень КСП в 2015 году был у Сахалинской области. Это связанно, прежде всего, с тем, что при определении уровня КСП учитывались подушевые показатели ВРП и доля экспорта. Таким образом, оценка КСП смещена в сторону экспортоориентированных регионов. Этим объясняется высокий КСП регионов с небольшим населением, например Сахалинская область, против более населенной Тюменской области.
Также подтвердилась гипотеза H1 о том, что наиболее низкий КСП будет у регионов СКФО и республик Сибири. Среди причин указывается низкий уровень развития промышленности в этих регионах. В тоже время средний уровень КСП наблюдается в регионах центральной России.
Теперь рассмотрим наиболее конкурентоспособные регионы в 2006 г. Самый большой уровень КСП был у города Санкт-Петербург. Затем Мурманская Тюменская и Ленинградская области. Как отмечалось выше в этих областях был высоким подушевой ВРП, а также значительная доля экспорта в ВРП, что обусловлено во-первых сравнительно небольшим населением этих регионов, а также крупных экспортоориентированных предприятий. В тоже время к 2015 году наиболее конкурентоспособными регионами были: Сахалинская область и Республика Татарстан. Значительный рост КСП Сахалинской области связан с разработкой месторождений Сахалин-1 и Сахалин-2, большая часть продукции добываема там идет на экспорт, что способствует повышению КСП.
Теперь рассмотрим регионы с низким уровнем КСП в 2006 году. Это Fреспублики Дагестан, Адыгея, Карачаево-Черкесия и Кабардино-Балкария. Таким образом подтверждается гипотеза H1 о том, что именно у этих регионов будет наименьший уровень КСП. В начале 21 века в этих регионах был высокий уровень террористической угрозы, регулярно вводился режим КТО и ЧС. Зубаревич 2010 указывает на значительный отток человеческого капитала, а также на быстрый упадок советской промышленности в этих регионах. Также низкий КСП у ряда регионов Поволжья.
При этом в 2015 году к регионам с самым низким КСП относились: Республики Калмыкия, Кабардино-Балкария и Карачаево-Черкесия. Эти регионы по ключевым индикаторам КСП не лучше всех остальных регионов, что свидетельствует о низком уровне экономического развития. Среди причин, такой ситуации Н.Я. Калюжнова указывают отсутствие промышленности в этих регионах, высокая доля теневой экономики, ситуация с безопасностью: высокий уровень террористической угрозы, институциональные проблемы. Также низкий уровень КСП у оставшихся республик Северного Кавказа и юга Сибири. Так можно заметить, что регионы Поволжья, которые в 2000 г. были внизу рейтинга КСП, на данный момент улучшили свои показатели. При этом регионы СКФО не изменили своих позиций. Это связанно с воздействием факторов указанных выше.
Теперь рассмотрим регионы с наиболее низким КСП в 2015 году. К ним относятся: Сахалинской область, республика Татарстан, Ленинградская и Мурманская области и город Санкт-Петербург. Санкт-Петербург это второй по населению город РФ, крупный научный и финансовый центр. Татарстан, Сахалинская и Мурманская область, являются регионами добычи полезных ископаемых, что обуславливает высокий ВРП и значительную долю экспорта в нем. Также, столица Республика Татарстан Казань крупный город, и является центром притяжения населения для части ПФО.
Обобщая, уровень КСП регионов по федеральным округам можно выделить лишь очевидно отстающий ФО -- Северокавказский. Остальные федеральные округа объединяют как регионы с высоким уровнем КСП, так и с низким. При этом если обратиться к экономическому районированию, то можно заметить большую гомогенность регионов. Так наиболее конкурентоспособные регионы находятся в Уральском, Северном и Северо-западном экономическом районах. При этом более низкая конкурентоспособность свойственна регионам Северокавказского экономического района.
Как можно заметить из проведенной оценки наибольший уровень КСП в 2006 г. с более высоким развитием человеческого капитала. К 2015 г. ситуация немного изменилась, так к наиболее конкурентоспособным регионам стали относиться регионы с высоким значение отрасли добычей полезных ископаемых Сахалинская область и Татарстан. Эти результаты соотносятся с работой Кузьмина, 2011. Оценка конкурентоспособности регионов за 2006 и 2015 год представлена в таблице 4.
Для проверки гипотезы о разных факторах КСП для регионов с разным уровнем конкурентоспособности был проведен кластерный анализ. В результате было выделено три группы регионов с высокой (Top) , средней (Midl) и низкой (Bott) КСП. Результаты кластеризации представлены в таб. 5.
Таблица 4 Индекс конкурентоспособности регионов РФ за 2006 и 2015 года
Регион |
2006 |
Регион |
2006 |
Регион |
2015 |
Регион |
2015 |
|
г.Санкт-Петерб. |
100 |
Волгоград. обл. |
52,5 |
Сахалинская обл. |
100 |
Владимирск. обл. |
52,3 |
|
Мурманская обл. |
98,3 |
Смоленская обл. |
51,7 |
Респ. Татарстан |
90,9 |
Респ. Бурятия |
51,5 |
|
Тюменская обл. |
97,5 |
Новосибир. обл |
49,2 |
Мурманская обл. |
90,2 |
Томская обл. |
49,2 |
|
Ленинградск. обл. |
95,8 |
Орловская обл. |
48,3 |
г.Санкт-Петерб. |
88,6 |
Амурская обл. |
49,2 |
|
Свердловская обл. |
89,8 |
Псковская обл. |
48,3 |
Ленинградс. обл. |
87,1 |
Чувашская Респ. |
48,5 |
|
Красноярск. край |
89,8 |
Кировская обл. |
47,5 |
Камчатский край |
82,6 |
Краснодар. край |
48,5 |
|
Респ. Карелия |
89,0 |
Тверская обл. |
44,9 |
Респ. Саха |
80,3 |
Респ. Мордовия |
48,5 |
|
Чукотский АО |
89,0 |
Чувашская Респ. |
