Содержание к диссертации
Введение
Глава 1. Анализ проблем прогнозирования региональной макроэкономики 9
1.1. Основные аспекты макроэкономических процессов в регионе 9
1.1.1. Социально-экономическое развитие региона 10
1.1.2. Макроэкономическое моделирование 11
1.2. Система макроэкономических показателей развития региона 16
1.2.1. Система национальных счетов 18
1.2.2. Динамика макроэкономических показателей 24
1.3. Особенности макроэкономического подхода в задачах сценарного прогнозирования регионального развития 25
Выводы по Главе 1 30
Глава 2. Разработка регрессионно-когнитивных моделей прогнозирования макроэкономических тенденций 32
2.1. Анализ математических и эконометрических методов прогнозирования и планирования макроэкономических показателей 32
2.2. Когнитивные орграфы как основа построения макроэкономических моделей 35
2.3. Методы регрессионного анализа в задачах прогнозирования 37
2.4. Разработка моделей прогнозирования тенденций региональных макроэкономических показателей 47
2.4.1. Модели счета производства 48
2.4.2. Модели счета использования доходов 58
Выводы по Главе 2 61
Глава 3. Формирование совокупности моделей сценарного прогнозирования отраслевой структуры макроэкономических показателей 63
3.1. Комплексный анализ исходных данных 63
3.1.1. Счет производства по видам экономической деятельности 63
3.1.2. Счет производства по отраслям 67
3.1.3. Счет образования доходов по видам экономической деятельности. 69
3.1.4. Счет образования доходов по отраслям 71
3.1.5. Счет использования доходов 72
3.2. Методология математического программирования как инструмент прогнозирования 77
3.3. Поиск решения в задачах прогнозирования экономики региона 85
3.3.1. Прогнозирование структуры ВРП по отраслям 86
3.3.2. Прогнозирование структуры ВРП по видам экономической деятельности 90
Выводы по Главе 3 95
Глава 4. Моделирование динамики макроэкономических показателей регионального развития Самарской области 97
4.1. Оценка уровня социально-экономического развития региона 97
4.2. Сценарии среднесрочного развития региона 100
4.2.1. Модели региональных счетов по отраслям 103
4.2.2. Модели региональных счетов по видам экономической деятельности 104
4.3. Результаты расчетов по сценариям 105
Выводы по Главе 4 124
Заключение 126
Литература 129
- Особенности макроэкономического подхода в задачах сценарного прогнозирования регионального развития
- Разработка моделей прогнозирования тенденций региональных макроэкономических показателей
- Методология математического программирования как инструмент прогнозирования
- Сценарии среднесрочного развития региона
Введение к работе
Актуальность темы исследования
Внедрение Общероссийского классификатора видов экономической деятельности (ОКВЭД) на региональном уровне позволило сформировать систему макроэкономических показателей, сопоставимую с зарубежными аналогами и адекватно отражающую реалии рыночных отношений. При этом переход к новому классификатору обусловил ряд проблем в моделировании региональной макроэкономики. Основной из этих проблем является ограниченность исходных данных в структуре ОКВЭД. Малый объем ретроспективной информации не позволяет применять классические методы прогнозирования временных рядов, так как в новых условиях они обладают невысокой точностью и достоверностью прогноза. Таким образом, возникает потребность в разработке новых методов прогнозирования, способных улучшить качество прогнозов и достоверно определить количественную оценку текущей структуры макроэкономических показателей.
В современной литературе проблемам прогнозирования
макроэкономических показателей уделяется значительное внимание. В отечественной литературе проблемы макроэкономического моделирования рассматривались в трудах А. Гранберга, Л. Канторовича, В. Макарова, Ю. Яременко. Прикладные аспекты прогнозирования представлены в работах Д. Андрианова, А. Белоусова, Е. Гавриленкова, Е. Гурвича, О. Замкова и др. Вопросам сценарного когнитивного прогнозирования развития региональной макроэкономики посвящены работы А. Кулинича, М. Узякова. Среди зарубежных работ по прикладным вопросам прогнозирования в экономике представлены исследования Дж. Бокса и Г. Дженкинса, Ф. Робертса, X. Таха, Дж. Ханка и др. В приведенных работах рассматриваются вопросы макроэкономического прогнозирования, в том числе и на региональном уровне, при этом вводятся требования на достаточность объема исходных данных. В частности, в работах Дж. Стока и М. Ватсона приводятся ограничения,
5
определяющие достоверность расчетных моделей для малых выборок. Вместе с
тем в отмеченных работах не рассматриваются вопросы прогнозирования
макроэкономических показателей региона в условиях использования нового
классификатора, не учитываются возможные направления приоритетного
развития (сценарные планы) и не анализируются «скрытые» связи между
макроэкономическими показателями и другими факторами (социальными,
производственными и т.п.), которые могут оказать значительное влияние на
прогноз развития экономической деятельности. Основной проблемой при этом
является разработка моделей сценарного прогнозирования
макроэкономических показателей региона в условиях малой выборки с учетом когнитивных взаимовлияний факторов.
