Научный журнал

Фундаментальные исследования

ISSN 1812-7339

"Перечень" ВАК

ИФ РИНЦ = 1,674

• Авторы
• Резюме
• Файлы
• Ключевые слова
• Литература

Касимова Т.М. 1

---

1 ФГБОУ ВО «Дагестанский государственный университет»

В настоящей статье построены модели панельных данных различных видов (объединенная, с фиксированными эффектами, со случайными эффектами) зависимости валового регионального продукта от объемов производства сельскохозяйственной продукции. В качестве объекта исследования выступают регионы Российской Федерации. Исходными являются панельные данные валового регионального продукта и объема производства продукции сельского хозяйства за 2010–2017 гг. Панель сбалансирована не только по рассматриваемым показателям, но и по всему периоду. Это означает, что в нее включены только те регионы, по которым наличествует полная информация. Модели панельных данных имеют некоторые преимущества перед классическими моделями, главным из которых является учет индивидуальных особенностей объектов наблюдения. Это позволило прогнозировать значение результативного показателя для каждого региона, федерального округа и страны в целом, что невозможно на основе пространственных данных. Для выбора вида модели панельных данных для прогнозирования – с фиксированными эффектами или случайными эффектами – проведен тест Хаусмана. В статье представлены прогнозные значения валового регионального продукта до 2021 г. При этом прогнозные значения показателя-фактора, в качестве которого выступает объем продукции сельского хозяйства, получены на основе линейных моделей временных рядов.

Статья в формате PDF

0 KB

панельные данные

модели панельных данных

валовой региональный продукт

валовая продукция сельского хозяйства

прогноз

1. Россия в цифрах. 2019: Крат. стат. сб. / Росстат. M., 2019. [Электронный ресурс]. URL: https://www.gks.ru/folder/210/document/12993 (дата обращения: 10.02.2020).

2. Елисеева И.И. Эконометрика: учебник для магистров. М.: Проспект, 2012. 288 с.

3. Адамадзиев К.Р., Касимова Т.М. Применение панельного метода при исследовании эффективности производства зерна в Республике Дагестан // Фундаментальные исследования. 2012. № 6–3. С. 699–701.

4. Кремер Н.Ш., Путко Б.А. Эконометрика: учебник для студентов / Под ред. Н.Ш. Кремера. 3-е изд., перераб. и доп. М.: ЮНИТИ-ДАНА, 2010. 328 с.

5. Адамадзиев К.Р., Ахмедов А.С. Прогнозирование экономических показателей регионов методами моделирования // Фундаментальные исследования. 2015. № 10–2. С. 330–335.

Сельское хозяйство – крупная отрасль экономики Российской Федерации. Объем производства продукции сельского хозяйства в 2018 г. составил 5,1 трлн руб. При этом на растениеводство приходится 54 %, на животноводство – 46 % объема сельскохозяйственного производства. Россия – крупный экспортер сельскохозяйственной продукции. Ключевая статья экспорта сельскохозяйственного сырья и продовольствия из России в 2018 г. – зерно, что составило 42 % от общих поставок [1].

Показатели сельского хозяйства регионов РФ представляют собой панельные данные. Существенное различие между панельными и пространственными данными состоит в том, что в первом случае у нас имеются наблюдения за однотипными объектами во все периоды времени. Данные, представляемые в виде временных рядов, представляют собой наблюдения за одним объектом, но за некоторый промежуток времени. Следовательно, такие данные позволяют учитывать фактор времени.

Панельные данные представляют собой объединение пространственных данных и временных рядов.

Целью настоящего исследования являются выявление, анализ влияния объемов производства сельскохозяйственной продукции на валовой региональный продукт (ВРП) и его прогнозирование с помощью моделей панельных данных.

Материалы и методы исследования

Объектом настоящего исследования являются регионы РФ. Исходные данные исследования – показатель валового регионального продукта и «Продукция сельского хозяйства» в разрезе регионов РФ (федеральных округов (ФО)) и в целом за 2010–2017 гг.

