Его сущность заключается в том, что исходные данные массива первичных данных по конкретному индикатору YЎ нормируются путём деления на его наибольшее значение Ушах.

В результате рассчитываются коэффициенты (К.), отражающие отношение каждого значения показателя к максимальному, приравненному к 1.

Полученные частные коэффициенты осредняются, что позволяет вывести среднюю многомерную оценку уровня конкурентоспособности по каждому субъекту Российской Федерации.

Таким образом, интервал возможных значений интегрального показателя заключён в границах от 0 (худшее значение) до 1 (лучшее значение).

В результате можно отметить, что наивысшей конкурентоспособностью отличаются регионы: республика Башкортостан, Белгородская область, Сахалинская область, Чукотский автономный округ, г. Санкт-Петербург, Тюменская область, г. Москва и др.

Регионы со средними показателями конкурентоспособности составляют самую многочисленную группу. В числе этих регионов оказались Камчатский край, Республика Бурятия, Республика Северная Осетия - Алания, Калужская область, Воронежская область, Кабардино-Балкарская Республика, Орловская область, Вологодская область, Ростовская область, Тульская область, Рязанская область, Алтайский край и т. д. Самыми неустойчивыми по экономическому развитию можно назвать такие регионы, как Чеченская Республика, Еврейская автономная область, Амурская область, Республика Калмыкия, Тверская область, Республика Дагестан.

Подход к исследованию конкурентоспособности территорий с позиции массовости явления позволяет перейти к применению статистических методов. Количественная оценка факторов, определяющих различия регионов Российской Федерации по уровню конкурентоспособности, предполагает построение многофакторных регрессионных моделей, которые позволят охарактеризовать закономерности формирования социально-экономических процессов, выявить факторы, оказывающие существенное влияние на вариацию показателей конкурентоспособности регионов. С этой целью в данной работе использован многошаговый регрессионный анализ.

Представляется целесообразным применить подход к построению типологических регрессионных моделей с учетом разнородности в исходных характеристиках регионов. При формировании массива исходных данных для исследования в качестве совокупности наблюдений выступают регионы Российской Федерации.

Исследуемая совокупность отвечает важнейшим требованиям корреляционно-регрессионного анализа - массовости и однородности по исследуемым признакам, что было достигнуто путем исключения аномальных наблюдений. Наличие выбросов в ходе исследования определялось на основе диаграммы рассеяния предсказанных значений интегрального показателя и квадратов остатков.

Важным условием проведения корреляционно-регрессионного анализа является отсутствие мультиколлинеарности. Наличие мультиколлинеарности может привести к искажению величины параметров модели, а также к изменению смысла экономической интерпретации коэффициентов регрессии. Поэтому для проведения корреляционно-регрессионного анализа в первую очередь необходимо построить матрицу парных коэффициентов корреляции для оценки степени влияния факторов друг на друга и исключения из модели связанных факторных признаков, то есть в построенных нами регрессионных моделях отсутствуют мультиколлинеарные признаки-факторы.

В качестве результативного показателя (У ) выступает интегральный показатель уровня конкурентоспособности регионов. Факторами выступают 26 признаков (Х1... Х26), разделённых по группам: «Демографический потенциал», «Трудовой потенциал», «Экономические факторы», «Инвестиционно-инновационный потенциал», «Природно-географические факторы».

Проблема отбора факторных признаков для построения моделей решена на основе метода пошаговой регрессии. Идея многошагового анализа заключается в проведении ряда расчетных итераций, в ходе которых осуществляется последовательное включение в состав модели всех отобранных с помощью теоретического анализа факторов и оценки на каждом шаге меры существенности влияния на результативный показатель всех учтенных моделью факторов и сходимости результатов. Для проведения корреляционно-регрессионного анализа данным методом воспользуемся модулем «Множественная регрессия/ Пошаговая (гребневая) регрессия с включением факторов» программного продукта STATISTICA.

Проведенный регрессионный анализ позволил построить модель дифференциации конкурентоспособности регионов РФ.

Итогом анализа взаимосвязей между показателями является уравнение:

где Х3 - численность выпускников учебных заведений высшего профессионального образования (в расчёте на 1000 жителей); Х7 - уровень безработицы, %; Х11 - удельный вес инвестиций по источникам средств (собственные), %; Х13 - удельный вес инвестиций по видам экономической деятельности (добыча полезных ископаемых), %.