44,1 |
Магаданская обл. |
80,3 |
Астраханск. обл. |
47,7 |
|
Хабаровский край |
88,1 |
Приморск. край |
44,1 |
Тюменская обл. |
77,3 |
Ростовская обл. |
47,7 |
|
Сахалинская обл. |
86,4 |
Саратовская обл. |
42,4 |
Самарская обл. |
75,8 |
Респ. Марий Эл |
47,0 |
|
Архангельск. обл. |
83,9 |
Курская обл. |
37,3 |
Респ. Коми |
75,8 |
Кировская обл. |
45,5 |
|
Вологодская обл. |
83,9 |
Краснодар. край |
37,3 |
Новгород. обл. |
74,2 |
Тверская обл. |
43,9 |
|
Самарская обл. |
83,9 |
Амурская обл. |
36,4 |
Свердловск. обл. |
73,5 |
Волгоград. обл. |
43,2 |
|
Респ. Саха |
83,9 |
Воронежск. обл. |
35,6 |
Красноярск. край |
73,5 |
Курская обл. |
42,4 |
|
Калининград. обл. |
81,4 |
Ростовская обл. |
35,6 |
Калининград.обл |
72,7 |
Воронежск. обл. |
42,4 |
|
Липецкая обл. |
80,5 |
Владимир. обл. |
34,7 |
Иркутская обл. |
72,0 |
Саратовская обл. |
41,7 |
|
Респ. Татарстан |
80,5 |
Ульяновск. обл. |
34,7 |
Белгородск. обл. |
71,2 |
Ульяновская обл. |
37,9 |
|
Челябинская обл. |
79,7 |
Респ. Мордовия |
33,1 |
Липецкая обл. |
70,5 |
Респ. Тыва |
36,4 |
|
Кемеровская обл. |
78,0 |
Респ. Бурятия |
33,1 |
Чукотский АО |
69,7 |
Костромская обл. |
34,1 |
|
Тульская обл. |
73,7 |
Респ. Калмыкия |
32,2 |
Челябинская обл. |
69,7 |
Пензенская обл. |
32,6 |
|
Новгородская обл. |
72,9 |
Рязанская обл. |
31,4 |
Архангел. обл. |
67,4 |
Ивановская обл. |
31,8 |
|
Респ. Коми |
72,0 |
Ивановская обл. |
28,8 |
Вологодская обл. |
67,4 |
Брянская обл. |
29,5 |
|
Пермский край |
69,5 |
Алтайский край |
28,0 |
Тульская обл. |
64,4 |
Ставропол. край |
28,8 |
|
Респ. Башкортост. |
68,6 |
Еврейская АО |
28,0 |
Ярославская обл. |
63,6 |
Псковская обл. |
27,3 |
|
Иркутская обл. |
68,6 |
Брянская обл. |
22,9 |
Респ. Хакасия |
63,6 |
Тамбовская обл. |
27,3 |
|
Камчатский край |
67,8 |
Респ. Тыва |
22,0 |
Нижегородс. обл. |
63,6 |
Рязанская обл. |
26,5 |
|
Оренбургск. обл. |
66,9 |
Ставропол. край |
20,3 |
Хабаровск. край |
62,9 |
Орловская обл. |
25,8 |
|
Белгородская обл. |
66,1 |
Курганская обл. |
20,3 |
Кемеровская обл. |
62,9 |
Еврейская АО |
25,0 |
|
Удмуртская Респ. |
66,1 |
Респ. Алания |
16,9 |
Приморск. край |
62,9 |
Курганская обл. |
22,0 |
|
Омская обл. |
65,3 |
Тамбовская обл. |
16,1 |
Респ. Башкортост |
61,4 |
Алтайский край |
15,9 |
|
Ярославская обл. |
64,4 |
Респ. Марий Эл |
16,1 |
Оренбургск. обл. |
60,6 |
Респ. Адыгея |
13,6 |
|
Астраханская обл. |
61,9 |
Пензенская обл. |
13,6 |
Удмуртск. Респ. |
59,1 |
Респ. Алтай |
12,9 |
|
Томская обл. |
61,0 |
Респ. Алтай |
11,9 |
Калужская обл. |
58,3 |
Респ. Калмыкия |
6,8 |
|
Респ. Хакасия |
60,2 |
Карач.-Черк. Респ. |
5,1 |
Пермский край |
57,6 |
Кабард.-Балк. Респ. |
5,3 |
|
Нижегород. обл. |
58,5 |
Кабард.-Балк. Респ. |
1,7 |
Омская обл. |
54,5 |
Респ. Алания |
4,5 |
|
Костромская обл. |
56,8 |
Респ. Адыгея |
0,0 |
Смоленская обл. |
54,5 |
Респ. Дагестан |
4,5 |
|
Магаданская обл. |
56,8 |
Респ. Дагестан |
0,0 |
Новосибир. обл. |
54,5 |
Карач.-Черк. Респ. |
0 |
|
Калужская обл. |
53,4 |
Респ. Карелия |
52,3 |
Таблица 5 Группы регионов по индексу конкурентоспособности
Архангельская область |
Top |
Амурская область |
Midl |
Алтайский край |
Low |
|
Вологодская область |
Top |
Астраханская область |
Midl |
Брянская область |
Low |
|
г.Санкт-Петербург |
Top |
Белгородская область |
Midl |
Воронежская область |
Low |
|
Иркутская область |
Top |
Владимирская область |
Midl |
Еврейская АО |
Low |
|
Калининградская область |
Top |
Волгоградская область |
Midl |
Ивановская область |
Low |
|
Камчатский край |
Top |
Калужская область |
Midl |
Кабар..-Балкарск. Респ. |
Low |
|
Кемеровская область |
Top |
Кировская область |
Midl |
Карач.-Черкес. Респ. |
Low |
|
Красноярский край |
Top |
Костромская область |
Midl |
Курганская область |
Low |
|
Ленинградская область |
Top |
Краснодарский край |
Midl |
Орловская область |
Low |
|
Липецкая область |
Top |
Курская область |
Midl |
Пензенская область |
Low |
|
Магаданская область |
Top |
Нижегородск. область |
Midl |
Псковская область |
Low |
|
Мурманская область |
Top |
Новосибирск. область |
Midl |
Республика Адыгея |
Low |
|
Новгородская область |
Top |
Омская область |
Midl |
Республика Алтай |
Low |
|
Республика Карелия |
Top |
Оренбургская область |
Midl |
Республика Дагестан |
Low |
|
Республика Коми |
Top |
Пермский край |
Midl |
Республика Калмыкия |
Low |
|
Республика Саха |
Top |
Приморский край |
Midl |
Республика Алания |
Low |
|
Республика Татарстан |
Top |
Респ. Башкортостан |
Midl |
Республика Тыва |
Low |
|
Самарская область |
Top |
Республика Бурятия |
Midl |
Рязанская область |
Low |
|
Сахалинская область |
Top |
Республика Марий Эл |
Midl |
Ставропольский край |
Low |
|
Свердловская область |
Top |
Республика Мордовия |
Midl |
Тамбовская область |
Low |
|
Тюменская область |
Top |
Республика Хакасия |
Midl |
Ульяновская область |
Low |
|
Хабаровский край |
Top |
Ростовская область |
Midl |
|||
Челябинская область |
Top |
Саратовская область |
Midl |
|||
Чукотский FJ |
Top |
Смоленская область |
Midl |
|||
Тверская область |
Midl |
|||||
Томская область |
Midl |
|||||
Тульская область |
Midl |
|||||
Удмуртская Республика |
Midl |
|||||
Чувашская Республика |
Midl |
|||||
Ярославская область |
Midl |
Группу регионы с высокой конкурентоспособностью образуют субъекты РФ в которых ведется добыча полезных ископаемых. Также к ним относятся ряд регионов ДФО и Севера Европейской части России.
