Сетевое издание
Международный студенческий научный вестник
ISSN 2409-529X

1
1 Financial University under the Government of the Russian Federation

Любая деятельность совершается с определенной целью, к которой стремится индивид. Так, например, основной мотив, побуждающий людей к экономической деятельности, это прибыль, доход. В рыночной экономике деньги приобретают особенную ценность. Специалисты в области экономики говорят о том, что наступила эпоха экономического человека, которым в первую очередь управляют потребности экономического плана. На мой взгляд, данная теория утрирована, но справедлива. Если же миллиарды людей думают о том как заработать побольше, то интересно посмотреть, какие факторы влияют на полученный нами доход. В работе приведен эконометрический анализ показателей, которые имеют влияние на уровень заработных плат в том или ином регионе.

В качестве прибыли была рассмотрена заработная плата поскольку значительная часть населения получает прибыль в виде заработной платы. По данным Росстата в подразделе 6.8 приведена статистика структуры денежных доходов населения по субъектам РФ. Данные свидетельствуют о том, что в 2012 году процент оплаты труда, т.е. заработной платы, составил 41,5 % от общего объема денежных доходов населения субъектов.

Безусловно, данная тема актуальна, и особенную остроту ей придает сложившаяся экономическая ситуация в нашей стране, а именно рост инфляции, спад платежеспособного спроса у населения, сокращения штата рабочих, ослабления курса рубля, отсутствие резервов у компаний для поднятия заработных плат и т.д.

Для выявления зависимости уровня заработной платы, мною было проанализировано ряд факторов[1]:

- среднедушевые денежные доходы;

- средний размер назначенных пенсий, руб. (по данным Пенсионного фонда Российской Федерации [1]); численность пенсионеров (на 1 января года, следующего за отчетным), (всего тыс. человек) (Данные приведены по пенсионерам, состоящим на учете в системе Пенсионного фонда Российской Федерации [2]);

- число собственных легковых автомобилей (на 1000 человек населения), (на конец года; штук) (по данным МВД России о числе зарегистрированных легковых автомобилей, находящихся в собственности граждан [3]);

- общая площадь жилых помещений, приходящаяся в среднем на одного жителя [4] (весь жилищный фонд; на конец года; квадратных метров [4]);

- численность обучающихся по программам высшего профессионального образования, (на начало учебного года; тысяч чел);

- сальдированный финансовый результат (прибыль – убыток) деятельности организаций (млн руб) (по данным бухгалтерской отчетности [5]);

- индексы потребительских цен и цен производителей (в процентах);

- величина прожиточного минимума (в среднем на душу населения), руб. в месяц;

- инвестиции в основной капитал по субъектам РФ (млн. руб.);

- число малых предприятий (на конец года), тыс.

Все данные проведенные в работе взяты из официальных источников, а именно: Росстат и ежегодный статистический сборник.

Первым шагом мы осуществляем анализ корреляции, для того, чтобы исключить мультиколлинеарность между факторами. Модель содержит мультиколлиниарные факторы, которые мы должна исключить. С помощью пошагового метода нам удастся выявить все статистические незначимые переменные из модели. Используя инструмент Регрессия (Данные -> Анализ данных -> Регрессия) мы сравниваем значения фактического t-критерия по модулю с табличным (2,641197611) и поочередно исключаем факторы с наименьшим по модулю показателем по сравнению с табличным[3].

На первом этапе мы получили следующую таблицу:

Коэффициенты

Стандартная ошибка

t-статистика [6]

Y-пересечение

42324,84579

34422,9599

1,229552772

Х1

0,447693798

0,062653061

7,145601334

X2

-489,7190055

321,8700189

-1,52148065

X3

3,390969991

0,328922828

10,30931789

X4

3,16793769

5,138914462

0,616460483

X5

-391,0683643

84,63093069

-4,620868057

X6

6,801996471

17,93251686

0,379310753

Х7

-9,409082524

11,33288338

-0,830246126

Х8

0,002330904

0,00221pic565

1,052017821

Х9

0,00565995

0,002566355

2,205443067

Х10

-0,594504267

1,789706424

-0,332179769

X11

0,20028303

0,218111175

0,918261204

* tтабл = 2,641197611

Наименее значимым фактором оказался Х10, мы его удаляем, и производим повторно те же самые операции, по очередной удаляя не значимые факторы. В итоге мы получаем следующую таблицу, в которой все факторы являются значимыми:

Коэффициенты

Стандартная ошибка

t-статистика

Y-пересечение

-10853,10432

2150,254083

-5,04735901

Х1

0,42980206

0,059862399

7,179833585

X3

3,811260535

0,268947595

14,1710155

X5

-422,5467411

77,35733166

-5,462271411

Х9

0,00429621

0,000881118

4,875864958

Составим уравнение регрессии:

У= -10853,1+0,43*Х1+3,81*Х3-422,55*Х5+0,004*Х9

Проведем анализ регрессии: аномальных явлений не выявлено.