Сделаем интерпретацию параметров модели. Так, с увеличением численности выпускников заведений высшим профессиональным образованием на 1 чел. (в расчёте на 1000 жителей) конкурентоспособность региона имеет следствием рост на 0,02 пункта при осредненном влиянии других факторов; с увеличением безработицы на 1 % конкурентоспособность снижается на 0,01 пункт.

Повышение удельного веса собственных инвестиций на 1 % обеспечивает повышение конкурентоспособности на 0,01 пункт. С ростом удельного веса инвестиций в предприятия, занятые добычей полезных ископаемых, на 1 % моделируемый показатель возрастает на 0,224 пункта.

Можно сделать вывод, что 44,8 % вариации интегрального показателя конкурентоспособности объясняется вариацией численности выпускников учебных заведений с высшим профессиональным образованием (на 1000 человек), уровнем безработицы, удельным весом собственных инвестиций и удельным весом инвестиций в предприятия, занятые добычей полезных ископаемых; при уровне значимости а = 0,05 гипотеза о значимости данной регрессионной модели подтверждается.

К числу наиболее характерной относится зависимость конкурентоспособности региона от численности выпускников учебных заведений с высшим профессиональным образованием. Коэффициент корреляции между рассматриваемыми переменными составляет 0,53.

Для практического использования моделей регрессии большое значение имеет их адекватность, т. е. соответствие фактическим статистическим данным. Проверка адекватности моделей, построенных на основе уравнения регрессии, начинается с проверки значимости каждого коэффициента регрессии.

Проверка значимости коэффициентов регрессии осуществляется с помощью критерия Стьюдента.

В ходе проверки гипотезы о существенности коэффициентов моделей регрессии на уровне значимости 0,05 все признаки-факторы, а также свободный член уравнения регрессии оказались статистически значимыми (расчетное значение критерия Стьюдента по модулю превышает табличное значение).

Проверка адекватности всей модели осуществляется с помощью расчета F-критерия. Наблюдаемое значение критерия (16,858) существенно превышает критическое значение.

Регрессионные коэффициенты не являются индикатором относительной значимости переменных, поскольку их величина зависит от единиц измерения переменных. Для достижения сравнимости параметров на основе полученного регрессионного уравнения рассчитаны частные коэффициенты эластичности, Р-коэффициент и частный коэффициент детерминации.

Для интерпретации уравнения регрессии рассчитывается частный коэффициент эластичности по следующей формуле:

Коэффициент эластичности показывает, на сколько процентов в среднем изменяется результативный показатель, если соответствующий факторный признак увеличится на 1 % при условии, что остальные факторные показатели останутся постоянными. Частные коэффициенты эластичности характеризуют интенсивность влияния факторов-аргументов на формирование территориальных различий конкурентоспособности регионов, однако они не могут быть положены в основу установления приоритетности факторных признаков, поскольку не учитывают масштабов влияния аргументов, определяемых уровнями вариации, на зависимую величину.

Для устранения различий в степени колеблемости переменных используются Р-коэффициенты, существенно уточняющие приоритетность факторов и создающие более реальное представление о влиянии факторных признаков на результативный показатель. В случае совпадения знаков при парных коэффициентах корреляции и Р-коэффициентах логически подтверждается правильность полученного решения.

Модель, переведенная в стандартизованный масштаб, будет иметь следующий вид:

Параметры этого выражения характеризуют то, в какой степени изменится стандартизованное значение зависимой величины при изменении значений факторов на величину их среднеквадратического отклонения. Сопоставив B-коэффициенты, нетрудно установить, что приоритетность факторов конкурентоспособности регионов характеризуется последовательностью: численность выпускников учебных заведений с высшим профессиональным образованием ( x3) удельный вес инвестиций в предприятия, занятых добычей полезных ископаемых ( x13), удельный вес инвестиций, исходя из собственных средств (x11), уровень безработицы (х).

Коэффициенты эластичности и B-коэффициенты сравнивают по абсолютной величине. Наибольшая их этих величин (или или ) и соответствует факторному признаку, оказывающему наибольшее влияние на результативный показатель.

