Построение трёхфакторной функции Кобба - Дугласа по данным текущего периода
Определив коэффициенты корреляции между годовым объёмом ВВП (Y), инвестициями в основной капитал (Км), заработной платой лиц. работающих по найму (Ln), и расходами на НИОКР и инновации (I ), можем сделать вывод о тесной связи между BBII и вы-
Таблица 3.2
Корреляционная таблица показателей макросистемы
К, , <П) |
ч |
V. |
||
Y П |
1 |
|||
кн |
0,927222277 |
1 |
||
ч |
0,976640734 |
0,901312565 |
1 |
|
0,87641759 |
0,952090807 |
0,846661273 |
1 |
С целью построения производственной функции для ВВП Украины прологарифмируем формулу (1.1) и, построив регрессионную модель, определим ее эконометрические характеристики, приведенные в таблице 3.3.
Таблица 3.3
Эконометрические характеристики модели (3.1) зависимости ВВП Украины от факторов в 1995-2009 гг.
Регрессионная статистика |
||||||
Множественный R |
0,951433076 |
|||||
R-квадрат |
0.905224898 |
|||||
Нормированный R-квадрат |
0,879377143 |
|||||
Стандартная ошибка |
0,07497319 |
|||||
Наблюдения |
15 |
|||||
Дисперсионный анализ |
||||||
df |
SS |
MS |
F |
Значимость F |
||
Регрессия |
з |
0,5905639 |
0.196854633 |
35,02141264 |
6,37125Е-06 |
|
Остаток |
11 |
0,061830772 |
0.005620979 |
Дисперсионный анализ |
|||||
Итого |
14 |
0,652394672 |
Y- пере- сече- ние |
1,707813411 |
0,789626689 |
2,162811156 |
0,05344209 |
К п |
0.016158564 |
0,034886164 |
0,463179727 |
0,652264762 |
L п |
0,744586008 |
0,203215993 |
3,66401285 |
0,003728381 |
1 _о_ |
0.231422122 |
0,152696369 |
1,515570561 |
0,15782385 |
Приведенные эконометрические показатели относятся к модели в прологарифмированном виде. После потенцирования трёхфакторная производственная функция для ВВП Украины имеет вид:

Y = 5,517 * К и016 * L 0746 * 1 °-2SI (3.1)
п п п п 4 7
Статистические характеристики функции, описанные в таблице 3.3, свидетельствуют об адекватности модели (R2 = 0,905, F-критерий значимый), но высокое P-значение для Кп и 1п указывает на низкую степень доверия к найденным коэффициентам регрессии. Последовательно исключая каждую из этих переменных, мы получили следующие модели:
— при исключении фактора Кп:

Y = 5,073 * l"0-772 * 1 0244, (3.2)
в этом случае модель является адекватной, поскольку R2 = 0,903. F-критерий значимый, но снова высокое P-значение для 1п указывает на низкую степень доверия к соответствующему коэффициенту регрессии (см. таблицу 3.4);
Регрессионная статистика |
||||||||
Множественный R |
0,950461192 |
|||||||
R-квадрат |
0,903376478 |
|||||||
Нормированный R-квадрат |
0,887272558 |
|||||||
Стандартная ошибка |
0.072477968 |
|||||||
Наблюдения |
15 |
|||||||
Дисперсионный анализ |
||||||||
df |
SS |
MS |
F |
Значимость F |
||||
Регрессия |
2 |
0,589358001 |
0.294679 |
56.09668069 |
8,13762Е-07 |
|||
Остаток |
12 |
0,063036671 |
0,005253056 |
|||||
Итого |
14 |
0,652394672 | ||||||
Коэффициенты |
Стандартная ошибка |
t-статистика |
Р-значение |
|||||
Y- пере- сече- ние |
1,623935847 |
0,743001265 |
2.18564345 |
0,049391998 |
||||
L, |
0,772554839 |
0,187579418 |
4,118548009 |
0.001424344 |
||||
1п |
0.243551183 |
0,145427519 |
1,674725558 |
0,119829722 |
— при исключении фактора 1п:
модель адекватна (R: = 0.885, F-критерий значимый), но Р-значение для Y-пересечения и Кп харакгеризует низкую степень доверия к найденным коэффициентам регрессии (см. таблицу 3.5);
Регрессионная статистика |
|||||||||
Множественный R |
0,940975307 |
||||||||
R-квадрат |
0,885434529 |
||||||||
Нормированный R-квадрат |
0,866340283 |
||||||||
Стандартная ошибка |
0.078920795 |
||||||||
Наблюдения |
15 |
||||||||
Дисперсионный анализ |
|||||||||
df |
SS |
MS |
F |
Значимость F |
|||||
Регрессия |
2 |
0,577652769 |
0,288826384 |
46,37180042 |
2,26111Е-06 |
||||
Остаток |
12 |
0,074741903 |
0,006228492 |
||||||
Итого |
I4 |
0,652394672 | |||||||
Коэффициенты |
Стандартная ошибка |
t-статистика |
Р-значение |
||||||
Y- пере- сече- ние |
0,851154808 |
0,58040831 |
1,466475916 |
0,168229311 |
|||||
кп |
0,025225871 |
0,036178999 |
0,697251762 |
0.498931501 |
|||||
Ln |
0,974644604 |
0,142223212 |
6,852922188 |
1/76488Е-05 |
— при исключении факторов Kn, 1п:
в этой модели R2 = 0,880, F-критерий значимый, но P-значение для свободного члена равно 0,21, что предполагает исключение этого параметра (таблица 3.6).
