Анализ транспортных услуг в РФ

На основе данных приведенных в Приложении 5 рассчитаем относительную величину сравнения по числу собственных легковых автомобилей на 1 000 человек населения для Брянской, Воронежской, Калужской,, Московской областей.

Таким образом, на 100 собственных легковых автомобилей Брянской области приходиться 186 автомобилей Калужской, 183 автомобиля Курской и 234 Московской.

2.4 Показатели вариации

Для исследования колеблемости средней величины в статистике возникла необходимость изучения признаков вариации и её изменений.

Вариация - это несовпадение уровней одного и того же показателя у разных объектов. Задачами исследования вариации в статистике являются:

ь Выявление изменчивости размеров явления дает возможность оценить степень зависимости изучаемого явления от других факторов или оценить степень устойчивости явления внешним воздействиям;

ь Вариация предполагает оценку однородности изучаемого явления, то есть меру типичности рассчитанной для этого явления статистической величины;

ь Возможность оценивать вариативность определенного признака делает статистические методы особенно актуальными в условиях современной экономики.

Для измерения вариации признака используют как абсолютные (размах вариации, среднее линейное отклонение, среднее квадратическое отклонение и дисперсия), так и относительные (коэффициент вариации и коэффициент осцилляции) показатели.

Среднее линейное отклонение

Среднее линейное отклонение представляет собой среднюю арифметическую абсолютных значений отклонений отдельных вариантов от их средней арифметической. Для дискретных рядов рассчитывается по формуле:

,

где - значение признака,

- среднее значение признака,

- число вариантов.

На основе данных Приложения 6 построим вспомогательную таблицу по 2009 году, по которой рассчитаем среднее значение признака.

Таблица 4. Перевозки отдельных грузов железнодорожным транспортом

Наименование груза	Перевозки по 2009 году, млн. тонн
Каменный уголь	275,4
Кокс	10,5
Нефтяные грузы	228,0
Руда железная и марганцевая	95,4
Руда цветная и серное сырье	23,4
Черные металлы (включая лом)	81,3
Химические и минеральные удобрения	39,1
Строительные грузы	128,2
Цемент	29,2
Лесные грузы	40,6
Зерно и продукты перемола	22,6
Комбикорма	1,0

Затем определим отклонение от среднего (), результаты расчетов также внесем в Таблицу 5:

Таблица 5. Расчетная таблица

№	х	(x-x)	(x-x)2
1	275,4	215,37	46384,2369
2	10,5	69,03	4765,1409
3	228,0	150,87	22761,7569
4	95,4	21,07	443,9449
5	23,4	56,43	3184,3449
6	81,3	22,35	499,5225
7	39,1	39,13	1531,1569
8	128,2	115,87	13425,8569
9	29,2	45,23	2045,7529
10	40,6	25,83	667,1889
11	22,6	57,13	3263,8369
12	1,0	79,83	6372,8289
итого:	974,7	898,14	806655,45

Среднее квадратическое отклонение и дисперсия

Среднее квадратическое отклонение - обобщающая характеристика размеров вариации в совокупности. Для дискретных рядов рассчитывается по следующей формуле:



Дисперсия представляет собой среднее квадратическое отклонение в квадрате:

Размах вариации

Размах вариации показывает, насколько велико различие между единицами совокупности, имеющими самое маленькое и самое большое значение. Его определяют по следующей формуле:

,

где и - максимальное и минимальное значение признака.

На основе данных таблицы 4 рассчитаем размах вариации:

Коэффициент вариации

Коэффициент вариации показывает отклонение среднего квадратического отклонения от среднего значения признака:

Данная совокупность неоднородна, так как коэффициент вариации превышает 33%.

Коэффициент осцилляции

Коэффициент осцилляции показывает отклонение размаха вариации от среднего значения признака:

2.5 Ряды динамики

транспортный услуга статистический грузооборот

Ряд динамики - последовательность одноименных показателей, расположенных в хронологическом порядке и характеризующих развитие изучаемого явления. Анализ рядов позволяет выявить тенденции и закономерности социально-экономического развития.

В каждом ряду динамики имеются два основных элемента: конкретное значение показателя (уровень ряда) и время.

Уровни ряда - это показатели, числовые значения которых составляют динамический ряд.

Время - это моменты или периоды, к которым относятся уровни.

Выделяют следующие виды рядов динамики:

Моментный ряд - ряд, состоящий из последовательности уровней, отражающих фактическое состояние изучаемого явления в конкретный момент времени.

Интервальным называется ряд, в котором уровни характеризуют результат, накопленный или вновь произведенный за определенный интервал времени. Сумма уровней таких рядов выражает общий объем явления, относящегося к более длительным периодам. По расстоянию между датами или интервалами времени выделяют полные и неполные хронологические ряды.

