|
|
Управление Риском №4 - 2024
Инновационное развитие
Хадисов М. Б.
кандидат экономических наук, декан факультета технологии, искусства и менеджмента в образовании, Чеченский государственный педагогический университет
Построение эконометрической модели регионального экономического роста с пространственными эффектами: сравнительный анализ
В статье проведен анализ панельных данных с использованием статистических показателей за период 2014–2022 годов по 85 субъектам РФ, а также построена таблица
пространственной автокорреляции. Для построения пространственной модели была
проведена линеаризация путем логарифмирования исследуемых показателей, а для проведения анализа и построения графиков рассеяния использованы статистические пакеты прикладных программ (MS Excel, Gretl, STATA). При оценке модели на адекватность с
помощью тестов Бройша – Пагана, Хаусмана и информационных критериев Акаике и
Шварца была выбрана пространственная модель с фиксированными эффектами, а не
случайными. Автором выявлена пространственная неоднородность по всей совокупности данных с помощью глобального и локального индексов Морана. Индекс Морана за период с 2014 по 2022 год показывает, что положительная пространственная автокорреляция Z > 0, что, соответственно, отвергает нулевую гипотезу, то есть присутствуют
пространственные закономерности. Также интерпретированы прямые, косвенные и общие пространственные эффекты и построены географические карты по эндогенным и
экзогенным параметрам. Однако следует отметить, что прямое и косвенное побочное
воздействие оказывает положительное влияние, подчеркивая сложность роли и влияния
совокупных затрат на реализацию научной и инновационной политики государства, их
перенаправление на повышение эффективности в рамках сложившейся экономической
ситуации в субъектах РФ
пространственная автокорреляция анализ GRP НИОКР корреляция пространственный лаг статистический п
Construction of an Econometric Model of Regional Economic Growth with Spatial Effects: a Comparative Analysis
The article analyzes panel data using statistical indicators for the period 2014–2022 for 85
constituent entities of the Russian Federation, and also constructs a table of spatial autocorrelation.
To construct a spatial model, linearization was carried out by taking the logarithm of the studied
indicators, and statistical software packages (MS Excel, Gretl, STATA) were used to conduct the
analysis and construct scatter plots. When assessing the adequacy of the model using the BreuschPagan, Hausman tests and the Akaike and Schwartz information criterion, a spatial model with
fixed effects was chosen rather than random ones. The author identified spatial heterogeneity across
the entire data set using the global and local Moran's I indices. The calculated Moran's I index for
the period from 2014 to 2022 shows that the spatial autocorrelation is positive (Z > 0), accordingly,
we reject the null hypothesis, that is, there are spatial patterns. However, it should be noted that
direct and indirect side effects have a positive effect, emphasizing the complexity of the role and
influence of total expenditures on the implementation of the state's scientific policy, their redirection,
in increasing the effectiveness of the current economic policy in the subjects of the Russian Federation.
tial autocorrelation analysis GRP R&D correlation spatial lag statistical indicator
|
