Встает вопрос, действительно ли сложившаяся ситуация требует раз-работки и проведения активной государственной политики поддержки как отечественных производителей в целом, так и конкретных отраслей. Оче-видного ответа на этот вопрос нет. Различные страны используют неодина-ковые, подчас диаметрально противоположные подходы к решению этой проблемы на разных стадиях развития их экономики.

Общие вопросы, такие, как таможенное регулирование, создание сво-бодных экономических зон, соглашения по разделу продукции и т. д., важ-ные сами по себе, не являются предметом рассмотрения в настоящем Спе-циальном докладе. Задача данной работы ограничивается анализом аргу-ментов за и против активной государственной промышленной политики в России в настоящее время. Общий принцип можно сформулировать сле-дующим образом: в нормальной рыночной среде протекционистская поли-тика по отношению к отечественным производителям скорее опасна, чем полезна. Даже такие чрезвычайные и острые проблемы, как социальные аспекты реформирования российской экономики, не следует решать путем недискриминационной защиты предприятий, включая (на практике, глав-ным образом) неплатежеспособные предприятия.

В то же самое время рекомендация, подобная той, что правительство должно сосредоточиться исключительно на решении этого вопроса путем общего реформирования экономики, является еще в меньшей степени уни-версальной в плане применения на практике, чем она обоснована в теории. Мы вовсе не стремимся сопоставлять идеал с существующей практикой, так же как и определять конкретные шаги, которые могли бы сблизить их в определенной ситуации без обращения к шоковой терапии. Мы кратко охарактеризуем специфические ситуации, когда политика поддержки кон-кретных отраслей или проектов является в краткосрочной перспективе вполне подходящей.

Необходимость «уровня игровой площадки».

Фактически Россия в настоящее время применяет механизмы и инст-рументы поддержки конкретных отраслей и/или предприятий. Они пред-ставляют собой не только часть наследия предыдущей экономической системы или результат инициатив на уровне регионов или несовершенства действующего таможенного и тарифного регулирования. Иногда эти меха-низмы и инструменты являются следствием мер, принятых как часть сего-дняшних реформ.

В качестве примера можно привести соглашения о разделе продук-ции. Несмотря на некоторые параметры, о которых можно спорить, эти соглашения делают явной ответственность и права партнеров по инвести-ционным проектам в добывающих отраслях промышленности, включая во-просы компенсации (хотя, скорее, в натуральной форме, нежели в форме наличных денег). И наоборот, потенциальные инвесторы, стремящиеся развивать проекты в обрабатывающих отраслях промышленности, таких, как производство легковых автомобилей, оказались бы в худшем положе-нии, поскольку нет ясности относительно того, как можно реализовать эти проекты, не говоря уже о том, как репатриировать прибыль от них. Если Россия ставит целью способствовать тому, чтобы иностранные инвестиции шли не только в секторы добывающей промышленности, необходимо раз-работать стратегию по таким вопросам, как права, объемы и сроки репат-риации прибыли иностранными партнерами в инвестиционных проектах.

Защита конкурентоспособности и замедление удорожания рубля.

Финансовый кризис в России, разразившимся в августе 1998 г., суще-ственным образом повысил конкурентоспособность отечественных произ-водителей. Однако лишь немногие предприятия воспользовались предста-вившейся возможностью и извлекли выгоду из благоприятной ситуации в целях реструктуризации производства и повышения эффективности их внутренней организации. Сказанное верно и по отношению к экономике в целом: на макро-уровне не были осуществлены никакие крупные структур-ные реформы. В результате свободное пространство или начальное пре-имущество, которое имелось у российской экономики, не привело к ре-шающему улучшению в перспективе.

Спустя два с половиной года обнаружилось, что многие секторы эко-номики и предприятия снова находятся в положении, когда реальное удо-рожание национальной валюты (посредством, скорее, внутренней инфля-ции, чем номинального удорожания рубля) угрожает сделать их продукцию неконкурентоспособной по отношению к импорту или перед лицом огра-ниченного эффективного спроса. «Запас прочности» в действительности оказался совсем незначительным.

В то же самое время представляется очевидным, что беспокойство от-носительно внутренней ценовой стабильности обусловливает сопротивле-ние российских властей сдерживанию роста номинального обменного курса рубля, когда такое сдерживание подразумевает опасность инфляционной волны вследствие ускорения роста денежного предложения. Если дилемма финансовой стабилизации и конкурентной слабости не разрешается общи-ми экономическими мерами, которые устанавливают правила игры для всех экономических агентов, тогда власти оказываются вынужденными принимать специальные меры для защиты конкурентоспособности приори-тетных отраслей.

Повышение конкурентоспособности в условиях нынешней протекционистской таможенной политики.

Несмотря на то что Россия, очевидно, стремиться вступить но Все-мирную торговую организацию (ВТО), как представляется, и ближайшей перспективе трудно ожидать радикального изменения таможенной полити-ки, в настоящее время нацеленной на защиту крупных и значимых произ-водителей, таких, как автомобилестроители. С одной стороны, преферен-циальный режим защищает отечественных производителей легковых авто-мобилей от конкуренции со стороны импорта. С другой стороны, такая защита уменьшает давление на компании в сторону улучшения конкурен-тоспособности посредством использования внутренних источников и по-вышения эффективности. Этот подрывает стимулы к развитию и неизбеж-но увеличивает разрыв между местными и мировыми стандартами.

Для того чтобы уменьшить противоположное воздействие преферен-циальных тарифов на отечественных производителей, может оказаться по-лезным принять специальные меры по поощрению ведущих международ-ных производителей к осуществлению совместных проектов с российскими компаниями с целью улучшения их конкурентоспособности по отношению к остальному миру. Автомобильная промышленность не является единст-венной отраслью, которая могла бы выиграть от мер по поддержке круп-ных проектов, но это, конечно, первый кандидат. Однако, если такие шаги будут осуществлены, концессии и льготы придется определять очень тща-тельно, для того чтобы воспрепятствовать недобросовестным производите-лям, как российским, так и иностранным, использовать их с целью обойти таможенные тарифы.

