Методы прогнозирования ВРП

Министерство  образования и науки РФ

ФГБОУ ВПО «Чувашский государственный университет им. И.Н. Ульянова»

Экономический факультет 
 
 
 
 

Реферат

 по  дисциплине «Региональная экономика»

на тему:

«Методы прогнозирования ВРП» 
 
 
 
 
 

Выполнила: студентка 3 курса

гр. ЭК-82-09

Баринова  Ксения 

Проверила:

Васильева И.А. 
 
 
 

г. Чебоксары, 2012

     Последнее десятилетие характеризуется возрастающим интересом к показателям региональных счетов со стороны органов государственной  власти. ВРП и составляющие его  элементы вошли в систему показателей  прогнозирования регионального  развития на краткосрочную и среднесрочную  перспективу. ВРП используется Министерством  финансов Российской федерации для  распределения фонда финансовой поддержки территорий, включен в  систему показателей мониторинга  деятельности субъектов бюджетного планирования и в систему показателей  эффективности деятельности органов  государственной власти субъектов  РФ.

     Вместе  с тем, не существует единого подхода  к прогнозированию региональных показателей, в частности ВРП. Это  связано с рядом методологических проблем, первопричина которых –  неоднородность и ограниченная сопоставимость массивов экономической информации, отражающих различные аспекты общественного  воспроизводства на региональном уровне. Внедрение, развитие и совершенствование  рыночных методов регулирования  развития экономики потребовали  внесения существенных изменений в  методологию аналитических и  прогнозных расчетов, состав используемых показателей, а также существенно  повысили требования к оперативности мониторинга складывающихся ситуаций и оценке последствий предлагаемых решений.

     Рассматривая  опыт прогнозирования экономических  показателей на региональном уровне в Российской Федерации, стоит отметить два базовых условия функционирования. Во-первых, обширный опыт прогнозирования  национальной экономики, что привело  к высокой степени проработки теоретических моделей прогнозирования  в части их преломления на реальности российской экономики. В тоже время  модели, используемые для прогнозирования  ВВП и других значимых социально-экономических  показателей Российской Федерации  таких как ввод жилья в 2011 году, не могут быть применены к отдельным  ее субъектам и даже федеральным  округам, ввиду их сложности и  требовательности информационно-технической  базе. Во-вторых, в Российской Федерации  ВРП субъектов рассчитывается только с 1994 года, а по автономным округам  – с 2000 года, при этом задержка в  опубликовании данных по ВРП Росстатом  составляет 1-1.5 года.

     Таким образом, в практически используемых моделях прогнозирования валового регионального продукта в Российской Федерации используется подходы, основанные на:

1. Производственной  функции (модель Солоу).

2. ARIMA-процессах  (подход Бокса-Дженкинса).

3. Регрессионных  уравнениях.

4. Сбалансированной  системе показателей.

5. Интуитивные  (нормативные).

     Один  из наиболее часто применяемых подходов к прогнозированию развития регионов Российской Федерации базируется на достаточно простой и многократно апробированной модели производственной функции или модели Солоу.

     Так, Баранов С.В. и Скуфьина Т.П. в работе посвященной моделированию производства ВРП в зоне Север основывают свои прогнозные расчеты на использовании  классического подхода к моделированию  производственных процессов с помощью  производственных функций (ПФ). Данный подход заключается в использовании  динамических рядов исследуемой  экономической системы, характеризующих  выпуск продукции в виде годовых  объемов производства и затрачиваемые  ресурсы (труд и капитал), для оценивания параметров производственной функции.

     При моделировании региональных производственных процессов в качестве экономической  системы рассматривается регион. За годовой выпуск принимается ВРП, за капитал – стоимость основных фондов отраслей экономики региона, а за труд – среднегодовую численность  занятых в экономике. При этом разработчики модели столкнулись с  проблемой короткой информационной базы, описанной нами выше. Для преодоления  указанных ограничений разработчики предлагают оценивать параметры  ПФ не по динамическим рядам данных, а по региональным. При такой форме, ПФ описывает уже не поведение  изучаемой системы в разные моменты  времени, а поведение набора систем (регионов) в один и тот же момент времени. Число регионов в РФ достаточно для оценки параметров методом наименьших квадратов.