Теперь рассмотрим описательные статистики КСП. Как можно заметить из таблицы ниже межрегиональные стандартные отклонения значительно больше, чем внутри региональные.
Таблица 6 Описательные статистики конкурентоспособности
VariableRCp |
Mean |
Std. Dev. |
Min |
Max |
Observations |
|
overall |
51.98447 |
24.76116 |
0 |
100 |
N = 750 |
|
between |
24.05433 |
1.393094 |
97.61966 |
n =75 |
||
within |
6.438684 |
24.352 |
76.11341 |
T =10 |
Таким образом очевидно, что наиболее значительные изменения в КСП зависят от региона, в то время как КСП слабо меняется со временем, графически этот же результат подтверждается на графике ниже (рис. 3). Как можно заметить на графике КСП регионов запада РФ не значительно меняется с течением времени. Что позволяет предположить, что наиболее значимой будет модель фиксированным эффектом.
Рис. 3 Изменение КСП регионов в период с 2006 по 2015 гг.
4.3 Обоснование выбранной модели
В данной работе исследуются факторы конкурентоспособности регионов. Для этого выборка из 75 регионов была разделена на три подвыборки. В данной работе исследуется две модели для каждой подвыборки. Это модель с фиксированными эффектами и модель сквозной регрессии. Модель с фиксированными эффектами объясняет изменения конкурентоспособности в течение рассматриваемого периода внутри региона. А объединенная кросс-секционная модель используется для общего объяснения существующих факторов конкурентоспособности. В таблице ниже представлены результаты оценивания четырех возможных моделей для панельных данных.
В случае использования межгрупповой регрессии (between) межгрупповой коэффициент детерминации (R-sq between) отражает качество подгонки модели. Он отражает влияние изменения средних по времени показателей для каждого региона. Видно, что при оценивании межгрупповой регрессии большинство показателей становится не значимым. В тоже время значения остаются схожими, а все знаки перед коэффициентами при объясняющими переменными сохраняются.
Теперь сравним внутригрупповую регрессию (fixed effects) Для состоятельности МНК оценок в этом случае требуется некоррелированность u и Х. В данной работе это условие не выполняется т.к. коэффициент корреляции ошибок и объясняющих переменных равен семидесяти шести процентам (corr(u_i, Xb)= -0.7606). Теперь рассмотри модель со случайным эффектом. Для оценки этой модели используется обобщенный метод наименьших квадратов (GLS). Для определения качества этой модели используется статистика Вальда. В отличие от предыдущих моделей, где оценка качества моделей осуществлялась при помощи коэффициента детерминации (R-sq). В данном случае модифицированная статистика Вальда более трёхсот (Wald chi2(18) = 302.97). Также в данной модели не подтверждается гипотеза о некоррелированности регрессоров и ненаблюдаемых индивидуальных эффектов величин. Следовательно, оценки МНК, полученные при помощи модели со случайными индивидуальными эффектами не будут состоятельны.
Теперь, принимая во внимание проведенные ранее сравнения, используем аналитический способ выбора наиболее адекватной данным модели. Сначала сравним модель сквозной регрессии (pooled) и модель с фиксированными эффектами (fixed effects). Для этого воспользуемся тестом Вальда. Проведенный тест однозначно говорит о том, что отвергается основная гипотеза о равенстве нулю всех индивидуальных эффектов. То есть модель с фиксированными эффектами (fixed effects) предпочтительнее чем модель сквозной регрессии (pooled). Однако, недостатком этой модели является невозможность оценить инвариантных по времени переменных. В данной работе это две дамми-переменные: наличие города-миллионника (city) и морского побережья (sea). О качестве подгонки этой модели следует удить по R-sq: within который равен 0.0874. Что существенно ниже R-sq between. Отсюда можно сделать вывод, что для КСП регионов РФ межрегиональные различия проявляются сильнее, чем динамические.
Затем сравним модель со случайными эффектами (random effects) с моделью сквозной регрессии с помощью теста Бройша-Пагана. Основная гипотеза о равенстве нулю стандартных отклонений ошибок отвергается. Таким образом, модель со случайным индивидуальным эффектам адекватнее данным, чем модель сквозной регрессии.
Для сравнения моделей со случайными эффектами и фиксированными эффектами используем тест Хаусмана. Основная гипотеза о некоррелированности случайного эффекта с регрессорами -- не принимается, что свидетельствует в пользу модели с фиксированными эффектами.
Такие же рассуждения приведем для трёх групп регионов. Для каждой из групп были оценены четыре модели Сквозная регрессия Модель с фиксированными эффектами Модель со случайными эффектами Модель с детерминированными эффектами.
Для подвыборки регионов с высоким уровнем конкурентоспособности получаем аналогичные результаты формальных тестов как для выборки из всех регионов. Для группы регионов с средним уровнем конкурентоспособности тест Хаусмана на уровне значимость 15% не отклоняет нулевую гипотезу о коррелированности случайного эффекта и регрессоров. При этом для подвыборки регионов с низким уровнем конкурентоспособности наиболее адекватна данным модель сквозной регрессии.
Для каждого кластера в отдельности возрастает коэффициент детерминации в сравнении с моделями, построенными по всей выборке. Что доказывает целесообразность разделения регионов на кластеры.
Также при проведении эконометрического моделирования конкурентоспособности регионов в регрессиях для всех подвыборок присутствовала автокорреляция и гетероскедастичночть остатков. Для того чтобы нивелировать их эффект были рассчитаны стандартные отклонения в форме Ньюи-Веста. Результаты представлены в приложение 3.
4.4 Результаты оценивания регрессионного уравнения
Итак, были построены восемь уравнений регрессии (Приложение 2). Необходимо отметить, что интерпретация оценок производится для коэффициентов, значимых на уровне 1%, 5% и 10%.
