Анализ демографических событий жизни

ВЫСШАЯ ШКОЛА ЭКОНОМИКИ
НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ
ФАКУЛЬТЕТ ЭКОНОМИКИ
ОТДЕЛЕНИЕ СТАТИСТИКИ, АНАЛИЗА ДАННЫХ И ДЕМОГРАФИИ
СТАТИСТИЧЕСКИЕ МЕТОДЫ АНАЛИЗА
ЭКОНОМИКИ И ОБЩЕСТВА
3-я Международная научно-практическая конференция
студентов и аспирантов (15-16 мая 2012 г.)
Тезисы докладов
Москва
2012
1
УДК 519.2
ББК 22.172
П
34
Тезисы докладов 3-й Международной научно-практической
конференции студентов и аспирантов «Статистические методы анализа
экономики и общества» (15-16 мая 2012 г.) – Национальный
исследовательский университет «Высшая школа экономики», 2012. - 202 с.
Редакционная коллегия: Мхитарян В.С. (гл. редактор), Сиротин
В.П. (зам. гл. редактора), Архипова М.Ю., Родионова Л.А.
Компьютерная верстка – студентки ИЭиФ МЭСИ
Грибова Е.В., Сергеева А.Н.
Сборник составлен по результатам исследований студентов и
аспирантов Национального исследовательского университета «Высшая
школа экономики», а также ряда ВУЗов Владивостока, Дубны, Иркутска,
Йошкар-Олы, Киева, Курска, Луганска, Магнитогорска, Махачкалы,
Москвы, Нижнего Новгорода, Новосибирска, Перми, Санкт-Петербурга,
Саранска, Саратова, Улан-Удэ, Харькова, Челябинска. Результаты
исследований посвящены вопросам статистической методологии,
применению математико-статистических и эконометрических методов в
различных отраслях экономики и социальной сферы. Обобщается
зарубежный опыт статистического анализа ряда проблем экономической и
социальной жизни. Сравнивается эффективность различных методов,
формируются рекомендации по их выбору в зависимости от специфики
решаемой задачи.
© Национальный исследовательский университет
«Высшая школа экономики», 2012
2
ОГЛАВЛЕНИЕ
МОДЕЛИРОВАНИЕ ТОРГОВЫХ ОТНОШЕНИЙ ДАГЕСТАНА И
АЗЕРБАЙДЖАНА НА ОСНОВЕ ГРАВИТАЦИОННЫХ МОДЕЛЕЙ
Абдухаликова Д.Н……………………………………………………………………...12
ДАННЫЕ О МИГРАЦИИ НАСЕЛЕНИЯ В ИСТОЧНИКАХ
РОССТАТА
Абылкаликов С.И. ..……………………………………………………………………14
ОПТИМАЛЬНЫЙ ПОРТФЕЛЬ ЦЕННЫХ БУМАГ: ПОДХОД
МАРКОВИЦА
Алексанян А.В…………………..………………………………………………………16
ДОВЕРИЕ К РЕКЛАМЕ: БОРЬБА ЗА ПОТРЕБИТЕЛЕЙ
Алёшкина Д.В…………………………………………………………………………..18
ТЕОРИЯ АРБИТРАЖНОГО ЦЕНООБРАЗОВАНИЯ (ARBITRAGE
PRICING MODEL, APT) ДЛЯ ФОРМИРОВАНИЯ ОПТИМАЛЬНОГО
ПОРТФЕЛЯ ЦЕННЫХ БУМАГ
Аникина А.А., Алфёров И.О………………………………………………………….20
ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ ШАБЛОННОГО МЕТОДА ПРИ
ПРОЕКТИРОВАНИИ СИСТЕМ
Архипов Н.В…………………………………………………………………………….22
ИССЛЕДОВАНИЕ
ОТДЕЛЬНЫХ
АСПЕКТОВ
ДЕМОГРАФИЧЕСКОЙ ПРОБЛЕМЫ В РФ
Астратова Е.В…………………………………………………………………………24
СТАТИСТИЧЕСКИЙ АНАЛИЗ ЧЕЛОВЕЧЕСКОГО ПОТЕНЦИАЛА
ПРИ ИЗМЕРЕНИИ ЭКОНОМИЧЕСКОГО РОСТА (НА ПРИМЕРЕ
СТРАН АФРИКИ)
Атчаде М.Н…………………………………………………………………………….26
АНАЛИЗ И ПРОГНОЗИРОВАНИЕ СИСТЕМЫ ПЕНСИОННОГО
ОБЕСПЕЧЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Базарова Н.З……………………………………………………………………………28
СТАТИСТИЧЕСКИЙ АНАЛИЗ РЫНКА ЖИЛЬЯ
Банарь К.С., Беляева М.К……………………………………………………………30
МЕТОДОЛОГИЧЕСКИЕ
ПОДХОДЫ
СТАТИСТИЧЕСКОГО
АНАЛИЗА И ОЦЕНИВАНИЯ ФУНКЦИОНИРОВАНИЯ РЫНКА
ТРУДА
Бараник Л.Н., Ковалевский Ю.А……………………………………………………32
ПРИМЕНЕНИЕ
АЛГОРИТМА
ПОСТРОЕНИЯ
БЛОЧНОГО
ИНТЕГРАЛЬНОГО ИНДИКАТОРА ДЛЯ АНАЛИЗА ТЕНДЕНЦИИ
ВЫХОДА ИЗ КРИЗИСА СУБЪЕКТОВ РФ
Барышникова В.В……………………………………………………………………..34
3
ПРОБЛЕМЫ И ПОТЕНЦИАЛ ЭНЕРГОЭФФЕКТИВНОСТИ В
РОССИИ
Басангова М.П…………………………………………………………………………36
РЕГРЕССИОННЫЙ
АНАЛИЗ
ОСВОЕНИЯ
КАПИТАЛЬНЫХ
ВЛОЖЕНИЙ РОССИЙСКИХ НЕФТЕДОБЫВАЮЩИХ КОМПАНИЙ
ЗА 2005-2011 гг.
Бороздин А.Н…………………………………………………………………………...38
СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ЗАВИСИМОСТИ ВЕСА
НОВОРОЖДЕННЫХ
Букина М.Ю…………………………………………………………………………….40
СБЕРЕГАТЕЛЬНЫЕ СТРАТЕГИИ ДОМОХОЗЯЙСТВ РФ В ПЕРИОД
КРИЗИСА 2008-2009
Васильева Е.Б………………………………………………………………………….42
ИСПОЛЬЗОВАНИЕ
СИСТЕМ
ЭКОНОМЕТРИЧЕСКИХ
УРАВНЕНИЙ ДЛЯ АНАЛИЗА СОЦИАЛЬНОГО ПОТЕНЦИАЛА
КАК ФАКТОРА МОДЕРНИЗАЦИИ ЭКОНОМИКИ РЕГИОНА
Вачаева Л.П., Карташова О.Б…………………………………………………..….44
СТАТИСТИЧЕСКАЯ
ОЦЕНКА
ИННОВАЦИОННОЙ
ДЕЯТЕЛЬНОСТИ
ЭКОНОМИКИ
УКРАИНЫ
(ПО
МЕЖДУНАРОДНОЙ МЕТОДОЛОГИИ)
Вдовенко Ю.В……………………………………………………………………….….46
СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ ДОСУГА МОЛОДЕЖИ
Верховцева М.И., Манушкина А.А……………………………………………….…48
ДАННЫЕ О ЧИСЛЕННОСТИ НАСЕЛЕНИЯ ИТАЛИИ В БАЗАХ
ДАННЫХ ДЕМОСКОП WEEKLY, ЕВРОСТАТ И ИНЕД
Винник М.В……………………………………………………………………………...50
АНАЛИЗ ИНФЛЯЦИОННЫХ ПРОЦЕССОВ В РОССИЙСКОЙ
ЭКОНОМИКЕ МЕТОДАМИ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ
Гарке Д.В………………………………………………………………………………..52
АНАЛИЗ
ФАКТОРОВ,
ВЛИЯЮЩИХ
НА
УРОВЕНЬ
ПРОФЕССИОНАЛЬНОЙ ЗАБОЛЕВАЕМОСТИ В ЧЕЛЯБИНСКОЙ
ОБЛАСТИ
Гоглидзе Ю.Ю………………………………………………………………………….54
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ РЫНКА FOREX С
ПОМОЩЬЮ ФРАНКТАЛЬНОГО БРОУНОВСКОГО ДВИЖЕНИЯ
Гончаренко А.В..…………………………………………………………………….…56
ИСПОЛЬЗОВАНИЯ КОПУЛА-ФУНКЦИЙ ДЛЯ ОЦЕНКИ РЫНКА
СЫРЬЯ РОССИИ
Гончарова И.А.………………………………………………………………………...58
4
ДИФФЕРЕНЦИАЦИЯ ИННОВАЦИОННО-ТЕХНОЛОГИЧЕСКОГО
РАЗВИТИЯ РЕГИОНОВ РОССИИ
Грибова Е.В……………………………………………………………………………..59
СТАТИСТИЧЕСКИЙ
АНАЛИЗ
ИННОВАЦИОННОЙ
ДЕЯТЕЛЬНОСТИ УКРАИНЫ
Гринько А.В……………………………………………………………………………..61
ТРУДОВАЯ
МИГРАЦИЯ.
ПРОБЛЕМЫ
ИСПОЛЬЗОВАНИЯ
ИНОСТРАННОЙ РАБОЧЕЙ СИЛЫ
Давлетшина Л.А……………………………………………………………………….63
СРАВНИТЕЛЬНЫЙ
АНАЛИЗ
ПОЛОЖЕНИЯ
РЕСПУБЛИКИ
БУРЯТИЯ В СИБИРСКОМ ФЕДЕРАЛЬНОМ ОКРУГЕ
Дашиева Б.Ш…………………………………………………………………………...65
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ТИПОВ ФИНАНСОВЫХ СИСТЕМ И
ИХ ВЛИЯНИЯ НА ЭКОНОМИЧЕСКИЙ РОСТ
Двоеглазов Н.А…………………………………………………………………………66
СТАТИСТИЧЕСКОЕ
ИССЛЕДОВАНИЕ
УРОЖАЙНОСТИ
ЗЕРНОВЫХ КУЛЬТУР В ХОЗЯЙСТВАХ ПЕНЗЕНСКОЙ ОБЛАСТИ
Дедов А.А………………………………………………………………………………..68
МЕТОД УСТАНОВЛЕНИЯ РАВНОВЕСНОЙ ЦЕНЫ НА ОСНОВЕ
МОДЕЛИ БЕРТРАНА
Джабраилова М.А…………………………………………………………………….69
СТАТИСТИЧЕСКИЙ АНАЛИЗ ВОЗНИКНОВЕНИЯ «ВТОРОЙ
ВОЛНЫ» КРИЗИСА В РОССИИ
Дорошкевич Ю.В………………………………………………………………………71
СТАТИСТИЧЕСКОЕ
ИССЛЕДОВАНИЕ
СУИЦИДАЛЬНОЙ
СМЕРТНОСТИ В РОССИЙСКОЙ ФЕДЕРАЦИИ
Евсеев А.А………………………………………………………………………….……73
ЭКОНОМЕТРИЧЕСКОЕ
МОДЕЛИРОВАНИЕ
ПЛАТЕЖНОГО
БАЛАНСА ПРИ ИЗУЧЕНИИ ЭКОНОМИЧЕСКИХ ОТНОШЕНИЙ
МЕЖДУ ГОСУДАРСТВАМИ
Журавлев А.В…………………………………………………………………………...75
ЭКОНОМИКО-СТАТИСТИЧЕСКОЕ
ИССЛЕДОВАНИЕ
ХАРАКТЕРИСТИК РАЗЛИЧНЫХ ТОРГОВЫХ СТРАТЕГИЙ НА
БИРЖЕ ММВБ-РТС
Закиров Р.К., Липатников А.В……………………………………………………...77
СТАТИСТИЧЕСКИЙ
АНАЛИЗ
РОССИЙСКОГО
РЫНКА
ТЕЛЕВИЗИОННОЙ РЕКЛАМЫ
Зенокина А.И., Прудникова А.А……………………………………………………..79
5
СТАТИСТИЧЕСКИЙ
АНАЛИЗ
РАЗВИТИЯ
МАЛОГО
ИННОВАЦИОННОГО ПРЕДПРИНИМАТЕЛЬСТВА В РОССИИ
Иванова А.С…………………………………………………………………………….81
ОСНОВНЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ ИННОВАЦИОННОЙ
ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЙ И ОРГАНИЗАЦИЙ РОССИИ
Кабалина М.Ю.………………………………………………………………………...83
УРОВЕНЬ ЭКОНОМИЧЕСКОГО РАЗВИТИЯ КАК ФАКТОР
УРОВНЯ
ДЕМОКРАТИИ
В
ПОСТКОММУНИСТИЧЕСКИХ
ГОСУДАРСТВАХ
Камалова Р.У.………………………………………………………………………….85
ВЛИЯНИЕ МИГРАЦИОННЫХ ПРОЦЕССОВ НА СОЦИАЛЬНОЭКОНОМИЧЕСКОЕ РАЗВИТИЕ ЧЕЛЯБИНСКОЙ ОБЛАСТИ
Касаткин Г.С…………………………………………………………………………..87
ПОСТРОЕНИЕ КОМПЛЕКСНОЙ СКОРИНГОВОЙ МОДЕЛИ
ОЦЕНКИ КРЕДИТНЫХ РИСКОВ БАНКА «ЙОШКАР-ОЛА»
Кириллова Е.Р………………………………………………………………………….89
МНОГОМЕРНЫЙ
СТАТИСТИЧЕСКИЙ
АНАЛИЗ
НЕОДНОРОДНОСТИ ЭКОНОМИЧЕСКОГО РАЗВИТИЯ ЗЕМЕЛЬ
ГЕРМАНИИ
Клинцова М.В…………………………………………………………………………..91
ОСОБЕННОСТИ ИЗМЕРЕНИЯ, АНАЛИЗА И МОДЕЛИРОВАНИЯ
СЧАСТЬЯ
Красильникова Е.В……………………………………………………………………93
ПОСТРОЕНИЕ ОБОБЩАЮЩЕГО ПОКАЗАТЕЛЯ КАДРОВОГО
ПОТЕНЦИАЛА ВУЗА (НА ПРИМЕРЕ НИ МГУ ИМ. Н.П. ОГАРЁВА)
Крымзин Д.Н…………………………………………………………………………...95
СТАТИСТИЧЕСКИЙ
АНАЛИЗ
ВЛИЯНИЯ
МОБИЛЬНОГО
ТЕЛЕФОНА НА ОРГАНИЗМ И ДЕЯТЕЛЬНОСТЬ ЧЕЛОВЕКА
Крючкова М.П., Колупанова А.Р…………………………………………………...97
МЕТОДИКА СТАТИСТИЧЕСКОГО ИССЛЕДОВАНИЯ КАЧЕСТВА
ЭКОНОМИЧЕСКОГО
РОСТА
РЕГИОНА
(НА
ПРИМЕРЕ
РЕСПУБЛИКИ МОРДОВИЯ)
Кугушева К.В…………………………………………………………………………100
КАЧЕСТВО ЖИЗНИ НАСЕЛЕНИЯ В РОССИИ В ЕВРОПЕЙСКОМ И
АЗИАТСКОМ ИЗМЕРЕНИЯХ
Кузнецова М.Е., Антонова О.В……………………………………………………102
МОДЕЛИРОВАНИЕ ПАТЕНТНОЙ АКТИВНОСТИ СТРАН МИРА С
ИСПОЛЬЗОВАНИЕМ
РАСЩЕПЛЕНИЯ
СМЕСЕЙ
ВЕРОЯТНОСТНЫХ РАСПРЕДЕЛЕНИЙ
Кузнецова М.Е., Антонова О.В……………………………………………………104
6
СТАТИСТИЧЕСКИЙ
АНАЛИЗ
ВОДОПОТРЕБЛЕНИЯ
И
ВОДОСБЕРЕЖЕНИЯ В ДОМОХОЗЯЙСТВАХ САНКТ-ПЕТЕРБУРГА
Кузнецова Н.В., Кошкина И.Г……………………………………………………..106
АНАЛИЗ ВНЕШНЕТОРГОВОЙ ПОЛИТИКИ РФ НА РЫНКЕ
НЕОБРАБОТАННЫХ ЛЕСОМАТЕРИАЛОВ
Кузьмина Н.Л…………………………………………………………………………108
ДИСКРИМИНАНТНЫЙ АНАЛИЗ В ОЦЕНКЕ СРЕДНЕГО КЛАССА
НАСЕЛЕНИЯ
Кулиджоглян К.О…………………………………………………………………….110
ОЦЕНКА
СТОХАСТИЧЕСКОЙ
ВОЛАТИЛЬНОСТИ
С
ИСПОЛЬЗОВАНИЕМ
ПАКЕТА ПРИКЛАДНЫХ ПРОГРАММ
OpenBugs
Кучер Н.А………………………………………………………………………………112
СТАТИСТИЧЕСКОЕ
ИССЛЕДОВАНИЕ
ИСПОЛЬЗОВАНИЯ
ИНТЕРНЕТА В РОССИИ
Ларшина Е.А…………………………………………………………………………..114
СТАТИСТИЧЕСКОЕ
ИЗУЧЕНИЕ
ФУНКЦИОНИРОВАНИЯ
НАЦИОНАЛЬНЫХ ПАРКОВ РОССИИ
Левченко Е.А…………………………………………………………………..………115
СТАТИСТИЧЕСКИЙ АНАЛИЗ СТРАХОВАНИЯ КОСМИЧЕСКИХ
РИСКОВ
Лежнева М.А…………………………………………………………………………116
ПОСТРОЕНИЕ СИСТЕМЫ ОДНОВРЕМЕННЫХ УРАВНЕНИЙ ДЛЯ
ЭКОНОМЕТРИЧЕСКОГО АНАЛИЗА ФАКТОРОВ СОЦИАЛЬНОЙ
КОМФОРТНОСТИ ПРОЖИВАНИЯ НАСЕЛЕНИЯ В РЕГИОНЕ
Лещайкина М.В………………………………………………………………………118
СТАТИСТИЧЕСКОЕ И НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ
ЭЛЕКТРОПОТРЕБЛЕНИЯ
ЛИСТОПРОКАТНОГО
ЦЕХА
ПРЕДПРИЯТИЯ ЧЕРНОЙ МЕТАЛЛУРГИИ ОАО «ММК»
Липатников А.В………………………………………………………………………120
СОВРЕМЕННЫЙ
УРОВЕНЬ
РАЗВИТИЯ
ФЕРМЕРСКИХ
ХОЗЯЙСТВ В УКРАИНЕ НА ПРИМЕРЕ ЛУГАНСКОЙ ОБЛАСТИ
Лысенко Е.А…………………………………………………………………………..122
СВЯЗЬ
МЕЖДУ
РЕШЕНИЯМИ
ПАРАБОЛИЧЕКОГО
И
СТОХАСТИЧЕСКОГО УРАВНЕНИЙ БАНКОВСКИХ ВКЛАДОВ
Магомедов Р.И………………………………………………………………………..124
МЕТОДИКА РАСЧЕТА ДЕНЕЖНЫХ ДОХОДОВ НАСЕЛЕНИЯ В
РАЗРЕЗЕ МУНИЦИПАЛЬНЫХ ОБРАЗОВАНИЙ
Максимова И.Г……………………………………………………………………….126
7
ДИФФЕРЕНЦИАЦИЯ РЕГИОНОВ РФ ПО СОСТОЯНИЮ ОТРАСЛИ
ЖКХ
Мартынова У.Д………………………………………………………………………128
АНАЛИЗ ДЕМОГРАФИЧЕСКИХ СОБЫТИЙ ЖИЗНИ
Митрофанова Е.С……………………………………………………………………130
СТАТИСТИЧЕСКИЙ АНАЛИЗ РЫНКА ТРУДА РЕСПУБЛИКИ
БУРЯТИЯ
Мункуев И.С…………………………………………………………………………..132
ПРИМЕНЕНИЕ
ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО
МОДЕЛИРОВАНИЯ ПРИ АНАЛИЗЕ ВЗАИМООТНОШЕНИЙ В
КОЛЛЕКТИВАХ
Мухутдинова К.А.……………………………………………………………………134
УРОВЕНЬ
ТЕНЕВОГО
БИЗНЕСА
КАК
ИНДИКАТОР
ЭКОНОМИЧЕСКОЙ БЕЗОПАСНОСТИ
Никифорова М.И……………………………………………………………………..135
ФАКТОРЫ
ДОХОДА
И
СТРУКТУРА
ЗАНЯТОСТИ
В
ПРЕДПЕНСИОННОМ И ПЕНСИОННОМ ВОЗРАСТЕ
Николаюк Е.А…………………………………………………………………………136
ТЕХНИКА РИСК-МЕНЕДЖМЕНТАПОРТФЕЛЯ ЦЕННЫХ БУМАГ
НА ПРИМЕРЕ ПОКАЗАТЕЛЯ VAR
Ничков Г.С…………………………………………………………………………….138
СТАТИСТИЧЕСКИЙ АНАЛИЗ ВЫБОРОВ ПРЕЗИДЕНТА РФ 2012Г
Олейников А.А., Коробова С.Д…………………………………………………….140
СТАТИСТИЧЕСКИЙ АНАЛИЗ ВЛИЯНИЯ ВНЕШНЕГО ДОЛГА
ГОСУДАРСТВА НА ЕГО ЭКОНОМИЧЕСКИЙ РОСТ
Пашкова А.И………………………………………………………………………….142
СРАВНИТЕЛЬНЫЙ АНАЛИЗ КАЧЕСТВА ЖИЗНИ НАСЕЛЕНИЯ
МЕТОДОМ КОЛИЧЕСТВЕННЫХ И ЭКСПЕРТНЫХ ОЦЕНОК
Питерсен Д.С., Макаров Д.П………………………………………………………144
МНОГОМЕРНЫЙ АНАЛИЗ ИННОВАЦИОННОГО РАЗВИТИЯ
РЕГИОНОВ ПРИВОЛЖСКОГО ФЕДЕРАЛЬНОГО ОКРУГА
Подзорова Е.Н………………………………………………………………………..145
ПРОГНОЗИРОВАНИЕ
УРОВНЯ
АВТОМОБИЛИЗАЦИИ
РОССИЙСКОЙ ФЕДЕРАЦИИ
Постников В.П……………………………………………………………………….147
КТО
ТАКИЕ
РОССИЙСКИЕ
ВРАЧИ?
ДИНАМИКА
ХАРАКТЕРИСТИК ПРОФЕССИОНАЛЬНОЙ ГРУППЫ
Присяжнюк Д.И……………………………………………………………………...149
8
РОЛЬ ИНФОРМАЦИОННО-КОНСУЛЬТАЦИОННЫХ СЛУЖБ В
СИСТЕМЕ СЕЛЬСКОГО ХОЗЯЙСТВА УКРАИНЫ
Прокопчук Е.В………………………………………………………………………...151
СТАТИСТИЧЕСКИЙ АНАЛИЗ ДИНАМИКИ ПРИРОДНЫХ И
АНТРОПОГЕННЫХ КАТАСТРОФ
Разроева А.Э…………………………………………………………………………..153
АНАЛИЗ ИНВЕСТИЦИОННОЙ АКТИВНОСТИ В СЕКТОРЕ
ОБРАБАТЫВАЮЩИХ ПРОИЗВОДСТВ В РОССИИ: ПРОБЛЕМЫ И
РЕГИОНАЛЬНАЯ НЕОДНОРОДНОСТЬ
Ромашкина И.Н………………………………………………………………………155
СТАТИСТИЧЕСКАЯ ОЦЕНКА ИНВЕСТИЦИОННОГО КЛИМАТА
НОВОСИБИРСКОЙ ОБЛАСТИ
Румынская Е.С………………………………………………………………………..157
СТАТИСТИЧЕСКИЙ АНАЛИЗ РЫНКА ИНТЕРНЕТ-ТОРГОВЛИ
Сабинина А.В…………………………………………………………………………159
ЭКОНОМЕТРИЧЕСКИЙ АНАЛИЗ СТРАТИФИКАЦИИ РЕГИОНОВ
ПО СТЕПЕНИ ИННОВАЦИОННОГО РАЗВИТИЯ
Сергеева А.Н………………………………………………………………………….161
РЕШЕНИЕ
ЗАДАЧИ
ПРОГНОЗИРОВАНИЯ
ЦЕН
НА
ЭЛЕКТРОЭНЕРГИЮ НА РЫНКЕ "НА СУТКИ ВПЕРЕД"
ЭКОНОМЕТРИЧЕСКИМИ МЕТОДАМИ
Смирнова Е.О…………………………………………………………………………163
СТРАНЫ БРИКС. ИХ УРОВЕНЬ ЖИЗНИ В СОПОСТАВЛЕНИИ С
ДРУГИМИ СТРАНАМИ
Собко Э.О……………………………………………………………………………...165
ПРОБЛЕМЫ
ПОСТРОЕНИЯ
РЕЙТИНГОВОЙ
ОЦЕНКИ
РОССИЙСКИХ ПАЕВЫХ ИНВЕСТИЦИОННЫХ ФОНДОВ
Спиридонова А.В……………………………………………………………………..166
СТАТИСТИЧЕСКИЙ АНАЛИЗ НАУЧНО-ИННОВАЦИОННОГО
РАЗВИТИЯ СТРАН BRICS ПО ПОКАЗАТЕЛЯМ ПАТЕНТНОЙ
ДЕЯТЕЛЬНОСТИ
Стовманенко А.Ю…………………………………………………………………...168
АНАЛИЗ ФИНАНСОВО-ХОЗЯЙСТВЕННОЙ ДЕЯТЕЛЬНОСТИ ОАО
«ГАЗПРОМ»
Талалаева П.С., Петрова О.Н……………………………………………………..170
МОДЕЛИРОВАНИЕ ПРОЦЕССА ГЛОБАЛИЗАЦИИ МЕТОДОМ
КЛЕТОЧНЫХ АВТОМАТОВ
Тараскина К.В………………………………………………………………………...172
9
ИЗМЕРЕНИЕ ВОСПРИЯТИЯ ВЫПУСКНИКАМИ ПЕРМСКИХ
ВУЗОВ КАЧЕСТВА ВЫСШЕГО ОБРАЗОВАНИЯ
Теплых Г.В……………………………………………………………………………..174
ИССЛЕДОВАНИЕ ДИФФЕРЕНЦИАЦИИ РЫНКА ЖИЛЬЯ В
МОСКВЕ
Тесленко В.А…………………………………………………………………………..176
СТАТИСТИЧЕСКИЕ ИССЛЕДОВАНИЯ ВЫЕЗДНОГО ТУРИЗМА В
РФ
Тимохина Т.С………………………………………………………………………….178
МОДЕЛИРОВАНИЕ СТОИМОСТИ ЖИЛОЙ НЕДВИЖИМОСТИ В Г.
МАГНИТОГОРСКЕ
С
ПОМОЩЬЮ
НЕЙРОСЕТЕВОГО
МОДЕЛИРОВАНИЯ
Трофимов Д.Ю., Нагодкина Е.С…………………………………………………..179
ОЦЕНКА ДОСТАТОЧНОСТИ УРОВНЯ ГОСУДАРСТВЕННЫХ
ИНВЕСТИЦИЙ, НАПРАВЛЕННЫХ НА ОХРАНУ ОКРУЖАЮЩЕЙ
СРЕДЫ
Тутарова Д.А………………………………………………………………………….181
ИНТЕРНЕТ-ТОРГОВЛЯ В РОССИИ: АНАЛИЗ ТЕНДЕНЦИЙ И
ПРОГНОЗ
Ульбашев А.Х……………………………………………………………………….…182
СТАТИСТИЧЕСКИЙ АНАЛИЗ ЗДОРОВЬЯ ДЕТЕЙ В РФ ЗА
ПЕРИОД 1991-2010 ГГ.
Урусова О.В., Косолапова Д.Э…………………………………………………….183
УСОВЕРШЕНСТВОВАНИЕ
МЕТОДИЧЕСКИХ ПРИНЦИПОВ
КОМПЛЕКСНОГО ОЦЕНИВАНИЯ ЭФФЕКТИВНОСТИ СИСТЕМЫ
УПРАВЛЕНИЕ
КАЧЕСТВОМ
МЕТАЛЛУРГИЧЕСКОГО
ПРОИЗВОДСТВА
Федько Я.В…………………………………………………………………………….184
СТАТИСТИЧЕСКИЙ АНАЛИЗ АБОРТОВ В РОССИИ
Фетисов И.И……………………………………………………………………….…186
СТАТИСТИЧЕСКИЙ АНАЛИЗ СОСТОЯНИЯ И ОСНОВНЫХ
ТЕНДЕНЦИЙ ЗАБОЛЕВАЕМОСТИ ТУБЕРКУЛЕЗОМ
Филиппова О.Э., Курочкина И.О………………………………………………….188
ОПТИМИЗАЦИИ ПРИБЫЛИ ПРЕДПРИЯТИЯ НА ОСНОВЕ
МОДЕЛИ ШТАКЕЛЬБЕРГА
Хачалова А.Г…………………………………………………………………………..190
ТИПОЛОГИЧЕСКАЯ
ГРУППИРОВКА
КРЕДИТНЫХ
ОРГАНИЗАЦИЙ ПО УРОВНЮ УСТОЙЧИВОСТИ
Хван М.С………………………………………………………………………………192
10
СТАТИСТИЧЕСКИЙ АНАЛИЗ ПРЕСТУПНОСТИ В СФЕРЕ
ОБОРОТА НАРКОТИКОВ В ЛУГАНСКОЙ ОБЛАСТИ
Чеботарёв А.В………………………………………………………………………..194
ОЦЕНИВАНИЕ СМЕРТНОСТИ ПО ДАННЫМ РМЭЗ
Чернышева И.К………………………………………………………………………196
КАЧЕСТВО ВЫСШЕГО ОБРАЗОВАНИЯ ГЛАЗАМИ СТУДЕНТОВ
(ПО ИТОГАМ СОЦИОЛОГИЧЕСКОГО ИССЛЕДОВАНИЯ)
Шаповалова В.В., Дитрих М.А……………………………………………………197
СРАВНЕНИЕ
МОДЕЛЕЙ
ОЦЕНКИ
VAR
В
ПЕРИОДЫ
РАЗЛИЧНОГО ЭКОНОМИЧЕСКОГО СОСТОЯНИЯ НА ПРИМЕРЕ
ЕВРОПЕЙСКИХ СТРАН
Щерба А.В……………………………………………………………………………..199
СРАВНИТЕЛЬНЫЙ
АНАЛИЗ
ДЕМОГРАФИЧЕСКИХ
ПОКАЗАТЕЛЕЙ В БАЗАХ ДАННЫХ РОССТАТ, ЕВРОСТАТ, ВОЗ
HFA, ИНЕД
Юмагузин В.В…………………………………………………………………………201
ОПТИМИЗАЦИЯ
РЕЖИМОВ
РАБОТЫ
ОБЪЕКТОВ
СВЕТОФОРНОГО РЕГУЛИРОВАНИЯ МЕТОДАМИ НЕЧЕТКОЙ
ЛОГИКИ
ТарасовО.В……………………………………………………………………………203
11
МОДЕЛИРОВАНИЕ ТОРГОВЫХ ОТНОШЕНИЙ ДАГЕСТАНА И
АЗЕРБАЙДЖАНА НА ОСНОВЕ ГРАВИТАЦИОННЫХ МОДЕЛЕЙ
Абдухаликова Диана Надировна
(Махачкала, ДГУ)
Современной наукой разработан ряд моделей международной
торговли. К классу моделей, анализирующих межрегиональное
взаимодействие, относятся и гравитационные модели.
Гравитационная модель - модель, описывающая социальные и
экономические взаимодействия между пространственными объектами
(городами, регионами, странами). Модель используется для анализа
процесса
урбанизации,
для
исследования
экспортно-импортных
взаимосвязей, размещения промышленности, миграции населения.
Основной идеей модели гравитации применительно к экспортноимпортным взаимосвязям является то, что интенсивность движения
рассматриваемых потоков товара в предполагаемую точку сбыта, прямо
пропорциональна численности населения в этих двух микрорайонах и
обратно пропорциональна квадрату расстояния от них до рынка сбыта:
Pi
li3 = A 2 ,
(1)
Ri3
где Pi – численность населения в i-м микрорайоне; R i3 – расстояние от
микрорайона i до рынка сбыта 3; A – коэффициент пропорциональности.
Моделирование торговли с помощью моделей гравитации
позволяет спрогнозировать долгосрочные торговые потоки. Они дают
качественную характеристику факторов, влияющих на размер и структуру
внешнеторгового оборота: возможностей экспорта и импорта; учёта
факторов, сдерживающих внешнеторговый оборот между странами
(система тарифов). Влияние этих факторов рассчитывается на основе
данных о размерах товарооборота между регионами с помощью
регрессионного анализа. Полученные параметры гравитационной модели
носят характер эластичности и показывают, на сколько процентов (или
единиц) может измениться товарооборот между странами, если
соответствующий фактор изменится на 1% (на 1 единицу).
Говоря о гравитационных моделях, следует упомянуть и о
«многостороннем сопротивлении». «Многосторонним сопротивлением»
для двух торгующих между собой регионов называется средний барьер в
торговле с остальным миром. Чем больше этот барьер, тем сильнее
регионы будут стремиться торговать друг с другом.
Одним из ярких примеров таких моделей является гравитационная
модель Я. Тинбергена, которая имеет следующий вид:
12
Xi j = α0(Yi )α1 (Yj ) α2(Di j ) α3+ε,
(2)
где Xij - стоимость торгового потока из региона i в регион j;
Yi , Yj - показатели, характеризующие номинальные ВВП
соответствующих регионов;
Dij - физическая удалённость экономических центров регионов i и j;
ε - случайная ошибка;
α1, α2, α3 - эластичности экспорта соответственно от ВВП региона экспортёра, от ВВП региона-импортёра, от расстояния между регионами.
В работе рассмотрены предпосылки и тенденции развития торговоэкономической интеграции республики Дагестан и государства
Азербайджан. В рамках гравитационной модели построено уравнение
регрессии для прогнозирования внешнеторгового оборота и экспорта
Дагестана в Азербайджан.
Регрессионное уравнение, описывающее зависимость между
потоком торговли и номинальными ВВП соответствующих регионов, было
получено с помощью классического метода наименьших квадратов и
представлено в виде:
Xij = 2,45(Yi) 0,74(Yj) –0,02(Dij) -0,03
(3)
Модель даёт достаточно точные оценки: коэффициент
детерминации R2 достаточно высок – 0,70. Однако, нужно отметить, что
реальные данные об экспорте в Азербайджан и торговом обороте с
Дагестаном несколько расходятся с прогнозными. Это объясняется тем, что
на показатели торгового оборота и экспорта влияет ряд других факторов,
не учтенных в модели.
Таким образом, исследование торговых отношений с помощью
гравитационных моделей позволяет сделать вывод об их широком
использовании в области моделирования и прогнозирования не только на
международном уровне, но и на региональном, городском.
1.
2.
Литература
Власов М.П., Шимко П.Д. Моделирование экономических процессов.
Ростов-на-Дону: Феникс, 2005
http://dagstat.gks.ru
13
ДАННЫЕ О МИГРАЦИИ НАСЕЛЕНИЯ В ИСТОЧНИКАХ
РОССТАТА1
Абылкаликов Салават Иргалиевич
(Москва, НИУ ВШЭ)
При изучении миграционных процессов большое внимание следует
уделять совершенствованию источников данных. Источники должны
обладать достоверной информацией, своевременно обновляться и быть
удобными для использования. В данном докладе будут рассмотрены три
основных источника официальных статистических данных по миграции,
выпускаемых Росстатом: статистический сборник «Демографический
ежегодник России» (Демежегодник), бюллетень «Численность и миграция
населения Российской Федерации», а также электронная «Центральная база
статистических данных» (ЦБСД). Первые два источника имеют бумажную
и электронную версии, выпускаемые ежегодно.
Данные в Демежегоднике представлены в html (выдача таблицы на
экране в браузере) и файлах формата doc (Word). Бюллетень также
представлен в форматах html и doc, также имеется возможность получения
xls (Excel) файлов. При запросах в Центральную базу статистических
данных можно получить данные в следующих форматах: html (вебстраницы), csv (текстовый файл с разделителем) и xls. Большие массивы
данных для дальнейшей работы с ними удобнее всего использовать в
форматах xls и csv. Неудобным являются копирование с html - в некоторых
интернет-браузерах при копировании нарушается табличная структура
(например, в Mozilla Firefox, Opera и Google Chrome), файлы формата doc
данных публикаций, как правило, содержат большое множество лишних
пробелов, знаков абзаца, прочих незначащих знаков, а также ручных
переносов.
ЦБСД, как и любая онлайн-база данных, может обновляться часто и
без ограничений, однако в ней отсутствуют указания даты последнего
обновления. Демежегодник и бюллетень «Численность и миграция
населения Российской Федерации», несмотря на наличие электронных
версий, являются ежегодными бумажными изданиями, поэтому
информация в них обновляется лишь с выходом нового издания. При этом
бывает так, что статистическая информация, данная в выпусках разных
годов, не совпадает между собой, т.к. перерасчет данных, уточненных по
итогам переписей населения, производится по большей части за счет
Доклад подготовлен в рамках исследовательского проекта «Разработка базы данных
демографических показателей по регионам России и странам мира» №11-04-0039 по конкурсу
программы «Научный фонд ВШЭ» «Учитель – Ученики 2011-2012».
1
14
миграции [4]. Так, миграционный прирост всего населения России в 2000
году составил 217 975 чел. по данным демежегодника-2001 и 241 755 чел.
по данным демежегодника-2002 и всех последующих [2, 3].
ЦБСД
является
крупнейшим
источником
официальных
статистических данных по Российской Федерации, который содержит
самую актуальную информацию. База данных будет полезна тем, кому
нужны общие показатели по всем направлениям статистики. Если
требуется знать, как оценивались те или иные показатели в разное время,
то лучше воспользоваться бумажными изданиями. В демежегоднике
присутствуют специфические демографические показатели, в т.ч. по
миграции. Бюллетень «Численность и миграция населения Российской
Федерации» является специализированным изданием по статистике
миграции. Он включает в себя как показатели, встречающиеся в других
источниках, так и уникальные разработки, публикующиеся только в этом
издании. Существенными недостатками бюллетеня и демежегодника
является сложность сравнения динамики показателей по годам, т.к. в
каждом выпуске оцениваются показатели лишь за определенные годы. Все
три описанных источника являются бесплатными и находятся в открытом
доступе. Для получения полного доступа процедура регистрации не
предусмотрена.
1.
2.
3.
4.
5.
6.
7.
Литература
База данных ИДЕМ НИУ ВШЭ: http://db.demoscope.ru/bd01.php
Демографический ежегодник России 2001. Статистический сборник.
Росстат, M., 2001
Демографический ежегодник России 2002. Статистический сборник.
Росстат, M., 2002
Население России 2002 / Отв. ред. А.Г. Вишневский. - М.: ЦДЭЧ, 2004
http://demoscope.ru/weekly/knigi/ns_r02/acrobat/nr2002.pdf
Центральная база статистических данных Росстата:
http://www.gks.ru/wps/wcm/connect/rosstat/rosstatsite/main/database/cbsd/
Численность и миграция населения Российской Федерации в 2010 году.
Статистический бюллетень. Росстат, M., 2010
Юмагузин В.В. Анализ источников демографической информации как
важнейший этап разработки базы данных демографических
показателей // Доклад на 2-й Международной научно-практической
конференции студентов и аспирантов «Статистические методы анализа
экономики и общества» М.: НИУ ВШЭ, 2011
15
ОПТИМАЛЬНЫЙ ПОРТФЕЛЬ ЦЕННЫХ БУМАГ:
ПОДХОД МАРКОВИЦА
Алексанян Артур Владимирович
(Москва, ФА при Правительстве РФ)
Формирование оптимального портфеля ценных бумаг, который мог
бы принести желаемый доход при минимально допустимом риске важнейшая задача любого средне- и долгосрочного инвестора. В данной
работе мы для простоты берем пять финансовых инструментов (акции
компаний ВТБ, Сургутнефтегаз, Сбербанк, Татнефть, Лукойл) и период
начала 2010 года (всего 30 дневных котировок). Приступим к поэтапному
анализу портфеля, используя модель Марковица.
Для линейной парной регрессионной модели рассчитаем прогноз
дисперсии цены каждой бумаги и индекс РТС на выбранную дату (пускай
это будет 30 день после последней даты выбранного диапазона дат). Для
этих целей следует сформировать вектор цен на выбранную дату:
𝑟(𝑉𝑇𝐵𝑅)
𝑟(𝑆𝑁𝐺𝑆)
𝑅(𝐴) = 𝑟(𝑆𝐵𝐸𝑅)
𝑟(𝑇𝐴𝑇𝑁)
(𝑟(𝐿𝐾𝑂𝐻))
и вычислить ковариационную матрицу, элементы которой
определяются исходя из полученных моделей:
𝑟(𝑉𝑇𝐵𝑅) = 𝛼0 + 𝛼1 𝑟(𝑟𝑡𝑠)
𝑟(𝑆𝑁𝐺𝑆) = 𝛽0 + 𝛽1 𝑟(𝑟𝑡𝑠)
2
𝐶𝑜𝑣(𝑟(𝑉𝑇𝐵𝑅), (𝑟(𝑆𝑁𝐺𝑆)) = 𝐶12 = 𝐶21 = 𝛼1 𝛽1 𝜎𝑟𝑡𝑠
По аналогии вычислим остальные компоненты ковариационной
матрицы и представить ее в следующем виде:
𝐶𝑜𝑣(𝑅(𝐴), 𝑅(𝐴))
𝑐13
𝑐14
𝑐15
𝜎 2 (𝑟(𝑉𝑇𝐵𝑅))
𝑐12
𝑐23 𝑐24 𝑐25
𝑐21
𝜎 2 (𝑟(𝑉𝑇𝐵𝑅))
=
𝜎 2 (𝑟(𝑆𝐵𝐸𝑅)) 𝑐34 𝑐35
𝑐31
𝑐32
𝑐41
𝑐42
𝑐43 𝜎 2 (𝑟(𝑇𝐴𝑇𝑁)) 𝑐45
𝑐51
𝑐52
𝑐53 𝑐54 𝜎 2 (𝑟(𝐿𝐾𝑂𝐻)))
(
В результате должна быть получена необходимая информация для
формирования модели Марковица.
16
Марковиц предлагает интерпретировать элементы вектора r как
меру привлекательности бумаги, а соответствующую ей дисперсию как
меру риска вложений в бумагу.
Теперь можно приступить к формированию оптимального
портфеля выбранных бумаг.
1. Портфель Р состоит из количеств акций каждого типа:
Р={n1, n2, n3, n4, n5}.
2. Для удобства в соответствие портфелю Р можно поставить
вектор X={x1, x2, x3, x4, x5}, где xi – доля бумаг типа i в портфеле. При этом:
x1+ x2 + x3+ x4+ x5=1
3. Обозначим символом rp выручку портфеля в целом за период
владения. Эта выручка может быть рассчитана как:
𝑟𝑝 = 𝑥1 ∗ 𝑟(𝑎1 ) + 𝑥2 ∗ 𝑟(𝑎2 ) + 𝑥3 ∗ 𝑟(𝑎3 ) + 𝑥4 ∗ 𝑟(𝑎4 ) + 𝑥5 ∗ 𝑟(𝑎5 ),
где
xi – доля бумаги типа i в пакете
r(ai) – цена i-ой бумаги на выбранную дату
Так как выручка портфеля величина случайная, следовательно, для
нее можно рассчитать математическое ожидание и дисперсию.
Математическое ожидание будет вычисляться по формуле,
указанной выше, т.к. прогнозные значения r(ai) вычислены по
регрессионной модели.
Дисперсия портфеля, в целом, будет определяться по формуле:
𝜎𝑝2 = 𝑥1 𝜎 2 (𝑎1 ) + 𝑥2 𝜎 2 (𝑎2 ) + 𝑥3 𝜎 2 (𝑎3 ) + 𝑥4 𝜎 2 (𝑎4 ) + 𝑥5 𝜎 2 (𝑎5 ) + 2𝑥1 𝑥1 𝑐12
+ 2𝑥1 𝑥3 𝑐13 + 2𝑥1 𝑥4 𝑐14 + 2𝑥1 𝑥5 𝑐15 + 2𝑥2 𝑥3 𝑐23 + 2𝑥2 𝑥4 𝑐24
+ 2𝑥2 𝑥5 𝑐25 + 2𝑥3 𝑥4 𝑐34 + 2𝑥3 𝑥5 𝑐35 + 2𝑥4 𝑥5 𝑐45
Найдем портфель, соответствующий минимальному риску. Для
этого
необходимо
решить
следующую
задачу
линейного
программирования:
𝜎𝑝2 → 𝑚𝑖𝑛
{𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 + 𝑥5 = 1
(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ) ≥ 0
Мы получили три разных оптимальных портфеля ценных бумаг.
Разобранный пример из практики позволяет отчетливо
представить, что из хаоса, порой творящегося на фондовом рынке, всегда
возможно с помощью несложного математико-статистического аппарата
выудить рациональное зерно, позволяющее добиться успеха.
17
ДОВЕРИЕ К РЕКЛАМЕ: БОРЬБА ЗА ПОТРЕБИТЕЛЕЙ
Алёшкина Дарья Владимировна
(Москва, МЭСИ)
Реклама - главный инструмент воздействия на сознание потребителя.
Грамотно составленная и с умом преподнесенная рекламная концепция
способна убедить любого человека в целесообразности приобретения того
или иного товара.
Современная реклама не воздействует на потребителя с топорной
грубостью. Нынешние рекламные ролики, вывески и стенды отличаются
ненавязчивой мягкостью воздействия на потребителя, а некоторые даже
какой-то своеобразной изысканностью: ведь реклама - это искусство, а
искусство имеет свойство совершенствоваться. Однако же стереотипы,
сложившиеся относительно рекламы еще в далекие дореволюционные
годы, имеют место быть и в наше время. Такой низкий КПД рекламы
вызван, прежде всего, нашей неклассической системой потребления
товаров и ресурсов в стране.
В сложившихся условиях возрастает значение всестороннего анализа
отношения потребителей к рекламе и тенденций её изменения с целью
эффективного развития и функционирования рекламной среды.
На рисунке 1 отражено распределение респондентов и их отношение
к рекламе в 2011 году, по данным исследованиям компании TNS Gallup
Media 2. Как мы можем видеть, больше половины населения негативно
относятся к рекламе, однако, четверти населения России - нравятся
рекламные сообщения.
По данным comScore на конец 2009 года, 80% потребителей чаще
всего обращают внимание на рекламу на телевидении. При этом доверие к
телевизионной рекламе составляет 61%. Следом за телевизионной
рекламой в порядке привлечение внимания аудитории следуют печатная
реклама (60% при уровне доверия 50%), новостные (53%-49%) и
корпоративные веб-сайты (51%-51%), веб-сайты с контентом,
выкладываемым интернет-пользователями (28%-23%), наружная реклама
(22%-19%) и радиореклама (22%-28%).
Традиционно большинство россиян не доверяют рекламе (62%).
Скептически относятся к ней, в первую очередь, пожилые и
малообеспеченные респонденты (68 и 74% соответственно), а также те, кто
не пользуется Интернетом (61,5%).
TNS Gallup Media (ТНС Россия) - это ведущая исследовательская компания в области СМИ и
рекламы и единственная на российском рынке, специализирующаяся только в данной сфере
исследований.
2
18
3%
Отношение к рекламе, Россия 2011
32%
22%
Очень нравится
В общем нравится
43%
Рисунок 1. Отношение к рекламе, данные ТНС Россия, 2011 г.
Неоднозначно к рекламе относятся 27% россиян и в основном это
граждане моложе 45 лет (30-31%) и активные пользователи сети Интернет
(32%). Доверяет рекламе почти каждый десятый россиянин (9%, десять лет
назад - 6%). Наиболее высок этот показатель среди молодежи (13%),
высокообеспеченных респондентов (20%) и эпизодических пользователей
сети Интернет (16%)3.
В Интернете же людей в возрасте 18-34 лет больше всего
привлекают рекламные сообщения таких направлений как одежда, музыка
и фильмы, еда и напитки, а также электроника. При этом уровень доверия к
рекламным сообщениям, касающимся финансовых операций и различных
лекарств, на сайтах ниже, чем уровень доверия к аналогичной рекламе на
традиционных сайтах.
Используя данные TNS Gallup Media и специального программного
обеспечения Galileo, построена карта распределения СМИ за период с 2008
по 2011 год, по кварталам.
Инициативный всероссийский опрос ВЦИОМ проведён в октябре 2011 г. Опрошено 1600
человек в 138 населенных пунктах в 46 областях, краях и республиках России. Статистическая
погрешность не превышает 3,4%.
3
19
ТЕОРИЯ АРБИТРАЖНОГО ЦЕНООБРАЗОВАНИЯ
(ARBITRAGE PRICING MODEL, APT) ДЛЯ ФОРМИРОВАНИЯ
ОПТИМАЛЬНОГО ПОРТФЕЛЯ ЦЕННЫХ БУМАГ
Аникина Алёна Александровна,
Алфёров Игорь Олегович
(Челябинск, НИУ ЮУрГУ)
При формировании портфеля ценных бумаг инвестор стремится
создать оптимальную комбинацию риска и доходности. Для решения
данной задачи существует множество подходов и моделей, в данной статье
мы рассмотрим модель формирования портфеля ценных бумаг с помощью
модели арбитражного ценообразования. Данная модель связана с
субъективным отношением инвестора к влияющим факторам. В статье
приведен и реализован алгоритм выбора оптимального портфеля ценных
бумаг, на примере ценных бумаг российских эмитентов (анализ основан на
данных за период с 10.10.2011 по 10.03.2012). Приведенный алгоритм
сохраняет все достоинства APT модели и минимизирует субъективизм в
выборе факторов.
Теория APT базируется на том, что каждый инвестор стремится
увеличить доходность своего портфеля без увеличения риска. Одной из
таких возможностей является арбитражный портфель. Арбитражная
деятельность является неотъемлемой составляющей современных
эффективных рынков ценных бумаг. Суть арбитража – это рассмотрение
различных цен на конкретную ценную бумагу. У похожих ценных бумаг и
портфелей могут существовать «почти арбитражные» возможности.
Подходит ли портфель или ценная бумага для арбитражной операции
определяется анализом общих факторов, влияющих на курс ценных бумаг.
Принцип факторной модели состоит в том, что ценные бумаги,
зависящие от одних и тех же факторов должны иметь одинаковые
ожидаемые доходности, в противном случае появлялись бы «почти
арбитражные» возможности. Исходя из теории APT, для увеличения
ожидаемой доходности своего портфеля без увеличения риска инвестор
рассматривает различные возможности формирования арбитражного
портфеля [2].
Анализ ценных бумаг основывается на рассмотрении факторов
возможно влияющих на цену бумаги (макроэкономические показатели,
мировые фондовые индексы, сырьевые цены, отраслевые индикаторы) и
выделение их в группы. Факторы выделяются в группе на основе
значимости коэффициентов в регрессионной модели:
20
n
Pi    j Fj   i ,
j 1
где Pi – цена i -ой ценной бумаги;  j – числовой коэффициент для j -го
фактора; Fj – значение j -го фактора;  i –ошибки для i -ой бумаги.
После выделения всех факторов, акции выделяются в группы по
факторам, от которых они зависят. Актив в итоге характеризуется
остаточной доходностью и набором показателей  , которые представляют
чувствительность актива к конкретному фактору, и характеризует
систематический риск, связанный с влиянием именно этого фактора.
После выбора набора ценных бумаг, из которых будет
формироваться портфель, необходимо найти множество эффективных
портфелей. Для поиска эффективных портфелей, с помощью линейного
программирования, решается задача максимизации дохода при заданном
уровне риска [1].
Для определения оптимального портфеля из множества
эффективных портфелей воспользуемся индексом Шарпа, т.е. отношение
прироста доходности портфеля к уровню риска, измеряемого
волатильностью. Функция, подлежащая максимизации:
n
P  rf