Оценка адекватности модели:

Для того, чтобы быть уверенным в правильности анализа, необходимо оценить модель на адекватность. То есть проверим совпадение свойств модели и соответствующих свойств моделируемого объекта[2]. Для этого разделим выборку на две неравные части, на контрольную выборку и обучающую. Получаем 9 значений в первой части и 73 во второй. Контрольная выборка, состоящая из 9 значений используется для тестирования модели на адекватность. Обучающая выборка, состоящая из 73 значений – используется для оценки модели.

Для дальнейших действий, нам необходимо знать оценку эндогенной переменной, оценку стандартной ошибки в каждой точке контрольной выборки. Для этого используем следующие формулы:

missing image file

missing image file

Благодаря проведенным расчетам, мы можем вычислить доверительный интервал и сделать выводы об адекватности модели.

дов-ый

интервал

нг

вг

4510,589868

14221,12283

23242,30256

4494,135761

14881,70099

23869,97252

4505,898554

13912,34907

22924,14617

4503,030539

14983,41126

23989,47234

4510,012553

12994,13367

22014,15878

4508,116418

12745,10819

21761,34103

4573,184762

10915,18406

20061,55358

4509,418403

11363,54212

20382,37893

4489,303393

16034,1238

25012,73059

Из таблицы видно, что реальное значение эндогенной переменной лежит в границах доверительного интервала, что свидетельствует об адекватности модели. Гипотеза об адекватности модели принимается с вероятностью Рдов. 0,95%, так как все точки контрольной выборки удовлетворяют ранее описанному критерию. Данный вывод подтверждается результатами тестирования с помощью статистики Стьюдента и доверительных интервалов[4].

Для полного точного анализа, модель необходимо проверить на коэффициент эластичности, бету и дельту. Для этого мы используем следующие формулы:

missing image file; missing image file; missing image file.

Коэ-т эластичности

0,369442939

1,456385066

-0,403390955

0,018345956

Бета

0,35232632

0,634261215

-0,124976789

0,137954281

Дельта

0,33957148

0,603239907

0,001314593

0,05587402

missing image file

Уровень з/п в зависимости от субъекта РФ

Коэффициент эластичности показывает, что при увеличении среднедушевых денежных доходов населения на 1% заработная плата в среднем увеличится на 0,37%; при увеличении пенсионных выплат в среднем на 1% средняя заработная плата увеличится на 1,46%, при увеличении площади жилых помещений на человека в среднем на 1% заработная плата в среднем упадет на 0,40%, при увеличении финансовых результатов организаций на 1% заработные платы в среднем вырастут на 0,02%.

Коэффициент бета показывает, что при увеличении среднедушевых денежных доходов населения на 9059,3 заработная плата в среднем увеличится на 3893,7.

При увеличении пенсионных выплат в среднем на 1839,2 средняя заработная плата увеличится на 7009,5.

При увеличении площади жилых помещений на человека в среднем на 3,3 заработная плата в среднем упадет на 1381,2.

При увеличении финансовых результатов организаций на 354868,8 заработные платы в среднем вырастут на 1524,6.

Найдем доверительные интервалы. Мы уже проводили схожие расчеты выше, разница заключается в том, что мы не делим значения на контрольную и обучающую выборку. Ищем нижние и верхние границы, как это было описано ранее, строим доверительный интервал. Для наглядности построим график с получившимися данными (рисунок)

Анализ данных свидетельствует о том, что самые высокие заработные платы в Ямало-Ненецком автономном округе. Также высокий уровень з/п в Чукотском автономном округе. Также высокие з/п сосредоточены в Волгоградской области, г. Москва, г. Санкт-Петербург, Калининградская область, Камчатский край, Сахалинская область. Естественно, что эти районы являются наиболее перспективными для населения. В республике Калерии график з/п выходит за нижнюю границу доверительного интервала, что может быть следствием большого количества пенсионеров в крае и относительно маленькими финансовыми результатами финансовых организаций.

Наиболее значимым фактором, который влияет на уровень з/п в том или ином регионе, являются – площадь жилых помещений на человека; средняя пенсия; среднедушевые доходы на человека; финансовый результат организаций.