Московский экономический журнал 1/2019

УДК 338.001.36

DOI 10.24411/2413-046Х-2019-11004 

ОСОБЕННОСТИ ПРИМЕНЕНИЯ СТОХАСТИЧЕСКИХ МОДЕЛЕЙ В ОЦЕНКЕ И ПРОГНОЗАХ УРОВНЯ КОНКУРЕНТОСПОСОБНОСТИ ТРАНСПОРТНО – ЛОГИСТИЧЕСКОЙ СИСТЕМЫ ОБСЛУЖИВАНИЯ ГРУЗОПОТОКОВ НА ПРИМЕРЕ ЮГА ТЮМЕНСКОЙ ОБЛАСТИ

FEATURES OF APPLICATION OF STOCHASTIC MODELS IN ASSESSMENT AND FORECASTS OF LEVEL OF COMPETITIVENESS IT IS TRANSPORT – THE LOGISTICS SYSTEM OF SERVICE OF FREGHT TRAFFICS ON THE EXAMPLE OF THE SOUTH OF THE TYUMEN REGION

Филимонова Лариса Акрамовна, кандидат экономических наук, доцент, доцент кафедры экономики в строительстве, Тюменский индустриальный университет, г. Тюмень

Буткова Дарина Андреевна, аспирант, ассистент кафедры экономики в строительстве, Тюменский индустриальный университет, г. Тюмень

Носырева Анастасия Валерьевна, магистр, Тюменский государственный университет, г. Тюмень

Filimonova L.A.  lorafil@ya.ru

Butkova D.A. darinabutkova@mail.ru

Nosyreva A.V. nosyreva.a@mail.ru

Аннотация: Статья посвящена изучению особенностей применения формализованного аппарата в моделировании перспектив развития  транспортно – логистической системы обслуживания грузопотоков на примере юга Тюменской области. Авторами продемонстрированы итерации на уровне сценариев развития  транспортно – логистической системы обслуживания грузопотоков с применением стохастического метода оценки. Исследование  причинно – следственных связей между социально – экономическими и производственными характеристиками развития региона по всем секторам экономики позволило сформировать ключевые позиции конкурентоспособности транспортно – логистической системы региона по видам транспорта. Сформированная сбалансированная система показателей – критериев  оценки характеризует деловую активность соответствующего вида транспортной сети в транспортно – логистической системе региона применительно к особенностям развития юга Тюменской области.

Summary: Article is devoted to studying of features of use of the formalized device in modeling of prospects of development transport – a logistics system of service of freght traffics on the example of the South of the Tyumen region. Authors showed iterations at the level of scenarios of development transport – a logistics system of service of freght traffics with application of a stochastic method of assessment. The research of cause and effect communications between social and economic and production characteristics of development of the region by all sectors of economy allowed to create key positions of competitiveness transport – a logistics system of the region on means of transport. The created balanced system of indicators – evaluation criteria characterizes business activity of transport network of a relevant type in transport – a logistics system of the region in relation to features of development of the South of the Tyumen region.

Ключевые слова: конкурентоспособность, транспортная инфраструктура, транспортно – логистическая система, нормализация, моделирование, итерации.

Keywords: competitiveness, transport infrastructure, it is transport – a logistics system, normalization, modeling, iterations.

Тюменская область расположена в центре РФ между Европейской и азиатской частью и входит в состав Западно – Сибирского экономического района и Уральского Федерального округа. Тюменская область несет в себе черты, свойственные промышленным регионам Урала и Западной Сибири. При этом северная часть области относится к малоосвоенным регионам ресурсного типа, а южная – обладает хорошо развитой производственной и транспортной инфраструктурой [3].

Если систематизировать конкурентоспособные возможности развития Тюменской области, то сильными позициями региона является географическое положение города с проходящими по его территории транспортными магистралями железной дороги, федеральных автомобильных дорог, наличием международного аэропорта, имеющего статус федерального. Стабильно высокий прирост населения, следовательно, увеличение потребности в автомобильных дорогах, а также наличие платежеспособного спроса на транспортно – логистические услуги и привлекательность отрасли для работников.

Слабыми позициями являются: дефицит свободных от прав третьих лиц земель в границах города; недостаточная связность территории; отсутствие логистических центров, низкая доля складских площадей высокого класса; высокие затраты на автомобильный транспорт по сравнению с другими видами транспорта; нерациональная структура автопарка; недостаточная инвестиционная активность; значительная степень износа основных фондов транспорта; отсутствие планирования размещения объектов транспортной инфраструктуры при застройке новых районов [2].