Панель сбалансирована по выбранным показателям и по периоду исследования (а именно удалены наблюдения, по которым нет полных данных). В том числе не взяты данные показателя «Продукция сельского хозяйства» за 2018 г., поскольку в [1] отсутствуют данные ВРП за аналогичный год.

В результате исходные данные за 2010–2017 гг. составляют в общем по стране данные 81 региона (648 наблюдений), в том числе ЦФО – 17 регионов (136 наблюдений); СЗФО – 10 регионов (80 наблюдений); ЮФО – 6 регионов (48 наблюдений); СКФО – 7 регионов (56 наблюдений); ПФО – 14 регионов (112 наблюдений); УрФО – 6 регионов (48 наблюдений); СФО – 12 регионов (96 наблюдений); ДФО – 9 регионов (72 наблюдения).

По представленным данным составляются три вида моделей панельных данных: объединенная, с фиксированными и случайными эффектами.

Объединенная (pooled) модель имеет вид:

где y_it – результативный показатель, – показатель-фактор, µ и β – параметры модели, uit – ненаблюдаемые остатки, – номер объекта, – момент времени.

Модель с фиксированными эффектами (fixed effects model) имеет вид:

В модели с фиксированными эффектами параметр β одинаков для всех объектов наблюдения во все моменты времени, а параметр местоположения µ_i индивидуален для каждого объекта наблюдения.

Модель со случайными эффектами имеет вид:

где .

В этой модели также параметр β одинаков для всех объектов наблюдения, а специфичным для них является слагаемое mi, которое предполагается независимым от оставшейся части ошибки υ_it.

Модель называют «со случайными эффектами», так как эффекты mi, определяющие разнородность объектов, являются случайными переменными. Однако это не означает, что mi определяются для каждого наблюдения в случайном порядке. Здесь имеет место случайность выборки из генеральной совокупности, так как любой объект наблюдения имеет специфический эффект, который не зависит от времени.

Вопрос о спецификации моделей, т.е. о том, какую из двух последних моделей выбрать в настоящем исследовании, решается с помощью теста Хаусмана. При проведении теста Хаусмана выдвигаются две гипотезы: Н0 – оценки обеих моделей состоятельны и не отличаются слишком сильно; Н1 – оценки для модели с фиксированными эффектами являются состоятельными, а для модели со случайными эффектами – уже нет.

Тест Хаусмана основан на разности : , где – оценка матрицы ковариаций , имеющая асимптотическое распределение χ2 с d степенями свободы [2, 3].

Результаты исследования и их обсуждение

На рис. 1 представлены диаграммы, отражающие структуру показателя «Продукция сельского хозяйства» в разрезе федеральных округов РФ и в разрезе регионов СКФО в 2010 и 2017 гг.

Согласно рис. 1 крупными производителями продукции сельского хозяйства в России являются регионы Центрального, Приволжского и Южного федеральных округов. Причем такое распределение имеет место как в 2010 г., так и в 2017 г. При этом на долю этих регионов приходится 60 % и 65 % от общего объема в 2010 и 2017 гг. соответственно.

Регионы СКФО занимают в рассматриваемые периоды 5-е место. При этом Ставропольский край производит 41 % и 43 %, Республика Дагестан – 24 % и 27 %, Карачаево-Черкесская Республика – 12 % и 11 % от общего объема продукции сельского хозяйства СКФО соответственно в 2010 и 2017 гг.

На рис. 1 вторичная диаграмма отражает структуру показателя «Продукция сельского хозяйства» в разрезе регионов СКФО со значениями в процентах от общего объема этого показателя по стране в целом.

На рис. 2 представлены временные ряды ВРП и показателя «Продукция сельского хозяйства» регионов РФ за 2010–2017 гг.

Значительно высокие значения показателя «Продукция сельского хозяйства» за рассматриваемый период принадлежат Краснодарскому краю.

Рис. 1. Структура показателя «Продукция сельского хозяйства» федеральных округов РФ (первичная диаграмма) и в разрезе регионов СКФО (вторичная) в 2010 и 2017 гг.

Библиографическая ссылка