Аналитические показатели ряда динамики характеризуют изменение уровней ряда в отчетном периоде по сравнению с предыдущим. В случае, когда сравнение проводится с периодом (моментом) времени, начальным в ряду динамики, получают базисные показатели (с постоянной базой сравнения). Если же сравнение производится с периодом или моментом времени, непосредственно предшествующим отчетному, то говорят о цепных показателях (с переменной базой сравнения).

Абсолютное изменение уровней ряда

Абсолютное изменение (прирост или уменьшение) уровней ряда показывает, на сколько единиц изменился данный уровень по сравнению с первым (базисный прирост) или предшествующим (цепной прирост):

; ,

где: y_i - уровень сравниваемого периода;

y₀ - уровень базисного периода;

y_i-1 - уровень предшествующего периода.

Коэффициент и темп роста

Коэффициент роста определяется как отношение данного уровня к предыдущему или базисному, показывает относительную скорость изменения ряда. Если коэффициент роста выражается в процентах, то его называют темпом роста.

; ;

;

Темп прироста

Темп прироста определяется как отношение абсолютного прироста данного уровня к предыдущему или базисному.

Темп прироста базисный



Темп прироста цепной

Абсолютное значение 1% прироста. Этот показатель служит косвенной мерой базисного уровня. Представляет собой одну сотую часть базисного уровня, но одновременно представляет собой и отношение абсолютного прироста к соответствующему темпу роста:

;

На основе данных Приложения 2 рассчитаем аналитические показатели динамики пассажирооборота по троллейбусному транспорту. Данные представим в таблице 6.

По данным таблицы 6 об абсолютном приросте, можно сделать вывод, что в 2010 году по сравнению с 2009 годом пассажирооборот уменьшился на 0,8млрд.пассажиро-километров.

Средние показатели ряда динамики

Средние показатели ряда динамики характеризуют общую тенденцию динамики явления или процесса на протяжении длительного интервала. Исчисляются с целью выявления закономерностей развития социально-экономических явлений. К средним показателям относятся: средний уровень ряда, средний абсолютный прирост, средний темп роста, средний темп прироста, среднее абсолютное значение 1% прироста. На основе данных таблицы 6 рассчитаем средние показатели ряда динамики:

Таблица 6. Аналитические показатели ряда динамики

Годы	Пассажирооборот, млрд. пассажиро-километров	Абсолютный прирост	коэффициент роста	Темп роста, %	Темп прироста, %	абсолютное значение 1%
		б.	ц.	б.	ц.	б.	ц.	б.	ц.	б.	ц.
2005	23,8	-	-	-	-	-	-	-	-	-	-
2006	21,4	-2,6	-2,6	0,824	0,827	82,7	82,7	-17,3	-17,3	0,150	0,150
2007	15	-5,2	-2,6	0,653	0,79	65,3	79	-34,7	-21	0,1498	0,124
2008	12,4	-6	-0,8	0,6	0,918	60	91,8	-40	-8,2	0,15	0,098
2009	9,8	-7,1	-1,1	0,527	0,878	52,7	87,8	-47,3	-12,2	0,150	0,090
2010	9	-7,9	-0,8	0,473	0,879	47,3	87,9	-52,7	-12,1	0,1499	0,066

Средний абсолютный прирост определяется путем распределения суммарного объема изменения признака поровну между промежутками времени:

Средний коэффициент роста рассчитывается по следующей формуле:

Средний темп роста является обобщающей характеристикой ряда динамики:

Средний темп прироста:

Средний уровень ряда - это показатель, обобщающий итоги развития явления за единичный интервал или момент времени. т. к. рассматриваемый динамический ряд является интервальным с равными интервалами, поэтому будем использовать среднюю арифметическую простую:

Метод аналитического выравнивания

В ходе обработки динамического ряда для статистики важнейшей задачей является выявление основной тенденции развития явления (тренда) и сглаживание случайных колебаний.

Основная тенденция развития (тренд) - это плавное и устойчивое изменение уровня явления во времени свободное от случайных колебаний. Тренд можно представить аналитически (в виде уравнения) и графически.

Для выявления тренда используются следующие методы:

1. Метод укрупнения интервалов;

2. Метод скользящей средней;

3. Метод аналитического выравнивания.

Рассмотрим подробнее применение метода аналитического выравнивания для выявления тренда в динамическом ряду.

При применении данного метода используется уравнение функции времени, которое имеет следующий вид:

Выбор модели зависит от цели исследования.

Уравнение прямой линии (тренда) выражено формулой:

,

где a ₀ и a₁ - параметры уравнения,

t - условные показатели времени (дни, месяцы, годы и т.д.)

Линейная зависимость выбирается в том случае, когда в исходном ряду наблюдается постоянные абсолютные приросты.

