Применение методов математической статистики для оценки инвестиционного потенциала региона

Автор: Болодурина И.П., Болодурина М.П., Абельгазина К.М.

Журнал: Вестник Воронежского государственного университета инженерных технологий @vestnik-vsuet

Рубрика: Экономика и управление

Статья в выпуске: 1 (91), 2022 года.

Бесплатный доступ

Поскольку каждый субъект Российской Федерации обладает полными правами на ведение как межрегиональных, так и международных экономических отношений, то показатели регионального развития во многом зависят от реализуемой инвестиционной стратегии, в том числе от уровня инвестиционного потенциала. В этой связи в статье рассматривается актуальная задача оценки инвестиционного потенциала региона на основе социально-экономических показателей методами математической статистики, что позволяет получить объективные и достоверные результаты, а также обеспечивает масштабируемость используемой методики и возможность ее применения для анализа инвестиционного потенциала других регионов Российской Федерации. Использованы корреляционно-регрессионный анализ, проведено исследование линейной регрессионной модели на мультиколлинеарность. Применение многомерного статистического анализа показателей инвестиционной привлекательности Оренбургской области позволило выявить наиболее значимые факторы, оказывающие влияние на объем инвестиций в основной капитал региона, к которым относятся: объем работ, выполненных по виду экономической деятельности «Строительство»; среднедушевые денежные доходы населения; объем продукции обрабатывающего производства; удельный вес численность населения в трудоспособном возрасте в общей численности. На основании результатов корреляционно-регрессионного анализа сделан вывод о том, что на уровень объема инвестиций в основной капитал Оренбургской области наиболее значимое влияние оказывают такие сферы экономической деятельности, как сельское хозяйство, добыча полезных ископаемых и обрабатывающие производства. Привлечение инвестиций в выявленные отраслевые приоритеты инвестиционной привлекательности Оренбургской области обеспечит создание высокопроизводительных мест на территории региона, увеличение валового регионального продукта, а также даст мультипликативный эффект для развития других видов деятельности.

Еще

Инвестиционный потенциал, корреляционно-регрессионный анализ, инвестиционная привлекательность, математическая статистика

Короткий адрес: https://sciup.org/140293775

IDR: 140293775

Список литературы Применение методов математической статистики для оценки инвестиционного потенциала региона

  • Кособуцкая А.Ю., Равуанжинирина А.В. Инвестиционная привлекательность региона: методики оценки // Вестник ВГУ. Серия: Экономика и управление. 2019. № 1. С. 32-37.
  • Литвинцева Г.П., Голдобина А.А. Факторы и пути повышения инвестиционной привлекательности региона // Идеи и идеалы. 2019. №4-2. С. 243-266. doi: 10.17212/2075-0862-2019-11.4.2-243-266
  • Болодурина М.П., Мишурова А.И. Стандартизация оценки инвестиционной привлекательности туристско-рекреационного комплекса региона // Национальные интересы: приоритеты и безопасность. 2019. Т. 15. № 11 (380). С. 2108-2127. doi: 10.24891/ni. 15.11.2108
  • Чимирис А.С. Анализ инвестиционной привлекательности регионов России // Международный журнал гуманитарных и естественных наук. 2019. № 5-4. С. 143-148. doi: 10.24411/2500-1000-2019-11035
  • Валерианов А.А., Дмитриева А.Г., Леванова Т.А. Статистические методы анализа в оценке инвестиционного потенциала региона //Вестник НГИЭИ. 2018. № 6 (85). С. 138-150.
  • Дмитриев Н.Д., Родионов Д.Г., Кубарский А.В. Формирование эконометрического инструментария для оценки инвестиционной привлекательности региона// Kant. 2020. №4(37). С. 70-77. doi: 10.24923/2222-243Х.2020-37.15
  • Официальная статистика: Территориальный орган Федеральной службы государственной статистики по Оренбургской области. URL: https://orenstat.gks.ru/ofstatistics
  • Национальный рейтинг состояния инвестиционного климата в субъектах РФ. Агентство «АСИ»: агентство стратегических инициатив по продвижению новых проектов. Москва: Агентство стратегических инициатив, 2021. URL: https://asi.ru/government_officials/rating/
  • Рейтинг инвестиционной привлекательности регионов RAEX за 2020 год: RAEX (РАЭКС-Аналитика): рейтинговое агентство. Москва: РАЭКС-Аналитика. 2020. URL: https://raex-a.ru/ratings/regions/2020#graph
  • Соловьёв И.В. Геодезия и прикладная информатика // Вестник МГТУ МИРЭА. 2014. №. 2. С. 3.
  • Моисеев Н.А. Сравнительный анализ эффективности методов устранения мультиколлинеарности // Учет и статистика. 2017. № 2 (46). С. 62-73.
  • Ерёмина Д.В. Прикладная информатика для специалистов аграрного сектора // Агропродовольственная политика России. 2017. №. 9. С. 98-103.
  • Ali E.B., Amfo B. Comparing the values of economic, ecological and population indicators in High - and Low-Income Economies // Ekonomika regiona. 2021. №. 17(1). P. 72-85. doi: 10.17059/ekon. reg.2021-1-6
  • Ayres R., Voudouris V. The economic growth enigma: Capital, labour and useful energy? // Energy Policy. 2014. №. 64. P. 16-28.
  • Baltina A., Bolodurina M., Gorbatenko E. The application of information technologies in the development of corporate growth strategy // EMIT 2018 Internationalization of Education in Applied Mathematics and Informatics for HighTech Applications. Electronic data. 2018. №. 2093. P. 58-66.
  • Ramachandran K.M., Tsokos C.P. Mathematical statistics with applications in R. Academic Press, 2020.
  • Gabdrahmanova K.F., Izmailova G.R., Samigullina L.Z. Methods of mathematical statistics application in assessing the density of actual and forecasting distribution density of residual oil reserves // IOP Conference Series: Materials Science and Engineering. IOP Publishing, 2020. V. 860. №. 1. P 012008.
  • Zhang Z., Wu Y., Zhang R., Jiang P. et al. Novel transformer fault identification optimization method based on mathematical statistics//Mathematics. 2019. V. 7. №. 3. P. 288. doi: 10.3390/math7030288
  • Nodira S., Gulchekhra K., Nodira A., Maprat R. et al. Teaching Currently Using Interactive Methods in Problem" Probability Theory and Mathematical Statistics" // Central Asian journal of mathematical theory and computer sciences. 2021. V. 2. №. 4. P. 26-28.
  • Luo W. Application of improved clustering algorithm in investment recommendation in embedded system // Mcroprocessors andMcrosystems. 2020. №. 75. P. 1-8. doi: 10.1016/j.micpro.2020.103066
  • Donghyun C. et al. Using genetic algorithm to support clustering-based portfolio optimization by investor information // Appl. Soft Comput. 2017. №. 61. P. 593-602.
Еще
Статья научная