p

  (r  r )
i 1
n
i
i
n
,
n
     
i 1
i
2
i
i 1 j 1
j i
i
j
ij
n
где P  i rit – оценка математического ожидания доходности оптимально
i 1
портфеля; rit – доходность i-ой ценной бумаги в момент времени t; r f –
ставка доходности безрискового актива.
1.
2.
3.
Литература
Буренин А.Н. Рынок ценных бумаг и производственных финансовых
инструментов: Учебное пособие – М.: 1 Федеральная Книготорговая
Компания, 1998. – 352 с.
Шарп У., Александер Г., Бэйли Дж. ИНВЕСТИЦИИ: Пер. с англ. - М.:
ИНФРА-М, 2001. – XII, 1028 с.
Касимов Ю.Ф. Основы теории оптимального портфеля ценных бумаг М: Информационно-издательский дом «Филинъ», 1998. - 144 с.
21
ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ ШАБЛОННОГО МЕТОДА
ПРИ ПРОЕКТИРОВАНИИ СИСТЕМ
Архипов Никита Владимирович
(Москва, НИУ ВШЭ)
В настоящий момент разработано довольно много различных
шаблонов проектирования, каждый из которых представляет гибкое
решение для часто возникающих проектировочных задач и имеет свои
недостатки и преимущества. В данной статье мы рассмотрим один из
наиболее часто используемых шаблонов проектирования, который в
российской практике получил название «Шаблонный метод» (Template).
Шаблон проектирования - повторяемая архитектурная конструкция,
представляющая собой решение проблемы проектирования в рамках
некоторого часто возникающего контекста.
Паттерн Шаблонный метод задает «скелет» алгоритма в методе,
оставляя определение реализации некоторых шагов субклассам, которые
могут переопределять некоторые части его структуры. На рис. 1 показан
пример его реализации.
Неотъемлемой частью Шаблонного метода являются так
называемые «перехватчики», которые представляют собой методы,
объявленные в абстрактном классе и имеющие пустую реализацию или
шаблон реализации, который может быть переопределен. Такие
перехватчики дают возможность «подключаться» к алгоритму в разных
точках.
В Шаблонном методе должен быть один абстрактный класс
(Abstract class) и один или более конкретных классов (Concrete class).
Абстрактный класс - определяет абстрактные операции, замещаемые в
наследниках для реализации шагов алгоритма. Шаблонный метод вызывает
замещаемые и другие, определенные в Abstract class, операции.
Конкретный класс - реализует замещаемые операции необходимым для
данной реализации способом.
Описанный паттерн проектирования играет важную роль в
повторном использовании кода. В нем абстрактный класс Шаблонного
метода может определять конкретные методы, абстрактные методы и
методы перехватчики. Абстрактные методы реализуются субклассами,
которые их переопределяют. Перехватчики не делаю ничего или
определяют поведение по умолчанию в абстрактном классе и могут
переопределяться в субклассах. Чтобы субкласс не мог изменять алгоритм
в Шаблонном методе, его объявляют с ключевым словом final.
22
Шаблонный метод получил большое распространение благодаря
тому, что он идеально подходит для создания инфраструктур, которые
управляют общим ходом выполнения некоторой задачи, но при этом дают
возможность пользователю указать, что конкретно должно происходить на
каждом шаге алгоритма.
Рисунок 1. UML - диаграмма
Шаблонный метод может быть применен в следующих случаях:
 однократное использование инвариантной части алгоритма, с
оставлением изменяющейся части на усмотрение наследникам;
 локализация и вычленение общего для нескольких классов
кода для избегания дублирования;
 разрешение расширения кода наследниками только в
определенных местах.
1.
Литература
Фримен Э., Фримэн Э., Сьерра К., Бейтс Б. Паттерны проектирования. СПб.: Питер, 2011
23
ИССЛЕДОВАНИЕ ОТДЕЛЬНЫХ АСПЕКТОВ
ДЕМОГРАФИЧЕСКОЙ ПРОБЛЕМЫ В РФ
Астратова Елена Владимировна
(Магнитогорск, МГТУ)
Численность населения бывшего СССР к моменту его распада
составляла 290 млн. человек. По этому показателю страна уступала лишь
КНР и Индии. В середине 90х годов численность населения России
составляла лишь 158 млн. человек, и впереди ее уже оказались США,
Бразилия и Индонезия. И причина снижения численности не только
отделение от РФ отдельных республик.
Относительно причин российского демографического кризиса в
научной среде существует несколько групп мнений взгляды учёных
разделяются по факторам, которые та или иная группа исследователей
считает доминирующими, определяющими:
- экономические факторы (изменение структуры занятости,
демографической мотивации и снижением качества жизни);
- социальные факторы (массовая наркомания и алкоголизм,
отсутствие государственной поддержки здравоохранению);
- социально этические факторы (деформация социальной
структуры общества, деградация морали и кризис института семьи).
По нашему мнению наименее исследован вопрос «кризиса
института семьи», который проявляется через показатели количества
браков и разводов.
Проанализируем динамику заключения и расторжения браков [2].
С 1990 года снизилось количество заключаемых браков и возросло
количество разводов, но с 2009 года наблюдается обратный процесс. Во
время исследования были проанализированы следующие факторы
влияющие на количество заключаемых браков в России (ВВП,
прожиточный минимум, уровень бедности и т.д.) В ходе проведенного
анализа получилось, что наиболее значимый показатель - это численность
занятых. Коэффициент корреляции между количеством браков и
численностью занятых составляет 0,88, что показывает высокую
зависимость между данными показателями.
Построим уравнение
регрессии, где зависимой переменной Y будет количество заключенных
браков, а независимой переменной X - численность занятых, получим:
Y = -2103696 + 0,047х, со значимостью R2=0,79. Конечно, численность
занятых, это не единственный фактор, который влияет на количество
заключаемых браков, но он весьма существенный, зная данную
зависимость можно иметь примерный прогноз браков, а также
24
способствовать
их
увеличению
и
следовательно
улучшению
демографической ситуации в стране.
Опишем тенденцию заключения браков и сделаем прогноз на 2012
год. С помощью программ Exel и Statistica мы построили модель
Y= -0,0061x4 + 0,5197x3 - 13,014x2 + 80,802x + 1365,4 со значимостью
R² = 0,8897 где х - период (1979 год - первый период, 1980 - второй период
и т.д.), Y - расчетное количество браков. Свойства случайности и
независимости остатков, а также нормальность распределения остатков
выполняются, считаем полученную модель адекватной, также после
проверки можно считать модель точной, следовательно, можно сделать
прогноз количества заключаемых браков на 2012 год. Это значение будет
равно 1343,1232, то есть число браков возрастет.
Считается, что люди, состоящие в браке, подвергаются меньшим
стрессам и, следовательно, живут дольше. Посмотрим, есть ли зависимость
между количеством заключенных браков и средней продолжительностью
жизни. Коэффициент корреляции между этими показателями равен 0,83 значит существует сильная прямая зависимость. Выразим данную
зависимость в уравнении регрессии: Y = 54,166+1,583х, со значимостью
R2=0,71, где х - количество браков заключенных на 1000 человек
населения, Y - средняя продолжительность жизни. Это означает, что
действительно данные показатели взаимосвязаны.
По статистике, самой частой причиной разводов (51%) является
алкоголизм одного из супругов [1]. Проанализируем показатели:
регистрируемое потребление алкоголя на душу населения, в пересчете на
спирт, литров и количество разводов. Коэффициент корреляции между
данными показателями составляет 0,77 - это уже говорит о наличии связи
между ними. Построим уравнение регрессии: Y = 2,632 + 0,211x со
значимостью R2=0,69, где х - регистрируемое потребление алкоголя на
душу населения, Y - количество разводов на 1000 человек населения.
Таким образом, мы можем примерно рассчитать влияние алкоголя,
потребляемого населением на количество разводов, а значит если
государство разработает эффективную программу по борьбе с
алкоголизмом в нашей стране, то это поспособствует укреплению
института семьи. Следовательно, проблемы института семьи - являются
комплексными и взаимозависимыми от остальных демографических
факторов.
Литература
1. http://www.sta-t.ru/obshestvo/statistika_razvodov_i_brakov/
2. http://www.gks.ru
25
СТАТИСТИЧЕСКИЙ АНАЛИЗ ЧЕЛОВЕЧЕСКОГО ПОТЕНЦИАЛА
ПРИ ИЗМЕРЕНИИ ЭКОНОМИЧЕСКОГО РОСТА
(НА ПРИМЕРЕ СТРАН АФРИКИ)
Атчаде Минтоде Никодеме
(Санкт-Петербург, СПбГУЭФ)
Сегодня среди многих вопросов, связанных с улучшением
статистической
методологии важное место занимает
расширение
концепции экономического роста. При измерении экономического роста
целесообразно учитывать не только валовой внутренний продукт (по ППС
на душу населения) но и другие социально-экономические показатели,
такие как индикаторы занятости, образования и здоровья. Статистическое
исследование влияния социального неравенства на человеческий потенциал
и экономический рост имеет глобальное значение особенно для
развивающихся стран. Индекс Развития Человеческого Потенциала (ИРЧП)
по данным за 2011 год по 52 странам Африки описывается следующей
степенной функцией:
У = 0,013 * X10,128 * X20,184 * X30,580
t:
16,8
12,9
11,1
У = ИРЧП
Х1 - ВВП на душу населения (долл.)
Х2 - Средняя продолжительность обучения (количество лет)
Х3 - Ожидаемая продолжительность жизни при рождении (количество
лет)
Под уравнением приведен t-критерий Стюдента для каждого
параметра функции, что свидетельствует о том, что по значимости
факторы-компоненты
ИРЧП
располагаются
в
следующей
последовательности:
доход
образование
–
здоровье.
Эту
последовательность можно ещё
проверить с помощью частных
коэффициентов корреляции. Вариация ИРЧП на 97,4% объясняется
вариацией показателей-компонентов ИРЧП, а на долю неучтенных
факторов приходит лишь 2,6%.
R2 =0,974. Индекс корреляции составил R=0,987. Fтабл. (df1=m=3,
df2=n-m-1=48)= 2,42. F= 590,149> Fтабл. что свидетельствует о том, что
уравнение множественной нелинейной регрессии в целом значимо.
Коэффициент эластичности при
параметре ВВП составляет 0,128
следовательно при увеличении ВВП на 1%, ИРЧП повышается на 0,128 при
условии, что значения факторов образования и здоровья останутся
неизменными. Лучшая кривая распределения стран Африки по ИРЧП в
порядке возрастания (рис. 1) за 2011 год из всех возможных вариантов
26
оказалась экспоненциальная функция в виде: У=0,2899E0,017x; R2= 0, 9778.
По показателю ИРЧП страны Африки сильно различаются. Коэффициент
вариации составил 27,15%.
Рисунок 1. Лучшая кривая распределения стран Африки по ИРЧП
Рисунок показывает, что максимальное значение ИРЧП
(Сейшельские острова занимают первое место- 0,773) превышает
минимальное значение ИРЧП (Демократическая Республика Конго
занимает последнее
место-0,286)
более чем в 2 раза (е0,017*52
=2,43).Рассмотрев понятие потенциала человеческого развития, можно
прийти к выводу, что ИРЧП является и остается интегральным показателем
оценки человеческого потенциала (вопреки его недостатка- с точки зрения
информативности) и должен играть одну из важнейших ролей в оценке
экономического роста. Не менее важную значимость имеют такие
показатели как темп роста ВВП, прямые показатели занятости и даже
показатели стабильности развития общества. Таким образом, дальнейшие
исследования должны опираться на внесение вклада в непрерывное
совершенствование интегрального показателя экономического роста с
целью повышение его информативности.
27
АНАЛИЗ И ПРОГНОЗИРОВАНИЕ СИСТЕМЫ ПЕНСИОННОГО
ОБЕСПЕЧЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Базарова Наталья Зориктуевна
(Улан-Удэ, ВСГУТУ)
На данном этапе развития и реформирования нашего социальноэкономического пространства, общество оказалось неготовым к
осмыслению изменений в области пенсионного страхования в условиях
развития экономики.
Проводимая пенсионная реформа, показала неэффективность ее
реализации, которая привела к дефициту средств Пенсионного фонда
России. Для разработки основных направлений социальной политики и
создания новой системы социальной защиты надо провести анализ
основных проблем развития настоящей системы и определить ее основные
перспективы, проанализировав и спрогнозировав доходы и расходы ПФ
РФ.
По итогам деятельности Пенсионного фонда за 2010 год:
- общий объем средств, поступивших в Пенсионный фонд, составлял 4610
миллиарда рублей (на 24% больше чем в 2009 году), в том числе объем
поступивших страховых взносов и налоговых платежей 1929 миллиарда
рублей, что меньше, по сравнению с предыдущим годом, на 40%;
- израсходовано 4249 миллиардов рублей (на 29,2% больше, чем в 2009
году), в том числе на финансирование выплат населению пенсий и пособий
- 3707 миллиарда рублей (на 18,8% больше предыдущего года), на
осуществление ежемесячной денежной выплаты 293,6 миллиарда рублей
(на 10% больше).
Средний размер назначенных пенсий в РФ за 2010 год составил
7476,3 рубля и увеличился по сравнению с 2009 годом на 30,6%.
Анализ динамики поступлений и расходования средств
Пенсионного фонда РФ показал что, средний размер пенсий увеличивается,
и соответственно увеличиваются расходы пенсионного фонда, но при этом
уменьшаются налоговые платежи и недостаток средств покрывается
благодаря безвозмездным поступлениям из федерального бюджета, доля
которых в общей сумме поступлений в 2010 году составляет 57,4 %.
Определим основные проблемы финансирования бюджета ПФ.
Благоприятный период «демографических дивидендов», в течение
которого новые когорты пенсионеров были малочисленными, а приток
молодежи на рынок труда, напротив, многочисленным, закончился. В
ближайшие годы стране предстоит столкнуться с ускоряющимся старением
28
населения, произойдет ухудшение соотношения работников и пенсионеров.
Это приведет к еще большему увеличению дефицита ПФ.
Таблица 1
Прогнозирование коэффициента пенсионной нагрузки методом
экспоненциального сглаживания в РФ на 2012-2014г.
Годы
Численность
Численность
Соотношение
пенсионеров,
занятых в
численности
тыс. чел.
экономике, тыс.
пенсионеров к
чел.
численности
занятых в экономик
2012
39157
69099,9
56,7
2013
39238
69453
56,5
2014
39319
69805
56,3
Численность занятых в экономике постоянно растет, однако это не
уменьшает их пенсионной нагрузки. В среднем на одного работающего в
России приходятся расходы 1,7 пенсионера. Построим модель БоксаДженкинса с учетом сезонности на основе квартальных данных о доходах
пенсионного фонда РФ
3000.00
Доходы ПФ РФ
Прогнозные значения
доверительный интервал
2000.00
1000.00
0.00
1996
1998
2000
2002
2004
2006
2008
2010
2012
Рисунок 1. Наблюдаемые и прогнозные значения доходов ПФ РФ,
1996-2012 гг.
На основе прогнозных значений можно судить о тенденции
финансирования ПФ, которые могут помочь в разработке социальноэкономических программ развития внебюджетного фонда.
1.
2.
Литература
Агапов Р.Б. Пенсионный фонд и его перспективы в РФ // Вестник ПФР.
- 2009. - №2
Ильин В.Н.Статистический анализ и прогнозирование доходов РФ на
региональном уровне
29
СТАТИСТИЧЕСКИЙ АНАЛИЗ РЫНКА ЖИЛЬЯ
Банарь Ксения Сергеевна,
Беляева Марина Константиновна
(Новосибирск, НГУЭиУ)
В настоящее время рынок жилья играет важную роль в решении
не только социальных проблем общества, но и развитии реального сектора
экономики, оживлении инвестиционного процесса, макроэкономической
стабильности.
Мы решили подробно рассмотреть квартиры студии города
Новосибирск, т.к.они всегда пользуются повышенным спросом, особенно
среди молодежи: имеют своеобразный интерьер, довольно просторные и
функциональные, небольшие по площади, но удачно спланированные, они
позволяют удобно организовать жизненное пространство без лишних
затрат. Именно о таких качествах жилья задумывается каждый человек,
начиная делать ремонт или покупая новую квартиру. И это все возможно в
квартирах нового формата, которые появились на рынке недвижимости
сравнительно недавно, это квартиры-студии, которые нередко отличаются
еще и компактностью и низкой ценой. Это свидетельствует об
актуальности выбранной темы нашей работы. Цель - найти оптимальную
стоимость однокомнатной квартиры-студии и район в котором она
находится (по городу Новосибирск)
На конец 2011 года доля квартир студий на рынке продажи квартир
в городе Новосибирске составила 5%.
92% представленных на рынке продажи квартир студий это
однокомнатные квартиры, и только 6% - двухкомнатные, 2% трехкомнатные. В связи с такими данными, мы решили уделить внимание
однокомнатным квартирам.
Мы провели исследование, разбили на группировки квартиры по
площади (в Новосибирске) разделив на три группы: «маленькие»,
«средние» и «большие». Наибольшее предложение имеют квартиры с
площадью от 16 до 30 кв.м.
Таблица 1
Группировка однокомнатных квартир (серия «студия») по площади
(г. Новосибирск 2011 год)
30
Средние цены на квартиры по группировке:
Минимальная средняя стоимость за «маленькую» квартиру в
Дзержинском районе(758 тыс. руб.).
2. Минимальная средняя стоимость за «среднюю» квартиру в
Первомайском районе(1037 тыс. руб.).
3. Масштаб распространения «больших» квартир не велик, они
находятся в четырёх районах. Самый выгодный район, по расчёту
минимальной средней стоимости за квартиру , Советский(2150
тыс. руб.).
В завершении нашего исследования, мы рассмотрели среднюю
стоимость квартир, всех районов Новосибирска. Наиболее приемлемые
квартиры по цене находятся в Первомайском (946тыс. руб.), Дзержинском
(1064 тыс. руб.) и Кировском (1492 тыс. руб.) районах.
В данной исследовательской работе мы провели анализ стоимости
жилья и проанализировали средние цены однокомнатных квартир (серия
«студия») в отдельных районах и в Новосибирске целом.
В результате проделанной работы выяснилось, что на сегодняшний
день цены за 1 кв. м в районах сильно различаются. Следовательно,
стоимость квартир по районам колеблется.
Если вы хотите приобрести недвижимость, то обращайте внимание
на цену за квадратный метр, на район в котором располагается квартира и
тогда вам обеспечена более выгодная покупка.
1.
Литература
1.
2.
3.
http://www.adres54.ru/
http://www.rusipoteka.ru/
http://agentrf.ru/
31
МЕТОДОЛОГИЧЕСКИЕ ПОДХОДЫ СТАТИСТИЧЕСКОГО
АНАЛИЗА И ОЦЕНИВАНИЯ ФУНКЦИОНИРОВАНИЯ РЫНКА
ТРУДА
Бараник Лилия Николаевна,
Ковалевский Юрий Анатольевич
(Киев, КНЭУ им. В. Гетьмана)
В соответствии с толкованием функционирования рынка труда и
методологических подходов к его оцениванию статистическое
исследование функционирования рынка труда должно включать два
взаимосвязанных этапа:
І. Оценивание функционирования национального и регионального
рынков труда.
II. Оценивание результатов функционирования национального,
регионального рынков труда.
На первом этапе осуществляется оценивание текущего состояния,
структуры, интенсивности функционирования рынка труда, анализ
устойчивости и пропорциональности распределения элементов рынка
труда, выявление и оценивание факторов функционирования, оценивания
сбалансированности спроса и предложения рабочей силы, исследования
возможностей воспроизведения функций рынка труда. Проводится
количественный анализ последствий формирования и функционирования
национального рынка труда и его влияние на состояние и тенденции
развития региональных рынков труда; оцениваются взаимосвязи
национального рынка труда с региональными и международным,
осуществляется оценивание качества трудового
потенциала и
существующего дисбаланса между спросом и предложением рабочей силы
на уровне регионов; анализируются условия труда, его безопасности и
влияние внешней среды на функционирование региона [1].
На этом этапе исследования статистическими методами,
сочетающими в себе анализ и синтез, анализируются скорость и
интенсивность
рынка
труда
устойчивость,
пропорциональность
распределения;
факторное
обеспечения
сбалансированности,
воспроизводимость. На этом этапе выявляются сходные черты и различия,
по которым выделяются различные группы населения на рынке труда,
изучаются их особенности, обобщается статистическая информация, об
основных категориях населения на рынке труда, так и в целом по объекту
исследования. Изучается развитие рынка труда; определяются численность
экономически активных, занятых, безработных и других категорий
населения; оценивается их возрастная структура, структурные сдвиги по
32
различным
социально
экономическим
признакам;
определяется
закономерность развития рынка труда и прогнозируются различные
сценарии его функционирования на будущее.
Второй
этап
заключается
в
оценивании
последствий
функционирования, как национального, так и региональных рынков труда:
развития благосостояния нации, воспроизводства трудового потенциала,
социальной защиты населения. Оцениваются условия вхождения
национального рынка в международный, стоимость рабочей силы и
сравнения ее с международными нормами и стандартами, социальные
последствия влияния процесса глобализации на функционирование рынка
труда, прогнозируется численность основных категорий населения на
рынке труда и интенсивность процессов занятости и безработицы. На этом
этапе оцениваются результаты функционирования рынка труда в стране и в
ее отдельных регионах. Оценивается благосостояние нации с позиции
становления и развития социальной модели общества. Анализируются
существующие различия в развитии рынков труда, уровнях социального
расслоения и других аспектах их функционирования. Воспроизводства
трудового потенциала страны рассматривается с учетом демографической
ситуации, необходимости инвестирования в воспитание и образование
молодого поколения, возможность стимулирования пожилых работать
дольше. Оценка трудового потенциала в стране и отдельных ее регионах
невозможно без измерения основных миграционных потоков, масштабы
иммиграции и интеграции в другие страны мира. Кроме того, этот этап
предполагает анализ социальной защиты населения на рынке труда, оценки
социального диалога между работниками, работодателями и государством.
Такой подход к оцениванию функционирования рынка труда будет
способствовать эффективному регулированию социально-трудовых
отношений в стране.
Выполнение предложенных этапов оценивания рынка труда
является основой для определения территориальной (региональной)
дифференциации соответствующих параметров, выявление статистических
закономерностей функционирования рынка труда по однородным группам
регионов и в целом в стране.
Литература
1. Шевченко Л.С. Рынок труда в аспекте современной парадигмы
регионального экономического развития // Демографическая и социальная
экономика. - 2004. - № 5. - С. 176-183
33
ПРИМЕНЕНИЕ АЛГОРИТМА ПОСТРОЕНИЯ БЛОЧНОГО
ИНТЕГРАЛЬНОГО ИНДИКАТОРА ДЛЯ АНАЛИЗА ТЕНДЕНЦИИ
ВЫХОДА ИЗ КРИЗИСА СУБЪЕКТОВ РФ
Барышникова Виктория Викторовна
(Магнитогорск, МГТУ им. Г.И. Носова)
Существует множество публикаций, посвященных влиянию
мирового финансового кризиса на экономику России в целом и
экономическое положение её субъектов.
Однако немного работ посвящено комплексной оценке выхода
регионов из кризиса. Целью данной работы является выявление тенденций
выхода из кризиса каждого региона, а также выявление причин
возникновения роста или снижения в различных сферах деятельности
регионов.
В данной работе предлагается построение двух сводных
интегральных индикаторов. Первый индикатор будет характеризовать
изменение показателей того или иного региона между докризисным (20062007 года) и кризисным периодами (2008-2009 года). Второй – изменения
между кризисным и послекризисным периодами (2009-2010 гг.). Другими
словами, первый индикатор показывает, в какой мере регион пострадал от
кризиса, второй индикатор – как изменилось состояние этого региона
спустя некоторое время после кризисной ситуации.
В данной работе для построения индикаторов используются 41
переменная из различных сфер деятельности региона. [1] Эти переменные
разбиваются на следующие блоки: доходы и расходы населения, индексы
потребительских цен, сельское хозяйство, промышленность, предприятия и
организации, строительство, инновации и инвестиции и другие блоки.
Разбиение осуществляется с применением аналитического пакета Statistica.
Оба индикатора (рейтинга) строятся с помощью применения
алгоритма построения блочного интегрального индикатора.[2] В качестве
исходных данных выступает разница между приростами (в процентах к
предыдущему году) для первого индикатора – между показателями 2009
года и 2007 года, для второго - между показателями 2010 года и 2009 года.
По первому рейтингу можно комплексно оценить, какие регионы
сильно пострадали, т.е. посмотреть, почему той или иной регион оказался в
конце рейтинга.
Можно оценить, за счет каких показателей мало пострадавшие
регионы оказались на первых местах рейтинга. Это можно отследить по
изменению позиции в каждом блоке данных.
34
По второму рейтингу мы оцениваем как изменилась позиция того
или иного региона, сравнивая его с первым индикатором. В таблице 1
представлены некоторые промышленные регионы. На их примере
показано, как с помощью сравнения двух рейтингов выявить тенденцию
выхода региона из кризиса и указать наиболее вероятные причины
ухудшения или улучшения экономической ситуации в регионе.
Таблица 1
Анализ промышленных регионов
Основной фактор
Рейтинг Рейтинг
Регион
повышения/понижения
1
2
позиции
Черная металлургия
повышение позиции по
Белгородская область
67
28
индикатору "Инвестиции
и инновации"
повышение позиции по
Вологодская область
64
20
индикатору "Предприятия
и организации"
повышение позиции по
Челябинская область
69
14
индикатору
"Промышленность"
Можно заметить, что промышленные регионы, которые
значительно пострадали от кризиса, за небольшой период времени смогли
значительно улучшить своё состояние.
Из таблицы видно, что такой регион как Челябинская область
имеет достаточно высокий рейтинг, соответствующий 2009-2010 г.г., по
сравнению с рейтингом 2008-2009 г.г. При комплексном сравнении всех
блоков выяснилось, что основной причиной улучшения позиции стал блок
«Промышленность». Также наблюдалось улучшение позиций по
индикаторам «Занятые и безработные» и «Консолидированный бюджет».
Данные индексы не представлены в таблице 1, т.к. улучшения по этим
индикаторам можно считать следствием того, что наладилась ситуация у
крупных промышленных предприятий в регионе.
Таким образом, в работе была выявлена картина выхода субъектов
РФ из кризиса.
Литература
1. http://www.gks.ru
2. Айвазян С.А. Прикладная статистика. Основы эконометрики. – М.:
ЮНИТИ-ДАНА, 2001. - 432 с.
35
ПРОБЛЕМЫ И ПОТЕНЦИАЛ
ЭНЕРГОЭФФЕКТИВНОСТИ В РОССИИ
Басангова Мария Павловна
(Санкт-Петербург, СПбГУЭФ)
Энергоэффективность
один
из
основных
показателей
функционирования
экономики.
Повышение
энергоэффективности
экономики входит в
список первоочередных задач Российского
государства.
Под
энергоэффективностью
понимают
достижение
экономически оправданной эффективности использования топливноэнергетических ресурсов при данном уровне развития техники и
технологий и соблюдении природоохранных требований.
Одним
из
показателей,
определяющим
энергетическую
эффективность национальной экономики, является энергоемкость Валового
Внутреннего Продукта (ВВП). Энергоемкость ВВП – это отношение
суммарного потребления
энергии (топлива) на основные и
вспомогательные процессы изготовления продукции, выполнение работ,
оказание услуг к величине ВВП. Энергоемкость российского ВВП в 2010 г.
составила 0,42 кг первичной энергии на создание 1 доллара. Это один из
самых высоких показателей в мире. К примеру, средняя энергоемкость
ВВП в развитых странах не превышает 0,2 кг первичной энергии.
Энергоэффективность, являясь величиной обратной энергоемкости,
показывает, какое количество продукции можно произвести, используя
единицу количества энергии, следовательно, высокая энергоемкость
российского ВВП
свидетельствует о
низкой энергоэффективности
экономики России.
Таблица 1
Показатели энергоемкости стран в 2010 г.
Страна
Совокупный объем
энергопотребления
(млн. тонн)
Энергоемкость
кг.н.э./ВВП
США
КНР
Россия
Германия
Япония
2340,29
1717,15
646,68
344,75
530,46
0,19
0,20
0,42
0,14
0,14
36
Позиция в
рейтинге по
показателю
кг.н.э/ВВП
58
55
12
90
92
Низкая энергоэффективность сама по себе является серьезной
проблемой, но не менее негативны ее последствия. В первую очередь это
растраченные впустую энергетические ресурсы, которые можно было
использовать на создание товаров и оказание услуг, обогрев домов или
получение дополнительного дохода от экспорта. По оценкам Всемирного
Банка в России каждый год теряется около 43 тыс. МВт электрической
мощности, большей частью во время транспортировки энергии до
потребителя и неэкономного потребления промышленностью и жилыми
домами. Уровень потерь
энергии в
российских магистральных и
распределительных сетях превышают уровень потерь в других странах. К
примеру, в Финляндии общий уровень потерь составляет около 4%, в то
время как в России этот показатель ежегодно варьирует в пределах 12-13%.
Высокая энергоемкость ВВП негативно сказывается на бюджетах
федерального и регионального уровней, так как необходимо выделять
больше средств на энергообеспечение, чем при более низкой
энергоемкости.
Кроме этого возникает упущенная выгода в виде недополученных
доходов от возможного экспорта энергии, потребляемой на внутреннем
рынке. По данным ЦЭНЭФ (Центр эффективного использования энергии),
при реализации потенциала энергосбережения Россия смогла бы
дополнительно получать около 84 -112 млрд. долларов, экспортируя
сэкономленную энергию, что составляло бы приблизительно 4,5 процента
от ВВП России в 2011 году.
Россия могла бы получить около 10 млрд. долларов в виде дохода
от продажи квот на выбросы углерода. Если понизить энергоемкость
экономики, снизятся выбросы СО2 в атмосферу, и при наиболее
благоприятном развитии событий России удастся сократить выбросы на
700 млн. тонн в год. Эти «сэкономленные» выбросы Россия, по условиям
Киотского протокола, будет иметь право продать другим странам, как
квоты на выбросы углерода. При цене 13,7 долларов за тонну СО 2
государство сможет получить дополнительный доход в размере около 10
млрд. долларов.
1.
2.
Литература
Сравнение мер российской политики повышения энергоэффективности
с мерами, принятыми в развитых странах. И.А. Башмаков, В.И.
Башмаков. – М.: «ЦЭНЭФ», 2012
Российский ресурс энергоэффективности: масштабы, затраты и
выгоды. И. Башмаков. – М.: Вопросы экономики, № 2, 2009
37
РЕГРЕССИОННЫЙ АНАЛИЗ ОСВОЕНИЯ КАПИТАЛЬНЫХ
ВЛОЖЕНИЙ РОССИЙСКИХ НЕФТЕДОБЫВАЮЩИХ КОМПАНИЙ
ЗА 2005-2011 гг.
Бороздин Александр Николаевич
(Санкт-Петербург, СПбГУЭФ)
Энергоресурсы – важнейшее национальное богатство России,
основа экономики и безопасности. Развитие энергетики сегодня является
первоочередной национальной задачей российского государства и лежит в
основе промышленной политики страны. По результатам 2010 года на
энергетику пришлось около 31,3% ВВП России, 44,8% налоговых
поступлений и 66.9% экспортной выручки. Значительный вклад в
достижение энергетическим комплексом столь крупный доли в экономике
страны внесла нефтяная промышленность, на которую приходится более
половины экспорта России в денежном выражении. Нефтедобывающая
отрасль оказывает существенное влияние на развитие экономики России, за
счет того, что 94% используемого в нефтегазовой отрасли оборудования и
материалов - отечественного производства.
Цель работы - исследовать взаимосвязь общих капитальных
вложений и добычи нефти с газовым конденсатом с применением
регрессионного анализа. Для анализа использованы данные за 2005-2011
г.г. девяти нефтедобывающих компаний. По имеющимся статистическим
данным в 2011 году для нефтяных компаний, включенных в наблюдение,
получена линейная регрессионная модель:
уˆ х  15083,0  0,415  х .
Наблюдается следующая ситуация, с увеличением освоенных капитальных
вложений на 1 млн. руб. добыча нефти с газовым конденсатом возрастает в
среднем на 0,415 тыс.т. Тесноту линейной связи между показателями
оценили с помощью коэффициент корреляции: rxy  0,93 , значение которого
подтверждает наличие сильной прямой связи между освоенными
капитальными вложениями и добычей нефти с газовым конденсатом.
Коэффициент детерминации r 2 xy  0,87 позволяет сделать вывод, что 87%
вариации добычи нефти с газовым конденсатом (результативный признак
У) объясняется вариацией освоенными капитальными вложениями
(фактора Х). Аналогичные расчеты проведены для данных за период 2005 2010 г.г.
2010 год: уˆ х  15506,0  0,496  х , rxy  0,95 , r 2 xy  0,90 ,
2009 год: уˆ х  19597,4  0,498  х , rxy  0,93 , r 2 xy  0,87 ,
2008 год: уˆ х  16389,3  0,600  х , rxy  0,96 , r 2 xy  0,92 ,
38
Проанализируем изменение коэффициента регрессии, который
характеризует влияние освоенных капитальных вложений на добычу
нефти, за последние семь лет (табл.1).
Таблица 1
Анализ изменения коэффициента регрессии
Год
Коэффициент
Изменение по
Изменение по
регрессии при
сравнению с
сравнению с
переменной Х
предыдущим годом, % 2005 годом, %
2005
1,471
2006
1,002
-31,9
-31,9
2007
0,717
-28,4
-51,3
2008
0,600
-16,3
-59,2
2009
0,498
-17,0
-66,1
2010
0,496
-0,4
-66,3
2011
0,415
-16,3
-71,8
Таким образом, в 2006 году с увеличением освоенных капитальных
вложений на 1 млн. руб. добыча нефти с газовым конденсатом возрастает в
среднем на 1002 т (меньше на 31,9%, чем в 2005 г.), в 2007 году – на 717 т
(меньше на 28,4%, чем в 2006 г.).
Результаты корреляционно-регрессионного анализа позволяют
сделать вывод, что эффективность использования капитальных вложений
уменьшается. На сегодняшний день одной из важнейших проблем
нефтяной отрасли является ухудшение состояния сырьевой базы. Это
касается как количественного (сокращение объема), так и качественного
(рост доли трудноизвлекаемых запасов) показателей. Кроме того, причины
такой негативной тенденции не столько в инфляции, сколько в
необходимости модернизации оборудования и применение инновационных
технологий добычи нефти. Это требует в свою очередь грамотной
разработки управленческих предложений и принятию решений по
повышению отдачи капитальных вложений в добычу нефти.
1.
2.
3.
Литература
Итоги производственной деятельности отраслей ТЭК России в январедекабре 2010 г. ТЭК России. Журнал центрального диспетчерского
управления ТЭК. - №1, 2011 - с.47-92
Нефтегазовая вертикаль. Аналитический журнал, №4, 2012, с.31.
Эконометрика. Учебник/И.И. Елисеева, С.В. Курышева, Т.В. Костеева
и др.; под ред. И.И. Елисеевой. - 2-е изд., перераб. и доп. – М.:
Финансы и статистика, 2007. - 576 с.
39
СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ЗАВИСИМОСТИ
ВЕСА НОВОРОЖДЕННЫХ
Букина Мария Юрьевна
(Москва, МЭСИ)
По мнению ВОЗ, заболеваемость связана с 24 факторами. Эти
факторы риска варьируются от рисков со стороны окружающей среды,
таких как воздействие дыма в результате использования внутри помещений
твердых видов топлива, до физиологических факторов риска, таких как
высокое кровяное давление, что пять основных факторов риска, среди
которых понижение массы тела детей. Для новорожденных, данный
показатель является индикатором жизнеспособности ребенка, его развития.
На вес ребенка прирождение основное влияние оказывает состояние
матери, ее образ жизни и здоровье. Рассмотрим зависимость рождения
детей с заболеваниями.
Y – численности детей, родившихся больными, тыс. чел.
Новорожденному ребенку сложно адоптироваться в новом для него
мире, также он не обладает устойчивым иммунитетом. Все факторы
защиты от внешней среды у него снижены и работают не в полную силу.
По этим причинам любое врожденное заболевание резко снижает шансы на
выживание и нормальное развитие всего организма.
Х1 – злокачественные новообразования, на 1000 родов.
Поскольку данный класс заболеваний до конца не изучен, сложно
оценить его влияние на здоровье ребенка. Не доказано и то, что данное
заболевание является наследственным или то, что наличие такого
заболевание у матери дает ребенку предрасположенность к нему. Одно
можно сказать с уверенностью: методы лечения новообразований очень
жесткие и изматывают организм человека.
Х2 – алкоголизм и алкогольные психозы, на 1000 родов.
Если раньше алкоголизм являлся болезнью мужчин, то сейчас
границы между мужчиной и женщиной стерты. Тем более, что женский
алкоголизм считается более серьезным и сложно поддающимся лечению.
Алкоголь влияет на все органы человека, снижает чувствительность
рецепторов. Употребление алкоголя во время беременности оказывает
непосредственное влияние на развитие плода.
Х3 – осложнения беременности, родов, на 1000 родов;
Предсказать все просто не возможно. Проявление осложнений
возможны у каждой женщины, поскольку беременность заставляет
организм работать в новом режиме, что ведет за собой ряд последствий.
Х4 – анемия, на 1000 родов;
40
Данное заболевание не является пагубным для организма, но
ослабляет иммунитет, делая его уязвимым. Около 90% людей страдают
анемией. Это свидетельствует о недостаточности витаминов.
Х5 – болезни системы кровообращения, на 1000 родов; Х6 – отеки,
протеинурия и гипертензивные расстройства, на 1000 родов
Х7 – болезни мочеполовой системы, на 1000 родов; Х8 –
прерывание беременности, на 1000 родов; Х9 – младенческая смертность,
на 1000 родившихся;
Для выявления тесноты связи была построена матрица парных
коэффициентов корреляции.
После исключении мультиколлениарных признаков для анализа
остались: Х2, Х4, Х5, Х7.После исключения нескольких незначимых
признаков, мы получили значимое уравнение регрессии со значимым и
интерпретируемым коэффициентами (tкр=2,571). Уравнение значимо при
α=0,05, так как Fнабл.= 35,463 больше, чем Fкр.= 5,79, найденное по таблице
F-распределения при α=0,05, ν1=3 и ν2=4.
Данная
модель
обладает
хорошими
характеристиками.
Коэффициент множественной корреляции равен 0,954. Множественный
коэффициент детерминации R2=0,9102, он выражает долю объясненной
изучаемыми факторами дисперсии результативного признака и
характеризует качество построенной модели. Он свидетельствует о том,
что 91,02% вариации детей родившихся больными (массой тела 1000г. и
более) объясняется вошедшими в модель показателями Х2 и Х4 болезни
алкоголизма и анемией. Это довольно высокий процент. И 8,98% вариации
обусловлено действием неучтенных факторов.
Запишем полученное уравнение:
Y = -401,419 + 0,65975*Х2-0,3628*X4 - 0,3075 X5
По построенной модели регрессии можно сделать следующие
выводы. При увеличении показателя коэффициента с анемией уменьшается
рождаемость больных детей на 0,659%, а при увеличении болезней
алкоголизма и алкогольных психозов и болезней кровообращения наоборот
увеличивается рождаемость больных детей на 0,685% и 0,308%
соответственно. Подобный результат можно объяснить тем, что анемия –
заболевание не серьезное, вызываемое недостатком железа. Оно не сильно
влияет на здоровье, но заставляет следить за содержанием витаминов в
рационе. Алкоголизм же разлагает не только личность, но и иммунитет.
Алкоголь наносит вред как здоровью женщины, что сказывается на
ребенке, так и самому ребенку при формирование нервной системы. А вот
болезни крови влияют на состояние ребенка только через состояние
здоровья матери.
41
СБЕРЕГАТЕЛЬНЫЕ СТРАТЕГИИ ДОМОХОЗЯЙСТВ РФ
В ПЕРИОД КРИЗИСА 2008-2009
Васильева Елена Борисовна
(Москва, НИУ-ВШЭ)
Сберегательные
стратегии
непосредственно
определяют
организованные сбережения населения, которые традиционно являются
источником внутренних инвестиций в национальную экономику, таким
образом, являясь ресурсом экономического развития. Стратегии,
приводящие к увеличению объема сбережений, свидетельствуют о росте
доверия не только к банковско-финансовым учреждениям, но и к
государству в целом. Рост доверия способствует ориентации экономики на
«длинные» деньги что, в свою очередь, благоприятствует переходу на
поощряемый в РФ инновационный тип развития, нуждающийся в притоке
не столь быстро окупаемых инвестиций. Помимо экономической роли,
сберегательные стратегии играют важную социальную роль: обеспечивают
«запас прочности»4 в ситуации кризиса, в частности, кризиса 2008-2009гг.
На то, что экономический кризис привел к смещению инвестиций в
сторону сбережений, указывают результаты альтернативных исследований,
таких как «Мониторинг платежеспособного спроса на недвижимость и
экономических ожиданий населения РФ во II квартале 2010 года», согласно
которым доля «сберегателей» увеличилась почти до 50%. Подобное
соотношение «сберегателей» и «несберегателей» наблюдается с 1996 г.,
когда ИСЭПН РАН предпринял масштабное исследование сберегательного
поведения населения.5 Аналогичный масштаб участия населения в
сбережениях подтверждается и исследованиями НАФИ (Национальное
агентство финансовых исследований. 2008, 2010гг.).
Поскольку целью данного исследованию являлась оценка влияния
кризиса на сберегательное поведение домохозяйств, был осуществлен
сравнительный анализ данных выборочного обследования бюджетов
домашних хозяйств (ФСГС) 2007 и 2010гг. При этом использовались как
субъективные оценки динамики благосостояния домохозяйств, так и
объективные показатели изменения материального положения. Кроме того,
результаты были сопоставлены с полученными при анализе данных РМЭЗ Российского мониторинга экономики и здоровья за те же года.
В рамках поставленной цели в ходе исследования, прежде всего, был
определен сегмент домохозяйств, имеющих сбережения, а также
4
5
[2, c. 7-8]
[1, c. 63-64]
42
сопоставлена распространенность сберегательных и кредитных стратегий
поведения домохозяйств. Таким образом, были идентифицированы три
финансовых стратегии домохозяйств: сберегатели, заемщики и
домохозяйства со смешанной стратегией. Проведен анализ субъективных
оценок изменения благосостояния домохозяйств после кризиса, но, так как
эти оценки могут на практике расходиться с объективными, результаты
были сопоставлены с анализом изменения доходов опрошенных
домохозяйств в 2007 и 2010 гг. Сопоставление проводилось по группам
домохозяйств с различными финансовыми стратегиями.
Полученные результаты нельзя напрямую сравнивать с
субъективными показателями, поскольку в них не отражены доли
потерявших и нарастивших доход, однако можно отметить
согласованность двух оценок. Итак, приведенные данные позволяют
утверждать, что домохозяйства, имеющие сбережения (в том числе
домохозяйства со смешанной финансовой стратегией), менее других
пострадали в период кризиса. Напротив, негативнее всего кризис сказался
на благосостоянии домохозяйств, которые не создали ни сбережений, ни
кредитов.
Выход страны из глубокого экономического кризиса, переход к
экономическому росту и сопутствующий рост доходов не поколебали
соотношение домохозяйств-сберегателей и домохозяйств-заемщиков. Этот
факт можно толковать как свидетельствующий об устойчивости состава
доходных групп, или же о чрезвычайной потребительской активности
населения.
1.
2.
Литература
Е.М. Авраамова, Л.Н. Овчарова. Сбережения населения: перспективы
частного инвестирования // Социологические исследования, 1997. №8.С. 63-64
О.Кузина, Я.Рощина. Моделирование сберегательного поведения
домохозяйств России // Финальный отчет по проекту РПЭИ № 98-041.С. 7-8
43
ИСПОЛЬЗОВАНИЕ СИСТЕМ ЭКОНОМЕТРИЧЕСКИХ
УРАВНЕНИЙ ДЛЯ АНАЛИЗА СОЦИАЛЬНОГО ПОТЕНЦИАЛА
КАК ФАКТОРА МОДЕРНИЗАЦИИ ЭКОНОМИКИ РЕГИОНА
Вачаева Людмила Павловна,
Карташова Ольга Борисовна
(Саранск, МГУ им. Н.П. Огарева)
Модернизация экономики в широком смысле представляет собой
совершенствование
и
обновление
производительных
сил
и
производственных отношений, что в большинстве случаев достигается за
счет инновационного развития общества.
В современных условиях специфика устойчивого инновационного
общественного развития состоит в том, что определяющее влияние на него
оказывают уровень и качественные характеристики социального
потенциала.
Социальный потенциал представляет собой:
 с одной стороны,
систему элементов,
непосредственно
определяющих социальную активность населения данного региона и,
соответственно, возможности получения населением данного региона
социально значимых результатов в различных сферах общественного
бытия – трудовой, социально-политической и духовной;
 с другой стороны, непосредственный потенциал человека – его
здоровье и профессиональное долголетие, образование, профессионализм,
духовно-нравственные качества,
направленные на созидание нового
качества; условия для развития и проявления этого потенциала.
В целом социальный потенциал региона можно условно
подразделить на два внутренних блока: демографический потенциал и
социальную инфраструктуру региона.
Ключевой характеристикой современного этапа развития
экономики и общества является изменение роли демографического
потенциала региона в системе факторов производства в связи с
возрастанием значения творческих и личностных элементов человека в
трудовых процессах. Еще со второй половины 80-х гг. прошлого века идеи
о том, что люди, их развитие являются главным потенциалом и целью
модернизации, стали получать все более широкую поддержку в
экономических исследованиях, в разработке национальных программ
социально-экономического развития. Одна из причин прежних неудачных
попыток модернизации экономики состояла в неравномерном,
несбалансированном развитии отдельных сфер социально-экономической
44
жизни, в том числе в недоучете компонентов развития демографического
потенциала региона.
Социальная инфраструктура также воздействует на экономическую
эффективность, поскольку отрасли социальной инфраструктуры становятся
точками развития демографического потенциала. Роль социальной
инфраструктуры в условиях модернизации экономики заключается не
только в обеспечении качественных условий жизни граждан, но и в
создании конкурентного экономического образа региона в национальном
пространстве.
Поэтому в настоящее время изучение социального потенциала как
фактора модернизации экономики региона получает особую актуальность,
что приводит к выявлению методологических оснований и практических
решений в данной области знаний.
Одним из наиболее качественных методов исследования данной
проблемы на наш взгляд является построение системы одновременных
эконометрических уравнений.
Данный способ позволяет определить количественное влияние
уровня социального потенциала на модернизацию экономики региона, а
также выявить, как уровень социального потенциала зависит от
модернизации экономики.
Полученные результаты исследования могут быть использованы
при разработке программ социально-экономического развития региона
органами государственного управления.
1.
2.
Литература
В. Буланов Модернизация экономики России и развитие человека //
Общество и жизнь, 2011. - №12.
И. Соболева Социальная политика как фактор устойчивого развития //
Проблемы теории и практики управления, 2003. - №3.
45
СТАТИСТИЧЕСКАЯ ОЦЕНКА ИННОВАЦИОННОЙ
ДЕЯТЕЛЬНОСТИ ЭКОНОМИКИ УКРАИНЫ
(ПО МЕЖДУНАРОДНОЙ МЕТОДОЛОГИИ)
Вдовенко Юлия Викторовна
(Луганск, ГУ ЛНУ им. Т. Шевченко)
Выбранный Украиной путь интеграции в Евросоюз требует
сближения и объединения национальной экономической системы с
системами стран ЕС. Это ставит Украину перед выбором внедрения той
модели развития которая принята за базовую – модели инновационного
развития. В связи с этим статистической оценке инновационной
деятельности в экономике Украины уделяется все больше внимание.
Для оценки инновационной деятельности в европейских
исследованиях инноваций существуют два взаимосвязанных инструмента:
CIS (Community Innovation Survey) разработанное по методологии Офиса
Европейского Содружества (Евростата) и европейское инновационное
табло (EIS, European Innovation Scoreboard). Инновационное исследование
охватывает исследование инновационной деятельности предприятий странчленов ЕС, кандидатов во вступление в ЕС, а также Исландию и Норвегию.
Периодичность наблюдения на сегодня, согласно рекомендаций
относительно проведения инновационных исследований - каждые два года.
Для
проведения
инновационного
исследование
Евростатом
в
сотрудничестве со странами-членами ЕС разработана специальная анкета с
набором понятий и методологических рекомендаций. По новым
требованиям кроме исключительно продуктовых и процессных инноваций,
которые изучались раньше, введены новые виды инноваций организационные и маркетинговые [1].
Согласно руководства Осло, под организационными инновациями
понимают инновации связанные с внедрением новых организационных
методов. К ним относят изменения в деловой практике, в организации
рабочих мест или во внешних связях предприятия. Под маркетинговыми
инновациями понимают инновации которые включают реализацию новых
методов маркетинга. Например, изменение в дизайне и упаковке продукта,
в его продвижении и размещении, в методах установления цен на товары и
услуги[4].
Первое обследование (CIS 1) странами европейского союза было
проведено в 1993 г. [3]. Украина присоединилась к обследованию
инноваций по международной методологии, начиная с CIS 6 которое
охватывает период 2004-2006 гг. (пилотное обследование охватившее пять
46
регионов основного круга предприятий и организаций на сплошной
основе).
В 2011 году по международной методологи CIS 8 было проведено
очередное обследование инновационной деятельности в Украине за период
2008-2010 гг.. Статистическое исследование показало, что часть
инновационно активных предприятий по сравнению с предыдущим
анализируемым периодом (2006-2008 гг.) выросла на 3,0 п.п., что является
положительной тенденцией. Такое увеличение произошло в основном за
счет части предприятий которые занимались организационными и
маркетинговыми инновациями. По данным обследования уровень
инновационной активности предприятий по всем видам экономической
деятельности, кроме внедрения технологических инноваций, увеличился.
Основным направлением инновационной деятельности стало приобретение
машин, оборудования и программного обеспечения в которое они вложили
более третьей части от общего объема расходов, что стало наивысшим
показателем среди прочих расходов. Факторами, которые наиболее
препятствовали осуществлению инновационной деятельности (среди
инновационных предприятий) оказались: отсутствие средств – 7,8%,
слишком высокие затраты на инновационную деятельность – 6,2%,
отсутствие внешнего финансирования – 4,6%[2].
Таким образом, статистическая оценка инноваций является
важным фактором развития экономики Украины. Основываясь на
международной методологии она становится более информативной и дает
возможность наблюдать за прогрессом в области инноваций, сопоставлять
их с другими странами-членами ЕС и использовать передовой опыт
развитых стран.
1.
2.
3.
4.
Литература
Інноваційна політика: Європейський досвід та рекомендації для
України. – Том 1. - К.: Фенікс, 2011. – 214 с.
Обстеження інноваційної діяльності в економіці України за період
2008–2010 років (за міжнародною методологією). Сайт Держкомстат
України. Публікації. Режим доступу: http://ukrstat.gov.ua
3. Ротар А.В. Особливості статистичного оцінювання інноваційної
активності підприємств за європейською програмою CIS / А.В. Ротар //
Статистика України. – 2010. - №1. - С. 39-45.
Руководство Осло. Рекомендации по сбору и обработке информации по
инновациям. - [3-е изд]. - М.: ОЭСР; Евростат, 2010 Режим доступа:
http://mon.gov.ru/files/materials/7766/ruk.oslo.pdf
47
СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ ДОСУГА МОЛОДЕЖИ
Верховцева Мария Игоревна,
Манушкина Алёна Алексеевна
(Новосибирск, НГУЭУ)
Сфера досуга и отдыха – важнейшая сфера повседневности. Она
является одним из важных средств формирования личности молодого
человека. Использование свободного времени молодежью является
своеобразным индикатором ее культуры, круга духовных потребностей и
интересов конкретной личности молодого человека или социальной
группы.
В рамках данного исследования было проведено выборочное
наблюдение анкетным способом. Выборочная совокупность составила 100
респондентов в возрасте от 15 до 29 лет. Наблюдение проводилось в г.
Новосибирск.
Полученные данные сравнивались с данными подобных
исследований прошлых лет:
1) В 2007 году проводилось исследование Институтом социологии
РАН «Молодежь новой России: ценностные приоритеты».
2) Детский фонд ООН (ЮНИСЕФ) и Федеральная служба
государственной статистики составили портрет российской молодежи на
конец 2009 года. Источник: «Молодежь в России – 2010».
По итогам исследования выяснилось, что на сегодняшний день
большая часть молодого населения (37%) предпочитают проводить свой
досуг «дома». Это может быть объяснено тем, что досуг дома в настоящее
время можно проводить более разнообразно (компьютер, телевизор с
большим количеством программ, видео и т.д.).
Также заметна тенденция увеличения интереса молодежи к
художественной литературе (за 5 лет количество «читающих» увеличилось
почти в 2 раза, в то время как «нечитающая» аудитория сократилась более
чем в 3 раза).
Что касается музыкальных предпочтений, подавляющая часть
молодежи слушает популярную современную музыку. Стиль «Pop»
предпочитают 37% опрошенных. Также высок процент ответов «я
меломан» или «по настроению».
По результатам анкетирования 40% респондентов увлекаются
компьютерными играми, и этот показатель в 2 раза больше, чем в 2007
году. Такие темпы роста связаны, прежде всего, с глобализацией
всемирной сети Интернет, а также с улучшением качества создаваемых игр
(графика, звуковые эффекты).
48
За 5 лет значительно изменились варианты проведения
каникул/отпуска. Исследование показало, что большая часть молодого
поколения не выезжает за пределы города во время отдыха. Это может
быть связано с тем, что школьники и студенты ищут подработку во время
каникул, опять же в черте города. Кроме того, количество
путешествующих молодых людей заметно снижается с каждым годом.
Главная причина этого процесса – нехватка материальных средств.
Социальный облик молодого поколения, несомненно, отражается
как в поведении молодежи, так и в ее пристрастиях и увлечениях.
Предпочтения в музыке, литературе, телепередачах могут сказать о многих
социальных аспектах развития данной категории населения.
Процесс трансформации досуговой сферы жизнедеятельности
российской молодежи обусловлен переменами в социокультурной жизни
страны, а также технологическими и культурными изменениями,
произошедшими в условиях глобализации.
1.
2.
3.
4.
Литература
Молодежь в России. 2010: Стат.сб./ЮНИСЕФ, Росстат. М.: ИИЦ
«Статистика России», 2010
www.isras.ru
www.gks.ru
www.romir.ru
49
ДАННЫЕ О ЧИСЛЕННОСТИ НАСЕЛЕНИЯ ИТАЛИИ В БАЗАХ
ДАННЫХ ДЕМОСКОП WEEKLY, ЕВРОСТАТ И ИНЕД6
Винник Мария Викторовна
(Москва, НИУ ВШЭ)
Большинство баз данных (БД) постоянно обновляют таким
образом, что выполнив запрос спустя определенное время, нам не удастся
выяснить о тех возможных расхождениях, если только мы не сохранили
прошлые запросы. С другой стороны в БД Демоскоп Weekly разработчиком
указаны версии обновлений данных, дата последних изменений, а также
приведены ссылки на предыдущие версии. Поэтому работая с этой БД,
можно восстановить прежние значения показателей.
Рассмотрим динамику изменения численности населения (ЧН)
Италии на начало года. На рисунке 1 видно, что на разные даты
обновлений приводятся разные данные о ЧН в начале 2000-х годов.
65000
55000
45000
1940
1960
11.06.2002
14.08.2007
1980
30.09.2003
31.12.2010
2000
2020
13.06.2006
12.04.2011
Рисунок 1. Динамика численности населения Италии на начало года,
тыс. чел. по данным Демоскоп Weekly, 1950-2010 гг.
Дело в том, что данные прошедшей в 2001 году переписи
населения не совпали с ожидаемыми значениями (рис. 2). Население
Италии не досчиталось 1,7 миллиона человек [3]. Расхождение в ЧН в 2001
году по данным Демоскоп Weekly 2007 и 2002 гг. составило 883 тыс.
человек.
Работа выполнена в рамках исследовательского проекта «Разработка Базы данных
демографических показателей по регионам России и странам мира» №11-04-0039 по конкурсу
Программы «Научный фонд ГУ-ВШЭ» «Учитель-Ученики» 2011-2012 гг.
6
50
58000
Демоскоп
11.06.2002 (Council
of Europe)
Демоскоп
30.09.2003 (Council
of Europe)
Демоскоп
13.06.2006 (ИНЕД)
57500
57000
56500
56000
2000
2001
2002
Рисунок 2. Динамика численности населения Италии на начало года,
тыс. чел. по данным Демоскоп Weekly, 2000-2002 гг.
В ряде случаев БД продолжают добавлять новые ряды данных без
уточнения уже имеющихся. Случай с перерасчетом ЧН Италии, который не
единственный, показывает, что на уточнение данных за прошлые годы
необходимо также обращать внимание и своевременно их обновлять. Так,
выполнив запрос в БД ИНЕД и Евростат, в первой мы получим
завышенные данные за весь межпереписной период с 1991 по 2001 гг.
(рис. 3)
65000
45000
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
55000
ИНЕД
Евростат
Рисунок 3. Динамика ЧН Италии по данным ИНЕД и Евростат,
1960-2011 гг..
С момента проведения переписи населения 2001 года прошло 10
лет, однако в течение этого времени БД ИНЕД продолжает содержать
некорректные данные.
1.
2.
3.
4.
Литература
База данных Демоскоп Weekly: http://demoscope.ru/weekly/pril.php
База данных Евростат: http://epp.eurostat.ec.europa.eu
База данных INED, Франция: http://www.ined.fr
Мкртчян Н.В., Статистические источники информации о миграции
населения в России / «Демоскоп Weekly» № 335-336, 2-15 июня 2008:
http://www.demoscope.ru/weekly/2008/0335/analit02.php
51