Для нахождения параметров a₀ и a₁ необходимо решить систему уравнений:



где y_i - фактические уровни ряда;

t - порядковый номер периода;

n - общее число уровней ряда динамики.

Рассмотрим применение метода на основе данных Приложения 8 о густоте автомобильных дорог общего пользования. Для определения формы тренда и расчета его параметров составим расчетную таблицу 7:

Таблица 7. Расчетная таблица для построения линии тренда

год	Густота автомобильных дорог (км путей на 1000кв. Км территории	t	t2	yt	yt	yi-yt	(yi-yt)2
2002	241	-4	16	-964	236,91	4,09	16,73
2003	242	-3	9	-726	236,63	5,37	28,84
2004	236	-2	4	-472	236,35	-0,35	0,1225
2005	230	-1	1	-230	236,06	-6,06	36,72
2006	233	0	0	0	235,78	-2,78	7,73
2007	235	1	1	235	235,49	-0,49	0,24
2008	217	2	4	434	235,21	-18,21	331,60
2009	246	3	9	738	234,93	11,07	122,54
2010	242	4	16	968	234,65	7,35	54,02
итого:	2122	0	60	-17	2122	-0,01	598,60

Из системы уравнений, указанной выше, рассчитаем параметры a ₀ и a₁:

Затем подставляем полученные параметры в уравнение прямой и находим y_t.

Следовательно, уравнение линии тренда имеет общий вид:



Найдем выровненные значения интервального ряда, подставив значения t. Исходные данные о густоте автомобильных дорог общего пользования и полученную линию тренда представим графически (см. рис.2):

Рис. 2. Густота автомобильных дорог общего пользования на период с 2002 г. по 2010 г.

Линия тренда отображает увеличение густоты автомобильных дорог общего пользования, приходящееся на период с 2000 по 2008 год.

2.6 Выборочное наблюдение

Выборочное наблюдение - это такое несплошное наблюдение, при котором отбор подлежащих обследованию единиц осуществляется в случайном исходную совокупность. Наблюдение организуется таким образом, что эта часть отобранных единиц в уменьшенном масштабе репрезентирует всю совокупность.

Проведем выборочное наблюдение на основе данных, представленных в Приложении 5 о количестве собственных легковых автомобилей на 1 000 человек населения по субъектам РФ.

Совокупность, из которой производится отбор, называется генеральной (N), а совокупность отобранных единиц именуют выборочной совокупностью (n). Проведем наблюдение по Брянской, Курской, Архангельской, Псковской, Волгоградской, Ростовской, Курганской, Тюменской, Томской, Омской, Амурской областям и Республике Марий Эл, N=83, а n=12. Значит доля выборки

В качестве интересующего признака обозначим наличие в данных субъектах личных легковых автомобилей в количестве от 200 и выше на 1 000 человек населения. к таковым субъектам относятся 10. Значит,

Так как известно N, то выборка будет бесповторной. Основная задача выборочного наблюдения в экономике состоит в том, чтобы на основе характеристик выборочной совокупности получить достоверные суждения о показателях средней и доли в генеральной совокупности. При любых статистических исследованиях возникают ошибки двух видов:

ь регистрации;

ь репрезентативности

Для характеристики надежности выборки и ее показателей используют:

1) Среднюю ошибку выборки

2) Предельную.

Произведем расчет средней ошибки простой случайной выборки для средней и доли.

,

Для доли средняя ошибка простой случайной выборки находится по формуле:

Выборочные средние относительные величины распространяются на генеральную совокупность с учетом предела и их возможной ошибки. Зададим вероятность ошибки равную 0,683 (t=1). Рассчитаем предельную ошибку для средней и доли соответственно.

Предельная ошибка выборки позволяет определить предельные значения характеристик генеральной совокупности и их доверительные интервалы. Для средней они будут находиться по следующей формуле:

По приведенному расчету можно сделать вывод о том, что при заданной вероятности мы можем утверждать, что среднее число легковых автомобилей на 1 000 человек населения находиться в интервале

Теперь найдем для доли:

Таким образом, при заданной вероятности можно утверждать, что доля субъектов с интересующим нас признаком (количеством собственных легковых автомобилей более 200 на 1 000 человек населения) находится в интервале от 73% до 93%.

2.7 Индексный метод

Индексами называют сравнительные относительные величины, которые характеризуют изменение сложных социально-экономических показателей (показатели, состоящие из несуммируемых элементов) во времени, в пространстве или другим критериям. Классификация индексов проводится по трем признакам:

1) По характеру изучаемых объектов - индексы количественных и качественных показателей.

2) По степени охвата элементов явления индексы делят на индивидуальные и общие (сводные). Индивидуальные индексы (i) - это индексы, которые характеризуют изменение только одного элемента совокупности. Общий (сводный) индекс (I) характеризует изменение по всей совокупности элементов сложного явления. Если индексы охватывают только часть явления, то их называют групповыми.