Пилотные программы в контексте нынешней политики реформ.

В последнее время руководство России сосредоточило свои силы на легальной разработке эффективных мер экономической реформы. К сожа-лению, сейчас еще рано говорить о каком бы то ни было воздействии этих мер на фактическое положение дел или на мотивацию экономических агентов: во многих сферах дело еще не пошло дальше общих представле-нии и в процессе обсуждения находится вопрос о последовательности ре-форм. Только некоторые конкретные меры прошли стадию законодатель-ного утверждения, и практически ни одна из них, даже будучи внедренной. не действует достаточно долго, чтобы уже можно было увидеть какие-то результаты.

Если ближайшее будущее не принесет ощутимого прогресса в деле реформирования и внедрения в жизнь законодательства, которое уже при-нято, то пилотные программы могут быть осуществлены для того, чтобы «опробовать» реформы в отдельных регионах иди как часть больших про-ектов.

В таких случаях власти смогли бы проверить, соответствуют ли про-цедуры осуществления проекта законодательству или утвержденным мерам. В прошлом главным образом самим инвесторам приходилось оказывать давление сначала на федеральных, а затем на местных чиновников, с тем чтобы получить информацию о том, на какие привилегии они имели право и как их можно было получить на практике.

Концессии и льготы, якобы предоставленные проектам по производ-ству легковых автомобилей, являются хорошим примером. Очевидно, что в российских условиях такие меры не легко осуществить. Однако сели не-возможно обеспечить соответствие законам и правилам даже в случае спе-циально отобранных проектов или регионов, то тем более нельзя надеяться на позитивные, результаты реформ в экономике в целом.

Поддержка приоритетных проектов при выполнении определенных законом условий.

Определение отраслей и/или конкретных проектов в качестве объек-тов для поддержки является делом весьма сложным, требующим индивиду-ального подхода. В качестве примера рассмотрим автомобилестроение. Это относительно развитая отрасль промышленности, на долю которой прихо-дится значительная доля выпуска продукции в машиностроении. Автомо-билестроение производит товары длительного пользования, которые поль-зуются спросом на внутреннем рынке и являются довольно дорогими. В то же время производство в этой отрасли относительно неэффективное, каче-ство по мировым стандартам низкое, а занятость избыточная.

Непохоже, чтобы в ближайшее время ситуация улучшилась -- по при-чине социальных аспектов увольнений. Как правило, предприятия этого сектора являются доминирующими в экономике городов или даже целых регионов, где они расположены, и обеспечивают значительную долю дохо-дов бюджетов соответствующих регионов. Вряд ли в краткосрочной пер-спективе будут приняты решения относительно жестких мер по реформиро-ванию этой отрасли. Высокие таможенные барьеры, защищающие автомоби-лестроителей от суровой конкуренции с иностранными производителями, свидетельствуют о желании властей поддерживать эту отрасль.

Дополнительная поддержка обеспечивается за счет мягких бюджетных ограничений, при том что власти закрывают глаза на взаимную задолжен-ность и бартерные расчеты между предприятиями. Вследствие этого трудно изменить ситуацию в автомобилестроении радикальным образом, и более эффективным может оказаться предоставление специальных концессий и льгот, определенных законом, для новых проектов или для предприятий, которые внедряют эффективные технологии.

В развитие детализированной программы мер поддержки хотелось бы вновь подчеркнуть следующие основные принципы:

Доступ к преференциальному режиму следует предоставлять толь-ко тем проектам, которые не ограничиваются сборкой (в промыш-ленном производстве) и отделкой (в других секторах экономики или отраслях промышленности). Следует проводить тщательную подготовку продукции как на уровне бизнес-планов, так и в плане установки производственных линий соответствующей мощности, а также импорта машин и оборудования.

Приоритетными следует считать, проекты, имеющие целью при-влечение инвестиций в производство комплектующих и компонен-тов, скорее, чем в производство конечной продукции. Это касается как производства механических транспортных средств, так и дру-гих отраслей. Например, корпуса летательных аппаратов россий-ского производства являются конкурентоспособными на мировом рынке, в то время как российские авиационные двигатели зачастую низкого качества. Следовательно, для того чтобы продавать свои самолеты, производители должны снабдить их импортными двига-телями, подчас изобретая сложные финансовые схемы, с тем чтобы решить проблему нехватки средств. Вероятно, было бы более эф-фективным организовать совместное производство авиационных двигателей с ведущими мировыми производителями. Изготовление качественных комплектующих на уровне мировых стандартов не только помогло бы обеспечить доступ на мировые рынки, но также вывело бы отечественные производственные мощности на новый уровень.

Необходимо определить инвестиционный минимум, который дол-жен присутствовать в проектах, для того чтобы они могли претен-довать на поддержку со стороны правительства, а также установить подробные и четкие требования относительно небольшого, но эф-фективного с технологический точки зрения производства. Напри-мер, требования для проектов в области автомобилестроения, пре-тендующих на поддержку со стороны государства, демонстрируют очевидное несоответствие в этом отношении. В результате по меньшей мере пять крупнейших иностранных компаний подписали инвестиционные соглашения с российским правительством, а большинство остальных объявили о своем намерении сделать это -- явный показатель того, что они собираются лишь выразить свой общий интерес, скорее для того чтобы заявить о себе, чем развивать конкретные производственные планы для согласования их с точно определенными требованиями и условиями.

Когда будут определены конкретные условия предоставления под-держки, чрезвычайно важно исключить недобросовестных участни-ков, которые просто ищут способа обойти законы.

3. Экономико-статистический анализ инвестиций.

Итак, после объемного теоретического рассмотрения вопроса мы можем перейти к статистическому анализу инвестиций. Но прежде, чем производить сами расчеты, я считаю необходимым сделать некоторые пояснения. Во-первых, для анализа я решил взять только прямые инвестиции в российскую экономику. На это существует несколько причин: если брать инвестиции в целом, то возникнет путаница, относительно того, какие факторы влияют на эти инвестиции (ведь прямые и портфельные инвестиции формируются под влиянием самых различных факторов, причем те факторы, которые оказывают большое влияние на прямые инвестиции, вообще не влияют на портфельные). Другой причиной является то, что прямые инвестиции представляют больший интерес для экономики, поскольку это инвестиции непосредственно в производство.

