Ограниченность экспортно-сырьевого сценария экономического роста ставит перед российской экономикой задачу, связанную с переориентацией экономических субъектов на инновационную модель развития (так называемую экономику знаний). Одним из вариантов реализации подобной модели развития является оптимизация и повышение эффективности процесса перераспределения финансовых ресурсов, используемых в цепочках генерации добавленной стоимости товаров и услуг высокотехнологичных и наукоемких отраслей. Управление экономическим ростом в условиях становления экономики знаний невозможно без понимания факторов, влияющих на процессы функционирования хозяйственной системы не только на уровне страны, но и на уровне региона.
Вопросам социально-экономического развития регионов РФ посвящен целый пласт научных работ отечественных ученых [1–3]. Отдельно выделяются научные публикации, в которых перераспределительные финансовые отношения рассматриваются исследователями в качестве основных факторов, влияющих на процесс стимулирования экономического роста региона и определяющих пути модернизации региональных социально-экономических систем [4, 5]. Исследования М.В. Шляпиной и О.Б. Ганина [4, 6] посвящены вопросам стимулирования экономического развития территории через укрепление финансовой системы региона. Работы [7, 8] связаны с анализом зависимости экономического потенциала региона от процесса перераспределения финансовых ресурсов, инициированного субъектами кредитной сферы. Однако рассмотренные исследования не дают детального ответа на то, какие финансовые факторы стимулируют развитие высокотехнологичного сегмента валового регионального продукта через перераспределительный механизм. Учитывая особенности территориально-экономического устройства РФ, необходимость выявления и идентификации на региональном уровне факторных связей, характеризующих процесс трансформации финансового капитала в высокотехнологичный сегмент ВРП, следует считать отправной точкой перспективных научных исследований.
Цель исследования: проверка гипотезы о наличии связи между объемом высокотехнологичного валового регионального продукта и факторами, влияющими на процесс перераспределения финансового капитала, реализуемый системой коммерческих банков.
Теоретические аспекты и методы исследования
Капитал, используемый в качестве фактора производства при генерации высокотехнологичных продуктов и услуг, может привлекаться в производственно-экономический процесс как в денежной, так и в материально-вещественной форме. Популярность денежного капитала связана с его высокой оборачиваемостью (возможностью приобретения за счет средств денежного капитала иных ресурсов, в том числе объектов, относимых к материально-вещественному капиталу). Денежный капитал в большинстве своем используется для обеспечения бесперебойности процесса производства в случае возникновения необходимости приобретения недостающих ресурсов. При этом привлечение капитала в денежной форме на условиях заемного банковского финансирования сопряжено с установлением финансовых отношений между хозяйственным субъектом-инноватором, ориентированным на создание высокотехнологичных товаров и услуг, и коммерческим банком, привлекающим средства физических и юридических лиц. Коммерческие банки, обслуживающие тот или иной регион, участвуют в перераспределении региональных финансовых фондов. Результатом перераспределительного процесса на региональном уровне становится стимулирующее воздействие со стороны коммерческих банков в отношении системы генерации регионального общественного продукта как традиционных отраслей, так и высокотехнологичных. Схематично данный процесс изображен на рисунке.
С учетом вышеизложенного, если опустить специфику перераспределительного финансового механизма коммерческих банков, нами формулируется гипотеза о наличии факторной связи между объемом высокотехнологичного валового регионального продукта и величиной регионального финансового капитала, привлеченного коммерческими банками.
Сформулируем гипотезу о наличии линейной зависимости инновационной компоненты ВРП от величины средств, предоставленных клиентами системе коммерческих банков. Инновационная компонента ВРП представляет собой величину ежегодного валового регионального продукта высокотехнологичных отраслей субъекта РФ, рассчитываемую по методике Росстата. Объем средств, предоставленных клиентами системе коммерческих банков, определяется как величина клиентских ресурсов в рублях, иностранной валюте и драгоценных металлах, рассчитанная по методике Центрального Банка РФ. Для количественного описания анализируемых показателей введем переменные, характеризующие инновационную компоненту ВРП (GRPhitech) и среднегодовой объем средств клиентов, привлеченных коммерческими банками на территории субъекта РФ (CD). Период анализа – с 2011 по 2017 г. Проверка указанной гипотезы осуществляется с помощью исследования, задачами которого являются:
1) установление факта наличия связи между данными переменными и оценка тесноты этой связи;
2) определение формы связи между переменными с учетом компромисса между принципом лучшей аппроксимации и принципом парсимонии.
Стимулирование высокотехнологичного общественного воспроизводства через региональный процесс перераспределения капитала, инициированный коммерческими банками
Таблица 1
Результаты корреляционного анализа факторной пары «GRPhitech – CD»
Показатель |
2011 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
Коэффициент корреляции Пирсона GRP hitech – CD |
0,951* |
0,967* |
0,973* |
0,965* |
0,961* |
0,962* |
0,962* |
Знч.(2-сторон) |
0,000 |
0,000 |
0,000 |
0,000 |
0,000 |
0,000 |
0,000 |
Количество наблюдаемых субъектов РФ |
81 |
81 |
81 |
81 |
81 |
81 |
81 |
Характер связи |
Связь прямая |
||||||
Характеристика силы связи по шкале Чеддока |
Весьма высокая |
Примечание. *Корреляция значима на уровне 0,01 (2-сторон).
