Использование эконометрических методов для анализа и оценки взаимосвязи между приростом ВВП и инновационным потенциалом стран мира/Европы

Таким образом, модель линейной регрессии не применима к исходным данным, представленным в виде панели и для более адекватной оценки взаимосвязи показателей необходимо учитывать пространственную (распределение по странам) и временную (распределение по периодам) структуры.Выполним построение «between»-регрессии. Данная модель представляет собой переписанную в терминах усредненных по времени значений переменных исходную модель. Результаты построения модели представлены на рисунке 12.Рисунок 12 - Модель «between»-регрессииСогласно значению R-sqbetween, равному 0,4937, можно сделать вывод о том, что изменение средних по времени показателей для каждойиз стран Европы оказывает умеренное влияние на переменные. При этом не являются статистически значимыми коэффициенты при переменных Exp, Emp, Unemp.Выполним построение модели с детерминированными эффектами. Результаты представлены на рисунке 13.Рисунок 13 - Модель с детерминированными эффектамиСогласно показателю R-sqwithin, равному 0,2002межиндивидуальные различия проявляются слабо. Кроме того, статистически значимым является только коэффициент при переменнойInf.Рассмотрим результаты оценки модели со случайными эффектами. Результаты отражены на рисунке14.Рисунок 14 – Результаты оценки модели регрессии со случайными эффектамиДля модели, указанной на рисунке 14 оценку качества подгонки выполним на основе показателя статистики Вальда - Wald chi2(2), значение которой демонстрирует хорошее качество модели (Wald chi2(2)=58.04). Возможности использования модели регрессии со случайными эффектамидля отражения взаимосвязи показателей свидетельствует показатель corr(u_i,X)= 0(assumed), отражающий отсутствие корреляции регрессора с ненаблюдаемыми случайными эффектами. В этом случае оценки модели являются состоятельны.В указанной модели статистически значимыми являются все коэффициенты при переменных за исключениемпоказателей приExp и Emp.С учетом результатов построения моделей необходимо исключить незначимые факторы в каждой из модели и повторно выполнить расчеты. Результаты построения модифицированных моделей выявили необходимость исключения из модели between-регрессии факторов Pop и Lab (рисунок 15).Рисунок 15 – Модифицированная модель between-регрессииВ модифицированной модели с детерминированными эффектами сохранился только фактор, отражающий уровень инфляции (рисунок 16). Рисунок 16 – Модифицированная модель с детерминированными эффектамиВ результате модификации модели со случайными эффектами в числе не значимых факторов оказался и показатель импорта, который был исключен из анализа (рисунок 17).Рисунок 17 – Модифицированная модель со случайными эффектамиВ результате модификации моделей получены статистически значимые результаты.Для выбора наиболее адекватной модели выполним их попарное сравнение. Для этого используем следующие тесты:тест Вальдадля сравнения регрессии с детерминированными эффектами с моделью со сквозной регрессией;тест Бройша-Пагана - для сравнения регрессиисо случайными эффектами с моделью со сквозной регрессией;тест Хаусмана - для сравнения регрессиисо случайными эффектами с моделью с детерминированными эффектами.Результат построения модели с детерминированными эффектами содержит результаты проверка гипотезы о равенстве нулю всех индивидуальных эффектов, результаты которой отражены в последней строке модели (рисунок 18).Рисунок 18 – Тест ВальдаАнализ показывает, что . Таким образом, нулевая гипотеза отвергается и модель с детерминированными эффектами наиболее адекватна по сравнению с моделью сквозной регрессии.Выполним тест Бройша-Пагана. Результаты отражены на рисунке 19Рисунок 19 – ТестБройша-ПаганаНулевая гипотеза отвергается (). Модель со случайными эффектами наиболее адекватна модели сквозной регрессии.На основе теста Хаусмана выполним сравнение регрессионной модели со случайными эффектами с регрессионной моделью с фиксированными эффектами. Результаты отражены на рисунке 20.Рисунок 20 – Результаты теста ХаусманаВ виду того, что , то гипотеза принимается и модель со случайными эффектамименее адекватна по сравнению с моделью с детерминированными эффектам.