Регрессионная статистика |
||||||||
Множественный R |
0,93850578 |
|||||||
R-квадрат |
0,880793099 |
|||||||
Нормированный R-квадрат |
0,871623338 |
|||||||
Стандартная ошибка |
0.077345353 |
|||||||
Наблюдения |
15 |
|||||||
Дисперсионный анализ |
||||||||
df |
SS |
MS |
F |
Значимость F |
||||
Регрессия |
1 |
0,574624725 |
0,574624725 |
96,05408938 |
2,27144Е-07 |
|||
Остаток |
13 |
0,077769947 |
0,005982304 |
|||||
Итого |
14 |
0,652394672 | ||||||
Коэффициенты |
Стандартная ошибка |
t-статистика |
Р-значение |
|||||
Y- пере- сече- ние |
0.644025184 |
0,488670157 |
1,317913884 |
0,210284727 |
||||
L _о_ |
1,03902513 |
0,106015196 |
9,80071882 |
2,27144Е-07 |
После исключения из модели (3.4) свободного члена мы получили зависимость:
Адекватность и значимость данной модели подтверждаются ее эконометрическими характеристиками, представленными в таблице 3.7: R2= 0,865, F-критерий значимый и P-значение для независимой переменной составляет 2,6 * 10 :7.
Регрессионная статистика |
|
Множественный R |
0.929982 |
R-квадрат |
0.864866 |
Нормированный R-квадрат |
0,793438 |
Стандартная ошибка |
0,079355 |
Наблюдения |
15 |
Дисперсионный анализ |
|||||
df |
SS |
MS |
F |
Значимость F |
|
Регрессия |
1 |
0,564234 |
0,564234 |
89.601 |
3,39Е-07 |
Остаток |
14 |
0,088161 |
0,006297 |
||
Итого |
15 |
0,652395 |
Коэффици енты |
Стандартная ошибка |
t- статистика |
Р- значение |
|
Y-пересечение |
||||
L li |
1,178627 |
0,004445 |
265,153 |
2.6Е-27 |
Именно модель (3.5) является адекватной и значимой по всем критериям. В этой модели, как видим, объём ВВП зависит лишь от объема примененного труда и не учитывает инвестиций в основной капитал, научно-исследовательские работы и инновации.
Из этой модели вытекают три важных вывода, касающихся современной экономики Украины. Во-первых, вариация годового объема ВВП Украины за 1995-2009 гг. на 86,5% объясняется динамикой уровня оплаты труда, причем в сочетании с этим фактором объем инвестиций в основной капитал и уровень затрат на научно- исследовательские работы и инновации оказываются незначимыми, не помогающими объяснению динамики годового ВВП. Столь высокая объясняющая способность модели (3.5) позволяет утверждать, что установленная связь между объемом ВВП и уровнем оплаты труда взаимна.
Во-вторых, экономика показала высокую степень адаптивности в период экономического кризиса, немедленно отвечая на спад физических объемов производства снижением объемов вовлекаемого в производство живого труда и его удешевлением (в сопоставимых ценах), которое, кстати, продолжается и по сей день.
В третьих, именно недооценка живого труда, его удешевление становятся основным препятствием на пути коренной модернизации украинской (так же, как и российской) экономики и обеспечения экономического подъема. Передовая техника, при ее дороговизне, не может конкурировать с дешевым низкоквалифицированным живым трудом, в результате чего при сохранении существующих тенденций любые планы технологического обновления производства будут провалены в силу их противоречия экономическим интересам частных агентов, призванных осуществлять технологические сдвиги в экономике.