3) По методам расчета сводных индексов - агрегатные, в которых различают индексы постоянного и переменного состава, индексы с переменным сдвигом; средние индивидуальные (средние арифметические и др.)

Основным индексом, используемым в статистике рынка транспортных услуг являются индексы физического объема.

По имеющимся данным в Приложении 3 рассчитаем индивидуальный индекс физического объема по грузообороту автомобильного транспорта с 2006 по 2010 год.

Важное значение для исчисления индексов имеет выбор периода, по сравнению с которым исследуется изменение изучаемого явления. Существует 2 способа исчисления индекса - базисный и цепной.

Базисный индивидуальный индекс показывает во сколько раз увеличился или уменьшился грузооборот автомобильного транспорта в отчетном периоде по сравнению с базисным и рассчитывается по формуле (за базу возьмем 2005 год):

; ;

; ;

.

Таким образом, грузооборот транспорта увеличивался по сравнению с 2005 годом: в 2006 году в 1,0102 раза; в 2007 году в 1,026 раза; в 2008 году в 1,031 раза; в 2009 году грузооборот уменьшился в 0,783 раза, а в 2010 году в 0,783 раза.

Цепной индивидуальный индекс показывает во сколько раз увеличился или уменьшился грузооборот в отчетном периоде по сравнению с предыдущим периодом и имеет следующую формулу для расчета:



; ;

; ;

.

Следовательно, грузооборот автомобильного транспорта увеличивался: в 2006г. в 1,0102 раза по сравнению с 2005 годом; в 2007г. в 1,015 раза по сравнению с 2006 годом; в 2008 г. в 1,005 раза по сравнению с 2007 годом; в 2009 г.уменьшился в 0,760 раза по сравнению с 2008 годом, а в 2010г. в 0,999 раза по сравнению с 2007 годом.

2.8 Корреляционно-регрессионный анализ

Важнейшей целью статистики является изучение объективно существующих связей между явлениями. В ходе статистического исследования этих связей необходимо выявить причинно-следственные зависимости между показателями, т.е. насколько изменение одних показателей зависит от изменения других показателей. В статистике выделяют следующие основные виды связей:

1) Функциональная (полная связь) - это связь, в которой величина факторного признака строго соответствует одному или нескольким значениям функции.

2) Корреляционная (неполная) связь проявляется в среднем для массовых явлений, когда заданным значениям зависимой переменной соответствует некоторый ряд вероятных значений независимой переменной.

В статистике при изучении взаимосвязей чаще всего применяется метод парной корреляции, которая представляет собой однофакторный корреляционный и последующий регрессионный анализ.

На основе данных Приложения 7 проведем анализ связи между общей транспортировкой грузов трубопроводом (Х) и транспортировкой нефти(Y). Произведем вспомогательные расчеты в таблице 8.

Таблица 8. Вспомогательные расчеты по корреляционно-регрессионному анализу

Общая транспортировка грузов трубопроводом, (Х)	транспортировка нефти (У)			ХУ	Урав.
976,5	404,3	953552,25	163458,49	394798,95	408,102
1024,3	441,5	1049190,49	194922,25	452228,45	436,6864
1048,1	454,1	1098513,61	206206,81	475942,21	450,9188
1070,3	460,8	1145542,09	212336,64	493194,24	464,1944
1062	461,8	1127844	213259,24	490431,6	459,231
1066,7	456,4	1137848,89	208300,96	486841,88	462,0416
6247,9	2678,9	6512491,33	1198484,39	2793437,33	2681,1742

Так X и Y зависят от года, то предварительно поведем ранжирование X. Затем строим точечный график, добавляем линию тренда, на основании расчетов произведенных в таблице 9.

График зависимости имеет следующий вид (см. рис.3).

Рис. 3.



По уравнению регрессии можно судить о наличии прямой связи.

Т.к. коэффициент корреляции R² принимает значение равное 0,9637, можно говорить о том, что существует тесная связь между общим объемом транспортировок грузов и объемом прямых транспортировок нефти.