Таким образом, модель «between»-регрессии является наиболее адекватной для отражения влияния цифровизации на темп роста ВВП стран Европы. Адекватность модели обусловлена, в первую очередь, относительно постоянным составом исследуемых стран. Таким образом, окончательный вариант модели имеет вид, представленный на рисунке 21.Рисунок 21 – Модель «between»-регрессииУравнение, отражающее влияние показателей на рост ВВП в странах Европы, имеет вид:Таким образом, по результатам построения модели можно сделать следующие выводы:статистически значимое влияние на показатель темпа роста ВВП в странах Европы оказывают объем прямых иностранных инвестиций, уровень инфляции и объем импортавысокотехнологичных;рост объема прямых иностранных инвестиций на 1 млн. долл. приводит к увеличению прироста ВВП на 0,0000373%, рост инфляции на 1% снижает прирост ВВП на 0,1867%, рост объема импорта на 1 млн. долл снижает прирост ВВП на 0,00000395%.ЗАКЛЮЧЕНИЕВ соответствии с целью и задачами настоящего исследования в работе сформировано теоретическое обоснование эконометрического анализа взаимосвязи исследуемых показателей по странам Европы. На основе проведенного анализа сформирована система индикаторов, характеризующих инновационное развитие стран Европы (из доступных), в числе которых:численность населения, тыс. чел.;импорт высокотехнологичныхтоваров и услуг, млн. долл.;экспорт высокотехнологичныхтоваров и услуг, млн. долл.;уровень занятости, %;уровень безработицы, %;численность рабочей силы, тыс. чел.;инфляция, %;прямые иностранные инвестиции, млн. долл..В качестве результативного показателя в работе рассматривался показатель темпа роста ВВП. Исследование проводилось по выборке 44 стран Европы. Исходные данные для исследования имели панельную структуру.Модель линейной регрессии, построенная на первоначальном этапе, показала низкое качества, что обусловлено структурой исходных данных.В связи с этим в рамках исследования выполнено построение моделей, которые отражают пространственную структуру данных. Оценка качества и попарное сравнение моделей позволили осуществить выбор в пользу «between»-регрессии.Таким образом, по результатам эконометрического моделирования выявленостатистически значимое влияние на показатель темпа роста ВВП в странах Европы показателя объема прямых иностранных инвестиций, уровня инфляции и объема импортавысокотехнологичных товаров и услуг. При этом рост объема прямых иностранных инвестиций на 1 млн. долл. приводит к увеличению прироста ВВП на 0,0000373%, рост инфляции на 1% снижает прирост ВВП на 0,1867%, рост объема импорта высокотехнологичных товаров и услугна 1 млн. долл снижает прирост ВВП на 0,00000395%.СПИСОК ЛИТЕРАТУРЫВасильева Н. Ф. Модели инновационного развития экономики: зарубежный опыт реализации / Н.Ф. Васильева, В.Л. Кавура // Вестник института экономических исследований. – 2016. – № 3. – С.74-82Всемирный банк [Электронный ресурс]. — Режим доступа: https://databank.worldbank.org/source/world-development-indicators#Инновационная деятельность: словарь. – 4-е изд., доп. / под ред. В.И. Суслова. – Новосибирск, 2016. – 224 с.Кадочникова Е. И. К вопросу о методах анализа многомерных данных // Путь науки. -2014. — № 5 (5). — С. 64–66.Курс социально-экономической статистики. Под ред. М.Г.Назарова. М: Финстатинформ, 2014.Литвиненко И. Л. Концептуальные основы формирования государственной инновационной политики и развития национальных инновационных систем / И. Л. Литвиненко // Инновационное развитие экономики. – 2016. – № 4(34). – С. 59-72.Макроэкономическая статистика: Учебное пособие/ В.Н. Салин В.Г. Медведев С.И. Кудряшова Е.П. Шпаковская – М.: Дело 2015.Мхитарян В. С.,Архипова М. Ю.,Балаш В. А., Балаш О. С.,Дуброва Т. А., Сиротин В. П. Эконометрика/ Под общ.ред.:В. С. Мхитарян. М.: Проспект, 2014.Саламатина С. Ю. Анализ европейского опыта инновационного развития национальной экономики / С. Ю. Саламатина // Таврический научный обозреватель –2017 г. – № 3 (20). – С. 26.Таранов П. М. Научно-методические аспекты экономического обоснования инновационного потенциала / П. М. Таранов // Экономика и предпринимательство. – 2016. – №10-2 (75-2). – С. 510-514.Управление инновационными проектами: учеб.пособие / под ред. В.Л. Попова. – М.: Инфра-М, 2015. – 336 с.