На экономическое развитие юга Тюменской области большое влияние оказывает близость к нефтегазовым территориям автономных округов с        высокой потребностью в привозных ресурсах для производственной деятельности и жизнеобеспечения населения, а также, то обстоятельство, что по территории региона проходят несколько важнейших для страны транспортных коридоров.

Главная задача транспортной инфраструктуры области состоит в   сохранении достигнутых уровней конкурентоспособности и в дальнейшем развитии всех видов транспорта, их взаимодополняемости при выборе наиболее эффективных вариантов транспортировки грузов и обслуживания пассажиров. Создание современной и эффективной транспортной инфраструктуры позволит обеспечить территориальную целостность Тюменской области, ее конкурентоспособность и инвестиционную привлекательность в глазах потенциальных инвесторов, объединение районов в единое экономическое пространство, ускорить развитие мультимодальных перевозок, увеличить транзитный потенциал региона. При этом важнейшее значение имеет модернизация и расширение существующих транспортно – инженерных коридоров и коммуникаций [2].

В таблицу 1 сведены результаты многомерных итераций на уровне сведений, отражающих социально-экономическое развития региона за период 2000-2017 гг. По сформированной оценочной системе критериев  по каждому виду транспорта стохастическим методом экстраполяции даны прогнозы.

Остановимся подробнее на методической составляющей проведенной авторами аналитической работы. В рамках исследования перспектив развития области была сформирована матрица из 340  показателей, представляющая факторы внешней и внутренней среды функционирования транспортно – логистической системы региона за 10 летний период наблюдения [4; 5]. Показатели проверены на устойчивость, волатильность и автокоррелированность, в соответствии с чем, на основе многоуровневой фильтрации была актуализирована матрица показателей критериев по каждому виду транспорта: железнодорожный, автомобильный, трубопроводный, авиационный, речной. Так было отобрано 8 показателей по железнодорожному, автомобильному и трубопроводному транспорту, 6 показателя по авиационному транспорту, 4 показателя по речному транспорту.

Отбор осуществлялся на основе матрицы линейных коэффициентов корреляции. Для выявления структуры ряда была построена автокорреляционная функция. Автокорреляция уровней ряда – корреляционная связь между последовательными уровнями одного и того же ряда динамики (сдвинутыми на определенный промежуток времени L – лаг). Рассчитав несколько коэффициентов автокорреляции, можно определить лаг (I), при котором автокорреляция (r_t,t-L) наиболее высокая, выявив тем самым структуру временного ряда. Для выявления автокорреляции во временных рядах применим критерий Дарбина – Уотсона [6; 7]. Его значение вычисляется по формуле (1):

где    n – число исследуемых признаков; е_i-1 и e_i – последовательные значения временного ряда.

Значение критерия  Дарбина – Уотсона изменяется в диапазоне от 0 до 4. При этом d = 2 указывает на отсутствие автокорреляции элементов временного ряда. Если d меньше двух, то имеет место положительная автокорреляции, а больше двух – отрицательная [7]. Для проверки статистической значимости DW воспользуемся таблицей критических точек Дарбина – Уотсона. При уровне значимости α=0,05 и числе наблюдений n = 10 имеем: . ,Если , то это свидетельствует о положительной автокорреляции    остатков. Если , то это свидетельствует об отрицательной автокорреляции остатков. При  гипотеза об отсутствии автокорреляции остатков принимается. Если  или , то гипотеза об отсутствии автокорреляции не может быть ни принята, ни отклонена. Все рассчитанные показатели находятся в пределах ,              следовательно, нет однозначного ответа о наличии/отсутствии автокорреляции. 

Рассмотрим связи между признаками по шкале Чеддока: 0,1 < r_t,t-1< 0,3: слабая;  0,3 < r_t,t-1< 0,5: умеренная; 0,5 < r_t,t-1< 0,7: заметная; 0,7 < r_t,t-1< 0,9: высокая; 0,9 < r_t,t-1< 1: весьма высокая.