Определившись с тем, какой вид инвестиций анализировать, необходимо выделить факторы, влияние которых мы будем исследовать, и прокомментировать этот выбор. Первый фактор - это производство промышленных товаров. Данный фактор берем в рассмотрение потому что (как было описано выше), инвестиции осуществляются под конкретные проекты, а в этих проектах уже заложен планируемый объем производства. Инвесторы, прежде чем проинвестировать тот или иной проект, тщательно изучают его, определяя на сколько выгодным будет вложение средств именно в этот проект. Второй фактор - курс доллара. Этот фактор отражает стабильность в экономике России, тем самым сигнализируя о том, на сколько благоприятен сложившийся инвестиционный климат. И, наконец, третий фактор - это доход на душу населения России. Этот фактор берем в рассмотрение потому что (как уже было сказано) прямые инвестиции - это инвестиции непосредственно в производство, а для эффективного расширения производства необходимо, чтобы в стране существовал платежеспособный спрос на продукцию инвестируемой отрасли. В противном случае инвестиции превратятся в «выброшенные на ветер средства».

Теперь, когда все необходимые пояснения сделаны, можем перейти непосредственно к анализу. При этом начнем его с анализа динамики и структуры инвестиций индексным методом.

3.1. Индексный анализ прямых инвестиций в РФ.

Индексный анализ используется для сопоставления количественных показателей за разные периоды времени, в данном случае это прямые инвестиции в РФ. Используется два вида индексов:

- цепные - сопоставляется два периода с постоянно меняющейся базой;

- базисные - сопоставляются два периода, причём за базу выбирается какой-то из периодов.

Рассчитываем цепные и базисные индексы.

Таблица 1 - "Индексный анализ инвестиций"

Период времени	Объем инвестиций за отчетный период, млн. дол.	Цепные индексы	Базисные Индексы
Год 1998	1 квартал	623
	2 квартал	450	0,722311	0,722311
	3 квартал	411	0,913333	0,659711
	4 квартал	1278	3,109489	2,051364
Год 1999	1 квартал	642	0,502347	1,030498
	2 квартал	751	1,169782	1,205457
	3 квартал	659	0,877497	1,057785
	4 квартал	838	1,271624	1,345104
Год 2000	1 квартал	536	0,639618	0,860353
	2 квартал	469	0,875	0,752809
	3 квартал	661	1,409382	1,060995
	4 квартал	1048	1,585477	1,682183

На основе анализа цепных индексов можно сделать вывод, что изменение инвестиций происходит волнообразно. При этом максимальное значение цепного индекса за все три года достигается в четвёртом квартале 1998 года. При анализе 1998, 1999, 2000 гг. по отдельности, цепной индекс достигает максимума также в 4-м квартале каждого года, что закономерно, так как на инвестиции сильно влияет сезонность работ.

Анализ базисных индексов показал, что объем инвестиций изменяется скачкообразно, то увеличиваясь, то уменьшаясь. Минимальное значение зафиксировано в третьем квартале 1998 года, оно равно 0,659711; Максимальное значение зафиксировано в 4-м квартале 1998 года - 2,051364.

Для выявления роли факторов в динамике явлений рассчитываются индексы структуры. К ним относятся:

- Индекс переменного состава;

- Индекс фиксированного состава;

- Индекс структурных сдвигов.

Необходимо отметить, что теперь мы будем анализировать не влияние промышленного производства на инвестиции, а наоборот. Это делается для того, чтобы более полно отразить значимость именно прямых инвестиций для экономики в целом.

Для расчёта этих индексов построим таблицу 2.

Таблица 2. - "Расчёт структурных сдвигов"

Порядковый №	Название отросли	Инвестиции, в млн. дол.	Выпуск продукции, в млрд. руб.
		1998	1999	1998	1999
1	Топливная промышленность	776	493	402	472
2	Пищевая промышленность	626	578	335	346
3	Машиностроение и металлообработка	86	116	76	157
4	Лесная, деревообрабатывающая и целлюлозно-бумажная промышленность	82	112	45	52
5	Цветная металлургия	2	58	94	63

Для наглядности изменения инвестиций для каждой отросли производства, строим гистограмму.

Также, для наглядности изменения выпуска продукции каждой отраслью производства строим гистограмму.

Рассчитаем индексы структурных сдвигов.

Индекс переменного состава. Он показывает изменение показателя (выпуска продукции) за счёт двух факторов: как за счёт изменения самого выпуска, так и за счёт изменения инвестиций. Индекс переменного состава равен:

,

где: х₀, x₁ - выпуск продукции каждой из отраслей базового и текущего периодов;

f_0, f₁ - инвестиции в каждую из отраслей базового и текущего периодов.

Индекс переменного состава показывает изменение выпуска продукции в 1999 году в 1,002 раза (увеличение) по сравнению 1998 годом не только за счёт изменения инвестиций, но и из-за наращивания самого выпуска.

Индекс фиксированного состава. Он показывает изменение выпуска только за счёт самого выпуска продукции. Индекс фиксированного состава равен:

В 1999 году средний выпуск продукции по исследуемым отраслям возрос в 1,120 раз только за счёт изменения выпуска продукции данных отраслей.

Индекс структурных сдвигов. Он показывает изменение выпуска за счёт изменения инвестиций. Индекс структурных сдвигов равен:

Индекс структурных сдвигов показывает уменьшение структурных сдвигов выпуска промышленной продукции отраслей по отношению к 1998 году на 10,5% за счёт изменения инвестиций. Возникает вопрос, как же это могло произойти: при изменении инвестиций выпуск продукции сокращается (при прочих равных условиях). Однако если анализировать данные таблицы 3.2., то можно заметить, что инвестиции в топливную и пищевую промышленности сократились в 1999 году по сравнению с 1998 годом. Но мы знаем, что существует прямая связь между выпуском продукции отрасли и инвестициями, осуществляемыми в данную отрасль. О чем и свидетельствует полученный коэффициент, тем более, что эти отрасли имеют наибольший удельный вес как по инвестированию, так и по выпуску продукции.

