Многоуровневое исследование социально-экономического развития региона на базе инновационно-воспроизводственных индикаторов

Размещено на http://www.allbest.ru/

2

Многоуровневое исследование социально-экономического развития региона на базе инновационно-воспроизводственных индикаторов

Гундорова М.А.,

Мищенко З.В.,

Фраймович Д.Ю.



В статье представлена модифицированная методика расчета интегрального индикатора, характеризующего степень использования социально-экономического потенциала региона на основе регрессионного и кластерного анализов. Расчеты могут применяться региональными органами власти для разработки тех или иных управленческих и правовых решений в рамках реализации эффективных программ инновационно-воспроизводственного развития.

Ключевые слова: интегральный индикатор социально-экономического развития региона, многоуровневый подход.

воспроизводство экономический потенциал социальное развитие



Корректная оценка степени социально-экономического развития региона требует многоуровневого подхода, который, как представляется, может включать 3 набора характеристик потенциальных возможностей субъекта федерации по осуществлению выдвинутых задач инновационной модернизации его экономики:

· индикатор ИВ₁ - предназначен для оценки степени использования собственного потенциала конкретного региона;

· индикатор ИВ₂ - позволяет определить уровень развития региона по отношению к субъектам, находящимся в той же «весовой» категории в рассматриваемом Федеральном округе;

· индикатор ИВ₃ - характеризует уровень развития региона по отношению к определенной территории, например Центрального Федерального Округа.

Индикаторы ИВ₁, ИВ₂, ИВ₃ предлагается оценить по общей формуле расчета базисного индекса [2]:

ИВ_i=Ф_i/Р_i, (1)

где Ф_i - фактически достигнутая регионом результирующая величина; Р_i - расчетное (плановое) значение результирующего показателя, i - номер уровня рассматриваемых индикаторов. В качестве результирующей величины представляется правильным принять ВРП на душу населения.

Индикаторы ИВ₁, ИВ₂, ИВ₃ целесообразно объединить в единый обобщенный индикатор (обобщённый индекс социально-экономического развития субъекта федерации), который можно рассматривать как вектор в пространстве 3-х факторов - частных показателей качества [1].

I_сэ определяется как евклидово расстояние от нулевой точки в пространстве 3-х равнозначных факторов: ИВ₁, ИВ₂, ИВ₃, по формуле:



I_сэ = ( ИВ₁ + ИВ₂ + ИВ₃)^0,5 (2)

Геометрическая интерпретация обобщённого показателя социально-экономического развития субъекта Федерации показана на рис.1.

Рис. 1. Геометрическая интерпретация оценки региона по векторному критерию (2)

Индексы (ИВ_j)_i , j=1,…,3, являются координатами для i-го региона. Вектор (I_сэ)_доп соответствует граничному значению обобщенного индекса, и определяет зону устойчивого развития региона в пространстве факторов ИВ₁, ИВ₂, ИВ₃. Исходя из анализа частных индикаторов, определяемых по формуле (1), можно сделать вывод, что регион может считаться развивающимся в устойчивом режиме, если все 3 отношения для ИВ₁, ИВ₂, ИВ₃ равны или более 1. Следовательно, геометрическое место точек, соответствующее устойчивому развитию региона, на рис. 1 будет сектором сферы с положительными ИВ₁, ИВ₂, ИВ₃.

При этом проводимый в рамках данной работы анализ базируется на факторах, которые наиболее информативно и качественно характеризуют соответствующие условия развития субъекта в сопоставлении с другими регионами.

Первый блок факторов можно охарактеризовать как экономическая активность. Он включает следующие показатели:

· объем инвестиций в основной капитал на душу населения (руб.) - Х₁;

· оборот малых предприятий (млрд. руб.) - Х₂;

· коэффициент демографической нагрузки - Х₃;

· оборот организаций с участием иностранного капитала - Х₄.

Второй блок характеризует качество жизни населения и содержит элементы:

· ожидаемая продолжительность жизни при рождении (лет) - Х₅;

· коэффициент естественного прироста населения - Х₆;

· обеспеченность жильем (м²) - Х₇;

· обеспеченность легковыми автомобилями (шт.) - Х_8.