Для обоснования значимости рассчитанных показателей критерий согласия Пирсона сравним с Q – критерием Бокса – Пирса. Вычисленный χ² сравним с табличным значением при заданном уровне значимости α = 0,05. Так как χ² расчетный 19,17 > табличного (12,592), то полученные результаты имеют смысл и могут использоваться в дальнейших исследованиях [7]. Q – критерий Бокса – Пирса рассчитывается по формуле (2):

где    n – число наблюдений;   – автокорреляция k – го порядка; m – число проверяемых лагов.

Рассчитаем Q – критерий Бокса – Пирса по каждому показателю и сопоставив его с χ². Определив наиболее значимые показатели для прогноза перспектив развития грузовых потоков, проведем расчет прогнозных уровней показателей на 2018 – 2020 годы на основе метода средних величин, то есть с помощью схемы абсолютного прироста, схемы простых и сложных процентов [1].

Причем стоимостные показатели спрогнозированы в базисном уровне цен 2012 года, руб.

Таким образом, по наиболее вероятному сценарию по всем видам транспорта наблюдается общая тенденция загрузки и развития. Например, импорт товаров из стран СНГ машины, оборудование и транспортные средства перевозимых автомобильным транспортом сократятся к 2020 году до 9,69 млн. долл. США, а вот перевозки железнодорожным транспортом увеличатся к 2020 году до 1 984 млн. долл. США. Ярковыраженной конкурентоспособности одного из видов транспорта в транспортно – логистической системе (далее ТЛС) грузооборота региона не обнаружено.  

Наблюдается общая тенденция увеличения заработной платы по всем видам транспорта. Среднесписочная численность работников авиационного, речного, автомобильного транспорта увеличится в 2020 году по сравнению с 2015 годом на 10,9%, 14,0%, 16,0%, а вот железнодорожного и трубопроводного сократится на 39,2%, 8,0% соответственно.

Наблюдается общая тенденция увеличения инвестиций. Так в автомобильном транспорте в 2020 году по сравнению с 2015 годом инвестиции увеличатся в 1,4 раза, а в трубопроводном транспорте в 1,5 раза.

В оценке конкурентоспособности одного из видов транспорта в ТЛС воспользуемся моделью многомерного анализа, которая учитывает принципы непрерывности, системности, комплексности подхода в обосновании значимости отобранных факторов. Метод многомерного анализа ориентирован на наличие пространственно – временного ряда.

На основе потенциалообразующих факторов сформирована система показателей – критериев оценки конкурентоспособности соответствующего вида транспорта. По результатам фильтрации отобрано всего 34 показателя — независимых друг от друга критериев оценки внутри каждого вида транспорта.

В таблице 2 представим свод критериев оценки конкурентоспособности  развития железнодорожного транспорта юга Тюменской области.

В таблицу 3 вынесем критерии оценки эффективности развития автомобильного транспорта юга Тюменской области.

В таблице 4 – критерии эффективности развития трубопроводного транспорта юга Тюменской области.

В таблице 5– критерия эффективности развития авиационного транспорта юга Тюменской области.

В таблице 6 представим показатели – критерия развития речного транспорта юга Тюменской области.

С помощью линейной модели регрессии в таблицу 10 вынесем прогнозные значения грузоперевозок на 2018 – 2020 годы.

Значимость регрессионных моделей проверялась на основе критерия Фишера, все расчетные значения которого больше табличного (Fкр. = 4,35), что свидетельствует о значимости уравнений регрессии. Перейдем к проверке общего качества уравнения регрессии. Для этого используется коэффициент детерминации, который в общем случае рассчитывается по формуле (6):

 где  e_i – последовательные значения временного ряда;  — значения зависимой переменной Y в i – м наблюдении;  — среднее значение зависимой переменной.

Данный коэффициент показывает, как хорошо эмпирическое уравнение регрессии согласуется со статистическими данными, то есть насколько широко рассеяны данные точки наблюдений относительно линии регрессии. Так если все точки лежат на построенной прямой, то регрессия практически идеально описывает поведение зависимой переменной. В общем случае значение коэффициента детерминации находится в интервале [0;1] и чем ближе этот коэффициент к единице, тем больше уравнение регрессии объясняет поведение зависимой переменной. Таким образом, можем сделать вывод, что высокое значение коэффициента детерминации свидетельствует о высоком качестве построенного уравнения регрессии.

Статистической значимость коэффициента детерминации на основе F – статистики определяется по  формуле (7):

где    — коэффициент детерминации; n — количество наблюдений; m — количество объясняющих переменных модели.