Теперь перейдем к анализу динамики инвестиций с использованием временных рядов.

3.2. Анализ динамики инвестиций с использованием временных рядов.

Ряд динамики - это ряд последовательно расположенных в хронологическом порядке показателей, которые характеризуют развитие явления во времени. Такие ряды также ещё называют временными или хронологическими.

Ряды динамики в зависимости от вида приводимых в них обобщающих показателей можно разделить на ряды динамики абсолютных, относительных и средних величин. Исходными (первоначальными) являются ряды динамики абсолютных величин, а абсолютных и средних величин - производными.

Анализ динамики инвестиций начнем с поиска коэффициента вариации, расчёта среднеквадратичного отклонения, а также проверки ряда на аномальные наблюдения. Для этого с исходными данными проведём следующие преобразования, представленные в таблице 3.

Таблица 3. - "Данные для расчёта".

t	год/квартал	y	(у-уср)	(у-уср)2
	1998
1	1	623	-74	5501
2	2	450	-247	61091
3	3	411	-286	81891
4	4	1278	581	337367
	1999
5	1	642	-55	3043
6	2	751	54	2898
7	3	659	-38	1457
8	4	838	141	19834
	2000
9	1	536	-161	25975
10	2	469	-228	52060
11	3	661	-36	1308
12	4	1048	351	123084
Сумма		8366		715510

Рассчитаем среднеквадратичное отклонение, коэффициент вариации, а также проверим ряд на "засорение информации" или на аномальные наблюдения.

Среднеквадратичное отклонение=

Коэффициент вариации=

По вариации можно сделать вывод, что, так как коэффициент вариации больше 15% (35,02%), вариация большая и совокупность в целом нельзя признать однородной.

Проверим ряд на аномальные наблюдения с помощью t_n-критерия Граббса. В данной совокупности выделим максимальное и минимальное значение - 411 и 1278, допустим их взяли неверно. Формула для расчёта t_n-критерия Граббса:

где: y- аномальное наблюдение;

- средний абсолютный прирост.

T_n-критерия Граббса=

Далее сравню полученные значения с критическими данными по таблице t_n-критерия Смирнова-Граббса. При n=12 и доверительной вероятности 0,95 Т_кр=2,519. Так как полученные значения Т₁ и Т₂ < Т_кр, то следовательно нет необходимости исключать эти данные из исследования.

Хотя коэффициент вариации получился весьма значительным, мы определили, что аномальных наблюдений нет, а, следовательно, в учебных целях продолжим наши исследования.

3.2.1. Показатели абсолютного прироста, коэффициентов роста и прироста, темпов роста и прироста

В зависимости от характера отображаемого явления ряды динамики, как уже было сказано выше, подразделяются на ряды абсолютных, относительных и средних величин.

Наиболее простым показателем анализа динамики является абсолютный прирост (у), характеризующий абсолютный размер увеличения (или уменьшения) уровня явления за определенный промежуток времени

,

где: у - абсолютный прирост;

у_i - текущий уровень ряда;

у_{i - 1} - предшествующий уровень;

i - номер уровня.

Если сравнение ведётся для каждого последующего уровня с каждым предыдущим, то получаем цепные абсолютные приросты; если сравнение ведем каждого последующего уровня с одним уровнем, то получаем абсолютные базисные приросты:

,

где: у₀ - базисный уровень.

Абсолютный прирост выражает абсолютную скорость роста. Относительная скорость изменения уровня явления, то есть интенсивность роста, выражается коэффициентами роста и прироста, а также темпами роста и прироста.

Коэффициент роста - это отношение двух уровней ряда динамики и показывает, во сколько раз сравниваемый уровень больше базисного. Коэффициент роста может быть исчислен с переменной и постоянной базой сравнения.

Если база меняется, то исчисляются цепные коэффициенты роста по формуле:

где: К_р - коэффициент роста.

Если коэффициент роста выразить в процентах, то получается темп роста.

Если база постоянная, то исчисляются базисные коэффициенты роста:

Наряду с коэффициентами роста исчисляются и коэффициенты прироста. Они показывают относительное увеличение (уменьшение) прироста. Коэффициенты прироста рассчитываются делением абсолютного прироста на базисный абсолютный уровень или цепной.

(по цепной системе),

(по базисной системе).

Средний абсолютный прирост определяется:

(по цепной системе),

, (по базисной системе).

где: - средний абсолютный прирост;

у_n- последний уровень временного ряда;

у₀ - базисный (начальный) уровень ряда.

Одно из требований, предъявляемых к использованию абсолютных и относительных величин, заключается в том, что их необходимо брать вне отрыва друг от друга. Поэтому большое значение имеет расчет показателя абсолютного значения одного процента прироста. Этот показатель рассчитывается по данным величин цепной системы:

Абсолютное значение 1% прироста =

За 100% принимается базисный уровень. 1% будет равен 0,01 базисного уровня. Если коэффициенты роста выражаются в процентах, то их называют темпами роста:

Темп роста показывает, на сколько процентов уровень данного периода больше (меньше) базисного уровня.

Средний коэффициенты роста, а, следовательно, и прироста, можно определить по формуле:

Средний темп роста представляет собой средний коэффициент роста, выраженный в процентах

Рассчитанные показатели абсолютного прироста, коэффициентов роста и прироста, темпов роста и прироста находятся в приложении Е.

Максимальное значение абсолютного прироста (по цепной системе) зафиксировано в 4-м квартале 1998 года (867 млн. дол.), минимальное значение - в 1-м квартале 1999 года (-636 млн. дол.). Максимальное значение абсолютного прироста по базисной системе составило 655 млн. дол. в 4-м квартале 1998 года, минимальное - -212 млн. дол. в 3-м квартале 1998 года. В общем абсолютный прирост инвестиций как по цепной, так и по базисной системам изменяется скачкообразно от минусовых значений к плюсовым и наоборот. Это объясняется, прежде всего, неравномерностью освоения инвестиций по отношения к периоду финансового года, что характеризует большой поток инвестиций на завершение начатых проектов в конце года, и относительно небольшой поток их в течение остального времени.