Первая задача решается с помощью корреляционного анализа, вторая – с помощью регрессионного анализа.
Сформулируем ряды данных по указанным параметрам в региональном разрезе поочередно за каждый год в рамках периода с 2011 по 2017 г. После чего исключим регионы, значения которых можно отнести к статистическим «выбросам» (г. Москва, г. Санкт-Петербург), и регионы, по которым имеются неполные данные для выбранного временного интервала (г. Севастополь, Республика Крым). Скорректируем данные для 2012 и последующих лет с учетом годовой региональной инфляции. Базисным годом примем 2011 г.
Проверим корреляционную связь между переменными GRPhitech и CD для каждого года. Инструментом проверки выступила программа SPSS 17.0. Результаты корреляционного анализа представлены в табл. 1.
Как видно из табл. 1, проведенный корреляционный анализ позволил ответить на следующие вопросы. Между рассмотренными величинами GRPhitech и CD существует положительная линейная корреляция (прямая связь) для каждого годового интервала на протяжении всего периода анализа. Подтверждается гипотеза о статистической значимости рассчитанных значений коэффициента корреляции. Теснота выявленной связи весьма высокая. После того как между анализируемыми переменными был установлен факт наличия линейной корреляции достаточной тесноты, переходим к регрессионному анализу для определения формулы связи GRPhitech и CD.
Задача по подбору функции регрессии ориентирована не на детальную идентификацию всей функциональной связи. Как было отмечено у Н. Дрейпера и Г. Смита, такая связь может быть слишком сложна как для математической, так и для логической интерпретации. Данная задача связана с нахождением функции, которая аппроксимирует существующую функциональную связь в определенной ограниченной области изменения этих переменных [9]. Выбор формулы модели регрессии для нужд логического объяснения и интерпретации взаимосвязи факторов осуществляется в рамках достижения компромисса между принципом лучшей аппроксимации и принципом парсимонии. Принцип парсимонии предполагает выполнение следующих правил:
– в стремлении объяснить изменчивость изучаемого фактора нужно стремиться к минимизации числа независимых факторов;
– наилучшая модель – та, которая обеспечивает приемлемую адекватность и простоту;
– более простая модель может быть лучше истолкована, интерпретирована и объяснена с точки зрения содержательно-логических, нежели абстрактно-математических связей.
Иными словами, суть принципа парсимонии, экономичности, простоты (parsimony principle) заключается в том, что «модель должна быть простой, насколько это возможно, пока не доказана ее неадекватность имеющимся статистическим данным» [10, с. 295].
С учетом вышеизложенного в качестве основных моделей для объяснения связи факторов в рассматриваемой ограниченной области изменения этих факторов будем использовать модели линейной регрессии (при условии, что эти модели являются достаточно качественными для нужд проводимого анализа). В случае если у модели линейной регрессии качество объяснения связи факторов будет низким, следует рассмотреть возможность применения модели нелинейной регрессии.
Предполагается, что исследуемая связь переменных GRPhitech и CD описывается следующей обобщенной формулой:
GRPhitech = MGRP hitech•CD + cGRP hitech,
где GRPhitech – объем высокотехнологичного валового регионального продукта;
CD – средства клиентов, привлеченные кредитными организациями (экстенсивный финансовый фактор);
MGRP hitech – мультипликатор трансформации регионального финансового капитала в высокотехнологичный общественный продукт (совокупность интенсивных финансовых факторов);
cGRP hitech – вспомогательная константа уравнения регрессии (иллюстрирует высокотехнологичный валовый региональный продукт без учета влияния финансовых факторов).
Результаты исследования и их обсуждение
Вычислим основные показатели линейной регрессии для каждого года, а также критерии, позволяющие оценить качество модели. Результаты регрессионного анализа представлены в табл. 2.
Коэффициент детерминации всех полученных моделей превышает 0,9, что свидетельствует о достаточно высокой для целей исследования точности описания связи между переменными. Проверка достоверности с помощью p-значения p(F), установила, что данный критерий меньше уровня значимости α (0,05), в связи с чем нулевая гипотеза о незначимости всех представленных уравнений отвергается. После того как была установлена статистическая значимость уравнений, определим статистическую значимость коэффициентов (коэффициента при переменной CD и свободного члена) рассмотренных уравнений. P-значение для коэффициента cGRP hitech в уравнениях 2011, 2016 и 2017 гг. превышает 0,05, что свидетельствует о его статистической незначимости. В остальных уравнениях P-значение для коэффициента c GRP hitech не превышает 0,05, следовательно, в данных уравнениях искомый коэффициент является статистически значимым. Р-значение для коэффициента MGRP hitech во всех уравнениях меньше 0,05, что свидетельствует о его статистической значимости. Значение критерия Дарбина – Уотсона для уравнений всех лет находится в диапазоне 1,32 < DW < 2,68, следовательно, автокорреляция в остатках отсутствует.
