На сегодняшний день, среди всех индикаторов, определяющих уровень жизни, является показатель денежных доходов населения. Значительный уровень неравенства денежных доходов субъектов РФ, активно обсуждается экономистами и социологами. Данное отклонение ведет к повышению уровня бедности отдельных регионов, превышением расходов над доходами бюджетов всех уровней, а так же оказывает непосредственное влияние на политическую и экономическую стабильность общества. Для более полного освещения всех аспектов доходов населения необходим комплексный анализ, основанный на широком арсенале статистических и эконометрических методов.
Для написания статьи послужили статистические данные по среднедушевым доходам населения в ЦФО на примере Белгородской и Орловской области в период с 2007-2015 гг. Эмпирической базой анализа служили статистические данные, приведенные в ежегодниках Росстата «Регионы России. Социально-экономические показатели» за 2016, 2013 и 2010 годы.
В условиях систематизации и переходе к механизируемому труду появляются статистические программы, которые позволяют системно и автоматизировано в интерактивном режиме использовать разнообразные функции для аппроксимации трендов эмпирических рядов динамики как микро, так и макроэкономических показателей. В данной статье используется методика моделирования динамики социально-экономических показателей, а именно среднедушевых доходов населения в системе SPSS Base.
На рисунке 1 наглядно показано, что динамика среднедушевых денежных доходов населения лучше аппроксимируется экспоненциально-линейной моделью населения РФ в целом, по сравнению с аппроксимацией моделью РФ и ряда регионов ЦФО.
Рисунок 1 – Динамика среднедушевых денежных доходов населения: а – РФ и ряда регионов ЦФО; б – аппроксимация динамики среднедушевых денежных доходов населения РФ в целом экспоненциально-линейной моделью
По данным рисунка 1, видно, что наименьшую долю составляют доходы по Орловской области по сравнению с другими регионами ЦФО, данное неравенство, прежде всего связано с исторически сложившейся ситуацией в области, а именно бюджетным дефицитом, уровнем цен, текучестью населения, нехваткой рабочих мест и. т. д.
Что касается среднедушевых доходов Белгородской области, наблюдается стабильный рост и приравнивание к доходам населения по РФ, в целом по данным Росстата [1] за 2016 год составляют 30,023 тыс. руб., по сравнению с Орловской, где данный показатель составляет 23,237 тыс. руб., что на 22,6% ниже. Как и говорилось ранее это связано с исторически сложившейся ситуацией в области и несбалансированностью регионального бюджета.
В динамике наблюдается рост, за счет роста цен на продукцию, инфляции, что непосредственно влияет на индексацию заработной платы. В целом следует отметить, что при стабильном росте экономики страны, а именно усовершенствованием денежно – кредитной и налоговой политики, бюджета РФ, преобладанием экспорта над импортом.
Для расчёта параметров, конкурирующих моделей тренда временного ряда послужила программная среда модуля Curve Estimation пакета SPSS Base [5,c. 48].
Результатом моделирования является текстовая таблица «ANOVA table»,в которой представлена аппроксимация динамики общего коэффициента демографической нагрузки в Орловской области в период 2002-2016 гг. экспоненциальной моделью. В ней отражены статистические характеристики качества модели, такие как:
- «Multiple R» – множественный коэффициент корреляции;
- «R Square» – коэффициент детерминации R2;
- «Adjusted R Square» – коэффициент детерминации, скорректированный на число параметров модели;
- «Standard Error» – стандартная ошибка аппроксимации
В центре таблицы «ANOVA table» – собственно таблица дисперсионного анализа. Приведены для регрессии (Regression) и остатков (Residuals):
- «DF» – число степеней свободы;
- «Sum of Squares» – сумма квадратов;
- «Mean Square» – средний квадрат, а также критерий Фишера (F) и уровень его статистической значимости (Signif F).
Заключают таблицу «ANOVA table» данные по оценке коэффициентов регрессии (B):
- «ВРЕМЯ» – коэффициент регрессии при временной переменной;
- «(Constant)» – свободный коэффициент модели.
Здесь же приведены:
- ошибки коэффициентов регрессии (SE B);
- величина бета-коэффициента (Beta);
- значения критерия Стьюдента (T);
- уровни их статистической значимости (Sig T).
|
Dependent variable.. РФ Method.. EXPONENT Listwise Deletion of Missing Data Multiple R ,99943 R Square ,99885 Adjusted R Square ,99857 Standard Error ,01628 Analysis of Variance: DF Sum of Squares Mean Square Regression 1 ,92370420 ,92370420 Residuals 4 ,00105992 ,00026498 F = 3485,92833 Signif F = ,0000 -------------------- Variables in the Equation -------------------- Variable B SE B Beta T Sig T ВРЕМЯ_07 ,229746 ,003891 ,999427 59,042 ,0000 (Constant) 12711,085291 149,753354 84,880 ,0000 |
Рисунок 2 – Таблица «ANOVA table» аппроксимация динамики общего коэффициента демографической нагрузки в Орловской области в период 2002-2015 гг.
экспоненциальной моделью
Согласно таблице «ANOVA table», экспоненциальная модель тренда динамики среднедушевых денежных доходов в Орловской области в период 2002-2015 гг. объясняет 99,94% общей дисперсии при стандартной ошибке аппроксимации логарифма показателя StErr – 0,1628, чему соответствует относительная ошибка аппроксимации показателя 16,28%.
Модель адекватна эмпирическим данным – критерий Фишера F=3485,92833 статистически значим на уровне не хуже 0,0002. Это означает, что ошибка признать модель незначимой мала – не более 0,02%.
Основная тенденция, характеризующая внутреннюю закономерность процесса развития экспоненциальных моделей динамики среднедушевых денежных доходов населения Российской Федерации, наиболее адекватно описывается экспоненциально - линейной трендовой моделью второго порядка [5, c. 69]. Коэффициент детерминации R2 равный 1,000, свидетельствует о высокой точности подбора уравнения тренда, представленного на рис. 3. На основании уравнения тренда было осуществлено интервальное прогнозирование. Оно должно учитывать не только неопределенность, связанную с положением тренда, но и возможность отклонения от этого тренда.
Рисунок 2 – Ранжирование регионов ЦФО по параметрам моделей среднедушевых денежных доходов населения в 2002-2016 гг.: а – расчетный уровень 2002 г.; б – среднегодовой коэффициент прироста
Рассматривая ранжирование регионов ЦФО, видно что наибольший удельный вес составляют среднедушевые денежные доходы по Московской области, данный показатель прежде всего связан с развитой инфраструктурой региона, наличием рабочих мест, высоким уровнем жизни по сравнению с другими субъектами центрального федерального округа. Таким образом, экспоненциально - линейные модели предоставляют аналитику достаточно точную информацию о темпах роста среднедушевых денежных доходов населения в Орловской и Белгородской областях на ближайшую перспективу.
На основе данного анализа были выявлены наиболее существенные различия регионов ЦФО. Каждый регион имеет конкретную региональную среду, что, в свою очередь, говорит о влиянии различных факторов на уровень дифференциации денежных доходов населения. Все регионы имеют потенциал для улучшения условий уровня доходов населения. Следует отметить, что проведенный статистический анализ структуры денежных доходов населения, показывает необходимость перераспределения доходов населения для снижения разрыва регионов по уровню благосостояния. Для выполнения этой цели можно рекомендовать корректировку экономической политики в области уровня жизни населения, а также политики в сфере налогообложения и субсидирования.