В таблице 7 представим регрессионную статистику по каждому виду транспорта: железнодорожный, автомобильный, трубопроводный, авиационный, речной.

В таблице 8  представим результаты моделирования эффективности транспортно – логистической системы обслуживания грузопотоков по всем видам транспорта.

С помощью уравнения множественной регрессии составим прогноз перевозок грузов на 2018 – 2020 годы, данные вынесем  в таблицу 9. Из таблицы 9 видно, что объем перевозки грузов железнодорожным транспортом, автомобильным и речным транспортом будет увеличен к 2020 году до 58,48 млн. тонн, 502,56 млн. тонн и 523,38 млн. тонн соответственно.  Увеличение перевозок  речным транспортом во многом можно объяснить за счет проведения региональных программ, направленных на поддержание данного вида транспорта. В авиационном транспорте, рассмотренном на примере аэропорта «Рощино» наблюдается также тенденция на увеличение грузоперевозок, так к 2020 году объем составит  3 865 тонн.

В трубопроводном транспорте, рассмотренном на примере ПАО «Транснефть» наблюдается увеличение перевозки нефти к 2020 году в размере 233,27 млн. тонн.

Полученные результаты позволили сформулировать следующие слабые позиции региона, которые снижают рейтинги его конкурентоспособности и инвестиционной привлекательности:

• снижение индекса предпринимательской уверенности в строительстве в 2014 г., 2015 г. и 2016 г. Следовательно, среди руководителей строительных организаций всё больше тех, кто ожидает спад физического объема производства;
• дефицит свободных от прав третьих лиц земель в границах города; недостаточная связность территории; отсутствие логистических центров, низкая доля складских площадей высокого класса; высокие затраты на автомобильный транспорт по сравнению с другими видами транспорта; нерациональная структура автопарка; недостаточная инвестиционная активность; отсутствие планирования размещения объектов транспортной инфраструктуры при застройке новых  районов.

Таким образом, указанные обстоятельства предопределяют необходимость развития всех видов транспорта. [2 ]

Несмотря на недостатки, в Тюменской области за последние годы наблюдается активное развитие транспортной сети, как за счет государственной поддержки, так и за счет развития государственно – частного партнерства путем развития сбалансированной инфраструктуры транспорта, нормативно – правовой базы, обеспечение соответствующего объема и доступности транспортных услуг для человека любого статуса, обеспечение объема и конкурентоспособности для транспортных услуг, развитие обслуживающего комплекса транспортной инфраструктуры.

Библиографический список

1. Васильев, В. Д. Развитие методических основ оценки результатов деятельности строительной организации: сценарный подход [Текст] // В. Д. Васильев, Е. С. Евдокимова. – Тюмень: РИО ФГБОУ ВПО «ТюмГАСУ», -2014. – 146 с.
2. Носырева, А.В. Формирование системы показателей оценки текущего состояния и перспектив развития дорожного строительства на примере юга Тюменской области. Новые технологии – нефтегазовому региону : материалы международной научно-практической конференции / Т. 6. – Тюмень : ТИУ, 2017. – 213 с.
3. Прокофьева, Т.А. Разработка принципиальной схемы развития опорной сети логистических центров в Тюменском транспортном узле / Т.А. Прокофьева, А.А. Порошкова // Успехи в химии и химической технологии. – 2014. – №10. –  С.115 – 118.
4. Федеральная служба государственной статистики [Электронный ресурс]. URL:http://www.gks.ru/  (дата обращения: 15.01.2018).
5. Федеральная служба государственной статистики по Тюменской области, Ханты – Мансийскому автономному округу – Югре и Ямало – Ненецкому автономному округу [Электронный ресурс]. URL:http://tumstat.gks.ru/ (дата обращения: 15.01.2018).
6. Филимонова, Л. А. Совершенствование методических основ разработки стратегии развития муниципального образования  на основе оптимизации и использования его внутренних резервов  (на примере МО г.Тобольск). Монография.  / Л. А. Филимонова, Р. Н. Миннуллин, В. А. Девяткин. – Тюмень: Изд-во РИО ТЮМГАСУ 2014. –  111 с.
7. Филимонова, Л. А. Формирование сбалансированной системы показателей оценки и прогнозирования развития рынка жилищного строительства (на примере Тюменской области). Монография. / Л. А. Филимонова. – Тюмень: РИО ТюмГАСУ, 2014. – 143  с.