Влияние экономического кризиса на сырьевой регион: разработка матрицы рисков и ее результаты - Управление развитием сырьевого региона

Рассмотрев и проанализировав все вышеперечисленные модели и подходы к измерению и оценки уровня привлекательности регионов, автор пришел к выводу, что идеального и универсального способа пока не существует, а каждый из них имеет как свои плюсы, так и минусы. Для того, чтобы рассмотреть влияние кризиса на важные экономические и социальные факторы развития именно сырьевого региона, автор работы попытается создать и предложить вариант свой модели.

Сама по себе модель будет представлять сочетание нескольких подходов к измерению факторов в регионе, а именно, факторный подход (причем многофакторный), математическо-статистический анализ и факторно-рисковый. В итоге, рассмотрев экономико-социальные ситуации на примере двух регионов, для каждого из них будет составлена матрица рисков. С ее помощью автор постарается отобразить сферы вероятнее всего

Подверженные негативному влиянию кризиса и требующие определенного вмешательства со стороны регионального, федерального и муниципального уровней. В качестве исследуемых сырьевых регионов будут рассмотрены регионы Дальневосточного Федерального Округа, а именно: Республика Саха и Сахалинская область. Данные регионы были выбраны автором, так как Сахалинская область является одним из наиболее ресурсо-зависимых регионов, экономика которой, в основном, специализируется на добычи нефти и газа, Республика Саха взята в качестве исследуемого примера, так как является одним из самых богатых природно-ресурсных региона, в том числе и в нефтяной отрасли.

Помимо этого, географическое положение и климатические условия весьма специфичны, и автору интересно выявить их взаимозависимость с экономическим кризисом. В связи с проведением Правительством РФ в течение последних нескольких лет активной политики по развитию Дальнего Востока, а также имеющихся демографических, социальных и экологических проблем - автор выбрал эти два региона для своего исследования.

Для построения матрицы, автор с самого начала встал перед выбором экономических и социальных факторов. Обратившись к данным Росстата и проанализировав всю имеющуюся официальную региональную статистику, было принято решение использовать следующие социально-экономические показатели:

Добыча нефти (тыс. тонн)

Экспорт продукции топливно-энергетического комплекса (миллионов долларов США)

Сальдированный финансовый результат (прибыль минус убыток) организаций по видам экономической деятельности (миллионов рублей)

Инвестиции в основной капитал (в фактически действовавших ценах; миллионов рублей)

Численность безработных (тысяч человек)

Коэффициенты миграционного прироста на 10 000 человек населения

Численность населения

Среднемесячная номинальная начисленная заработная плата работников организаций (рублей)

Потребительские расходы в среднем на душу населения (в месяц; рублей)

Среднегодовая цена на нефть

Курс рубля к доллару

Прежде чем описать алгоритм построения матрицы, необходимо аргументировать выбор именно данного списка факторов. По мнению автора, все эти факторы являются составляющей такого компонента, как развитие региона. В качестве общего показателя для выражения влияния экономического кризиса выбран показатель ВРП.

Если говорить о социально-экономических факторах, то, по мнению автора, именно они могут отразить влияние кризиса на развитие именно сырьевого региона. Их все можно условно разделить на несколько групп. Одна из самых больших групп та, которая во многом зависит от отраслевого управления (добыча нефти, экспорт продукции топливно-энергетического комплекса). Другая группа - факторы отображающие расходы и доходы населения (среднемесячная номинальная начисленная заработная плата работников организаций, потребительские расходы в среднем на душу населения). Третья группа - инвестиции (инвестиции в основной капитал). Следующая группа - факторы, попадающие под влияние антимонопольного управления и контрольно-надзорных полномочий (сальдированный финансовый результат, инвестиции). И, наконец, группа, включающая показатели миграционных потоков и населения (численность безработных, численность населения, коэффициенты миграционного прироста на 10 000 человек населения).

Такие показатели, как мировая цена на нефть и курс рубля не входят в компетенцию региональных органов и региональной политики и регулируются извне,

Однако, тоже имеют важное влияние на развитие региона и напрямую связаны с кризисом, поэтому, учитываются в нашей модели. Разделение факторов на смысловые группы позволит после составления матрицы наглядно продемонстрировать необходимость вмешательства в управление данной сферой со стороны органов власти для смягчения последствий экономического кризиса.

Таким образом, все вышеперечисленные факторы, по мнению автора, наиболее ярко отображают влияние экономического кризиса на всю ситуацию в регионе в целом, что, в свою очередь, отображает его дальнейший путь развития и вынуждает применять определенные инструменты управления и изменение региональной политики.

Приступая к формированию матрицы, прежде всего необходимо указать используемые инструменты математической статистики. Для своего исследования автор прибег к использованию программы статистических эконометрических расчетов Stata. Она очень удобна, так как представляет собой пакет программ по легкому и быстрому проведению статистических операций, а в нашем случае, когда одновременно имеется много факторов, является самым оптимальным вариантом. Конечно, те расчеты, которые будут проведены в ней, могут быть подсчитанными вручную (при помощи калькулятора) или при помощи других программ (таких как Excel и SPSS).

Для данного исследования был выбран объем данных, начиная с 2000 года по 2014 года включительно. Это обусловлено тем, что подсчет данных только кризисного периода некорректен, и их количество слишком мало для достоверной оценки. Для того, что бы выделить кризисный период по каждому фактору, автор вводит фиктивную переменную кризиса, которая в годы кризиса принимается за 1, а в остальное время - за 0.

В качестве основных показателей будут просчитаны такие значения как достигаемый уровень значимости (p-value) и t-statistics критерий Стьюдента, которые оба направлены на проверку выдвигаемых гипотез. В нашем случае, p-value будет показывать уровень значимости, а t-statistics - вероятность. Для этого программа считает регрессию ВРП. Этот фактор выбран потому, что, по мнению автора, считается хорошим показателем совокупного состояния региона.

В первую очередь, построим матрицы рисков для экономических факторов. Для этого берем статистические данные из Росстата, которые указаны в Приложении1, и, загрузив их в программу, задаем команду для подсчета искомых переменных.

Выбранные нами показатели обратнозависимы: чем больше t-statistics и чем меньше p-value, тем лучше для нашей матрицы. Конечно, в связи с тем, что собранные данные очень зависимы друг от друга, модель имеет ряд ограничений, связанных с попаданием в допустимый уровень значимости, однако, мы смотрим их взаимодействие по отношению друг к другу и строим модель как сравнительную характеристику, и выделение категории, с наибольшей вероятностью попадания под влияние кризиса, т. е. в зону риска, на которые, прежде всего, нужно обратить внимание.

Таблица 4 - Статистические показатели для Республики Саха

ВРП

T-statistics

P-value

Добыча нефти

10.14

0.010

Экспорт продукции топливно-энергетического комплекса

0.51

0.658

Сальдированный финансовый результат (прибыль минус убыток) организаций по видам экономической деятельности

6.74

0.021

Инвестиции в основной капитал

-0.62

0.597

Численность безработных

-0.25

0.853

Коэффициенты миграционного прироста на 10 000 человек населения

-14.71

0.005

Численность населения

-9.61

0.011

Среднемесячная номинальная начисленная заработная плата работников организаций

-2.91

0.100

Потребительские расходы в среднем на душу населения

-9.54

0.011

Среднегодовая цена на нефть

-23.37

0.002

Курс рубля к доллару

-27.91

0.001

Условно матрицу мы разделим на 5 составляющих. Для t-statistics выберем следующие интервалы вероятности и присвоим им баллы от 1 до 5 в соответствие с уровнем:

0 - 2.49

(1)

2.5 - 5.99

(2)

6 - 9. 99

(3)

10 - 19.99

(4)

20 - ...

(5)

Для p-value выберем следующие интервалы значимости и присвоим им баллы от 1 до 5 в соответствие с уровнем:

0.5 - ...

(1)

0.1 - 0.49

(2)

0.021 - 0.099

(3)

0.01 - 0.02

(4)

0 - 0.09

(5)

В соответствии со значениями t-statistics и p-value (по модулю) распределим полученные значения в порядке от наибольшей значимости и вероятности до наименьшей с указанием распределения балльной шкалы:

В основном, они относятся к блоку добывающей промышленности и связанными напрямую с ними валютным курсом и мировыми ценами на нефть. Также там присутствует коэффициент миграции, так как, в основном, в данном регионе коренного населения мало, и многие работники приезжают туда на работу вахтовым методом. Следовательно, кризис приведет к ухудшению ситуации в данной сфере и необходимы изменения в региональной политике для стабилизации ситуации (пересмотр объема добычи нефти, в связи с падением цены на нефть и сложностью ее добычи).

В среднюю зону попадают факторы, связанные с численностью, расходами и доходами населения, а также сальдированный финансовый результат организаций.

Первые три показателя напрямую зависят от социальной политики, которую пока можно не сильно изменять, однако, необходимо иметь в виду возникновение возможных проблем в случае ухудшения ситуации.

В зеленную зону попали факторы, которые на данный момент не требуют изменений. Риск менеджмент трактует риски зеленой зоны как данность - субъект управления должен предусмотреть ресурсы для ликвидации последствий от наступления риска и сосредоточится на тех факторах, которые представляют реальную или потенциальную угрозу.

Теперь аналогичную процедуру проведем и для экономических показателей для Сахалинской области. Результатом будет следующее:

Статистические показатели для Сахалинской области

ВРП

T-statistics

P-value

Добыча нефти

-2.4

0.251

Экспорт продукции ТЭК

5.4

0.117

Сальдированный финансовый результат организаций по видам экономической деятельности

-0.71

0.605

Инвестиции в основной капитал

3.03

0.203

Численность безработных

-2.52

0.241

Коэффициенты миграционного прироста на 10 000 человек населения

1.49

0.376

Численность населения

1.16

0.454

Среднемесячная номинальная начисленная заработная плата работников организаций

2.30

0.261

Потребительские расходы в среднем на душу населения

-1.94

0.303

Среднегодовая цена на нефть

-3.86

0.161

Курс рубля к доллару

-1.49

0.377

Как заметно, данные и результаты в этой области получились хуже, чем в Республике Саха. Это может быть связано, как и с более коррелированными данными, так и с наибольшей специализацией региона на нефтедобыче.

Как и в предыдущем случае, проранжируем полученные результаты. Для этого необходимо выделить новые интервалы. Для t-statistics выберем следующие интервалы вероятности и присвоим им баллы от 1 до 5 в соответствии с уровнем:

0 - 1.49

(1)

1.5 - 2.49

(2)

2.4 - 3.49

(3)

3.5 - 4.49

(4)

4.5 - ...

(5)

Для p-value выберем следующие интервалы значимости и присвоим им баллы от 1 до 5 в соответствие с уровнем:

0.41 - ...

(1)

0.31 - 0.4

(2)

0.21 - 0.3

(3)

0.16 - 0.2

(4)

0 - 0.15

(5)

В итоге получаем следующий ранжированный список:

Ранжирование данных по Сахалинской области

T-statistics

P-value

Экспорт продукции топливно-энергетического комплекса (5)

Среднегодовая цена на нефть (4)

Инвестиции в основной капитал (3)

Численность безработных (3)

Курс рубля к доллару (2)

Коэффициенты миграционного прироста на 10 000 человек населения (2)

Добыча нефти (2)

Среднемесячная номинальная начисленная заработная плата работников организаций (2)

Потребительские расходы в среднем на душу населения (2)

Численность населения (1)

Сальдированный финансовый результат (прибыль минус убыток) организаций по видам экономической деятельности (1)

Экспорт продукции топливно-энергетического комплекса (5)

Среднегодовая цена на нефть (4)

Инвестиции в основной капитал (4)

Численность безработных (3)

Добыча нефти(3)

Среднемесячная номинальная начисленная заработная плата работников организаций (3)

Потребительские расходы в среднем на душу населения

(3)

Курс рубля к доллару (2)

Коэффициенты миграционного прироста на 10 000 человек населения (2)

Численность населения (1)

Сальдированный финансовый результат (прибыль минус убыток) организаций по видам экономической деятельности (1)

Анализируя полученные результаты, можно прийти к выводу, что, в основном, в зону риска попадает экспорт нефти и его зависимость от мировых цен, что весьма показательно для сырьевого региона, экономика которого специализируется именно на добыче этого сырья. В связи с этим, необходимы реформы в сфере отраслевого управления, например, пересмотр рынка сбыта и экспорта и регулирование объема добычи.

В желтую зону попали показатели, связанные с инвестициями, доходами и расходами населения, коэффициентом миграции. Такой результат весьма закономерен, так как при ухудшении ситуации в области добычи нефти, снижении заработной платы, население из региона будет уезжать в поисках более выгодного места работы, а новые потоки также сократятся. Показатель инвестиций очень важен, так как при ухудшении экономической ситуации в стране в целом, поток инвестиций уменьшается, а такой сырьезависимый регион почувствует это в первую очередь. В качестве инструмента контроля необходимо улучшить ситуацию в области защиты прав инвесторов и в предоставлении им определенных временных льгот, для сохранения количества инвестиций и привлечения новых.

В зеленую зону попадают показатели численности населения и сальдированного бюджета фирм. Риск менеджмент трактует риски зеленой зоны как данность - субъект управления должен предусмотреть ресурсы для ликвидации последствий от наступления риска и сосредоточится на тех факторах, которые представляют реальную или потенциальную угрозу.

Таким образом, приведенные матрицы показывают, что факторы, попавшие в красную зону риска, требуют к себе повышенного внимания со стороны управления и более детализированной проработки стратегии реагирования на этот риск.

Матрица отразила различия

В факторах, наиболее

Подверженных влияния кризиса,

Которые зависят от глубины диверсификации экономики сырьевого региона, его социально-экономического развития, а, следовательно, требуют совершенствования антикризисного управления. Требуются дополнительные ресурсы на минимизацию, предотвращение и покрытие издержек риска. Модель выявила высокую корреляцию факторов друг с другом, что наводит на мысль о создании комплексной модели, учитывающее данное ограничение.

Рассмотрев разнообразные подходы и методы оценки уровня развития региона, а также выявления экономического кризиса, во второй главе можно сделать вывод о том, что идеального и стандартного подхода на сегодняшний день не существует, каждый из них имеет свои положительные и отрицательные стороны, многие идентичны по принципам, другие обладают высокой степенью субъективности. Попытка автора выявить наиболее уязвимые экономическим кризисом сферы развития региона была успешной, что позволило увидеть степень устойчивости определенных социальных и экономических показателей по отношению к кризису.

Однако, эта модель имеет ряд ограничений, связанных со специфичностью статистических данных. По результатам построенной матрицы видно, что необходимо ввести дополнительные инструменты управления и региональной политики рисковыми сферами (красная зона), предпринять шаги по предотвращению ухудшений по показателям, попадающим в желтую зону. Полученные данные автор использует в следующей главе при сравнении ситуаций в исследуемых регионах.

Похожие статьи




Влияние экономического кризиса на сырьевой регион: разработка матрицы рисков и ее результаты - Управление развитием сырьевого региона

Предыдущая | Следующая