Заключение

На основе проведенных расчетов и анализа показателей рынка транспортных услуг можно сделать следующие выводы:

· размер грузооборота транспорта РФ на период с 2005 по 2010год чаще всего не превышал 4948 млрд.т.*км, а наибольшее количество лет достигал 4760,86 млрд. т*км.;

· за период с 2005 по 2010 год грузооборот в среднем возрастал в 1,02 раза, или на 2%;

· при размере грузооборота в 4947,99 млрд.т*км вся совокупность разделяется на две равные части;

· весомую роль на рынке транспортных услуг по грузообороту имеет железнодорожный транспорт. Его доля в общем объеме по грузообороту в 2009году составила 41,95%;

· в 2010 году на один млн. тонн груза, перевезенного железнодорожным транспортом приходиться 0,028 млн.тонн груза, перевезенного по морским путям;

· в 2010 году перевозки морских грузов уменьшились в 0,989 раза по сравнению с 2009 годом;

· совокупность грузов, перевозимых железнодорожным транспортом неоднородна, так как коэффициент вариации превышает 33% и составляет 337,81%;

· в 2010 году по сравнению с 2009 годом пассажирооборот по троллейбусному транспорту уменьшился на 0,8млрд.пассажиро-километров.;

· линия тренда отображает уменьшение густоты автомобильных дорог общего пользования, приходящееся на период с 2002 по 2010 год;

· среднее число собственных легковых автомобилей в 2010г. на 1 000 человек населения по субъектам РФ находиться в интервале 75,2?;?90,8

· грузооборот автомобильного транспорта в 2010 году уменьшился в 0,783 раза по сравнению с 2009 годом;

· на основе корреляционного анализа установлено, что между общим объемом транспортировок грузов трубопроводом и объемом транспортировок нефти существует тесная, прямая связь, так как рост общего объема транспортировок вызывает увеличение объема транспортировок нефти.

Все эти выводы свидетельствуют о том, что в целом рынок транспортных услуг РФ имеет высокие темпы развития в настоящее время и перспективы развития в будущем.

Список используемой литературы

1. Новицкий В.Е. Международная экономическая деятельность. Учебник. ? М.: Финансы и кредит, 2005. ? 465.

2. Евсеев С.В. Эффективность транспортных услуг в современных условиях // Экономические науки. - 2006. - №3.

3. Место транспорта России в мировой транспортной системе // Экономика и жизнь. - 2007. ? №15.

4. Российский статистический ежегодник 2011.: Стат.сб./Росстат. - М., 2011.

5. Воронцова С. Оценки и перспективы: влияние экономического кризиса на дорожное хозяйство России // Автомобильные дороги. - 2009. ? №1.

Приложение 1

Грузооборот транспорта, включая коммерческий и некоммерческий грузооборот

	В год	Кварталы
		I	II	III	IV
2006	4800	1163,4	1193,6	1209,4	1233,3
2007	4915	1201,0	1225,1	1216,3	1272,8
2008	4948	1262,2	1261,1	1233,3	1191,9
2009	4446	1045,1	1036,7	1147,9	1216,6
2010	4752	1166,7	1171,1	1167,7	1246,2
2011	4915	1212,0	1232,0	1195,8	1275,6

Приложение 2

Пассажирооборот по видам транспорта общего пользования (миллиардов пассажиро-километров)

	2005	2006	2007	2008	2009	2010
Транспорт - всего	415,0	420,1	444,8	459,6	413,4	433,2
в том числе:
железнодорожный	172,2	177,8	174,1	175,9	151,5	139,0
автобусный (включая маршрутные таксомоторы)	142,3	136,0	149,9	152,1	141,5	140,6
троллейбусный	15,0	12,4	9,8	9,0	7,9	7,1
воздушный	85,8	93,9	111,0	122,6	112,5	147,1

Приложение 3

Перевозки грузов по видам транспорта (миллионов тонн)

	2005	2006	2007	2008	2009	2010
Транспорт - всего	7984	8090	8234	8232	6386	6585
в том числе:
железнодорожный	1273	1312	1345	1304	1109	1312
автомобильный	6685	6753	6861	6893	5240	5236
морской	26	25	28	35	37	37

Приложение 4

Перевозки грузов и грузооборот морского транспорта

	2000	2005	2006	2007	2008	2009	2010
перевезено грузов,? млн. т	35,4	26	25,4	28,1	35,2	37,4	37
грузооборот, млрд. т км	122,2	60,3	61,6	65	84,4	98,4	101

Приложение 5

Число собственных легковых автомобилей на 1000 человек населения по субъектам Российской Федерации (на конец года; штук)