Частные коэффициенты детерминации () дополняют характеристику приоритетности факторов-аргументов, характеризуя меру влияния вариации того или иного фактора-аргумента на процесс формирования дисперсии зависимой переменной. Частные коэффициенты детерминации показывают, на сколько процентов территориальные различия каждого из рассматриваемых факторов определяют территориальную дифференциацию конкурентоспособности регионов.

Расчет критериев для полученной регрессионной модели конкурентоспособности регионов приведен в таблице 1. Суммарное значение частных коэффициентов детерминации равно 0,477. Оно получило название совокупного коэффициента детерминации. Представленные в таблице 1 значения эластичности показывают, что региональные значения конкурентоспособности наиболее эластичны относительно удельного веса инвестиций из собственных средств, то есть повышение данного показателя на 1 % обуславливает повышение конкурентоспособности на 0,9 %.

Моделируемый показатель малоэластичен в отношении численности выпускников учебных заведений с высшим профессиональным образованием и удельного веса инвестиций в предприятия, занятых добычей полезных ископаемых.

Стандартизованные частные коэффициенты регрессии показывают, что вариация конкурентоспособности на территории регионов в наибольшей мере зависит от вариации численности выпускников учебных заведений с высшим профессиональным образованием (B3=0,515) и удельного веса инвестиций в предприятии, занятые добычей полезных ископаемых (Р13 = 0,362).

Таблица 1. Оценка приоритетности факторов регрессионной модели конкурентоспособности регионов.

Согласно значениям частных коэффициентов детерминации в таблице 1, межрегиональные различия конкурентоспособности на 26,3 % определяются вариацией численности выпускников учебных заведений с высшим профессиональным образованием на 1000 человек, на 11,5 % - вариацией удельного веса инвестиций в предприятия, занятых добычей полезных ископаемых, на 6,6 % - вариацией удельного веса инвестиций, исходя из собственных средств и на 3,3 % - вариацией уровня безработицы. В целом четырьмя факторами учтено 47,7 % вариации зависимой переменной.

Таким образом, полученные в ходе исследования результаты имеют практическую значимость для федеральных, региональных и муниципальных органов власти, так как позволяют дифференцированно подходить к регулированию социально-экономической ситуации в регионах, корректировать региональную политику путем целенаправленного воздействия на наиболее значимые факторы в конкретных условиях.

Заключение

Список используемой литературы, интернет ресурсы

3. Кузьмин О.М. Статистическое исследование конкурентоспособности регионов РФ: автореф. дис... канд. экон. наук. 08.00.12. Москва, 2011. 24 с.

4. Федеральная служба государственной статистики [Электронный ресурс]. Режим доступа: http://www.gks.ru.

5. Тихомирова Е.И. Экономический рост конкурентоспособность российских регионов: статистико-экономическое исследование. Самара: Издательство Самарского государственного экономического университета, 2013. 420 с.

6. Зулькарнаев И. У., Ильясова Л. Р. Метод расчета интегральной конкурентоспособности промышленных, торговых и финансовых предприятий // Маркетинг в России и за рубежом. - 2014. - № 4. - С. 17-27.

7. Гранберг А.Г. Основы региональной экономики. М.: ГУ ВШЭ, 2011. 183 с.

8. Новоселов, A.C. Теория региональных рынков. - Ростов-на-Дону: Феникс, 2012. 448 с.

9. Портер М. Е. Конкурентное преимущество. Как достичь высокого результата и обеспечить его устойчивость: пер. с англ. - М.: Вильямс, 2015.

10. Кротков А.М., Еленева Ю.Я. Конкурентоспособность предприятия: подходы к обеспечению, критерии, методы оценки - http://www.cfin.ru/press/marketing/2001-6/06.shtml - 19.04.2014

11. Захаров А.Н. Экономическая сущность и механизмы повышения конкурентоспособности предприятия. (Мировой опыт) // Внешнеэкономический бюллетень. - 2014. - № 4. - С.11-20

12. Мхитарян С.В. Отраслевой маркетинг. - М.: Эксмо, 2016, - 8 с.

13. Философова Т.Г. Конкуренция и конкурентоспособность: учеб. пособие для студентов вузов. - М.: ЮНИТИ-ДАНА, 2015. - С. 36.

14. Философова Т.Г. , Быков В.А. Конкуренция и конкурентоспособность.- М.: ЮНИТИ-ДАНА, 2015. - С. 210

Размещено на Allbest.ru