Коэффициенты роста и прироста как по базисной, так и по цепным системам подвержены скачкообразным изменениям. Так максимальный коэффициент роста как по цепной, так и по базисной системам зафиксирован в 4-м квартале 1998г. Он равен: по цепной системе - 3,109, по базисной - 2,051. Минимальное значение коэффициент роста по цепной системе принимает в 1-м квартале 1999 года и составляет 0,502, а по базисной системе - в 3-м квартале 1998 года и составляет 0,660.

Коэффициент прироста достигает своего максимального значения, как по цепным, так и базисным системам, также в 4-м квартале 1998 г., и составляет - 2,109 по цепной системе и 1,051 по базисной. Коэффициент прироста достигает своего минимального значения: по цепной системе в 4-м квартале 1998 г., и составляет - -0,498; по базисной системе -0,340 в 3-м квартале 1998 года.

Так как темпы роста и прироста зависят от коэффициентов роста и прироста, то их максимальные значения будут также находиться в 4-м квартале 1998 г. Минимальные значения: по цепной системе в 1-м квартале 1999г.; по базисной системе в 3-м квартале 1998г. Так максимальное значение темпа роста по цепной системе составляет 310,9%, по базовой - 205,1%, минимальное - 50,2% и 66,0% соответственно. Максимальное значение темпа прироста по цепной системе составляет 210,9%, по базовой - 105,1%, минимальное соответственно - -49,8% и -34,0%.

Полученные цифры также объясняются неравномерностью освоения инвестиций по отношения к периоду финансового года.

Для выявления тенденции (закономерности) изменения инвестиций будем использовать два метода:

- метод скользящих средних;

- метод аналитического выравнивания.

3.2.2. Метод скользящих средних.

При выявлении тенденции на основе метода скользящих необходимо выбрать период скольжения. В данном случае он будет равен 4. Для определения средних используются следующие формулы:

- Для определения средних значений:

где: - среднее значение n-го ряда;

y_n - значение n-го ряда;

4 - значение периода скользящих средних.

При подстановке данных в формулы, получится ряд средних значений динамического ряда инвестиций. Для выявления закономерностей эти средние необходимо центрировать или получить на их основе ещё один уровень средних - центрированных.

- Для определения центрированных средних:

Значения, полученные при использовании метода скользящих средних, представлены в таблице 4.

Таблица 4. - "Сглаживание методом скользящих средних"

Период времени	Абсолютные уровни	Yсред (млн. дол.)	Скользящие средние	Сглаженные средние уровни
Год 1997	1 квартал	623	697,2
	2 квартал	450	697,2	690,5
	3 квартал	411	697,2	695,3	692,9
	4 квартал	1278	697,2	770,5	732,9
Год 1998	1 квартал	642	697,2	832,5	801,5
	2 квартал	751	697,2	722,5	777,5
	3 квартал	659	697,2	696	709,3
	4 квартал	838	697,2	625,5	660,8
Год 1999	1 квартал	536	697,2	626	625,8
	2 квартал	469	697,2	678,5	652,3
	3 квартал	661	697,2
	4 квартал	1048	697,2

На основе полученных данных строю график (рисунок 1) и получаю так называемый "тренд".

Рисунок 1 "Скользящая средняя"

На графике не проявляется сильно выраженный недостаток скользящих средних. Но в начале и в конце динамического ряда отсутствуют данные, в результате чего становится не совсем ясна закономерность. Это и является минусом данного, наиболее простого из всех остальных метода. Для более точного анализа использую метод аналитического выравнивания.

3.2.3. Метод аналитического выравнивания.

Аналитическое выравнивание ряда динамики имеет задачу найти плановую линию развития (тренд) данного явления, характеризующую основную тенденцию её динамики.

Аналитическое выравнивание провожу по уравнению прямой, т.е. использую "линейную модель" - y=a+bt.

Для этого необходимо решить следующую систему уравнений:

где: y- уровни фактического ряда динамики;

n- число членов ряда;

t- показатель времени;

a и b- параметры прямой.

Для нахождения параметров прямой строю следующую таблицу.

Таблица 5. - "Нахождение параметров прямой"

Период времени	y (млн. дол.)	t	t**2	y*t
Год 1998	1 квартал	623	1	1	623
	2 квартал	450	2	4	900
	3 квартал	411	3	9	1233
	4 квартал	1278	4	16	5112
Год 1999	1 квартал	642	5	25	3210
	2 квартал	751	6	36	4506
	3 квартал	659	7	49	4613
	4 квартал	838	8	64	6704
Год 2000	1 квартал	536	9	81	4824
	2 квартал	469	10	100	4690
	3 квартал	661	11	121	7271
	4 квартал	1048	12	144	12576
Сумма		8366	78	650	56262

Подставляю данные в уравнение:

Уравнение "линейной" модели примет вид:

Оценим параметры уравнения на типичность и произведём расчёт средней и предельной ошибок. Данные для их расчёта представлены в приложении F.

Оценим параметры уравнения на типичность. Для расчёта понадобятся следующие формулы:

где: S²- остаточная уточнённая дисперсия;

- m_а, m_в- ошибки по параметрам.

После подстановки значений получились следующие данные:

Рассчитаю расчётные значения t-критерия Стьюдента. Для расчёта использую следующие формулы:

где: t_{расчётное} - расчётное значение t-критерия Стьюдента;

t_a и t_b - расчётное значение t-критерия Стьюдента для параметров а и b.

После подстановки данных в формулы получил следующие значения:

Сравним полученное значение t-критерия Стьюдента (расчётное) с табличным t-критерием Стьюдента. t_{табличное} при Р=0,05 (уровень значимости) и числе степеней свободы (n-2)= 2,228. Так как t_{расчётное} > t_{табличное} , то параметры уравнения типичны (значимы) и данное уравнение используется в дальнейших расчётах.

Рассчитаем среднюю и предельную ошибки с которыми были произведены расчёты. Расчёт произвожу по следующим формулам:

где: - значение средней ошибки;

- доверительный интервал, зависящий от р(t) (предельная ошибка);

t - кратность, соответствующая определённой вероятности. Определяется с помощью таблиц. Для данного случая (Р=0,95) t= 1,96.