Рассмотрим результаты оценивания модели сквозной регрессии для всех регионов РФ. Так, значимыми являются тринадцать переменных. Эти переменные объясняют восемьдесят процентов дисперсии зависимой переменной. Из них девять относятся к базовым факторам конкурентоспособности и четыре к обеспечивающим.
Теперь рассмотрим различия между кластерами в влияние индикаторов базовых факторов на конкурентоспособность регионов. Так, индикаторы структуры региональной экономики, при рассмотрении модели сквозной регрессии доля промышленности в ВРП меньше влияет на КСП для регионов с высокой и низкой конкурентоспособностью, чем в группе регионов со средним уровнем конкурентоспособности. Коэффициенты при этой переменной соответственно равны 0,31 и 0,34. При этом для регионов с средним уровнем конкурентоспособности коэффициент равен 0,43. Однако при рассмотрении модели с фиксированными эффектами существует тенденция к увеличению влияния рассматриваемой переменной на конкурентоспособность регионов при рассмотрении разных кластеров. Так, для группы регионов с высокой конкурентоспособностью значение коэффициента при этой переменной 0,51, для регионов с средним и низким уровнем КСП значение коэффициентов соответственно равно 0,52 и 0,71. Также, значительность влияния доли вида экономической деятельности "добыча полезных ископаемых" в ВРП региона возрастает при снижении конкурентоспособности. Так, значения при изменении этой зависимой переменной на 1% конкурентоспособность изменяется на 0,27%, 0,7% и 2,9% для трёх групп регионов. Также необходимо отметить, что только для группы регионов с высокой конкурентоспособностью обе модели показывают значимое влияние степени износа основных фондов.
Теперь рассмотрим индикаторы, характеризующие демографическую ситуацию в регионе. Так, доля городского населения является значимой для всех групп регионов в модели сквозной регрессии. Однако в модели с фиксированными эффектами эта переменная незначима. Миграционный приток является значимым для регионов с высокой конкурентоспособностью в обеих моделях и значимым для регионов с средним уровнем КСП в модели сквозной регрессии.
Так, наличие в регионе морского побережья является значимым для всей выборки и для подвыборки, состоящей из регионов с высоким уровнем конкурентоспособности. При этом на всей выборке фиксируется большее влияние этой переменной (значение коэффициента при ней 12,7), чем для группы регионов с высокой конкурентоспособностью (в = 8,6).
Теперь рассмотрим различия между кластерами на влияние индикаторов обеспечивающих факторов на конкурентоспособность регионов. Так, модель сквозной регрессии показывает значимое влияние густоты железных дорог на конкурентоспособность регионов для регионов с высокой и низкой конкурентоспособностью. Для регионов с низким КСП влияние значительнее, чем для кластера с высокой конкурентоспособностью. Значения коэффициентов при этой переменной 0,056 и 0,027 соответственно. При этом для регионов второго кластера в обеих моделях значимой оказывается густота автомобильных дорог.
Внутренние инвестиции в основной капитал являются значимыми в модели сквозной регрессии для всей выборки и для групп регионов с высокой и средней конкурентоспособностью.
Таким образом, можно сделать вывод о том, что для разных групп объясняющими являются разные факторы. (Подтверждается гипотеза H2)
Так, только для регионов с высоким уровнем конкурентоспособности значимое влияние на КСП оказывает развитие информационной сферы, также этот показатель значим в модели для выборки из всех исследуемых 75 регионов РФ. В тоже время для всех регионов значимыми являются инфраструктура. При этом только в группе регионов с средним уровнем конкурентоспособности значимое влияние на изменение с течением времени внутри региональной конкурентоспособности оказали индикаторы, связанные инфраструктурой.
Также следует указать, что не значимыми оказались следующие индикаторы: доля населения с высшим образованием и количество персональных компьютеров на 100 работников.
Из всех показателей, которые характеризуют обеспечивающие факторы, значимое влияние на конкурентоспособность регионов РФ оказывают показатели состояния инфраструктуры в регионе (плотность железных дорог (rail)), инвестиционной активности (внутренние инвестиции в основной капитал на душу населения (inv)), развития сферы связанной с информацией в регионе (количество абонентов сотовой связи на сто человек населения(abon)) и развития институциональной сферы (количество малых предприятий на душу населения (small)).
Из показателей, которые характеризуют базовые факторы, статически значимое влияние оказывают показатели структуры региональной экономики (доля добавленной стоимости региона, сгенерированной в промышленности (indust), доля добычи полезных ископаемых в ВРП региона (res1pr) и степень износа основных фондов (depr)). Также значимое влияние оказывают индикаторы демографической ситуации в регионе (доля городского населения (CityPop), наличие в регионе города с населением более миллиона человек (city) и коэффициент естественного прироста населения на тысячу человек (natInc)), географического расположения (наличие морского побережья (sea)) и состояние социальной сферы (crime)).
Также, анализируя данные приведенные в таблице из Приложения 2, можно сделать вывод, что для всех рассматриваемых регионов за десять лет наиболее значимыми являются базовые факторы конкурентоспособности. При этом, если рассматривать изменения конкурентоспособности регионов за тот период времени (модель с фиксированными эффектами) можно заметить, что во-первых, значимыми являются индикаторы, характеризующие структуру региональной экономики (доля промышленного производства в ВРП (indust), добавленная стоимость произведенная в отрасли добыча полезных ископаемых (res1pr) и степень износа основных фондов (depr). Во-вторых, значимыми являются индикаторы состояния инфраструктуры (густота автомобильных дорог (road) и густота железных дорог (rail)).
Как отмечалось ранее, для проверки гипотезы о разных факторах, определяющих конкурентоспособность региональной экономики, регионы были разделены на три кластера по уровню конкурентоспособности. Также как и для всей выборки для трёх подвыборок были построены два уравнения регрессии: сквозная и модель с фиксированными эффектами.
Так, для группы регионов с высокой конкурентоспособностью из числа показателей, характеризующих обеспечивающие факторы статистически значимое влияние на конкурентоспособность регионов РФ оказывали индикаторы инвестиционной активности (внутренние инвестиции в основной капитал на душу населения (inv)), состояния инфраструктуры в регионе (плотность железных дорог (rail)), , развития информационной сферы в регионе (количество абонентов сотовой связи на сто человек населения(abon)).