	1970	1980	1990	1995	2000	2005	2006	2007	2008	2009	2010
Российская Федерация	5,5	30,2	58,5	92,3	130,5	169,0	177,8	195,4	213,5	220,8	228,3
Центральный федеральный округ		28,2	56,1	95,3	140,4	188,8	199,4	215,4	236,5	243,1	249,1
Белгородская область	3,5	28,3	66,5	99,1	136,5	160,4	169,6	184,6	203,2	208,7	213,2
Брянская область	1,7	16,5	32,0	37,7	58,3	82,2	89,3	98,8	115,0	119,8	125,1
Владимирская область	3,1	25,5	45,2	69,3	104,6	138,8	147,0	165,3	184,2	194,0	206,4
Воронежская область	5,3	34,1	77,8	106,9	166,8	185,1	185,5	205,4	224,7	229,4	232,4
Ивановская область	3,8	20,5	40,7	58,1	97,5	117,1	124,7	140,2	151,3	154,7	175,8
Калужская область	4,7	27,7	55,6	80,7	114,9	162,7	176,5	189,1	215,8	227,5	229,4
Костромская область	2,1	20,5	47,6	64,4	97,9	134,1	149,1	164,4	192,1	192,9	205,5
Курская область	2,6	16,4	34,6	48,7	110,3	140,7	150,1	165,7	183,0	191,2	203,5
Липецкая область	3,4	24,7	53,8	77,6	132,3	172,9	189,1	202,5	224,6	237,5	245,5
Московская область	8,6	31,1	57,6	100,1	144,5	232,3	241,0	261,1	284,0	289,8	293,3
Орловская область	3,0	24,2	51,1	76,2	114,5	161,7	178,6	179,1	185,7	180,0	213,1
Рязанская область	3,4	24,3	47,6	72,2	112,8	160,0	176,5	193,4	254,3	265,2	272,4
Смоленская область	3,1	25,7	50,7	79,7	102,8	174,5	183,8	203,3	228,6	238,2	246,0
Тамбовская область	2,5	21,3	46,9	74,8	127,1	153,7	159,7	174,5	193,2	202,4	209,3
Тверская область	3,0	21,6	42,6	67,7	117,7	158,0	168,9	183,1	195,6	208,1	218,7
Тульская область	4,7	26,0	49,6	81,0	115,8	171,9	175,7	195,1	226,7	234,6	252,7
Ярославская область	3,2	20,8	42,4	67,1	98,6	130,1	140,4	149,7	172,0	176,1	184,1
г. Москва	14,3	37,2	69,8	142,3	189,1	232,8	246,5	261,4	278,7	284,1	279,2
Северо-Западный федеральный округ		25,9	50,5	97,7	146,4	183,4	201,2	220,5	239,1	245,7	254,3
Республика Карелия	2,5	24,1	56,4	112,4	155,2	192,7	200,6	218,9	235,2	242,7	263,5
Республика Коми	3,1	23,7	46,0	78,2	110,5	151,2	163,5	175,3	188,3	196,4	214,1
Архангельская область	1,7	16,9	37,5	63,6	90,4	123,0	134,5	150,5	170,1	174,9	192,8
в т.ч. Ненецкий автономный округ	0,8	6,6	27,8	47,6	59,4	114,4	128,0	143,2	152,2	173,1	195,8
Вологодская область	2,1	18,6	39,0	62,2	114,9	163,2	178,5	202,2	221,1	224,2	228,8
Калининградская область	5,8	32,0	60,8	136,6	205,7	235,0	259,4	269,4	278,8	285,1	283,5
Ленинградская область	4,5	21,6	44,4	88,4	138,1	179,3	197,6	221,3	245,6	255,8	266,5
Мурманская область	5,1	33,4	59,5	117,4	143,8	153,2	160,9	173,4	185,3	186,6	247,6
Новгородская область	3,8	23,4	42,6	71,8	101,8	139,8	155,0	168,5	196,7	202,4	217,6
Псковская область	3,1	28,6	56,3	84,0	120,5	148,7	175,5	185,3	202,4	210,9	221,7
г. Санкт-Петербург	10,4	30,3	56,1	118,0	180,3	219,9	241,6	266,0	285,1	291,8	282,8
Южный федеральный округ		39,7	75,1	103,4	140,0	173,1	184,8	198,4	215,4	223,4	230,1
Республика Адыгея	4,2	45,1	103,4	117,5	154,0	167,8	181,7	196,4	218,9	233,8	239,8
Республика Калмыкия	3,3	33,9	62,3	96,5	107,3	141,3	145,4	152,3	161,1	169,4	180,8
Краснодарский край	7,6	43,3	80,6	112,9	162,3	196,5	207,9	221,8	238,6	243,7	249,1
Астраханская область	2,9	18,8	47,5	68,7	96,2	170,1	184,9	198,8	203,7	209,0	229,4
Волгоградская область	6,0	39,0	73,4	91,3	119,4	150,4	157,9	170,4	189,8	194,4	200,8
Ростовская область	9,2	40,8	74,7	107,0	137,7	162,6	176,7	190,5	209,1	222,3	227,3
Северо-Кавказский федеральный округ		35,5	61,6	61,5	82,2	106,5	111,0	119,6	130,3	146,7	153,6
Республика Дагестан	2,3	20,0	37,4	37,0	46,5	55,4	58,0	62,2	67,9	104,0	104,1
Республика Ингушетия Чеченская Республика	5,9	31,5	49,6	40,3...	56,6...	57,7 47,8	59,7 53,5	66,6 62,8	88,5 70,4	77,3 92,0	105,3 100.2
Кабардино-Балкарская Республика	7,6	46,9	72,8	93,1	94,5	108,0	113,9	123,9	138,6	146,3	156,4
Карачаево-Черкесская Республика	...	46,6	76,1	85,1	92,9	137,4	146,6	160,8	176,7	184,0	172,7
Республика Северная Осетия - Алания	6,5	37,2	68,2	75,1	108,9	141,6	153,6	159,6	175,1	188,1	195,0