Все вышесказанное обуславливает актуальность выбранной темы.
Цель работы и задачи исследования
Целью диссертационной работы является повышение эффективности принятия решений органами регионального управления за счет разработки и внедрения экономико-математических моделей и инструментальных средств прогнозирования макроэкономических показателей.
В соответствии с целью исследования были определены следующие задачи:
осуществить анализ и оценку существующих методов прогнозирования макроэкономических показателей на региональном уровне;
разработка когнитивной карты, устанавливающей взаимосвязи показателей в отраслевой структуре валового регионального продукта;
разработка алгоритма прогнозирования макроэкономических тенденций в условиях малой выборки;
сформулировать задачи и сформировать совокупность моделей сценарного прогнозирования отраслевой структуры макроэкономических показателей в условиях использования
классификатора ОКВЭД при малых выборках статистического материала;
разработка программно-инструментальной среды для решения задач сценарного прогнозирования;
апробировать полученные результаты на практических примерах решения задач прогнозирования динамики региональных макроэкономических показателей.
Объект исследования: процессы прогнозирования показателей развития региональной макроэкономики.
Предмет исследования: модели, алгоритмы и инструменты прогнозирования макроэкономических показателей в условиях малой выборки.
Область исследования
1.8.-Математическое моделирование экономической конъюнктуры, деловой активности, определение трендов, циклов и тенденций развития.
2.1.-Развитие теории, методологии и практики компьютерного эксперимента в социально-экономических исследованиях и задачах управления.
Основные методы исследования.
Разработка алгоритмов, методов и средств макроэкономического
прогнозирования базируется на использовании следующих классов
математических моделей: регрессионно-когнитивные графы;
авторегрессионные модели; модели множественной регрессии; методы сценарного моделирования, основанные на математическом программировании с использованием среды электронных таблиц для экономических расчетов.
Научная новизна заключается в следующем:
Разработаны регрессионно-когнитивные модели, которые позволяют
установить взаимозависимости между показателями
макроэкономической деятельности региона.
Предложен алгоритм, обеспечивающий повышение эффективности решения задач прогнозирования в условиях малой выборки.
Сформирована совокупность моделей, реализованная в виде программно-инструментальной среды, позволяющей осуществлять сценарное прогнозирование отраслевой структуры макроэкономических показателей для повышения эффективности принятия решений органами регионального управления при ограниченной ретроспективной информации.
Практическая значимость результатов исследования
Разработанные модели, методы и алгоритмы позволяют решать
практические задачи прогнозирования структуры макроэкономических показателей в заданной классификации при ограниченной ретроспективной выборке.
Положения диссертации приняты к внедрению в Министерстве экономического развития, инвестиций и торговли Самарской области. Основные положения и результаты работы нашли применение при выполнении научно-исследовательских работ Института проблем управления сложными системами РАН и используются в учебном процессе ГОУ ВПО «Самарский государственный областной университет (Наяновой)» при преподавании дисциплины «Интеллектуальные системы».
Новизна программных разработок подтверждена свидетельством Федеральной службы по интеллектуальной собственности, патентам и товарным знакам о государственной регистрации программы для ЭВМ № 2009611746 «ЕПрогноз» от 01.04.2009.
Апробация результатов исследования.
Результаты исследования докладывались и обсуждались на конференциях и семинарах:
Маркетинговые и социологические исследования: технология использования компьютерных программных средств: Международная научно-практическая конференция, г. Пенза, 2006.