В третьем блоке сосредоточены показатели социально-инфраструктурного развития региона:

· численность врачей на 10000 человек населения^.- Х₉;

· число зарегистрированных преступлений на 100 000 человек населения - Х₁₀;

· обеспеченность работников персональными компьютерами - Х₁₁;

· густота автомобильных дорог с твердым покрытием Х₁₂.

Четвертый блок представлен индикаторами развития науки и инновационной активности организаций. Он включает:

· количество выданных патентов на изобретения (шт.) - Х₁₃;

· удельный вес организаций, осуществлявших технологические инновации, в общем числе организаций (%) - Х₁₄;

· объем инновационных товаров, работ, услуг - Х₁₅;

· затраты на технологические инновации - Х₁₆.

В качестве последней (результирующей) величины (Y) в используемой регрессионной зависимости предлагается использовать ВРП на душу населения (тыс.руб.).

Анализ предлагается производить на примере Владимирской области, являющейся типичным регионом для Центра Российской Федерации и обладающей достаточно развитым производственным и научно-технологическим потенциалом. Все исходные данные для проведения расчета базируются на официальных данных Росстата [3].

Индикатор ИВ₁ определяется как отношение ВРП на душу населения, достигнутого в определённом году, например в 2009 г., к ожидаемому значению для указанного периода времени. Ожидаемое значение ВРП на душу населения получается по линейной регрессионной модели вида:

где

· Y - результирующая величина (ВРП на душу населения),

· X_i - факторы, влияющие на результирующую величину согласно таблице 1,

· t - отчетный период, при котором определялись значения факторов и оценивается результирующая величина,

· A_i - коэффициенты линейной модели.

Статистическое моделирование и определение параметров математической модели (3) проводилось в программном комплексе STATISTICA 8.0.

При этом регрессионный анализ для Владимирской области выполнялся за 2000-2008 гг., чтобы исключить влияние оцениваемого периода 2009 г. Логика оценки инновационно-воспроизводственного потенциала первого уровня состоит в том, чтобы на полученную функцию, характеризующую закономерности развития региона в ретроспективе, наложить фактически достигнутые показатели следующего периода и сопоставить расчетный ВРП на душу населения и достигнутый (в 2009 г.). В таблице 2 приведены результаты расчета множественного коэффициента корреляции для всех факторов, приведенных в таблице 1.

Таблица 1. Параметры для расчета регрессионной зависимости влияния различных факторов на среднедушевой ВРП по Владимирской области за 2000-2009 гг.

t	Х1	Х6	Х7	Х8	Х10	Х11	Х16	У
2000	3097	-11,5	179	104,6	36,9	2031	471,6	21073,3
2001	4019	-11,6	159	112,8	35,8	2131	500	27170,0
2002	5786	-12,2	166	118	36,4	1749	798,2	32923,6
2003	6830	-11,5	185	124	34,8	1917	638,9	40888
2004	8353	-10,8	217	129,7	34,6	2152	1089,6	49621,5
2005	11708	-11,1	221	138,8	34	2491	673,5	58737,5
2006	15179	-9,8	233	147	34,4	2523	1333,9	76967,4
2007	25971	-8,5	259	165,3	34,4	2322	1857,1	101953,8
2008	31189	-8	290	184,2	34,1	1980	1962,8	122009,6
2009	33374	-7,6	314	194,0	33,9	1923	3204,0	131342,5

Таблица 2. Результаты множественного корреляционного анализа

Статистика	Значение статистики
Множественный коэффициент корреляции (R)	0,9999
Статистика Фишера F(7,1)	190,695
Уровень значимости статистики Фишера (р)	0,056

Как следует из полученных результатов, линейную взаимосвязь между результирующей величиной и всеми факторами можно считать сильной, так как множественный коэффициент корреляции равен почти единице, и статистически значимой, поскольку уровень значимости статистики Фишера находится на уровне 5%. Однако между отдельными факторами могут существовать сильные корреляционные взаимосвязи, что позволит исключить ряд величин из уравнения (3).

В таблице 3 приведены значения парного коэффициента корреляции, а наиболее значимые коэффициенты выделены полужирным курсивом.