При рассмотрении показателей, которые характеризуют базовые факторы, статически значимое влияние на конкурентоспособность оказывают показатели структуры региональной экономики (доля добавленной стоимости региона, сгенерированной в промышленности (indust), доля добычи полезных ископаемых в ВРП региона (res1pr) и степень износа основных фондов (depr)). Также значимое влияние оказывают индикаторы демографической ситуации в регионе (доля городского населения (CityPop), наличие в регионе города с населением более миллиона человек (city), географического расположения (наличие морского побережья (sea))., индикаторы внешней привлекательности региона (коэффициент миграционного прироста на тысячу человек (migrInc)
При рассмотрении модели с фиксированными эффектами значимое влияние на конкурентоспособность регионов рассматриваемого кластера оказывают только индикаторы, характеризующие структуру региональной экономики (доля добавленной стоимости региона, сгенерированной в промышленности (indust), доля добычи полезных ископаемых в ВРП региона (res1pr) и степень износа основных фондов (depr)).
Теперь рассмотрим группу регионов со средней конкурентоспособностью. Из числа показателей, которые характеризуют обеспечивающие факторы, значимое влияние на конкурентоспособность регионов РФ оказывают показатели состояния инфраструктуры в регионе (плотность автомобильных дорог (road)), инвестиционной активности (внутренние инвестиции в основной капитал на душу населения (inv)).
Из тех показателей, которые характеризуют базовые факторы, статически значимое влияние оказывают показатели структуры региональной экономики (доля добавленной стоимости региона, произведенной в сфере промышленности (indust), демографической ситуации в регионе (доля городского населения (CityPop), состояние социальной сферы (crime)), внешней привлекательности региона (migrInc).
При рассмотрении модели с фиксированными эффектами значимое влияние на конкурентоспособность регионов со средним уровнем конкурентоспособности оказывают индикаторы, характеризующие структуру региональной экономики (доля добавленной стоимости региона, сгенерированной в промышленности (indust), состояние социальной сферы (количество человек на одного врача (med)), состояние инфраструктуры в регионе (густота автомобильных дорог (road) и густота железных дорог (rail)).
Теперь рассмотрим группу регионов с низкой конкурентоспособностью. Из числа показателей, характеризующих обеспечивающие факторы статистически значимое влияние на конкурентоспособность регионов РФ оказывали индикаторы состояния инфраструктуры в регионе (плотность железных дорог (rail)).
Из числа показателей, характеризующих базовые факторы, статически значимое влияние на конкурентоспособность оказывают показатели структуры региональной экономики (доля добавленной стоимости региона, сгенерированной в промышленности (indust), доля добычи полезных ископаемых в ВРП региона (res1pr)). Также значимое влияние оказывают индикаторы демографической ситуации в регионе (доля городского населения (CityPop), состояния социальной сферы (количество преступлений на то человек (crime) и количество населения на одного врача (med).
При рассмотрении модели с фиксированными эффектами значимое влияние на конкурентоспособность регионов рассматриваемого кластера оказывают индикаторы, характеризующие структуру региональной экономики (доля добавленной стоимости региона, сгенерированной в промышленности (indust), доля добычи полезных ископаемых в ВРП региона (res1pr), индикаторы демографической ситуации в регионе (доля городского населения (CityPop), инвестиционной активности (внутренние инвестиции в основной капитал на душу населения (inv)).
конкуренция экономика парето кластерный
Заключение
Проведенный анализ работ в теоретическом обосновании позволил выделить факторы конкурентоспособности региональной экономики. Так, были выделены базовые, обеспечивающие и результирующие факторы конкурентоспособности. Также были обоснованы: ключевые индикаторы и метод оценки конкурентоспособности, зависимые переменные и необходимость разделить регионы на группы.
Выводы по данной выпускной квалификационной работе можно разделить на две группы: первая связанна с оценкой конкурентоспособности регионов, вторая с факторами от которых конкурентоспособность зависит.
Так, исходя из проведенного анализа, можно сделать вывод, что гипотеза H1 о том, что наименьший уровень конкурентоспособности будет у регионов СКФО. Помимо вышеупомянутых регионов высокой конкурентоспособностью экономики обладают также Санкт-Петербург и Ленинградская область. Подтвердилась гипотеза H2 о том, что для регионов разных кластеров конкурентоспособность определяется разными факторами.
Итак, обобщая все вышеизложенное, можно сделать вывод, что наиболее значительное влияние на конкурентоспособность регионов для выборки в целом имеют демографическая ситуация, инфраструктура и структура региональной экономики. Структура региональной экономики также является значимой для всех кластеров. Однако, для регионов с низким уровнем конкурентоспособности влияние доли добывающего сектора в добавленной стоимость возрастает в разы по сравнению с регионами с высокой конкурентоспособностью.
Также на основании проведенного анализа можно утверждать, что в регионах с низким и высоким уровнем конкурентоспособности целесообразно проводить экономическую политику, направленную на стимулирование инвестиционных процессов.
Кроме того, для регионов с низким уровнем конкурентоспособности необходимо развитие отраслей обрабатывающей промышленности и увеличение эффективности использования природных ресурсов.
Для регионов с высоким уровнем КСП в соответствии с проведенным анализом следует сосредоточить внимание на развитие информационной среды и стимулировать миграционный приток. Развитие информационной среды должно привести к снижению транзакционных издержек, что в свою очередь приведет к повышению конкурентоспособности фирм. Кроме того регионам из этой группы необходимо проводить политику ориентированную на увеличение эффективности использования земельных ресурсов.
Также для регионов с средним уровнем КСП целесообразно развивать автодорожную сеть, что поспособствует снижению транспортных издержек для фирм и приведет к повышению региональной конкурентоспособности.
Интересным результатом исследования автор считает, что с ростом конкурентоспособности региона влияние промышленного производства на нее растет. В данном случае может быть предложена следующая интерпретация. Поскольку высокий КСП регионов зависит либо от близости крупной агломерации (Санкт-Петербург, Ленинградская область) либо от наличия в регионе полезных ископаемых, то очевидно, что в этих регионов доля промышленности в меньшей степени определяет КСП региона.
Также интересным представляется тот факт, что для группы регионов с средним уровнем конкурентоспособности наблюдается значительная отрицательная зависимость от доли земли пригодной для ведения сельского хозяйства. Причина этого может быть перераспределение ресурсов в экономике этих регионов в пользу сельского хозяйства в ущерб другим более перспективным сферам. Из рассмотренной модели заметно значимое отрицательное влияние на изменение конкурентоспособности от нагрузки на одного врача с течением времени в модели с фиксированными эффектами. Также положительное влияние имеет фактор состояние инфраструктуры. Таким образам регионом со средним уровнем конкурентоспособности следует проводить меры, направленные на развитее этих факторов.