АНАЛИЗ ИНФЛЯЦИОННЫХ ПРОЦЕССОВ В РОССИЙСКОЙ
ЭКОНОМИКЕ МЕТОДАМИ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ
Гарке Дарья Викторовна
(Владивосток, ДВФУ
Москва, НИУ ВШЭ)
Высокий уровень инфляции продолжает оставаться серьезной
проблемой для российской экономики [1]. Анализ инфляционных
процессов в экономике России всегда привлекал значительное внимание
специалистов [2-4]. В данной работе основное внимание сосредоточено на
выявлении основных факторов, оказывающих влияние на среднесрочную
динамику инфляции. Для этой цели на основе статистических данных были
построены регрессионные уравнения, описывающие основные показатели
ценовой динамики (фазовые переменные): индексы потребительских цен,
цены на продовольственные и непродовольственные товары и платные
услуги населению. В качестве объясняющих факторов (управлений)
брались темпы прироста денежной массы, косвенно отражающие общую
экономическую
политику
государства.
Неизбежные
ошибки
идентификации модели учитывались путем замены коэффициентов
регрессионных
уравнений
доверительными
интервалами,
соответствующими
заданной
вероятности.
Построенная
модель
инфляционных процессов представляет собой неоднородную управляемую
систему линейных рекуррентных уравнений с интервальными
коэффициентами и внешними возмущениями, отражающими сезонность
цен. Проверка адекватности модели проверялась путем сравнения
расчетных и фактических статистических показателей.
С помощью модели находилась динамика управлений, приводящая
к заданным показателям фазовых переменных за минимальное время.
Поскольку фазовые переменные интерпретировались как потребительские
цены и платные услуги населению, то таким путем выяснялась зависимость
цен и, следовательно, уровня инфляции от основных объясняющих
факторов, т.е. экономической политики государства. Кроме того, в рамках
модели методами оптимального управления определялись параметры
экономической политики государства в краткосрочной перспективе,
поддерживающие инфляцию на определенном приемлемом уровне.
С формальной математической точки зрения речь идет о задаче
быстродействия в интервальной дискретной системе управления [5, 6] – о
переводе траектории системы из одного начального состояния в другое
конечное состояние за минимальное число тактов с помощью подходящих
управлений. Для решения задачи использовались приведенные в [5,6]
52
достаточные условия управляемости. Проверка достаточных условий
управляемости сводилась к решению задачи линейного программирования.
В ходе решения задачи находились управление, обеспечивающее перевод
интервальной траектории системы из начального положения в заданное
конечное положение (в случае управляемости системы) или минимальную
окрестность конечного положения (в случае неуправляемости системы).
Неверное определение инфляции порождает ошибочную
макроэкономическую политику. Тем более важно было правильно
сформировать функциональную форму модели российской инфляции.
Проведенный в работе эмпирический анализ подтверждает значительную
роль не только монетарных, но и немонетарных показателей,
определяющих причинно-следственные связи в динамике российской
инфляции, такие как: показатели темпа инфляции на потребительском
рынке и в промышленности.
Построенную модель можно использовать как при проверке
актуальности тех или иных предпосылок, используемых при построении
моделей российской экономики и прогнозировании инфляционной
динамики, так и при формулировании целей и индикаторов монетарной
политики.
1.
2.
3.
4.
5.
6.
Литература
Ащепков Л.Т., Рябов Е.В. Ретроспективный модельный анализ
инфляционных процессов российской экономики. Управление в
социально-экономических системах. – 2010. – №1(23). – С. 74-84.
Багдасаров М.В., Березняцкий А.Н. Анализ динамики инфляционных
процессов // Прикладная эконометрика. – 2006. - №2. – С.112-123.
Белоусов Д.Р. Механизм инфляции в современной экономике
России:… дис. канд. экон. наук. - Москва, 1998.
Бродский
Б.Е.
Что
происходит
с
ценами
в
России?
Макроэкономический
анализ ЦЭМИ РАН. Эл. ресурс. [Дата
обращения:15.01.2011] //
http://data.cemi.rssi.ru/GRAF/center/analytics.htm
Ащепков Л.Т., Давыдов Д.В. Универсальные решения интервальных
задач оптимизации и управления. М.: Наука, 2006. – 151 с.
Калман Р., Фалб П., Арбиб М. Очерки по математической теории
систем. М.: Мир, 1971. – 400 с.
53
АНАЛИЗ ФАКТОРОВ, ВЛИЯЮЩИХ НА УРОВЕНЬ
ПРОФЕССИОНАЛЬНОЙ ЗАБОЛЕВАЕМОСТИ
В ЧЕЛЯБИНСКОЙ ОБЛАСТИ
Гоглидзе Юлия Юрьевна
(Челябинск, ЮУрГУ)
В последнее время всё большее внимание уделяется проблемам
безопасности труда и снижению профессиональной заболеваемости.
Уже
начал
действовать
механизм
экономической
заинтересованности работодателей в создании и обеспечении безопасных
условий труда, заложенный в Федеральном законе "Об обязательном
социальном страховании от несчастных случаев на производстве и
профзаболеваний".
Численность трудоспособного населения в России около 90 млн.
человек, или 60% общей численности населения. Под воздействием
опасных и вредных производственных факторов трудится каждый
четвертый-пятый работник от числа всех лиц, занятых в экономике.
Оценка
факторов,
влияющих
на
профессиональную
заболеваемость в Челябинской области, была осуществлена методами
описательной статистики, кластерного и корреляционно-регрессионного
анализов.
В качестве исходных данных использовались материалы,
опубликованные в статистических сборниках, в государственных докладах
Роспотребнадзора за последние 10 лет (2000–2010 гг.) [1,2,3,4].
При проведении многомерной классификации субъектов РФ по
ряду признаков (уровень профессиональной заболеваемости, ожидаемая
продолжительность жизни, смертность трудоспособного населения и др.)
методом кластерного анализа было выделено 3 класса регионов.
В первый класс попали регионы с самым высоким уровнем
профессиональной заболеваемости, уровень смертности в этих регионах
выше среднего уровня по стране, а ожидаемая продолжительность ниже
среднего (Липецкая область, Челябинская область, Мурманская область,
Пермский край и др.).
Во второй класс попали регионы, где показатели уровня
профессиональной заболеваемости ниже среднего уровня по РФ,
показатели смертности трудоспособного населения самые высокие в
стране, а показатели ожидаемой продолжительности жизни – наименьшие
(Амурская область, Забайкальский край, Тверская и Тульская области и
др.).
54
В третий класс вошли регионы, где показатели профессиональной
заболеваемости и показатели смертности трудоспособного населения ниже
среднероссийских, а ожидаемая продолжительность жизни выше
(г. Москва, г. Санкт-Петербург, Белгородская область, Краснодарский край,
Республика Ингушетия, Дагестан и др.).
Для Челябинской области был проведен множественный
регрессионный анализ, в котором зависимой переменной был показатель
профессиональной заболеваемости, а независимыми были показатели,
характеризующие условия труда (удельный вес работающих, занятых
тяжелым физическим трудом и др.), экологическую обстановку в области
(выбросы загрязняющих веществ в атмосферный воздух от стационарных
источников и др.), социально-экономическую (коэффициент Джини и др.) и
«медицинскую» ситуацию (доля людей, прошедших медосмотр и др.).
По
результатам
корреляционно-регрессионного
анализа
установлена прямая зависимость профессиональной заболеваемости в
Челябинской области от значения коэффициента Джини (x1), который
характеризует неравномерность распределения доходов и заработной
платы на территории региона и от доли расходов по обязательному
социальному страхованию от несчастных случаев на производстве и
профессиональных заболеваний в общей сумме расходов на социальное
страхование ( x 2 ) ( y  7,47  5,42 x1  22,39 x 2 , R  0,72 ).
Аналогичная зависимость выявлена для уровня профессиональной
заболеваемости от выбросов загрязняющих веществ в атмосферный воздух
от стационарных источников и от доли лиц, прошедших медосмотр.
Расчетные значения t-статистик, коэффициентов детерминации и
F-статистики показали, что во всех рассмотренных случаях коэффициенты
регрессии и сами модели значимы на уровне 95%.
2
1.
2.
3.
4.
Литература
Демографический ежегодник России: стат. сб. – М.: Росстат, 2010. –
528 с.
О санитарно-эпидемиологической обстановке в Российской Федерации
в 2010 году: Государственный доклад.  М.: Федеральный центр
гигиены и эпидемиологии Роспотребнадзора, 2011.  431 с.
Труд и занятость в России: стат.сб.  М.: Росстат, 2011. – 637 с.
Сайт Федеральной службы государственной статистики РФ:
http://www.gks.ru
55
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ РЫНКА FOREX
С ПОМОЩЬЮ ФРАНКТАЛЬНОГО БРОУНОВСКОГО ДВИЖЕНИЯ
Гончаренко Александр Вадимович
(Магнитогорск, МГТУ им. Г.И. Носова)
В качестве основы бурно развивающегося рынка была принята
гипотеза эффективного рынка. Диссертационная работа Л. Башелье –
«Теории спекуляции» [1], написанная в 1900 году на тему спекулятивной
торговли правительственными облигациями на Парижской фондовой
бирже стала родоначальником гипотезы эффективного рынка. В целях
моделирования финансовых рынков стал активно применяться
инструментарий теории вероятностей и математической статистики.
Появились широко известные модели оценки финансовых активов, такие,
как модель Марковица, CAMP , далее с развитием рынка производных
финансовых инструментов - модель Блэка-Шоулза. На цену влияют как
фундаментальные причины, так и настроения участников рынка, рынок
рационален и логарифмические доходности подчиняются нормальному
закону распределения.
Но практика показала, что доходности отличаются от нормального
распределения, графики плотности распределения имеют «острые
вершины» и «толстые хвосты». Бенуа Мандельброт [2,3] был одним из
первых, кто предложил включить в рассмотрение гипотезу фрактального
рынка, говоря о «турбулентных рынках».
Гипотезы фрактального рынка:
1. Доходности рисковых активов подчиняются процессу фрактального
броуновского движения с показателем Херста Н. [4]
2. Рынку свойственна «память», выражающаяся в положительной (Н > 0.5),
либо отрицательной (Н < 0.5) корреляции доходностей.
3. Цены на финансовые активы отражают потребность инвесторов в
ликвидности.
4. Резкие изменения цен финансовых активов (обвалы и скачки) возникают
из-за снижения ликвидности рынка, вызванного уходом части инвесторов и
исчезновением многообразия инвестиционных горизонтов участников
рынка; денежные потоки в этом случае перестают уравновешивать друг
друга.
5. Управляющие инвестиционных фондов могут добиваться больших
доходов, чем в среднем по рынку.
Гауссовский процесс WH(t) называется фрактальным броуновским
движением (одномерным) с параметром Н (показатель Херста), 0 < H < 1,
на интервале [a, b], если он обладает следующими свойствами: WH(0) = 0 и
56
функция WH(t) почти всегда непрерывна, Приращения процесса –
случайные величины, подчиненные нормальному закону распределению с
математическим ожиданием 0 и дисперсией 𝜎 2 (𝑡2 − 𝑡1 )2𝐻 = 𝑐𝑜𝑛𝑠𝑡.
𝔼(Δ𝑊 𝐻 )2 ~(Δ𝑡)2𝐻
(1)
В случае фрактального броуновского движения с H ≠ 0.5
приращения процесса уже не будут независимыми. Корреляция между
приращениями в этом случае определяется так:
𝑐𝑜𝑣 (Δ𝑖 𝑊 𝐻 , Δ𝑖−1 𝑊 𝐻 ) = 2(2𝐻−1) − 1
(2).
В некоторых случаях размерность D и показатель Херста H
соотносятся:
D=2–H
(3).
Возьмем пары Доллар-Рубль, Евро-Доллар, Франк-Доллар за
период (дневной): 19.09.2007-01.03.2012. В колебаниях цены есть
«выбросы», лог-доходности не принадлежат нормальному закону
распределения. Чтобы учесть «толстые хвосты» и «острые вершины»
построим фрактальные структуры для каждой пары.
Получены следующие результаты для пары рубль/доллар:
структура имеет следующие свойства: D=1.3, b=1.7, H=0.3. Точность
модели 95,8%. Можно сказать, что данная пара соответствует
антиперсистентным, или эргодическим, рядам. Такой тип системы
часто называют – «возврат к среднему», курс нестабилен и подвержен
резким изменениям.
Евро-доллар: структура повторяет движение цены, но с небольшим
опозданием, начиная с ноября 2011 года. D=1.6, b=1.3, H=0.4. Ряд близок к
нормальному, но подвержен изменениям. С уверенностью в 95% можно
утверждать, что до лета 2012 года евро поднимется до отметки в 1.45.
По паре франк-доллар наблюдаются следующие свойства: D=1.2,
b=1.4, H=0.8. Ряд трендоустойчив. Тренд очевиден. До начала лета 2012
курс будет колебаться в коридоре - 1.02-1.07 (CHF/USD). Относительная
ошибка составляет 2.4%, что является высоким показателем точности
модели.
1.
2.
3.
4.
Литература
Нейштадт А.И., Селезнева Т.В., Тутубалин В.Н., Угер Е.Г. Уточнение
«Теории спекуляции» Башелье (Bachelier L. Theorie de la speculation)
Мандельброт Б., Хадсон Р. (Не)послушные рынки: фрактальная
революция в финансах. М.: Вильямс, 2006
Мандельброт Б. Фрактальная геометрия природы. М.: Институт
компьютерных исследований, 2002
Hurst H. The Nile basin. Нил, 1954
57
ИСПОЛЬЗОВАНИЯ КОПУЛА-ФУНКЦИЙ ДЛЯ ОЦЕНКИ РЫНКА
СЫРЬЯ РОССИИ
Гончарова Ирина Алексеевна
(Магнитогорск, МГТУ)
Одним из наиболее острых вопросов последнего десятилетия стало
влияние
конъюнктуры
мировых
рынков
энергоносителей
на
экономическую ситуацию в России. Сырьевая ориентация экономики
России сейчас прочна как никогда. Был введен термин, который отчетливо
демонстрирует положение России – «сырьевой придаток Запада». В
соответствии с этим правительству необходимо проводить мероприятия
для становления России на один уровень с развитыми странами, а так же
осуществлять контроль над ценами.
Для анализа существующей ситуации на рынке сырья был выбран
метод подбора копула-функции и сравнение его с другими известными
методами эконометрики. Копула-функция дает возможность не только
выявить частные распределения компонент, но и структуру их
зависимостей. Эти функции дают возможность не просто подбора функций
распределений для случайного вектора, а так же позволяет включать
разных классов функции распределения. Есть предположение, что копулафункции оказываются наиболее эффективными, но тем не менее
существуют и ситуации в которых модель «копула» оказывается не
состоятельной по сравнению с обычным МНК.
Данными для анализа рынка сырья могут служить цены на
следующие ресурсы: уголь, железная руда, глина, шпат, доломит и т.д., а
так же различные контракты на их покупку.
Подбор функции является весьма непростой задачей, алгоритм
которого осуществляется при помощи программы «R». В рамках
исследования строится ряд функций (гауссовская, Стьюдента и др.) и
оцениваются их параметры, которые затем можно сравнить с построенным
МНК.
1.
2.
Литература
Г.И. Пеникас «Модели «копула» в оценках хеджирования ценового
риска», журнал «Прикладная эконометрика» №2(22) 2011 - С. 3-19
Д.Фантаццини «Моделирование многомерных распределений с
использованием
копула-функций»,
журнал
«Прикладная
эконометрика» №2(22) 2011С.98-133, 3(23)2011С.98-132, 4(24)2011 С.
100-129
58
ДИФФЕРЕНЦИАЦИЯ ИННОВАЦИОННО-ТЕХНОЛОГИЧЕСКОГО
РАЗВИТИЯ РЕГИОНОВ РОССИИ
Грибова Елена Викторовна
(Москва, МЭСИ)
В условиях глобализации и возрастающей международной
конкуренции инновационный вариант развития российской экономики
является фактически безальтернативным. Вместе с тем в практике
управления еще не до конца выработаны подходы к единой оценке
инновационного уровня развития регионов России, что препятствует
адекватной оценке результативности государственной инновационной
политики на федеральном и региональном уровне. [1] От инновационной
активности и инновационной восприимчивости региональных экономик и
отраслей зависит стратегическая конкурентоспособность России в мировой
экономике.
Целью данного исследования является разработка методики
сравнительного анализа развития регионов нашей страны, которая
позволила бы на основе полученных результатов предложить в отношении
каждого субъекта адекватный инновационный режим. На основе
результатов проведенной работы представлен алгоритм кластеризации
регионов, который в идеале должен быть четко вписан в систему
индикативного планирования их экономического развития.
С помощью эконометрических методов проведено исследование
инновационного потенциала регионов РФ в динамике. Исходными
данными для количественного анализа являлись показатели ежегодной
статистической отчётности регионов, выбор основных параметров
осуществлялся с помощью метода экспертных оценок. Из представленных
показателей отобраны те, которые непосредственно связанны с анализом
инновационной деятельности субъектов: внутренние затраты на НИР;
число организаций, выполнявших НИР; число созданных передовых
производственных
технологий;
число
используемых
передовых
производственных технологий; затраты на информационные и
коммуникационные технологии; поступление патентных заявок и выдача
охранных документов; объем инновационных товаров, работ, услуг;
затраты на технологические инновации; доля инновационной продукции в
отгруженной.
На следующем этапе анализа использован один из основных
способов уменьшения размерности данных при потере наименьшего
количества информации - метод главных компонент. Применена
существующая методика построения инновационно-технологических
59
матриц для некоторых стран мира [2], только с учетом региональных
различий развития российской экономики. Глубинный смысл подобных
матриц в совмещении показателей, косвенно характеризующих спрос и
предложение инноваций, а общая схема построения состоит в оценке
уровня развития науки, технологической базы и инновационной активности
субъектов РФ, которая возможна с помощью введенных индексов. В
динамике 2006-2011 гг. прослежены изменения принадлежности регионов к
выделенным кластерам. На основе последующей кластеризации субъектов
составлена инновационная территориальная карта субъектов России.
Рисунок 1. Диаграмма сравнения научно-технологического уровня ФО
На данном рисунке наглядно продемонстрировано распределение
ФО по уровню развития науки (ось OX) и технологий (OY) за 2011 год.
Необходимым условием начала разработок и исследований по
определенному направлению является динамичность развития экономики в
данном направлении. Если же субъект относится к числу науко- и
технологично отсталых, то сначала ему необходимо нарастить высокие
темпы роста, а потом этот рост целесообразно поддерживать инновациями.
Субъекты РФ многочисленны и неоднородны по объему и составу
инновационного потенциала, поэтому процесс внедрения, развития и
поддержания инноваций в каждом из них должен проходить
индивидуально и учитывать различный комплекс целей и задач.
Преодоление
экономического
неравенства
субъектов
является
непременным условием устойчивого роста экономики всей страны.
Литература
1. Концепция развития РФ до 2020г.: http://www.ifap.ru/ofdocs/rus/rus006.pdf
2. Издание об инвестиционных возможностях РФ: http://www.kapital-rus.ru/
60
СТАТИСТИЧЕСКИЙ АНАЛИЗ ИННОВАЦИОННОЙ
ДЕЯТЕЛЬНОСТИ УКРАИНЫ
Гринько Александр Владимирович
(Луганск, ЛНУ им. Т. Шевченко)
Возможности, продолжительность, конкретные пути перехода
национальной экономики к инновационной модели развития зависят от
имеющегося в стране инновационного потенциала, в частности: сети
научных организаций; насыщенности экономики научными кадрами и
образованности рабочей силы; объемов финансирования научной и научнотехнической
деятельности;
уровня
инновационной
активности
промышленных предприятий и динамики производства инновационной
продукции; наличии платежеспособного спроса на инновационную
продукцию.
По итогам 2010 г., научные исследования и разработки в Украине
выполняли 1303 научные организации. Почти две трети научных
организаций расположены в экономически развитых регионах: Киеве,
Харьковской, Днепропетровской, Львовской и Донецкой областях. Почти
половина из которых относятся к предпринимательскому сектору
экономики (610 организаций), 39,5% (514 организаций) - к
государственному, 13,7% (178 организаций) - высшего образования и 1
организация - к частному некоммерческому сектору.
Распределение организаций по секторам науки не соответствует
практике развитых стран, где большинство научных организаций относятся
к заводскому сектору (сектору компаний), а следовательно - максимально
приближенные к заключительным стадиям процесса разработки и
производства продукции, в т. ч. инновационной.
Наибольшее количество организаций подчинено Национальной
академии наук Украины (206 организаций). Более 44% организаций
выполняют исследования в области технических наук, почти 34% естественных, более 15% - общественных и гуманитарных. Обращает
внимание тенденция к уменьшению количества организаций, работающих
в области технических наук (с 905 в 1995г. до 576 в 2010г.).
В 2010 г. инновационной деятельностью в промышленности
занимались 1462 предприятия, или 13,8% общего количества
промышленных предприятий против 1411 и 12,8% в 2009г. Что касается
финансирования инновационной деятельности, то на технологические
инновации в 2010г.1088 предприятий потратили 8,0 млрд. грн. Из общего
объема расходов больше всего средств израсходовано на приобретение
машин, оборудования и программного обеспечения - 5051,7 млн. грн. На
61
приобретение внутренних научно-исследовательских разработок (далее НИР) - 818,5 млн. грн., внешних НИР - 177,9 млн. грн., Приобретение
других внешних знаний -141,6 млн. грн., в целом на обучение и
подготовку персонала для разработки и внедрения новых или значительно
усовершенствованных продуктов и процессов, деятельность рыночного
внедрения инноваций и другие работы, связанные с созданием и
внедрением инноваций - 1855,7 млн. грн.
Более 70% инновационно активных предприятий осуществляли
нововведения за счет собственных средств, объем которых составил
4775,2 млн.
грн.
Государственную
поддержку
в
размере
92,7 млн. грн. получили 35 предприятий.
Более 40% инновационно активных предприятий внедряли
инновационные виды продукции, количество которых составило 2408
наименований, в т. ч. 663 - новые виды машин, оборудования, приборов,
аппаратов и т.п. Продукцию, которая была исключительно новой для
рынка, внедрили 182 предприятия, количество такой продукции составила
606 наименований.
Сегодня инновационная активность предприятий снижается, что
свидетельствует об отсутствии у них мотивации и платежеспособного
спроса на инновации. Лицензионные технологии, которые внедряются на
отечественных предприятиях, преимущественно не относятся к последним
мировым достижениям - что закрепляет технологическую отсталость
промышленности.
Поэтому,
если
Украина
имеет
намерения
интегрироваться в европейское сообщество, обеспечить общественное
благосостояние европейского уровня, то внедрение инновационной
политики выглядит безальтернативным и на сегодня имеет реальные
предпосылки (инновационный потенциал).
Отказ от инновационной политики может привести к консервации
имеющихся в стране ресурсов - поскольку стабилизационный рост
последних лет является недостаточным свидетельством показательных
долгосрочных перспектив украинской экономики и повышения ее
конкурентоспособности в мировом экономическом пространстве.
1.
2.
Литература
Закон України «Про пріоритетні напрями інноваційного діяльності в
Україні» від 08.09.2011 № 3715-VI
Наукова та інноваційна діяльність в Україні 2010, Статистичний
збірник.
К.:
ДП
„Інформаційно-видавничий
центр
ДержстатуУкраїни”, 2011
62
ТРУДОВАЯ МИГРАЦИЯ. ПРОБЛЕМЫ ИСПОЛЬЗОВАНИЯ
ИНОСТРАННОЙ РАБОЧЕЙ СИЛЫ
Давлетшина Лейсан Анваровна
(Москва, МЭСИ)
Проблема рабочей силы в современной Россией с каждым годом
обостряется. Одной из основных причин является критическая
демографическая ситуация. Также сказывается и то, что жители городов
отказываются идти на тяжелую и низкооплачиваемую работу. В таких
условиях спасти ситуацию, как правило, может только приток дешевой
рабочей силы из-за рубежа. Но тут возникает множество подводных
камней, которые стоит иметь ввиду при построении грамотной
миграционной политики.
Многие специалисты высказывают опасения, что трудящиеся
мигранты, в большинстве своём из стран СНГ, занимают рабочие места
россиян, тем самым увеличивая безработицу коренного населения. В
определенных регионах такая опасность действительно существует,
однако, прибывающие мигранты в огромном своем большинстве не
являются конкурентами на рынке труда, поскольку занимают свою нишу и
выполняют виды работ, менее привлекательные для россиян: в
строительстве, торговле, на транспорте, сфере услуг. Есть определенные
страны, заинтересованные в миграции своих граждан в Россию, так как это
снижает социальную напряженность в этих странах, а людям помогает
выжить. Своевременное и оптимальное трудоустройство мигрантов
приносит пользу и России в виде дополнительных доходов от легальной
деятельности трудящихся-мигрантов.
Анализ основных сфер занятости мигрантов в России
свидетельствует о том, что российский рынок иностранного труда
структурируется так же, как рынки других принимающих стран. В России
идет процесс формирования характерного для таких стран разделения
труда между местными и приезжими работниками. Основой такого
разделения труда является процесс национальной сегрегации работников.
Довольно четко выражена и гендерная специфика, т.е. «мужские» и
«женские» сферы занятости. К первым относятся в первую очередь
строительство, тяжелый труд в промышленности, на транспорте, в
коммунальном и сельском хозяйстве. Ко вторым - торговля, сфера
общественных и домашних услуг, индустрия досуга и развлечений.
Вопрос, отнимают ли мигранты рабочие места у местного
населения или же занимают места, на которые оно не претендует, широко
обсуждается во всех странах, принимающих мигрантов. В России, как и в
63
большинстве стран, разрешение работодателю на найм иностранных
работников дается только с санкции службы занятости, которая и должна
подтвердить, что данные рабочие места свободны от притязаний со
стороны местных работников. Поэтому предполагается, что легально
нанятые иностранные работники не конкурируют с местным населением.
Однако в неформальном рынка труда, где и занята большая часть
мигрантов в России, то опрос показал, что до 40 процентов мигрантов не
чувствуют конкуренции с местными работниками за свое рабочее место,
заявляя, что они выполняют работу, на которую местные работодатели не
согласны брать местных рабочих. В Москве таких мигрантов более 50
процентов. Это, очевидно, объясняется более высокими запросами к
работодателям среди местных жителей, чем среди мигрантов.
Большинство опрошенных мигрантов отмечают очень плохое или
плохое материальное положение, которое было у них на родине до
миграции: средний месячный доход работающих (!) составлял 54 доллара
США. Оценки мигрантами своего материального положения до и после
миграции показывают, что для абсолютного большинства миграция как
стратегия выхода из трудного экономического положения оправдывает
себя. Несмотря на все трудности и низко оплачиваемую работу, они
считают миграцию более выгодной и намерены приезжать в Россию
работать и в дальнейшем. Практически все отметили, что посоветовали бы
сделать то же своим друзьям7.
Большая часть опрошенных посылают домой менее 100 долларов в
месяц. Более 100 долларов посылают только 12 процентов мигрантов. Но
как видно эти скромные по местным меркам деньги являются значительной
помощью семьям мигрантов, оставшимся на родине 8.
При таком раскладе невольно встаёт вопрос об ограничении или
регулировании притока иностранной рабочей силы в страну. Очевидным
решением могла бы стать система квот на иностранную рабочую силу,
которая применяется в большинстве развитых стран мира.
Литература
1. «Труд и занятость населения Москвы 2009. Статистический
ежегодник». Департамента труда и занятости населения города Москвы
2. «Эксплуатация трудовых мигрантов в российском строительном
секторе». HumanRightsWatch, 2009
7
8
Согласно данным Международной организации труда
Согласно данным Международной организации труда
64
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ПОЛОЖЕНИЯ РЕСПУБЛИКИ
БУРЯТИЯ В СИБИРСКОМ ФЕДЕРАЛЬНОМ ОКРУГЕ
Дашиева Баярма Шагдаровна
(Москва, РГАУ-МСХА им. К.А. Тимирязева)
Сравнительный анализ положения региона в округе необходим для
принятия управленческих решений, разработки эффективных программ
развития, привлечения инвестиций. Основной целью такого анализа
является определение места и роли региона в округе.
Одним из наиболее объективных и достаточно простых методов
сравнительной оценки социально-экономического положения регионов на
основе интегральных индикаторов является метод рейтинговой оценки,
получивший широкое распространение в зарубежной и отечественной
практике аналитических региональных исследований. В работе проведена
рейтинговая оценка регионов Сибирского федерального округа (СФО) за
2008-2010гг. по средним рангам, многомерным средним и нормированным
отклонениям. Оценка близости рейтингов, проведенная с помощью
коэффициента корреляции рангов Спирмена, показала наибольшую
близость оценок по средним рангам и нормированным отклонениям. Среди
регионов СФО Республика Бурятия за рассматриваемый период сместилась
с 8-го места на 9-е, уступив Республике Алтай. Вместе с тем необходимо
учитывать и специфические особенности региона, путем выявления
основных конкурентных позиций региона, оценки отраслевой структуры
производства ВРП.
Республика Бурятия как субъект СФО обладает специфическими
особенностями и преимуществами по сравнению с другими субъектами
округа.
Конкурентными
преимуществами
выступают:
выгодное
географическое положение; высокий туристско-рекреационный потенциал;
развитые международные и межрегиональные связи, значительные запасы
и широкий спектр природных ресурсов. Одним из основных восполняемых
природных ресурсов являются лесные ресурсы. Лесистость территорий
составляет 63,5% от общей площади лесного фонда Республики Бурятия.
Тогда как в среднем по СФО - 53,8%, по Российской Федерации - 46,6%.
Данные преимущества позволяют занимать республике одни из первых
мест по производству лесоматериалов, целлюлозы, бумаги, картона среди
субъектов Сибирского федерального округа и России.
1.
Литература
http://www.gks.ru/wps/wcm/connect/rosstat/rosstatsite/main/publishing/cata
log/statisticCollections/doc_1138623506156
65
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ТИПОВ ФИНАНСОВЫХ СИСТЕМ И
ИХ ВЛИЯНИЯ НА ЭКОНОМИЧЕСКИЙ РОСТ
Двоеглазов Николай Андреевич
(Москва, МГИМО (У) МИД России)
Вопрос о влиянии типа финансовой системы на темпы
экономического роста, несмотря на длительную его историю, по-прежнему
остаются предметом исследования экономистов. Изучение влияния
финансовой системы на долгосрочные темпы развития имеет, также и
политическое значение, поскольку позволяет политикам принимать
соответствующие
решения
в
реформировании
финансовой
и
законодательной
системы
для
создания
наилучших
условий
экономического роста.
Какая из финансовых систем: банковская, или рыночная, больше
способствует долгосрочному экономическому росту? Многие экономисты
утверждают, что банковские системы лучше мобилизуют сбережения,
лучше определяют инвестиции и осуществляют более эффективный
корпоративный контроль, в особенности во время первых шагов в
экономическом развитии и в условиях слабого развития государственных
органов. Другие экономисты делают акцент на преимуществах рынка в
том, что касается размещения капитала, предоставлении инструментов
управления риском и смягчении проблем, связанных с чрезмерно
влиятельными банками.
Для эмпирического анализа влияния типа финансовой системы на
темп экономического роста была создана база данных состоящая из 42
показателей для 48 стран за период с 1995 по 2009 годы. Часть данных
взята с сайта World Bank (Financial Development and Structure), часть
рассчитана автором. Данная база может быть использована как для
межстраннового анализа финансовых систем, так и для анализа динамики
развития финансовых систем.
Для выявления типа финансовой системы используются
агрегированные показатели, показывающие преобладание того или иного
типа финансовой системы. Это параметры: Параметрактивность,
Параметр- размер, Параметр-эффективность.
Для оценки развития сектора финансовых услуг используются
следующие показатели: Финансовая система-Активность, Финансовая
система-Размер, Финансовая система-Эффективность. Эти показатели
позволяют оценить в какой степени национальные финансовые системы
предоставляют финансовые услуги, в частности, оценка и мониторинг
66
качества управления фирмами, качество управления рисками, мобилизация
финансовых ресурсов.
Изучается влияние этих параметров на темпы роста ВВП. Одной из
целей исследования было проведение исследования по методике Левайна
(для анализа данных Левайн и др. применяли методы корреляционного
анализа, факторного анализа, различные виды регрессионного анализа), но
на другом временном интервале. Были рассчитаны показатели финансовой
структуры и финансового развития, которые, согласно корреляционному и
кластерному анализу, можно применять для анализа финансовой системы.
Проведенный регрессионный анализ показал, что существует
влияние типа финансовой системы на экономический рост. Также
наблюдается влияние степени финансового развития на экономический
рост. Проведенный анализ степени развития финансовой системы показал
существование сильного различия в степени финансового развития
регионов. Однако при изучении влияния типа финансовой системы на
темпы экономического развития на результат влияет изучаемый период
времени и экономический регион. Показано, что дисперсионный анализ,
позволяет дифференцировать регионы по уровню финансового развития на
основе агрегированных показателей типа финансовой системы и уровня
финансового развития.
Кластерный анализ также подтверждает, что выбранные параметры
достаточно полно характеризуют финансовую систему, поскольку
наблюдается несколько кластеров. Был проведен линейный регрессионный
анализ МНК и произведена оценка качества регрессии. Для выявления
агрегировано фактора структуры финансовой системы был проведен
факторный анализ (метод главных компонент).
Дисперсионный
анализ
позволяет
выделить
подпоследовательности, которые имеют с точки зрения статистического
анализа равные средние значения параметров распределения. Такой анализ
позволяет выделить экономические регионы с преобладающим типом
финансовой системы и уровня финансового развития. Был проведен
дисперсионный однофакторный анализ, как отдельно по параметрам, так и
по агрегированным параметрам.
1.
2.
Литература
Levine, Ross E. 2002. “Bank-Based or Market-Based Financial Systems:
Which is Better?” Journal of Financial Intermediation 11, 1-30
Levine, R. 2005. Finance and Growth: Theory and Evidence. In: Aghion, P
and Durlauf, S. (eds.), Handbook of Economic Growth. Elsevier Science.
The Netherlands
67
СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ УРОЖАЙНОСТИ
ЗЕРНОВЫХ КУЛЬТУР В ХОЗЯЙСТВАХ ПЕНЗЕНСКОЙ ОБЛАСТИ
Дедов Антон Алексеевич
(Москва, РГАУ-МСХА им. К.А. Тимирязева)
Урожайность – важнейший показатель, отражающий уровень
интенсификации сельскохозяйственного производства. От правильного
планирования
и
прогнозирования
уровня
урожайности
сельскохозяйственных культур во многом зависит качество планового
экономического уровня таких экономических категорий, как исходная
стоимость, плодотворность труда, рентабельность и другие экономические
показатели. [1] Таким образом, урожайность культур в каждом хозяйстве
играет одну из первых ролей, и производитель сельскохозяйственной
продукции должен стремиться к постоянному повышению урожайности
всех культур. В нашем случае будет рассматриваться урожайность
зерновых культур, которая играет важнейшую роль.
Объектом исследования являются хозяйства Пензенской области.
Источниками
информации
послужили
официальные
данные
Территориального органа Федеральной службы Государственной
статистики по Пензенской области. [2] Цели работы: 1. Выделить зоны.
2. Распределить хозяйствующие субъекты по выделенным зонам. 3.
Статистическое изучение уровня и эффективности зерна по зонам. 4.
Оценить колеблемость урожайности и себестоимости внутри зон. 5.
Определить удельный вес зоны в объёме производства и реализации зерна.
6. Провести регрессионный анализ по самой многочисленной зоне.
Зоны Пензенской области в зависимости от преобладающего типа почвы:
1.
Чернозёмы оподзоленные и тёмно-серые лесные
2.
Светло-серые лесные и серые лесные
3.
Чернозёмы выщелоченные
4.
Чернозёмы типичные
5.
Пойменно-луговые
6.
Лугово-болотные
Определены факторы, которые влияют на урожайность зерновых.
Выделены типические группы районов Пензенской области и отражены на
региональной карте.
1.
2.
Литература
Зинченко А.П. Статистика. – М.: КолосС, 2007
Территориальный орган Федеральной службы государственной
статистики по Пензенской области: http://www.pnz.gks.ru
68
МЕТОД УСТАНОВЛЕНИЯ РАВНОВЕСНОЙ ЦЕНЫ НА
ОСНОВЕ МОДЕЛИ БЕРТРАНА
Джабраилова Мария Артуровна
(Махачкала, ДГУ)
В современных условиях хозяйствования цена - важнейший
экономический параметр, характеризующий деятельность предприятия в
условиях несовершенной рыночной конкуренции. Статические игры, в
которых фирмы конкурируют по ценам, называются играми Бертрана.
Дуополия Бертрана - модель рынка двух фирм, предполагающая, что
каждая фирма максимизирует прибыль, ожидая, что другая не изменит
свою цену, в результате достигается устойчивое равновесие двух фирм.
Цель данной работы – смоделировать равновесную цену в
условиях несовершенной конкуренции. Выбираются два лидирующих на
дагестанском рынке предприятия: ОАО «Денеб» и ОАО «Хассок» и по
производству сокосодержащих напитков этих фирм строятся функции,
максимизирующие прибыль.
Основным предположением модели Бертрана является то, что
фирмы выбирают конкретный уровень цен. Правила простой игры 2×2
Бертрана следующие:
• Разницы в продукции двух фирм для потребителей нет.
• Фирмы конкурируют по ценам только один раз и принимают решение об
установлении цены одновременно.
Равновесием Нэша для этой игры является пара цен, p1B и p2B,
удовлетворяющая следующим неравенствам:
π1(p1B,p2B) ≥ π1(p1,p2B)
π2(p1B,p2B) ≥ π2(p1B,p2),
где π1, π2 - прибыль первой и второй фирмы соответственно.
Это означает, что при равновесной по Нэшу цене конкурента у
фирмы нет стимула отклоняться от равновесия в одностороннем порядке.
Предполагается, что потребляется продукция фирмы с более низким
уровнем цен. Если же фирмы назначают одинаковую цену, спрос будет
разделен поровну. Тогда спрос первой фирмы (как и второй) равен:
D(p1),
если р1 < р2
𝟏
D1(p1,p2) ={ D(p1), если р1 = р2
𝟐
0,
если р1 > р2
Можно ожидать, что если первая фирма будет повышать цену на
свой продукт, то спрос на него упадет, так как все больше и больше
покупателей будут переходить ко второй фирме. В данной работе
рассматриваются две фирмы, производящие сокосодержащие напитки,
69
являющиеся субститутами. Функция спроса первой фирмы будет зависеть
не только от цены ее товара, но и от цены товара второй фирмы. Зная об
этой взаимозависимости спросов, мы можем сказать, что функции спроса
для первой и второй фирмы выглядят следующим образом: q1(p1,p2) и
q2(p1,p2). Повышение цены pi уменьшает спрос на i продукт, но из-за того,
что это два товара-субститута, повышение pj повышает спрос на товар i.
Для определения равновесных цен, сначала выводятся функции лучшего
ответа. Равновесные по Нэшу цены будут одновременно удовлетворять
обеим функциям лучшего ответа.
Прибыль первой фирмы находится как: π1=p1q1 – cq1
Но, т. к. q1 = q1(p1,p2), то прибыль первой фирмы, как функции от p 1
и p2, составит:
π1(p1,p2) =p1q1(p1,p2) – cq1(p1,p2).
Оптимальная цена первой фирмы будет зависеть от цены, назначенной
второй фирмой. Предположим: первая фирма ожидает, что вторая фирма
назначит цену р2. Зная это, первая фирма должна подумать, как изменения
ее цены повлияют на ее прибыль. Если первая фирма повышает свою цену
то изменится и ее прибыль:
dq1
dπ1= (dp1) q1+ [p1– c]( ) dp1
(1)
dp1
Максимизирующая прибыль цена находится путем приравнивания
dπ1
производной прибыли по цене к нулю, то есть
= 0.Поделив (1) на dp1,
dp1
получим:
dπ1
dp1
dq1
=q1(p1,p2)+[p1– c] (
dp1
).
Функция реакции второй фирмы может быть определена аналогично.
Равновесие Нэша в этой игре Бертрана находится в пересечении
обеих функций реакции. Равновесные цены - p1b и p2b.
В точке равновесия Нэша обе фирмы находятся на своих функциях реакции
– это обеспечивает максимальную прибыль.
dq1(p1b,p2b)
q1(p1b,p2b) +[[p1b – c](
)=0
dp1
dq2(p1b,p2b)
q2(p1b,p2b) + [p2b – c](
dp2
)=0
Итак, применяя данную модель, можно определить равновесную
цену для обеих фирм, обеспечивающую им максимальную прибыль.
1.
2.
Литература
J.Church, R.Ware. Industrial Organization: a Strategic Approach
Герасименко В.В. Ценообразование. Учебное пособие - М.: ИНФАМ, 2008
70
СТАТИСТИЧЕСКИЙ АНАЛИЗ ВОЗНИКНОВЕНИЯ
«ВТОРОЙ ВОЛНЫ» КРИЗИСА В РОССИИ
Дорошкевич Юлия Вячеславовна
(Новосибирск, НГУЭУ)
Мировой экономический кризис, начавшийся в 2008г., называют
самым масштабным со времен Великой депрессии. Воплощался он в
разных формах: и в виде обвала ипотечного рынка США, и в виде
долгового кризиса в Европе, и в виде рецессии в развитых странах.
Когда экономический кризис 2008-2009 годов пошел на спад,
большинство мировых экономических проблем, которые стали результатом
первой волны кризиса, не исчезли полностью, затаившись в ожидании
нового всплеска. В частности, никто так и не решил проблему агфляции.
Рост цен на агропромышленные товары к 2011 году составил 215 (он был в
два с лишним раза выше, чем в 1990 году). Более того, индекс вырос на
32% только с июня по декабрь 2010 года.
Другой причиной были проблемы, связанные с отсутствием
замены доллару в качестве мировой резервной валюты. Потенциальные
варианты есть, но так и не было решено сделать необходимые для того
действия – на доллар до сих пор приходятся 60% капитала всего мира, в то
время как на евро – всего 25%.
Лучшая замена доллару – евро или одна из восточных валют. Но
ни одна валюта мира не выпущена в таких объемах, чтобы заменить
доллар. В то время как он с 2002 года падает в цене, что приводит к
снижению и резервов крупнейших стран мира. Падение цены на
американскую валюту приводит к понижению показатели акций многих
стран, а также снижает стоимость других валют, в том числе и евро,
показатель которого зависит от эффективности европейских предприятий.
Два последних года общество разрывается в противоречиях. Люди
не перестают спорить о том, завершился ли кризис или, наоборот,
продолжается и, если его все же нет сейчас, стоит ли ждать его повторения
в будущем?
Как всем хорошо известно, экономическое развитие носит
циклический характер, суть которого в том, что экономический рост,
отражающий развитие национальной экономики, периодически сменяется
этапами экономических кризисов и спадов. Колебательная экономическая
динамика наблюдается в течение 170 лет. Первые экономические кризисы
датируются 1821 годом в Англии и 1840 г. в Германии. С тех пор они
повторяются каждые 7-12 лет.
71
Для построения модели экономического развития России за
последние 15 лет и определения к какому этапу в настоящее время мы
относимся, используем метод периодизации на основе многомерной
средней. Средняя представляет собой типичную характеристику
совокупности, которая служит для представления многообразия
индивидуальных значений. Для того, чтобы она отражала тип
экономического развития, она должна быть построена по множеству
показателей, являющихся с одной стороны результатом этого развития, с
другой – фактором дальнейшего движения. К таким можно отнести:
1) ВВП (в ценах 1995г.);
2) уровень занятости;
3) уровень безработицы;
4) инфляция;
5) уровень доллара по отношению к рублю;
6) уровень евро по отношению к рублю.
0
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
-0.05
-0.1
-0.15
-0.2
-0.25
-0.3
Рисунок 1. Модель экономического развития
Проведя периодизацию состояния экономики, можно получить
следующие периоды: 1) подъём 2) пик 3) спад 4) дно, то есть циклы
деловой активности. И на их основе спрогнозировать дальнейшую модель
поведения экономического развития, а в частности возможный временной
интервал проявления «Второй волны» кризиса.
72
СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ СУИЦИДАЛЬНОЙ
СМЕРТНОСТИ В РОССИЙСКОЙ ФЕДЕРАЦИИ
Евсеев Алексей Александрович
(Москва, МЭСИ)
По данным научного центра социальной и судебной психиатрии
имени Сербского, число суицидов в России остается выше нормы. По
показателям смертности в случае самоубийств, в 2001 году страна была на
втором месте в мире. По данным на 2009 год, смертность в случае
самоубийств в России снизилась на полтора процента, и на сегодняшний
день страна находимся на пятом месте в мире.
В планах по выполнению Федеральной программы «Психического
здоровья россиян», в 2012 года в рамках программы планируется увеличить
процент больных, охваченных «бригадными» методами лечения, который
подразумевает комплексное лечение и наблюдение у различных
специалистов. В 2002 году охват больных «бригадным» лечением был 5%,
а в 2011 году увеличился до 41%.
Значительная часть внимания сегодня уделяется подростковому
суицидальному поведению, и меры его предупреждения. В 2011 году было
выдвинуто предложение и.о. директора научного центра социальной и
судебной психиатрии имени Сербского Зураба Кекелидзе, о необходимости
в школах ввести всеобщее психологическое образование. С этим
предложением согласились в Министерстве образования и науки РФ,
учителя школ, ВУЗов, которые высказали мнение, что психологию нужно
преподавать с первого по одиннадцатый класс. В настоящее время
разрабатываются учебники по психологии для разных образовательных
уровней.
В СССР статистика самоубийств публиковалась до начала 30- х
годов. По последним данным 1926 году уровень самоубийств в СССР
составил 7,8(число самоубийств на 100 тыс. населения в год). И только в 80
– е годы публикация статистики была возобновлена. В 1984 – 1985 годах
уровень суицидов в СССР составлял 30(наибольшее количество в нашей
стране суицидов приходилось на 1984 г. – 81.417). В дальнейшем уровень
самоубийств снижался ив 1988 году составил 19 (50 – 60 тысяч
самоубийств в год.) В 90 – е годы в России вновь наметилась тенденция к
увеличению суицидов9. К 1996 году уровень самоубийств в целом по
стране достиг 39,4 а в ряде регионов России был еще выше.
9
Кудрявцев.В.Н., Бородин.С.К. Самоубийства/ В кн.: Социальные отклонения. 1989 М., с. 309
73
Анализируя имеющиеся данные можно сказать что уровень
самоубийств в стране снижается, 2010 год по отношению к 2000 году
составил – 32.65%
Данные10 Бородина С.В., Михалина А.С свидетельствуют, выше
доля самоубийств среди лиц, злоупотребляющих алкоголем (12-20% всех
суицидов), наркоманов и лиц без определенных занятий и места
жительства(5-10%), малоимущих (17%). Как пример увеличение
безработицы на 1% приводит к росту самоубийств в стране на 4,1%.
По некоторым исследованиям влияния экономических факторов на
уровне самоубийств, показало, что наиболее тесно с уровнем самоубийств
связанно увеличение таких показателей, как безработица, частота
банкротств.
Однако имеются существенные отличия в уровне самоубийств среди
различных групп населения, даже если у них одинаковые экономические
условия. Различия в уровне самоубийств связаны также с религиозными,
национальными и культурными особенностями.
1.
2.
Литература
Кудрявцев.В.Н., Бородин.С.К. Самоубийства/ В кн.: Социальные
отклонения. 1989 М., с. 302-312
С.В.Бородин, А.С.Михлин Предупреждение самоубийств/ В кн.:
Научные и организационные проблемы суицидологи. М., 1983 г с 20-32
С.В.Бородин, А.С.Михлин. Предупреждение самоубийств/В
организационные проблемы суицидологи. М., 1983 г с. 27
10
74
кн.:
Научные
и
ЭКОНОМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПЛАТЕЖНОГО
БАЛАНСА ПРИ ИЗУЧЕНИИ ЭКОНОМИЧЕСКИХ ОТНОШЕНИЙ
МЕЖДУ ГОСУДАРСТВАМИ
Журавлев Алексей Владимирович
(Харьков, ХНУ им. В.Н. Каразина)
Новые интеграционные процессы, которые происходят на
постсоветском пространстве, вызывают исследовательский и практический
интерес у ученых-экономистов. Обладая выгодным геоэкономическим
положением, Украина находится в постоянном выборе вектора своих
интеграционных приоритетов – от создания Зоны свободной торговли с ЕС
до вхождения в Таможенный союз с РФ, Казахстаном и Беларусью. Кроме
политической воли руководства страны, существует четкая экономическая
заинтересованность, которую возможно исследовать при помощи
эконометрического инструментария.
Одной из главных экономических категорий, которая используется
при анализе внешнеэкономических связей государства, является
платежный баланс, который аккумулирует в себе всю информацию о
внешнеэкономических операциях между резидентами и нерезидентами
страны с учетом цены, момента сделки и т.д.
Каждая из трех статей платежного баланса представляет собой
динамический
ряд,
который
можно
моделировать.
Учитывая
трансформационный характер постсоветских экономик, сложность
возникает в корректности представленных данных, а также в сравнительно
недавнем начале расчета платежного баланса по методологии МВФ.
Однако представленные в открытом доступе данные охватывают период в
10-15 лет, что уже есть основанием для их формально качественного
анализа.
Исходя из результатов анализа платежного баланса (в т.ч.
эконометрического) правительствами разрабатываются пути повышения
эффективности внешнеэкономической деятельности страны и ее
конкурентоспособности. Вместе с тем, ключевую роль в анализе
платежного баланса играет определении макроэкономических факторов,
которые влияют на его состояние. Наряду с традиционными факторами,
такими как валютный курс, темпы инфляции, внешний и внутренний долг,
денежная эмиссия существуют и те, которые сложнее идентифицировать –
цикличность развития мировой экономики, техногенные факторы и т.д.
Однако критичным для платежного баланса является валютный курс,
поэтому имеет смысл использовать модель векторной авторегрессии (VAR
75
модель) вместе с коинтеграционным тестом Йохансена для определения
влияния валютного курса на состояние прежде всего торгового баланса.
Поскольку
матрицы
оцененных
коэффициентов
VAR
затруднительно
интерпретировать
непосредственно,
результаты
оценивания VAR обычно представляют некоторыми функциями этих
матриц. К таким статистикам относятся статистика теста причинности по
Грейнджеру, функции реакции на импульсы, и разложения ошибки
прогноза [1].
Основываясь на данных исследователей макроэкономических
процессов, данные для построения авторегрессионных моделей были
преобразованы в натуральные логарифмы, за исключение тех переменных,
которые могут принимать отрицательные значения (например, торговый
баланс).
Автором была построена и оценена модель векторной
авторегрессии для торгово-экономических отношений между Украиной и
Беларусью, которая подтвердила выдвинутую гипотезу о неценовом
характере двусторонних отношений. Полученное множественное линейное
уравнение не выявило статистическую значимость ни одной из факторов,
которые, исходя из экономической теории, непосредственно влияют на
состояние статей платежного баланса. Кроме того, валютный курс также
статистически не значим при регулировании торгового баланса между
странами.
Таким образом, использование моделей векторной авторегрессии
целесообразно при изучении как двусторонних, так и многосторонних
экономических отношениях через призму платежных балансов.
1.
Литература
Watson, Mark W. 1994. “Vector Autoregressions and Cointegration.”
Handbook of Econometrics, volume IV. Robert Engle and Daniel
McFadden, editors. Amsterdam: Elsevier. pp. 2844-2915
76
ЭКОНОМИКО-СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ
ХАРАКТЕРИСТИК РАЗЛИЧНЫХ ТОРГОВЫХ СТРАТЕГИЙ НА
БИРЖЕ ММВБ-РТС
Закиров Руслан Камилевич,
Липатников Андрей Владимирович
(Магнитогорск, МГТУ им. Г.И. Носова)
В современном мире одним из способов получения дохода
является спекуляция на рынке. Данный вид инвестирования связан с
определенными рисками, и что бы он приносил прибыль, а не убытки,
необходимо разрабатывать и тестировать торговые стратегии. В данной
работе было проведено исследование различных торговых стратегий
основанных скользящих средних (Moving Average).
Цель работы: разработка торговых стратегий и выявление их
статистических характеристик. Основные задачи:
 Получение исходных данных
 Разработка стратегии
 Применение разработанных стратегий к ретроспективным данным
 Выявление числовых характеристик данных стратегий и выбор
наилучшей.
Исходные данные:
Дневные, часовые цены закрытия акций компаний Русгидро и
Сбербанк за период с 22.05.2008 по 16.03.2012. Исходные данные были
получены с сайта инвестиционной компании Финам - finam.ru
Далее на основе скользящих средних были разработаны стратегии.
Стратегия №1 Простая скользящая средняя (СС) с периодом
десять шагов. Сигнал к открытию длинной позиции - скользящая средняя
пересекала цены на акции сверху вниз. К открытию короткой позиции - СС
пересекала снизу вверх.
Стратегия №2 Экспоненциальная скользящая средняя с периодом
десять шагов с коэффициентом сглаживания 0,18
Данные стратегии были протестированы на дневных и часовых
данных. По итогам данного исследования были получены следующие
результаты. Наибольшая доходность за весь срок 260% у Сбербанка
(почасовые данные, простая СС)
Наименьшая доходность за весь срок у 47,3% у Сбербанка
(дневные данные, экспоненциальная СС)
Наименьший коэффициент вариации 1,6 у Сбербанка (почасовые
данные, простая СС)
77
РусГидро (дневные
данные , простая СС)
РусГидро (почасовые
данные , экспоненц.
СС)
РусГидро (дневные
данные , экспоненц.
СС)
Сбербанк (почасовые
данные , простая СС)
Сбербанк (дневные
данные , простая СС)
Сбербанк (почасовые
данные , экспоненц.
СС)
Сбербанк (дневные
данные , экспоненц.
СС)
Наибольший коэффициент вариации 6,08 у Сбербанка (дневные
данные, экспоненциальная СС)
Далее были рассчитаны месячные характеристики. Результаты
представлены в таблице 1.
Таблица 1
Среднемесячные параметры стратегий
mean
2,471
2,6043
3,150
4,857
2,365
3,616
1,715
stdev
7,611
8,1521
10,495
7,762
9,272
7,179
10,43
3stdev
22,83
24,456
31,485
23,28
27,81
21,53
31,30
V
3,079
3,1301
3,3314
1,598
3,919
1,985
6,081
Р(х<0)
0,372
0,3746
0,3820
0,265
0,399
0,307
0,434
Р(х>2)
0,524
0,5295
0,5436
0,643
0,515
0,589
0,489
Из таблицы 1 видно, что использование стратегии простой
скользящей средней на часовых данных по акциям сбербанка дает
наилучшие результаты и среднеожидаемая доходность составляет 4,857% в
месяц и при этом риск данной стратегии минимален. Вероятность
получения убытка при такой стратегии равна 26,5%.
Результаты данного исследования могут быть использованы
частными физическими лицами, а также инвестиционными компаниями.
Особенность данной работы предполагает автоматическую торговлю
независящую от инвестора и не требующую его внимания, что дает
возможность получения прибыли без каких-либо временных затрат.
1.
Литература
Элдер А. Как играть и выигрывать на бирже. –М.: Диаграмма, 2001. 352с
78
СТАТИСТИЧЕСКИЙ АНАЛИЗ РОССИЙСКОГО РЫНКА
ТЕЛЕВИЗИОННОЙ РЕКЛАМЫ
Зенокина Анна Игоревна,
Прудникова Алёна Алексеевна
(Новосибирск, НГУЭУ)
В нашей стране реклама приобретает все большее значение. Ее
целью является привлечение внимания покупателей к фирме, ее
возможностям и выпускаемым товарам, подчеркивая их высокое качество,
новизну, надежность, удобство использования и приемлемую цену.
Задачей рекламы является не только привлечь внимание и
заинтересовать потребителя, но и побудить его к осознанию потребности в
данном товаре, т.е. повлиять на покупателя так, чтобы подтолкнуть его
купить этот продукт.
Целью работы является статистический анализ российского рынка
телевизионной рекламы.
Доминирующее положение телевидения в сравнении с остальными
средствами распространения рекламы легко объяснимо. Телевидение
является одним из наиболее популярных средств развлечения среди
населения. Гораздо меньше своего свободного времени российские
граждане тратят на другие способы проведения досуга, что объясняется
легкой доступностью и дешевизной телевидения как вида развлечения.
Телевидение пользуется наибольшим доверием у населения среди других
СМИ.
Наконец, телевидение является ориентиром для других рекламных
отраслей по части технологий. Здесь используются наиболее современные
методы оценки аудитории, новейшие системы продаж рекламного времени
и размещения рекламной продукции. Перечисленные факторы
обуславливают лидирующее положение телевидения среди всех
существующих на российском рынке рекламоносителей.
Для анализа использовали относительные показатели структуры и
динамики. Для анализа изменений в структуре телерекламных бюджетов по
группам каналов, а также медиабюджетов крупнейших рекламодателей на
российском рынке использовались интегральный коэффициент К. Гатева,
индекс структурных сдвигов Салаи, критерий В.М. Рябцева.
Кроме того, для наглядности и удобства анализа применялись
табличный и графический методы отражения аналитических данных.
Основные результаты:
 Доля телесмотрения крупнейших каналов, таких как Первый,
Россия существенно снижается за счет появления новых каналов,
79