Таблица 3. Результаты парного корреляционного анализа

	t	Х1	Х6	Х7	Х8	Х10	Х11	Х16
t	1,00	0,93	0,89	0,95	0,97	-0,87	0,44	0,90
Х1	0,93	1,00	0,97	0,95	0,99	-0,68	0,25	0,95
Х6	0,89	0,97	1,00	0,95	0,94	-0,65	0,34	0,95
Х7	0,95	0,95	0,95	1,00	0,96	-0,77	0,38	0,91
Х8	0,97	0,99	0,94	0,96	1,00	-0,77	0,30	0,94
Х10	-0,87	-0,68	-0,65	-0,77	-0,77	1,00	-0,58	-0,61
Х11	0,44	0,25	0,34	0,38	0,30	-0,58	1,00	0,20
Х16	0,90	0,95	0,95	0,91	0,94	-0,61	0,20	1,00
Y	0,96	0,99	0,96	0,97	1,00	-0,75	0,32	0,95

Анализ статистик из табл. 3 показал, что между факторами Х₁, Х₆, Х₇, Х₈, Х₁₆ существует сильная и статистически значимая взаимосвязь, фактор Х₁₁ с другими факторами и результирующей величиной практически не связан, а фактор Х₁₀ имеет слабую статистически значимую взаимосвязь с t, Х₁, Х₇, Х₈. Исходя из вышесказанного целесообразно внести в статистическую модель (3) факторы: t, Х₁.

Результаты множественного корреляционного анализа свидетельствуют, что уменьшение числа факторов в модели (3) не привело к существенному снижению качественных характеристик статистической модели. Линейную взаимосвязь между результирующей величиной и выбранными факторами можно считать сильной - R=0,999, и статистически значимой, поскольку уровень значимости статистики Фишера находится на низком уровне -р=0,00.

Для расчета параметров модели (3) был проведен множественный регрессионный анализ, результаты которого представлены в табл. 4.



Таблица 4. Результаты множественного линейного регрессионного анализа

	Значение коэффици ента	Стандартная ошибка коэффициента модели	Статистика Стьюдента коэффициента модели t(6)	Уровень значимости статистики Стьюдента (p)
Постоянное смещение	-8046931	1469933	-5,47435	0,001552
T	4029,7	735	5,48516	0,001536
Х1	2,44	0	12,06790	0,000020

Как следует из полученных результатов, все коэффициенты статистически значимы, имеют малую погрешность, что также подтверждается низким уровнем значимости статистики Стьюдента. Это доказывает возможность и целесообразность использования выбранных факторов в регрессионной модели (3).

С учетом полученных значений коэффициентов регрессионная модель (3) примет окончательный вид:

Для более детальной оценки качества регрессионной модели целесообразно провести анализ остатков (табл. 5).

Таблица 5. Результаты анализа остатков для наблюдаемых значений и предсказанных по регрессионной модели (4)

Отчетный период	Наблюдаемое значение Y	Предсказанное по модели (4) значение Y	Остаток	Относительная погрешность линейной модели (4)
2000	21073,3	20092,4	980,93	4,7
2001	27170,0	26370,2	799,85	2,9
2002	32923,6	34708,2	-1784,64	5,4
2003	40888,0	41283,5	-395,49	1,0
2004	49621,5	49026,7	594,85	1,2
2005	58737,5	61236,7	-2499,15	4,3
2006	76967,4	73729,5	3237,91	4,2
2007	101953,8	104072,6	-2118,81	2,1
2008	122009,6	120825,0	1184,56	1,0
2009	131342,0	130181,1	1160,9

Как следует из полученных данных, величина остатка достаточно мала по абсолютному значению, и по относительному значению не превышает 6% для отчетных периодов 2000-2008 гг. Это свидетельствует о достаточно хороших прогностических свойствах полученной регрессионной модели и возможности ее использования для дальнейшего анализа.

Подставляя вместо t, Х₁ фактические результаты, достигнутые регионом за 2009 г. в полученное уравнение, можно оценить ожидаемое значение ВРП на душу населения за этот период. Коэффициент использования внутреннего потенциала региона составляет 1,009, что говорит о близкой к норме (=1) и устойчивой тенденции развития.

Необходимо подчеркнуть, что полученный благодаря выявлению регрессионной зависимости критерий имеет динамический смысл, т.е. рассчитывается по итогам определенного периода развития субъекта.