Предельная ошибка = 138,158, но она меньше 5%, значит в дальнейшем анализе используется "линейная" модель. С помощью данных, представленных в приложении F строю график и "тренд" аналитического выравнивания.

Рисунок 2 "Аналитическое выравнивание"

Так как объем инвестиций неравномерно осваивается по отношения к периоду финансового года (большой поток инвестиций на завершение начатых проектов в конце года, и относительно небольшой поток их в течение остального времени), проанализируем имеющийся динамический ряд на сезонность.

3.2.4. Сезонные колебания.

Сезонные колебания присущи многим процессам и в различных отраслях деятельности (транспорт, с/х). Также они присущи и для инвестиций. Имеются различные методы по оценки сезонности. В работе используем:

- индекс сезонности на основе скользящих значений;

- коэффициент Спирмена.

Индекс сезонности на основе скользящих значений. Для определения индекса сезонности понадобится следующая формула:

где: - индекс сезонности;

- месячное значение уровня динамического ряда;

- среднегодовое значение.

Для определения индекса сезонности построим следующую таблицу.

Таблица 6. - "Индекс сезонности"

Месяцы	Инвестиции, млн. дол.	В среднем за 3 года, Yiср	Усезон Yiср/Yср*100%
	1998	1999	2000
Январь	216	235	197	216	92,95
Февраль	207	211	173	197	84,77
Март	200	196	166	187,3	80,61
Апрель	147	241	153	180,3	77,60
Май	164	257	147	189,3	81,47
Июнь	139	253	169	187	80,47
Июль	137	236	203	192	82,62
Август	145	221	223	196,3	84,48
Сентябрь	129	202	235	188,7	81,19
Октябрь	396	253	307	318,7	137,13
Ноябрь	428	273	349	350	150,61
Декабрь	454	312	392	386	166,10
Ср.уровень, Yср	230,17	240,83	226,17	232,39

По полученным в результате расчётов данным строю график.

Рисунок 3 "Индекс сезонности"

Данный график показывает сильную зависимость инвестиций от индекса сезонности, то есть объём инвестиций зависит от времени года (финансового), т.е. от сезона.

Надо также сказать, что независимо от того, в какую отрасль производства осуществляются инвестиции, необходимо создать такой инвестиционный климат, который дал бы возможность уменьшить влияние индекса сезонности. При этом необходимо обеспечить равномерное освоение потока инвестиций в течение всего финансового года.

При помощи коэффициента Спирмена определяется устойчивость динамического ряда. Это необходимо для того, чтобы определить устойчивость параметризованной модели и возможность прогнозирования по ней на перспективу.

Коэффициент Спирмена находится по формуле:

где: d - разница между рангами одного и другого признака;

N- число наблюдений.

Для его расчёта строю следующую таблицу:

Таблица 7. - " Расчёт рангов"

Период времени	Инвестиции, млн. дол.	Выпуск промышленной продукции, млрд. руб.	Ранг	D	D2
			Инвести-ции	Выпуск продукции
Год 1998	1 квартал	623	593,2	5	4	1	1
	2 квартал	450	578,6	2	3	1	1
	3 квартал	411	518,8	1	1	0	0
	4 квартал	1278	543,7	11	2	9	81
Год 1999	1 квартал	642	624,1	6	5	1	1
	2 квартал	751	709,2	9	6	3	9
	3 квартал	659	821,3	7	7	0	0
	4 квартал	838	995,6	10	8	2	4
Год 2000	1 квартал	536	1070	4	9	5	25
	2 квартал	469	1104,8	3	10	7	49
	3 квартал	661	1216,9	8	11	3	9
	4 квартал	1048	1370,8	12	12	0	0
Сумма=	180

После подстановки данных в формулу было получено следующее значение:

Расчётный коэффициент q_расч<0,8, значит ряд неустойчив по отношению к сезонным колебаниям.

В результате анализа результатов расчётов по двум моделям сезонности можно сделать общий вывод, что инвестиции, сильно зависят от сезонности работ, что показал как коэффициент Спирмена, так и индекс сезонности на основе метода скользящей средней. Это объясняется, прежде всего, неравномерностью освоения инвестиций по отношения к периоду финансового года, что характеризует большой поток инвестиций на завершение начатых проектов в конце года, и относительно небольшой поток их в течение остального времени. Необходимо создать такой инвестиционный климат, который дал бы возможность уменьшить влияние сезонности. При этом необходимо обеспечить равномерное освоение потока инвестиций в течение всего финансового года.

И, наконец, перейдем к корреляционно-регрессионному анализу.

3.3. Многофакторный корреляционно-регрессионный анализ инвестиций.

Для корреляционно-регрессионного анализа необходимо из нескольких факторов произвести предварительный отбор факторов для регрессионной модели. Сделаем это по итогам расчета коэффициента корреляции. А именно возьмем те факторы, связь которых с результативным признаком будет выражена в большей степени. Начнем наш анализ с рассмотрения следующих факторов:

- Обменный курс рубля (поквартально, среднее значение за квартал) - x₁ (руб./дол.)

- Доход на душу населения (поквартально, общее значение за квартал) - x₂ (руб./квартал)

- Промышленное производство (поквартально, общее значение за квартал) - x₃ (млрд. руб./квартал)

Рассчитаем коэффициент корреляции для линейной связи и для имеющихся факторов - x₁, x₂ и x₃. Коэффициент корреляции определяется по следующей формуле:

где: и - дисперсии факторного и результативного признака

соответственно;

xy - среднее значение суммы произведений значений факторного и

результативного признака;

x и y - средние значения факторного и результативного признака

соответственно.

Данные, необходимые для расчётов представлены в приложении G.

Для фактора x₁ после подстановки данных в формулу, получаем следующий коэффициент корреляции r₁:

Для фактора x₂ после подстановки данных в формулу, получаем следующий коэффициент корреляции r₂:

Для фактора x₃ после подстановки данных в формулу, получаем следующий коэффициент корреляции r₃:

По полученным данным можно сделать вывод о том, что:

Связь между x₁ и y прямая (так как коэффициент корреляции положительный) и слабая, так как она находится между 0,21 и 0,30. Тем не менее, будем использовать фактор в дальнейших расчётах.