1.
2.
3.
4.
которые становятся более доступными для населения в связи с
развитием кабельного, спутникового ТВ.
Доходы от рекламы федеральных каналов год от года снижаются, а
доходы сетевых специализированных каналов увеличиваются. Но
эти изменения незначительны, согласно критерию В.М. Рябцева
В последнее время объемы реклам категории «Продовольственные
товары» существенно сокращаются. За счет развития в России
третичного сектора экономики увеличиваются объемы реклам
различного вида услуг.
Литература
Кузнецов Р.В. Рынок телевизионной рекламы//Российский рекламный
ежегодник. - 2009
http://www.acvi.ru
http://www.akarussia.ru
http://www.tns-global.ru
80
СТАТИСТИЧЕСКИЙ АНАЛИЗ РАЗВИТИЯ МАЛОГО
ИННОВАЦИОННОГО ПРЕДПРИНИМАТЕЛЬСТВА В РОССИИ
Иванова Алиса Станиславовна
(Саратов, СГУ им. Н.Г. Чернышевского)
В современных условиях эффективность экономики страны
зависит от её научно-технического потенциала, т.к. уровень развития
наукоемких отраслей обеспечивает основу стабильного экономического
роста, определяет границу между богатыми и бедными странами.
Россия отстала от ведущих стран на 1-2 уклада. В экономиках
развитых стран доминируют биотехнологии, нанотехнологии, информация
и т.д.. Отечественная экономика находится на индустриальной стадии.
Восприимчивость российского бизнеса и экономики к инновациям остается
низкой: 9,4% предприятий страны осуществляют технические инновации.
В ФРГ этот показатель достигает 73%, в Бельгии - 58%, в Эстонии - 47%, в
Чехии - 41%. [1] Доля расходов России на инновационные разработки в %
от ВВП также ниже, чем во многих развитых странах[2] :
3.50%
2.98%
3.00%
2.69%
2.48%
2.50%
2.15%
1.87%
2.00%
1.84%
1.23%
1.50%
1.04%
1.00%
1.00%
1.00%
0.50%
0.00%
Рисунок 1. Доля расходов на инновационные разработки в % от ВВП
Из-за
недостаточности
финансирования;
технических
и
технологических ограничений, трудностей кооперации с научными
организациями, проблем со сбытом инновационных продуктов малые
предприятия
не заинтересованы в инновациях или не могут
самостоятельно осуществлять инвестиции в высокие промышленные
технологии. [3] Доля России в мировом объеме инновационной продукции
 не более 0,5%, доля США  36%, Японии  30%, Германии  17 %, Китая
 6%.[4] При относительно одинаковых расходах на инновационные
разработки России и Китая доля высокотехнологичной продукции в
экспорте Китая в 2,5 раз больше. Если положение сохранится, то разрыв в
экономическом развитии
будет нарастать и России суждено будет
81
оказаться на второстепенных ролях в мировой структуре распределения
труда и остаться сырьевым придатком мировой экономики.[5]
Отечественной экономики необходим переход в новое качественное
состояние, что подразумевает собой развитие наукоемких производств.
Доля малых инновационных предприятий в России в валовом
внутреннем продукте в настоящее время составляет не более 1%. [4]
Проблемы, являющиеся барьером на пути развития малого инновационного
бизнеса в России.
1. Неразвитость технопарковой инфраструктуры:
2. Нехватка финансовых средств, недостаток в венчурном финансировании,
грантах.
По состоянию на май 2010 г. на российском рынке коллективных
инвестиций насчитывалось около 20 работающих венчурных фондов
общим объемом капитала 2 млрд долл. США.[6] В США в 2009 г.
действовали 1188 венчурных фондов, объем средств под их управлением
составлял 179,4 млрд долл. США.[7]
3. Непопулярность в России бизнес-ангельского финансирования.
В настоящее время в России частных инвесторов насчитывается
всего около 200, в США - 225000 человек, которые ежегодно тратят 25
млрд.долл. США на перспективные проекты.
Для того чтобы российская экономика встала на инновационные
рельсы, необходимо: создать соответствующую инфраструктуру;
обеспечить доступность финансов для предприятий; решить проблемы с
кадрами; поддерживать базовые научные исследования; позаботиться о
малых инновационных предприятиях; привлекать зарубежные инвестиции;
упростить и удешевить процедуры оформления прав на интеллектуальную
собственность; разработать статус инновационного предприятия,
получение которого автоматически предусматривает для предприятий
законодательно установленные льготы.
1.
2.
3.
4.
Литература
1.Чечель А, Хенкина Д. Ставка на инновации // Ведомости, № 129,
15.07.2009. - С. 3
Матвеев К.Ю. Инновационно-инвестиционные ресурсы нового
качества экономического роста Автореф. дис. к-та экон. наук. – Самара,
2006. - С. 16
Молоканов
С.А.
Формирование
структуры
инновационной
деятельности на основе малого инновационного предприятия:
Автореф. дис... к-та экон. наук. – Волгоград, 2008. – 27 с.
Россия и страны мира: Стат.сб./ Росстат. - М., 2006
82
ОСНОВНЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ ИННОВАЦИОННОЙ
ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЙ И ОРГАНИЗАЦИЙ РОССИИ
Кабалина Марина Юрьевна
(Москва, МЭСИ)
Современный этап социально-экономического развития России
выдвигает на первый план задачу активного внедрения инновационных
процессов в различные виды деятельности.
Основные тенденции в изменении инновационной деятельности
предприятий
и
организаций
Российской
Федерации
были
проанализированы за период 1992 – 2010 гг.
В
качестве
показателей,
характеризующих
развитие
инновационной деятельности в России, были рассмотрены следующие:
численность персонала, занятого исследованиями и разработками; число
предприятий, осуществляющих инновационную деятельность; численность
исследователей по областям науки; число патентных заявок.
Инновационная деятельность длительное время не являлась
приоритетной в России. Различные преобразования, нововведения, в
которые вкладываются миллионы рублей, так и остаются на сегодняшний
день на стадии идей.
За представленный период времени, можно наблюдать тенденцию
к снижению числа предприятий и организаций, осуществляющих
инновационную деятельность: за рассматриваемый период число
инновационно – активных предприятий и организаций уменьшилась с 4555
до 3492 ед. или на 24 %.
Самый высокий абсолютный прирост и темп роста наблюдались в
2007 г.: число инновационно – активных предприятий возросло на 335 ед.,
при темпе роста 109,3%. В целом за исследуемый период число
̅̅̅ = 93,2%, ̅̅̅̅̅
предприятий снизилось в среднем на 6,8% (Тр
Тпр =-6,8%).
Низкий уровень оплаты труда в науке способствовал падению ее
престижа, что сказывается и на численности кадрового потенциала
российской науки. В 2010 г. исследованиями и разработками в России было
занято 736,5 тыс. чел, что в два раза ниже, чем в 1992 г., когда данный
показатель составлял 1532,6 тыс. чел.
Давая прогнозную оценку данного показателя на 2011-2013 гг.,
можно отметить, что данная тенденция к уменьшению численности
персонала в этой области примет противоположное значение. В 2011 г. эта
цифра составит 771,2 тыс. чел, т.е. 50,3% к уровню 1992 г. Однако к 2013 г.
прогнозная численность работающих в сфере инноваций вновь снизится и
составит 766,2 тыс. чел в целом по России.
83
Анализируя
численность исследователей по областям науки
(естественные, технические, медицинские, общественные, гуманитарные),
прослеживается следующая закономерность: численность исследователей в
области технических наук преобладает на всем периоде времени (66%), в
то время как в области гуманитарных наук число исследователей
составляет лишь 2%.
Согласно прогнозным оценкам на 2011-2013 гг, численность
исследователей в области технических наук в 2011 г. составит 176,7
тыс.чел., что уменьшится по сравнению с 2009 г. на 30%, а в 2013 г. - в 1,5
раза. Аналогичная ситуация, произойдет и со всеми остальными областями
науки, что может быть объяснено общим снижением числа инновационно активных предприятий,
численности персонала, занимающегося
различными разработками.
Любые инновационные разработки начинаются с идеи, затем идея
подлежит патентованию, и только после этого инновационно – активные
предприятия могут вести различные разработки и исследования. Исходя из
этого, одним из важнейших индикаторов результативности научных
исследований и разработок выступает патентная активность.
Сложившиеся тенденции в развитии патентной деятельности в
основном обусловлены отсутствием надежного институциональноправового
механизма,
эффективной
системы
маркетинга
и
государственного стимулирования регистрации использования объектов
промышленной собственности.
Говоря о маркетинговых инновациях, можно отметить, что в
России на сегодняшний день их число мало.
Число
предприятий,
занимающихся
маркетинговыми
инновациями, в 2009 г. было наибольшим за последние 10 лет: по
сравнению с 1992 г. их число возросло в 2,6 раза. Уровень инновационной
активности организаций, осуществлявших технологические инновации в
России в 2009 г. составил 9,4%, маркетинговые - 2,5%, организационные 3,5%.
В 2009 г. уровень инновационной активности предприятий,
связанных
с
реализацией
новой
маркетинговой
стратегии,
ориентированной на расширение состава потребителей составил 18%, а
наименьшее число составили прочие маркетинговые инновации - 1%.
Литература
1.
www.gks.ru Росстат
84
УРОВЕНЬ ЭКОНОМИЧЕСКОГО РАЗВИТИЯ КАК ФАКТОР
УРОВНЯ ДЕМОКРАТИИ В ПОСТКОММУНИСТИЧЕСКИХ
ГОСУДАРСТВАХ
Камалова Рита Ульфатовна
(Москва, НИУ ВШЭ)
Одной из активно изучаемых проблем сравнительной
политэкономии является связь уровня демократии и уровня
экономического развития. Выявленная при изучении этой проблемы
закономерность даже получила статус «железного закона». Тем не менее,
результаты эмпирической проверки этого положения теории модернизации
– о линейной траектории развития обществ на пути к капитализму и
демократии – за последние 50 лет оказывались неоднозначными.
В данной работе была проверена гипотеза о том, что
экономическая модернизация способствует консолидации демократии. Для
проверки гипотезы были использованы пространственно-временные
данные (time-series cross-section) по 28 государствам бывшего СССР,
Центральной и Восточной Европы и Республики Монголия. Временной
охват данных – 20 лет, с 1989 по 2008 г. Общее число наблюдений
составило 436 единиц.
В качестве источников эмпирических данных использовались 3
базы данных, в частности в качестве меры уровня демократии
использовался «Унифицированный индекс демократии» (Unified
Democracy Score). Индекс является попыткой объединить многочисленные
меры понятия демократии. Для расчета использовался байесовский подход
к измерению латентных переменных, а в качестве наблюдаемых
переменных, отражающих латентный признак «уровень демократии», – 12
индексов демократии. Шкала измерения индекса – метрическая, где
большее значение индекса соответствует большему уровню демократии.
Дополнительным аргументом в пользу выбора УИД в качестве
операционализации концепта демократии является его высокая корреляция
с двумя другими измерителями демократии, широко применяемыми в
сравнительных политологических исследованиях (и находящимися в
открытом доступе – проектов Freedom in the World и Polity IV).
Для двадцати трех государств была построена модель взаимосвязи
между показателями социально-экономического развития и демократии
(статическая линейная аддитивная модель регрессии с фиксированными
эффектами и кластеризованными стандартными ошибками). В число
объясняющих переменных вошли следующие показатели:
1. ВВП / душу – индикатор уровня экономического развития,
85
2. сумма экспорта и импорта товаров и услуг, выраженные в % от ВВП –
показатель глобализации и вовлеченности в мировую экономику,
3. коэффициент Джини – индикатор уровня имущественного неравенства,
4. рост экономики – показатель ежегодного роста ВВП (%),
5. ожидаемая продолжительность жизни при рождении (в годах) –
показатель развитости системы здравоохранения. Контрольная
переменная, отражающая качество жизни населения.
Все факторы, кроме коэффициента Джини, линейно и
положительно связаны с уровнем демократии. Связь уровня
имущественного неравенства и уровня демократии имеет нелинейный вид.
Ненаблюдаемые особенности государств в регрессионной модели были
учтены с помощью фиксированных эффектов. В явном виде уравнение
регрессии выглядит следующим образом:
Демократияit = γi + 0,225*Ln(ВВП/чел.)it-1 + 0,048*Джиниit-1
+0,009*(Джиниit-1)2
+
0,001*Междунар.торговляit-1
+0,003*
Рост.ВВПit-1
(коэффициенты значимы на уровне 0,05)
Относительно объясняемой переменной – уровня демократии – все
объясняющие переменные были взяты в предыдущем году. Это было
сделано для того, чтобы указать направление связи: уровень
экономического развития в следующем временном периоде влияет на
уровень демократии. Анализ эмпирических данных за 20 лет и построенная
модель взаимосвязи подтверждают теоретические обоснования.
В результате проведенного анализа эмпирических данных было
установлено, что, за исключением персоналистских авторитарных режимов
в Беларуси, Казахстане, России, Туркменистане и Узбекистане,
одновременно с повышением доходов, сокращением имущественного
неравенства, ростом экономики и вовлечением в международную торговлю
посткоммунистические государства консолидируются как демократии.
Литература
1. Айвазян С.А. Методы эконометрики. – М.: Магистр, 2010. – 576 с.
2. Lipset S.M. (Mar., 1959). “Some Social Requisites of Democracy: Economic
Development and Political Legitimacy”, American Political Science
Review, Vol. 53, No. 1, pp. 69-105
3. Stimson, James A. (1985). “Regression in time and space: A statistical
essay”. American Journal of Political Science 29 (4): 914-947
4. Wucherpfennig, Julian and Franziska Deutsch. (2009). “Modernization and
democracy: theories and evidence revisited”, Living Reviews in Democracy,
Vol. 1 pp. 1-9
86
ВЛИЯНИЕ МИГРАЦИОННЫХ ПРОЦЕССОВ НА СОЦИАЛЬНОЭКОНОМИЧЕСКОЕ РАЗВИТИЕ ЧЕЛЯБИНСКОЙ ОБЛАСТИ
Касаткин Георгий Станиславович
(Челябинск, ЮУрГУ)
Занимая приграничное положение, Челябинская область с ее
экономическим потенциалом, социальной стабильностью, устойчивым
характером межнациональных отношений является привлекательной для
мигрантов.
В силу ряда причин численность населения неуклонно
сокращается; привлечение в экономику иностранной рабочей силы
является важным направлением в решении демографической проблемы и
развитии рынка труда области.
Воздействие миграционных процессов на развитие области в
настоящее время не является однозначным, оно может быть как
негативным, так и позитивным.
Оценка вида и степени зависимости результатов экономической
деятельности, определяющих экономическое развитие Челябинской
области от миграционных процессов, была проведена с помощью методов
корреляции и регрессии.
В качестве исходных данных использовались материалы
официальной статистической отчётности за последние 9 лет (2002–2010
гг.).
Внешняя миграция способствует привлечению на работу
высококвалифицированных специалистов и улучшению качественной
структуры занятых. Соответственно, отток высококвалифицированной
рабочей силы, напротив, может иметь негативные экономические
последствия, которые связаны с потерей человеческого капитала. Кроме
того, трудовые мигранты способствуют устранению дефицита рабочей
силы в проблемных отраслях, таких как сельское хозяйство.
Имеет смысл изучить формы и силу взаимосвязи притока
мигрантов и результатов экономической деятельности в наиболее
привлекательных
для
мигрантов
отраслях
–
производстве
сельскохозяйственной продукции, строительстве, розничной торговле и
сфере общественного питания. В финансовой сфере, промышленности и
прочих отраслях доля мигрантов в числе постоянных сотрудников весьма
мала, а следовательно не наблюдается значимого экономического эффекта
от изменения их численности. Но между тем следует оценить и негативное
влияние миграции, выраженное в росте преступности и заболеваемости
населения.
87
В качестве факторных переменных использовались половозрастная
структура мигрантов, уровень образования, направление миграционных
потоков.
Была построена регрессионная модель, использующая пошаговый
алгоритм регрессионного анализа с включением переменных. Такой метод
позволяет выявить набор регрессоров, который не только не приводит к
мультиколлинеарности, но и обеспечивает наилучшее качество
спецификации модели.
Тем не менее, стоит отметить, что с ростом числа факторных
переменных качество оценок параметров модели снижается.
Для оценки качества построенных моделей были рассчитаны
коэффициент аппроксимации, коэффициент множественной детерминации,
коэффициент Дарбина-Уотсона, t-статистики. Также было проверено
соответствие моделей F-критерию Фишера. Влияние автокорреляции и
гетероскедастичности было устранено, однако в моделях присутствует
незначительная мультиколлинеарность, вызванная малым числом
исходных данных.
В ходе корреляционно-регрессионного анализа комплекса
социально-экономических показателей Челябинской области и структуры
миграционных потоков были установлены значимые взаимосвязи между
уровнем образования мигрантов, направлением миграционных потоков и
динамикой результатов экономической деятельности в сельском хозяйстве,
строительстве и торговле.
Половозрастная структура и направление миграционных потоков
также оказывает значимое влияние на темп естественного прироста
населения области. Предполагаемое негативное влияние внешней миграции
(рост заболеваемости, преступности) не установлено.
1.
2.
3.
Литература
Артур Дамерт: "Челябинская область является привлекательной для
мигрантов", 2008: http://www.uralpress.ru/
Верещагина, Т.А. Миграция как фактор социально-экономического
развития территории / Т.А. Верещагина, Е.С. Коростелева //Вестник
Челябинского университета. Сер. 8. Экономика. Социология.
Социальная работа. - 2004. - № 1
«Характеристика демографической ситуации в Челябинской области»
Аналитическая записка/ Челябинскстат, Челябинск, 2010 - 59 с.
88
ПОСТРОЕНИЕ КОМПЛЕКСНОЙ СКОРИНГОВОЙ МОДЕЛИ
ОЦЕНКИ КРЕДИТНЫХ РИСКОВ БАНКА «ЙОШКАР-ОЛА»
Кириллова Евгения Радионовна
(Йошкар-Ола, МарГТУ)
Внедрение скоринговых систем в деятельность кредитных
организаций становиться весьма популярным по причине роста как
потребительского, так и перспективного кредитования. Повышение
доходности кредитных операций непосредственно связано с качеством
оценки кредитного риска. Скоринг является одним из наиболее успешных
примеров использования математических и статистических методов в
бизнесе.
Оценка кредитного риска Банка «Йошкар-Ола» включает в себя
оценку финансового и делового рисков. В качестве отбора переменных
финансового риска используется дискриминантный анализ. Бинарная
переменная описывает две ситуации: 0 – просроченный кредит, 1 – вовремя
погашенный кредит. На основании оценки финансовых коэффициентов
формируется финансовый рейтинг предприятий-заемщиков, который
позволяет в дальнейшем отнести их к той или иной группе кредитного
риска.
В результате расчетов получена логит-модель финансового риска :
R FR 
e 3.451.25 x1 5.45 x2  4.12 x3 9.58 x4
1 e
3.451.25 x1  5.45 x 2  4.12 x 3  9.58 x 4
100 ,
где RFR - рейтинг финансового риска заемщика (принимает значения от 0 до
100); х1 – коэффициент текущей ликвидности; х2 – коэффициент
соотношения собственных и заемных средств; х3 – коэффициент
обеспеченности собственными оборотными средствами; х4 – коэффициент
рентабельности активов.
Данная модель обеспечивает высокую надежность, что
подтверждается высоким значением хи-квадрат (32,25) и почти нулевой
вероятностью не отвергнуть нулевую гипотезу. Модель позволяет
предсказать 25 случаев возврата/невозврата кредита из 25.
Оценка деловой активности подразумевает под собой оценку
качественных переменных. Среди качественных критериев оценки
кредитных рисков выделяют следующие показатели: z1 - «Региональноотраслевой анализ (оценка рынка)»; z2 - «Качество менеджмента
(управления)»; z3 - «Характеристика собственников (акционеров)
заемщика»; z4 - «Отношение с (местной и центральной) властью»; z5 «Характер взаимоотношений банка с заемщиком»; z6 - «Стабильность и
89
перспективность фирмы-заемщика». Для определения наиболее значимых
факторов делового риска были
опрошены эксперты (компетентные
банковские служащие). Оценки, полученные от каждого эксперта,
суммируются и нормируются, затем рассчитываются относительная
значимость (Wij) всех факторов в отдельности для каждого эксперта и
усредненная оценка (Wj) каждого фактора.
Расчет усредненной оценки каждого фактора выявил наиболее
значимые качественные факторы:
«Регионально-отраслевой анализ
(оценка рынка)» (W1=0,185), «Качество менеджмента (управления)»
(W2=0,172), «Характер взаимоотношений банка с заемщиком»(W5=0,206),
«Стабильность и перспективность фирмы-заемщика» (W6=0,183). Их
совокупный вес составил: W1+ W2+ W5+ W6=0,745. Остальные факторы
делового риска менее значимы. Отобрав наиболее значимые качественные
факторы кредитного риска, можно построить модель оценки делового
риска, которая имеет вид:
RDR 
e 3.451.25 z1 5.45z2  4.12 z3 9.58 z4
1 e
3.451.25 z1  5.45 z 2  4.12 z 3  9.58 z 4
 100,
где RDR – рейтинг делового риска заемщика (принимает значения от 0 до
100). Модель обеспечивает достаточную надежность, что подтверждается
расчетным значением хи-квадрат (19,01), нулевой вероятность не
отвергнуть нулевую гипотезу (0,00002877). Модель позволяет предсказать
14 случаев возврата/невозврата из 20.
Итоговый кредитный рейтинг потенциального клиента Банка
«Йошкар-Ола» рассчитывается по следующей формуле:
R=RFR*dFR+RDR*dDR,
где R – кредитный рейтинг (принимает значения от 0 до 100); RFR – рейтинг
финансового риска; dFR – доля финансового риска; RDR – рейтинг делового
риска; dDR – доля делового риска.
К достоинствам данной модели можно отнести комплексность,
также модель учитывает данные по отечественным предприятиям
заемщикам. Логит-моделирование наилучшим образом отражает связь
между факторами риска и вероятностной величиной кредитного риска.
1.
Литература
Едронова, В.Н. Методика комплексной оценки кредитоспособности
заемщика/ В.Н. Едронова, С.Ю. Хасянова// Финансы и кредит.– 2002.
- №7
90
МНОГОМЕРНЫЙ СТАТИСТИЧЕСКИЙ АНАЛИЗ
НЕОДНОРОДНОСТИ ЭКОНОМИЧЕСКОГО РАЗВИТИЯ
ЗЕМЕЛЬ ГЕРМАНИИ
Клинцова Марина Викторовна
(Москва, НИУ ВШЭ)
Для многих стран, в том числе, для России, региональная
неоднородность является одним из препятствий на пути социальноэкономического развития и повышения конкурентоспособности, а также
фактором снижения эффективности принятия управленческих решений. В
связи с этим целесообразным является изучение опыта развитых стран по
преодолению региональных диспропорций. Германия является одной из
стран, где был совершен значительный прогресс по преодолению
неоднородности со времен объединения страны. Тем не менее,
экономическая дифференциация остается отличительной особенностью
даже на современном этапе.
Целью
данного
исследования
является
объяснение
дифференциации земель в период экономического подъема 2006-2007 гг. и
изменений, произошедших в дифференциации земель Германии под
влиянием экономического кризиса 2008-2009 гг.
Актуальность данного исследования заключается в том, что
региональные проблемы, связанные с последствиями объединения
Германии, усугубились не только глубоким структурным кризисом
германской системы социального хозяйства, но и мировым экономическим
кризисом, начавшимся в 2008 г., в связи с чем выявление особенностей
развития групп земель имеет особое значения для анализа
конкурентоспособности Германии в целом.
Для анализа неоднородности земель Германии было взято шесть
признаков, характеризующих уровень и динамику экономического
развития. Наличие сильной корреляционной взаимосвязи между
признаками не позволило применить процедуры многомерной
классификации с евклидовой метрикой, поэтому в ходе дальнейшего
исследования был реализован метод главных компонент. С учетом
небольшого числа наблюдений этот метод был применен отдельно к
каждой группе признаков. В результате было выделено два фактора: F1 фактор, рассматриваемый как обобщенная характеристика уровня
экономического развития; F2 - фактор, отражающий динамику
экономического развития. Этот этап позволил снизить размерность задачи
в три раза, а также провести визуализацию распределения земель Германии
в двумерном пространстве (F1, F2). Дальнейшее применение иерархического
91
кластерного анализа (по методу Варда) подтвердило видимые на плоскости
результаты. Статистической базой исследования послужили данные
федерального статистического ведомства Германии, европейской службы
статистики, земельных статистических ведомств Германии, федерального
патентного ведомства Германии.
По результатам первого этапа исследования было выявлено, что по
уровню и динамике экономического развития для Германии характерны
региональные диспропорции. Регионы Германии отчетливо делятся на
кластеры, демонстрирующие дисбаланс не только в контексте ВостокЗапад, но и в оси Север-Юг. Благоприятная экономическая конъюнктура и
высокий мировой спрос на продукцию германской промышленности
(машиностроение, химическая и электротехническая промышленности)
позволяли наиболее развитым промышленным землям с высокой долей
крупных предприятий укреплять свои позиции. Высокий экономический
уровень столицы Германии Берлина обусловлен его функциями столицы и
центра экономических и политических услуг. В то же время, уровень
экономического развития в восточных землях, ориентированных на
внутренний спрос, оставался низким. Еще более низким был этот уровень в
землях со сравнительно высокой долей аграрного сектора.
Вторая часть исследования демонстрирует, что в период
экономического кризиса произошли значительные изменения в положении
германских земель. Наиболее успешные, промышленно развитые западные
земли, показывающие до кризиса наилучшую динамику и уровень,
оказались наиболее подверженными влиянию кризиса: в них наблюдался
наибольший спад промышленного производства и наибольший рост
безработицы. В то же время, в большинстве восточных землях безработица
даже сократилась; кризис не проявился так сильно. Это может объясняться
низким исходным уровнем экономического развития и особенностями
отраслевой структуры, из-за которой восточные земли в меньшей степени,
чем западные, зависят от мировой экономической конъюнктуры.
Основным выводом из изменения классификации по показателям динамики
экономической активности является то, что факторы, обуславливающие
бурный экономический рост в период подъема (в частности, спрос на
мировом рынке), одновременно являются факторами, усугубляющими спад
в период рецессии. По показателям уровня экономической активности
восточные земли, несмотря на высокую динамику развития, по-прежнему
отстают от западных. Динамика развития восточных земель дает основания
предполагать, что в сравнительном положении земель Германии в скором
времени могут произойти значительные изменения.
92
ОСОБЕННОСТИ ИЗМЕРЕНИЯ, АНАЛИЗА И МОДЕЛИРОВАНИЯ
СЧАСТЬЯ
Красильникова Екатерина Валерьевна
(Москва, НИУ ВШЭ)
С развитием общества достижение счастья стало одной из
ключевых тем общественных и научных дискуссий. Счастье населения, по
мнению многих учёных, является конечной целью государства. Счастье –
сложное, многогранное и субъективное понятие, для которого не
существует строгого определения. Поэтому в статистических,
экономических, демографических и других научных работах счастье
заменяют понятиями «субъективное благополучие» и «удовлетворённость
жизнью», которые позволяют количественно оценить уровень счастья,
построить модель и проанализировать его связь с разными факторами.
Понять природу счастья пытаются разные дисциплины:
философия, психология, социология, экономика, политология, медицина и
другие. Первые зафиксированные труды на эту тему принадлежат
Аристотелю, который в «Этике Никомаха» описывает счастье как
добродетельную деятельность души. Там же Аристотель разделяет понятия
счастья и благоденствия: первое представляет собой высшее благо, а
второе является синонимом благополучия и счастливой жизни.
В зародившемся во времена античности и разработанном И.
Бентамом этическом течении утилитаризме моральным считается действие,
приносящее людям наибольшее счастье, а степень моральной ценности
измеряется полезностью. Полезность (или польза) измеряется в
превосходстве удовольствия над страданием. При этом общую полезность
всех людей можно сложить и таким образом посчитать общее
благосостояние. Эджуорт также считал полезность количественной
переменной, которая зависит от набора благ и возможностей индивида. В
противоположность этим экономистам, Парето подвергал сомнению
возможность построения функции счастья, а Самуэльсон считал счастье
порядковой переменной, и полезность – неизмеримой величиной.
В 1967 году Уилсон описывает новый показатель счастья –
субъективное благополучие (subjective well-being), которое отражает
личное восприятие человеком своего состояния. Субъективное
благополучие – это более ёмкое и общее понятие, состоящее из трёх
частей: аффекта (совокупности чувств и настроений человека), счастья (как
вариант, превалирования положительных эмоций над отрицательными) и
удовлетворенность жизнью (оценка экономического и социального
положения индивида).
93
В 70 и 80-х годах было проведено множество исследований на
основе вариантов показателя субъективного благополучия, например,
работы Лейденской школы (Van Praag, Hagenaars) и основным выводом
этих работ стала зависимость между доходом и счастьем. Одновременно с
этим Истерлин в 1974 году рассматривает связь между счастьем и доходом
на уровне страны в целом и приходит к знаменитому парадоксу:
оказывается, рост общего благосостояния не связан с уровнем счастья.
Этот парадокс объясняется тем, что люди, оценивая свой уровень
благосостояния, ориентируются не на абсолютные, а на относительные
показатели, на то, насколько их жизнь лучше или хуже жизни ближайших
соседей.
С конца 20 века ученые начали проводить большие, всемирные
эмпирические исследования разных факторов от которых может зависеть
счастье. На основе этих исследований строятся индексы, которые
показывают уровень счастья в стране («Happy Planet Index», «Satisfaction
With Life Index» и другие).
В настоящий момент можно выделить три основных фактора, от
которых, по мнению современных ученых, зависит счастье: доход, работа и
семья. Кроме этого, счастье может зависеть от состояния здоровья,
отношений с друзьями, личных ценностей, личных свобод, религиозности,
институционального устройства государства и многого другого.
Современные глобальные социальные исследования (такие как ESS
- Европейское Социальное Исследование или World Values Survey –
Исследование жизненных ценностей населения) содержат в себе вопросы:
«Счастливы ли вы?» или «Насколько вы удовлетворены своей жизнью?», и,
соответственно, несут в себе потенциал для проверки множества гипотез и
построения логит и пробит моделей счастья.
Литература
1. E. Selezneva. Surveying transitional experience and subjective well-being:
Income, work, family. Economic Systems 35 (2011) 139-157
2. R.A. Easterlin. "Does Economic Growth Improve the Human Lot?" in Paul
A. David and Melvin W. Reder, eds., Nations and Households in Economic
Growth: Essays in Honor of Moses Abramovitz, New York: Academic Press,
Inc., 1974
3. W. Wilson. “Correlates of avowed happiness”. Psychological Bulletin, 67
(1967), 294-406
94
ПОСТРОЕНИЕ ОБОБЩАЮЩЕГО ПОКАЗАТЕЛЯ КАДРОВОГО
ПОТЕНЦИАЛА ВУЗА (НА ПРИМЕРЕ НИ МГУ
ИМ. Н.П. ОГАРЁВА)11
Крымзин Дмитрий Николаевич
(Саранск, МГУ им. Н.П. Огарёва)
Разработка методов количественной оценки кадрового потенциала
высшей школы является одной из актуальных задач в решении проблемы
повышения эффективности системы высшего образования, и её
результатов. Однако особенности оценки кадрового потенциала вуза имеют
определенные сложности, связанные с тем, что наряду отдельными
показателями должны быть рассчитаны и синтетические, представляющие
собой сверстку множества частных.
Предпринятая попытка построения обобщающего показателя
кадрового потенциала университета включает в себя следующие этапы:
1 - Формирование информационной базы исследования. В качестве
информационной базы построения обобщающего показателя были взяты 10
показателей аккредитации университета за период с 2001 по 2009 гг. [1]
2 - Нормировка исходных показателей, которая имеет своей целью
привести показатели к единой шкале измерения.
3 - Выбор функции агрегирования первичных характеристик
показателей в одно обобщающее значение. В качестве функции
агрегирования была взята линейная сверстка частных показателей:
p
y = ∑j=1 wj x̃ j ,
где x̃j – нормированные значения частных показателей, wj –
соответствующие им весовые коэффициенты.
Для получения весовых коэффициентов wj был использован метод
главных компонент, суть которого заключается в том, что к множеству
описаний объектов применяется преобразование вращения, которое
соответствует критерию наибольшей информативности C. Р. Рао. Согласно
этому критерию, наибольшая информативность есть минимальное значение
суммы квадратов расстояния от описаний объектов до их проекций на
первую главную компоненту. [2]
Анализ полученных весовых коэффициентов позволил разбить
рассматриваемые показатели на две группы, относительно влияния на
значение обобщающего показателя.
Работа выполнена при поддержке Федеральной целевой программы «Научные и научнопедагогические кадры инновационной России» на 2010-2013 годы. Государственный контракт
№ 14.740.11.0225.
11
95
К первой группе были отнесены показатели, оказывающее
преимущественное влияние на обобщающий показатель: процент в
профессорско-преподавательском составе докторов наук и / или
профессоров; процент профессорско-преподавательского состава с
учеными степенями и / или званиями; процент аспирантов, защитивших
диссертации не позднее чем через год после окончания аспирантуры (от
числа поступивших); среднегодовой объем финансирования научных
исследований на единицу научно-педагогического персонала за пять лет;
среднегодовой контингент обучающихся по образовательным программам
профессиональной подготовки и / или повышения квалификации.
Во вторую группу вошли показатели, значения весовых
коэффициентов
которых
невелико:
процент
в
профессорскопреподавательском составе преподавателей, работающих на штатной
основе; среднегодовое число защит диссертаций на 100 человек научнопедагогического персонала за 5 лет; число аспирантов на 100 студентов
контингента, приведенного к очной форме обучения; количество
монографий на 100 основных штатных педагогических работников с
учеными степенями и / или учеными званиями, изданных за последние пять
лет; количество учебников и учебных пособий (с грифом) на 100 основных
штатных педагогических работников с учеными степенями и званиями,
изданных за последние 5 лет.
Наименьшее значение сводного показателя кадрового потенциала
Мордовского университета наблюдалось в 2002 году. Затем, в течение
последующих 7 лет наблюдалось устойчивое увеличение значения, и в 2009
году оно составило 8,94 балла из 10 возможных. Наибольший рост
показателя наблюдался в 2007 и 2008 гг. – 155 и 135% соответственно. В
целом значение показателя за 2001 – 2009 гг. увеличилось в 7,6 раза.
1.
2.
Литература
Наводнов В. Г. Комплексная оценка высших учебных заведений / В. Г.
Наводнов, Е. Н. Геворкян, Г. Н. Мотова, М. В. Петропавловский. – М.:
Центр государственной аккредитации, 2003. – С. 117-120
Рао С. Р. Линейные статистические методы и их применения: учебник /
С. Р. Рао. - М.: Наука, 1968. – С. 530-533
96
СТАТИСТИЧЕСКИЙ АНАЛИЗ ВЛИЯНИЯ МОБИЛЬНОГО
ТЕЛЕФОНА НА ОРГАНИЗМ И ДЕЯТЕЛЬНОСТЬ ЧЕЛОВЕКА
Крючкова Марина Павловна,
Колупанова Анжелика Рудольфовна
(Москва, РГАУ-МСХА им. К.А. Тимирязева)
Мобильный телефон стал неотъемлемым атрибутом повседневной
жизни человека, удобно устроившись в нашем кармане или сумочке. Он
приносит нам множество возможностей, невообразимых ещё каких-то
десять лет назад.
Правда, не все знают, что мобильный друг и помощник может
нанести заметный вред нашему здоровью. Мы считаем данную работу
актуальной, поскольку в настоящее время практически все население,
ученые, врачи, физики очень обеспокоены данной проблемой воздействием мобильного телефона на организм и деятельность человека.
Это связано с тем, что, во-первых, количество пользователей сотовой
связью возрастает ежедневно и ежечасно в геометрической прогрессии, вовторых, растет количество базовых станций, а они тоже являются
непосредственным источником излучения. И, наконец, близость трубки
телефона к голове, и регистрирующееся повышение случаев опухолей
мозга тоже заставляют насторожиться и связать телефон и ухудшение
здоровья человека воедино.
Некоторые могут возразить: «Жить вообще вредно, от этого
умирают, что ни возьми - все в нашей жизни губительно действует
(быстрее или медленнее)!» Может быть, но, как говорится, кто
предупрежден, тот вооружен. Лучше знать, что и к чему ведет, и какие
последствия ждут в будущем. А дальше уже дело лично каждого прислушиваться к советам или оставить все как есть.
Цель исследования: в соответствии со статистическими данными
определить степень влияния
мобильных телефонов на организм и
деятельность человека.
Мобильные телефоны очень далеко продвинулись в своём
развитии, и это дало новые поводы для споров об их вреде. И если раньше
говорилось в основном о неблагоприятном воздействии излучения
телефонного передатчика на органы слуха и кору головного мозга, то
сейчас говорится и о влиянии на половую систему, на сердце, на внимание
и способность к концентрации, на познавательную функцию и даже на сон.
Аспекты влияния мобильного телефона различаются на
психологические
и
физиологические
проявления.
Наиболее
97
распространённым является воздействие на психику человека, его и
рассмотрим в первую очередь.
Психологическая зависимость от аппарата может проявляться в
следующих видах:

Беспокойство по поводу отсутствия телефона

SMS-мания информационная мания

Зависимость человека от девайса

Мания преследования

Звуковые галлюцинации
Физиологические проявления:

Влияние на активность мозга

Влияние на зрение

Влияние на слух

Влияют на сердце, кровь

Повышают риск ДТП

Распространитель инфекции
Десять лет назад мобильные телефоны только начали появляться в
больших количествах на территории стран СНГ. Через пять лет мобильные
телефоны имело более 80% населения России, а практически вся ее
территория к этому времени была охвачена базовыми станциями сотовой
связи. За последние 5 лет количество пользователей мобильной связи стало
почти 100%, а судя по количеству активных абонентов суммарно у
операторов мобильной связи, то получается, что около 40% пользователей
имеют по 2 телефона. Начиная с 2001 года официальная статистика
выглядит примерно следующим образом (рис. 1).
млн.шт.
40
30
30
20
10
0
2000
33.5
29.3
32.5
2002
28
33
22
17
4.6
36.3
9
2004
2006
2008
2010
2012
Рисунок 1. Динамика продаж мобильных телефонов в России
с 2001-2011 гг.
Итого за последние 10 лет в России было продано около 275,2
миллионов телефонов ( не стоит забывать, что это только официальные
данные), т.е., учитывая население России за исключением детей до восьми
98
(считается, что дети до восьми лет не пользуются мобильными
телефонами) – по 2 мобильных телефона на каждого человека.
Мы провели исследование в котором сравнивали численность
населения за вычетом детей с динамикой продаж мобильных телефонов в
2002 и 2010 гг. Результаты показали, что в 2002 году телефон был у
каждого 15-го гражданина РФ, а в 2010 г. у каждого 5-го.
Следующим этапом нашего исследования было проведение
анкетирования среди студентов 3 курса экономического факультета
Тимирязевской академии. В анкетировании принимало участие 85 человек.
Результаты анкетирования показали, что большая часть студентов,
составившая 62,4% от всей совокупности опрошенных предпочитает
телефон марки Nokia . Также можно заметить не значительную разницу
между количеством студентов, которые носят телефон в сумке(44,7%) и
кармане брюк (34,1).Большинство участников опроса разговаривают в
сутки по телефону более 10 минут, это всего лишь на 14% больше, чем
количество людей разговаривающих в сутки более 30 минут. Мнения о
том, влияет ли мобильный телефон негативно на организм человека,
разделились практически на 3 равные части, но если учесть, что вариант
ответа «иногда» все равно подразумевает негативное влияние, то можно
предположить что 61% все таки испытывает дискомфорт от использования
мобильного телефона. На вопрос, испытываете ли в зависимость от
мобильного телефона 93% респондента ответили положительно, что в
очередной
раз
доказывает
вышеуказанное
предположение
о
психологической зависимости от мобильного телефона. Совсем не
удивительно, то что 86% опрошенных не знают что такое SAR, ведь
товаропроизводители,
маркетологи
широко
не
распространяют
информацию на эту тем, хотя это очень важный аспект при выборе более
безопасного мобильного телефона.
1.
2.
3.
Литература
Материалы VI съезда по
радиобиологическим исследованиям
радиобиология, радиоэкология, радиационная безопасность), (Москва,
25–28 октября 2010 года), Ю. Г. Григорьев, Н. В. Горбунова, Н. И.
Хорсева
http://nm2000.kz/news/ Мобильные телефоны все-таки опасны,
особенно для детей
http://www.kolovada.ru/stati/o-vrede-mobilnoy-svyazi/ О вреде мобильной
связи
99
МЕТОДИКА СТАТИСТИЧЕСКОГО ИССЛЕДОВАНИЯ
КАЧЕСТВА ЭКОНОМИЧЕСКОГО РОСТА РЕГИОНА
(НА ПРИМЕРЕ РЕСПУБЛИКИ МОРДОВИЯ)
Кугушева Ксения Владимировна
(Саранск, МГУ им. Н.П. Огарёва)
Сущность понятия «качество экономического роста региона»
применительно к региональному развитию можно трактовать как
совокупность свойств, признаков и показателей, характеризующих процесс
экономического роста региона на основе преимущественно инновационных
структурных и технологических изменений в экономике, приводящих к
повышению уровня и качества жизни населения не только за счет
увеличения объемов промышленного производства, а главным образом за
счет повышения продуктивности потребления первичных сырьевых
ресурсов и снижения энергоемкости производства при постоянном
повышении качества и конкурентоспособности продукции.
Статистическое исследование качества экономического роста
регионов ПФО проводилось на основе расчета и графического построения
профилей четырех базовых характеристик качества роста за период
развития 1999-2009 гг., включающих:
- уровень развития регионов и ресурсы региональных инновационных
систем (РИС);
- уровень качественных изменений инновационного роста;
- уровень конкурентоспособности регионов;
- уровень и качество жизни населения регионов.
Оценка влияния РИС на качество роста регионов ПФО показала,
что на фоне стабилизации показателя дифференциации по уровню развития
наблюдаются негативные тенденции в изменении показателей всех
основных ресурсных потенциалов федерального округа. Регионы-лидеры
существенно увеличивают свои ресурсные потенциалы относительно среднего по ПФО уровня, что расширяет возможности их инновационного
роста, а регионы-аутсайдеры, наоборот, снижают их, что ограничивает
возможности их дальнейшего инновационного развития. Скромные
позитивные тенденции в развитии регионов в целом в основном
обусловлены «проеданием», а не воспроизводством их основных
ресурсных потенциалов.
Анализ тенденций качественных изменений инновационного роста
регионов ПФО настраивает на оптимистический прогноз возможности
успешного продвижения федерального округа в направлении инновационного развития. В направлении качественных изменений инновационного
100
роста регионов ПФО в основном преобладают позитивные тенденции, что
доказывает проявление существенного воздействия РИС на качество
экономического и инновационного роста регионов ПФО.
Отмеченные
позитивные
тенденции
в
направлении
инновационного развития также отражаются на изменениях в
конкурентоспособности регионов ПФО, общую тенденцию в изменении
которой можно отнести к положительной.
При оценке уровня и качества жизни населения по анализируемым
показателям, отмечается хотя и незначительная, но положительная
тенденция снижения различий между регионами на фоне постоянного
роста их благосостояния.
Необходимо отметить, что за 1999-2009 гг. в целом по ПФО
отмечены положительные тенденции в направлении движения к
инновационному развитию.
Исследование факторов экономического роста Республики
Мордовия в контексте оценки его качества было произведено на основе
сравнения моделей производственных функций.
По результатам анализа, проведенного с помощью ППП
«STATISTICA», было выявлено, что для исследования факторов
экономического роста Республики Мордовия в контексте оценки его
качества наилучшей является модель мультипликативной производственной
функции. Анализ данной модели позволяет сделать вывод, что для региона
за данный анализируемый период было характерно более существенное
влияние фактора «труд» на экономический рост по сравнению с фактором
«капитал», что свидетельствует об экстенсивном характере и низком
качестве экономического роста Республики Мордовия за анализируемый
период 1997-2009 гг.
1.
2.
3.
Литература
Герасимова И.А. О тенденциях дифференциации субъектов РФ по
уровню социально-экономического развития /И.А. Герасимова/
Вопросы статистики. - 2008. - № 2. - С. 56-64.
Зарова
Е.В.
Качество
экономического
роста
региона:
методологические аспекты статистического исследования /Е.В.
Зарова, М.А. Котякова / Вопросы статистики. -2006. -№ 5. - С. 51-61
Сеньков В.И.
Качество экономического роста регионов:
теоретические аспекты, критерии и методология анализа / В.И.
Сеньков, Н.В. Сенькова / Региональная экономика: теория и
практика. - 2010. - № 32. - С. 12-18
101
КАЧЕСТВО ЖИЗНИ НАСЕЛЕНИЯ В РОССИИ В ЕВРОПЕЙСКОМ И
АЗИАТСКОМ ИЗМЕРЕНИЯХ
Кузнецова Мария Евгеньевна,
Антонова Ольга Владимировна
(Москва, МЭСИ)
Испокон веков на Руси многие выдающиеся личности своего
времени задавались одним и тем же вопросом: Россия – это Европейская
или Азиатская страна?
Россия – крупнейшее государство мира – распростерлось на 17
млн. км², 1/3 которого лежит в Европе, а оставшиеся 2/3 в Азии. Таким
образом, в географическом разрезе, Россия, скорее, Азия, нежели Европа. С
другой стороны, с точки зрения этногенеза титульной нации, Россия
принадлежит к Европе. На протяжении всей Российской истории Восток и
Запад сталкиваются между собой как разнонаправленные силы.
Целью нашего исследования является обзор России в социальноэкономическом разрезе и определение её принадлежности к той или иной
части света по показателям качества жизни населения. Для достижения
поставленной цели проводится анализ значений показателей по 68 странам,
характеризующих качество жизни населения в странах Европы и Азии,
затем полученные результаты сравниваются с результатами анализа
значений показателей в России.
Качество
жизни
–
сложная
синтетическая
категория,
аккумулирующая в себе все существенные для личности условия
существования и развития. Компонентами этой категории являются
следующие 5 интегральных свойств: качество населения, благосостояние
населения, социальная безопасность, качество окружающей среды и
природно-климатические условия [1].
Таким образом, в ходе исследования были получены следующие
результаты. По категории качество населения Россия имеет больше сходств
с Европой, об этом говорят такие показатели как соотношение полов,
коэффициент рождаемости, естественный прирост населения, доля
городского населения и т.п. В то же время, по таким показателям как
коэффициент смертности, коэффициент младенческой смертности и
средняя продолжительность жизни Россия недалеко ушла от стран Азии.
По категории благосостояние населения Россию скорее можно
отнести к странам Азии, т.к. по таким показателям как ВВП на душу
населения по ППС, доходы и расходы населения, дифференциация доходов
и обеспеченность общества мощностями инфраструктуры страна занимает
102
промежуточное положение, замыкая рейтинг стран Европы и начиная
рейтинг стран Азии.
По категории социальная безопасность (или качество социальной
сферы) Россия имеет больше общего со странами Азии, об этом говорят
такие показатели как уровень условий труда, уровень социальной защиты,
уровень криминогенности и т.п. Однако следует отметить положительные
тенденции развития социальной политики в РФ, ориентированной на
достижение показателей стран Европы.
По категории качество окружающей среды (или качество
экологической ниши) многие страны Европы и Азии находятся в списке
самых загрязненных стран мира, Россия, к сожалению, занимает в нем одно
из лидирующих мест. Единственный способ улучшения ситуации это
ужесточение мер по охране окружающей среды.
По категории природно-климатические условия, Россию едва ли
можно отнести к одной из частей света. Территория страны лежит сразу в
нескольких климатических поясах. Природно-сырьевые ресурсы России
являются частью ее национального богатства. В России живет менее 3%
населения планеты, а на ее территории сосредоточено 35% мировых
ресурсов и более 50% стратегического сырья.
Таким образом, в очередной раз придти к единому мнению по
вопросу принадлежности России к Европе или к Азии не видится
возможным. Однако следует заметить, что сторонники обеих теорий
сходятся в одном: России необходимо, оставаясь самобытной державой,
брать на вооружение лучшее от обеих частей света. Наверное, неслучайно
двуглавый орел, символизирующий единство двух начал, стал гербом РФ.
Подводя итоги, хотелось бы привести слова известного русского
философа и публициста Пётра Яковлевича Чаадаева: "... мы не
принадлежим ни к одному из великих семейств человеческого рода; мы не
принадлежим ни к Западу, ни к Востоку, и у нас нет традиций ни того, ни
другого. Стоя как бы вне времени, мы не затронуты всемирным
воспитанием человеческого рода".
1.
2.
3.
Литература
Айвазян С.А. Интегральные индикаторы качества жизни населения: их
построение и использование в социально-экономическом управлении и
межрегиональных сопоставлениях. – М.: ЦЭМИ РАН, 2000
The World Competitiveness Yearbook, 2011
Human development report 2011
103
МОДЕЛИРОВАНИЕ ПАТЕНТНОЙ АКТИВНОСТИ СТРАН МИРА С
ИСПОЛЬЗОВАНИЕМ РАСЩЕПЛЕНИЯ СМЕСЕЙ
ВЕРОЯТНОСТНЫХ РАСПРЕДЕЛЕНИЙ
Кузнецова Мария Евгеньевна,
Антонова Ольга Владимировна
(Москва, МЭСИ)
Патентная активность стран мира представляется перспективным и
актуальным предметом исследования. В настоящее время разные страны
все больше котируются в мире не по объемам производства, не по военной
и даже не политической мощи, а по способностям к научно-техническому
прогрессу, умению изобретать и массово осваивать результаты
интеллектуальной деятельности.
Для характеристики патентной активности могут быть
использованы различные показатели. Наилучшим образом патентную
активность отражает показатель количества патентных заявок на
изобретения и полезные модели. Моделирование данного показателя
способствует выявлению закономерностей развития патентной активности
стран.
Проведение структурного анализа по одному показателю
обусловливает
необходимость
наиболее
полного
использования
содержащейся в нем информации и возможность применения аппарата
расщепления смеси вероятностных распределений, обеспечивающего
возможность выделения однородных групп объектов [3]. Данный метод не
только позволяет использовать традиционные жесткие решающие правила
для интерпретации результатов классификации, но и предоставляет
возможность реализовать гибкие подходы, основанные на применении
нечетких множеств [4].
При
расщеплении
смеси
вероятностных
распределений
принципиальной задачей является выбор вида закона распределения. Вид
гистограммы логарифма изучаемого признака «Количество патентных
заявок на изобретения и полезные модели» согласуется с предположениями
о логарифмически нормальном законе распределения для отдельной
группы объектов и о наличии в выборке различных однородных
совокупностей.
Наилучшим для аппроксимации и интерпретации результатов
оказалось представление совокупности стран в виде трех страт.
В первую страту входят от 22 до 25 стран, из которых более 70 % это страны Европы (78% - страны-члены Европейского Союза, 22% страны, не входящие в Евро зону). Все страны, входящие в первую страту
104
за исключением одной (Индия), относятся к группам стран с очень
высоким и высоким уровнем жизни населения (отчёт ООН 2011 г.). Данные
страны характеризуются высокими расходами на НИОКР и количеством
учёных.
Во вторую страту входят от 32 до 36 стран (самая крупная страта),
из которых более 55% составляют страны Европы, 25 % страны Америки
(1/3 - страны Северной Америки, а 2/3 Южной) и 20 % страны Азии и
Африки. В данную страту входят страны с разным уровнем жизни, начиная
с очень высокого и заканчивая средним уровнем жизни.
В третью страту (самая маленькая страта, удельный вес от общей
совокупности менее 20%) входят от 11 до 13 стран, из которых лишь три
страны Европы. Большая часть стран относится к странам со средним и
низким уровнем жизни населения. Расходы на НИОКР в данных странах
очень низкие.
Проведенный анализ позволяет заключить, что во многом уровень
патентной активности зависит от уровня жизни населения в этой стране.
Чем он ниже, тем меньше денег инвестируется в научно-исследовательские
области, и тем менее привлекательной она становится для людей,
желавших связать свою жизнь с инновационной сферой, а как следствие,
происходит снижение количества патентных заявок. Важнейшей задачей в
настоящее время становится повышение инновационного потенциала в
странах с его низким уровнем, поскольку инновационный потенциал
является важнейшим фактором обеспечения конкурентоспособности и
развития экономики. Ее решение возможно, в первую очередь, за счет
повышения привлекательности инновационной деятельности в данных
странах.
Литература
1. WIPO Economics & Statistics Series, World intellectual Property Indicators,
2011
2. Мхитарян В.С., Архипова М.Ю., Дуброва Т.А., Сиротин В.П.,
Эконометрика: учебник для вузов под ред. Мхитаряна В.С. – М.:
Проспект, 2008
3. Сиротин В.П., Архипова М.Ю. Расщепление смеси вероятностных
распределений в задачах моделирования социально-экономических
процессов. – М.: МЭСИ, 2007
4. Сиротин В.П. Стратификация профессорско-преподавательского
состава университета по заработной плате // Вестник Самарского
государственного университета №1(27), 2007
105
СТАТИСТИЧЕСКИЙ АНАЛИЗ ВОДОПОТРЕБЛЕНИЯ И
ВОДОСБЕРЕЖЕНИЯ В ДОМОХОЗЯЙСТВАХ САНКТ-ПЕТЕРБУРГА
Кузнецова Наталья Викторовна,
Кошкина Ирина Григорьевна
(Санкт-Петербург, СПбГУЭФ)
Водосбережение является одной из актуальных проблем
современного человечества. Ежегодно в России расходуется более 60 км3
пресной воды. При этом вода недостаточно эффективно используется как в
экономике, так и в быту. В России один из самых высоких среди развитых
стран показатель водоемкости ВВП и один из самых высоких уровень
потребления на душу населения в быту. Особенно актуальна проблема
водосбережения воды в быту в крупных городах, где расходы на
хозяйственно-питьевые
нужды
составляют
основную
долю
водопотребления. В Санкт-Петербурге на эти цели расходуется 43% всей
потребляемой воды.
В 2011 году ГУП «Водоканал Санкт-Петербурга» инициировал
социологическое исследование «Сохраним воду вместе!» с целью изучения
водопотребления в семьях петербуржцев и улучшения качества
водоснабжения. Все этапы исследования были выполнены студенческой
научно-исследовательской группой СПбГУЭФ, сформированной в рамках
международного студенческого проекта: «НЕГА–ресурсный подход:
минимум ресурсов для максимального результата». Основой исследования
стал опрос жителей «Умного квартала» - микрорайона г. Санкт-Петербурга,
в котором ГУП «Водоканал» в течение последних лет внедрял новейшие
технологические достижения, направленные на повышение эффективности
водоснабжения.
Анкета опроса включала 34 вопроса, разбитых по своему
содержанию на четыре блока:
1. Условия потребления воды;
2. Характеристики потребителей услуг водоснабжения;
3. Качество услуг водоснабжения;
4. Водосбережение и экономия ресурсов.
В опросе приняли участие 1815 жителей Санкт-Петербурга. Расчет
численности выборки основывался на необходимости обеспечить
репрезентативность по двум показателям: объем водопотребления
(среднесуточный расход воды, литров на чел.) и наличие у домохозяйств
внутриквартирных приборов учета воды (доля домохозяйств, имеющих
внутриквартирные приборы учета воды, %). Социально-демографические
характеристики опрошенных достаточно точно отражают аналогичные
106
показатели по г. Санкт-Петербургу в целом, что позволяет говорить о
высокой репрезентативности выборки.
Исследование показало существенную дифференциацию процессов
водопотребления и водосбережения в домохозяйствах Санкт-Петербурга.
На указанные процессы влияют тип и состав семьи, условия проживания,
наличие водопотребляющей техники, домашних животных, образ жизни и
привычки членов домохозяйств и др. Семья из трех человек в среднем
тратит в месяц 6,52 куб.м. холодной воды и 5,54 куб.м. горячей воды, что
существенно ниже установленных нормативов водопотребления. Наиболее
высокий объем водопотребления в семьях с маленькими детьми, а также в
семьях, где не используется современная ресурсосберегающая бытовая
техника. Была построена множественная регрессионная модель,
позволяющая моделировать процессы водопотребления в семьях
различных типов.
Были произведены расчеты целесообразности и сроков
окупаемости внутриквартирных счетчиков учета водопотребления. По
нашим оценкам установка внутриквартирного водяного счетчика в
домохозяйстве из 3-х человек позволяет экономить более 1000 руб. в месяц.
При этом счетчик окупается примерно через семь месяцев.
Одним из важнейших условий эффективного использования
водных
ресурсов
является
формирование
высокой
культуры
водопотребления в обществе. 65% петербуржцев считают проблему
экономии воды актуальной, при этом 95% стараются экономить воду в
быту, 66% заинтересованы в получении информации о способах
водосбережения. В 58% домохозяйств Санкт-Петербурга установлены
счетчики водопотребления, 41% опрошенных следят за состоянием
сантехники, 22% прививают навыки бережного отношения к воде детям.
Технические средства экономии воды (однорычажные смесители,
сенсорные краны, регуляторы давления, двухрежимные сливные
устройства) пока не получили массового распространения в семьях
петербуржцев.
В ходе исследования была выявлена высокая корреляция между
водосбережением и экономией других видов ресурсов.
107
АНАЛИЗ ВНЕШНЕТОРГОВОЙ ПОЛИТИКИ РФ НА РЫНКЕ
НЕОБРАБОТАННЫХ ЛЕСОМАТЕРИАЛОВ
Кузьмина Нина Львовна
(Нижний Новгород, НИУ ВШЭ)
На современном этапе развития цивилизации большое внимание
уделяется российской внешнеторговой политики, направленной на
ограничение экспорта необработанных лесоматериалов. Это во многом
обусловлено тем, что именно ограничительная политика РФ на рынке
круглого леса была одним из важнейших барьеров на пути присоединения
РФ к ВТО.
Цель исследования: анализ внешнеторговой политики РФ на
рынке необработанных лесоматериалов по средствам статистических
методов.
С 2006 г. по 2011 г. РФ проводила активную политику
протекционизма, направленную на сокращение до минимума вывоза
необработанных лесоматериалов. При этом основными инструментами
государственного регулирования являлись тарифные и нетарифные
торговые барьеры на экспорт необработанных лесоматериалов.
Основные этапы проведенного статистического исследования:
I.Методом укрупнения интервалов, методом скользящей средней,
методом аналитического выравнивания ряда и методом автоматического
расчета уравнения тренда в EXCEL были выявлены основные
закономерности
и
тенденции
динамики
величины
экспорта
необработанных лесоматериалов (рис. 1).
Рисунок 1. Динамика экспорта необработанных лесоматериалов
Анализ выявленных тенденций показал, что внешнеторговая
политика РФ на рынке необработанных лесоматериалов являлась
108
эффективной в течение всего периода ее проведения, т.к. ее основная цель
была достигнута - величина экспорта сокращалась на протяжении всего
периода.
II.На основе статистических данных с 1994 по 2011 г. были
рассчитаны основные показатели динамики экспорта необработанных
лесоматериалов: абсолютный прирост (снижение), темп роста (снижения),
темп прироста (снижения), абсолютное значение 1% прироста (снижения),
пункт роста (снижения), абсолютное ускорение (замедление).
Анализ данных показателей позволил выявить следующие
факторы, определяющие динамику величины экспорта леса и, по сути,
способствующие успеху проводимой Правительством РФ политики
протекционизма на рынке необработанных лесоматериалов:
1. Экспортная пошлина на необработанные лесоматериалы
(инструмент государственного регулирования). С ростом ставки
экспортной пошлины величина экспорта круглого леса сокращается.
2. Экономическая ситуация в стране. В условиях экономического
кризиса величина экспорта необработанных лесоматериалов сокращается.
III. Для оценки эффективности экспортных торговых барьеров на
рынке необработанных лесоматериалов (инструментов государственного
регулирования) был осуществлен эконометрический анализ факторов,
оказывающих влияние на величину экспорта круглого леса. В ходе данного
анализа был проведен статистический анализ гипотез о факторах,
влияющих на величину экспорта необработанных лесоматериалов,
корреляционный и регрессионный анализа факторов.
В ходе регрессионного анализа факторов методом наименьших
квадратов была осуществлена оценка коэффициентов регрессионных
уравнений вида:
 ln(exp)  c  a *  ln( duty)  a * fitosertif icate  a * quarantinesertificat e 
1
2
3
a * sanitarynorm  a * technics  a * shockprice  a * fire  a * crisis  
5
7
4
6
8
Проведенный эконометрический анализ позволил сделать вывод,
что наиболее значимым и эффективным инструментом государственного
регулирования является экспортная пошлина (тарифный барьер). Причем
было выявлено, что увеличение ее ставки имеет максимальный эффект на
экспорт необработанных лесоматериалов (в сравнении с другими
факторами, влияющими на экспорт необработанных лесоматериалов).
Итак, проведенное статистическое исследование позволило
оценить внешнеторговую политику РФ на рынке необработанных
лесоматериалов, сделать выводы об ее эффективности, а также разработать
предложения по ее совершенствованию.
109
ДИСКРИМИНАНТНЫЙ АНАЛИЗ В ОЦЕНКЕ СРЕДНЕГО
КЛАССА НАСЕЛЕНИЯ
Кулиджоглян Кристина Оганесовна
(Новосибирск, НГУЭУ)
Процесс формирования и развития среднего класса относится к
числу наиболее важных этапов экономической жизни страны,
определяющих ее стабильность и функциональность.
Средний класс – это социальный субъект, способный эффективно
инвестировать
российскую
экономику,
играть
роль
главного
налогоплательщика, выступать в качестве основного производителя и
потребителя рынка товаров и услуг страны.
Основными характеристиками, определяющими социальный
статус человека, являются уровень доходов, уровень образования и
наличие материальной собственности. При наличии данных о критериях
принадлежности объектов наблюдения, с помощью дискриминантного
анализа можно классифицировать респондентов и распределять их по
соответствующим социальным классам.
«Дискриминантный анализ – это раздел многомерного
статистического анализа, позволяющий изучить различия между двумя или
более группами объектов по нескольким переменным одновременно, а
также дискриминировать и классифицировать наблюдения по группам.
Методы классификации связаны с получением одной или
нескольких функций, обеспечивающих возможность отнесения данного
объекта к одной из групп. Эти функции называются классифицирующими
и зависят от значений переменных таким образом, что появляется
возможность отнести каждый объект к одной из групп» [1], в нашем случае
классам: богатый, средний или бедный.
Для проведения дискриминантного анализа в ППП «STATISTICA»
использовались данные о 40 субъектах, которые были опрошены и
отнесены к соответствующим классам на основании критериев
принадлежности: x1 – уровень образования, x2 – уровень доходов (руб.), x3
– наличие материальной собственности, x4 – возраст (лет), x5– пол. Задача
состояла в том, чтобы на основе аналогичных показателей
классифицировать других респондентов.
При проведении анализа в качестве группируемой переменной
выступала классовая принадлежность, а в качестве независимых – уровень
образования, доходов, наличие материальной собственности, возраст, пол.
В процессе вычислений оказалось, что самыми значимыми
параметрами при оценке являются: уровень образования (р - 0,000078),
110
уровень доходов (р – 0,000092), наличие материальной собственности (р –
0,000062). Пол и возраст оказались наименее значимыми признаками при
оценке классовой принадлежности.
В результате анализа получились следующие классификационные
функции для каждого класса:
Бедный  50,87  15,14  х1  0,00  х2  19,74  х3  0,37  х4  10,41  х5 (1)
Средний  33,26  10,35  х1  0,00  х 2  13,59  х3  0,38  х 4  9,18  х5 (2)
Богатый  28,17  6,51 х1  0,00  х 2  7,65  х3  0,29  х 4  8,86  х5 (3)
Используя функции (1), (2), (3), в дальнейшем можно будет
классифицировать новые случаи. Новые случаи будут относиться к тому
классу, для которого классифицированное значение будет максимальное.
С помощью графика рассеяния канонических значений для
канонических корней (рис. 1) можно определить вклад, который вносит
каждая дискриминантная функция в разделение между группами.
В этом примере Корень1 (root1), в основном дискриминирует
между группой Богатые и объединением групп Бедные и Средний класс.
Рисунок 1. График рассеяния канонических значений для
канонических корней 1 и 2
1.
Литература
Буреева Н.Н.. Многомерный статистический анализ с использованием
ППП «STATISTICA». Учебно-методический материал по программе
повышения квалификации «Применение программных средств в
научных исследованиях и преподавании математики и механики».
Нижний Новгород, 2007, 112 с.
111
ОЦЕНКА СТОХАСТИЧЕСКОЙ ВОЛАТИЛЬНОСТИ С
ИСПОЛЬЗОВАНИЕМ ПАКЕТА ПРИКЛАДНЫХ ПРОГРАММ
OpenBugs
Кучер Наталья Андреевна
(Саратов, Саратовский госуниверситет)
Модель стохастической волатильности (МСВ), предложенная С.
Тейлором в 1982 г. используется для описания финансовых временных
рядов. Классическое оценивание параметров для МСВ - трудная задача результат сложного вида функции правдоподобия. Байесовских анализ
МСВ затруднен из-за проблем многомерного интегрирования при
вычислении вероятностей. МСВ можно легко реализовать, используя пакет
прикладных программ BUGS (Bayesian Analysis using Gibbs Sampling), при
этом не требуется знать точные формулы для плотности или вероятности.
Главное преимущество BUGS - простота, с которой выполняются любые
изменения в модели, например, выбор различных распределений для
параметров. Недостаток BUGS является слабая сходимость.
Целью данной работы является проиллюстрировать процесс
выполнения байесовского анализа моделей стохастической волатильности,
а именно, классической модели, модели «с тяжелыми хвостами» и модели с
эффектом «финансового левереджа», используя пакет прикладных
программ BUGS. В частности, необходимо оценить значение
волатильности стохастического процесса и параметры моделей
стохастической волатильности для финансового ряда, представленного
статистическим данным ежедневного курса акций компании «Газпром» за
период с 09.01.2007 по 15.11.2011г.
Классическая модель стохастической волатильности имеет вид:
1 
yt  t  exp  t ut
2 
(1)
где
– волатильность,
- случайная величина, распределенная
по нормальному закону с нулевым математическим ожиданием и
u ~ N (0,1)
дисперсией равной 1, т.е. t
, t=1,…,n.
Для реализации модели с «тяжелыми хвостами» в классическую
модель добавляются параметры  и
*
1 
yt  t  exp  t ut
 2  , где u t ~ N (0,1) t=1,…,n
112
 t  t 1 ,  , , , 2      t 1       t 2     vt ,
vt ~ N (0, 2 )
В модели стохастического распределения с эффектом
«финансового левереджа» добавляется параметр  - корреляция:
1 
yt  t ,   exp  t ut
 2  , t=1,….n
 t  t 1 ,  , , 2 ,       t 1     vt ,
t=1,….n,
 0  1  
 ut 
  ~ N   , 

vt 
0    1  



где
.
Для оценки параметров модели стохастической волатильности
ежедневного курса акций за период с 09.01.2007 по 15.11.2011г применен
пакет прикладных программ OpenBUGS, который является эффективным
инструментом для выполнения байесовского анализа МСВ. В результате
выполненного моделирования установлено, что полученные оценки
являются вполне удовлетворительными по точности, все оценки
характеризуются сходимостью на заданном временном интервале.
Предложенный алгоритм может быть применен для оценки значений
волатильности стохастического процесса и параметров модели
стохастической волатильности для финансовых процессов, представленных
статистическими данным обменных курсов различных валют.
1.
Литература
Renate Meyer, Jun Yu. Bugs for Bayesian Analysis of Stochastic Volatility
Vodels. – 2000
113
СТАТИСТИЧЕСКОЕ ИССЛЕДОВАНИЕ ИСПОЛЬЗОВАНИЯ
ИНТЕРНЕТА В РОССИИ
Ларшина Екатерина Андреевна
(Москва, НИУ-ВШЭ)
Многие из нас не представляют своей жизни без Интернета. 3 июня
2011 года была принята резолюция ООН, признающая доступ в Интернет
базовым правом человека. Отключение конкретных регионов от Интернета
с июня 2011 года считается нарушением прав человека.
Интернет является не только источником информации. Также в
сети пользуются популярностью такие услуги, как: электронная почта,
электронные платежные системы, Интернет-радио и телевидение, реклама
и многие другие. Целью данного исследования является анализ
использования интернета в России населением и организациями.
В целом Россия по интенсивности использования интернета
находится примерно на равных с такими странами, как Словакия, Турция,
Бразилия и Малайзия, значительно обгоняя Китай, Индию и Индонезию.
По доле интернет-экономики в ВВП Россия сегодня несколько ниже
среднего уровня по сравнению с лидирующими странами. Российский
интернет-рынок, как и китайский, развивается по модели «подражания»,
копируя лучшие западные сервисы.
Численность интернет пользователей в России неуклонно растет.
Если в 2000 году всего лишь 3100000 россиян, 2.1 % от всего населения,
пользовались интернетом, то сейчас количество интернет-пользователей
достигло 70 миллионов, что составляет 49% от населения страны.
Начиная с 2003 года, Федеральная служба государственной
статистики Российской
Федерации организовала статистическое
наблюдение в области информационных и коммуникационных технологий.
Анализ данных показывает, что население и отечественные
компании
увеличивают
использование
информационных
и
коммуникационных технологий, в частности, Интернета. Благодаря этому
рынок интернет-услуг в России динамично развивается.
114
СТАТИСТИЧЕСКОЕ ИЗУЧЕНИЕ ФУНКЦИОНИРОВАНИЯ
НАЦИОНАЛЬНЫХ ПАРКОВ РОССИИ
Левченко Елена Александровна
(Москва, РГАУ-МСХА им. Тимирязева)
Национальные парки РФ - самая важная категория природных
территорий страны, находящаяся под особой охраной. В состав
национальных парков входят природные комплексы и объекты,
обладающие исключительной экологической, исторической и культурной
ценностью и имеющие общенациональное значение.
Отмечено, что основная доля национальных парков России
сконцентрирована в европейской ее части, что говорит о доступности для
большинства жителей страны. Целью работы является проведение
факторного анализа посещаемости национальных парков по субъектам РФ.
Актуальность исследования заключается в том, что полученные результаты
могут быть использованы в практических целях (контроль интенсивности
использования природных территорий).
В ходе работы были построены
ряды распределения
национальных парков по следующим признакам: число посетителей на 100
га, доля посетителей в общей численности населения. Выделены 2
национальных парка с рекордными показателями: Куршская коса и
Лосиный остров. Объяснением этому служит факт большой численности
населения в регионах нахождения парков и относительно маленькая их
площадь. Далее были выделены группы по числу лет существования. По
группам полученного интервального вариационного ряда найдены: среднее
число лет существования, средняя площадь парка, среднее число
посещений на 1 парк, число посещений на 100 га площади. Построены
таблицы и диаграммы, отчетливо показывающие тенденцию увеличения
посещаемости парков в зависимости от числа лет существования.
Последовательное исключение парков с рекордными показателями
представило, что зависимости между посещаемостью и числом лет
существования парка нет. Зависимости между числом лет существования и
посещаемостью парка нет. Прослеживается наличие 2 лидирующих парков
в 2 типических группах (5 и 6), поскольку их активная эксплуатация
обусловлена большой численностью населения в субъекте местоположения
парка и маленькой его площадью, что говорит о высокой рекреационной
нагрузке. Наибольшее влияние на показатели посещаемости имеет признак
площадь национального парка, это отслеживается также по резкому
отличию 2 группы от остальных. В будущем будет проводиться
дополнительная работа по оценке посещаемости национальных парков.
115
СТАТИСТИЧЕСКИЙ АНАЛИЗ СТРАХОВАНИЯ КОСМИЧЕСКИХ
РИСКОВ
Лежнева Мария Александровна
(Москва, НИУ ВШЭ)
На современном этапе развития России появились новые формы
осуществления космической деятельности. Согласно закону РФ «О
космической деятельности», под космической деятельностью понимается
«любая деятельность, связанная с непосредственным проведением работ по
исследованию и использованию космического пространства, включая луну
и другие небесные тела». Космическая деятельность характеризуется
повышенным риском, большими имущественными ущербами при авариях
и катастрофах на ракетно-космической техники (РКТ).
Одним из возможных способов повышения безопасности
космической деятельности и компенсации возможных ущербов экономическая
защита
и
управление
космическими
рисками.
Распространенный способ экономической защиты и управление риском –
страхование. Начиная с 70-х годов 20 века, космическое страхование
получило распространение только за рубежом. В отечественной практике
методы управления рисками космической деятельности на базе
страхования стали использоваться только со второй половины 90-х годов.
Сегодня принято различать имущественное страхование, объектом
которого выступают всевозможные материальные ценности; страхование
ответственности, предметом которого служат возможные обязательства
страхователя по возмещению ущерба(вреда) третьим лицам; личное
страхование, где основой экономических отношений выступают: жизнь,
здоровье и трудоспособность персонала наземной космической
инфраструктуры, космонавтов.
Статистический анализ различных видов страхованиепроведен за
последние 15 лет. В имущественном
страховании автором
проанализированы два наиболее финансово затратных аспекта:
1. Пуск ракеты космического назначения (РНК)
2. Летная эксплуатация космического аппарата
По всему миру с 1998 по 2008 год было произведено 743 пуска
РНК с запуском 1200 космических аппаратов (КА). Процент успешных
пусков колебался от 89,74% в 2000 году до 96,83% в 2003 году. Наименее
успешный по запускам КА стал год 2006, когда процент успешности
составлял 81,74%. Наиболее успешный-2003 год, когда успешность
составила 96,81% (рис. 1).
116
100.00
95.00
90.00
85.00
РНК
КА
80.00
75.00
70.00
Рисунок 1. Процент успешных запусков РНК и КА
При осуществлении космических программ самым частым
объектом страхования является космический аппарат (КА). 41,46% выплат
приходится на КА. Это так же связано с тем, что КА имеют самый
длительный срок службы. Их страхование происходит от этапа
транспортировки до определенного срока при летной эксплуатации (рис. 2).
2,44%
Космический аппарат
26.83
Летные испытания
41.46
Ракета-носитель
Головной обтекатель
19.51
Стартовый комплекс
9.76
Рисунок 2. Структура страховых выплат, 1998-2011 гг.
1.
2.
3.
Литература
Медведчиков Д.А. Введение в страхование космических проектов.// М.,
«Анкил», 2004-с 248.
http://www.insur-info.ru
Roskosmos.ru
117
ПОСТРОЕНИЕ СИСТЕМЫ ОДНОВРЕМЕННЫХ УРАВНЕНИЙ ДЛЯ
ЭКОНОМЕТРИЧЕСКОГО АНАЛИЗА ФАКТОРОВ СОЦИАЛЬНОЙ
КОМФОРТНОСТИ ПРОЖИВАНИЯ НАСЕЛЕНИЯ В РЕГИОНЕ12
Лещайкина Марина Владиславовна
(Саранск, МГУ им. Н.П. Огарева)
Проблема
формирования
социально
комфортной
среды
проживания является в настоящее время весьма актуальной. В рамках
новой версии «Стратегии 2020» отмечается, что «отставание России от
развитых и ряда развивающихся стран в области организации среды и
систем, поддерживающих человеческий капитал, значительно превышают
отставание в сфере материального производства и промышленных
технологий». В условиях создания новой, инновационной экономики
именно человеческий капитал играет ведущую роль, поэтому необходимо
создавать социально комфортную среду для жизни и развития человека,
которая способствует проявлению инициативы и самореализации.
Для социальной жизни общества характерна сложность и
многоаспектность, что в свою очередь выражается в системе отношений
разных свойств и уровней. Данные отношения взаимосвязаны и
взаимообусловлены. В силу своей многогранности социальноэкономические процессы наиболее полно могут быть описаны с помощью
системы эконометрических уравнений.
Система взаимозависимых уравнений, или система одновременных
уравнений представляет собой систему, в которой эндогенные переменные
(у1, у2, …, уn) рассматриваются как функции объясняющих переменных (х1,
х2, …, хn), где существуют и обратные связи между эндогенными
переменными, т. е. одни и те же переменные у одновременно
рассматриваются как зависимые в одних уравнениях и как объясняющие в
других. В качестве инструментария для оценки важнейших факторов
социальной комфортности проживания населения в Республике Мордовия
предлагается модель, построенная на основе системы одновременных
уравнений. Модель строится на данных за период 1994-2010 гг.
Дополнительно в модель в качестве экзогенных переменных включаются
лаговые переменные: y1t-1, y2t-1,y3t-1.
Процесс построения системы одновременных уравнений
начинается с проверки экзогенных переменных на мультиколлинеарность
с учетом включения лаговых эндогенных переменных. После исключения
Работа выполнена при поддержке Федеральной целевой программы «Научные и научнопедагогические кадры инновационной России на 2010-2013 годы». Государственный контракт
№ 14.740.11.0225.
12
118
коррелируемых факторов проводится регрессионный анализ (берется одна
зависимая переменная y и оставшиеся эндогенные, лаговые эндогенные и
экзогенные переменные – x; регрессионный анализ проводится пять раз,
так как в модели пять зависимых переменных – y), строится структурная
форма модели.
Исходная модель включает пять (y1, y2, y3, y4, y5) эндогенных
переменных и девять предопределенных переменных (x1, x4, x6, x14, x15, y2t-1,
y3t-1). Исследование модели и проверка ее на идентифицируемость показали
выполнение необходимого и достаточного условий. Далее находятся
оценки коэффициентов одновременной системы уравнений, для чего
используется двухшаговый метод наименьших квадратов [1].
Необходимые расчеты для оценки параметров системы
производятся с помощью ППП Statistica 6.0.
ŷ1t = 8,151 – 0,015y2t – 0,001y5t – 0,002x1 + 0,001x15 – 0,014y2t-1 – 0,004y3t-1,
t-знач.(18,61) (-5,66)
(-3,50)
(-3,29)
(12,84)
(-6,15)
(9,27)
ŷ2t = 2247,788 + 26,137y1t – 33,913x4 + 0,008x14,
t-знач. (9,52)
(4,63)
(-8,69)
(3,08)
ŷ3t = 178,735 + 0,194x1 – 1,109y2t-1 + 0,925y3t-1,
t-знач. (5,29) (4,18)
(-4,80)
(27,55)
ŷ4t = 34,352 – 0,119x6 – 0,010x14 + 0,0001x15– 0,003y3t-1,
t-знач. (50,11) (-35,49) (-8,93)
(45,73)
(-12,76)
ŷ5t = 13292,50 – 1174,63y1t + 11,89y2t – 2,32y3t + 278,03y4t + 1,53x1 + 0,03x15,
t-знач. (5,49)
(-4,53)
(4,23)
(-2,64)
(5,44)
(6,26)
(4,08)
Проверка значимости коэффициентов уравнения показала, что все
коэффициенты структурной формы значимы, так как все tнабл.>tтабл.,
уравнения в целом также значимы (Fнабл.Fтабл.).
Экономическая
интерпретация
полученных
взаимосвязей
раскрывает причинные взаимосвязи, которые лежат в основе вариации
результативных показателей социальной комфортности, что позволяет
глубже и всесторонне исследовать изучаемое явление.
1.
Литература
Елисеева И.И. Эконометрика / И.И. Елисеева, С.В. Курышева, Ю.В.
Нерадовская, Д.К Павелеску, Ю.В. Лемешко; под ред. И.И. Елисеевой.
– М.: Проспект, 2009. – 288 с.
119
СТАТИСТИЧЕСКОЕ И НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ
ЭЛЕКТРОПОТРЕБЛЕНИЯ ЛИСТОПРОКАТНОГО ЦЕХА
ПРЕДПРИЯТИЯ ЧЕРНОЙ МЕТАЛЛУРГИИ ОАО «ММК»
Липатников Андрей Владимирович
(Магнитогорск, МГТУ им. Г.И. Носова)
С 1 сентября 2006 года постановлением Правительства Российской
Федерации введены новые правила функционирования оптового рынка
электроэнергии. Начиная с 2007 года, объемы электрической энергии
(мощности), продаваемые на оптовом рынке по регулируемым ценам,
планомерно уменьшаются в соответствии с Постановлением Правительства
Российской Федерации № 205 от 7 апреля 2007 года «О внесении
изменений в некоторые акты Правительства Российской Федерации по
вопросу определения объемов продажи электрической энергии по
свободным (нерегулируемым) ценам».С 1 января 2011 г. электрическая
энергия в полном объеме поставляется по свободным (нерегулируемым)
ценам.
Объемы электроэнергии, не покрытые регулируемыми договорами,
продаются по свободным ценам. Таких способов торговли электроэнергией
в новой модели оптового рынка два – это свободные двусторонние
договоры и рынок "на сутки вперед".
Для крупных предприятий в условиях современного энергорынка
актуальной задачей является составление достоверной заявки для
электроснабжающей организации на потребление электроэнергии на
некоторый срок вперед, позволяющей уменьшить финансовые издержки,
связанные с отклонениями фактического потребления электроэнергии от
заявленного. Как правило, в соответствии с условиями договора
электроснабжения,
предприятие-потребитель
обязано
ежедневно
предоставлять заявку на плановое потребление электроэнергии на сутки
вперед с почасовой детализацией.
Постановка задачи:
Применить
регрессионный
и
нейросетевой
анализ
для
моделирования потребления электроэнергии цехом ОАО «ММК» ЛПЦ -10
на основе данных электропотребления, времени простоя и количества
проката.
Исследование проводилось в несколько этапов:
 Сопоставление данных по электропотреблению и данных по
простоям и производству.
 Проведение предварительного анализа и подбор формы модели.
120

Построение
различных
эконометрических
моделей
и
прогнозирование.
Вид моделей эконометрических моделей:
𝑦 = 122.6 − 0.836𝑡 − 0.772𝑡−1, (1)
𝑦 = 111.44 + 0.0262𝑥−1 − 0.817𝑡 − 0.599𝑡−1 , (2)
где x−1 – значение производства в предыдущем периоде,
t – значение времени простоя в данном периоде,
t −1 - значение времени простоя в предыдущем периоде,
y – значение потребления электроэнергии в данном периоде.
Архитектура нейронной сети - 4*25*4*1
Наилучшие результаты в плане наименьшей дисперсии ошибки и
наибольшего коэффициента детерминации показала модель 2.
В настоящее время на ОАО «ММК» используется среднее значение
предыдущего дня для часовой детализации. Такой подход не отражает
реального положения дел, а следовательно предприятие несет большие
убытки, связанные со штрафами, выставляемыми поставщиками в случае
недобора мощностей, или неиспользования заказываемых мощностей.
Полученные эконометрические модели достаточно хорошо прогнозируют
значения электропотребления и позволяют в значительной степени
сократить убытки.
Дальнейшее моделирование в данной области является
перспективным направлением, так как позволит более точно планировать
электропотребление, и соответственно повысит энергоэффективность
работы предприятия, и в конечном результате позволит получить
значительный экономический эффект.
1.
2.
Литература
Никифоров Г.В., Олейников В.К., Заславец Б.И. Энергосбережение и
управление энергопотреблением в металлургическом производстве. –
М.: Энергоатомиздат, 2003 -480с.
РАО «ЕЭС России»: http://www.rao-ees.ru
121
СОВРЕМЕННЫЙ УРОВЕНЬ РАЗВИТИЯ ФЕРМЕРСКИХ
ХОЗЯЙСТВ В УКРАИНЕ НА ПРИМЕРЕ ЛУГАНСКОЙ ОБЛАСТИ
Лысенко Екатерина Александровна
(Луганск, ЛНУ им. Т. Шевченко)
Поддержка фермерских хозяйств, которая была особенно
действенной на начальном этапе их создания в Украине в современных
условиях значительно сократилось. Увольнение на первые три года от
налогов через инфляцию и диспаритет цен не дало возможности фермерам
осуществлять расширенное воспроизводство. Даже фактор частной
собственности, особенно на фоне глубокого экономического кризиса
национальной экономики, в том числе аграрной сферы, не сработал
должным образом. Фермерство уже не таким престижным, как это было в
начале его зарождения. По сравнению с другими формами хозяйствования
эффективность фермерских хозяйств также не отличается высоким
уровнем.
Процесс становления и развития фермерских хозяйств в Луганской
области проходит с большими трудностями, что связано с влиянием ряда
экономических,
финансовых,
юридических,
психологических
и
экологических факторов. Наряду с увеличением количества фермерских
хозяйств наблюдается низкая результативность и эффективность их
хозяйственной деятельности. Общее производство продукции сельского
хозяйства во всех категориях хозяйств за январь 2012г. сравнению с
соответствующим периодом 2011г. уменьшилось на 6,2%, в т.ч. в
сельскохозяйственных предприятиях - на 0,9%, в хозяйствах населения - на
12,0% (рис. 1) [1].
120
110
100
110,5
101,4 102,8 101,3 101,7 100,6 101,4
113,7
120,9 120,3
119,7
105,6
93,8
90
январь
2012р.
декабрь
ноябрь
октябрь
сентябрь
август
июль
июнь
май
апрель
март
февраль
январь
2011р.
80
Рисунок 1. Изменения объемов сельскохозяйственного производства
(с нарастающим итогом в % к соответствующему периоду
предыдущего года)
122
Основными положениями аграрной политики области по развитию
фермерства, определения направлений его функционирования в рыночных
условиях, должны быть: расширение размеров хозяйств на условиях
аренды, развитие обслуживающей кооперации, объединения в союзы,
совершенствования механизма кредитования, налогообложения, оплаты
труда и информационно-консультационного обеспечения фермеров.
Особенно важная роль в достижении эффективного развития
фермерских хозяйств принадлежит обслуживающей кооперации. Именно
обслуживающие кооперативы могут преодолеть те проблемы, которые
сельскохозяйственные производители не могут решить в одиночку. Как
показывает опыт деятельности фермерского хозяйства, именно
объективные условия их развития обусловливают необходимость
объединения с различными формами хозяйствования для создания
собственных структур по переработке и реализации продукции,
организации производственно-технического обслуживания и т.п.
Кооперация фермеров позволяет не только эффективно
использовать собственные ограниченные ресурсы и рационально
распределять свои силы, но и существенно повышать результативность
производства. При кооперировании нужно найти такие варианты
кооперации, особенно в производстве сельскохозяйственной продукции,
которые бы позволили использовать преимущество кооперации
(увеличение земельных участков, применения индустриальных технологий,
рациональное использование техники, рабочей силы и др.).
Наиболее известный вариант кооперации является добровольное
объединение земельных участков и технических средств фермеров с целью
эффективного применения севооборотов, прогрессивных технологий и
использования техники. Оно предусматривает ведение производства на
совместной основе, а также распределение доходов пропорционально
внесенному вкладу в результате производства.
Важным фактором поддержки фермерских хозяйств в современных
условиях является обеспечение действенности механизма их кредитования
под гарантии Правительства и органов местного самоуправления.
Государственные средства по прозрачной и понятной схеме необходимо
направлять прежде всего на обновление состава основных средств и
дифференциацию производства в небольших фермерских хозяйствах.
1.
Литература
«Состояние сельского хозяйства Луганской области за январь 2011
года» [Электронный ресурс] - Режим доступа: www.lg.ukrstat.gov.ua
123
СВЯЗЬ МЕЖДУ РЕШЕНИЯМИ ПАРАБОЛИЧЕКОГО И
СТОХАСТИЧЕСКОГО УРАВНЕНИЙ БАНКОВСКИХ ВКЛАДОВ
Магомедов Руслан Ибрагимович
(Махачкала, ДГУ)
Пусть дано стохастическое дифференциальное уравнение общего
вида:
(1)
dx  F ( x, t )dt  G( x, t )dX
где F и G заданные неслучайные функции двух переменных X (t ) –
Марковский стохастический процесс, который определяется переходной
функцией
плотности    ( y, s : x, t ) , определяющий функциями
c( x, t ), b( x, t ) сильной непрерывности Марковского диффузионного
процесса [1,стр 143].
Для переходной функции  , выражающей функцию плотности
вероятностей банковского вклада u ( x, t ) можно получить уравнение
Колмогорова параболического типа
u

1 2
(2)

