Российская приватизация

 

    В узлах матрицы находятся парные коэффициенты корреляции, характеризующие тесноту взаимосвязи между признаками. Анализируя эти коэффициенты, необходимо отметить, что чем их больше абсолютная величина, тем большее влияние оказывает соответствующий факторный признак на результативный. Анализ полученной матрицы осуществляется в 2 этапа:

   1.Если есть коэффициенты  корреляции, для которых ryx~0, то соответствующие признаки из модели исключают. В данном случае в первом столбце матрицы коэффициентов корреляции таких значений не наблюдается.

   2.Анализируя парные коэффициенты корреляции факторных признаков друг с другом , (rxx), характеризующие тесноту их взаимосвязи, необходимо оценить их независимость друг от друга, поскольку это необходимое условие для дальнейшего проведения регрессионного анализа. Но поскольку в экономике абсолютно независимых признаков нет, необходимо выделить, по возможности, максимально независимые. Факторные признаки, находящиеся в тесной корреляционной зависимости, называются мультиколлинеарными. Включение в модель мультиколлинеарных признаков делает невозможным экономическую интерпретацию регрессионной модели, так как изменение одного фактора влечет за собой изменение факторов, с ним связанных, что может привести к «поломке» модели в целом.[4,с.289]

    Критерий мультиколлинеарности  факторов выглядит следующим  образом:

                                 | r  xx | > 0,8

   В полученной матрице  парных коэффициентов корреляции  этому критерию отвечает один  показатель, находящийся на пересечении  строк  X1 и X6. Из пары этих признаков в модели необходимо оставить только один, который оказывает большее влияние на результативный признак. Чтобы его выявить, необходимо сравнить  |ryx1| и  |ryx6| . Больший по абсолютной величине коэффициент определяет тот факторный признак, который вводится в модель.

 

    | ryx1| =0,628;   |ryx6| =0,5376;

|ryx6| < |ryx1| фактор X6  (инвестиции в основной капитал) выводится из модели.

    Инвестиции в основной капитал являются мультиколлинеарным  фактором, т. е. этот показатель слишком сильно зависит от других факторов модели и не является решающим для результирующего показателя.

    Далее необходимо перейти  к регрессионному анализу на  основе оставшихся семи факторов.

                                                                          Таблица 12.

Y	X1	X2	X3	X4	X5	X7	X8
23,5	87,3	315,0	113,1	3,7	79,0	32,5	112,9
24,1	95,9	231,3	122,3	13,2	48,5	34,2	84,9
23,3	96,4	122,0	108,8	15,0	46,5	50,6	100,5
25,8	101,4	111,0	96,9	16,5	42,5	50,1	105,8
22,2	94,7	184,4	85,7	17,1	17,6	53,2	84,1
23,4	106,4	136,5	101,5	12,1	216,7	40,8	87,5
27,8	110,0	120,2	139,0	14,7	611,0	39,8	111,9
26,5	105,1	119,0	97,0	15,5	946,0	37,6	108,5
26,2	104,7	115,0	105,3	19,3	1085,9	42,5	109,9
27,9	107,3	111,0	126,7	17,6	1012,4	43,6	114,5
27,6	106,7	112,0	117,2	17,8	1146,1	45,2	109,8

 

    Регрессия используется для анализа воздействия на отдельную зависимую переменную значений независимых переменных (факторов) и позволяет корреляционную связь между признаками представить в виде некоторой функциональной зависимости Y = f(X1, X2, X3, X4, X5, X7, X8), называемой уравнением регрессии или корреляционно – регрессионной моделью.[4,с.214]

                                                                       Таблица 13.

Регрессионная статистика
Множественный R	0,977618263
R-квадрат	0,955737469
Нормированный R-квадрат	0,85245823
Стандартная ошибка	0,793727508
Наблюдения	11

 

    В результате регрессионного анализа получаются значения R - квадрат  -  коэффициента детерминированности.  Он определяется на основе сравнения фактических значений  параметра Y и значений, полученных на основе расчетных данных. Коэффициент детерминированности характеризует тесноту взаимосвязи между совокупностью факторных признаков, включенных в модель, и результативным показателем.

    R - квадрат изменяется  в пределах от 0 до 1. Чем ближе  показатель к 1, тем теснее взаимосвязь. В данном случае R - квадрат  равен  0,955737 ,что говорит о правильном подборе факторов в модель и о наличии тесной взаимосвязи факторов с результирующим показателем.

    Общим результатом проведенного  корреляционно – регрессионного  анализа  являются значения коэффициентов при переменных X1, X2, X3, X4, X5, X7, X8.

                                                                       Таблица 14.