Ставропольский край2)	6,8	43,6	78,6	94,9	135,9	175,8	180,2	193,4	206,2	212,2	223,6
Приволжский федеральный округ		26,1	51,8	76,8	114,5	149,5	162,2	176,0	192,3	197,4	209,3
Республика Башкортостан	3,8	26,4	57,9	86,0	124,2	179,8	189,2	200,4	218,5	219,8	223,5
Республика Марий Эл	1,8	19,4	38,9	52,4	77,1	107,0	112,3	126,4	140,6	146,1	155,1
Республика Мордовия	1,7	17,7	40,5	55,1	79,6	108,8	121,7	137,7	156,1	172,5	176,0
Республика Татарстан	2,8	20,6	43,7	72,0	107,9	134,3	150,2	169,7	186,5	190,3	197,4
Удмуртская Республика	5,4	29,9	52,4	73,5	112,2	148,3	159,1	170,0	182,8	189,5	194,5
Чувашская Республика	1,6	13,5	25,5	40,5	65,6	86,5	99,9	110,0	124,9	129,7	139,0
Пермский край	2,9	21,8	38,8	54,0	105,8	131,9	145,0	159,9	178,6	181,5	187,9
Кировская область	2,8	22,4	45,6	59,7	85,7	134,0	145,6	161,2	177,8	184,4	195,3
Нижегородская область	4,1	24,1	42,2	64,7	106,1	142,2	152,3	166,2	185,6	189,9	207,6
Оренбургская область	5,3	39,3	75,6	104,2	133,2	172,6	208,4	211,1	218,0	220,3	247,2
Пензенская область	2,9	22,5	46,1	69,5	103,5	126,7	144,7	160,3	180,3	200,5	223,0
Самарская область	6,8	33,1	67,4	110,0	163,2	202,9	205,2	220,4	234,1	236,8	236,3
Саратовская область	7,5	35,8	71,1	96,2	123,1	150,9	159,2	174,8	194,1	201,1	239,7
Ульяновская область	3,4	25,0	52,9	77,0	118,0	140,1	155,8	170,9	183,3	189,4	196,2
Уральский федеральный округ		33,7	60,6	96,9	126,9	173,2	190,1	210,2	228,7	235,9	254,1
Курганская область	5,8	44,8	86,8	111,4	117,7	160,7	173,9	195,8	211,4	215,0	226,0
Свердловская область	6,6	30,6	52,3	76,8	97,8	161,7	188,1	215,6	234,6	248,6	275,4
Тюменская область	3,5	32,8	60,4	120,2	171,5	206,1	217,4	232,2	252,7	256,0	260,8
в том числе:
Ханты-Мансийский автономный округ - Югра	2,1	32,5	56,7	144,5	201,6	225,1	237,1	254,4	269,7	268,4	266,1
Ямало-Ненецкий автономный округ	1,4	12,2	29,5	87,9	150,1	183,1	191,6	200,0	212,9	213,6	220,7
Челябинская область	8,2	34,8	63,6	97,8	126,3	160,2	171,3	186,1	202,9	206,0	228,5
Сибирский федеральный округ		32,7	66,4	95,6	117,3	151,8	162,7	175,7	195,5	201,1	215,1
Республика Алтай	2,2	25,2	56,2	68,7	104,8	166,5	182,6	188,8	177,2	171,6	192,3
Республика Бурятия	4,1	28,6	59,1	83,2	78,4	109,0	137,7	142,6	174,0	174,0	182,6
Республика Тыва	4,4	29,9	51,2	56,6	91,9	80,0	85,5	101,4	112,3	115,4	127,4
Республика Хакасия	...	35,7	90,1	118,0	154,4	184,9	207,6	207,9	203,4	206,8	223,7
Алтайский край	3,2	34,6	75,8	97,0	125,2	153,8	159,2	167,4	193,9	217,8	215,3
Забайкальский край	3,0	32,6	65,1	91,1	114,4	144,3	152,2	162,8	188,8	202,8	208,9
Красноярский край3)	4,7	36,7	64,4	107,4	113,0	160,9	171,3	198,5	208,3	215,4	249,4
Иркутская область	5,1	38,8	75,3	115,2	138,8	141,4	151,9	165,7	183,9	185,1	202,6
Кемеровская область	6,7	30,5	64,1	90,0	115,5	140,4	153,9	170,6	187,3	189,2	201,6
Новосибирская область	5,6	34,5	64,2	83,0	96,7	184,1	189,5	196,8	231,1	230,9	232,1
Омская область	4,6	31,1	57,6	82,8	127,1	152,0	163,9	172,6	190,3	191,1	207,3
Томская область	4,0	32,7	58,8	104,1	125,4	144,8	156,1	171,1	185,3	188,1	220,8
Дальневосточный федеральный округ		27,0	57,2	130,0	160,6	181,2	180,2	192,7	206,6	218,4	235,3
Республика Саха (Якутия)	4,5	26,3	58,2	115,1	111,7	133,2	136,1	137,9	143,7	143,2	142,5
Камчатский край	4,4	33,7	73,2	136,0	173,8	245,0	249,4	248,4	252,4	343,8	372,3
Приморский край	5,1	32,8	61,2	139,5	205,4	197,3	197,1	233,5	267,8	278,0	304,2
Хабаровский край	3,2	21,3	43,7	130,2	133,2	167,9	156,7	160,2	158,2	167,4	183,4
Амурская область	3,3	26,1	63,0	113,5	144,4	163,8	167,0	170,2	180,1	183,4	201,7
Магаданская область	3,2	24,2	50,4	110,7	164,6	205,6	213,2	230,5	236,4	260,3	270,0
Сахалинская область	5,5	28,9	74,4	187,6	193,2	247,1	248,7	251,9	266,8	277,4	291,1
Еврейская автономная область	1,2	17,6	37,6	63,6	114,6	145,8	149,6	121,6	125,0	127,4	142,4
Чукотский автономный округ	0,6	4,2	7,8	9,9	19,8	34,5	40,0	44,4	49,0	54,8	59,1