Также в работе присутствует ряд переменных, влияние которых на конкурентоспособность противоречит теоретическому обоснованию выбору этих переменных. Так, количество малых предприятий на душу населения имеет отрицательное влияние на конкурентоспособность региональной экономики. Что ухудшает качество предложенной модели. Хотя между интегральным индексом конкурентоспособности и количеством малых фирм на душу населения существует положительная корреляция равная 54%.
К недостаткам работы следует отнести усечённость выборки. Так, из анализа были исключены десять регионов РФ. Изменение выборки могло привести к смещению результатов оценивания регрессионных уравнений.
Список использованной литературы
1. Баканач О.В. (2015), "Статистический анализ факторов конкурентоспособности регионов РФ", Вестник ВГУИТ, Vol 4, сс 222 - 228.
2. Гамбаров Г.М. (2006), "Метод регуляризации финансовых показателей по Парето", Финанасы и кредит, vol6 pp 45-54.
3. Данилов И.П. (2007) , "Конкурентоспособность регионов России", Канон+, М., с. 228
4. Зубаревич, Н.В. (2010) "Регионы России: неравенство, кризис, модернизация", Независимый институт социальной политики, М., с. 160.
5. Калюжнова Н.Я. (2004) «Конкурентоспособность регионов: теория и методология анализа в контексте современного экономического развития», автореферат диссертации на соискание ученой степени д.э.н., Томск, c.50.
6. Кузьмин О.М. (2010), "статистическое исследование конкурентоспособности регионов России", Экономика, статистика и информатика, vol 6, сс. 165-169.
7. Моисейко В.О. (2013), "Оценка конкурентоспособности регионов: методология, модели, инструменты", Изд-во ВолГУ, с 89.
8. Портер, М. (1993)"Международная конкуренция: Конкурентные преимущества стран"с. 947
9. Пунгина В.С., (2010) "Систематизация показателей оценки конкурентоспособности и эффективности на основе целевого подхода", Современная конкуренция Vol 1 cc46-55
10. Смирнов С.Н., Симачев Ю.В., Засимова Л.С., Чулок А.А. (2005) «Механизмы повышения конкурентоспособности экономики регионов»,-- М.: ГУ ВШЭ. с. 64.
11. Тюнен, И-Г. (1926) "Изолированное государство". - "Экономическая жизнь", М., с. 180.
12. Фатхутдинов Р.А., (2000) "Конкурентоспособность: экономика, стратегия, управление", ИНФРА, с. 612.
13. Хананов К.В. (2011) "Анализ факторов и оценка конкурентоспособности регионов", Вестник ОГУ, Vol 8, сс. 156-160.
14. Шаститко, А.Е. (2009) «Конкурентоспособность региона: содержание, факторы, политика», Балтийский регион, №1, с. 1-21.
15. Dijkstra L, Annoni P, Kazovska K. (2011) "A New Regional Competitiveness index: Theory, Methods and Findings" UE Regional Policy work papers vol 2. с 92
16. Florida, R.The Rise of the Creative Class. (2002) And How It's Transforming Work, Leisure and Everyday Life.--Basic Books.
17. Friedmann, J. (1996) "Regional development policy''. Boston: Massachusetts Institute of Technology, vol. pp 257-272
18. Hagerstrand, T. (1954) ''Diffusion of Innovation as The Arial Process''.
19. Huggins R (2013) ''Regional Competitiveness: Theories and Methodologies for Empirical Analysis'' The Business and Economics Research Journal Vol 6, pp.155-172
20. Henderson, J. V.,(Sep., 1974), The American Economic Review, Vol. 64, No. 4, pp.640-656
21. Krugman, P. (1991) Geography and Trade. - Cambridge, MA: MIT Press.
22. Lengyel I. (2013) "The competitiveness of regions in the central European transition countries", The Macrotheme Review , vol 4, pp. 106-121.
23. Lengyel I (2004), "The pyramid-model: entangling regional competitiveness in Hungary", Acta Oeconomica, vol 3,pp. 323-343
24. Meleckэ, L., Nevima, J. (2011). Application of econometric panel data model for regional competitiveness evaluation of selected EU 15 countries. Journal of Competitiveness, Vol. 3, pp.23-38.
25. Meleckэ, L., (2013) Assessment of EU Competitiveness Factors by Multivariate Methods. International Journal of Social, Behavioral, Educational, Economic, Business and Industrial Engineering Vol:7, No:6,
26. Meleckэ, L, (2012) ''Spatial Analysis of NUTS 2 Regions Based on Competitiveness Factors and Their Regional Variability''. 5th Central European Conference in Regional Science, Koљice, October 2014, pp. 581-590.
27. Porter M., (2003), “The Economic performance of regions,” Regional Studies, vol 37, pp. 549-578
28. Santoso E., (2010) "Regional Competetiviness Analisys and its implication on regional development in east Java region" 23rd PRSCO, Bandung, July 2013, pp 1-23.
29. Stanickova M., (2015) "Classifying The EU Competitiveness Factors using Multivariate Statistical Methods" Procedia Economics and Finance, vol. 23 pp. 313 - 320
Приложение 1
Оценка КСП регионов с 2006 по 2015 гг.