(cu ) 
(bu )  0, t  x
t
x
2 x 2
Добавив к уравнению (1) начальное условие в момент времени
ts
x t s  x0 ,
получаем задачу Коши.
Эту же задачу можно получить для банковского вклада в частном
случае, когда x выражает винеровский процесс, при котором c  0, b  1
X  w , для вычисления функции плотности u ( y, s : x, t ) процесса
x(t ) получается стохастическое уравнение в форме Ито для X  w
(3)
dx  Fdt  Gdw
и
в области D  ( s  t  )  (  x  ) .
Для нахождения решения уравнения (3) подбираем новый
случайный процесс
(4)
Z (t )  Z ( x (t ), t )
Эта функция, монотонно возрастающая по переменной и
достаточно гладкая, удовлетворяет формуле дифференцирования Ито [2]
1
(5)
dz  ( Z '  FZ '  Z " ) dt  GZ ' dw
t
x
2
x2
x
124
Разрешив уравнение (4) относительно x , подставляем в (5). В
результате, используя интеграл Ито, получаем искомое решения для
стохастического дифференциального уравнения. К примеру, найти
решение
dx   xdt  e t dw
et dx  e x xdt  dw
Возьмем в качестве нового случайного процесса
z (t , x)  et x .
Тогда по формуле дифференцирования Ито имеем
dz  d (e t x)  e t xdt  e t dx 
1
0dx 2  e t xdt  e t dx
2
Сравнивая с исходным уравнением, получим
d (et x)  dw .
Проинтегрировав по [0,t], имеем
e x  x0  wt  w0 .
t
Если
воспользуемся
начальными
условиями
x t s  x0
и
соответственно условием w0  0 , получим
xt  e  t x0  e  t w .
1.
2.
Литература
Ерофенко В.Т., Казловская И.С. Уравнения с частными производными
и математические модели в экономике. М.: Изд. Едитория УРСС, 2004
Оксендаль Б. Стохастические дифференциальные уравнения. Введение
в теорию и приложения. М.: Изд. Мир.2003
125
МЕТОДИКА РАСЧЕТА ДЕНЕЖНЫХ ДОХОДОВ НАСЕЛЕНИЯ
В РАЗРЕЗЕ МУНИЦИПАЛЬНЫХ ОБРАЗОВАНИЙ
Максимова Ирина Георгиевна
(Москва, НИУ ВШЭ)
В настоящее время показатель денежных доходов населения
определяется Росстатом на федеральном и региональном уровне, исходя из
объемов выплат и расчетов с населением на основе данных форм
отчетности, формируемой на уровне субъекта РФ в целом.
По муниципальным образованиям информация, необходимая для
определения показателя денежных доходов населения в строгом
соответствии с действующей методологией, отсутствует. Это, несомненно,
негативно отражается на работе органов государственной и муниципальной
власти, т.к. наличие данного показателя позволило бы решить вопросы
формирования межбюджетных отношений и разработки мер по снижению
межрегиональной дифференциации доходов населения.
Начиная с 2006 года, Росстат осуществляет сбор информации о
доходах населения в разрезе муниципальных образований с учетом данных
государственных органов, ведущих учет доходов и выплат населению.
Расчет осуществляется с помощью макета таблицы №1 – расчет «Объем
социальных выплат населению и налогооблагаемых денежных доходов
населения по муниципальным районам (городским округам) субъекта
Российской Федерации».
В этой методике учитываются доходы населения, включающие
суммарный объем налоговой базы, регистрируемой налоговыми органами
при исчислении налога на доходы наемных работников, индивидуальных
предпринимателей, крестьянско-фермерских хозяйств и физических лиц,
объемы пенсий и пособий из Пенсионного Фонда РФ, социальных выплат
населению, осуществляемых за счет средств субъектов РФ.
Первая апробация методики проводилась в 4 регионах: Брянской
области, Ростовской, Томской областях и Республике Коми.
Начиная с 2009 года, в апробации методики расчета
муниципальных денежных доходов участвуют все субъекты РФ.
На этапе практической реализации выявился ряд проблем,
основными из которых являются следующие:
1) предоставление данных от Федеральной налоговой службы и
Пенсионного Фонда РФ, группируемых по признаку места регистрации
физических лиц – получателей доходов, на регулярной основе.
В группировках по признаку места регистрации физических лиц получателей доходов в разрезе муниципальных образований Российской
126
Федерации необходимо использовать Общероссийский классификатор
муниципальных образований (ОКТМО), однако он указанными
ведомствами в настоящее время при обработке информации не
применяется.
Согласно действующему порядку формирования налоговой
отчетности, сведения о налогоплательщиках кодируются на основе двух
первых знаков ОКАТО, что позволяет идентифицировать объемы
налоговой базы по признаку их регистрации только на уровне субъекта
Российской Федерации.
Проблемным вопросом остается позиция ПФР, который считает
невозможным в современных условиях обеспечить достоверность
предоставляемой информации из-за отсутствия запрашиваемых данных в
установленной отчетности, а также в связи с тем, что структура
территориальных органов Пенсионного фонда Российской Федерации в
большинстве случаев не соответствует структуре муниципальных
образований.
Таким образом, для достоверного расчета денежных доходов в
разрезе муниципальных районов (городских округов) необходимо
заключить соглашения об информационном взаимодействии между
Росстатом, ФНС и Пенсионным Фондом РФ.
2) Объем личных доходов населения по муниципальным
образованиям, рассчитанный по предложенной схеме, охватывает 55-75%
объема денежных доходов, рассчитанных по методике в целом по
субъектам Российской Федерации. В этой связи возникает задача
расширения состава компонентов доходов и их досчета расчетным путем и
путем дезагрегирования данных, имеющихся на уровне субъекта, на основе
косвенных данных, к числу которых относятся: численность населения по
муниципальным
образованиям;
численность
индивидуальных
предпринимателей; детей; число родившихся детей и число родов и т.д.
Расширенный состав компонентов доходов населения по
муниципальным образованиям позволит приблизиться к объему доходов,
официально учтенных по методике в целом по субъектам Российской
Федерации.
1.
Литература
Жарова А.И. Методологические рекомендации по статистическому
согласованию показателей доходов населения, формируемых на
федеральном, региональном и муниципальном уровне. - М.: НИИ
статистики Росстата, 2011
127
ДИФФЕРЕНЦИАЦИЯ РЕГИОНОВ РФ ПО СОСТОЯНИЮ ОТРАСЛИ
ЖКХ
Мартынова Ульяна Дмитриевна
(Магнитогорск, МГТУ им. Г.И. Носова)
Отрасль жилищно-коммунального хозяйства является одной из
крупнейших отраслей отечественной экономики. Доля ее основных фондов
составляет более 26% от общего объема основных фондов. Однако к
настоящему времени многие основные фонда отрасли устарели как морально,
так и физически. По официальным данным степень их износа достигает 60%.
Значительная часть жилищного фонда находиться в ветхом и аварийном
состоянии. Растет число фактов утечек на инженерных сетях тепло и
водоснабжения, материальные последствия которых отражаются, прежде всего,
на потребителях. Эти и другие факторы послужили причиной инициализации
процессов реформирования ЖКХ. В качестве основных направлений реформы
можно выделить:
Однако, для усовершенствования процесса реформирования и
корректировки основных задач, с учетом особенностей каждого региона,
необходимы как количественные, так и качественные оценки текущего уровня
развития отрасли ЖКХ и оценки результативности, проведенных в рамках
данной реформы мероприятий по каждому субъекту Российской Федерации.
На первом этапе данной работы была исследована результативность
проведения реформы ЖКХ. Анализ проводился по 11 показателям,
отражающим основные направления реформирования, на основе которых
методом двойной свертки Недосекина была получена сводная интегральная
оценка за два периода: базовый (2006 год) и текущий. Данная оценка позволила
выделить регионы, в которых данная реформа оказалась наиболее
результативной, а именно:
1. Курганская область
2. Амурская область
3. Удмуртская Республика
4. Ставропольский край
5. Белгородская область
На втором этапе работы были сформированы два интегральных
индикатора: «Оценка состояния отрасли» и «Меры по улучшению отрасли».
На основе данных индикаторов была построена матрица дифференциации
регионов России по уровню текущего состояния отрасли следующего вида
(таблица1).
128
Таблица 1
Матрица дифференциации Регионов РФ по состоянию отрасли ЖКХ
Оценка
состояния
отрасли
Высокая
Средняя
Низкая
Меры по
улучшению
Высокие
1
1
2
Средние
1
2
3
Низкие
2
3
3
Таким образом, было получено разбиение всех регионов России на 9
кластеров. Особого внимания заслуживают регионы, попавшие в зону 3
(Низкий уровень развития ЖКХ в отрасли и недостаточные меры по
реформированию), т.к.
1. Астраханская область
2. Забайкальский край
3. Ивановская область
4. Курганская область
5. Ленинградская область
6. Новгородская область
7. Республика Саха
8. Сахалинская область
9. Тверская область
Таким образом, данные методы исследования позволяют не только
качественно оценивать сводный агрегированный показатель уровня развития
сектора жилищно-коммунального хозяйства, но и проследить уровни
отдельных факторов, включенных в анализ. На основе данного метода
исследования можно выделить «сильные» и «слабые» стороны сектора ЖКХ, а
также наиболее отстающие регионы РФ и дать рекомендации по
корректированию политики реформирования.
1.
2.
Литература
Недосекин А.О. «Фондовый менеджмент в расплывчатых условиях». - СктПб.:2003. – 201 с.
Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2
т. 2-е изд., испр. - Т.1: Айвазян С.А., Мхитарян В.С. Теория
вероятностей и прикладная статистика. - М.: ЮНИТИ-ДАНА, 2001. –
656 с.
129
АНАЛИЗ ДЕМОГРАФИЧЕСКИХ СОБЫТИЙ ЖИЗНИ
Митрофанова Екатерина Сергеевна
(Москва, НИУ ВШЭ)
Для изучения демографических событий и исследования
взаимосвязи между ними используются статистические, эконометрические
методы и модели, позволяющие работать с временными переменными.
Создание партнерских и брачных союзов, расставания, разводы,
рождение детей происходят в течение жизни людей. Чтобы
структурировать эти события жизненного пути, используют привязку к
возрасту. Т.к. времена жизни не являются нормально распределенными и
часто цензурированы (есть незавершенные наблюдения), то классическая
техника множественной регрессии для их анализа не подходит. Для этих
целей в статистике, демографии, социологии разработан целый арсенал
методов, наиболее распространенный и признанный из которых – «Анализ
наступления событий» (АНС, Event History Analysis).
АНС изучает зависимость риска наступления (или ненаступления)
события от продолжительности пребывания объекта в группе риска, а
также от ряда других характеристик объекта и внешних факторов,
влияющих на этот риск (Бурдяк, 2007, с.189-202). Зависимой переменной в
событийном анализе выступает показатель перехода из одного состояния в
другое. Благодаря этому показателю появляется возможность соотнести
вероятные изменения состояний в будущем с прошлыми биографическими
наблюдениями. Он лежит в основе моделирования временной координаты
жизненного пути наблюдаемого объекта (Conveney, Highfield, 1990).
В нашем исследовании мы использовали все инструменты анализа
наступления событий, доступные в статистическом пакете СПСС (SPSS):

регрессия Кокса (Cox Regression) или модель
пропорциональных рисков – полупараметрический метод, позволяющий
представить риск наступления события в виде функции, зависящей от
времени, и oценить влияние каждой из независимых переменных на этот
риск (Кокс, Оукс, 1988);

метод множительной оценки Каплана-Майера (KaplanMeier Estimation) – метод, похожий на модель пропорциональных рисков,
но работающий только с «неочищенными» рисками наступления события.
Однако он позволяет получить оценки времени протекания событий для
половины респодентов совокупности, что существенно расширяет анализ;

построение
таблиц
выбытия
(Life
Tables)
–
непараметрический метод, позволяющий дать оценку вероятности
наступления события, рассчитать числа выбывающих из под наблюдения.
130
На основе панельной составляющей двух волн обследования
«Родители и дети, мужчины и женщины в семье и обществе» (РиДМиЖ),
проведенного Независимым Институтом Социальной Политики в 2004 и в
2007 годах, было построено 7 786 брачно-партнерских биографий россиян.
Методами АНС исследовались 1-ые события в репродуктивной и
матримониальной сферах. В общем случае, событие – это рождение 1го
ребенка, объекты – респонденты репродуктивного возраста. Время –
количество месяцев с момента наступления 1го матримониального события
до зачатия 1го ребенка. Объясняющие/стратифицирующие переменные –
пол, тип населенного пункта, поколение и возраст вступления в 1ый
брак/партнерство.
Полученные
результаты
явились
первым
эмпирическим
доказательством наличия второго демографического перехода в России.
Вот лишь некоторые выводы, сделанные на основе анализа методами АНС:
1. Воспроизводственное поведение поколений 1970-1989 г.р.
значительно отличается от поведения всех предшествующих поколений
(1920-1969 г.р.) откладыванием рождения первенцев на более старшие
возраста, снижением количества рождений, более ранним началом
партнерских союзов и меньшим количеством браков.
2. В послевоенных, но доперестроечных поколениях 1ый
зарегистрированный и незарегистрированный союз практически в равной
степени являются предикторами рождения первенца. В когортах 1970-1989
годов рождения связь между матримониальным и репродуктивным
поведением ослабевает, причем в партнерстве сильнее, чем в браке.
3. Поведение поколений 1920-1969 г.р. на протяжении полувека
сохраняло не только межвременное единообразие, но было однородно по
гендерному признаку и в зависимости от типа союза. Поведение же
молодежи отличается не только от предшественников, но и сильно
дифференцировано внутри когорты. Так, девушки, вступившие в 1ый брак,
рожают 1го ребенка как их мамы – примерно через полтора года. Девушки,
состоящие в 1ом партнерстве, – через 3 года. А у юношей, состоящих и в
1ом браке, и в 1ом партнерстве, если и появляется первый ребенок, то не
раньше чем через 5 лет, что дольше, чем у их отцов и дедов почти в 5 раз.
Литература
1. Бурдяк А.Я. Применение метода «Анализ наступления события (event
history analysis)» с помощью пакета SPSS // SPERO N6 , 2007
2. Conveney P., Highfield R. The arrow of time. London: Allen, 1990
3. Кокс Д., Оукс Д. Анализ данных типа времени жизни. - М.: Финансы и
статистика, 1988
131
СТАТИСТИЧЕСКИЙ АНАЛИЗ РЫНКА ТРУДА
РЕСПУБЛИКИ БУРЯТИЯ
Мункуев Игорь Сергеевич
(Улан-Удэ, ВСГУТУ)
Изучение занятости населения является одной из основных целей
любого прогрессивного общества. Анализ тенденции в изменениях
занятости населения позволяет судить насколько эффективна социальноэкономическая политика государства, и в какой степени общество
справляется с поставленными задачами.
Более наглядно структуру занятости населения можно рассмотреть
на рис. 1.
11
7%
10
9%
2005
12
2
1 2%
10%
3%
3
19%
9
7%
8
7%
7
9%
12
11 4%
8%
5
7%
2010
1
8%
2
2%
10
10%
3
15%
9
8%
8
8% 7
9%
4
3%
6
17%
6
19%
4
3%
5
7%
Рисунок 1. Структура занятости в 2005 году и в 2010 году
132
Для анализа рынка труда использовались такие методы, как
изучение структуры и динамики, корреляционно-регрессионный анализ,
построение тренда.
Анализ осуществляется при помощи программы STATISTICA 6.0.
Y – численность безработных, тыс. чел.
X1 – численность занятых, тыс. чел.
X2 – численность населения, тыс. чел.
X3 – среднемесячная заработная плата, руб.
Построим матрицу корреляции (рис. 2).
Рисунок 2. Матрица корреляции
Результаты регрессионного анализа представлены на рис. 3.
Рисунок 3. Результаты регрессионного анализа.
Из уравнения следует, что при увеличении численности населения
на одну единицу, численность безработных увеличится на 0,841.
В ходе анализа сделаны выводы о том, что состояние рынка труда
в Республике несколько хуже, чем в целом по Российской Федерации,
однако ситуация с каждым годом улучшается.
133
ПРИМЕНЕНИЕ ЭКОНОМИКО-МАТЕМАТИЧЕСКОГО
МОДЕЛИРОВАНИЯ ПРИ АНАЛИЗЕ ВЗАИМООТНОШЕНИЙ
В КОЛЛЕКТИВАХ
Мухутдинова Кристина Альбертовна
(Магнитогорск, МГТУ им. Г.И. Носова)
На сегодняшний день нет удовлетворительной математической
модели малых социальных групп. Многие исследования в этой области
носят полуколичественный характер. Теория малых социальных групп
основывается на анализе различных ценностей, которые мотивируют
поведение индивидов в коллективах и в обществе в целом.Данные модели
хотя и не учитывают все возможные факторы, но максимально сочетают
их.
Модель включает в себя такие факторы, как взаимоуважение в
коллективе, сильные стороны, профессионализм и компетентность
отдельного работника. Она помогает выявить лучшего кандидата, лидера,
который в дальнейшем будет выбран на определённую должность. Данная
проблема в настоящее время носит актуальный характер. От такого выбора
зависит эффективность производства, морально-психологический климат в
коллективе и будущее данного предприятия. Для повышения
эффективности производства, управления конфликтами в коллективе
необходимо принятие правильных решений со стороны руководства.
С помощью использования математических моделей можно
проанализировать
и
интерпретировать
социально-психологическое
состояние коллектива и отдельных индивидов вследствие их
взаимодействия в процессе производственной деятельности. Выявить
лидера, наиболее компетентного работника. Другими словами выбрать
«лучшего» кандидата на определённую должность из возможных
альтернатив. В данной модели решается проблема такого выбора
руководством.
1.
2.
Литература
Милованов В.П. Неравновесные социально-экономические системы:
синергетика и самоорганизация. – М.: Эдиториал УРСС, 2001. – 264 с.
Журавлев С.Г., Аниковский В.В. Дифференциальные уравнения. – М.:
Издательство «Экзамен», 2005. – 128 с.
134
УРОВЕНЬ ТЕНЕВОГО БИЗНЕСА КАК ИНДИКАТОР
ЭКОНОМИЧЕСКОЙ БЕЗОПАСНОСТИ
Никифорова Мария Ивановна
(Новосибирск, НГУЭУ)
Экономическая безопасность в настоящее время привлекает к себе
все большее внимание – это гарантия независимости страны, условие
стабильности и эффективной жизнедеятельности общества, гарантия
достижения успеха. Немалую роль играет теневой бизнес. По данным
статистики, объем теневого бизнеса составляет 14-17% ВВП.
Для определения же экономической безопасности важны не
столько ее показатели, сколько их пороговые значения. В 2001г. в
Екатеринбурге Институт экономики Уральского отделения Российской
Академии наук (ИЭ УрО РАН) совместно с Министерством энергетики
Российской Федерации и Уральским государственным техническим
университетом
разработал
комплексную
методику
диагностики
экономической безопасности территориальных образований РФ.
Отдельным вопросом в этой методике стало формирование пороговых
значений индикаторов экономической безопасности. Предлагаем
дополнить ее еще одним индикатором – уровень теневого бизнеса.
В качестве индикатора теневого бизнеса может выступать доля
теневой экономики в валовом выпуске региона (отрасли). В соответствии с
методикой ИЭ УрО РАН, предлагаем также выделить 7 кластеров
состояния ЭБ (от «нормального» состояния до «чрезвычайного кризиса»).
Нормальное экономическое состояние соответствует 0, когда теневой
бизнес отсутствует. Остальные 6 кластеров получаем в результате
выделения равных групп в интервале от 0 (не включая) до 1.
Расчеты за 2009 год показали, что экономическая безопасность
Новосибирской области по индикатору теневого бизнеса находится в
«развивающемся предкризисе». Основными создателями нестабильности
развития региона выступают предприятия сельского хозяйства,
рыболовства, рыбоводства, оптовой и розничной торговли, гостиницы и
рестораны. В случае увеличения объемов теневого бизнеса в экономике
Новосибирской области отдельные отрасли будут неуклонно вовлекаться в
следующие категории «критического предкризиса» и дальнейшего
«кризиса» по уровню экономической безопасности, что крайне
нежелательно для устойчивого роста экономики области и благосостояния
населения. Правительству Новосибирской области необходимо обратить
особое внимание на кризисные и экономически небезопасные отрасли с
точки зрения теневого бизнеса отрасли.
135
ФАКТОРЫ ДОХОДА И СТРУКТУРА ЗАНЯТОСТИ
В ПРЕДПЕНСИОННОМ И ПЕНСИОННОМ ВОЗРАСТЕ
Николаюк Елена Андреевна
(Москва, НИУ-ВШЭ)
Неизбежная тенденция демографического старения выражается в
увеличении доли старшей возрастной группы, что влечет за собой в свою
очередь рост её социальной значимости. С кардинальными изменениями в
возрастном составе связаны многочисленные социально-экономические
диспропорции и проблемы: нарушение соотношения между работниками и
иждивенцами,
рост расходов на социальное обеспечение и
здравоохранение, депопуляция и уменьшение предложения рабочей силы,
падение производительности труда, пересмотр границ пенсионного
возраста с целью вовлечения представителей старших поколений в
трудовую деятельность и уменьшения нагрузки на бюджет, и пр.
Источником подобных изменений является снижение рождаемости,
которое особенно быстро протекало после второй мировой войны. В итоге
в настоящее время по данным государственной статистики в возрастах
старше трудоспособного находится более 20% населения. Эта обширная
социально-демографическая группа предпенсионного и пенсионного
возраста, с одной стороны, требует к себе повышенного внимания, а с
другой – является носителем знаний и умений, человеческого капитала,
который можно и необходимо использовать.
Процесс старения населения как результат демографического
перехода свойственен не только России. Это глобальная демографическая
тенденция. Специфика трансформаций, происходящих в России,
заключается в том, что стадия старения населения, обусловленная
снижением рождаемости (старение снизу) уже пройдена. Вторая стадия,
обусловленная снижением уровня смертности в старших возрастах
(старение сверху) только начинается. В итоге средняя продолжительность
жизни мужчин близкая к границе пенсионного возраста, что является
одним из факторов, не позволяющих поднять эту границу. В то же время за
увеличение пенсионного возраста выступает тот факт, что в России
пожилые люди продолжают активно работать и после выхода из рабочего
возраста. Для многих зарубежных стран сохраняется иная тенденция ранний, по отношению к установленному пенсионному возрасту, уход на
пенсию (early retirement) [Bütler M. et al., 1], в их число входит, например,
Великобритания, Швейцария, Германия, Нидерланды. В России же при
достижении пенсионного возраста люди продолжают работать.
136
Уникальность российской действительности подталкивает к
проведению исследований, направленных на поиск факторов, которые
влияют на продолжение пребывания в рядах экономически активного
населения. Условно эти факторы можно разделить на две группы:
социально-психологические и экономико-демографические. К первым
относятся желание быть в коллективе, получение морального
удовлетворения от труда, стремление быть нужным, востребованным
[Смирнова, 129]. Они неразрывно связаны с активной позицией пенсионера
- быть частью коллектива, но не быть одиноким. Ко второй группе
относятся недостаточность получаемых от пенсии денежных средств,
доступность рынка труда, состояние здоровья индивида и его
образовательный и профессиональный потенциал.
Доход, тем самым, является ключевым элементом при разработке
социальной политики. Каковы другие факторы, оказывающие влияние на
доход людей в предпенсионном и пенсионном возрасте, мы и попытаемся
выяснить.
С проблемами занятости лиц старшей возрастной категории, так
или иначе, сталкивается любое общество. В России решение о
продолжении трудовой деятельности приходится принимать самим
пенсионерам, продолжающим работать и после наступления пенсионного
возраста, если есть такая возможность. В развитых странах (за
исключением скандинавских) такой тенденции в занятости лиц в
пенсионных возрастах не наблюдается: статистика показывает резкий спад
в доле занятых после наступления пенсионного возраста. Если обратиться к
российскому случаю, то можно наличие противоречия между достаточно
высоким уровнем занятости в раннепенсионный период, с одной стороны,
и неизменным пенсионным возрастом (в первую очередь, из-за низкой
средней продолжительности жизни мужчин) для всех представителей
старшей возрастной группы, с другой. В развитых странах граница
пенсионного возраста была увеличена. В докладе я попытаюсь показать
выявленные факторы, оказывающие влияние как на занятость, так и на
доходы людей в предпенсионных и пенсионных возрастных группах.
1.
2.
Литература
Bütler M., Huguenin O. and Teppa F. Why Forcing People to Save for
Retirement May Backfire // Conference on Pension Reform. 2005
Смирнова Т.В. Перспективы занятости пожилых в условиях
демографического постарения // Журнал социологии и социальной
антропологии, 2007. Том 10, №2
137
ТЕХНИКА РИСК-МЕНЕДЖМЕНТАПОРТФЕЛЯ ЦЕННЫХ БУМАГ
НА ПРИМЕРЕ ПОКАЗАТЕЛЯ VAR
Ничков Георгий Сергеевич
(Москва, ФА при Правительстве РФ)
Работа посвящена анализу риска портфеля ценных бумаг с
использованием трех способов расчета показателя VaR:

Стандартное отклонение.

Простая средняя.

Экспоненциально-взвешенная простая средняя.
Анализ проводился на основе данных за период с 21.10.2010 по
21.10.2011 по портфелю, который состоял на 81,7% из cash и на остальные
18,3% – из трех ценных бумаг (на 21.10.2011):

6,6% приходится на обыкновенные акции Газпрома,

6,1% – на обыкновенные акции Лукойла,

5,6% – на привилегированные акции Сбербанка.
Общая стоимость портфеля на момент формирования составляла 1
млн. руб. Исходя из проведенных вычислений, можно сделать вывод, что
по методу стандартного отклонения среднедневная доходность по двум из
трех акций была отрицательной величиной (-0,003% и -0,053% для LKOHи
SBERP03 соответственно) за прошедший год. Стандартное отклонение
доходностей, которое интерпретируется в волатильность акции, заметно
доминирует над средней доходностью для всех трех ценных бумаг на
коротких горизонтах (1,972% против 0,00051% дляинструменту GAZP,
единственному показавшему положительную динамику).
Ковариацию портфеля достаточно сложно экономически
интерпретировать: можно лишь сказать, что цены на SBERP03 и GAZP с
наибольшей вероятностью будут вместе превышать свои ожидаемые
значения (0,026%), однако трейдеры редко пользуются этим свойством при
построении моделей.
Таблица 1
Корреляционная матрица (способ стандартного отклонения)
Тикеры
GAZP
LKOH
SBERP03
GAZP
1,0000
0,7077
0,6326
LKOH
0,7077
1,0000
0,6275
SBERP03
0,6326
0,6275
1,0000
Из таблицы 1 следует, что теснее всего были связаны движение
доходностей акций Газпрома и Лукойла (0,7), что легко может быть
объяснено близкой специализацией их операционной деятельности. В то же
время интересно заметить, что движение доходности привилегированных
138
акций Сбербанка показали тоже высокую степень связи с акциями
нефтегазовых компаний (около 0,6).
Для наиболее объективного определения показателя VaR
(ValueatRisk) обратимся к методу экспоненциально взвешенной скользящей
средней (EWMA), который имеет такие преимущества, как отражение
убывания влияния более далеких по времени доходностей на прогнозные
значения. Согласно ему, портфель на горизонте одного дня с 95%
вероятностью (уровень значимости – альфа – взят на уровне 5%) просядет
не более чем на 1384 руб. Значимость, следовательно – и планка,
берущаяся для прогнозирования частоты ее превышения, не зависит от
консервативности фондового игрока, его отношения к риску. Эффект
диверсификации при взятой структуре портфеля составит - 4 898,69 руб.,
что
получается
через
разность
между
VaRпортфеля
(диверсифицированныйVaR)
и
суммой
VaRкаждой
из
бумаг
(недиверсифицированныйVaR).
Однако реалии российского фондового рынка, далекого от
совершенства, опровергает полученный результат, так как вовремя
тестирования данного портфеляв течение 2-х месяцев дневное падение
стоимости портфеля превышало этот предел в 2 раза чаще, чем
предполагается (5%).
Поэтому несмотря на то, что показатель VaRпрочно вошел в
практику риск-менеджмента с того самого момента, как его начали
рассчитывать аналитики JPMorgan, можно согласиться с известным
трейдером НиссимомТалебом, по выражению которого VaR«дает ложную
уверенность и игнорирует 2500 лет опыта торгов».
139
СТАТИСТИЧЕСКИЙ АНАЛИЗ ВЫБОРОВ ПРЕЗИДЕНТА РФ 2012Г
Олейников Антон Аркадьевич,
Коробова Светлана Дмитриевна
(Новосибирск, НГУЭУ)
На дворе 2012 год и перед всеми гражданами РФ встал вопрос:
«Как мы будем жить дальше? Какой дорогой пойдет наша страна?». А
причиной этого вопроса, как и решением, являются выборы. Целью работы
является статистический анализ результатов выборов Президента РФ 2012.
Основой представления статистических данных о выборах являются
относительные величины структуры. В работе для анализа структурных
изменений были использованы интегральный коэффициент К. Гатева,
индекс структурных сдвигов А. Салаи, критерий В.М. Рябцева. Также
использовались табличный и графический методы.
На основе данных о структуре голосов избирателей по прогнозу
ФОМ и данных ЦИК об итогах выборов Президента РФ были
проанализированы различия между указанными структурами в 2008 и 2012
годах. Критерий Рябцева продемонстрировал тождественность структур в
обоих случаях, но в 2008 году различие между прогнозом и результатом
было менее существенным, чем в 2012. Это означает, что мнение граждан
РФ в 2012 году было более нестабильным.
Предпочтения россиян (по данным ВЦИОМ) за последние три
месяца до выборов наиболее сильно изменились в период с 18.12.11 по
25.12.11. Опросы населения проводились с целью узнать, кому отдали бы
свои голоса избиратели, если бы выборы состоялись в ближайшие дни. В
остальное время различия присутствуют, но при этом наблюдается «весьма
низкий уровень различий» в структуре предпочтений. На изменение
предпочтений избирателей влияет избирательная кампания каждого
кандидата. Но все ли следят за ходом предвыборной гонки?
Результаты опросов ФОМ свидетельствуют о том, что в 2012 году
за ходом избирательной кампании кандидатов следили 55% граждан РФ
(против 60% в 2008 году). Анализ источников получения информации о
ходе предвыборной кампании свидетельствует о лидирующем положении
телевизионных информационных и аналитических программ, а также
теледебатов. Результаты Exit poll по федеральным округам дали основание
определить, что:
 в СЗФО, СКФО, УФО структура электората тождественна этой же
структуре по всей России;
 в ЦФО, ПФО, СФО структура электората весьма слабо отличается
от общероссийской;
140

в ЮФО наблюдаются наиболее заметные различия в структуре
голосования по сравнению с общероссийской.
Затем было проведено сравнение итогов выборов Президента РФ
2012 года, предоставленных ЦИК, и результатов Exit poll. По критерию
Рябцева, между указанными данными наблюдается весьма низкий уровень
различий. Социальным смыслом этого результата являеться то, что вопреки
мнению противников избранного президента, которые пытаются заявить о
нечестности выборов, выборы можно признать честными, что и
подтверждает проведенный анализ.
1.
2.
3.
Литература
http://fom.ru/
Журнал БизнесИнформ №5(2), 2010
Статистика: Учебник под ред. В.Г. Ионина – М.:ИНФРА-М, 2008
141
СТАТИСТИЧЕСКИЙ АНАЛИЗ ВЛИЯНИЯ ВНЕШНЕГО ДОЛГА
ГОСУДАРСТВА НА ЕГО ЭКОНОМИЧЕСКИЙ РОСТ
Пашкова Алёна Игоревна
(Москва, НИУ ВШЭ)
Кризис 2008-2009 гг. преподнёс немало вопросов развивающимся
странам, особенно в отношении государственного долга. Многие страны
находятся под угрозой финансовой неустойчивости. Примером может
служить настоящая ситуация в Греции, которая испытывает в данный
момент кризис, не имея возможности «расплатиться по долгам», или в
Италии (рис. 1).
GDP (nominal), bill
euros
400
395
390
385
380
375
Debt, bill. euros
1880
1860
1840
1820
1800
1780
2010 2010 2010 2010 2011 2011 2011
Q1 Q2 Q3 Q4 Q1 Q2 Q3
2010 2010 2010 2010 2011 2011 2011
Q1 Q2 Q3 Q4 Q1 Q2 Q3
Рисунок 1. Источник: Principal global indicators:
http://www.principalglobalindicators.org/default.aspx
По графикам можно усмотреть тенденцию, что при увеличении
долга прирост ВВП уменьшается, правда с некоторым лагом.
Но всё же самым главным вопросом на сегодняшний день
остаются экономические последствия политики высокого и достаточно
устойчивого государственного долга. В то время как уровень
экономического роста, вероятно, имеет линейное негативное воздействие
на значение отношения долга к ВВП, высокий уровень долга отрицательно
сказывается на экономическом росте, но после определенного
достигнутого значения.
В различной литературе, в частности в эмпирической её части,
взаимосвязь между государственным долгом и уровнем ВВП обозначена
как слабая и отрицательная. В предшествующих исследованиях данные
брались в основном по развивающимся странам. В течение последних лет в
этих странах наблюдается большое накопление внешнего долга, что
является препятствием для экономического роста в стране, а также для
снижения уровня бедности.
142
Данное исследование является своего рода ещё одной попыткой
проанализировать влияние внешнего долга на экономический рост,
используя макроэкономические модели, многомерные статистические
методы, панельные данные по различным странам за несколько лет.
Методическую базу составили многомерные статистические
методы анализа данных. Информационную базу составили официальные
данные из различных источников.
В основу исследования положена экономическая модель, в виде
производственной
функции
Y(t)=F(K(t),A(t),L(t)),
т.е.
внимание
концентрируется на выпуске, капитале, труде и «эффективности труда» или
«знания» (А). Исходя из этой модели, выбираются показатели, с помощью
которых можно объяснить эти переменные.
Работа строится на основе исследования Pattillo, Poirson & Ricci
(2003г.), которое, на мой взгляд, относительно полно изучает вопрос
воздействия долга на уровень роста, рассматривая различные каналы этого
влияния. В результате была ещё раз подтверждена гипотеза о нелинейном
негативном влиянии долга на рост. Однако авторы делают замечание о том,
что анализ проведён по данным с 1969 по 1998 год, и возможно ситуация
могла измениться в связи с надвигающимся на тот момент кризисом.
Таким образом, основываясь на полученных результатах, в данной
работе рассматривается период, включающий года кризиса, который
породил множество различных проблем, в том числе, как упоминалось
выше, проблему неспособности стран «расплатиться по долгам».
Исходные данные для анализа берутся по странам, относящимся к
категории сильно вовлечённых в долг (HIPC), а также развитые страны.
В ходе работы подтверждается выдвинутая гипотеза о наличие
слабой отрицательной связи долга на экономический рост, а также
проанализированы различные пути, через которые это влияние
оказывается. В частности выделен канал, через который наиболее значимо
долг влияет на экономический рост государства.
1.
2.
Литература
C. Pattilo, H. Poirson, L. Ricci “Through what channels does external debt
affect growth?”//Brookings Trade Forum, 2003, pp. 229-277
C. Checherita, P. Rother “The impact of high and growing government debt
on economic growth”//Working paper series No 1237, 2010
143
СРАВНИТЕЛЬНЫЙ АНАЛИЗ КАЧЕСТВА ЖИЗНИ НАСЕЛЕНИЯ
МЕТОДОМ КОЛИЧЕСТВЕННЫХ И ЭКСПЕРТНЫХ ОЦЕНОК
Питерсен Джина Самовна,
Макаров Денис Павлович
(Москва, МЭСИ)
Качество жизни населения является одним из главных социальных
показателей. По данному показателю можно судить о том, насколько
развита та или иная страна, наблюдается ли в ней экономический рост,
насколько качественно и эффективно работают правительство и
внутренние органы самоуправления. Этот показатель измеряется
специалистами по набору объективных показателей, также он оценивается
самим человеком, его степенью удовлетворенности своей жизнью.
В данной работе был проведен сравнительный анализ качества
жизни населения в 65 странах методом количественных и экспертных
оценок. Страны были отобраны случайным образом. Матрица экспертных
оценок была построена по следующему правилу:
0, если 𝑂𝑖 < 𝑂𝑗 , т. е. страна 𝑖 хуже 𝑗
𝜃𝑖𝑗 = {1, если 𝑂𝑖 ≈ 𝑂𝑗 , страны 𝑖 и 𝑗 примерно одинаковы
2, если 𝑂𝑖 > 𝑂𝑗 , страна 𝑖 лучше 𝑗
Было найдено собственное число, свидетельствующее о том,
насколько добросовестно эксперт расставлял оценки. Для построения
интегральной оценки качества населения был проведен факторный анализ
методом главных компонент. В результате, первая главная компонента
оказалась достаточно информативной, т.е. объясняет более 60% вариации
признаков, и ее можно использовать в качестве интегрального показателя.
Далее была проведена работа с количественными данными. Для
этого было отобрано 15 показателей, характеризующих качество жизни
населения, среди которых: уровень ВВП на душу населения (тыс. долл.),
удельный вес безработных в общей численности трудового населения (%),
расходы на здравоохранение (%), удельный вес населения старше 60 в
общей численности населения (%).
Для обработки количественной информации также использовался
факторный анализ с целью построения интегрального признака.
1.
2.
Литература
Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные
статистические методы. – М.: Финансы и статистика, 2011
Мхитарян В.С., Архипова М.Ю., Дуброва Т.А., Сиротин В.П. и др.
Эконометрика: Учебник/под ред. В.С. Мхитаряна. – М.: Проспект, 2010
144
МНОГОМЕРНЫЙ АНАЛИЗ ИННОВАЦИОННОГО РАЗВИТИЯ
РЕГИОНОВ ПРИВОЛЖСКОГО ФЕДЕРАЛЬНОГО ОКРУГА
Подзорова Екатерина Николаевна
(Саранск, МГУ им. Н.П. Огарева)
Воспользуемся кластерным анализом для разбиения регионов
Приволжского Федерального Округа (ПФО) на однородные группы по
уровню инновационного развития. В ходе проведенного теоретического
анализа были выделены следующие факторы регионального развития:
Х1 - степень износа основных фондов, %;
Х2 - индекс физического объема инвестиций в основной капитал, %;
ХЗ - удельный вес убыточных организаций, %;
Х4 - кредиты, предоставленные кредитными организациями
юридическим лицам, млн. руб.;
Х5 - индекс потребительских цен, %;
Х6 - валовой региональный продукт, млн. руб.;
Х7 - численность персонала, занятого исследованиями и
разработками, человек;
Х8 - внутренние затраты на исследования и разработки, тыс. руб.;
Х9 - число организаций, выполнявших исследования и разработки;
X10 - выпуск из аспирантуры с защитой диссертации, человек;
X11 - численность студентов высших учебных заведений на 10000
человек.
Для устранения возможных влияний на процедуру классификации
и размерности исходных переменных, их предварительно нормируем.
В ходе исследования были построены графики различных методов
разбиения. В данном исследовании применялся метод k-средних, который
считается достаточно удобным и быстродейственным. ППП «Statistica»
позволяет реализовать данный метод, предварительно задавая различное
количество кластеров, на которые будет разбита исследуемая совокупность
данных.
Результаты кластерного анализа показали, что данную совокупность
можно разделить на два однородных кластера.
В первый кластер вошли регионы, характеризующиеся довольно
низким инновационным развитием, он включает в себя 8 субъектов ПФО, в
том числе Республика Мордовия. В этот кластер помимо Мордовии вошли
также следующие регионы ПФО: Ульяновская, Пензенская, Кировская
области, Чувашская Республика, Оренбургская область, Удмуртская
Республика, Республика Марий Эл.
145
Во второй кластер вошло 6 субъектов ПФО, характеризующиеся
высоким инновационным
развитием: Республика Башкортостан,
Республика Татарстан, Самарская, Саратовская и Нижегородская области,
Пермский край.
Подобное разбиение оказалось оптимальным, так как практически
отсутствуют совпадения средних значений, что подтверждает и
графическое
изображение
средних
нормированных
значений
результативных признаков по кластерам.
В состав первого кластера вошли регионы, характеризующиеся
довольно низким инновационным потенциалом, низким темпом прироста
ВРП, низким числом организаций, выполнявших исследования и
разработки, а также высоким уровнем инфляции и доли убыточных
организаций. Для него характерна низкая доля выпуска студентов из
аспирантуры с защитой диссертации и низкая доля студентов высших
учебных заведений, а также низкая доля затрат на внутренние
исследования и разработки. В соответствии с невысоким инновационным
потенциалом, инновационная активность здесь невысока. В его состав
входит и Республика Мордовия.
Во второй кластер вошли регионы, характеризующиеся высоким
инновационным развитием. Эти регионы характеризуют высокий уровень
экономического развития, имеют высокий темп прироста валового
регионального продукта. В данной группе регионы с высокой
численностью персонала, занятого исследованиями и разработками, а
также велики внутренние затраты на исследования и разработки и кредиты,
предоставляемые кредитными организациями юридическим лицам. Для
регионов характерна низкая доля убыточных предприятий и износа
основных фондов. В целом по второму кластеру можно отметить, что
высокий уровень инновационной активности соответствует довольно
благоприятному инновационному климату, сложившемуся здесь.
1.
Литература
Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные
статистические методы и основы эконометрики. – М.: МЭСИ, 2002. – с
34
146
ПРОГНОЗИРОВАНИЕ УРОВНЯ АВТОМОБИЛИЗАЦИИ
РОССИЙСКОЙ ФЕДЕРАЦИИ
Постников Владимир Павлович
(Пермь, ПНИПУ)
Транспорт
является
важнейшей
составной
частью
производственной и социальной инфраструктуры России. Наряду с
другими инфраструктурными отраслями, транспорт обеспечивает базовые
условия жизнедеятельности общества, являясь важным инструментом
достижения социально-экономических целей. Среди тенденций развития
автомобильного
транспорта
можно
выделить
высокие
темпы
автомобилизации населения.
С одной стороны, повышение уровня автомобилизации населения
приведет к значительному изменению пространственного менталитета и
улучшению экономического положения людей.С другой стороны, процесс
автомобилизации сопряжен и с негативными явлениями, связанными с
недостаточно развитой сетью автодорог, пространственными дефектами
этой сети, низкой пропускной способностью ее участков, отсутствием
достаточного количества гаражей и парковок. Иначе говоря,
автомобильные потоки растут быстрее, чем дорожная сеть и ее качество.
Таким образом, планирование дорожно-транспортного комплекса
должно основываться на тенденции развития уровня автомобилизации,
прогнозирование которой приобретает приоритетное значение.
Целью работы является прогнозирования уровня автомобилизации
РФ на период до 2030 года на основе методов математической статистики.
Используется парная линейная регрессия; аппроксимация и экстраполяция
данных. Объектом исследования является дорожно-транспортный
комплекс РФ.
Для достижения заданной цели были решены следующие задачи:

проанализирована
тенденция
развития
уровня
автомобилизации РФ;

проанализирован
уровень
автомобилизации
Великобритании, США и Германии;

спрогнозировануровень автомобилизации РФ на период до
2030 года.
Для анализа и прогнозирования уровня автомобилизации будем
использовать данные федеральной службы государственной статистики [1].
В результате анализа было выявлено, что РФ имеет высокие темпы
роста уровня автомобилизации. За период с 2000 по 2010 года темп роста
уровня автомобилизации составил 173,7%.
147
Прогнозные значения уровня автомобилизации РФ на период до
2030 года были найдены тремя способами (таблица 1):

по тренду уровня автомобилизации Великобритании;

на основе прогнозных значений численности населения и
количества автомобилей;