Приложение 6

Перевозки отдельных грузов железнодорожным транспортом, млн.тонн

	2001	2002	2003	2004	2005	2006	2007	2008	2009
Каменный уголь	252,8	242,7	260,9	273,9	278,7	287,5	286,4	296,6	275,4
Кокс	10,1	11,2	12,1	12,7	11,3	11,3	12,5	12,2	10,5
Нефтяные грузы	158,7	178,8	206,2	209,6	218,9	228,3	234	232,1	228,0
Руда железная и марганцевая	86,9	85	93,6	99,4	101,6	108,4	110,5	102,3	95,4
Руда цветная и серное сырье	23,6	23,5	24,8	24,9	26,1	27,1	28,6	24,8	23,4
Черные металлы (включая лом)	80,8	80,1	88,2	97,4	100,1	108,6	112,9	103,3	81,3
Химические и минеральные удобрения	35,4	37	38,4	41,6	43,3	42,9	45,1	42,1	39,1
Строительные грузы	162,6	167,6	169,4	185	208,3	203,3	202,2	197,1	128,2
Цемент	25	26,6	29,3	32,4	34,3	38,3	41,9	36	29,2
Лесные грузы	48,7	52	54,3	59,6	64,5	64,6	66,7	55,4	40,6
Зерно и продукты перемола1)	22,1	27,6	26,5	22,1	23,4	23,2	27,5	24,1	22,6
Комбикорма	2	1,9	1,7	1,6	1,5	1,5	1,5	1,4	1,0

Приложение 7

Транспортировка грузов по магистральным трубопроводам (млн.тонн)

	2000	2001	2002	2003	2004	2005	2006	2007	2008
Грузы - всего	828,9	853,4	899,3	976,5	1024,3	1048,1	1070,3	1062	1066,7
в том числе:
газ	511,2	508,8	513,8	544,5	555,1	565,8	581,1	571,6	578,6
нефтяные грузы	317,8	344,6	385,5	432	469,2	482,3	489,2	490,4	488,1
из них:
нефть	294,6	319,7	359,8	404,3	441,5	454,1	460,8	461,8	456,4
нефтепродукты	23,1	24,9	25,7	27,6	27,6	28,2	28,4	28,7	31,6

Приложение 8

Густота путей сообщения (на конец года; километров путей на 1000 квадратных километров территории)

	2002	2003	2004	2005	2006	2007	2008	2009	2010
Железнодорожные пути - всего	…	32,1	…	…	31,1	31,2	…	31,1	30,3
в том числе: общего пользования	24,1	24,1	24,1	24,1	24,1	24,1	24,1	24,1	24,1
не общего пользования	…	7,9	…	…	6,9	7,0	…	6,9	6,2
Автомобильные дороги с твердым покрытием -всего	241	242	236	230	233	235	217	246	242
в том числе: общего пользования	168	171	173	173	203	212	201	226	226
не общего пользования	73	71	63	57	30	23	16	20	16

Размещено на Allbest.ru