Таблица 2
Результаты регрессионного анализа факторной пары «GRP hitech – CD»
Показатель |
2011 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
Коэффициент детерминации |
0,905 |
0,936 |
0,948 |
0,932 |
0,923 |
0,926 |
0,925 |
Стандартная ошибка |
25243,5 |
20503,2 |
19607,02 |
21176,72 |
23121,99 |
22878,75 |
23889,99 |
F-критерий P-Значение |
753,346 0,000 |
1151,186 0,000 |
1426,964 0,000 |
1077,253 0,000 |
947,247 0,000 |
984,473 0,000 |
971,722 0,000 |
Критерий Дарбина – Уотсона |
2,034 |
1,841 |
1,882 |
1,915 |
1,947 |
1,875 |
1,980 |
Количество наблюдаемых субъектов РФ |
81 |
81 |
81 |
81 |
81 |
81 |
81 |
Константа cGRP hitech |
|||||||
Значение |
3673,528 |
6994,525 |
7178,07 |
8349,307 |
8145,254 |
4557,929 |
6083,715 |
t-статистика P-Значение |
0,959 0,341 |
2,258 0,027 |
2,450 0,016 |
2,616 0,011 |
2,353 0,021 |
1,328 0,188 |
1,696 0,094 |
Нижняя граница |
–3951,66 |
828,78 |
1346,82 |
1995,53 |
1255,39 |
–2273,89 |
–1054,81 |
Верхняя граница |
11298,71 |
13160,28 |
13009,32 |
14703,08 |
15035,12 |
11389,75 |
13222,24 |
Коэффициент MGRP hitech |
|||||||
Значение |
0,668 |
0,586 |
0,549 |
0,524 |
0,505 |
0,471 |
0,468 |
t-статистика P-Значение |
27,447 0,000 |
33,929 0,000 |
37,775 0,000 |
32,822 0,000 |
30,777 0,000 |
31,376 0,000 |
31,172 0,000 |
Нижняя граница |
0,62 |
0,551 |
0,520 |
0,493 |
0,472 |
0,441 |
0,438 |
Верхняя граница |
0,717 |
0,620 |
0,578 |
0,556 |
0,537 |
0,501 |
0,498 |
По итогам регрессионного анализа получены следующие уравнения, описывающие связь переменных GRP hitech и CD:
GRP hitech 2011 = 0,668•CD2011,
GRP hitech 2012 = 0,586•CD2012 + 6994,525,
GRP hitech 2013 = 0,549•CD2013 + 7178,07,
GRP hitech 2014 = 0,524•CD2014 + 8349,307,
GRP hitech 2015 = 0,505•CD2015 + 8145,254,
GRP hitech 2016 = 0,471•CD2016,
GRP hitech 2017 = 0,468•CD2017.
Выводы
Таким образом, гипотеза о наличии непосредственной факторной связи между объемом высокотехнологичного валового регионального продукта и величиной регионального финансового капитала, привлекаемого и перераспределяемого с помощью системы коммерческих банков, подтвердилась. Полученные модельные уравнения иллюстрируют возможности для экстенсивного и интенсивного роста высокотехнологичного валового регионального продукта. Экстенсивный рост возможен за счет увеличения привлеченного системой коммерческих банков капитала. Интенсивный рост связан с созданием таких условий для функционирования системы коммерческих банков, которые приведут к увеличению мультипликатора трансформации. Анализ динамики мультипликатора трансформации средств клиентов в инновационную компоненту ВРП в рамках рассматриваемого периода свидетельствует о снижении эффективности процесса перераспределения финансового капитала, стимулирующего генерацию инновационной части ВРП: с 2011 по 2017 г. показатель сократился с 0,668 до 0,468. Учитывая выявленный негативный тренд, можно сделать вывод, что изучение финансовых факторов, обуславливающих интенсивный рост высокотехнологичного валового регионального продукта, представляется наиболее перспективным и актуальным направлением дальнейших исследований. Понимание природы управления экономическим развитием территорий на основе интенсивных методов будет способствовать реализации эффективного производства в условиях преодоления региональной ограниченности субъектов РФ в финансовых ресурсах.
Исследование было выполнено в рамках гранта РФФИ № 18-010-00909А. Тема: Инновационное развитие национальной финансовой системы с учетом волатильности мирового рынка капитала в условиях экономики знаний.
Библиографическая ссылка
Аникин А.В., Яшина Н.И., Кашина О.И., Прончатова-Рубцова Н.Н. МЕТОДИЧЕСКИЕ АСПЕКТЫ АНАЛИЗА ЗАВИСИМОСТИ ВАЛОВОГО РЕГИОНАЛЬНОГО ПРОДУКТА ВЫСОКОТЕХНОЛОГИЧНЫХ ОТРАСЛЕЙ ОТ ФИНАНСОВЫХ ФАКТОРОВ В УСЛОВИЯХ ЭКОНОМИКИ ЗНАНИЙ // Фундаментальные исследования. – 2019. – № 7. – С. 7-12;URL: https://fundamental-research.ru/ru/article/view?id=42504 (дата обращения: 17.08.2024).