транспортной стратегии РФ [3].
Таблица 1
Прогноз уровня автомобилизации (ед. на 1000 чел.)
по различным сценариям
Тренд уровня
Прогнозирование
Отклонение
Год
автомобилизации
на основе
прогноза от тренда,
Великобритании
показателей
%
2015
258
282
9,3%
2020
294
343
16,7%
2030
362
484
33,7%
По нашему мнению при решении столь важной проблемы, как
прогнозирование уровня автомобилизации, необходимо использовать
различные методы и приемы исследования и прогнозирования. Затем
значения, полученные различными способами, необходимо согласовать с
экспертами и выработать окончательное решение.
1.
2.
Литература
Федеральная служба государственной статистики РФ [Электронный
ресурс]. – Режим доступа: http://www.gks.ru
TransportStatisticsGreatBritain 2009 / DeportmentforTransport – London:
TSO, 2009. – 198 с.
148
КТО ТАКИЕ РОССИЙСКИЕ ВРАЧИ? ДИНАМИКА
ХАРАКТЕРИСТИК ПРОФЕССИОНАЛЬНОЙ ГРУППЫ13
Присяжнюк Дарья Игоревна
(Москва, НИУ ВШЭ)
Риторика государственной политики в системе здравоохранения в
современной России направлена на поддержание дискурса модернизации
отрасли, повышения качества и доступности здравоохранения для
населения и повышение престижа профессии врача. В докладе пойдет речь
о том, насколько реформы в системе здравоохранения в реальности
сказываются на профессиональной группе, какие изменения в численности,
социально-демографических характеристиках медицинского персонала,
уровне их дохода происходят в настоящее время. Анализ соответствующих
показателей в динамике, а также в России и зарубежных странах дает нам
возможность оценить, насколько уникальны или типичны наблюдаемые
нами
феномены.
Эмпирическую
базу
составляет
официально
опубликованная статистика Министерства здравоохранения и социального
развития, отчеты, предоставляемые Россией для ВОЗ.
Россия занимает лидирующее место по представленности женщин
в сфере здравоохранения (2004): 69,5% против 21,5 % мужчин. Иное
процентное соотношение наблюдается в европейских странах: от 51%
мужчин и 49 % женщин в Финляндии до 28% женщин и 72% мужчин в
Норвегии [1]. Это объясняется тем, что в России женщины сосредоточены
на самых низкостатусных и низкодоходных позициях здравоохранения,
тогда как мужчины чаще занимают руководящие посты и
сконцентрированы в привилегированных медицинских специализациях
(хирургия, урология, гинекология).
В результате реформ системы здравоохранения в 2006 г., не
удалось привлечь молодых специалистов в сферу. Средний возраст врача
государственного сектора здравоохранения остановился в 2008 г. на
отметке в 46, 13. При этом в России сильны межрегиональные различия:
средний возраст врача в ряде регионов РФ выше среднего показателя
(например, в Республике Башкортостан – 57 лет) [3].
Российские врачи сосредоточены неравномерно в разных типах
медицинских учреждений: 80% работают в больницах, 15%- в
поликлиниках, лишь 4% - в частных медицинских учреждениях [1]. Кроме
При подготовке доклада были использованы результаты, полученные в ходе выполнения
проекта «Идеологии профессионализма в социальном государстве», выполненного в рамках
Программы «Научный фонд НИУ ВШЭ» в 2012 году, грант № 12-05-0007
13
149
того, с 2000-го по 2010-й год происходит сокращение амбулаторнополиклинических учреждений с 17689 до 11314 [3]. Это свидетельствует об
ориентации системы здравоохранения на оперативное лечение, а не на
профилактику и раннее обнаружение заболеваний.
В России отмечается рост врачей с 608.7 тыс в 2000-м до 625.7 тыс
в 2010 [3]. Наравне с абсолютными, и относительные показатели числа
врачей в РФ значительно выше, чем в европейских странах. В России на 1
врача приходится 199 пациентов, тогда как во Франции 294, а в Финляндии
305 [2]. Однако, это не позволяет решить проблему очередей в российских
ЛПУ, что, во многом, объясняется бюрократизацией отрасли.
Обеспеченность врачами в РФ имеет свои региональные различия. В ряде
регионов отмечается снижение обеспеченности врачами (например, в
Северо-Кавказском ф.о. снижение численности врачей с 37.8 на 100 тыс.
населения в 2009 г. до 36.3 в 2010), а в других наблюдается рост этого
показателя (в Уральском ф.о. рост численности врачей с 37.3 на 100 тыс.
населения в 2009 г. до 38.3 в 2010) [3]. Это может быть связано как с
разной степенью привлекательности медицинской профессии в регионах,
так и с внешними факторами, оказывающими влияние на численность
населения.
Хотя реформы 2006 г. привели к увеличению зарплаты врачам
первичного сектора здравоохранения, доход медиков в РФ значительно
ниже заработка их коллег в европейских странах: зарплата врача в
Румынии остановилась на отметке 650 долларов, в Литве составляет 900
долларов, а в России - 586 долларов [2]
Несмотря на государственную риторику о выходе российской
системы
здравоохранения из кризиса, анализ статистики позволяет
утверждать о феноменах, свидетельствующих о наличии нерешенных
проблем в отрасли: невысокий доход медиков, ориентация на лечение,
нежели профилактику заболеваний, старение кадров и гендерное
неравенство.
1.
2.
3.
Литература
Rechel B. et al. The health care workforce in Europe. Learning from
experience// European Observatory on Health Systems and Policies. World
Health Organization. 2006
The world health report 2006: working together for health// World Health
Organization. 2006
Данные ежегодного отчета Министерства здравоохранения и
социального развития РФ «Ресурсы и деятельность учреждений
здравоохранения» (2000-2010 гг.)
150
РОЛЬ ИНФОРМАЦИОННО-КОНСУЛЬТАЦИОННЫХ СЛУЖБ В
СИСТЕМЕ СЕЛЬСКОГО ХОЗЯЙСТВА УКРАИНЫ
Прокопчук Елена Владимировна
(Луганск, ЛНУ им. Т. Шевченко)
Украина имеет значительные возможности для развития аграрного
сектора и преобразовании его в высокоэффективную сферу
экономики. Благоприятные
почвенно-климатические
предпосылки,
плодородные земли и древние земледельческие традиции способствуют
дальнейшему его развитию, получению урожаев сельскохозяйственных
культур в объемах, достаточных для обеспечения внутренних потребностей
и формирования экспортного потенциала. По расчетам в 2010г. объем
сельскохозяйственного производства в фактических ценах составил 184,9
млрд. грн., а доля сельского хозяйства в общем объеме валовой
добавленной стоимости всех отраслей составила 8,2% (в 2009г. - 8,3%).
С целью содействия устойчивому развитию сельского хозяйства
инициировано создание в Украине сельскохозяйственных информационноконсультационных служб (ИКС), которые имеют целью возродить эту
отрасль с помощью специфических методов формирования нового
крестьянина с новым типом экономического мышления, новой рыночной
мотивацией и поведением. [1]
В системе сельскохозяйственного консультирования выполнение
этой задачи должно быть обеспечено в большем объеме за счет
формирования действенной государственной системы управления. На пути
становления информационно-консультационной деятельности в Украине в
2004 году Верховной Радой Украины принят Закон Украины «Про
сільськогосподарську дорадчу діяльність», Кабинетом Министров Украины
утверждена Государственная целевая программа развития украинского села
на период до 2015 года.
Также, Распоряжением Кабинета Министров Украины № 1098-р от
31.10.2011 года была утверждена Концепция создания государственной
системы сельскохозяйственного консультирования Украины.
Сегодня в Украине сформированы и включены в Реестр
сельскохозяйственных консультационных служб 70 областных и районных
консультационных служб. Сегодня в них оказывают ИК услуги 1173
сельскохозяйственных консультантов и экспертов-консультантов. [4]
Информационно-консультационные
службы
главные
распространители необходимой информации сельскохозяйственного
назначения среди взрослого населения. Они могут выступать в качестве
общественных и благотворительных обществ, хозяйственных обществ,
151
обслуживающих кооперативов и государственных учреждений, но все они
объединены в Национальную ассоциацию консультационных служб
Украины. [2]
В нашей стране практически все ИКС функционируют как
негосударственные организации. Лишь в Автономной Республике Крым Крымский государственный аграрный учебно-консультационный центр
является государственным учреждением, подчиненным Министерству
аграрной политики АР Крым.
Несмотря на то, что сегодня ИКС не принимают
непосредственного
участия
в
государственном
управлении
агропромышленным комплексом, они являются частью самой системы
управления. Модель системы функционирования ИКС предусматривает два
варианта: [3]
а) консультационные службы могут выступать в качестве
независимых учреждений, которых с органами государственного
управления связывают лишь функциональные связи;
б) консультационные службы могут быть созданы в рамках одного
из органов государственного управления и быть связаны с ними
линейными связями.
Итак, система сельскохозяйственного консультирования является
одним из действенных инструментов реализации государственной аграрной
политики, но сегодня она не подкреплена эффективной сетью
консультационных служб.
Поэтому, дееспособность ИКС возможна при условии их развития
на районном и сельском уровнях управления, где учреждения аграрной
науки и учреждения аграрного образования не имеют своих подразделений.
1.
2.
3.
Литература
Інноваційні напрямки розвитку дорадництва: Колективна
монографія за матеріалами Міжнародного круглого столу 4
лютого 2011р. / Кафедра аграрного консалтингу та сервісу
ННІ ПО НУБіП України в рамках Міжнародної виставки «Інтер
АГРО 2011». – Ніжин: видавець ПП Лисенко М.М., 2011 – 280 с.
Бутенко Т.А. Проблеми удосконалення управління сільськогосподарським підприємством // Вісник ХДАУ. – 2001. – №6. –
(Сер. Економіка АПК і природокористування). – С. 240-242.
Кальна-Дубінюк
Т.П.
Досвід
реалізації
інформаціqноконсультаційних програм служби Екстеншн у світі та модель їх
розвитку в Україні. Зб. Вісник НАУ. – Вип. 41, 2001. С. 56-61.
152
СТАТИСТИЧЕСКИЙ АНАЛИЗ ДИНАМИКИ ПРИРОДНЫХ И
АНТРОПОГЕННЫХ КАТАСТРОФ
Разроева Анника Элдаровна
(Москва, НИУ ВШЭ)
Экологические катастрофы – это события, вызываемые
природными и антропогенными причинами, их разрушительное действие
проявляется в рамках достаточно обширных пространственно-временных
параметров и вызывает гибель (нарушение здоровья) людей. Оно
причиняет также значительный экономический ущерб вследствие
неблагоприятного воздействия на человеческую деятельность и
биологические ресурсы. Экологические катастрофы, в зависимости от их
причин, подразделяются на природные (естественные) и антропогенные.
Под природной катастрофой обычно понимается какое-то
неожиданное, страшное по своим последствиям для человека нарушение
нормального хода природных процессов. Оно предполагает экстремальную
геофизическую ситуацию, генерируемые ею поражающие факторы и
неблагоприятную социально-экономическую обстановку, выраженную
людскими потерями и материальным ущербом. Понятие антропогенных
катастроф объединяет под собой все катастрофы, причиной которых
является человеческий фактор.
Для анализа использовались данные по числу происшествий, числу
жертв катастроф, а также по объемам страховых выплат.
Графический анализ числа жертв катастроф и объема страховых
выплат выявил, что эти величины независимы от времени, чего нельзя
сказать о количестве катастроф. В их числе очевидно наличие тренда.
По результатам 34 лет было построено шесть моделей. Однако
проверка проводилась с учетом прогноза на пять лет (2004 – 2008 гг.). В
результате наилучшим образом тренд в количестве катастроф отражает
линейная модель. Но дисперсия полиномиальной модели второй степени
отличается от дисперсии линейной на малую величину – примерно на 1,7.
Таким образом, эти модели можно считать одинаково точными.
Уравнения моделей имеют вид:
1)
y = 64,85 + 7,57x – для линейной модели;
2)
y = 79,15 + 5,19x + 0,07x2 – для полиномиальной модели.
153
Число природных и антропогенных
катастроф
450
400
350
300
250
y лин
200
Y
y пар
150
100
1970
1973
1976
1979
1982
1985
1988
1991
1994
1997
2000
2003
2006
50
Года
Рисунок 1. Общее число природных и антропогенных катастроф
в период с 1970 по 2008 год
Дальнейшим этапом исследования был анализ динамики трех
входных параметров (число жертв, число происшествий, объем страховых
выплат) с помощью основных показателей динамики: цепных и базисных
темпов роста и прироста.
Также была исследована корреляционная зависимость между
отдельными категориями природных и антропогенных катастроф.
1.
2.
Литература
Swiss Re Sigma № 2/2011 “Natural catastrophes and man-made disasters in
2010: a year of devastating and costly events”.
Münchener Ruckversicherungs-Gesellschaft. Geo Risks Reasearch.
NatCatSERVICE
154
АНАЛИЗ ИНВЕСТИЦИОННОЙ АКТИВНОСТИ В СЕКТОРЕ
ОБРАБАТЫВАЮЩИХ ПРОИЗВОДСТВ В РОССИИ: ПРОБЛЕМЫ И
РЕГИОНАЛЬНАЯ НЕОДНОРОДНОСТЬ
Ромашкина Ирина Николаевна
(Москва, МЭСИ)
Последние десятилетия экономический рост в РФ был основан на
экстенсивных факторах: рост ценовой конкурентоспособности российских
производителей вследствие укрепления реального курса рубля после
дефолта 1998 года, загрузка существующих производственных мощностей.
Большое значение имел рост цен на экспортируемое сырье и
энергоносители. Экономика России функционирует в рамках экспортносырьевой модели, которая характерна для многих стран, обладающих
богатыми сырьевыми ресурсами.
Сформировавшаяся в РФ модель экономического роста
неблагоприятна для обрабатывающего сектора, так в 2010г. доля
обрабатывающих производств в общем объеме ВДС составила чуть более
16%. В обрабатывающем секторе по состоянию на конец 2010г.
функционирует 8,6% основных фондов экономики. Наибольшую долю в
составе основных фондов обрабатывающих производств составляют
основные фонды организаций металлургического производства и
производства готовых металлических изделий (21,1%), производства
пищевых продуктов, включая напитки, и табака (15,7%) [1].
Степень износа основных фондов в крупных и средних
организациях обрабатывающих производств к концу 2010г. составила 43%,
машин и оборудования - 50,3%, против 45,7% и 53,4% соответственно в
целом по крупным и средним организациям всех видов экономической
деятельности [2]. Наиболее сильно изношены машины и оборудование – в
организациях по производству транспортных средств и оборудования
(63,9%), по производству электрооборудования, электронного и
оптического оборудования (57%), химического производства (53,1%),
другими словами, в высокотехнологичных и среднетехнологичных
сегментах. Изношенные основные фонды, в особенности машины и
оборудование, отрицательно сказываются не только на развитии
импортозамещения, но также являются индикатором недостаточности
инвестиций в собственную промышленность и внедрения инноваций.
Для опережающего роста не сырьевых обрабатывающих отраслей
необходимы
масштабные
инвестиции
в
высокотехнологические
производства.
155
На развитие обрабатывающих производств в РФ в 2010г. было
использовано 1,3 трлн. руб. инвестиций в основной капитал (или 14,2% в
общем объеме инвестиций в основной капитал), при этом на развитие
высокотехнологичных сегментов обрабатывающих производств – 70
млн.руб., что составило лишь 5,2% от объема инвестиций в основной
капитал обрабатывающего сектора [2].
Сравнивая структуру инвестиций в машины и оборудование
обрабатывающих производств по их видам деятельности, отметим, что
основной объем направлялся в металлургическое производство,
производство пищевых продуктов, при этом степень износа по этим видам
деятельности ниже, чем в среднем по обрабатывающим производствам.
Зато в производство транспортных средств и оборудования, производство
электрооборудования, где наиболее высокая степень износа основных
фондов, объем инвестиций незначительный. Именно недостаток
инвестиций в технологически значимые виды деятельности сказывается на
высоких показателях степени износа и доле полностью изношенных
основных фондов.
Большой интерес представляет анализ неоднородности регионов
РФ по степени развития
обрабатывающих производств, их
инвестиционной активности и привлекательности. Рассматриваемая в
исследовании система показателей характеризует вклад обрабатывающего
сектора в экономику региона, степень инвестиционной активности
обрабатывающих
производств
и
общую
инвестиционную
привлекательность региона.
Перед проведением многомерной классификации регионов был
реализован разведочный анализ, в ходе которого было выделено 4 региона.
Выделенные группы регионов имеют определенные особенности. Наиболее
малочисленный кластер (19,7% регионов) характеризуется высокими
значениями
группы
показателей
инвестиционной
активности
обрабатывающего сектора; а наиболее многочисленный кластер (43,4%) низкими значениями практически по всем показателям, в т.ч. низка
инновационная составляющая в экономическом развитии этих регионов.
Таким образом, необходим уход от сырьевой ориентации
экономики страны и увеличение инвестиционных вложений
в
высокотехнологический сегмент обрабатывающих производств.
Литература
1. Инвестиции в основной капитал в РФ в 2010г. (аналитический материал
- из Статбюллетеня №5 (176), 2011г.)
2. Федеральная Служба Статистики России: http://www.gks.ru/
156
СТАТИСТИЧЕСКАЯ ОЦЕНКА ИНВЕСТИЦИОННОГО КЛИМАТА
НОВОСИБИРСКОЙ ОБЛАСТИ
Румынская Екатерина Сергеевна
(Новосибирск, НГУЭУ «НИНХ»)
Развитие предпринимательской деятельности в России напрямую
связано с наличием необходимых объёмов инвестиций в реальном секторе
экономики. Для широкого привлечения инвестиций необходимо наличие
доступной и достаточной информации об условиях инвестирования.
Именно такая информация должна содержаться в региональных рейтингах
инвестиционного климата. Однако в экономической практике до сих пор не
сложилось единой системы оценки инвестиционного климата региона. Это
определяет актуальность научных разработок в данном направлении.
Целью моего исследования является разработка подхода к оценке
инвестиционного климата регионов РФ на примере Новосибирской области
как субъекта Сибирского федерального округа.
В ходе исследования решаются следующие задачи:
1.
Качественный
анализ
теоретических
основ
инвестиционного климата и его составляющих: инвестиционной
привлекательности и инвестиционной активности регионов;
2.
Критический анализ существующих методик оценки
инвестиционной привлекательности и инвестиционной активности;
3.
Анализ влияния отдельных факторов на инвестиционный
климат регионов;
4.
Расчет интегрального показателя оценки инвестиционного
климата региона.
Расчет интегральной оценки инвестиционного климата региона
на основе факторов является статистическим методом обработки данных.
Основными составляющими инвестиционного климата выступают
инвестиционная привлекательность и инвестиционная активность
территории. Теоретически число частных факторов инвестиционной
привлекательности и активности региона, которые можно было бы
включить в расчет интегрального показателя, является бесконечно большой
величиной. Отбор факторов осуществлен главным образом на основе
качественного анализа, в результате которого была составлена система
показателей. В число факторов входят социальные, политические,
экологические и природно-ресурсные характеристики регионов. На основе
корреляционного анализа для системы показателей отбирались только
статистически значимые характеристики.
157
Комплексная
количественная
оценка
инвестиционной
привлекательности и инвестиционной активности региона может быть
получена только с помощью расчета сводного, интегрального показателя.
Интегральный показатель определяется путем свода числовых значений
отдельных частных показателей при помощи многомерной средней. Для
того чтобы привести исходные данные в сопоставимый вид используется
прием преобразований – нормирование по максимальному значению.
Важное значение в расчетах имеет также коррекция отдельных показателей
в аспекте их воздействия на интегратор (многомерную среднюю).
На основании первичных показателей, характеризующих
социально-экономическое развитие регионов Сибирского федерального
округа, были рассчитаны интегральные уровни инвестиционной
привлекательности и инвестиционной активности в 2008 – 2010 годах.
Наличие функциональной зависимости инвестиционной активности в
регионах от их инвестиционной привлекательности особенно наглядно
выявляется при построении модифицированной матрицы Маккинзи.
Проведя расчеты, получаем матрицы портфолио-анализа «Инвестиционная
привлекательность – инвестиционная активность региона» в 2008 – 2010
годах, которые позволят разрабатывать индивидуальные стратегии
развития для каждого региона. В работе было предложено выделение 4
типов инвестиционного климата регионов: регионы - «локомотивы»,
регионы «особого внимания», депрессивные регионы и регионы роста. Как
показывают расчеты в Новосибирской области наметилась тенденция к
улучшению инвестиционного климата. Так в 2008 году Новосибирская
область относилась к регионам «особого внимания», в 2009 году
инвестиционный климат области характеризовался тем же типом, но
привлекательность и активность в регионе значительно снизились. В 2010
году Новосибирская область попала в «зону роста». Для попадания в зону
регионов - «локомотивов» в Новосибирской области надо продолжать
создавать условия, формирующие благоприятный инвестиционный климат.
1.
2.
3.
4.
Литература:
Бланк И.А. Основы инвестиционного менеджмента. В 2 томах. - Т.1 3-е изд. - М.: Издательство «Омега-Л», 2008, с. 14-39
Глинский В.В. Статистические методы поддержки управленческих
решений: Монография. - Новосибирск: Изд-во НГУЭУ, 2008, с. 63-71
Ковалев В.В, Иванов В.В., Лялин В.А. Инвестиции: учебник. - М: ТК
Велби, Изд-во Проспект, 2006, с. 9-34
Российский статистический ежегодник. 2011: Стат.сб./Росстат. - Р76
М., 2011. - 795 с.
158
СТАТИСТИЧЕСКИЙ АНАЛИЗ РЫНКА ИНТЕРНЕТ-ТОРГОВЛИ
Сабинина Александра Владимировна
(Дубна, МУПОЧ «Дубна»)
Интернет-торговля является одним из самых динамичноразвивающихся видов электронной коммерции.
Количественные исследования в маркетинге отвечают на вопросы
«сколько» и «кто», дают возможность развиваться и быть
конкурентоспособными продавцу, помогают произвести необходимые
изменения в товаре или услуге, для того, чтобы клиент покупал чаще и
больше. Это особенно актуально при анализе «виртуального» рынка, где
изменения могут носить стремительный и кардинальный характер.
В настоящий момент структура заказов по способу поиска товара и
способу приобретения выглядит следующим образом (табл. 1).
Таблица 1
Способ поиска
% покупок
Способ покупки
информации
88
онлайн
оффлайн
36
онлайн
онлайн
11
оффлайн
онлайн
Таким образом, около 90% пользователей используют Интернет
как средство поиска информации о товаре.
В целом продажа товаров занимает небольшую долю в целом
множестве услуг, оказываемых посредством Интернета. Продажа авиа- и
железнодорожных билетов, электронные платежи за оказанные услуги (в
основном оплата связи) – являются самыми частыми из видов сделок.
Однако по товарообороту, покупка товаров через сеть имеет высокую долю
в объеме всех продаваемых товаров. Причем, по данным совместного
исследования компаний Google и Ситибанк, больше половины всех
покупок в Интернете делают москвичи, и около 20% - жители СанктПетербурга.
Интернет остается также полезным источником информации не
только о характеристиках товара, но и об отзывах, его местоположении
продавца и ценовом спектре. Так сервис Яндекс-Маркет является хорошим
индикатором и помощником в выборе товара на той или иной площадке, по
той или иной цене. По данным службы с 2008 года по настоящий момент
можно наблюдать рост числа посещений, причем на всем временном
промежутке он имеет сезонный характер. Так количество ежемесячных
посещений увеличивается на 13% в январе и падает на 12% в июле по
сравнению с линейным трендом. Данные колебания можно объяснить
159
увеличением желающих купить или найти подарок к праздникам, особенно
к Новому году. Линейная зависимость времени и числа посещений
является достаточно точной моделью (коэффициент детерминации равен
0,93), поэтому можно сделать точный прогноз с учетом сезонного фактора.
Таким образом, в декабре 2012г. число ежемесячных посещений по
прогнозу достигнет 16,2 млн чел, а к концу 2013 – 17,5 млн чел.
В 2010 году доступ в Интернет имели 43,3 млн чел. (те, кто
выходил хотя бы раз в месяц), и почти 30 млн. из них – это ежедневная
аудитория. По данным компании Nielsen в 2010 г. 90 % людей, имеющие
доступ к сети, делали интернет-покупку хотя бы один раз. Треть интернетпользователей в России, совершавших покупки онлайн, делали это в
течение последнего месяца.
Рынок интернет-продаж является достаточно перспективным с
точки зрения и покупателя и продавца. Об этом можно судить, принимая во
внимание следующие факторы:
 рост количества покупок и посещений страниц Яндекс-Маркета
 в перспективе увеличение доли заказов из регионов
 увеличение числа заказов у тех людей, кто уже когда-либо
заказывал.
1.
2.
Литература
Алгоритм прогнозирования объема продаж в MS Excel / С. А.
Кошечкин // Маркетинг в России и за рубежом. - 2001. - N 5. - С. 34-42.
- Библиогр.: с. 42
Что покупают россияне в Интернете. 2 November 2010. Совместное
исследование Ситибанка и Google
160
ЭКОНОМЕТРИЧЕСКИЙ АНАЛИЗ СТРАТИФИКАЦИИ РЕГИОНОВ
ПО СТЕПЕНИ ИННОВАЦИОННОГО РАЗВИТИЯ
Сергеева Анна Николаевна
(Москва, МЭСИ)
В настоящее время в России актуальным является вопрос перевода
экономики страны на инновационный путь развития. Наряду с этапами
исследования инновационный механизм включает в себя, получение
результатов и их внедрение. Процесс внедрения с экономической точки
зрения наиболее важен, так как во время него инновации из категории
объектов инвестиционной деятельности переходят в категорию
материальных ресурсов.
Рисунок 1. Уровень экономической активности населения, 2009 г., в %
Для оценки инвестиционной привлекательности регионов была
проведена стратификация регионов. Для анализа был выбран показатель
внутренних затрат на научные исследования и разработки за 2009 год, так
как он охватывает сразу две интересующие сферы изучения: инвестиции и
инновации.
Предварительно был проведен содержательный анализ изучаемого
признака, диаграмма распределения которого позволила предположить
наличие 3-х однородных групп, распределение которых носит характер
логарифмически нормального распределения. Наблюдается значительная
дифференциация между регионами, особенно при рассмотрении Москвы, в
сравнении с остальными. Также можно отметить, что наблюдается
нечеткое разделение регионов на 3 группы.
Для проведения квалификации была использована методика
расщепления смеси вероятностных распределений. По характеру
распределения было определено число групп с различной интенсивностью
развития результативной переменной, таким образом, после проведения
анализа, были выявлены 3 страты: регионы с низкой, средней и высокой
инвестиционной привлекательностью в инновационные разработки.
Получение
оценки
параметров
страт
методом
максимального
правдоподобия позволило охарактеризовать каждую из них.
Распределение
регионов
позволяет
выявить
наиболее
благоприятную среду для инвестирования. Также для анализа
161
характеристик страт были выбраны следующие показатели, также
являющиеся значимыми для оценки инвестиционной привлекательности
инновационных предприятий в региональном разрезе: потребительские
расходы, инвестиции в основной капитал, число организаций выполнявших
научные исследования и разработки, число созданных передовых
производственных технологий, затраты на технологические инновации.
Таблица 1
Характеристики распределения
Среднее значение
логарифма признака
Стандартное отклонение
логарифма признака
Доля страты в генеральной
совокупности
4,667
1,243
24,1%
6,938
0,748
57,2%
8,829
1,487
18,7%
По данным таблицы 1 видно, что наибольшее количество регионов
вошло
во
вторую
страту,
которая
характеризуется
средней
привлекательностью для инвестирования. Для того чтобы более подробно
изучить характеристики самих страт необходимо провести анализ значений
факторов внутри полученных групп (кластеров).Характерными признаками
наиболее инновационно развитых регионов являются большое число
предприятий, занимающихся научными исследованиями и разработками
(практически на 30% превышает средний соответствующий показатель по
второй страте), а также число созданных передовых производственных
технологий (почти на 40% превышает средний уровень по второй страте).
Большое количество предприятий, специализирующихся на инновациях,
требует достаточно большого количество затрат, ввиду долгосрочной
перспективы окупаемости полученных продуктов, поэтому для достижения
наибольшего развития необходимо уже сейчас вкладываться в эти регионы.
Главным инструментом технологического прорыва является
поворот инвестиций к инновациям, инновационному предпринимательству,
на что следует направить имеющиеся в руках государства силы и средства.
1.
2.
Литература
Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные
статистические методы и основы эконометрики. / Учебное пособие./
МГУ ЭСИ. М.: МЭСИ, 2002г., 79 с.
Мхитарян В.С., Архипова М.Ю., Сиротин В.П. и др. Эконометрика М.:
Проспект. 2010
162
РЕШЕНИЕ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ ЦЕН НА
ЭЛЕКТРОЭНЕРГИЮ НА РЫНКЕ "НА СУТКИ ВПЕРЕД"
ЭКОНОМЕТРИЧЕСКИМИ МЕТОДАМИ
Смирнова Евгения Олеговна
(Иркутск, ИГУ)
Реформирование электроэнергетики и введение с 2006 года Нового
оптового рынка электроэнергии и мощности (НОРЭМ) ставит
электроэнергетические компании в новые конкурентные условия, и
поэтому задача прогнозирования цен РСВ (рынка на сутки вперед)
становится все более актуальной. В частности, экстраполированные
значения цен РСВ необходимы организациям, регулирующим
энергосистему, для обоснования своей финансовой стратегии на рынке и
определения доли электроэнергии, вырабатываемой на собственных
станциях. [1]
Прогнозирование цен РСВ заключается в построении модели на
основании исторических данных для предсказания будущих наиболее
точных значений цен. Сложность прогнозирования таких цен состоит в
том, что расчетная модель рынка, которая определяет эти цены РСВ,
ежегодно меняется. [2]
При решении задачи известны ежедневные цены РСВ (переменная
y) за 4 года (2008-2011). [3] В качестве возможных факторов, оказывающих
влияние на поведение цен РСВ, помимо тренда, включены данные о погоде
(средние дневные и ночные температуры), продолжительности светового
дня, динамика ИПЦ, цен на топливо и курса валют (доллар, евро). Также в
модели учитывались дни недели и праздники.
Моделью, наиболее точно описывающей исходные данные,
оказалась линейная модель множественной регрессии. Отбор влияющих
факторов проводился с помощью корреляционного и регрессионного
анализа. В результате с уровнями значимости α=0,05(*) и α=0,01(**)
значимыми оказались как объективные факторы (дневная температура
воздуха ( x1 ), длина светового дня ( x 2 ), дни недели ( z1
 z 6 ) и праздники
( z 7 )), так и субъективные (динамика цен на газ ( x3 ) и евро ( x 4 )):
yˆ  620,74 0,01 t *  27,51 z1**  24,17 z 2**  19,34 z 3**  23,11 z 4**
36, 20 
0, 01
5,89 
5,84 
5,84 
5,82 
 23,41 z  13,07 z  28,03 z  0,43 x  0,04 x  0,43 x 3**  6,84 x 4**
5,84 
**
5
5, 78
**
6
8, 25
**
7
0, 20 
*
1
0, 02 
*
2
0, 05
0, 74 
Коэффициент детерминации данной модели составляет 36%.
163
Моделью, адекватно описывающей поведение случайных остатков
ε(t) анализируемого временного ряда y(t), оказалась модель авторегрессии
первого порядка AR(1):
 (t )  0,71 (t  1)   (t )
Коэффициент детерминации с учетом данной модели увеличился
до Rˆ 2  0,68 , то есть теперь 68% вариации результирующего признака
объясняется изменением регрессоров и поведением случайной компоненты
(рис.1).
Цена на э/э, руб/МВт.ч.
700
600
500
400
300
факт
200
T(t)+AR(1)
100
0
Рисунок 1. Фактические и прогнозные значения цен
на электроэнергию за 2008-2011 г.г.
1.
2.
3.
Литература
Крупский А.В. Методика прогнозирования узловых цен на
энергорынках // Электроэнергетика глазами молодёжи: научные труды
всероссийской научно-технической конференции: сборник статей.
Екатеринбург: УрФУ, 2010. Т. 1. с. 376-380
Чучуева И.А. Сезонно-регрессионная модель прогнозирования в
решении задачи прогнозирования цен РСВ // Информационноаналитический журнал Энергорынок. М. 2009
Администратор торговой системы. [Электронный ресурс]. Режим
доступа: http://www.atsenergo.ru
164
СТРАНЫ БРИКС. ИХ УРОВЕНЬ ЖИЗНИ В СОПОСТАВЛЕНИИ
С ДРУГИМИ СТРАНАМИ
Собко Эдуард Олегович
(Москва, МЭСИ)
Страны БРИКС – это группа, состоящая из пяти
быстроразвивающихся экономик мира. Выгодное положение этим странам
обеспечивает наличие в них большого количества важных для мировой
экономики ресурсов. В конечном итоге, прогнозируется, что значительные
размеры экономик этих стран в будущем позволит им трансформировать
экономический рост в политическое влияние, что приведёт к
формированию новой экономической элиты и снизит влияние США.
На данный момент, в исследовательских целях интерес
представляет сравнения уровня жизни в странах БРИКС с уровнем жизни в
других странах, которые как правило подразделяют на развитые и
развивающиеся. В нашей работе мы исследовали совокупность данных,
состоящую из 45 наблюдений (стран мира), по 10 различным показателям.
Мы преднамеренно выбирали страны с разным уровнем развития и
различным географическим положением. Десять показателей выбирались
таким способом, чтобы наиболее репрезентативно охарактеризовать такой
показатель как уровень жизни населения.
Целью исследования является получение характеристики уровня
развития стран БРИКС относительно других стран в разрезе уровня жизни
населения. В итоге мы получили разбиение стран на 4 группы. Эти группы
характеризуются разным уровнем жизни населения. Первый кластер
состоял из одной страны – США. Во второй попали страны с развитой
экономикой, такие как Япония Германия и Франция. Третий кластер
составили страны западной и центральной Европы, за исключением стран
попавших во второй кластер. Четвёртый кластер состоит из некоторых
стран восточной Европы, Турции и др.
Далее нами был проведён дискриминантный анализ, который
определил принадлежность стран БРИКС к той или иной группе. Россия и
Китай были включены во второй кластер, вместе с «развитыми странами
Европы». Бразилия и Индия были отнесены к странам третьего кластера, а
ЮАР попала в четвёртый кластер. Безусловно данное разбиение
обусловлено взятыми показателями, однако необходимо отметить, что
многие
эксперты
высказывают
предположения
о
подобных
классификациях стран. Следовательно результаты нашего исследования
подтверждают данные предположения.
165
ПРОБЛЕМЫ ПОСТРОЕНИЯ РЕЙТИНГОВОЙ ОЦЕНКИ
РОССИЙСКИХ ПАЕВЫХ ИНВЕСТИЦИОННЫХ ФОНДОВ
Спиридонова Антонина Владимировна
(Саратов, СГУ)
Одними из самых главных вопросов для потенциальных
инвесторов являются вопросы оценки эффективности работы того или
иного ПИФа и сравнения деятельности нескольких фондов. Оценка
эффективности деятельности непосредственно
связана с качеством
управления инвестиционным портфелем фонда и, как правило, опирается
на следующие показатели:
• Стоимость чистых активов фонда и стоимость одного пая в динамике,
динамика количества паев фонда;
• Доходность фонда за определенный период;
• Оценка степени риска инвестиционного портфеля фонда;
• Соотношение рискованности вложений фонда и его доходности.
Подобная
методика
с определенными
модификациями
используетсяуправляющими ведущих российских фондов для оценки
эффективности управления инвестиционным
портфелем,
а также
ведущими аналитиками для оценки эффективности работы ПИФов.
Однако при использовании вышеописанных коэффициентов на
российском рынке возникают такие проблемы, как:
• отсутствие безрискового актива на российском фондовом рынке;
• отсутствие признанного индекса облигаций;
• неадекватности
сравнения
эффективности
управления паевыми
фондами синдексом РТС.
В докладе обсуждаются результаты многофакторного анализа
ПИФовРоссии на 22.12.2011, основанных не только на динамике прошлой
доходности (коэффициенты Шарпа, Альфа, Бета), но и таких факторов как
время жизни фонда, информационная прозрачность фонда и динамика
изменения стоимости чистых активов фонда. Для примера приведён
рейтинг ПИФов акций и смешанных инвестиций (на 22.12.2011).
Таблица 1
Рейтинг ПИФов акций
Управляющая компания
Наименование ПИФа
Доходность за
год, %
ВТБ
Капитал
Активами
ВТБ - Фонд Акций
-6,19
Тройка Диалог
Управление
Тройка
166
Диалог
-
1,31
Нефтегазовый сектор
ТКБ
БНП
ПарибаИнвестментПартнерс
ТКБ
БНП
Париба
Российская нефть
-
2,66
Брокеркредитсервис
БКС - Фонд
Нефтехимии
и
5,3
Интерфин КАПИТАЛ
Интерфин ТЕЛЕКОМ
Нефти
9,34
Рейтинг ПИФов смешанных инвестиций
Управляющая компания
Наименование ПИФа
ВТБ
Капитал
Активами
Управление
ВТБ
–
Сбалансированный
Фонд
-5,93
Газпромбанк
активами
Управление
Газпромбанк
Сбалансированный
-
-5,48
–
Доходность за
год, %
УК Банка Москвы
Рождественка
-4,82
Ингосстрах - Инвестиции
Ингосстрах пенсионный
-4,79
РЕГИОН Эссет Менеджмент
РФС
(Регион
Сбалансированный)
-3,34
Фонд
Специфика деятельности ПИФов не позволяет отделять их
результаты деятельности от показателей управляющей компаний (УК).
Качественные факторы, которые учитывались при составлении рейтинга:
умение и опыт работы с различными типами паевых фондов; целостность
стратегии УК по развитию ее ПИФов; рост числа новых клиентов (доверие
со стороны старых клиентов); уровень информационной прозрачности для
клиентов; качество управления и оценка рисков; устойчивость
управляющей компании на рынке.
1.
2.
3.
4.
Литература
Ильина Ю.Б., Романюк Е.И. Особенности деятельности и оценка
эффективности управления инвестициями российскихПИФов //
Вестник СПбГУ. 2003. № 4.- С. 120
Коваль Л., Оверченко М, Сафронов Б. Обратная сторона доходности //
Ведомости. 17.10.2003
3.Лобанов И. Оценка риска паевых фондов, инвестирующих в акции //
Инвестиции Плюс. № 4 (25). 2000
Шарп У., Александер Г., Бэйли Дж. Инвестиции. М., 1998.- С. 763, С.
891
167
СТАТИСТИЧЕСКИЙ АНАЛИЗ НАУЧНО-ИННОВАЦИОННОГО
РАЗВИТИЯ СТРАН BRICS ПО ПОКАЗАТЕЛЯМ ПАТЕНТНОЙ
ДЕЯТЕЛЬНОСТИ
Стовманенко Артём Юрьевич
(Москва, НИУ ВШЭ)
В экономических моделях эндогенного роста экономический
прогресс зависит от производства и распространения новых идей. 14
Потенциал инновационного развития страны показывает в первую очередь
патентная деятельность по результатам научных исследований и
разработок, которые представляют знания, которые реализованы в виде
новых открытий, гипотез, технологий. Статистика патентной деятельности
охватывает огромный диапазон инноваций, с высокой вероятностью
гарантирован полный охват рассматриваемого в работе явления.
Среди немногих имеющихся показателей в области инновационной
деятельности, патентные показатели, вероятно, наиболее используемые. По
крайней мере, патентная статистика позволяет измерить технологические
результаты научной деятельности и разработок. Чем больше патентов, тем
больше изобретений. В исследовании Hagedoorn & Clood (2003),
результатом стало, что количество заявок на патент, поданных компанией,
отражает её технологическую эффективность (выборка состояла из 1200
компаний в сфере высоких технологий). С помощью патентной статистики
можно определить динамику инновационного процесса, например,
распространение технологий в различных отраслях или странах. В то время
как число патентных заявок является успешным инновационным
показателем, патенты не отражают того, что изобретение может не
применяться в производстве, так как изобретатель понимает, что
изобретение не используется в промышленных целях.
Патент может использоваться в качестве барьера для вхождения в
отрасль новых предприятий или для блокировки конкурентов. По
обследованию PatVal15 (2005) около 40% патентов не используются в
производстве, из них 18,7% создано для борьбы с конкурентами, 17,4% не
используются вообще.
В данной работе рассмотрены важные характеристики таких
патентных ведомств как EPO, USPTO, Роспатент. Далее представлена
динамика количества поданных заявок на патент в различные ведомства,
14
Philippe Aghion & Peter Howitt, A Model of Growth Through Creative Destruction,60
ECONOMETRICA 323 (1992)
15
http://www.ulrichkaiser.com/patval/Final_Report_PATVAL.pdf (стр. 31-39)
168
также проиллюстрирована динамика подачи заявок на период 1895-2011
г.г. в мире.
Прежде чем начать анализ был поставлен вопрос о выборе одной
группы стран, показывающих устойчивое развитие на протяжении
последнего десятка лет и занимающих высокие позиции по многим
экономическим показателям. В итоге выбрана группа стран BRICS –
именно она включает страны с высокими индикаторами экономики,
высокой концентрацией ресурсов, численностью населения.
Первый этап работы содержит днамику поданных заявок в
патентные ведомства различных стран мира странами BRICS, затем
выявлены приоритетные патентуемые отрасли изобретателями этих стран
по группам и рубрикам международной патентной классификации.
Во второй части проанализирована технологическая специализация
России и ее стран партнеров (BRICS) на основе данных о поданных
заявлениях на патент в национальное патентное ведомство, EPO, USPTO и
заявлениях, поданных по программе PCT. Также патентная деятельность
этих стран определена показателями изобретательской активности,
коэффициента распространения, самообеспеченности и технологической
зависимости. Также работа включает исследование зависимости
количества поданных заявлений на объем инновационных товаров, работ и
услуг в 2010 году (результативность научно-исследовательской
деятельности данных стран) с использованием методов статистического
анализа.
1.
2.
3.
Литература
OECD Patent Statistics Manual – ISBN 978-92-64-05412-7 – © OECD,
2010
Гохберг Л.М. Статистика науки – М.,Теис, 2003- ISBN 5-7218-0459-9
Мхитарян В.С. Эконометрика Учебник Гриф УМО МО РФ
169
АНАЛИЗ ФИНАНСОВО-ХОЗЯЙСТВЕННОЙ ДЕЯТЕЛЬНОСТИ
ОАО «ГАЗПРОМ»
Талалаева Полина Сергеевна,
Петрова Ольга Николаевна
(Москва, МЭСИ)
На территории Российской Федерации сосредоточено около 30%
мирового запаса газа и вот уже более 15 лет страна остается крупнейшим
поставщиком в Европу, обеспечивая Европейский Союз примерно третью
потребляемого им газа.
ОАО «Газпром» - это крупнейшая российская газодобывающая и
газораспределительная компания, ставшая в 2009 году самой прибыльной в
мире. По объемам запасов, добыче газа и рыночной капитализации группа
Газпром является одной из крупнейших газовых и нефтяных компаний в
мире. Основная часть выручки приходится на продажу газа, нефти и
прочих углеводородов в страны Западной и Центральной Европы, Россию,
а также другие страны бывшего Советского Союза.
В процессе анализа деятельности компании достаточно явно
прослеживается сильная прямая взаимосвязь между объемами реализации
природного газа в России, в Европу, а также в страны СНГ и Балтии, что в
принципе не удивительно, так как именно этими тремя направлениями
представлены основные рынки сбыта.
Для более подробного анализа рассмотрим динамику основных
показателей деятельности ОАО «Газпром». В первую очередь рассмотрим
динамику чистой прибыли компании за период с 2005 по 2010 год.
В 2005 году чистая прибыль компании составила 203438,682
млн.руб. В 2006 г. прибыль увеличилась почти на 70 %, что в абсолютном
выражении составило 140241,385 млн.руб. В 2008 году наблюдалось
неестественное снижение прибыли до 173021,630 млн.руб., сущность этого
явления кроется в квартальной динамике показателя.
Так, в 4-м квартале 2008 года чистый убыток ОАО «Газпром»
составил 259870,841 млн.руб. по сравнению с чистой прибылью за 3-й
квартал 2008 г. в размере 147188,809 млн.руб. Появление чистого убытка в
4-м квартале 2008 г. вызвано в основном переоценкой финансовых
вложений (ценных бумаг) по текущей рыночной стоимости по состоянию
на 31 декабря 2008 года (так говорилось в сообщении компании). Чистая
прибыль «Газпрома» по РСБУ (Российские стандарты бухгалтерского
учета) за 2008 год уменьшилась по сравнению с 2007 годом - 360450 млн.
руб., в 2 раза.
170
Как уже упоминалось ранее, по масштабам рыночной
капитализации ОАО «Газпром» является одной из крупнейших газовых и
нефтяных компаний в мире. Однако на протяжении нескольких последних
лет наблюдалось устойчивое снижение этого показателя. Особенно
сильным снижение было также в IV квартале 2008 г. - 2531525,208 млн.
руб. против 8171827,660 млн. руб. в аналогичном квартале 2007 г. Так как
рыночная капитализация тесно связана с котировками акций, то достаточно
логичным выглядит тот факт, что при падении американского рынка, вслед
за которым во время Мирового финансового кризиса падают и рынки
развивающихся стран, падают и котировки большинства голубых фишек,
таких как Лукойл и Газпром.
В целом в 2010 г наблюдалось восстановление мировой экономики,
что привело к росту потребления газа в мире. В 2010 г. чистая выручка от
продаж газа составила 2186205 млн. руб., что на 6 % больше, чем в
кризисном 2008 г.
При этом на долю выручки от реализации газа в Европу
приходится 50,28%. То есть, несмотря на рост спроса, объемы экспорта
российского газа в Европу по сравнению с 2008 - 2009 гг. незначительно
снизились. Связано это с двумя существенными факторами – кризисом
мировой финансовой системы и стремлением стран Европейского Союза
постепенно сократить степень их зависимость от поставок газа из России. В
отношении внутреннего рынка, а также стран СНГ и Балтии, наоборот,
наблюдается положительная динамика выручки от реализации газа.
Таким образом, несмотря на Мировой финансовый кризис,
благодаря своему особому положению в сфере добычи и реализации газа,
ОАО «Газпром» довольно уверенно чувствовала себя на мировом рынке.
Рост чистой прибыли, перераспределение объемов реализации газа,
позволили компании не только не сократить расходы на работников в
переломные моменты для экономики, но и продемонстрировать огромный
потенциал для дальнейшего развития и устойчивого роста группы. До тех
пор, пока газ будет являться одним из важнейших энергетических
ресурсов, компании гарантированы стабильное развитие и лидирующие
позиции на мировом рынке.
1.
2.
3.
Литература
Финансовый отчет ОАО «ГАЗПРОМ»
Российский статистический ежегодник
http://www.gazprom.ru/
171
МОДЕЛИРОВАНИЕ ПРОЦЕССА ГЛОБАЛИЗАЦИИ МЕТОДОМ
КЛЕТОЧНЫХ АВТОМАТОВ
Тараскина Ксения Валерьевна
(Саратов, НИУ СГУ им. Н.Г. Чернышевского)
Общество
представляет
собой
сложную
динамическую
саморазвивающуюся систему, состоящую из огромного количества
однотипных агентов. Общие, «планетарные» процессы в различных сферах
жизни
общества
трудно
поддаются
контролю,
изучению
и
прогнозированию, однако именно они отражают актуальное на данный
момент понятие глобализации. Попробуем рассмотреть это явление через
призму социального аспекта, то есть с позиций влияния каждого
отдельного человека на общество в целом, принимая во внимание развитие
информационных технологий, которые значительно расширяют круг
общения индивида.
Для моделирования указанного аспекта часто используются
динамические саморазвивающиеся дискретные системы многих частиц –
так называемые клеточные автоматы [1],
которые меняются свое
состояние одновременно и согласно единому правилу, исходя их состояний
их ближайшего окружения. Теория клеточных автоматов представляет
пространство в виде матрицы, каждая ячейка которой принимает некоторое
значение; локальная окрестность рассматриваемой клетки пространства
есть её ближайшие соседи. Таким образом, клетка меняет своё состояние в
зависимости от состояния клеток из локальной окрестности; это
зависимость и является правилом клеточных автоматов.
Социальные процессы идеально подходят для моделирования
методом клеточных автоматов, т.к. представлены большим набором
индивидов, действующих исходя из состояния их ближайшего окружения.
Термин «глобализация» можно переформулировать в рамках теории
клеточных автоматов как увеличение разнообразия и количества
общественных связей индивида, а также изменение формы его локальной
окрестности. Таким образом, элементарная ячейка общества определяется
как индивид с некоторым набором связей, т.е. его локальной окрестностью.
Следует отметить, что для моделирования применяется набор окрестностей
для каждого агента, т.к. количество контактов у каждого индивида может
быть различным.
Моделирование будет производиться в специализированном
программном комплексе для исследования процессов конкуренции,
моделирования массопереноса и процесса обратимой агрегации.
172
Однако, вернемся к термину «глобализация» - благодаря
сформулированному выше определению можно определить меру
глобализации как координационное число (количество) связей на
индивида[2]. При рассмотрении «идеального» общества это число не будет
варьироваться, а будет постоянным для каждого агента, при этом можно
проследить эволюцию процесса глобализации как увеличение количества
связей индивида, представив ее в виде n-мерных картин или изменение
формы локальной окрестности в двумерном пространстве.
Рисунок 1. Различные виды локальных окрестностей: 2 соседа (а), 8
соседей (б), 12 соседей (в), г – вырожденный случай, когда каждая
клетка входит в окружение каждой клетки
Когда координационное число будет равно количеству агентов
минус единица - мир будет полностью глобализован. Собственно, меняя
характер окрестности и размерность модели, можно смоделировать социум
в будущем и предсказать новые общественные процессы и явления,
которые породит глобализация.
1.
2.
Литература
Тоффоли Т., Марголус Н. Машины клеточных автоматов: Пер. с англ. –
М.: Мир, 1991. – 280с., ил.
Беклемишев К.А., Берг Д.Б. концептуальный подход к моделированию
процесса глобализации методом клеточных автоматов/ Cб. тр. VI
Всероссийской интернет-конференции по проблемам эконофизики и
эволюционной экономики, г. Екатеринбург, 2006, с. 84- 86.
173
ИЗМЕРЕНИЕ ВОСПРИЯТИЯ ВЫПУСКНИКАМИ ПЕРМСКИХ
ВУЗОВ КАЧЕСТВА ВЫСШЕГО ОБРАЗОВАНИЯ
Теплых Григорий Васильевич
(Пермь, НИУ ВШЭ)
Качество высшего образования это сложная многогранная
категория, не имеющая единого общепринятого определения. В то же
время, согласно теории управления качеством, качество услуг можно
определить с позиции удовлетворенности потребителя. Потребителями
образовательных услуг вуза являются различные стейкхолдеры, в
частности общество в целом или работодатели. Однако в последнее время
становится всё более актуальной оценка образования непосредственно с
позиции тех, кто там учится.
Для исследования использована база данных результатов
анкетирования по выпускникам инженерных специальностей вузов города
Перми. Опрос проведен в 2009 году в рамках исследовательского проекта
Стэнфордского университета. Анкеты помимо прочего включали вопросы
по отношению выпускников к вузу и качеству полученного образования.
Целью исследования является получение содержательных выводов
по восприятию выпускниками качества образования на основе небольшого
числа легко интерпретируемых показателей.
В качестве методической базы использован инструментарий
снижения размерности данных. Переход к меньшему числу индикаторов
сохраняет структуру и информативность исходных данных, но при этом
позволяет делать более общие выводы. В качестве метода обработки
данных был применён нелинейный метод главных компонент (NLPCA) в
рамках систем Гифи. Выбор метода обусловлен исходной базой – анкетные
вопросы в основном являются порядковыми переменными. Системы Гифи
нацелены на работу как раз с категориальными показателями, осуществляя
их квантификацию одновременно с расчётом главных компонент.
Вопросы анкеты были объединены в две группы показателей –
общее отношение выпускников к факультету и оценка выпускниками
изменения знаний и навыков за время учёбы в вузе. В ходе обработки
показателей NLPCA отдельно по каждой группе получено четыре
компоненты (по две в каждой группе), которые объясняют около 50%
исходной дисперсии и которые могут быть объяснены как интегральные
индикаторы оценки выпускниками качества высшего образования.
Полученным компонентам можно дать конкретную интерпретацию
на основе анализа матриц нагрузок (рис. 1. и 2). Первые компоненты по
обеим группам положительно коррелируют со всеми показателями и
174
потому могут быть приняты за интегральную оценку выпускниками
качества образования – отношение к факультету (первая группа) и
комплексное изменение знаний и навыков в вузе (вторая группа). Вторые
компоненты по группам имеют схожее содержание – они отражают
внимание выпускников к прикладному практическому аспекту обучения в
вузе.
0,75
0,8
M8
0,6
S10
M7
S12
0,50
Dimension 2
Dimension 2
0,4
M3
0,2
0,0
M5
-0,2
M4
M2
-0,4
M1
S11
0,25
S15 S3
S1 S9
0,00
S7
S4
S14
S8
S5
-0,25
M6
S13
-0,50
-0,6
0,0
0,2
0,4
0,6
0,8
1,0
0,0
0,2
0,4
S2
0,6
S6
0,8
Dimension 1
Dimension 1
Рисунок 1, 2. Координаты матриц нагрузок по первой (мнение о
факультете) и второй (оценка изменения знаний и навыков)
группе показателей
Дальнейшее
исследование
основано
на
сопоставлении
интегральных индикаторов качества образования с экзогенными
характеристиками студентов. В частности, проведено рейтингование
вузовских факультетов и специальностей по воспринимаемому качеству
образования.
Сравнение результатов текущего исследования с выводами
предыдущей работы по оценке восприятия качества образования
студентами позволяет заключить, что выпускники оценивают своё
образование в рамках той же ценностной системы, что и студенты, хотя их
оценки заметно различаются.
1.
2.
Литература
Исакин М.А., Теплых Г.В. (2011). Исследование качества высшего
инженерного образования по данным анкетирования студентов с
помощью метода нелинейных главных компонент (NLPCA),
Прикладная эконометрика. 2011. № 1. 70-96
Michailidis G., De Leeuw J. (1998). The Gifi System of Descriptive
Multivariate Analysis. Statistical Science, Vol. 13, No. 4, 307-336
175
ИССЛЕДОВАНИЕ ДИФФЕРЕНЦИАЦИИ РЫНКА ЖИЛЬЯ
В МОСКВЕ
Тесленко Валентина Александровна
(Москва, НИУ ВШЭ)
Внимание к рынку жилья резко выросло после распада СССР и
перехода России к рыночной экономике. В связи с передачей сооружения
новых домов частному сектору типы построек и квартир поражают
разнообразием и могут удовлетворить любой вкус. В России принято
дифференцировать жилье по качественному признаку, выделяя квартиры
низкого качества, типовые квартиры. Квартиры улучшенной планировки и
элитные квартиры. Однако высокие цены превратили квартирную площадь
в самое дорогое и затратное приобретение для россиян. Особый интерес
представляет московский рынок жилья. Известно, что цены квартир в
столице в разы выше, чем в областных центрах, и изучить их специфику
является целью исследования.
В данной работе произведена стратификация квартир по стоимости
одного квадратного метра с выделением характеристик страт, основываясь
на базе данных риэлторского агенства «Rielto».
Учитывая единый принцип формирование цены квартир на рынке
жилья и их существенные различия. Можно предположить, что
распределение жилого фонда по уровню цены будет иметь вид дискретной
аддитивной смеси, которые различны по параметрам и весовым
коэффициентам.
Так как стоимость квадратного метра жилья определяется
различными факторами, которые изменяют значения показателя в большей
или меньшей мере, то их воздействие можно считать мультипликативным,
что позволяет предположить, что закон распределения признака будет
логарифмически нормальным.
𝑓(𝑥) =
1
𝑥√2𝜋
𝑒
(𝑙𝑛𝑥−𝜇)2
2𝜎2
Где 𝜇, 𝜎 – математическое ожидание и среднее квадратическое
отклонение. При наличии k однородных страт, закон распределения будет
представлять собой смесь k логарифмически-нормальных распределений.
𝑘
𝑓(𝑥) = ∑ 𝑞𝑖 𝑓(𝑥; 𝜇𝑖 ; 𝜎𝑖 )
𝑖=1
Где 𝑞𝑖 – число объектов i-той группы в генеральной совокупности
∑𝑘𝑖=1 𝑞𝑖 = 1, а
группы.
- плотность вероятностей распределения i-той
176
Определим параметры смеси распределения 𝑞𝑖 , 𝜇𝑖 𝜎𝑖 максимизируя
функцию правдоподобия, получим максимально правдоподобные оценки,
на основе которых построим модель смеси логарифмически нормальных
распределений.
График плотности вероятности, рассчитанный для созданного
массива значений lnx, представлен на рисунке.
Основываясь на полученной модели, можно выделить три страты:
Дешевые квартиры, среди которых наиболее часто встречаются
квартиры стоимостью 2,2 – 3,8 тыс. $ за кв. метр.
 Квартиры со средней стоимостью от 3,8 до 8,2 тыс. $ за кв. метр
 Дорогие квартиры стоимостью 8,2 – 16,2 тыс. $ за кв. метр
Первая страта сильно отличается от остальных по своим
параметрам: ее доля в общей выборке небольшая – всего 3%что
неудивительно, так как дешевых квартир на рынке жилья очень мало.
Самым распространенным типом являются квартиры среднего класса,
которые составляют почти 70% от всей совокупности. Квартиры
повышенной комфортности также имеют значительную долю (27%).
В результате анализа выявлено, что дифференциация по стоимости
жилья значительна, для распределения характерна дискретная структура.