     Для применения производственной функции  необходимо сделать упрощающие предпосылки  и выдвинуть гипотезы. В связи  с этим разработчики формируют ряд  условий:

 •  экономика всех субъектов РФ  функционирует в одни правовом  поле и по одним и тем  же принципам;

 •  с точки зрения производства  ВРП, экономики регионов внутри  одной региональной группы (зона  Север, несеверная часть, все  субъекты Российской Федерации)  отличаются лишь количеством  основных фондов и труда. 

     Последняя гипотеза проверяется при оценивании параметров ПФ. При этом возможны три  случая, приводящие к различной интерпретации. Далее разработчиками проведена  проверка параметров ПФ по всем регионам Российской Федерации, несеверной части  и зоны Север. В результате чего первые две выборки соответствуют классическому  виду ПФ, а для зоны Север ввиду  отрицательной эластичности по труду  ПФ свелась к виду:

X(r) = A x K(r)p

     Таким образом, моделирование с помощью  аппарата ПФ производства ВРП во всей Российской Федерации, зоне Север и  несеверной части позволило установить существование межрегиональных  различий в региональных производственных процессах.

     Модель, разработанная Барановым С.В. и  Скуфьиной Т.П., содержит методику применения производственной функции к моделированию  производства ВРП, позволяющую преодолеть основное ограничение применения существующих методических схем к анализу региональных процессов – недостаточность  временного ряда для исследования производства ВРП. Степень соответствия модели исходным данным приемлемая. Следовательно, они  могут применяться для разработки целостной системы региональной информации, ориентированной на системную  оценку территориального развития, являющейся необходимым компонентом принятия обоснованных решений в сфере  управления.

     В тоже время существует проблема связанная  с неустойчивостью параметра  К (капитал, в качестве которого традиционно  используется стоимость основных фондов), который в условиях современной Российской Федерации практически невозможно корректно рассчитать за несколько лет по причине многократных переоценок основных фондов, наличия в их составе неиспользуемых зданий, сооружений, машин, несписанных судов, применения разных систем цен (рыночных и нерыночных). Для решения этой проблемы может применяться модифицированная производственная функция (МПФ), в которой параметр К заменен на параметр И – инвестиции в основной капитал.

     Правомерность использования такого подхода проверена  в работе на статистических данных за 1996-2006 гг. по 78 субъектам Российской Федерации. В 69 регионах, которые производят 96,2 % ВРП России, примененная модель показывает наличие статистически  значимых связей между объемами производства ВРП, численностью занятых в экономике  и объемом инвестиций в основной капитал. Проведенные расчеты показали, что все регионы Дальнего Востока  относятся к группе субъектов  с преимущественно или подавляюще трудозатратной экономикой.

     При этом взаимосвязь двух главных факторов производства за период 1996-2006 гг. для  Сахалинской области описывается  МПФ вида:

ВРП = 211,7 * И0,11 * Т0,89 (3)

 где  И – величина инвестиций в  сопоставимых ценах 2006 г.;

 Т  – численность занятых в экономике,  тыс. человек;

α – коэф-т эластичности ВРП  от изменения инвестиций, α=0,11;

β – коэф-т эластичности ВРП  от изменения численности занятых  в экономике, β=1-α=0,89.

     При этом качество экономического роста  и инновационной способности  субъекта Федерации определяется показателем α. Он с одной стороны является мерой реакции экономической системы региона на рост инвестиций, а с другой, это традиционный коэффициент эластичности. Высокое значение α показывает, что инвестиции – это ведущий фактор экономического развития региона. На базе полученной модели Хорошавин А.В. производит общую оценку направления развития области до 2025 года, исходя из 3-х сценариев (инерционного, индустриального и инновационного).