Связь между x₂ и y прямая (так как коэффициент корреляции положительный) и умеренная, так как она находится между 0,31 и 0,40. Данный фактор также будем использовать в дальнейших расчётах.

Связь между x₃ и y отсутствует, так как коэффициент корреляции меньше 0,15. Таким образом, возникает необходимость исключить данный фактор из дальнейших исследований.

В целом мы выполнили поставленную задачу, определив два наиболее влиятельных фактора для дальнейших исследований. Это: обменный курс рубля (слабая связь) и доход на душу населения (умеренная связь).

Далее для данных факторов x₁ и x₂ рассчитываем показатели вариации для анализа исходных данных:

- размах колебаний - R;

- среднее линейное отклонение - d;

- дисперсию - ;

- среднее квадратичное отклонение - ;

- коэффициент вариации - V.

Данные показатели рассчитываются по следующим формулам:

где:

х_мах и х_min - соответственно максимальное и минимальное значения

фактора.

Рассчитаем данные показатели для факторов x₁ и x₂ . Данные для расчётов можно взять из приложения G. Для x₁ :

R = 28,534 - 6,048 = 22,486 ;

d = 88,14/12 = 7,345;

Коэффициент вариации V > 15%. Из этого можно сделать вывод, что совокупность нельзя признать однородной. Данная модель не может применяться на практике, однако в учебных целях продолжим наш анализ, используя данный фактор.

Для x₂ :

R = 7748,7-2500,9 = 5247,8 ;

d = 16740,5/12=1395,04;

Полученный коэффициент вариации V также больше 15%, поэтому можно сделать вывод о том, что совокупность нельзя признать однородной, а следовательно использовать модель на практике. Однако в учебных целях продолжим рассмотрение влияния данного факторного признака на наш результативный признак.

Для фактора x₁ (обменный курс рубля (поквартально, среднее значение за квартал), руб./дол.) проанализируем две следующие формы связи:

- Линейную (прямая форма связи);

- Параболическую;

Уравнение прямой имеет следующий вид: y = a + bx₁

Для вывода данного уравнения необходимо решить следующую систему уравнений:

Уравнение параболы имеет следующий вид: y = a + bx₁ + cx₁²

Для вывода данного уравнения необходимо решить следующую систему уравнений:

Все необходимые расчеты параметров А и B для линейной модели представлены в приложении I, а для А, В и С для параболы представлены также в приложении I.

После расчетов получаем два параметризованных уравнения:

Прямая - y = 540,301 + 7,476*x₁;

Парабола - y = -111,026 +113,276*x₁ - 3,068*(x₁)²

По нижеприведённой формуле рассчитаем ошибки аппроксимации для уравнений прямой и параболы (данные в приложении J). У какого уравнения будет наименьшая ошибка, то и оставляем для дальнейшего исследования:

Рассчитаем ошибку аппроксимации для прямой:

Рассчитаем ошибку аппроксимации для параболы:

Так как минимальная ошибка аппроксимации в уравнении параболы (7,35%), то данное уравнение мы оставляем для дальнейшего анализа. Однако эта ошибка больше 5%, то есть данную модель нельзя использовать на практике, но в учебных целях продолжим наш анализ, используя уравнение параболы.

Для уравнения проведем оценку параметров на типичность по формулам:

Данные для расчёта - в приложении G и J.

где: S² - остаточная уточненная дисперсия;

S - среднее квадратическое отклонение от тренда;

y_t - расчетные значения результативного признака;

m_a, m_b, m_c - ошибки параметров;

t_a, t_b, t_c - расчетные значения t критерия Стьюдента.

Рассчитаем значения данных величин:

S² = 486117,16/10 = 48611,716;

m_b = m_c = 48611,716/852,15 = 57,046;

t_b = 113,276/57,046= 1,986;

tc = 3,068/57,046 = 0,054;

Сравним полученные значения для б = 0,05 и числа степеней свободы

V = 10 (12 - 2) с теоретическим значением t-критерия Стьюдента. Для

б = 0,05 и числа степеней свободы V = 10 значение t_теор = 2,228. Расчетные значения t_a , t_b и t_c < t_теор. Это значит, что данный параметр не типичен, что еще раз говорит нам о том, что данную модель нельзя использовать на практике. Однако в учебных целях продолжим наше исследование.

Для фактора x2 (доход на душу населения (поквартально, общее значение за квартал) (руб./квартал)) рассмотрим две формы связи:

- Линейную (прямую форму связи);

- Гиперболическую;

Уравнение прямой будет иметь вид: y = a + bx₂

Для вывода данного уравнения необходимо решить следующую систему уравнений:

Уравнение гиперболы имеет следующий вид вид: y = a + b(1/x₂)

Для вывода данного уравнения необходимо решить следующую систему уравнений:

Все необходимые данные для расчётов представлены в приложении К.

После решения систем уравнений получается два параметризованных уравнения:

- y = 472,3682 + 0,0476x₂ - уравнение прямой;

- y = 916,844 - 909008,4(1/x₂) - уравнение гиперболы.

Рассчитаем ошибки аппроксимации для уравнений прямой и гиперболы. У какой модели она будет наименьшая, ту модель используем для дальнейшего исследования. Данные для расчёта ошибки аппроксимации находятся в приложении L.

Рассчитаем ошибку аппроксимации для прямой:

Для гиперболы рассчитаем ошибку аппроксимации:

Так как минимальная ошибка аппроксимации в уравнении гиперболы (9,19%), то данное уравнение мы оставляем для дальнейшего анализа. Однако эта ошибка больше 5%, то есть данную модель нельзя использовать на практике, но в учебных целях продолжим наш анализ, используя уравнение гиперболы.

Для уравнения проведем оценку параметров на типичность по формулам:

где: S² - остаточная уточненная дисперсия;

S - среднеквадратическое отклонение от тренда;

y_t - расчетные значения результативного признака;

m_a, m_b - ошибки параметров;

t_a, t_b - расчетные значения t критерия Стьюдента.