При оценке индикатора ИВ₂ ожидаемое значение ВРП (Y) на душу населения определяется по линейной регрессионной модели вида:

где

· X_i - факторы, влияющие на результирующую величину согласно таблице 1,

· t - отчетный период, при котором определялись значения факторов и оценивается результирующая величина,

· A_i - коэффициенты линейной модели.

При определении групп сопоставимых по развитию регионов конкретного Федерального округа наиболее подходящим методом классификации в исходном 16-ти факторном пространстве при объеме выборки 18 элементов (субъектов ЦФО), является метод формирования иерархического дерева бинарных кластеров. Исходные данные для решения указанной задачи согласно [3] приведены в табл. 6.

Таблица 6. Исходные данные для кластерного анализа развития регионов ЦФО

Блок	Экономическая активность	Качество жизни	Инфраструктура региона	Наука, инновационная активность	Результативность
Характеристики	Х1	Х2	Х3	Х4	Х5	Х6	Х7	Х8	Х9	Х10	Х11	Х12	Х13	Х14	Х15	Х16	У
Регионы ЦФО
1. Белгородская область	51082	19,4	622	77,4	76,56	-3,4	718	35	35,7	40,7	1308	13	1321	11,1	4,1	1197,8	199229,1
2. Брянская область	21020	7,2	638	74,4	75,05	-5,8	272	78	7,6	36,7	1973	8	1981	7,9	12,3	415,7	97382,2
3. Владимирская область	33374	36	652	93,6	73,34	-7,6	314	46	11,5	33,9	1923	11	1934	10,2	3,2	3204	131342,50
4. Воронежская область	37801	31,3	656	152,8	75,37	-6,6	392	22	39,2	54,1	1378	11	1389	8,6	4,6	4674,6	133509,70
5. Ивановская область	28047	9,6	650	94,9	73,2	-8	174	72	5,3	51,1	1829	12	1841	5,7	3,2	4070,1	80923,8
6. Калужская область	58728	24	638	117,1	73,84	-6,2	456	23	8,6	40,6	1963	13	1976	7,9	2,7	1360,3	156300,90
7. Костромская область	16099	9,9	635	45,7	73,79	-5,4	261	47	6,9	35,3	1553	11	1564	8	3,8	564	114005,60
8. Курская область	42474	12,8	653	64,9	74,99	-6,8	396	48	15,1	54	1778	10	1788	8,6	0,4	737	140166,10
9. Липецкая область	72060	63,6	647	98,9	75,4	-5,6	630	17	31	42,3	1535	10	1545	9,9	12,5	25644	195126,7
10. Московская область	48571	132,4	604	1260,7	74,49	-4,9	1255	3	72	37,5	1797	15	1812	6,8	9,4	11377	227343,2
11. Орловская область	24461	13,3	649	45,6	75,26	-6,2	370	63	9,8	39,3	1853	12	1865	14,2	4,7	799,3	110141,7
12. Рязанская область	33126	18,5	682	97	74,93	-7,7	442	9	8,9	55,5	959	11	970	6,6	5	1191,9	132346,40
13. Смоленская область	37101	20,3	620	74,3	72,67	-8,4	356	16	6,9	60,2	2354	8	2362	7,9	3,9	1127,4	129102,30
14. Тамбовская область	42993	7,9	669	72,8	75,56	-8	516	41	9,3	34,9	1467	11	1478	9,4	6,1	972,9	122258,70
15. Тверская область	49467	18,2	676	80	72,5	-8,9	330	36	16,4	51,6	2483	11	2494	4,4	11,2	1482,9	144993,30
16. Тульская область	39963	54,1	685	118,2	73,66	-9,9	255	19	12,5	34,4	1163	10	1173	9,3	1,7	6408,9	138108,70
17. Ярославская область	39684	56	652	143	75,29	-5,7	288	64	17,6	60,3	2037	14	2051	9,5	7,9	5752,9	162643,20
18. г. Москва	71114	552,3	585	3861,4	77,74	-0,4	257	5	74,9	81,8	2013	37	2050	14,1	1,5	25992,7	679340,70

Рис. 2. Дендрограмма кластерного анализа для регионов ЦФО



Статистическое моделирование проводилось в программном комплексе STATISTICA 8.0. Дендрограмма кластеров представлена на рис. 2, где на оси абсцисс показаны номера регионов в соответствии с табл. 7, а по оси ординат отложено расстояние между парами объектов или кластеров в процентах от максимального возможного расстояния в группе наблюдений.