Проблемы управления экономикой в трансформируемом обществе: III Всероссийская научно-практическая конференция, г. Пенза, 2006.
Наука. Творчество: III Международная научная конференция, г. Самара, 2007.
Проблемы управления и моделирования в сложных системах:
IX международная конференция, г. Самара, 2007.
Наука. Творчество: IV Международная научная конференция, г. Самара, 2008.
Проблемы управления и моделирования в сложных системах:
X международная конференция, г. Самара, 2008.
28th International Symposium on Forecasting (ISF2008): Nice, France, 2008.
29th International Symposium on Forecasting (ISF2009): Hong Kong, 2009.
Публикации
Основные положения диссертационной работы опубликованы в 10 научных работах (из них 2 - в изданиях, рекомендованных ВАК России) общим объемом 3 п.л.
Объем и структура работы
Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы и приложений. Объем диссертации - 174 страницы машинописного текста. В работе содержится 36 рисунков, 21 таблица. Библиографический список содержит ПО наименований литературных источников, в том числе 104 отечественных, 6 зарубежных.
Особенности макроэкономического подхода в задачах сценарного прогнозирования регионального развития
В связи с формированием новой многоукладной экономики, становлением рыночных отношений, радикальной сменой всей системы управления актуализируется задача разработки нового механизма управления социально-экономическим развитием региона. Возникает необходимость совершенствования управленческого инструментария регионального развития с учетом современных подходов и технологий управления региональным развитием, основанных на знаниях, последних достижениях экономики и мировом опыте. Прямое и непосредственное управление на разных уровнях реализуется преимущественным образом в форме планирования социально-экономического развития и программирования (под последним понимается разработка и осуществление крупных экономических и социальных программ и проектов) [98].
Важным этапом разработки программы регионального развития является прогнозирование на основе имеющихся тенденций. Точность прогноза, который может быть сделан по построенной модели, во многом определяется объемом исходных данных - значений базовых факторов.
Особенностью математического моделирования макроэкономических показателей является небольшое количество исходных данных, т.к. основная часть таких показателей рассчитывается с интервалом в один год и более. При этом большинство известных моделей являются хронологическими и не учитывают взаимосвязи между факторами [1, 36, 37].
Регион представляет собой открытую экономическую систему. Поэтому четко определить границы производства в полной мере оценить размеры добавленной стоимости, создаваемой на данной территории довольно сложно. На современном этапе институциональная структура экономики, претерпела существенные изменения, широкое распространение получило создание корпораций, функционирующих на основе интегрально-вертикальных и горизонтальных схем. Принципы и порядок ведения бухгалтерского учета не позволяют оценить выпуск и затраты на производство производственных единиц, входящих в такие корпорации. Поэтому оценка добавленной стоимости по таким подразделениям носит относительно условный характер. В результате этого в регионах, где располагаются головные компании, добавленная стоимость несколько завышается и, напротив, по регионам, где располагаются подразделения этих компаний, добавленная стоимость занижается.
Отдельные виды экономических операций учитываются только по стране в целом и включаются в оценки ВВП России. При расчете ВРП не учитывается добавленная стоимость, создаваемая в результате мультирегиональной деятельности. В основном это касается деятельности в области обороны страны, услуг государственного управления и некоторых других услуг, оказываемых обществу в целом за счет средств федерального бюджета. Не учитывается деятельность финансовых посредников, особенно банков, которая редко ограничивается рамками отдельных регионов.
Важнейшим показателем, характеризующим конечное использование товаров и услуг на территории региона, является показатель "Фактическое конечное потребление домашних хозяйств на территории региона". Домашние хозяйства потребляют товары и услуги за счет собственных доходов, а также нерыночные индивидуальные услуги здравоохранения, образования, культуры и др. за счет средств государства и некоммерческих организаций, передаваемые домашним хозяйствам в виде социальных трансфертов в натуральной форме. В силу значительных межрегиональных потоков трудовых ресурсов и населения показатели потребления домашних хозяйств рассчитываются исходя из географических границ территории региона. При расчете этого показателя соблюсти принцип резидентства домашних хозяйств не представляется возможным. Поэтому показатель "фактическое конечное потребление домашних хозяйств" отражает совокупное потребление потребительских товаров и услуг на территории региона.