	Коэффициенты
Y-пересечение	-12,96795701
Переменная X 1	0,202975033
Переменная X 2	0,014686156
Переменная X 3	0,014013801
Переменная X 4	0,316547525
Переменная X 5	-0,00093531
Переменная X 7	-0,062456325
Переменная X 8	0,120004923

 

    На основе полученного ряда коэффициентов можно составить уравнение регрессии, которое имеет вид:

 Y = 0,20297 *X1+0,014686 *X2+0,01401 *X3+0,316547 *X4-0,000935 *X5- 0,062456*X7+0,1200049 *X8-12,967957

     Полученное уравнение вида Y=f(X1, X2, X3, X4, X5, X7, X8) отвечает цели корреляционно - регрессионного анализа и является линейной моделью зависимости доли приватизированных предприятий в ВВП от семи факторов: уровня ВВП, инфляции, бегства капитала, объёма экспорта, числа убыточных предприятий, реальных доходов населения  и  величины накопления основного капитала.  Данная модель означает, что доля приватизированных предприятий в ВВП увеличилась на 0,20297 при увеличении размера реального ВВП на 1%; возросла на 0,014686 при росте инфляции на 1%; увеличилась на 0,01401 при увеличении объёма экспорта на 1%; увеличилась на 0,316547 в результате увеличения бегства капитала на 1%; увеличилась на 0,000935 при увеличении величины накопления основного капитала на 1%; уменьшилась на 0,062456 при увеличении числа убыточных предприятий на 1%; увеличилась на 0,1200049 при росте реальных доходов населения на 1%.

 

                                                                                                         Таблица 15.

	Пессимистический прогноз 2004 г.	Оптимистический прогноз 2005 г.
ВВП	106,7	106
Инфляция	112,0	108,1
Объём экспорта	117,2	114,7
Бегство капитала	17,8	18,9
Накопление основного капитала	1146,1	1087,4
Число убыточных предприятий	45,2	45,4
Реальные доходы населения	109,8	111,4
Доля приватизированных предприятий в ВВП	0,277778	0,2724012
Число наблюдений	11 лет

 

 

 

 

 

 

 

 

 

 

 

 

                                              Заключение.

     Полученная модель  может использоваться для прогнозирования  доли приватизированных предприятий в ВВП при определенных значениях факторных признаков. Применяя различные комбинации значений факторных признаков можно спрогнозировать значение результативного показателя. Например, прогнозируя на следующий год уровень ВВП в промежутке от 106% до106,7 %,  инфляцию 108,1 - 112 % , бегство капитала 17,8 -18,9 %, объём экспорта 114,7 -117,2 %, реальные доходы населения 109,8-111,4% можно получить расчетные значения доли приватизированных предприятий в ВВП в размере 0,2724012-0,277778 % .

    Крупномасштабная приватизация  в России была неизбежной. Как  показал исторический опыт, при  всеобщем огосударствлении невозможно  обеспечить динамичный экономический рост и высокий уровень жизни всех слоёв населения. Монополия государственной собственности перспективы не имела.[3,с.17]

    Реструктуризацию следует  признать ключевым аспектом в  приватизации, учитывая её влияние  на повышение уровня благосостояния как внутри реструктурируемой фирмы, так и за её границами, а также на сокращение трансакционных издержек в результате оптимизации границы между фирмой и рынком. Российская же приватизация не способствовала проведению реструктуризации на уровне фирмы и отрасли, а её влияние на распределение богатства оказалось отнюдь не положительным. Неравенство в распределении богатства (увеличение коэффициента Джини) нарастали параллельно с приватизацией, особенно в 1994-1997 гг., и было вызвано именно ею. Идеологи приватизации не обращали особого внимания на её последствия с точки зрения распределения богатства, однако именно имущественное неравенство представляется особенно опасным для России.[2,с.76]

 

 

 

                            Список используемой литературы.

1. Андрефф В. Постсоветская приватизация в свете теоремы Коуза // Вопросы экономики. 2003. №12.
2. Андрефф В. Российская приватизация: подходы и последствия // Вопросы экономики. 2004. №6.
3. Куликов В.П. Российская приватизация в шестилетней ретроспективе // Российский экономический журнал. 1998. №1.
4. Кундышева Е.С. Математическое моделирование в экономике: Учебное пособие. – М.: Издательско-торговая корпорация «Дашков и Ко», 2004. – 352 с.
5. Лисин В.А. Инвестиционные процессы в российской экономике // Вопросы экономики. 2004. №6.
6. Олейник А.М. «Институциональные ловушки» постприватизационного периода в России // Вопросы экономики. 2004. №6.
7. Псарева Н.В. Варианты реорганизации акционерных обществ: разделение и выделение // Российский экономический журнал. 1997. №10.
8. Сидорова Н.А. Экономические последствия налоговой политики // Экономист. 2003. №2.
9. Френкель А. Прогноз развития российской экономики на 2004-2005 годы // Вопросы статистики. 2004. №10.