Анализ полученной дендрограммы, исходя из значения ВРП на душу населения, позволяет выделить четыре группы кластеров. Их можно назвать: 1) лидеры (активные): Липецкая область (C9) и г. Москва (С18); 2) претенденты на лидерство: Белгородская (C1), Московская (C10), Калужская (С6) и Тверская (С15) области; 3) умеренно-стабильные: Ярославская (C17), Тульская (С16), , Курская (C8), Воронежская (С4), Тамбовская (C14), Смоленская (C13), Рязанская (C12) и Владимирская (C3) области; 4) аутсайдеры: Орловская (С11), Костромская (C7), Ивановская (C5) и Брянская (С2) области.

Для определения ИВ₂ необходимо по аналогии с предыдущим случаем оценить наличие и статистическую значимость линейной взаимосвязи между факторами и ВРП на душу населения для регионов 3-й группы.

Учитывая сильную корреляцию между Х2-Х4, Х2-Х7, Х2-Х16, Х3-Х11, Х3-Х13, Х4-Х9, Х4-Х16, Х7-Х16, Х11-Х13, а также учитывая малую величину парного коэффициента корреляции из исходного множества факторов целесообразно удалить следующие факторы: Х6-Х13.

Линейную взаимосвязь между результирующей величиной и всеми факторами можно считать статистически не значимой, так как множественный коэффициент корреляции достаточно мал и равен 0,89, а уровень значимости статистики Фишера находится на уровне 73%. Поэтому для расчета индекса ИВ₂ необходимо использовать в качестве расчетного (ожидаемого) значения результирующего показателя среднее арифметическое значение ВРП на душу населения по выбранным регионам -136184,7 руб. Значит, второй индикатор использования инновационно-воспроизводственного потенциала по Владимирскому региону согласно формуле (2) составит: ИВ₂=131342,5 / 136184,7 =0,96, что свидетельствует о близкой к норме (=1), но не совсем устойчивой тенденции развития.

По аналогии с предыдущими этапами анализ результатов расчета статистик третьего уровня (для ИВ₃) показал, что между факторами Х₂,-Х₄, Х₂,-Х₁₂, Х₄,-Х₁₂, Х₁₁,-Х₁₃ существует сильная и статистически значимая взаимосвязь. Поэтому целесообразно удалить из статистической модели (5) факторы: Х₄, Х₁₁, Х₁₂. Результаты расчета свидетельствуют о том, что линейную взаимосвязь между результирующей величиной и выбранными факторами можно считать сильной, так как множественный коэффициент корреляции равен почти единице, и статистически значимой, поскольку уровень значимости статистики Фишера меньше 5%.

Учитывая значимость корреляционной взаимосвязи, можно выполнить расчет коэффициентов модели (5). Результат множественного линейного регрессионного анализа приведен в табл. 7.

Таблица 7. Результаты множественного линейного регрессионного анализа

	Значение коэффициента	Стандартная ошибка коэффициента модели	Статистика Стьюдента коэффициента модели t(6)	Уровень значимости статистики Стьюдента (p)
Постоянное смещение	760740,8	1363180	0,55806	0,606560
Х1	1,9	1	2,07595	0,106510
Х2	922,4	133	6,91963	0,002289
Х3	1,5	559	0,00274	0,997947
Х5	-8678,0	17242	-0,50329	0,641210
Х6	10685,5	6987	1,52945	0,200888
Х7	-16,4	48	-0,34291	0,748927
Х8	-106,6	594	-0,17933	0,866400
Х9	-73,0	633	-0,11531	0,913754
Х10	542,3	893	0,60728	0,576449
Х13	-26,5	50	-0,53289	0,622339
Х14	3368,2	4845	0,69513	0,525244
Х15	2104,4	3191	0,65942	0,545655
Х16	-3,1	2	-1,51185	0,205110

Согласно результатам расчета значений коэффициентов уравнения регрессии, статистически значимым является коэффициент уравнения для фактора Х₂. Это подтверждается уровнем значимости статистики Стьюдента (p), меньшим 5%. Следовательно, вместо множественного линейного уравнения регрессии можно использовать парное уравнение вида