Валовое накопление основного капитала - вложение средств в объекты основного капитала производственных единиц, расположенных в данном регионе.
В целях отражения стоимостной структуры ВРП с точки зрения образования доходов приводятся данные об оплате труда, валовой прибыли (валовом смешанном доходе) и чистых налогах на производство. Счет образования доходов тесно связан со счетом производства и образует вместе с ним единую систему, поэтому особенности оценок ВРП методом производства сохраняются и для первичных доходов, как компонентов счета образования доходов.
Региональные расчеты оплаты труда наемных работников не предполагают оценок оплаты труда, ненаблюдаемой прямыми статистическими методами. Определение объемов этого показателя на федеральном уровне осуществляется на основе анализа всех счетов сектора "Домашние хозяйства", включая финансовый, который на региональном уровне построить невозможно. Поэтому результирующий показатель: "Валовая прибыль экономики и валовые смешанные доходы" содержит досчеты на ненаблюдаемые доходы домашних хозяйств, включая досчеты на оплату труда [76].
Несмотря на ряд преимуществ классификатора ОКВЭД, при работе с данными в формате нового классификатора возникает ряд существенных проблем [57]. В частности, отсутствуют ретроспективные данные по основным показателям социально-экономического развития региона. Показатели социально-экономического развития 2005 года анализировались и сопоставлялись с аналогичными показателями 2004 года, которые в оперативном режиме представлялись хозяйствующими субъектами при заполнении форм статистического обследования. Таким образом, используемая база 2004 года являлась промежуточной и не была сбалансирована с другими показателями. В этих условиях субъекты России разрабатывали региональные прогнозы социально-экономического развития на 2006 год и на период до 2008 года. Впервые результаты расчетов ВРП (за 2004 и 2005 годы), разработанных на основе информационной базы в структуре ОКВЭД, были опубликованы в 2007 г. Оценка ВРП за 1999-2003 гг. осуществлялась на информационной базе, разработанной в классификации ОКОНХ [63].
Разработка моделей прогнозирования тенденций региональных макроэкономических показателей
Величина tj определяет статистическую значимость /-го коэффициента, т.е. показывает насколько полезен данный коэффициент для описания зависимой переменной. При достаточно большом абсолютном значении / (превышающем критическое значение t-распределения [20, 88]), коэффициент наклона используется в уравнении регрессии [48].
По критерию Стьюдента U 4Р = t (а, п - к), где tKp - табличный коэффициент Стьюдента с параметром а [51].
В практических приложениях точный вид зависимости между Y и X чаще всего не известен, и поэтому все сведения, необходимые для построения модели, получают в результате обработки статистических данных [27]. С другой стороны, в некоторых приложениях теории регрессии, например в экономике, имеются теоретические основания предполагать, что рассматриваемые величины удовлетворяют некоторым линейным (или приближенно линейным) соотношениям [42].
Для нахождения оптимальной модели, используют многошаговый регрессионный анализ [89]. На первом шаге строится модель с максимально возможным количеством независимых переменных. Для нее проводятся все оценки. Модель считается точной, если все коэффициенты значимы по t-критерию и модель адекватна по F-критерию. В противном случае -исключается наименее значимая переменная, которая не удовлетворяет t-критерию, и строится новая модель.
Таким образом, за конечное число шагов (т.к. количество переменных ограничено) формируется модель, которая позволяет предсказывать значения зависимой переменной с допустимой точностью [106].
В некоторых случаях, один или более столбцов матрицы независимых переменных X не имеет дополнительного предикативного значения в других столбцах X. Другими словами, удаление одного или более столбцов X может привести к значениям Y, вычисленным с одинаковой точностью. В этом случае избыточные столбцы X будут исключены из модели регрессии. Этот феномен называется «коллинеарностью», поскольку избыточные столбцы X могут быть представлены в виде суммы нескольких неизбыточных столбцов. В процессе построения модели данные проверяются на коллинеарность, и из модели регрессии удаляются все избыточные столбцы X. Удаленные столбцы X определяются в выходных данных по коэффициенту равному 0 и по значению стандартной ошибки, равному 0. Удаление одного или более столбцов как избыточных изменяет число степеней свободы df, так эта величина зависит от количества столбцов X, в действительности используемых для предиктивных целей. При изменении вследствие удаления избыточных столбцов значения sey и F также изменяются. Коллинеарность используется в случаях, когда некоторые столбцы X содержат 0 или 1 в качестве индикатора того, входит ли предмет эксперимента в отдельную группу или нет. Вычисление d/для случаев, когда столбцы X не удаляются из модели вследствие коллинеарности происходит следующим образом: если существует к столбцов известных значений х (при условии, что уравнение регрессии со свободным членом), то df = п — к - 1, в противном случае df= п-к.В обоих случаях удаление столбцов X вследствие коллинеарности увеличивает значение df на 1 [48].