Подставим данные в формулы (приложение G и L) и рассчитаем значения данных величин:

S² = 631712,98/10 = 63171,298;

t_a = 916,844/72,555 = 12,64;

m_b = 63171,298/2663707,21 = 0,0237;

t_b = 909008,4/0,0237 = 38329626,04;

Полученные значения сравним с теоретическим значением t-критерия Стьюдента при б = 0,05 и V = 10 (12 - 2) составляет 2,228. Как видно из сопоставления t_a и t_b > t_теор, следовательно параметры типичны и существенны. По ним можно проводить дальнейший анализ.

Оценку существенности связи произведу на основе t-критерия Стьюдента. Он рассчитывается по следующей формуле:

где:

r - коэффициент корреляции;

n - число уровней ряда;

После подстановки данных в формулу и произведённого расчёта получаем следующий показатель:

Так как t_{расчётное} > t _{теоретическое} , или 3,565 > 2,228 при уровне значимости

б = 0,05 и числе степеней свободы V = 10 (12 - 2), связь x₂ c y можно признать существенной и данный фактор можно использовать в дальнейшем анализе.

Для имеющихся факторов x₁ и x₂ составим уравнение множественной регрессии. Уравнение множественной регрессии изучает статистические закономерности между результативным признаком и несколькими факторами, влияющими на результат.

Для анализа уравнения множественной регрессии воспользуемся линейной формой связи. Составим линейное уравнение. На это есть следующие причины:

- Линейное уравнение легче подвергать анализу, интерпретации;

- В многочленах различных степеней каждый член степени, находящейся выше первой, может рассматриваться как новая переменная и таким образом уравнение переводится в линейную форму.

На основе имеющихся данных будем подвергать анализу во множественной регрессии следующие факторы:

- обменный курс рубля (поквартально, среднее значение за квартал) - x₁ (руб./дол.)

- доход на душу населения (поквартально, общее значение за квартал) - x₂ (руб./квартал)

Данные факторы проверим на мультиколлинеарность, для чего рассчитаем коэффициент корреляции r_x1x2 ,то есть между факторами x₁и x_2. Он рассчитывается по формуле:

где: и - дисперсии факторного и результативного признака соответственно;

x,y - среднее значение суммы произведений значений факторного и

результативного признака;

x и y - средние значения факторного и результативного признака

соответственно. Подставив имеющиеся данные (Приложение G и М) в формулу имеем следующее значение:

Полученный коэффициент говорит об очень высокой связи, то есть влияние одного фактора во множественной регрессии осуществляется через другой фактор, поэтому дальнейший анализ по обоим факторам вестись не может. Однако в учебных целях продолжим анализ.

Дольше проведу оценку существенности связи с помощью коэффициента множественной корреляции. Он показывает совокупное влияние факторов, включенных в модель и находится по следующей формуле по формуле:

где: r_yx1 - коэффициент корреляции между y и x1;

r_yx2 - коэффициент корреляции между y и x₂;

r_x1x2 - коэффициент корреляции между x₁ и x₂.

Подставив имеющиеся данные в формулу, получил следующую цифру:

Так как величина множественного коэффициента корреляции R < 0,8, то связь признаем не существенной, но, тем не менее, в учебных целях, провожу дальнейшее исследование.

Уравнение прямой имеет следующий вид: y = a + bx₂ + cx₃

Для определения параметров уравнения необходимо решить систему:

Все необходимые данные, для расчёта данной системы уравнений представлены в приложениях М, К, L, J, I.

После произведённых расчётов имеем следующее уравнение прямой:

y = -12,026 + 65,2763x₂ - 0,186x₃

Для данного уравнения найдем ошибку аппроксимации (все необходимые расчеты представлены в приложении N).

Так как ошибка аппроксимации E > 5%, то данную модель нельзя использовать на практике, но в учебных целях продолжим наш анализ.

Проведем оценку параметров на типичность по формулам:

где: S² - остаточная уточненная дисперсия;

S - среднеквадратическое отклонение от тренда;

y_t - расчетные значения результативного признака;

m_a, m_b, m_c - ошибки параметров;

t_a, t_b, t_c - расчетные значения t критерия Стьюдента.

Рассчитаем значения данных величин:

S² = 2003603/10 = 200360,3;

;

;

t_a = -12,026/129,216 =-0,093;

m_b = 200360,3/31964486,55 = 0,0063;

m_c = 200360,3/852,15 = 235,1233;

t_b = 65,276/0,0063 = 10361,269;

tc = -0,186/235,1233 = -0,0008.

Сравним полученные выше значения для б = 0,05 и числа степеней свободы V = 10 (12 - 2) с теоретическим значением t-критерия Стьюдента, который равен = 2,228, то есть t_теор = 2,228. Расчетные значения t_a (-0,093) и t_с (-0,0008) < t_теор, значит данные параметры не значимы и модель на практике использовать нельзя.

Вследствие полученных выше результатов можно сделать вывод о том, что данное уравнение не используется для прогнозирования. Однако в учебных целях доведем наш анализ до конца.

Далее оценим существенность совокупного коэффициента множественной корреляции на основе F-критерия Фишера по формуле:

где:

n - число уровней ряда;

к - число параметров;

R - коэффициент множественной корреляции.

После расчета получаем:

Сравним F_расч с F_теор для числа степеней свободы U₁ = 9 и U₂ = 2, видим, что 0,045 < 19,38, то есть F_расч < F_теор - связь признаётся не существенной, то есть корреляция между факторами x₁, x₂ и у не существенна.

4. Экономическое обоснование результатов анализа.

В этом разделе курсовой работы необходимо произвести прогнозирование на основе анализа временных рядов и корреляционно-регрессионного анализа. Однако как мы определили по многим показателям, мы не можем делать прогноз на основе корреляционно-регрессионного анализа, так как мы определили, что данную модель нельзя использовать на практике и все расчеты мы производили только в учебных целях. Тем не менее мы можем сделать прогноз на основе анализа временных рядов.