Y = 110079 + 1024*X

Повторный корреляционный анализ показывает, что величина коэффициента корреляции составила 0,98 при уровне значимости p=0,00, что свидетельствует, что уменьшение числа факторов в модели (5) до одного не привело к существенному снижению качественных характеристик статистической модели. Однако, как показывает анализ остатков, модель (6) имеет значительную относительную погрешность по сравнению с регрессионной моделью по всем факторам, приведенным в таблице 7. Результаты анализа остатков рассматриваемых регрессионных моделей приведены в табл. 8. Из всех факторов, приведенных в таблице 13, только Х₁, Х₂, Х₆, Х₁₆ имеют достаточно малый уровень значимости, поэтому имеет смысл именно их включить в окончательное уравнения регрессии для ожидаемого значения результирующей величины. Как следует из результатов анализа остатков, регрессионная модель на основе факторов Х₁, Х₂, Х₆, Х₁₆ имеют значения остатков, сопоставимые с полной моделью и при этом относительная погрешность не превышает 15%, высокий коэффициент множественной регрессии, равный 0,99 и его уровень значимости p=0,00.



Таблица 8. Результаты анализа остатков для наблюдаемых значений и предсказанных по полной регрессионной модели и моделям (6), (7)

Регион	Наблюдаемое значение Y	Относит. погрешность полной линейной модели по всем факторам из табл. 13, %	Относит. погрешность линейной модели (6), %	Относит. погрешность линейной модели (7), %
1. Белгородская область	199229,1	5,51	34,78	8,32
2. Брянская область	97382,2	-3,51	-20,61	-7,52
3. Владимирская область	131342,5	1,99	-11,88	-0,18

Подобные документы

• Состав и структура комплексной программы социально-экономического развития региона

  Состав, структура и основные этапы комплексной программы социально-экономического развития региона. Комплексная программа социально-экономического развития Новосибирской области, конкурентные преимущества региона и основные инвестиционные проекты.
  
  реферат [19,2 K], добавлен 23.09.2009
  

• Оценка уровня социально-экономического развития региона

  Цели и критерии социально-экономического развития региона, условия положительной динамики. Составление сценария перспективного развития регионов. Модель и долгосрочный прогноз социально-экономического развития Вологодской области на период до 2020 г.
  
  курсовая работа [66,8 K], добавлен 16.09.2011
  

• Государственные методы регулирования социально-экономического развития региона: механизмы, инструменты

  Основные аспекты социально-экономического развития регионов, инструменты его регулирования. Деятельность ассоциаций экономического воздействия субъектов РФ. Региональная политика, модель стратегического плана социально-экономического развития региона.
  
  реферат [34,6 K], добавлен 11.12.2009
  

• Выявление проблем социально-экономического развития региона

  Содержание социально-экономического потенциала региона. Территориальные основы развития области и ее специализация. Отраслевые приоритеты структурных преобразований муниципального района. Поступление налоговых платежей в консолидированный бюджет.
  
  дипломная работа [110,0 K], добавлен 09.02.2018
  

• Направления анализа экономики региона: индикаторы социально-экономического развития регионов (на примере Архангельской области)

  Основные цели и задачи анализа показателей социально-экономического развития территориальных образований. Оценка финансового положения региона. Индикаторы социально-экономического развития Архангельской области. Анализ выполнения плана областного бюджета.
  
  контрольная работа [26,7 K], добавлен 20.06.2015
  

• Концепция устойчивого развития Тюменского региона

  Понятие концепции устойчивого развития. Особенности устойчивого развития Тюменского региона. Основные проблемы в обеспечении устойчивости социально-экономического развития Тюменской области. Сценарии и прогноз социально-экономического развития области.
  
  курсовая работа [32,6 K], добавлен 25.10.2015
  

• Стратегическое планирование в регионе

  Методика стратегического планирования развития региона. Стратегическое планирование социально-экономического развития Иркутской области. Использование кластерного подхода в стратегическом планировании социально-экономического развития Иркутской области.
  
  курсовая работа [44,0 K], добавлен 16.09.2011
  

• Прогнозирование и программирование социально-экономического развития региона

  Понятие, задачи и структура региональных программ социально-экономического развития. Анализ социально-экономического развития и индикативного планирования экономики Пензенской области. Система индикативного управления экономикой Пензенской области.
  