Таким образом, в разделе рассмотрены методологические аспекты выявления скрытых взаимосвязей между показателями на основе использования регрессионного анализа. Проведенный анализ позволяет сделать вывод: использование аппарата множественной регрессии и авторегрессии на основе сформулированных критериев позволяет проводить оценку значимости разрабатываемых моделей и оценивать силу влияния между исследуемыми показателями, исключая при этом не значимые.
Анализ структуры и диапазонов исходных данных позволяет исследовать зависимость ВРП от многих факторов и выявить среди них те, которые больше всего влияют на развитие экономики региона. При этом сформировать единый многоаспектный граф развития экономики хозяйствующего субъекта весьма сложно по причинам неоднозначной интерпретации взаимосвязей показателей. Поэтому в качестве основной модели орграфа выберем наиболее целостные аспекты, которые наиболее просто формализуются в концепции регрессионно-когнитивного орграфа [41] - счет производства и счет использования доходов. Решающим фактором в выборе данных моделей является наличие достаточного количества исходных данных. Структура ОКВЭД на сегодняшний день не обладает достаточным потенциалом, поэтому модели данного этапа представлены в структуре ОКОНХ.
Исходными данными для прогноза ВРП является динамика развития семи макропоказателей регионального уровня (Таблица 2.1). Показатели рассматриваются как суммарно, так и с разделением по отраслям. Согласно производственному методу расчета ВРП в методологии ОКОНХ [58], стоимостные величины избранных показателей связаны в каждый момент элементарными зависимостями:
На основе данных основные зависимости, строится модель, отражающая взаимосвязи между факторами. В качестве такой модели формируется когнитивная карта ситуации [97]. Все закономерности наблюдаемой ситуации представлены в виде ориентированного знакового графа (Рис. 2.2), в котором вершины графа - это факторы, а дуги - аддитивные отношения с коэффициентами (+1) и (-1).
Методология математического программирования как инструмент прогнозирования
Процессы принятия управленческих решений относятся к категории интеллектуальных процессов, непременным участником которых является носитель естественного интеллекта — человек. С другой стороны информатика поиска управленческих решений связана с использованием новых информационных технологий и компьютерных моделей в процессе принятия решений: анализа большого количества вариантов решения и выбора наилучшего в том или ином смысле.
Ключевую роль в решении таких задач имеют целевые факторы планирования. Такие факторы определяют функционирование региональной экономики в целом. Кроме того, большое значение в определении сценариев динамического процесса развития региона играет система ограничений (отношений) в среде взаимовлияющих переменных и целевых показателей. Данный подход рассматривается как основа прогнозирования любого процесса экономического развития, при этом с вычислительной точки зрения он абсолютно адекватен концепциям математического программирования -основного направления решения целевых задач в условиях множественных ограничений [28, 35, 37].
В сфере информационных технологий хорошо известен класс систем поддержки принятия решений (DSS - Decision Support System). Системы этого класса основаны на использовании так называемых решателей задач (PS -Problem Solvers): пакетов программ, способных решить прикладную задачу. Процесс принятия решений преследует определенные цели, например, распределить финансовые вложения наиболее эффективным образом. В общем случае целей может быть несколько, и они могут иметь определенные противоречия - дисбаланс целей.
С формальной точки зрения любая целенаправленная деятельность должна характеризоваться показателями ее эффективности - критериями или целевыми функциями, которые связывают эти показатели с ситуацией, наблюдаемой на предприятиях или в организациях, занимающихся соответствующей деятельностью. Процесс деятельности на практике всегда реализуется в условиях определенных ресурсных ограничений, определяющих «рамки», в которых должна быть достигнута цель. Последовательность принимаемых управленческих решений, которые должны привести из наблюдаемой ситуации к желаемой, которая характеризуется требуемыми значениями показателей эффективности, определяют тактику и стратегию управления [40, 44].