     В целом стоит отметить, что использование  МПФ дает возможность более качественного  и устойчивого сопоставления  данных во времени, чем использование  ПФ классического вида. Наиболее точные и адекватные оценки МПФ дает субъектам  со стабильным потоком инвестиций в  основной капитал, так как данная модель повышает риск сглаживания пиков  развития, что негативно сказывается  на точности прогноза.

     Другим  классическим подходом к построению модели прогнозирования является использование  метода Бокса-Дженкинса (в это семейство  входит несколько алгоритмов, самым  известным и используемым из них  является алгоритм ARIMA). ARIMA-процессы (ARIMA – сокращено от Autoregressive Integrated Moving-Average) представляют собой линейные статистические модели, которые весьма точно описывают  поведение временных рядов самых  различных типов, включая среднесрочные  всплески и падения «экономического  цикла». Они имитируют поведение  множества различных реальных временных  рядов путем комбинирования процессов  авторегрессии, процессов интегрировали  процессов скользящего среднего. Данный алгоритм встроен практически  в любой специализированный пакет  для прогнозирования. В классическом варианте ARIMA не используются независимые  переменные. Модели опираются только на информацию, содержащуюся в предыстории  прогнозируемых рядов, что ограничивает возможности алгоритма.

     Именно  такой подход используется в работе Мхитаряна В.С. и Хохловой О.А. о  статистическом исследовании развития экономики региона для прогнозирования  основных индикаторов развития Республики Бурятия. В качестве исходной информации были использованы временные ряды –  цепные темпы роста основных индикаторов  экономического развития Республики Бурятия  в сопоставимых ценах за 1992-2004 гг.: производства товаров; производства услуг; производства рыночных услуг; производства нерыночных услуг; производства ВРП; произведенной  промышленной продукции; произведенной  продукции сельского хозяйства; произведенного объема строительной продукции.

     Для реализации задачи прогнозирования  основных индикаторов экономического развития региона использован модуль «Time Series/Forecasting» ППП STATISTICA.

     Прогнозирование предусматривает построение моделей  цепных темпов роста основных экономических  региональных индикаторов при помощи процесса авторегрессионного интегрированного скользящего среднего в разностной форме (ARIMA), суть которого заключается  в прогнозировании изменений ARMА-модели для разностей. Такие прогнозы ввиду  нестационарности могут проявлять  тенденцию к росту (или снижению), а границы прогнозов по мере развития будут в дальнейшем расширяться. ARIMA-модель в разностной форме полезна  в тех ситуациях, когда нет  тенденции возврата к долгосрочному  среднему значению (например, индекс потребительских  цен, валовой региональный продукт  и т. д.). Полученная для ВРП (Y) модель ARIMA имеют следующий вид:

Yt –  Y1-1 = 0.330*(Y1-1 – Y1-2)+ 0.589**(Y1-2 – Y1-3) –  0.849*et-1 + et

     Полученные  модели прошли проверку на значимость коэффициентов и характеризуются  минимальной точностью прогноза в 95 %. Использование моделей построенных  на ARIMA-процессах является достаточно эффективным способом прогнозирования, точность прогноза при этом зависит от длительности временного ряда и наличия ярко выраженных сезонных компонент. Стоит отметить, что проблему последних можно решить с помощью более сложных моделей, построенных на методе Бокса-Дженкинса.

     Третий, часто встречаемый, подход к прогнозированию  развития региона базируется на использовании  регрессионных уравнений. Так, интерес  представляет модель прогноза ВРП, разработанная  профессором М.Д. Мамедсупиевым для  Восточно-Казахстанской области (модель сформирована на информационной базе за период 2000-2006 гг. и предназначенная  для проведения расчетов годового объема ВРП в текущих ценах на базе ежегодных данных).