2006 |
2007 |
2008 |
2009 |
2010 |
||
Белгородская область |
66,10169 |
51,8797 |
64,92537 |
52,63158 |
64 |
|
Брянская область |
22,88136 |
35,33835 |
23,13433 |
13,53383 |
18,4 |
|
Владимирская область |
34,74576 |
47,36842 |
48,50746 |
50,37594 |
45,6 |
|
Воронежская область |
35,59322 |
31,57895 |
32,83582 |
30,82707 |
24 |
|
Ивановская область |
28,81356 |
31,57895 |
33,58209 |
26,31579 |
19,2 |
|
Калужская область |
53,38983 |
52,63158 |
54,47761 |
55,6391 |
62,4 |
|
Костромская область |
56,77966 |
54,13534 |
53,73134 |
48,1203 |
48 |
|
Курская область |
37,28814 |
48,87218 |
47,01493 |
40,6015 |
37,6 |
|
Липецкая область |
80,50847 |
78,19549 |
73,8806 |
55,6391 |
70,4 |
|
Орловская область |
48,30508 |
39,84962 |
38,80597 |
41,35338 |
28 |
|
Рязанская область |
31,35593 |
37,59398 |
28,35821 |
42,10526 |
23,2 |
|
Смоленская область |
51,69492 |
54,13534 |
44,77612 |
45,86466 |
53,6 |
|
Тамбовская область |
16,10169 |
18,79699 |
16,41791 |
20,30075 |
12 |
|
Тверская область |
44,91525 |
45,86466 |
42,53731 |
46,61654 |
43,2 |
|
Тульская область |
73,72881 |
66,91729 |
61,19403 |
51,12782 |
55,2 |
|
Ярославская область |
64,40678 |
55,6391 |
58,20896 |
54,13534 |
46,4 |
|
Республика Карелия |
88,98305 |
78,19549 |
70,89552 |
68,42105 |
66,4 |
|
Республика Коми |
72,0339 |
67,66917 |
75,37313 |
61,65414 |
68,8 |
|
Архангельская область |
83,89831 |
71,42857 |
69,40299 |
86,46617 |
80,8 |
|
Вологодская область |
83,89831 |
71,42857 |
69,40299 |
86,46617 |
80,8 |
|
Калининградская область |
81,35593 |
68,42105 |
61,19403 |
63,15789 |
52,8 |
|
Ленинградская область |
95,76271 |
92,4812 |
94,77612 |
87,21805 |
97,6 |
|
Мурманская область |
98,30508 |
86,46617 |
87,31343 |
86,46617 |
87,2 |
|
Новгородская область |
72,88136 |
60,90226 |
67,91045 |
63,90977 |
74,4 |
|
Псковская область |
48,30508 |
46,61654 |
39,55224 |
31,57895 |
20,8 |
|
г.Санкт-Петербург |
100 |
98,49624 |
98,50746 |
93,23308 |
89,6 |
|
Республика Адыгея |
0 |
9,774436 |
8,955224 |
13,53383 |
9,6 |
|
Республика Калмыкия |
32,20339 |
16,54135 |
20,89552 |
0 |
4,8 |
|
Краснодарский край |
37,28814 |
33,83459 |
54,47761 |
41,35338 |
48,8 |
|
Астраханская область |
61,86441 |
50,37594 |
61,9403 |
39,09774 |
50,4 |
|
Волгоградская область |
52,54237 |
52,63158 |
43,28358 |
47,36842 |
42,4 |
|
Ростовская область |
35,59322 |
42,10526 |
44,77612 |
36,09023 |
36 |
|
Республика Дагестан |
0 |
3,759398 |
11,9403 |
10,52632 |
1,6 |
|
Кабардино-Балкарская Республика |
1,694915 |
0 |
0 |
2,255639 |
0 |
|
Карачаево-Черкесская Республика |
5,084746 |
8,270677 |
7,462687 |
5,263158 |
2,4 |
|
Республика Северная Осетия - Алания |
16,94915 |
18,79699 |
18,65672 |
15,03759 |
36,8 |
|
Ставропольский край |
20,33898 |
29,32331 |
31,34328 |
26,31579 |
20 |
|
Республика Башкортостан |
68,64407 |
60,15038 |
64,1791 |
63,15789 |
60,8 |
|
Республика Марий Эл |
16,10169 |
41,35338 |
35,8209 |
40,6015 |
36 |
|
Республика Мордовия |
33,05085 |
44,3609 |
52,23881 |
27,81955 |
47,2 |
|
Республика Татарстан |
80,50847 |
73,68421 |
85,8209 |
71,42857 |
90,4 |
|
Удмуртская Республика |
66,10169 |
47,36842 |
50 |
43,60902 |
42,4 |
|
Чувашская Республика |
44,0678 |
35,33835 |
38,0597 |
27,06767 |
28,8 |
|
Пермский край |
69,49153 |
60,15038 |
61,9403 |
54,13534 |
61,6 |
|
Кировская область |
47,45763 |
48,87218 |
52,23881 |
48,1203 |
43,2 |
|
Нижегородская область |
58,47458 |
59,3985 |
59,70149 |
61,65414 |
58,4 |
|
Оренбургская область |
66,94915 |
57,89474 |
48,50746 |
51,8797 |
61,6 |
|
Пензенская область |
13,55932 |
13,53383 |
24,62687 |
31,57895 |
19,2 |
|
Самарская область |
83,89831 |
77,44361 |
72,38806 |
63,15789 |
67,2 |
|
Саратовская область |
42,37288 |
40,6015 |
40,29851 |
42,85714 |
58,4 |
|
Ульяновская область |
34,74576 |
33,83459 |
35,07463 |
36,84211 |
24,8 |
|
Курганская область |
20,33898 |
23,30827 |
23,8806 |
21,80451 |
19,2 |
|
Свердловская область |
89,83051 |
87,96992 |
81,34328 |
78,19549 |
72,8 |
|
Тюменская область |
97,45763 |
97,74436 |
100 |
95,48872 |
97,6 |
|
Челябинская область |
79,66102 |
66,16541 |
78,35821 |
65,41353 |
71,2 |
|
Республика Алтай |
11,86441 |
15,78947 |
11,19403 |
14,28571 |
18,4 |
|
Республика Бурятия |
33,05085 |
33,83459 |
38,80597 |
38,34586 |
37,6 |
|
Республика Тыва |
22,0339 |
24,81203 |
27,61194 |
33,83459 |
28,8 |
|
Республика Хакасия |
60,16949 |
60,15038 |
60,44776 |
66,91729 |
58,4 |
|
Алтайский край |
27,9661 |
33,83459 |
33,58209 |
30,07519 |
22,4 |
|
Красноярский край |
89,83051 |
84,96241 |
74,62687 |
87,21805 |
90,4 |
|
Иркутская область |
68,64407 |
75,18797 |
67,16418 |
66,16541 |
64 |
|
Кемеровская область |
77,9661 |
69,17293 |
70,89552 |
73,68421 |
64 |
|
Новосибирская область |
49,15254 |
48,1203 |
58,20896 |
49,62406 |
59,2 |
|
Омская область |
65,25424 |
43,60902 |
47,01493 |
45,11278 |
72 |
|
Томская область |
61,01695 |
63,90977 |
55,22388 |
52,63158 |
59,2 |
|
Республика Саха (Якутия) |
83,89831 |
74,43609 |
73,8806 |
72,93233 |
74,4 |
|
Камчатский край |
67,79661 |
60,90226 |
59,70149 |
81,95489 |
84,8 |
|
Приморский край |
44,0678 |
53,38346 |
52,23881 |
51,8797 |
53,6 |
|
Хабаровский край |
88,13559 |
63,15789 |
64,92537 |
59,3985 |
56 |
|
Амурская область |
36,44068 |
38,34586 |
43,28358 |
38,34586 |
44,8 |
|
Магаданская область |
56,77966 |
69,17293 |
71,64179 |