1.
2.
Литература
База данных риэлторского агенства «Rielto»
Учебное пособие: В.П. Сиротин, М.Ю. Архипова «Расщепление смесей
вероятностных распределений в задачах моделирования структуры»,
Москва, 2008
177
СТАТИСТИЧЕСКИЕ ИССЛЕДОВАНИЯ ВЫЕЗДНОГО ТУРИЗМА
В РФ
Тимохина Татьяна Сергеевна
(Москва, РГАУ–МСХА им. К.А. Тимирязева)
Международный туризм уже более пятнадцати лет является одним
из наиболее динамично развивающихся видов коммерческой деятельности
в нашей стране. С каждым годом туристский рынок становится все более
устойчивым и равновесным, ассортимент предложений на рынке широким и дифференцированным.
Ситуация на туристском рынке страны такова, что выездной поток
по своим характеристикам многократно превышает въездной и внутренний,
а организация выездных туров в представлении многих теоретиков и
практиков туризма является одним из наиболее рентабельных и
перспективных видов туристской деятельности.
Задача данной работы - рассмотреть динамику выездного туризма.
На основе статистических данных, приведенных на туристских интернетпорталах и в учебных пособиях, будут выявлены предпочтения российских
туристов относительно видов туризма, а также влияние различных
факторов на формирование спроса.
Основной целью работы является определение основных видов
въездного туризма в Российской Федерации и перспективы.
Исходным материалом для анализа послужили: тематические
сборники, данные ЦСБД Росстата, туристские интернет-порталы и учебные
пособиях.
В анализе применялись: метод группировок, анализ динамических
рядов, выборочный метод.
1.
2.
3.
4.
Литература
Ушаков Д.С., Технологии выездного туризма: Учебное пособие. –
М.:ИКЦ «Март», 2005 год. – 384 с.
www.gks.ru
www.ratenews.ru/Статистика.
www.tourism.ru.
178
МОДЕЛИРОВАНИЕ СТОИМОСТИ ЖИЛОЙ НЕДВИЖИМОСТИ
В Г. МАГНИТОГОРСКЕ С ПОМОЩЬЮ НЕЙРОСЕТЕВОГО
МОДЕЛИРОВАНИЯ
Трофимов Дмитрий Юрьевич,
Нагодкина Екатерина Сергеевна
(Магнитогорск, МГТУ им. Г.И. Носова)
В последние десятилетия в мире бурно развивается новая
прикладная область математики, специализирующаяся на искусственных
нейронных сетях (НС). Актуальность исследования вытекает из
необходимости формализации существующих критериев оценки стоимости
продаваемых квартир, т.к. часто на практике нет четко обоснованных
факторов и моделей для её определения. Преобладает способ
формирования цены предложения квартиры, имеющий в своей основе
субъективные критерии, которые могут не совпадать у разных оценщиков.
Искусственная нейронная сеть (ИНС, нейронная сеть) - это набор
нейронов, соединенных между собой. Подавая любые числа на входы
нейронной сети, мы получаем определенный набор чисел на выходах
нейронной сети. Таким образом, работа нейронной сети состоит в
преобразовании входного вектора в выходной вектор, причем это
преобразование задается весами нейронной сети.
В моей работе в качестве входного вектора выступают значения
следующих факторных переменных: количество комнат; жилая площадь;
площадь кухни; район; этаж; состояние квартиры. Данные переменные
были взяты для анализа в силу их влияния на формирование стоимости
квартиры, кроме того она являются объективными и исключают
компоненту субъективности.
Построение искусственной нейронной сети проводилось в
программе Deductor Studio Academic 5.2
Рисунок 1. Граф нейронной сети
179
После построения наиболее распространенных
архитектур
нейронных сетей: однослойный персептрон, многослойный персептрон и
другие, была выбрана в качестве оптимальной архитектура многослойного
персептрона тремя скрытыми слоями и сигмоидной функцией активации,
которая определяет зависимость сигнала на выходе нейрона от взвешенной
суммы сигналов на его входах.
После обучения нейронной сети были получены хорошие
результаты: число распознанных примеров в обучающем множестве
значений составило 388 из 389, средняя абсолютная ошибка по всей
совокупности составила 71,33347 тыс. руб. Средняя относительная ошибка
составила 5,221%, т. е модель является адекватной исходному процессу.
Визуально адекватность модели можно оценить с помощью диаграммы
рассеяния (рис.2), которая показывает отклонение (разброс) полученных
модельных значений стоимости квартир от фактических
значений
(диагональная линия), пунктиром отмечен 5% порог ошибки.
Рисунок 2. Диаграмма рассеяния
Логичным является предположение, что факторы, определяющие
стоимость одно-, двух и трехкомнатных квартир, могут быть различными.
В связи с этим проводиться группировка квартир по числу комнат. Для
выбора вида уравнения регрессии, был проведен предварительный анализ
распределения стоимости квартир, в результате которого была принята
гипотеза о логарифмически нормальном законе распределения. Таким
образом, полученная модель стоимости квартиры вторичного рынка жилья
с помощью нейронной сети позволяет оценить стоимость квартиры исходя
из различных комбинаций факторных переменных и оценить влияние
каждого из факторов на исходный результат.
Нейросетевые технологии дают возможность специалистам в сфере
недвижимости принять решение о покупке или продаже квартиры, оценить
состояние вторичного рынка жилья, а также спрогнозировать его состояние
на будущий период. Обученная нейронная сеть в отличие от экспертного
заключения исключает субъективную компоненту оценки квартирной
стоимости.
180
ОЦЕНКА ДОСТАТОЧНОСТИ УРОВНЯ ГОСУДАРСТВЕННЫХ
ИНВЕСТИЦИЙ, НАПРАВЛЕННЫХ
НА ОХРАНУ ОКРУЖАЮЩЕЙ СРЕДЫ
Тутарова Дарья Андреевна
(Магнитогорск, МГТУ им. Г.И. Носова)
Российская Федерация является самым большим государством
мира с территорией более 17 млн.кв.км. Россия богата огромным
количеством рек, лесов, полезных ископаемых, разнообразных
ландшафтов. Ни одна страна в мире не сравнится с российскими запасами
пресной воды, с площадью пахотных и нетронутых земель, с
разнообразием животного и растительного мира. Но, в то же время,
экологическая обстановка в России крайне неблагоприятна. Наибольший
вред наносят многочисленные промышленные предприятия и автомобили,
чье число неуклонно растет. В связи с разными выбросами загрязняется
атмосферный воздух, ухудшается качество воды, и, как следствие,
ухудшается здоровье людей.
Именно поэтому была поставлена задача
рассмотрения
экологической обстановки в субъектах РФ и достаточности
государственных инвестиций, направленных на защиту окружающей
среды. Для выявления экологического рейтинга субъектов РФ в качестве
исходных данных используются 18 переменных, характеризующих
субъекты в разных сферах. В результате формируются четыре блока: 1)
промышленность, 2) заболеваемость, 3) земельные и лесные ресурсы, 4)
водные ресурсы. Далее строится сводный блочный интегральный
индикатор, в соответствии с которым каждому субъекту РФ присваивается
рейтинг. Таким образом можно выделить регионы с благоприятной и
неблагоприятной экологической обстановкой.
Для оценки государственных инвестиций, направленных на охрану
окружающей среды, воспользуемся методом кластерного анализа с
использованием пакета «Statistica». Методом Варда переменные
объединяются в три кластера, после чего рассматривается соответствие
уровня государственных инвестиций и экологического состояния региона.
В результате проделанного анализа выделяются те субъекты РФ, которые
нуждаются в дополнительном государственном финансировании.
1.
Литература
Айвазян С.А. Прикладная статистика. Основы эконометрики. – М.:
ЮНИТИ-ДАНА, 2001. – 432 с.
181
ИНТЕРНЕТ-ТОРГОВЛЯ В РОССИИ: АНАЛИЗ ТЕНДЕНЦИЙ И
ПРОГНОЗ
Ульбашев Азамат Хусейнович
(Москва, НИУ ВШЭ)
Интернет-торговля - это динамично развивающаяся отрасль во
всём мире. Перед компаниями сектора розничной торговли открываются
совершенно новые рынки. Интернет
предоставляет всё больше
возможностей потребителю для изучения продукции - он может быстро
ознакомиться с ней и определить, является ли товар, предлагаемый
местными торговыми компаниями, продукцией высокого или низкого
качества. Чтобы получить объективное представление о рынке интернет –
торговли
в
России,
компаниями
проводятся
многочисленные
статистические исследования. Одними из ключевых проблем выступают
оценка репрезентативности используемых выборок и трудность получения
достоверной информации.
На практике применяются два способа сбора информации:
проведение онлайн-опросов и подсчёт запросов в поисковиках. Сравнение
и анализ временных данных позволяют выявить определённые
закономерности, присущие интернет – торговле в России. Так, интерес
пользователей к покупками в Интернете растёт от года к году. Причём это
характерно не только для цифровой техники, приобретение которой в сети
оправдано и удобно, но и для офлайновых товаров (одежда, обувь,
лекарства, автомобили). Покупками посредством Интернета интересуются
и граждане с невысоким уровнем владения компьютерной техникой, а не
только те, кто регулярно выходят в Интернет с помощью технических
устройств.
Ещё одна особенность – интернет-аудитория стала тратить на
покупки более существенные суммы денег.
Российские интернетпользователи делают не только сравнительно дешёвые заказы (книг,
музыки и пр.), но также приобретают более дорогостоящие товары –
ювелирные украшения, мебель и автомобили.
Вступление России в ВТО открывает новую страницу в развитии
интернет-торговли. Снижение таможенных пошлин приведёт к увеличению
закупок россиянами товаров у зарубежных интернет-магазинов. Также
ожидается симбиоз онлайновой и офлайновой торговли, что послужит
дополнительным толчком для увеличения объёма продаж в сфере
розничной торговли. Эти изменения ужесточат требования к
репрезентативности выборок и приведут к более взвешенному экономикостатистическому прогнозированию рынка интернет-торговли в России.
182
СТАТИСТИЧЕСКИЙ АНАЛИЗ ЗДОРОВЬЯ ДЕТЕЙ В РФ
ЗА ПЕРИОД 1991-2010 ГГ.
Урусова Ольга Валерьевна,
Косолапова Дарья Эдуардовна
(Москва, РГАУ-МСХА им. К.А. Тимирязева)
Здоровье детей определяет будущее страны, так как дети – это
трудоспособное население страны в перспективе, экономически активная
часть общества, ее трудовые ресурсы и рабочая сила в национальной
экономике. От здоровья детей будет зависеть интеллектуальный потенциал
и развитие научной мысли общества, производительность труда
работников и продолжительность их работы, уровень жизни и размеры
социальной защиты. Самое тяжелое состояние здоровья детей
сопровождается инвалидностью. Чем больше детей-инвалидов, тем меньше
перспектив у общества для развития. В этой связи наличие детейинвалидов служит индикатором здоровья нации.
Целью данного исследования является статистическая оценка
состояния и тенденций развития здоровья детей России, включая анализ
инвалидности в детском возрасте.
На основе анализа тенденций посредством эконометрических
моделей определены прогнозные оценки показателей на среднесрочную
перспективу. Проанализированы факторы роста инвалидности детей в
России. Дана статистическая оценка состава и структуры детей-инвалидов.
Кроме того в ходе данного исследования были рассмотрены и
изучены меры государства по социальной защите детей-инвалидов.
183
УСОВЕРШЕНСТВОВАНИЕ МЕТОДИЧЕСКИХ ПРИНЦИПОВ
КОМПЛЕКСНОГО ОЦЕНИВАНИЯ ЭФФЕКТИВНОСТИ СИСТЕМЫ
УПРАВЛЕНИЕ КАЧЕСТВОМ МЕТАЛЛУРГИЧЕСКОГО
ПРОИЗВОДСТВА
Федько Яна Викторовна
(Луганск, ЛНУ им. Тараса Шевченко)
Проблема
усовершенствования
методических
принципов
оценивания
эффективности
системы
управления
качеством.
промышленного производства сегодня является чрезвычайно актуальной
[1-4] Для оценивания эффективности системы управления качеством
производства
металлургического
предприятия
необходима
ее
конкретизация путем определения критериев, связанных с ними
показателей и соответствующих этим критериям условий эффективности.
Сложность в том, что при оценивании эффективности промышленного
производства применяют разные унифицированные подходы к расчетам.
Вопросы,
связанные
с
построением,
документированием,
функционированием, мониторингом и развитием системы управления
качеством производства металлургических предприятия в настоящее время
приобретают не только теоретическое, но и практическое значение для
отечественных предприятий, что обусловливает актуальность темы
исследования. Целью исследования является усовершенствование
методических принципов определения комплексной оценки эффективности
производства металлургических предприятий на основе расчета системных
показателей и уровней мониторинга. Для оценивания эффективности
системы
управления
качеством
производства
предприятий
металлургической
промышленности
предложено
использовать
комплексный метод оценивания эффективности производственной
системы, которая состоит из разных групп оцениваемых показателей и
основывается на использовании интегрального показателя эффективности
системы металлургического производства. Интегральный показатель
эффективности деятельности металлургического производства определим
по формуле (1):Yэф= n√∏ni=1 Yэф (1), где Yэф - значение і-го показателя
эффективности системы управления качеством металлургического
производства. Как единичные показатели эффективности системы
управления качеством металлургического производства в исследовании
использованы: Yм - показатель уровня качества материальных ресурсов;
Yтр - показатель уровня технических ресурсов; Yкпп - показатель уровня
квалификации производственного персонала; Yупр - показатель уровня
качества продукции; Yфр - показатель уровня использования финансовых
184
ресурсов; YТ - показатель уровня использования информационных
ресурсов; Yии - показатель уровня использования инноваций; Yк показатель уровня конкурентоспособности продукции. Таким образом, в
исследовании сформирована система показателей, которая характеризует
деятельность предприятия металлургического производства и позволяет
построить логическую цепь формирования системы управления качеством
деятельности предприятий металлургической промышленности с учетом
влияния основных факторов.
Количественный анализ исследования влияния факторов
позволили выделить условно пять зон эффективности деятельности
системы управления качеством металлургического производства: очень
высокий [0,8 - 1,0], высокий [0,6 - 0,8], средний [0,4- 0,6], низкий [0,2 - 0,4],
очень низкий [0 - 0,2]. Результаты, полученные при оценивании
эффективности металлургического производства, являются входящей
информацией, на основании которой можно: осуществлять управление
системой производства металлургических предприятий и ее процессами,
проводить деятельность относительно постоянного совершенствования как
системы управления качеством, так и ее процессами, проводить
мероприятия относительно модернизации процессов системы управления
качеством металлургического производства [5]. Таким образом,
в
исследовании предложенный алгоритм оценивания эффективности
металлургического производства на основании интегрального показателя,
который количественно характеризует достижение металлургического
производства. Разработанная модель позволяет учитывать цель, ресурсы,
результаты, конкурентоспособность, затраты при соответствия и
возможные расходы при несоответствии проведения деятельности,
связанной с мониторингом и оцениванием качества системы
металлургического производства.
1.
2.
3.
4.
Литература
Біленький П.Є. Підвищення якості організації промислового
виробництва / П.Є. Біленький. - Львів : Світ, 2007. - 168 с.
Ситніченко В.В. Сучасні системи менеджменту - основа сталого
розвитку підприємства / В.В. Ситніченко, Г.А. Кисельова //
Стандартизація, сертифікація, якість. - 2004. - №3. - С. 59-65.
Михеева С.В. Некоторые аспекты оценки качества управления / С.В.
Михеева // Методы менеджмента качества. - 2003. - №3. - С. 29-31
Мочалов Н.А. Оценка эффективности и совершенствования системы
качества предприятия / Н.А. Мочалов, Д.М. Темкин, Т.М. Полховская //
Методы менеджмента качества. - 2001. - №10. - С. 17-24
185
СТАТИСТИЧЕСКИЙ АНАЛИЗ АБОРТОВ В РОССИИ
Фетисов Илья Игоревич
(Москва, РГАУ-МСХА им. К.А. Тимирязева)
Актуальность выбранной темы исследования состоит в том, что на
сегодняшний день в России проведение абортов является не только
серьёзной финансовой, но и этической проблемой населения страны. Цель
исследования – выявление особо неблагополучных регионов относительно
рассматриваемой проблемы, формулировка причин проведения абортов и
их различия по регионам страны. Для достижения цели был проведен
статистический анализ абортов в России, заключающийся в определении
их динамики, группировки регионов России по частоте проведения
абортов, совершаемых женщинами в возрасте 15-49 лет; сравнении данных
об абортах в России и других странах мира.
Анализ динамики показал улучшение демографической ситуации в
стране (уменьшение абортов, увеличение рождаемости), но резко
отрицательного тренда не наблюдается и после государственных вложений
в программу «Материнский капитал», которая осуществляется с 2007 года.
Таблица 1
Показатели динамики абортов в России
Показатели
1995 г.
2000 г.
2006 г.
2007 г.
2008 г.
2009 г.
Общее число абортов, тыс.
Число абортов у
первобеременных
2766,4
2138,8
1582,4
1479,0
1385,6
1292,4
177,7
161,1
159,4
149,8
136,8
118,9
Количество абортов на
количество рожденных
2,03
1,69
1,07
0,92
0,81
0,73
72,8
54,2
40,3
38,0
36,0
34,2
Количество абортов на
1000 женщин
Следующим шагом данного исследования была группировка всех
субъектов Российской Федерации числу абортов. Группировочным
признаком послужит показатель числа абортов на 1000 женщин. За
факторные признаки были взяты различные экономические и социальные
показатели:
1) ВРП на душу населения, тыс. руб.;
2) Средний уровень заработной платы;
3) Общая площадь жилых помещений, приходящаяся в среднем на одного
жителя;
4) Число дошкольных образовательных учреждений на 1000 чел;
186
5) Число персональных компьютеров, используемых в учебных целях, на
1000 обучающихся;
6) Число зарегистрированных преступлений на 100000 человек населения;
7) Уровень безработицы.
По результатам группировки было выделено 3 типические группы.
Таблица 2
Группировка регионов России по числу абортов на 1000 женщин
Типические группы
Низшая
Средняя
Высшая
В среднем
38
24
18
27
29,32
44,21
53,89
42,5
ВРП на душу населения, руб.
163454,4
188392,2
200813,1
184219,9
Средний уровень з/п, руб.
14694,5
15796,5
20918,9
17136,6
Общая площадь жилых помещений,
приходящаяся в среднем на одного
жителя, квадратных метров
22,4
22,2
22,6
22,4
Число дошкольных образовательных
учреждений на 1000 чел.
0,3
0,4
0,4
0,4
56,6
60,9
66,9
61,5
1644,5
2357,4
2323,9
2108,6
10,4
10,2
9,1
9,9
Число субъектов
Число абортов на 1000 женщин в
возрасте 15-49 лет, тыс.
Число персональных компьютеров,
используемых в учебных целях, на 1000
обучающихся, шт.
Число зарегистрированных
преступлений на 100000 человек
населения
Уровень безработицы, %
Далее была проведена детализация высшей группы, которая
заключалась в сравнении показателей данной группы со средним по
России.
1.
2.
3.
Литература
Демографический ежегодник России. 2010: Стат. сб. / Росстат. - M.,
2010, с. 178.
http://www.gks.ru/wps/wcm/connect/rosstat/rosstatsite/main/population/dem
ography/
http://www.gks.ru/bgd/regl/B10_14p/Main.htm
187
СТАТИСТИЧЕСКИЙ АНАЛИЗ СОСТОЯНИЯ И ОСНОВНЫХ
ТЕНДЕНЦИЙ ЗАБОЛЕВАЕМОСТИ ТУБЕРКУЛЕЗОМ
Филиппова Ольга Эдуардовна,
Курочкина Ирина Олеговна
(Курск, КГМУ),
(Москва, НИУ ВШЭ)
Эпидемиологическая ситуация по туберкулезу в мировом
сообществе по-прежнему вызывает тревогу за сохранность здоровья
населения планеты. В последнем докладе ВОЗ отмечено снижение числа
впервые выявленных больных туберкулезом до 8,8 млн. человек, а также
уровня смертности на 40% за последние 20 лет, однако имеет место рост
числа лекарственно-устойчивых форм, особенно в странах Восточной
Европы, в России, Украине и Азербайджане.
При исследовании состояния и динамики заболеваемости,
выявлении и характеристики основных тенденций развития и моделей
взаимосвязи широко используются экономико-статистические методы
анализа. Цель исследования: установление тенденций заболеваемости
туберкулезом в РФ и Орловской области за 2000-2009 гг.
В ходе статистического анализа динамики показателя абсолютного
числа больных с впервые в жизни установленным диагнозом туберкулеза
на территории РФ за 2000-2009 гг. установлено, что наблюдается
тенденция его незначительного снижения с 130685 до 117227 человек, темп
прироста отрицателен и составил (-1,18%). Имеющийся динамический ряд
статистически однороден, так как коэффициент вариации ниже значений,
принятых за норматив (+10%). В этот период отмечается стабилизация
показателей заболеваемости туберкулезом на 100 тыс. населения, с
незначительными колебаниями в ту или иную сторону, коэффициент роста
составил 1,0. Наиболее высокие показатели темпа прироста выявлены в
2000 г. (5,85%) и в 2008 г. (2,16%).
На основании данных отдела статистики ОГУЗ «Орловский
противотуберкулезный диспансер» установлено, что за 10-летний период
отмечается снижение показателя заболеваемости туберкулезом по области
с 81,6 до 56,2 на 100 тыс. населения, т.е. на 31,1%, средний темп прироста
отрицателен и составил (-3,81%); среднее значение – 64,8 (Белгородская
область - 67,0, Курская область - 75,5 на 100 тыс. человек населения).
Незначительное повышение этого показателя отмечается лишь в 2004 г.
(темп прироста 1,31%),
зарегистрировано 522 впервые выявленных
больных туберкулезом.
188
Показатель смертности от туберкулеза в 2009 г. уменьшился на
11,8% и составил 4,5 на 100 тыс. населения. В структуре смертности
наблюдается увеличение таких остропрогрессирующих форм как казеозная
пневмония до 27% и уменьшение хронических текущих процессов, таких
как фиброзно-кавернозный туберкулез до 24,3%.
Заболеваемость внелегочными формами туберкулеза в 2009 г.
незначительно увеличилась и составила 2,3 на 100 тыс. населения, что
свидетельствует о недостаточной организации работы по раннему
выявлению туберкулеза подобных локализаций.
Зарегистрированы случаи заболеваемости туберкулезом среди
детей в семи районах области, относительный показатель составил 9,0 на
100 тыс. детского населения, что соответствует уровню прошлого года.
С использованием корреляционно-регрессионного анализа и
многовариантного
математического
моделирования
установлены
тенденции, отобраны оптимальные модели и определены прогнозные
значения числа заболевших в Орловской области на ближайшие три года.
Коэффициент корреляции между фактическими и теоретическими
значениями равен 0,82, т.е. примерно на 67%, согласно коэффициенту
детерминации, рост объясняется динамикой заболеваемости, остальные
18% - это влияние других факторов. Отклонения от фактических значений
5,49-5,87%, что вполне приемлемо для прогнозирования. Согласно
проведенным расчетам к 2012 г. заболеваемость составит 55,5-55,6 на 100
тыс. всего населения.
Таким образом, отрицательная динамика заболеваемости
свидетельствует о благоприятной эпидемической ситуации по туберкулезу,
однако показатели остаются достаточно высокими. Изучение динамики
заболеваемости, смертности и состояния противотуберкулезной помощи на
территории Орловской области дает возможность оценки эффективности
борьбы с туберкулезом в регионе, а также проведения мероприятий по
совершенствованию лечебно-профилактической помощи данной категории
больных.
1.
2.
Литература
Онищенко Г.Г. Эпидемиологическая ситуация по Российской
Федерации и меры ее стабилизации / Г.Г. Онищенко // Проблемы
туберкулеза. - 2003. - №11. - С. 4-9
Сафиуллин Р.С. Управление качеством лекарственной помощи,
оказываемой больным туберкулезом в Республике Татарстан / Р.С.
Сафиуллин, Д.Х. Шакирова, М.В. Кулькова // Новая аптека:
эффективное управление. - 2010. - №4. - С. 29-32
189
ОПТИМИЗАЦИИ ПРИБЫЛИ ПРЕДПРИЯТИЯ НА ОСНОВЕ
МОДЕЛИ ШТАКЕЛЬБЕРГА
Хачалова Аминат Гамзатовна
(Махачкала, ДГУ)
На рынке часто бывает ситуация, когда действуют несколько
производителей, и каждый из них может повлиять на цену. Практически
все модели олигополии основываются на теории игр. Математическая
модель олигополии представляет собой, по существу, бескоалиционную
игру. Дуополия – частный случай олигополии, рынок с двумя
производителями. В дуополии очень часто оба производителя находятся в
равных условиях, но в некоторых случаях одна из фирм занимает
лидирующее положение, а другая фирма подстраивается под лидера. Такое
положение фирм было рассмотрено немецким экономистом Генрихом фон
Штакельбергом, который на основе этого построил свою модель.
Фирма А1 — лидер и она решает производить объем выпуска q 1 .
Фирма А2 в ответ на это выбирает объем выпуска q2. В этом случае фирма
А2 является последователем. Каждая из двух фирм знает, что равновесная
цена на рынке зависит от общего произведенного объема выпуска, т.е.
P(Q)=a-bQ - равновесная цена отраслевого выпуска Q =q1+q2.
Для изучения поведения на рынке двух фирм рассматривается
решение двух задач : задачи последователя и задачи лидера.
Задача последователя:
При выручке TR2 и затратах на выпуск cq2 прибыль фирмы А2
составляет 2=TR2-cq2=Pq2-cq2
Подставляя значение цены Р, получили 2=aq2-bq22-bq1q2-cq2.
Главным для последователя является желание максимизировать
свою прибыль на основе уже известного объема производства лидера.
 2
 a  2bq 2  bq1  c  0
q 2
Выразив q2,
,
ac 1
q2 
 q1  R2 q1 
2b
2
получим функцию реакции R2(q1) фирмы A2 на действия фирмы
А1.
Задача лидера:
Лидер предполагает, что его действия по выпуску оказывают
влияние на выпуск последователя. Это выражается функцией реакции
R2(q1).
В этом случае прибыль лидера составляет
190
1=TR1-cq1=Pq1-cq1 или 1=aq1-bq12-bq1q2-cq1.
Выполнив преобразования, получим прибылемаксимизирующие
выпуски лидера
q1l 
ac
2b
и последователя
ac
 q 2f
4b
Равновесие Штакельберга определится таким образом
Q
a  c a  c 3(a  c)


2b
4b
4b
А равновесная цена составит
3(a  c) a  3c
P  a b

4b
4
Модель Штакельберга позволяет определить стратегию поведения
двух дагестанских фирм на рынке напитков, выпускающих минеральную
воду «Денеб» и «Рычал-су». На основе финансовых показателей их
выпусков выведена равновесная цена отраслевого выпуска
Р=52,8-0,000002645*Q
На основании проведенного анализа можно сказать, что фирмалидер получает большую прибыль, нежели фирмы в других моделях
дуополии, а фирма-последователь получает вдвое меньше прибыли по
сравнению с лидером, что следует из условия равновесия Штакельберга.
Модель Штакельберга дает
противоречивые результаты,
поскольку, во-первых, эта модель показывает, что наличие информации о
поведении конкурента приводит к росту производства и снижению цен на
рынке. С другой стороны, в подобных условиях производитель,
обладающей эксклюзивной информацией, получает значительную прибыль
от использования этой информации.
1.
2.
3.
4.
Литература
http://www.gosexamen.narod.ru/ftp/tema_19.doc
Бусыгин В., Желободько Е., Коковин С., Цыплаков А.
Микроэкономический анализ несовершенных рынков, Новосибирск
1999-94с
Официальный сайт компании «Денеб»: http://deneb.ru
http://econteor.ru/hste/opebr.php?pgh=9xx4
191
ТИПОЛОГИЧЕСКАЯ ГРУППИРОВКА КРЕДИТНЫХ
ОРГАНИЗАЦИЙ ПО УРОВНЮ УСТОЙЧИВОСТИ
Хван Мария Сергеевна
(Новосибирск, НГУЭУ)
В период экономической нестабильности, когда возрастают риски
в банковской сфере и возникает угроза устойчивому и динамичному
развитию экономики страны, значимость оценки стабильности банковского
сектора возрастает. Неадекватность оценки состояния банковской системы,
как показывает российская и международная практика, зачастую выступает
основной предпосылкой развития кризисной ситуации в отдельной
кредитной организации, является угрозой успешному и динамичному
развитию банковского сектора.
Существующие методики прогнозирования банкротства банков
изначально ориентированы на оценку состояний предприятий, и лишь
незначительная часть – на кредитные организации, что обуславливает
необходимость создание новой модели, позволяющей оценить состояние
кредитной организации с учетом ее специфики.
Для оценки состояния кредитной организации проведем
типологическую группировку с выделением трех типов: стабильное
состояние, нестабильное состояние и кризис. В основу типологической
группировки положим матрицу БКГ, адаптированную нами в матрицу
«уровень устойчивости финансового состояния кредитной организации–
устойчивость на рынке банковских услуг». По оси У располагается темп
прироста объема услуг банков, характеризующий устойчивость кредитной
организации на рынке (Тпр.). По оси Х – уровень финансового состояния
кредитной организации. Критическими точками перехода по вертикали
будем считать темп прироста рынка банковских услуг в целом по России,
равный 5,5%16, по горизонтали – уровень финансовой устойчивости равный
1. Уровень финансовой устойчивости определим с помощью
дискриминантного анализа. В целях построения модели диагностики
состояния коммерческих банков были отобраны две совокупности:
стабильные банки и банки-банкроты. В результате расчетов, проведенных с
использованием Excel «Анализ данных», было установлено критическое
значение по оси Х (уровень финансовой устойчивости), равное 288,5.
Значение по Х для каждого анализируемого банка определяется как
Так как информацию об объеме банковских услуг по РФ найти проблематично, возьмем в
качестве его оценки объем услуг финансового посредничества в России. По данным Росстата
об объеме в 2008 г. – 877,5 млрд.руб., в 2009 г. – 926,2 млрд.руб.
16
192
соотношение уровня финансовой устойчивости конкретного банка к
полученному значению (288,5).
Для апробации разработанной модели были взяты банки с
отозванными лицензиями в конце 2011 г. (Евросоюз, ГАЛАБАНК,
Национальный промышленный банк, РусичЦентрБанк) (рис. 1).
Рисунок 1. Матрица «уровень устойчивости финансового состояния
кредитной организации-устойчивость на рынке банковских услуг»
В ходе диагностики состояния кредитных организаций было
установлено, что в квадрант «Кризис» попали банки Евросоюз и
РусичЦентрБанк, а в квадрант «Нестабильное состояние» - Национальный
промышленный банк и ГАЛАБАНК. В целом можно предложить
следующие мероприятия по восстановления стабильности в данных банках:
анализ причин возникновения негативных процессов, анализ возможностей
привлечения инвестиций и внедрения инноваций, планирование текущей
деятельности на основе долгосрочных целей и планов, реструктуризация,
не допускать оттока стратегических клиентов и партнеров и прочее.
Разработанная матрица позволяет провести комплексную
диагностику состояния коммерческого банка, что позволяет оценить не
только финансовое состояние банков, но и отразить его устойчивость на
отраслевом рынке. Данный подход к диагностики состояния банка сочетает
в себе маркетинговые, статистические и финансовые элементы, что
обеспечивает построение целостного представления о том «где сейчас
находится кредитная организация, где она хочет оказаться и как она туда
попадет».
193
СТАТИСТИЧЕСКИЙ АНАЛИЗ ПРЕСТУПНОСТИ В СФЕРЕ
ОБОРОТА НАРКОТИКОВ В ЛУГАНСКОЙ ОБЛАСТИ
Чеботарёв Антон Вячеславович
(Луганск, ГУ ЛНУ им. Т. Шевченко)
Количественный анализ явлений и процессов, относящихся к сфере
деятельности правоохранительных органов, в том числе, связанных с
оборотом наркотических веществ, в неразрывной связи с их качественной
стороной, проводили такие известные российские и украинские ученые, как
С.Я. Казанцев, С.Я. Лебедев, Н.Г. Навроцкая. [1; 2] Однако глубокий и
всесторонний анализ социально-опасных процессов в современном
обществе, несмотря на его значимость, в научной литературе не
встречается.
Наркомания в Украине - это угроза национальной безопасности,
которая подтверждается статистикой: ежегодно количество наркоманов в
целом по стране увеличивается на 10%. Луганская область, в отличии от
западных областей Украины, является старопромышленным регионом, и
после Днепропетровской, Донецкой и Одесской, входит в пятерку самых
пораженных наркоманией областей. За последние 10 лет общее количество
наркоманов в Луганской области удвоилось. Причем 95% наркозависимых
– это молодежь от 15 до 30 лет [3]. Из 5541 человек, находящихся на
диспансерном учете в Луганской области с диагнозом «наркомания» 90,7% составляют жители промышленных городов (рис. 1).
Жители сельских
районов
9,3%
Жители городов
90,7%
Рисунок 1. Структура наркозависимых в Луганской области, 2011 г. [4]
Кроме вреда здоровью, наркомания напрямую связана с
преступностью, причем, более 50% преступлений в этой сфере совершают
лица моложе 30 лет (рис. 2). Статистика по Луганской области
свидетельствует о росте количества преступлений, совершенных
наркоманами или связанных с незаконным оборотом наркотиков. [5, с. 431]
Анализ количества преступлений по незаконному производству,
приобретению, хранению, перевозке наркотиков (результативный признак)
с 2003 по 2010 гг. (факторный признак) представим в виде корреляции.
194
% к количеству
осужденных за
соответствующие
преступления
60
50
40
30
20
10
0
1
2005
2
2006
Осужденные в возрасте до 30 лет
3
2007
2008
4
2009
5
2010…
6
Несовершеннолетние осужденные
Рисунок 2. Осужденные в Луганской области за преступления в сфере
оборота наркотиков и психотропных веществ за 2005-2010 гг. [5, с. 431]
Показательным является динамически растущий линейный тренд.
Коэффициент детерминации подтверждает рост преступности с каждым
годом R2 = 0,847 (рис. 3).
y = 89.893x + 3608.9
Количество, ед.
4400
4200
4000
3800
3600
3400
3200
3000
0
1
2
3
4
5
6
7
8
9
Годы
Количество преступлений
Linear (Количество преступлений)
Рисунок 3. Корреляционный анализ количества преступлений в сфере
оборота наркотиков в Луганской области за 2003-2010 гг.
На основе полученного уравнения, спрогнозируем ситуацию в
Луганской области на 2015 г. и получим результат – 4778 преступлений.
Как видим, криминогенная ситуация в Луганской области
принимает критически угрожающие масштабы, и от того, насколько
глубоким и правильным, а главное – своевременным будет статистический
анализ данной проблемы, зависит, в первую очередь, будущее нашей
страны и всего человечества в целом.
1.
2.
3.
4.
5.
Литература
Правовая статистика / под ред. С.Я. Казанцева и С.Я. Лебедева. - М.:
ДАНА-ЮНИТИ, 2009. - 255 с.
Навроцька Н.Г. Правова статистика: Навч. посіб. - К., 2007. - 280 с.
http://sd-news.lg.ua/content/view/2481/40
http://news.lugansk.info/2012/lugansk/02000817.shtml
Статистичний щорічник Луганської області за 2010 р. / під ред. С.Г.
Пілієва. – Луганськ, 2011 - 490 с.
195
ОЦЕНИВАНИЕ СМЕРТНОСТИ ПО ДАННЫМ РМЭЗ
Чернышева Ирина Константиновна
(Москва, НИУ ВШЭ)
Российский мониторинг экономики и здоровья – уникальный
источник данных, позволяющий не только оценить смертность в России, но
и получить разбиение по таким характеристикам, которые не
рассматривает Росстат. В частности, если Росстат предоставляет разбиение
по региональным и половозрастным характеристикам, то РМЭЗ, например,
позволяет оценить смертность и в зависимости от типа поселения, уровня
образования, характеристик здоровья и образа жизни и т.п.
Конечно, к анализу РМЭЗ следует подходить с осторожностью,
поскольку здесь мы сталкиваемся с цензурированными наблюдениями.
Зачастую некоторые индивиды выбывают из рассмотрения. В таких
случаях мы можем зафиксировать факт смерти, только если родственник
индивида заявит об этом. Поэтому для домохозяйств, состоящих из одного
человека, а также для домохозяйств, в составе которых один взрослый и
несовершеннолетние дети, отследить факт смерти невозможно.
Принимая во внимание эти трудности, мы откорректировали
выборку, исключив из нее одиноких индивидов и индивидов, не имеющих
в домохозяйстве совершеннолетних родственников. Кроме того, отметим,
что информация о некоторых индивидах может наблюдаться с перерывами
не в один, а в несколько раундов опроса. Используя модели времени жизни,
мы учитываем и таких индивидов, а на только тех, с момента последнего
опроса которых до момента смерти прошло не больше одного раунда. Здесь
заметна разница: если мы рассматриваем лишь последних, коэффициент
смертности будет ниже того, что даёт Росстат, а если мы стараемся учесть
всех, этот показатель оказывается более близким к статистике Росстата.
В исследовании предпринята попытка максимально полно учесть
случаи смерти и отследить закономерности в функциях дожития для
разных групп наблюдений. По выборке РМЭЗ за период с 2000 по 2009 гг.
построены оценки Каплана-Мейера для функции дожития по разным
группам наблюдений, а также оценены функции риска и дожития для
распределения Гомперца-Мейкхема.
1.
Литература
I. Denisova. Adult mortality in Russia. A microanalysis /Economics of
Transition.Volume 18(2) 2010, 333-363
196
КАЧЕСТВО ВЫСШЕГО ОБРАЗОВАНИЯ ГЛАЗАМИ СТУДЕНТОВ
(ПО ИТОГАМ СОЦИОЛОГИЧЕСКОГО ИССЛЕДОВАНИЯ)
Шаповалова Виктория Вадимовна,
Дитрих Марта Александровна
(Санкт- Петербург, СПбГУЭФ)
Проблема обеспечения качества высшего профессионального
образования является актуальной проблемой современного этапа
реформирования системы образования. В 2011 г. по заданию Комитета по
науке и высшей школе правительства Санкт-Петербурга было проведено
социологическое исследование среди студентов вузов «Оценка качества
получаемого в Санкт-Петербурге высшего профессионального образования
и перспектив его использования в дальнейшей профессиональной карьере».
Для работы интервьюерами и обработки результатов были привлечены
студенты статистического отделения СПбГУЭФ.
В ходе исследования было опрошено 2027 студентов старших
курсов. В выборке было обеспечено пропорциональное представительство
обучающихся в государственных и негосударственных вузах и по
отдельным направлениям обучения (техническим, гуманитарным,
медицинским, художественным и спортивным).
Программа наблюдения включала 50 вопросов, разбитых на пять
блоков. Качество образования оценивалось по нескольким направлениям:
качество условий обучения; качество процесса обучения; качество
результата обучения; перспективы использования образования в
профессиональной карьере. Отдельный блок вопросов был посвящен
социально-демографическим
и
личностным
характеристикам
респондентов.
Обработка результатов опроса проводилась в программной среде
SPSS. Как показал опрос, 84,0 % студентов-старшекурсников полностью
или скорее удовлетворены качеством получаемого образования, при этом
только 23,0% удовлетворены полностью. В качестве основных причин,
препятствующих высокому качеству образования, студенты назвали: несбалансированные программы обучения и избыточность дисциплин
(39,4%); отсутствие мотивации к самостоятельной внеаудиторной работе
(37,4%); отсутствие профессионального общения и возможностей стажироваться в других вузах (30,4%); низкий уровень материально-технической
базы вузов (34,3%). Студенты неудовлетворенны обеспеченностью вузов
доступом в Интернет, доступом к электронным полнотекстовым ресурсам,
использованием современных средств и информационных технологий обучения, состоянием лабораторного оборудования.
197
В целом качество условий обучения (материально-техническая
база) и
отдельные составляющие процесса обучения (разнообразие
методов обучения, возможность получить другую специальность, качество
расписания, расширение спектра образовательных услуг и др.) в
негосударственных вузах было оценено выше, чем в государственных.
Недостаточное внимание, по мнению студентов, уделяется
формированию так называемых «внепрофессиональных» качеств,
востребованных на современном рынке труда: управленческих и
коммуникативных навыков, готовности к инновационной деятельности,
грамотной речи, умению работать в команде, способности к быстрому
освоению новых знаний и самообучению.
Больше половины опрошенных студентов (66,0%) считают, что
полученное ими образование будет влиять на доход и карьерный рост, при
этом только 15,0% уверены, что их образование станет решающим
фактором благосостояния. 32,6% старшекурсников считают получаемое
образование конкурентоспособным на мировом рынке труда, 65,6% - на
отечественном рынке труда. Студенты государственных вузов более
высоко оценивают свою конкурентоспособность на рынке труда по
сравнению с будущими выпускниками негосударственных вузов. 23,5%
респондентов полностью уверены, что найдут работу по специальности,
еще 44,4% уверены в этом частично. Существенных отличий в оценках
ожиданий по формам собственности вузов и направлениям обучения не
выявлено. После окончания вузов только чуть более половины студентов
(53,9%) планируют устроиться на работу. Остальные связывают свое
ближайшее будущее с продолжением образования.
Содержание программы наблюдения помимо основных задач
исследования позволило решить ряд дополнительных. В частности,
выявить критерии выбора вузов при поступлении, оценить масштабы
трудовой деятельности студентов, проанализировать планы студентов
после окончания вузов, составить представление о готовности
студенческой аудитории к переходу на новые образовательные стандарты и
увеличению ответственности за качество образования, выявить
взаимодействие
вузов
с
предприятиями-работодателями,
удовлетворенность студентов научно-исследовательской работой, наличие
теневой составляющей в вузах и др.
По итогам исследования составлены рекомендации, направленные
на повышение качества образования в вузах Санкт-Петербурга.
198
СРАВНЕНИЕ МОДЕЛЕЙ ОЦЕНКИ VAR В ПЕРИОДЫ
РАЗЛИЧНОГО ЭКОНОМИЧЕСКОГО СОСТОЯНИЯ НА ПРИМЕРЕ
ЕВРОПЕЙСКИХ СТРАН
Щерба Александр Владимирович
(Москва, НИУ ВШЭ)
В текущее время банки и инвестиционные компании уделяют
большое внимание высокому качеству моделей оценки риска в связи с
нестабильным состоянием глобальной финансовой системы. Одной из
самых известных мер риска является VaR, которая измеряет наихудший
уровень потерь на временном горизонте при заданном уровне
доверительной вероятности.
Целью данной работы является поиск наиболее точной оценки VaR
в условиях меняющегося финансового рынка. В работе исследуется
поведение пяти биржевых индексов акций европейских стран. К данным
странам относятся: 1) Великобритания (индекс FTSE 100), Франция
(индекс CAC 40), Германия (DAX) – страны с наиболее устойчивой
экономикой; 2) Италия (индекс FTSE MIB) – страна с высокой долговой
нагрузкой и менее стабильной экономикой, чем первые три страны; 3)
Греция – наиболее сильно пострадавшая страна в финансовом плане в
период кризиса 2008-2010 года.
Для анализа влияния финансового состояния на качество модели в
работе используется три временных периода: 01.01.2004 – 01.01.2008,
01.01.2006 – 01.01.2010, 01.01.2008 – 01.01.2012. Выбор данных периодов
связан с тестированием моделей на предкризисном (первый период),
кризисном (второй период) и пост-кризисном (третий период)
экономическом состоянии европейских стран. Каждый период разделен
пополам для проведения оценки модели. Так, в каждом период расчет
одной модели проводится 500 раз на основе плавающего окна двух лет
исторических данных, то есть оценка на VaR 02.01.2006 проводится на
основе истории 01.01.2004 – 01.01.2006, а оценка на 03.01.2006 проводится
на основе данных 02.01.2004 – 02.01.2006 и так далее.
Расчет VaR производится с помощью моделей оценки
волатильности, которые являются частными случаями APARCH(1,1)
модели. Применение данных моделей в оценке волатильности биржевых
индексов было отражено в работе (Peters, 2001), а использование моделей
класса GARCH в оценке VaR отражено позже в многочисленных работах,
одной из которых является (Angelidi et al., 2010). Для каждой модели
оценка проводится с шестью распределениями – Нормальное, Стьюдента,
199
Обобщенное распределение ошибки и модификации данных распределений
с добавлением параметра смещения.
APARCH(1,1) модель:
 t     (  t 1  t 1 )  t1 ,
где   0,1    1 ,  t  zt t , zt  F (0,1)
F (0,1) - функция распределения с нулевым математическим ожиданием и
единичной дисперсией.
Три модели, которые используются в оценке волатильности
дополнительно к APARCH(1,1) являются модификацией вышеописанной
модели: 1) GARCH(1,1):   2,   0 , 2) TS-GARCH(1,1):   1,   0 , 3)
GJR-GARCH(1,1):   2
Оценки VaR сравниваются с логарифмическими доходностями
индексов для выявления количества значений, превышающих VaR.
Количество данных значений на одном ряде и одном периоде сравнивается
с доверительным уровнем вероятности, для которой строилась модель.
Наилучшей моделью считается та, при которой количество значений, не
превышающих VaR в процентном выражении, наиболее близко к значению
доверительной вероятности.
В результате проведенной оценки выявлены наиболее успешные
модели на каждом временном интервале. Так, наиболее точной моделью в
первом периоде является APARCH модель со смещенным распределением
Стьюдента. Также, на данном периоде хорошо проявили себя модели TS со
смещенным распределением Стьюдента и GJR модель со смещенным
распределением ошибки. На втором периоде явным преимуществом
обладает TS со смещенным распределением Стюдента, а также со
смещенным распределением ошибки. В третий период самой успешной
оказалась GARCH модель со смещенным распределением Стьюдента, а
также несколько APARCH моделей.
Особенностью данного анализа является классификация моделей в
разбивке по периодам. В работе показано, что ни одна модель не является
лучшей на всех участках прогноза и требуется различный подход в оценке
финансовых рисков для временных интервалов различного экономического
состояния.
Литература
1. Angelidis T., Benos A., Degiannakis S. (2004). The Use of GARCH Models
in VaR Estimation. Statistical Methodology,1(2), 105-128
200
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ДЕМОГРАФИЧЕСКИХ
ПОКАЗАТЕЛЕЙ В БАЗАХ ДАННЫХ РОССТАТ, ЕВРОСТАТ,
ВОЗ HFA, ИНЕД17
Юмагузин Валерий Валерьевич
(Москва, ГАУГН)
Для анализа был выбран один из простейших, но наиболее часто
используемых показателей - общий коэффициент смертности (ОКС).
Выделим ряд особенностей в его представлении в различных базах данных
(БД). Показатель по данным ВОЗ HFA приведен с точностью до двух
знаков после запятой, по данным Росстат, Евростат, ИНЕД – до одного.
Данные по России в БД Евростат начинаются с 1996 года, в БД ВОЗ HFA
отсутствует 2010 год. Одинаковые значения по всем четырем БД
наблюдаются в 1990-1992 и 2003-2008 гг. (рис. 1).
17
16
15
14
13
12
11
10
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010
Росстат
HFA
Евростат
ИНЕД
Рисунок 1. ОКС в России по данным Росстат, Евростат, ВОЗ HFA,
ИНЕД
Наибольшая разница наблюдалась в 2001 г. и составила 0,28‰.
Если ОКС в России в 2001 году по данным ВОЗ был равен 15,68‰, то по
данным Росстат – 15,6‰, Евростат и ИНЕД – 15,4‰.
Поскольку ОКС рассчитывается как отношение общего числа
умерших за год к среднегодовой численности населения, выявленные
расхождения в значениях ОКС могут быть вызваны различиями в
исходных данных. БД ВОЗ HFA не содержит значения годовых чисел
умерших, поэтому они были рассчитаны автором (рис. 2). Полученные
данные различались по сравнению с значениями других БД: в период с
1993-2003 гг. превышение составило более 10 тыс. человек. Однако это
может быть вызвано некорректными значениями среднегодовой
численности населения в БД ВОЗ.
Работа выполнена в рамках исследовательского проекта «Разработка Базы данных
демографических показателей по регионам России и странам мира» №11-04-0039 по конкурсу
Программы «Научный фонд ГУ-ВШЭ» «Учитель-Ученики» 2011-2012 гг.
17
201
Thousands
2500
2300
2100
1900
1700
1500
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010
Росстат
HFA (расчетные)
Евростат
ИНЕД
Millions
Рисунок 2. Числа умерших в России за год по данным Росстат,
Евростат, ВОЗ HFA (расчетные), ИНЕД
Различия в среднегодовой численности населения выражены
сильнее (рис. 3). Как и предполагалось выше, в БД ВОЗ HFA в 1990-2003
гг. наблюдаются заниженные значения. В то же время с 2009 года
наблюдаются завышенные значения в БД ИНЕД. Примечательно, что
значение показателя за 2010 год в БД Росстат по состоянию на 29 марта
2012 года отсутствует.
150
148
146
144
142
140
1990 1992 1994 1996 1998 2000 2002 2004 2006 2008 2010
Росстат
HFA
Евростат
ИНЕД
Рисунок 3. Среднегодовая численность населения России по данным
Росстат, Евростат, ВОЗ HFA, ИНЕД
Выявленные различия в ОКС и среднегодовой численности
населения могут быть вызваны тем, что несмотря на постоянную
актуализацию, сотрудники ВОЗ после Всероссийских переписей 2002 и
2010 гг. не обновили данные по России с учетом перерасчета численности
населения.
Литература
1. База данных Евростат http://epp.eurostat.ec.europa.eu
2. База данных Национального института демографических исследований
(INED), Франция http://www.ined.fr
3. Европейская база данных «Здоровье для всех» (ВОЗ HFA):
http://data.euro.who.int
202
ОПТИМИЗАЦИЯ РЕЖИМОВ РАБОТЫ ОБЪЕКТОВ
СВЕТОФОРНОГО РЕГУЛИРОВАНИЯ МЕТОДАМИ НЕЧЕТКОЙ
ЛОГИКИ
Тарасов Олег Викторович
(Магнитогорск, МГТУ им. Г.И. Носова)
Увеличивающаяся концентрация автомобильного транспорта в
городах за последние двадцать лет создает
проблему обеспечения
безопасности дорожного движения. Заторы являются следствием как
сложившейся застройки городов, обуславливающей низкую пропускную
способность проезжей части, так и организационно-управленческих
причин, одной из которых является несоответствие режимов работы
светофорной сигнализации реальным условиям движения. Все это
приводит к низкой скорости сообщения, увеличению выбросов токсичных
веществ, аварийности.
Целью работы является исследование возможностей работы светофора
с нечеткой логикой, при различных интенсивностях движения. В качестве
изучаемого перекрестка взят «проблемный» прекресток «ул. им. Карла
Маркса – ул. Завенягина» (г. Магнитогорск).
Предлагается использовать 3 входа: число машин на ул. им. Карла
Маркса по окончанию очередного цикла, число машин на ул. Завенягина по
окончанию цикла и время зеленого сигнала светофора. Для каждой
переменной необходимо задать лингвистические термы. Для переменной
«время зеленого сигнала» предлагается использовать три терма: малое
(10-25 сек.), среднее (20-40 сек.), большое (35-50 сек.).
Аналогично, термы для двух оставшихся переменных будут: очень
малое (0-18 сек.), малое (16-36 сек.), среднее (34-56 сек.), большое (54-76
сек.), очень большое (72-90 сек.). На рис. 1 представлена функция
принадлежности второй и третьей переменной.
Рисунок 1 - Функция принадлежности второй и третьей входных
переменных.
203
В связи с тем, что суть оптимизации режимов работы светофора
состоит в изменении времени горения зеленого сигнала, в качестве
выходного параметра предлагается использовать величину этого
изменения. Термы в этом случае будут следующие: уменьшить (-20-0 сек.),
не изменять (-15-15 сек.), увеличить (0-20 сек.).
В процессе моделирования записывается таблица правил на основе
условных высказываний, которая формирует выходное значение исходя из
величин входных параметров, например: «если (число машин на ул. им.
Карла Маркса = малое) и (число машин на ул. Завенягина = большое) и
(время зеленого света на ул. им. Карла Маркса= большое), то (время
зеленого света = уменьшить).
Первоначально на светофор с датчиков поступает информация о
количестве автомобилей на двух улицах. Эти данные переводятся в
нечеткий формат согласно заданным функциям принадлежности, а далее
происходит их обработка, полученное значение изменения времени
зеленого света дефаззифицируется (т.е. переводится обратно в четкий
формат) и поступает в виде управляющего сигнала на светофор. В
соответствии с этим сигналом время зеленого сигнала светофора в
следующем цикле будет другим.
Количество машин, не успевших проехать перекресток за некое
количество циклов приведено на рис. 2. Синий график – обычный
светофор, сиреневый - светофор с нечеткой логикой. По оси ординат –
количество машин, по оси абсцисс – количество циклов потоков машин.
Имеет место улучшение качества управления объектом.
Рисунок 2 – Количество отказов системы
Литература
1.
2.
Круглов В.В., Дли М.И., Голунов В.Ю. «Нечёткая логика и нейронные
сети», Москва, 2001.-С.224.
Marzuki Khalid, See Chin Liang, Robiyah Yusof «Control of complex
traffic junction using fuzzy inference»
204