  курсовая работа [51,5 K], добавлен 16.11.2009
  

• Социально-экономический потенциал России

  Сущность, общие понятия и состав экономического потенциала. Индекс развития человеческого потенциала, его роль в концепции развития человека, методика расчета. Методы исчисления валового внутреннего продукта. Анализ социально-экономического потенциала РФ.
  
  курсовая работа [154,1 K], добавлен 11.10.2009
  

• Основные показатели социально-экономического развития Уральского федерального округа

  Обзор процесса стратегического планирования развития региона. Исследование показателей социально-экономического развития Челябинской области. Анализ уровня образования, здравоохранения, потребления материальных благ и услуг, состояния окружающей среды.
  
  контрольная работа [39,8 K], добавлен 01.10.2012
  

• Основы планирования и прогнозирования социально-экономического развития региона

  Планирование и прогнозирование социально-экономического развития региона в системе государственного регулирования экономики (на примере Гомельской области). Система оценочных показателей действующей системы прогнозирования и планирования в регионе.
  
  курсовая работа [84,4 K], добавлен 25.10.2013
  

• Оценка экономического потенциала региона

  Характеристика природно-ресурсного потенциала исследуемого региона, трудовые и финансовые ресурсы, описание внешнеэкономических связей. Предпосылки и тенденции экономического развития. Анализ и оценка, прогноз развития валового регионального продукта.
  
  курсовая работа [68,8 K], добавлен 26.11.2015
  

• Государственное управление развитием экономики региона

  Особенности и главные методики государственного управления в рыночной модели экономики. Анализ социально-экономического развития Краснодарского края, Определение и анализ ключевых тенденций на основе анализа экономического и социального развития.
  
  дипломная работа [288,7 K], добавлен 17.04.2015
  

• Оценка региональной экономики

  Общие положения проведения анализа экономического потенциала региона. Особенности оценки природно-ресурсного потенциала и социально-экономического развития Красноярского края. Анализ валового регионального продукта, его роль в долгосрочном планировании.
  
  контрольная работа [99,4 K], добавлен 19.11.2016
  

• Разработка сценария экономического развития региона на примере Псковской области

  Стратегия экономического развития Псковской области, направленная на повышение качества жизни населения региона. Основные пути увеличения экономического потенциала и конкурентной способности области, привлечение инвестиций, создание новых рабочих мест.
  
  курсовая работа [132,1 K], добавлен 23.10.2011
  

• Социально-экономическое развитие региона

  Реализация региональных программ социально-экономического развития. Формирование уровня жизни в современных экономических условиях. Отраслевая структура экономики региона. Территориальные аспекты развития промышленности и агропромышленного комплекса.
  
  шпаргалка [99,3 K], добавлен 11.03.2009
  

• Анализ социально-экономического развития региона

  Общая географо-экономическая характеристика Ульяновской области. Исследование воспроизводственной, отраслевой и социально-экономической структуры экономики данного региона. Основные показатели и индикаторы уровня жизни населения Ульяновской области.
  
  курсовая работа [188,7 K], добавлен 22.07.2015
  

• Характеристика социально-экономического развития Тюменской области

  Анализ экономического положения Тюменской области, выявление проблем и их решение. Ресурсный потенциал региона, отраслевая структура экономики. Характеристика социально-политических процессов региона. Межбюджетные отношения и целевые программы в области.
  
  курсовая работа [177,3 K], добавлен 14.05.2015
  

• Статистический анализ социально-экономического развития Калининградского региона

  Понятие уровня жизни населения. Статистический анализ уровня жизни населения в России. Особенности социально-экономического развития Калининградского региона. Сравнительный анализ формирования основных фондов в Тамбовской и Калининградской областях.
  
  курсовая работа [680,8 K], добавлен 10.01.2014
  

• Корректирование различий в социально-экономическом развитии территорий

  Причины расхождений в социально-экономическом развитии регионов Украины. Пример расчета корректирующего коэффициента на базе интегрального показателя человеческого развития региона. Расчет дифференцированного экологического коэффициента выравнивания.
  
  контрольная работа [1,5 M], добавлен 02.05.2011
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам