CC BY
43
духа, анимы и анимуса [7]. Все это нашло самый широкий отклик построении эффективной рекламной коммуникации дает возмож-
в рекламных сообщениях парфюмерной продукции. Для подтвер- ность искусственно создавать эффект преимущества, уникальнос-
ждения этого тезиса, приведем в качестве примеров образцы рек- ти или отличительной особенности товара, а также сформировать
ламных принтов [8] с указанием, к какому именно архетипу они у человека неосознаваемое им позитивное или негативное отноше-
относятся. ние к чему-либо, тем самым искусственно формируя необходимый
Использование социально-психологических стереотипов при эмоциональный отклик.
Литература:
1. график составлен автором статьи на основе данных о состоянии парфюмерно-косметического рынка Discovery Research Group [2]
2. Иллюстрации взяты с электронного ресурса www.osmotheque.fr [8]
3. Пендикова И.Г., Ракитина Л.С. Архетип и Символ в рекламе - М.: Юнити-Дана, 2008. - С. 6-9. [5]
4. по материалам официального Интернет ресурса Российской Парфюмерно-косметической Ассоциации www.pcar.ru [3]
5. по материалам Интернет-сайта www.discoveryresearchgroup.com [1]
6. Шуванов В.И. Психология рекламы. - Изд. 3-е. - Ростов н\Д: Феникс, 2006. - С. 126-127 [4]
7. Юнг К.Г. Архетип и символ. М.: Прогресс, 1994 [7]
8. Юнг К.Г. Об архетипах коллективного бессознательного // Архетип и символ. М.: Ренессанс, 1991. С. 97-128 [6]
МЕТОДИЧЕСКИЕ АСПЕКТЫ АНАЛИЗА ПРОЦЕССОВ РАЗВИТИЯ ПРОМЫШЛЕННОСТИ НА РЕГИОНАЛЬНОМ УРОВНЕ
Зарипов А.А., к.э.н., Институт Управления и Права,
Теленков Р.Н., ООО «Магаданрыба»,
Мордвин С.В., аспирант Смоленского гуманитарного Университета
Развитие региональной экономики, особенно в планировании промышленных предприятий неразрывно связано с инвестиционной деятельностью. В настоящее время имеются объективные предпосылки для повышения региональной инвестиционной активности и для позитивного влияния региональных инвестиционных процессов на общий уровень развития регионов в долгосрочной и в среднесрочной перспективе.
Ключевые слова: анализ, сервис оборудования, модель развития, регион
METHODOLOGICAL ASPECTS OF ANALYZING PROCESSES OF INDUSTRY AT THE REGIONAL LEVEL
Zaripov A., Ph.D., Institute of Management and Law Telenkov R., Magadanryba, JSC Mordvin S., the post-graduate student, Smolensk Humanitarian University
Development of regional economies, especially in the planning of industrial enterprises is inextricably linked with investment. Currently, there are objective prerequisites for improving the regional investment activity and the positive impact of regional investment processes on the overall development of the regions in the long and medium term.
Keywords: analysis, maintenance of equipment, model development, the region
Историческое развитие методологии управления происходит в соответствии с объективными тенденциями роста требований к организации управления экономическими системами, которые представляют, в частности предприятия, связанные с обслуживанием населения. В качестве определяющих факторов И. Ансофф [1] выделяет уровни предсказуемости и нестабильности как самой управляемой системы, так и ее внешней среды. При этом, когда уровень предсказуемости внешней среды снизился настолько, что управление на основе повторения и экстраполяции тенденций, имевших место в прошлом, стало невозможным, насущной необходимостью стало стратегическое управление и стратегическое планирование. Особенно это актуально для системы технического сервиса, который является зависимым не только от роста самого производства, но и износа технологического оборудования и его заменой. В системе стратегического планирования (в отличие от долгосрочного) отсутствует предположение о том, что будущее можно изучить методом экстраполяции. Поэтому в качестве первого шага предпринимается анализ перспектив управляемой системы: выявление тенденций, опасностей, шансов, а также отдельных ситуаций, которые способны изменить имеющиеся и сложившиеся тенденции.
На современном этапе решение задачи менеджмента в системе сервиса является самообеспечение каждой страны услугами и продовольствием. Так, для России в первой половине 2008 года доля импорта в ресурсах пищевых продуктов составляла: по мясу и мясопродуктам 31,2%, молоку и молокопродуктам 16,6%, жирным сырам 48,3%, массу растительному 18,3% [2]. Это связано и системой сервисного обслуживания предприятий, которая определяется и значительным износом технологического оборудования.
Эконометрическими методами обосновано [3], что, несмотря на экспоненциальный рост производства такого жизненно важного продукта, как мясо и субпродукты I категории, прогноз уровня производства в 2010 году составил 3352,0 тыс. т, тогда как в 1990 году было произведено 6483,9 тыс. т этого вида продукции. Расчеты показывают, что при сохранении выявленных темпов прироста (10,5%), уровень производства мяса и субпродуктов I категории 1990 года будет достигнут только в 2017 году. Но и такой рост предполагает существенное повышение сервисного обслуживания оборудования, что требуется закладывать в планирование работы технического сервиса.
Стратегическое управление в самом общем виде представляет собой разработку и реализацию стратегии. Связь между стратегическим управлением и стратегическим планированием состоит в том, что стратегическое планирование - формализованный вариант стратегии, проекция стратегического управления на ось времени, привязка к временному масштабу, определение конкретных этапов, их целей и средств достижения этих целей [4]. Выделяются наиболее существенные отличительные черты стратегии:
- процесс выработки стратегии не завершается каким-либо немедленным действием. Обычно он заканчивается установлением общих направлений, продвижение по которым обеспечивает развитие объекта управления;
- сформулированная стратегия должна использоваться для разработки стратегических проектов и планов. При этом все проекты, которые несовместимы со стратегией, необходимо исключить;
- в ходе формирования стратегии нельзя предвидеть все возможности и проблемы, которые откроются при составлении конкретных мероприятий. Поэтому приходится пользоваться очень обобщенной неполной и неточной информацией о различных альтернативах;
- стратегия предполагает использование обратной связи, т.е. возможность корректировки стратегического выбора в случае новых обстоятельств во внешней среде или в случае изменения целей.
Представляется удачным определение региона, приведенное в работе [5]: - это территория в административных границах субъекта Федерации, характеризующаяся следующими основополагающими чертами: комплексностью, целостностью, специализацией и управляемостью, т.е. наличием политико-административных органов управления. Целостность региона означает рациональное использование природно-ресурсного потенциала региона, пропорциональное сочетание различных отраслей народного хозяйства, формирование устойчивых внутрирегиональных и межрегиональных производственных и технологических связей, наличие особого сообщества людей с определенными традициями, определенным образом жизни.
Каждое предприятие является, как правило, многопрофильным с присущим ему определенным набором видов экономической деятельности, использование набора видов экономической деятельности ОКВЭД является единственным возможным вариантом его формализованного описания. Использование для этих целей понятия «отрасль экономики» лишено смысла. В ОКВЭД объектом классификации является вид экономической деятельности, который в свою очередь используется в качестве классификационного признака при группировке предприятий.
Наряду с общероссийским классификатором видов экономической деятельности действует общесоюзный классификатор отраслей народного хозяйства (ОКОНХ), где в качестве объекта классификации выступают отрасли народного хозяйства, формируемые как совокупности предприятий, включаемые в выделенные в классификаторе группировки. Но в современных условиях ОКОНХ не обеспечивает достоверного отражения существующей хозяйственной инфраструктуры страны и при подготовке международных экономических сопоставлений проводятся трудоемкие пересчеты, ограничивается круг сравниваемых показателей по сферам деятельности и объектам учета. В связи с этим его применение стало проблематичным.
Общероссийский классификатор видов экономической деятельности (ОКВЭД) был разработан Министерством экономического развития и торговли Российской Федерации, Центром по экономическим классификациям в 2001 г. в развитие единой системы классификации и кодирования технико-экономической информации (ЕСКК ТЭИ). ОКВЭД входит в состав Единой системы классификации и кодирования технико-экономической и социальной информации (ЕСКК) Российской Федерации и построен на основе гармонизации с официальной версией на русском языке Статистической классификации видов экономической деятельности в Европейском экономическом сообществе [6].
Развитие региональной экономики неразрывно связано с инве-
стиционной деятельностью. Региональные инвестиционные процессы во многом определяются спецификой и проблематикой этих процессов на макроуровне. Проблема привлечения инвестиций в реальный сектор российской экономики является одной из наиболее обсуждаемых в научной литературе с самого начала проведения реформ. В ходе анализа инвестиционных процессов в реальном секторе российской экономики большинством исследователей выделяется два периода - с 1992 по 1998 гг. (докризисный период) и с 1999 г. по настоящее время (послекризисный период).
Анализ причин низкой инвестиционной активности в докризисный период проводился во многих исследованиях. В частности, среди основных причин выделяют нестационарный характер динамики макроэкономических показателей; сложную и нестабильную налоговую систему; высокий и переменный уровень рисков всех видов; неустановившийся фондовый рынок; высокий уровень инфляции; неразвитость кредитно-денежной системы - неустойчивость, применение различных валют (рубль, доллар, суррогаты), высокий уровень стоимости капитала и др. [7].
Сказанное иллюстрируют графики, представленные на рис. 1: если динамика производства мяса и субпродуктов I категории вполне удовлетворительно аппроксимируется экспоненциально нарастающим трендом, то динамика производства цельномолочной продукции - линейным трендом (эти и все последующие эконометрические расчеты и графические построения проводили с помощью различных процедур пакета статистических программ анализа данных общественных наук SPSS Base [8]). Это соответственно вызывает затраты на ремонт и эксплуатацию оборудования, а также требует плановой замены устаревшего оборудования.
Помимо мясной и молочной продукции, важное значение в обеспечении населения страны продовольствием имеет промысел рыбы и водных биоресурсов. Однако если в 1990 году объем улова рыбы и добычи водных биоресурсов составлял 7879 тыс. т, то, несмотря на положительную динамику, начиная с 2004 года, в 2008 году этот показатель составил лишь 3333 тыс. т, что. в два с лишним раза меньше уровня 1990 год [9]. При ежегодном приросте улова рыбы и добычи водных биоресурсов 94,1 тыс. т прогноз на 2012 год составляет 3709 тыс. т, т.е. уровень 1990 года остается недосягаемым, т.е. и здесь прогноз в целом неутешительный.
В послекризисный период, начиная с 1999 г., фиксируется опережающий рост накопления и инвестиций по сравнению с динамикой ВВП. Наиболее существенное влияние на характер инвестиционной деятельности оказывал интенсивный рост доходов экономики. Это связано, с одной стороны, с благоприятными изменениями конъюнктуры цен мирового рынка на углеводородное сырье и металлы и, с другой стороны, с активной политикой российского бизнеса, направленной на заполнение ниш на внутреннем рынке отечественными товарами. Рост рентабельности производства и повышение доходов от внешнеэкономической деятельности инициировали расширение спроса на капитальные товары, которое опира-
Рис.
1. Моделирование динамики производства важнейших видов пищевой продукции и прогнозирование на ближайшую перспективу: а - мяса и субпродуктов I категории; б - цельномолочной продукции
лось на ускорение темпов выпуска сопряженных отраслей. В связи с ориентацией на проведение активной модернизации и реконструкции производства, как экспортный сектор, так и обрабатывающая промышленность стали предъявлять растущий спрос на машины и оборудование.
Анализ данных [10], показывает, что степень концентрация мировой добычи рыбы медленно растет: в 2000-2003 гг. коэффициент рыночной концентрации - СЯ составлял от 43,0% до 44,4%, а в последующие 2004-2008 гг. - от 45,0% до 46,7%. Это говорит о тенденции усиления концентрации мировой добычи рыбы в пользу лидирующих стран.
Из эконометрики известно, что одни и те же временные данные могут быть аппроксимированы не одним, а несколькими моделями, имеющими примерно одинаковые характеристики качества [10]. Эти характеристики модели таковы: коэффициент детерминации Я2=0,997; критерий Фишера ^=2042,0 статистически значим на уровне не хуже 0,00005. Это означает, что линейная модель объясняет 99,7% общей дисперсии (т.е. необъясненной остается всего лишь 0,3% дисперсии), а вероятность ошибки неприятия нулевой гипотезы о неадекватности моде) не превышает 0,005%. Это - очень высокие характеристики качества модели, что подтверждается достаточно узким 90%-м доверительным интервалом аппроксимации и прогноза.
Видно, что экспоненциальная модель тренда добычи рыбы в Китае обеспечивает практически такую же точность прогноза, как и линейная модель, но прогноз по линейной модели - пессимистический (предполагает постоянство абсолютных приростов), а по экспоненциальной модели - оптимистический, так как он исходит из постоянства темпов роста.
Для оценки темпов роста добычи рыбы в Китае рассчитаны параметры экспоненциальной модели мирового улова в период 2000-2008 гг. - темп роста - 103,79% в год - больше среднегодового темпа роста мирового улова, составившего 102,15%. В других лидирующих по улову странах: Перу, Японии, Индии, Индонезии расчеты показывают, что динамика добычи рыбы в Индонезии и Индии характеризуется нарастающим экспоненциальным трендом, причем среднегодовые темпы прироста в период 2000-2008 гг. составляли 6,88% и 3,47% соответственно. Напротив, в Перу и Японии наблюдался ниспадающий тренд добычи рыбы со среднегодовыми темпами прироста в тот же период -2,91% и -1,67% соответственно. Для сравнения: в России среднегодовой темп прироста добычи рыбы в период 2004-2008 гг. составил 3,43%. Это больше, чем в среднем по всем странам мира, но меньше, чем в странах-лидерах: Индонезии, Китае и Индии.
Для увеличения этих показателей необходимо привлечение инвестиций. Однако наиболее привлекательными в России для иностранных инвесторов в 1995-1999 гг. являлись сырьевые регионы (Тюменская и Сахалинская области, Татарстан), г. Москва и Московская область, г. Санкт-Петербург. Указанные тенденции продолжились и в 2000-2008 гг. В региональном аспекте лидерами по объемам привлеченных иностранных инвестиций по-прежнему являются Центральный Федеральный Округ, Уральский Федеральный Округ, в состав которого входит Тюменская область, Дальневосточный Федеральный Округ.
По отраслевой структуре больше всего иностранных инвестиций приходится на добычу топливно-энергетических полезных ископаемых, в обрабатывающие производства. В обрабатывающих производствах по привлечению иностранных инвестиций лидируют подотрасли, ориентированные на вывоз полупродуктов - пищевая промышленность, металлургия и химия. Отрасли, не прошедшие модернизацию (ЖКХ, производство и распределение электроэнергии, газа и воды), остаются аутсайдерами отраслевого инвестиционного рейтинга.
Вместе с тем, в настоящее время имеются объективные предпосылки, во-первых, для повышения региональной инвестиционной активности, а во-вторых - для позитивного влияния региональных инвестиционных процессов на общий уровень развития регионов как в долгосрочной, так и в среднесрочной перспективе.
При всей важности роли инвестиционной политики в развитии региона, необходимо также рассматривать инвестиционные процессы на уровне отдельных предприятий. Под «инвестиционным процессом» здесь понимается инвестиционное планирование, экономический анализ инвестиционных проектов, финансирование и кредитование инвестиций, управление реализацией проектов и формирование оптимизированных стратегий. На инвестиционный
процесс оказывают определенное влияние среды, с другой стороны, инвестиционный процесс, осуществляемый на региональном уровне, сам оказывает существенное влияние на окружающие его среды. Инвестиционный процесс, воздействуя на масштабы и темпы производственных и социальных процессов, выступает в роли своеобразного регулятора их интенсивности на всех иерархических уровнях управления - от государственного до уровня отдельных субъектов хозяйствования.
Основным структурообразующим элементом инвестиционного процесса является инвестиционная привлекательность, и определение состояния инвестиционной привлекательности социальноэкономической системы является одним из основных инструментов управления инвестиционным процессом.
Как известно, при моделировании экономических процессов используют данные двух типов - пространственные данные (crosssectional data) и временные ряды (time-series data). Для анализа и/ или прогноза применяются три основных класса моделей.
1. Модели временных рядов. К этому классу относятся следующие простейшие модели:
тренда: y(t) = T(t) + et, (1)
где T(t) - временной тренд заданного параметрического вида (например, линейный T(t) = а + bt), e? - случайная компонента; сезонности: y(t) = S(t) + £г, (2)
где S(t) - периодическая (сезонная) компонента; тренда и сезонности: y(t) = T(t) + S(t) + £г (аддитивная) (3) y(t) = T(t) S(t) + £г (мультипликативная). (4)
К моделям временных рядов относятся также более сложные модели -адаптивного прогноза, авторегрессии и скользящего среднего и др. Все они имеют общую черту: объясняют поведение временного ряда, основываясь только на его предыдущих значениях.
Примером пространственных данных является, в частности, набор показателей инвестиционной привлекательности предприятий (чистая прибыль, общая рентабельность отчетного периода, производительность труда и др.) по одной отрасли в один и тот же момент времени (пространственный срез). Пространственные данные используются для построения регрессионных моделей типа
y = Ax в) = xv ..., хр Рр P2, ..., РД (5)
где Хх, Х2, ..., Хк - независимые (объясняющие) переменные, pj, 2, ..., - параметры, определяемые из наблюдений (эмпирических
данных). В зависимости от вида функции fx, р) различают линейные (по параметрам) и нелинейные модели.
Этот тип моделей для моделирования инвестиционной привлекательности промышленных предприятий - основной. Будем в дальнейшем называть их пространственными моделями.
Примерами временных данных могут служить данные по чистой прибыли, общей рентабельности, производительности труда конкретного промышленного предприятия за ряд лет. Отличительной чертой этих данных является то, что они естественным образом упорядочены во времени. Временные данные используются для построения регрессионных моделей типа (1-4). В моделировании инвестиционной привлекательности промышленных предприятий этот тип моделей играет важную прогностическую роль.
Приведенную классификацию эконометрических моделей следует дополнить структурными моделями и в их число необходимо ввести модели многомерной классификации. Основным математическим приемом подобного моделирования является методы многомерного кластерного анализа. Другим важным видом структурных моделей являются модели многомерного факторного анализа, суть которого - в сведении большого числа первичных показателей к меньшему числу латентных (скрытых) факторов, адекватно отражающих существующие связи между исходными показателями, выявляемые исходя из статистических свойств анализируемой выборки.
Основным методом построения пространственных эконометрических моделей типа (6) является множественный линейный регрессионный анализ.
y = в) = x2, ..., ХР Pl, P2, ..., вр), (6)
где Xj, Х2, ..., Хк - независимые (объясняющие) переменные, pj, 2, ..., р^ - параметры, определяемые из наблюдений (эмпирических данных). В зависимости от вида функции fx, р) различают линейные (по параметрам) и нелинейные модели.
Значения экономических переменных определяются влиянием не одного, а нескольких факторов и следует попытаться выявить влияние нескольких факторов х., введя их в модель, т.е. построить уравнение множественной регрессии y = р0 + PjXj + Р2Х2 + ...+ РотХот + Е. (7)
Параметры модели (7) р. оцениваются методом наименьших квадратов - минимизируется сумма квадратов так называемых остатков (отклонений расчетных значений от фактических). Основная цель множественной регрессии - построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупное их воздействие на моделируемый показатель.
Включение в уравнение множественной регрессии того или иного набора факторов связано, прежде всего, с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями. Факторы, включаемые во множественную регрессию, должны отвечать следующим требованиям:
1) быть количественно измеримы и если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то ему нужно придать количественную определенность;
2) не должны быть коррелированы и тем более находиться в точной функциональной связи. Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результативный показатель и параметры уравнения регрессии оказываются неинтерпретируемыми.
Включаемые во множественную регрессию факторы должны объяснить вариацию независимой переменной. Если строится модель с набором т факторов, то для нее рассчитывается показатель детерминации г2, который фиксирует долю объясненной вариации результативного признака за счет рассматриваемых в регрессии т факторов. Влияние других, не учтенных в модели факторов, оценивается, как 1-г2 с соответствующей остаточной дисперсией 55 .
При дополнительном включении в регрессию т+1 факторов коэффициент детерминации должен возрастать, а остаточная дисперсия уменьшаться:
Я* > г2 и 55 < 55 .
т+1 — т г т+1 — г т
Если же этого не происходит и данные показатели практически мало отличаются друг от друга, то включаемый в анализ фактор %т+1 не улучшает модель и практически является лишним фактором. Насыщение модели лишними факторами не только не снижает величину остаточной дисперсии и не увеличивает показатель детерминации, но и приводит к статистической не значимости параметров регрессии по ^-критерию стьюдента.
Теоретически регрессионная модель позволяет учесть любое число факторов, но практически в этом нет необходимости. Отбор факторов производится на основе качественного теоретико-экономического анализа. Однако теоретический анализ часто не позволяет однозначно ответить на вопрос о количественной взаимосвязи рассматриваемых признаков и целесообразности включения фактора в модель. Поэтому отбор факторов обычно осуществляется в две стадии: на первой подбираются факторы, исходя из сущности проблемы; на второй - на основе матрицы показателей корреляции определяют ^-статистики для параметров регрессии.
Коэффициенты интеркорреляции, т.е. корреляции между объясняющими переменными, позволяют исключать из модели дублирующие факторы. Считается, что две переменные явно коллинеар-ные (находятся между собой в линейной зависимости), если коэффициент интеркорреляции больше или равен 0,7. Если факторы явно коллинеарные, то они дублируют друг друга и один из них рекомендуется исключить из уравнения регрессии. Предпочтение при этом отдается не фактору, более тесно связанному с результатом, а тому, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга.
Отбор факторов, включаемых в регрессию, является одним из важнейших этапов практического использования методов регрессии. Подходы к отбору факторов на основе показателей корреляции могут быть разными. Они приводят построение уравнения множественной регрессии к разным методикам. В зависимости от того, какая методика построения уравнения регрессии принята, меняется алгоритм ее решения на ЭВМ. Наиболее широкое применение получили следующие методы построения уравнения множественной регрессии: метод исключения; метод включения; шаговый регрессионный анализ. Каждый из этих методов по-своему решает проблему отбора факторов, давая в целом близкие результаты - отсев факторов из полного его набора (метод исключения), дополнительное введение факторов (метод включения), исключение ранее введенного фактора (шаговый регрессионный анализ).
Важной разновидностью множественного линейного регрессионного анализа является дискриминантный анализ. Дискриминантный анализ используется, во-первых, для принятия решения о том, какие переменные различают (дискриминируют) две или более возникающие совокупности (группы), во-вторых, для решения задачи классификации. Например, можно из выборки промышленных предприятий выделить совокупности более и менее интенсивно развивающиеся предприятия (эти выборки носят названия обучающими, а сам дискриминантный анализ - классификация «с учителем»). Основная идея дискриминантного анализа заключается в том, чтобы определить, отличаются ли совокупности по среднему какой-либо переменной (или линейной комбинации переменных), и затем использовать эту переменную, чтобы предсказать для новых членов их принадлежность к той или иной группе.
В случае двух групп модель дискриминантного анализа формально идентична модели множественного линейного регрессионного анализа. Отличие в том, что результирующая переменная принимает всего лишь два значения, например, 1 и 2. Такая модель может быть записана в виде уравнения
Группа = Ро + в1х1 + в2Х2 + ■ ■ ■+ Ра + £. (8)
Модель (8) носит название линейной дискриминантной функции Фишера; по ее величине можно определить, к какой совокупности принадлежит конкретное неклассифицированное ранее промышленное предприятие (в рассматриваемом нами случае) и с какой вероятностью.
В регрессионном и дискриминантном анализах к переменным, включаемым в модели, предъявляются довольно жесткие требования - они должны быть, во-первых, количественными, во-вторых, их распределения не должны сильно отличаться от нормального, описываемого законом Гаусса. В этой связи, неотъемлемым этапом построения эконометрической модели является проверка эмпирических распределений включаемых в нее переменных на отклонение от нормального закона. В случае сильного отклонения распределения входной или выходной переменной от нормального необходимо подобрать симметризующее его преобразование. Так, в случае распределения переменных с правосторонней асимметрией, что характерно для многих социально-экономических показателей, часто применяется логарифмическое преобразование.
Перечисленные выше методы многомерного статистического анализа - множественный линейный регрессионный анализ, диск-риминатный анализ, кластерный и факторный анализы - применимы для моделирования и прогнозирования инвестиционной привлекательности промышленного предприятия постольку, поскольку формирование инвестиционной привлекательности есть многомерный процесс, определяемый не одним, а множеством факторов, описываемых комплексом показателей.
В заключение остановимся на важном вопросе реализации методов многомерного статистического анализа, алгоритмы которых достаточно сложны - и множественный линейный регрессионный, и дискриминантный, и факторный анализы оперируют с многомерными матрицами и требуют выполнения разнообразных вычислительных операций с их участием. Алгоритмы кластерного анализа также требуют выполнения достаточно трудоемких вычислений итеративного характера. Сложность вычислительных алгоритмов многомерных статистических методов ранее во многом ограничивала практическое их применение. Появление большого числа программ статистического анализа, распространение персональных ЭВМ делает многомерные статистические методы доступными для широкого круга исследователей.
Для эконометрического моделирования инвестиционной привлекательности промышленного предприятия подходящим инструментарием является базовый модуль этого комплекса, начиная от версии SPSS Base 8.0 for Windows [8]. Базовый модуль SPSS Base имеет необходимую техническую поддержку в России, осуществляемую фирмой СПСС Русь (г. Москва); вместе с пакетом SPSS Base фирма поставляет руководство пользователя и руководство по применению. Последнее содержит примеры применения разнообразных процедур, что, в принципе, позволяет использовать их широкому кругу аналитиков, не являющихся специалистами в области информационных технологий.
Литература:
1. Ансофф И. Стратегическое управление. М.: Экономика, 1989.
2. Электронный ресурс Федеральной службы государственной статистики РФ. Режим доступа: http://www.gks.ru.
3. Зарипов А.А. Развитие промышленных предприятий на основе управления их инвестиционной привлекательностью: монография. М.: Изд-во ООО «Риалтекс», 2010.
4. Ляшко Ф.Е., Приходько В.И., Тютюшкина Г.С. Стратегический менеджмент в авиастроении: Учеб. пособие. Ульяновск: УлГТУ, 2003.
5. Арженовский И.В. Введение в экономику региона. Ч.3. Региональное развитие и региональная политика: Учеб. пособие. Н. Новгород. ВВАГС. 1999.
6. Электронный ресурс Федеральной службы государственной статистики РФ. Режим доступа: http://www.gks.ru.
7. Стратегии бизнеса: аналитический справочник / Под общей редакцией академика РАЕН, д.э.н. Г.Б. Клейнера. Москва, «КОНСЭКО», 1998.
8. SPSS Base 8.0 для Windows. Руководство по применению. Перевод-Copyright 1998 СПСС Русь.
9. Регионы России. Социально-экономические показатели. 2009. Стат. сб. / Росстат. М., 2009.
10. Зарипов А.А., Теленков Р.Н. Анализ динамики рыбного промысла в странах мира: эконометрический подход. Транспортное дело России. - М., 2010, №8.
ПРОГРАММНЫЙ ПОДХОД К ФОРМИРОВАНИЮ И РАЗВИТИЮ МЕЖДУНАРОДНЫХ ТРАНСПОРТНЫХ КОРИДОРОВ
Атанасов М.С., к.э.н., доцент МАДИ Худазаров Э.А., соискатель ГОУДПО ГАСИС
В статье рассмотрен алгоритм формирования международных транспортных коридоров, определены критерии выбора транспортных коммуникаций для включения в состав международных транспортных коридоров, представлена типовая структура программ развития транспортной системы России. Основное внимание уделено развитию подсистем обеспечения международных транспортных коридоров в рамках соглашения государств-участников Содружества независимых государств.
Ключевые слова: международные транспортные коридоры, алгоритм, транспортные коммуникации.