66,91729 |
66,4 |
|
Сахалинская область |
86,44068 |
100 |
99,25373 |
100 |
100 |
|
Еврейская автономная область |
27,9661 |
30,82707 |
22,38806 |
25,56391 |
27,2 |
|
Чукотский автономный округ |
88,98305 |
51,12782 |
52,23881 |
55,6391 |
60 |
|
2011 |
2012 |
2013 |
2014 |
2015 |
||
Белгородская область |
59,3985 |
63,35878 |
70,07874 |
69,84127 |
71,21212 |
|
Брянская область |
20,30075 |
32,06107 |
25,98425 |
25,39683 |
29,54545 |
|
Владимирская область |
50,37594 |
53,43511 |
54,33071 |
52,38095 |
52,27273 |
|
Воронежская область |
36,09023 |
39,69466 |
41,73228 |
42,85714 |
42,42424 |
|
Ивановская область |
24,81203 |
30,53435 |
25,98425 |
23,01587 |
31,81818 |
|
Калужская область |
60,90226 |
67,93893 |
66,14173 |
58,73016 |
58,33333 |
|
Костромская область |
48,1203 |
48,0916 |
41,73228 |
39,68254 |
34,09091 |
|
Курская область |
42,10526 |
38,9313 |
41,73228 |
47,61905 |
42,42424 |
|
Липецкая область |
66,91729 |
74,80916 |
70,86614 |
72,22222 |
70,45455 |
|
Орловская область |
20,30075 |
27,48092 |
27,55906 |
26,19048 |
25,75758 |
|
Рязанская область |
30,07519 |
29,00763 |
29,13386 |
25,39683 |
26,51515 |
|
Смоленская область |
54,88722 |
54,96183 |
55,11811 |
52,38095 |
54,54545 |
|
Тамбовская область |
18,04511 |
19,84733 |
22,04724 |
23,01587 |
27,27273 |
|
Тверская область |
43,60902 |
48,85496 |
49,6063 |
48,4127 |
43,93939 |
|
Тульская область |
59,3985 |
60,30534 |
62,20472 |
65,87302 |
64,39394 |
|
Ярославская область |
54,88722 |
61,0687 |
64,56693 |
70,63492 |
63,63636 |
|
Республика Карелия |
61,65414 |
60,30534 |
55,90551 |
54,7619 |
52,27273 |
|
Республика Коми |
72,93233 |
73,28244 |
91,33858 |
81,74603 |
75,75758 |
|
Архангельская область |
81,95489 |
68,70229 |
61,41732 |
59,52381 |
67,42424 |
|
Вологодская область |
81,95489 |
68,70229 |
61,41732 |
59,52381 |
67,42424 |
|
Калининградская область |
60,90226 |
65,64885 |
69,29134 |
73,80952 |
72,72727 |
|
Ленинградская область |
95,48872 |
96,18321 |
98,4252 |
90,47619 |
87,12121 |
|
Мурманская область |
89,47368 |
81,67939 |
92,12598 |
90,47619 |
90,15152 |
|
Новгородская область |
73,68421 |
70,22901 |
71,65354 |
70,63492 |
74,24242 |
|
Псковская область |
26,31579 |
34,35115 |
30,70866 |
28,57143 |
27,27273 |
|
г.Санкт-Петербург |
93,98496 |
97,70992 |
100 |
97,61905 |
88,63636 |
|
Республика Адыгея |
Подобные документы
Понятие, параметры и критерии определения уровня конкурентоспособности, свойства и методика расчета. Определение коэффициента конкурентоспособности. Общее описание метода ветвей и границ. Текст полученной программы, ее листинг и практическая апробация.
дипломная работа [238,1 K], добавлен 10.06.2011Общая характеристика применения математических методов в экономике. Определение понятия "устойчивое развитие". Оценка общего влияния структурных сдвигов на устойчивый рост региональной экономики. Расчет индекса устойчивости промышленности региона.
реферат [136,9 K], добавлен 31.01.2016Связь между случайными переменными и оценка её тесноты как основная задача корреляционного анализа. Регрессионный анализ, расчет параметров уравнения линейной парной регрессии. Оценка статистической надежности результатов регрессионного моделирования.
контрольная работа [50,4 K], добавлен 07.06.2011Теоретические основы прикладного регрессионного анализа. Проверка предпосылок и предположений регрессионного анализа. Обнаружение выбросов в выборке. Рекомендации по устранению мультиколлинеарности. Пример практического применения регрессионного анализа.
курсовая работа [1,2 M], добавлен 04.02.2011Определение инновационного потенциала, способы его измерения. Факторы, влияющие на инновационный потенциал регионов Российской Федерации. Сущность регрессионного анализа и методические указания по его использованию в экспериментальном исследовании.
курсовая работа [537,2 K], добавлен 28.08.2016Рассмотрение приспособительных реакций экономики на внешние воздействия в динамике рыночных отношений. Разработка математических моделей поведения макроэкономических систем - чистой монополии, конкуренции, монополистической конкуренции и олигополии.
статья [4,5 M], добавлен 25.03.2011Характеристика российской модели переходной экономики. Математические модели социально-экономических процессов, факторы и риски экономической динамики, посткризисные тренды. Роль Краснодарского края в экономике РФ, стратегия его экономического развития.
дипломная работа [385,0 K], добавлен 21.01.2016Расчет рыночной стоимости и оценка конкурентоспособности радиомодема МЕТА: выбор коэффициентов; определение величины затрат. Сравнение радиомодемов МЕТА, Риф Файндер-801, ГАММА методом построения и анализа иерархии. Расчет матриц сравнения и приоритетов.
курсовая работа [245,3 K], добавлен 30.06.2012Цели сегментации рынка в маркетинговой деятельности. Сущность кластерного анализа, основные этапы его выполнения. Выбор способа измерения расстояния или меры сходства. Иерархические, неиерархические методы кластеризации. Оценка надежности и достоверности.
доклад [214,7 K], добавлен 02.11.2009Проблемы неравномерного распределения доходов среди населения. Закон распределения Парето: зависимость между размером доходов и количеством людей. Распределение Парето в теории катастроф. Методы обработки данных с распределением с тяжелыми хвостами.
курсовая работа [413,0 K], добавлен 06.01.2012