Одним из основных научных направлений, определяющих методологию, а также концептуальные и реализационные основы соответствующей информационной технологии поддержки принятия управленческих решений является математическое программирование.
Любая система поддержки принятия решений связана с моделированием варианта принимаемого решения, тактики или стратегии управления. При этом модель должна рассматриваться как инструмент прогноза и предсказания ситуаций, которые могут возникнуть при принятии соответствующего решения. При получении такого прогноза лицо, принимающее решения (ЛПР) может пересмотреть выбранный вариант управления, смоделировать следствия другого решения и т.д. Подобная итерационная технология, известная как технология «что если» (what if), свойственна всем системам класса DSS.
Решение любой задачи поиска с помощью DSS-технологий требует формального описания проблемной ситуации. Такое описание выполняется с использованием формальных понятий, составляющих основу информационной технологии. Например, в электронных таблицах (ЭТ) такими понятиями являются: клеточная формула, изменяемая ячейка, граф зависимостей и т.п. Описание проблемной ситуации с использованием этих и им подобных понятий — нетривиальная задача. В этом заключается проблема априорной неопределенности.
Другая проблема поиска решения - проблема размерности - связана с тем, что количество управляемых факторов, определяющих организацию исследуемой системы, в общем случае может оказаться весьма большим. При этом алгоритм поиска, работающий с формально определенной моделью, оказывается не способным найти приемлемый вариант решения за ограниченное время. Причем понятие «весьма большое» довольно условно и определяется вычислительной сложностью задачи. Каждая переменная для ЛПР определяет своеобразную степень свободы - возможность планировать изменение соответствующего фактора в ту или иную «сторону».
Общее число таких степеней свободы регламентируется дополнительными ограничениями на пространство поиска. При большом количестве ограничений проблема выбора может превратиться в проблему существования единственного,, варианта, удовлетворяющего всем действующим ограничениям. Если же таких вариантов несколько, проблема приобретает оптимизационный характер - необходимо найти наилучший (оптимальный) вариант решения. Для решения такой задачи задается функция цели, реализующая критерий эффективности принимаемого решения. Значения этой функции фактически ранжируют варианты решений по их значимости.
В целом по мере усложнения проблем поиска управленческих решений, роль DSS-технологий заметно возрастает и по всей вероятности эта тенденция имеет устойчивый характер. Усложнение задачи связано с увеличением ее размерности (количества изменяемых ячеек) и числа ограничений. В таких случаях результаты поиска невозможно получить без программ поиска решений (решателей оптимизационных задач), поскольку возможности человека в задачах перебора вариантов развития деятельности резко ограничены числом таких вариантов.
Использование электронных таблиц широко распространено для решения экономических задач. Вместе с тем форма электронной таблицы оказывается очень удобной при решении многих аналитических задач управления деятельностью и, в частности, задач исследования операций и поиска оптимальных решений. Для решения таких задач в рамках наиболее распространенной системы электронных таблиц Excel используется пакет программ поиска решения (Solver). Этот пакет основан на использовании алгоритмов и методов математического программирования [40].
Технология поиска решений основана на методах анализа "что-если". Процедура поиска решения позволяет найти оптимальное значение формулы содержащейся в ячейке, которая называется целевой. Эта процедура работает с группой ячеек, прямо или косвенно связанных с формулой в целевой ячейке. Чтобы получить по формуле, содержащейся в целевой ячейке, заданный результат, процедура изменяет значения во влияющих ячейках. Чтобы сузить множество значений, используемых в модели, применяются ограничения. Эти ограничения могут ссылаться на другие влияющие ячейки. Процедура поиска решения используется для определения значения влияющей ячейки, которое соответствует экстремуму зависимой ячейки [66].
Сценарии среднесрочного развития региона
Сценарные условия являются исходным документом для разработки прогноза социально-экономического развития области на 2010-2012 годы, проекта областного бюджета на 2010-2012 годы и определяют ключевые направления деятельности Правительства области на ближайшие три года.
Итоги социально-экономического развития Самарской области за 2006 год оцениваются как позитивные. Большинство макроэкономических индикаторов, характеризующих социально-экономическую ситуацию в регионе, и особенно производственно-инвестиционных показателей, значительно улучшили свою динамику. Замедляются темпы инфляции. Динамично развивается малое предпринимательство. Стабильно увеличивается экспорт товаров и услуг. Растет уровень и качество жизни населения области.
Прирост ВРП в 2006 году составил по оценке 5,8%, что превышает достигнутые за 2001-2005 годы среднегодовые темпы прироста. Это обеспечено внутренними факторами - инвестиционным и потребительским видами спроса. Потребительский спрос увеличивался более низкими темпами в сравнении с инвестиционным (15,5%), но все же достаточно высокими темпами - 9,9% [87].
Сценарные условия разработаны на вариантной основе. Отличия по вариантам состоят в различной динамике конкурентоспособности реального сектора экономики, интенсивности реализации мер, принимаемых региональными органами власти по ускорению экономического роста, повышению инвестиционной активности.
Первый вариант (инерционный) предполагает сохранение тенденций и основных макропропорций, сложившихся в экономике области за предшествующий период, а также недостаточного уровня конкурентоспособности производимой продукции. По данному варианту темпы прироста ВРП в 2008-2010 годах сохранятся на уровне среднегодовых темпов за 2000-2005 годы - 5,0-5,4% в год.
Второй вариант (умеренно оптимистичный) ориентируется на повышении конкурентоспособности и инвестиционной привлекательности области, активизации усилий в сфере инновационного развития и диверсификации экономики области, успешной реализации комплекса мер по ускорению экономического роста. В этом варианте темпы прироста ВРП в 2008-2010 годах повышаются до 6,4-6,7%. Второй вариант сценарных условий рассматривается как основной для составления областного бюджета на 2008-2010 годы. При определении вариантов развития в основу положены следующие исходные условия (гипотезы), одобренные Правительством РФ. В предстоящий период прогнозируются следующие темпы развития российской экономики (1-2 вариант): в 2007 году - 105,8-106,2% к предыдущему году, в 2008 году - 105,5-105,9%, в 2009 году - 105,3-105,9%, в 2010 году-105,2-106,1%. После некоторого снижения темпов роста мировой экономики в 2007 году до 4,7% прогнозируется их восстановление в 2008 году до 4,9% и их замедление в 2010 году до 4,8%. Несмотря на относительно неплохие в статистическом смысле результаты 2008 года, главным его итогом явилось то, что экономика России погрузилась в полномасштабный экономический кризис. При анализе кризиса и, тем более, при попытке прогнозировать его последствия, важно понимать и отслеживать то, как он развертывается. В условиях дефицита денежных средств и недоступности кредитных ресурсов возникла необходимость тотальной экономии. При этом практически на всех производствах во всех отраслях имелась и имеется возможность значительной экономии материальных и финансовых ресурсов. Начало кризиса означало, фактически, и начало работы всей экономики по ликвидации неэффективных и нерациональных направлений деятельности, оптимизации расходов, снижению издержек производства. На данном этапе главный вопрос состоит в том, когда результаты проявятся в виде позитивной динамики экономического роста. Следует заметить, что естественная деятельность экономики по снижению всякого рода издержек может иметь совершенно неоднозначный результат с точки зрения экономической динамики [71]. В связи с этим, в рамках прогноза по ОКВЭД был разработан третий вариант, согласно которому приняты во внимание негативные тенденции динамики показателей в 2009 г. [91]. Согласно расчетам проведенным во второй главе варианты развития макроэкономических показателей определяются границами доверительных интервалов. Таким образом для счета производства по ОКОНХ целевое значение ВРП принимает в 2006 году значения по вариантам: Ограничения накладываются на показатели ДППуд, Іф.о._вдс, Ідеф.вдс. Результаты моделирования счета производства в структуре ОКОНХ в среднесрочной перспективе для I и II вариантов представлены в Приложении 3 (Табл. 3.1,3.2). Счет образования доходов является формальным продолжением счета производства. Таким образом, значения ВРП уже заданы, поэтому в качестве целевой функции для максимизации в 2006 г. выбрана сумма: (ВПЭ+ОТ). Показатели ограничений: АОт_уд, АНП_уд, АСП_уд, АЧНПр_др_уд.