PROGRAMMATIC APPROACH TO THE FORMATION AND DEVELOPMENT OF INTERNATIONAL TRANSPORT CORRIDORS
Atanasov M., Ph.D., associate professor, MADI Hudazarov E., the applicant, GOU DPO GASIS
In the article the algorithm of formation of international transport corridors, establish the criteria for selecting transportation links for inclusion in the international transport corridors, represented a typical program structure of the transport system of Russia. Emphasis is placed on the development of the subsystems provide international transport corridors in the framework of the agreement of the Commonwealth of Independent States.
Keywords: international transport corridors, the algorithm, transport communications.
Рассматривая транспортный коридор как часть национальной или международной транспортной системы, которая обеспечивает значительные международные грузовые и пассажирские перевозки между отдельными географическими районами, включает в себя подвижной состав и стационарные устройства всех видов транспорта, работающих на данном направлении, а так же совокупность технологических, организационно-правовых условий осуществления этих перевозок [1], следует отметить, что практическая работа по их формированию начинается с подготовки и последующего подписания международного соглашения с участием всех государств, по территории которых проходит МТК, и стран, заинтересованных в его использовании. Работа по подготовке подобного международного соглашения осуществляется не только силами министерства транспорта, но и других министерств и ведомств.
На следующем этапе создаются специальные национальные (межведомственные комиссии) и международные органы (координационные комитеты), в задачи которых входит работа по формированию национальных участков МТК и созданию международных условий функционирования коридора. Штаб-квартира координационного комитета должна располагаться в стране, играющей наиболее важную роль в работе по формированию МТК, в странах-учас-тницах создаются региональные офисы.
Считается, что прогнозирование развития МТК должно выполняться главным образом на основе анализа имеющихся и перспективных грузо- и пассажиропотоков, тяготеющих к конкретным направлениям, проходящим по территории России.
В РФ функцию прогнозирования перспектив развития международных транспортных коридоров во многом выполняет НЦКТП Минтранса России, который при прогнозировании развития МТК использует эвристические, аналитические и статистические методы, а так же методы математического моделирования и исследовательского проектирования. Результаты прогнозов, полученные на основе применения математических и статистических моделей, могут быть откорректированы с помощью эвристических процедур, позволяющих учесть дополнительные составляющие при поиске искомых показателей. В случае значительного расхождения
результатов прогнозирования, полученных с использованием различных методов, проводят экспертную оценку [2].
При формировании любого транспортного коридора потенциальные перевозки представляются в виде грузо- и пассажиропотоков, которые предполагается развивать в рамках данного коридора. При этом должны быть указаны категории грузов, плотности гру-зо- и пассажиропотоков, их распределение и т.д.
Большое внимание уделяется планированию организации перевозок укрупненных грузовых единиц по стандартам Евросоюза, Международной морской организации и других организаций, параметры которых отличны от принятых в России, а так же грузов, требующих специальной технологии перевозок.
В целом прогноз перевозок по международным транспортным коридорам разрабатывается как на ближайшие годы, так и на более отдаленную перспективу, определяемую наличием необходимой для него достаточно надежной информации. В качестве источников информации при прогнозе объемов взаимных грузовых перевозок между государствами региона конкретного МТК могут служить отчетные данные о результатах развития экономики государств за прошедшие периоды, особенно изменения в сфере внешней торговли и транспорта, а так же текущие результаты реализации национальных программ развития отдельных отраслей, перспективные прогнозные разработки развития экономики государств.
После окончательного решения о необходимости создания МТК с участием России обозначаются границы национального участка МТК, при этом должны учитываться объемы существующих и перспективных грузопотоков, их конфигурации и состояния транспортной инфраструктуры. В результате проделанной работы формируется заключение об оптимальном маршруте прохождения коридора, на котором наиболее полностью будут использоваться имеющиеся мощности транспортной системы страны. Затем проводится детальная оценка текущей эффективности функционирования и состояния объектов транспортной инфраструктуры в рамках формируемого МТК. Результаты такой оценки в дальнейшем являются основой для планирования и осуществления конкретных мероприятий с целью развития транспортной инфраструктуры, внедрения
