Диссертация (1143535), страница 35
Текст из файла (страница 35)
сучётом контроля годовых фиксированных эффектов. В данной моделикоэффициенты при всех трёх переменных положительны и значимы на уровнеp<0.01. При этом, величина коэффициентов при всех трёх переменныхзначительно изменилась после включения в модель годовых фиксированныхэффектов, что говорит о том, что данные переменные плохо объясняют случайныевозмущения ВРП, которые происходили в разные года рассматриваемогопромежутка. Коэффициент детерминации также равняется 0.979, что говорит отом, что в данной модели объясняется 97,9% дисперсии.192В модели 1.5.3 коэффициент при переменной, отражающей уровеньлокализациикластераИнформационныетехнологииврегионе,можноинтерпретировать следующим образом: в регионах i, где на 1 единицу вышезначение коэффициента локализации кластера Информационные технологии вмомент времени t, в среднем на 11,1% выше уровень ВРП.
Основной вывод наэтапе 1.5 состоит в том, что более высокие уровни локализации кластера врегионах ассоциируются с более высокими уровнями ВРП в них.На этапе 1.6 рассматривается гипотеза о взаимосвязи между объёмом ВРПиразмеромкластераИнформационныетехнологииврегионе,котораяпредставлена в модели 1.6.1, эквивалентной уравнению 3.21.
Модель 1.6.2,эквивалентная уравнению 3.22, построена с учётом контроля размера занятости врегионе, размера инвестиций в предыдущем периоде. Модель 1.6.3, эквивалентнаяуравнению 3.23, построена с учетом годовых фиксированных эффектов. В общемвиде данные модели могут быть записаны следующим образом:Модель 1.6.1:(3.21)Модель 1.6.2:Модель(3.22)1.6.3:(3.23)где:– размер кластерной группы i в момент времени t, в %.Результаты расчётов по моделям 1.6.1 – 1.6.3 представлены в таблице 3.5.Модель 1.6.1 - однофакторная и строится по данным 80 регионов за 5 лет(2011 – 2015 гг.) В модели 1.6.1 коэффициент при переменной, отражающейразмер кластера Информационные технологии в регионе, положителен и значимна уровне p<0.01. Коэффициент детерминации равняется 0.277, что говорит о том,что 27,7% дисперсии объясняется в данной модели.Модель 1.6.2 трёхфакторная и строится по данным 80 регионов за 5 лет(2011 – 2015 гг.) В данной модели коэффициент при переменной, отражающейразмер кластера Информационные технологии в регионе, также положителен изначим на уровне p<0.01.
При этом, величина коэффициента сократилась, так как193в модель были включены две переменные: «Натуральный логарифм реальныхинвестиций в основные средства в момент времени t-1» и «Натуральныйлогарифм численности рабочей силы в регионе в момент времени t» -, которыеобъясняют большую часть дисперсии зависимой переменной. Коэффициенты приданных переменных также положительны и значимы на уровне p<0.01.Коэффициент детерминации равняется 0.960, что говорит о том, что в данноймодели объясняется 96% дисперсии.Таблица 3.5 – Результаты анализа влияния уровня развития кластераИнформационные технологии и на размеры ВРП: модель 9 и 10Размер кластера ИнформационныетехнологииНатуральный логарифм реальныхинвестиций в основные средства вмомент времени t-1Натуральный логарифм численностирабочей силы в регионе в моментвремени tКонстанта0.145***(0.00653)12.36***(0.0148)Этап 1.60.0293***(0.00302)0.0252***(0.00137)0.719***0.420***(0.0439)(0.0463)0.311***0.694***(0.0501)4.549***(0.514)(0.0691)8.107***(0.538)Количество наблюдений40032052R20.2770.9600.991Количество рассматриваемых808013регионовГодовые фиксированные эффектыНетНетДаСреднеквадратичная ошибка0.9400.2200.109В скобках представлены стандартные ошибки коэффициентов регрессии*** p<0.01, ** p<0.05, * p<0.1 – уровни значимости коэффициентовМодель 1.6.3 строится по данным 80 регионов за 5 лет (2011 – 2015 гг.) сучётом контроля годовых фиксированных эффектов.
В данной моделикоэффициенты при всех трёх переменных положительны и значимы на уровнеp<0.01. При этом величина коэффициентов при всех трёх переменныхзначительно изменилась после включения в модель годовых фиксированныхэффектов, что говорит о том, что данные переменные плохо объясняют случайныевозмущения ВРП, которые происходили в разные года рассматриваемого194промежутка. Коэффициент детерминации также равняется 0.991, что говорит отом, что в данной модели объясняется 99,1% дисперсии.В модели 1.6.3 коэффициент при переменной, отражающей размер кластераИнформационные технологии в регионе, можно проинтерпретировать следующимобразом: в регионах i, где на 1 процентный пункт выше размер кластераИнформационные технологии в момент времени t, в среднем на 2,52% вышеуровень ВРП.
Основной вывод на этапе 1.6 состоит в том, что более высокийразмер кластера в регионах ассоциируются с более высокими уровнями ВРП вних.На этапе 1.7 рассматривается гипотеза о взаимосвязи между объёмом ВРПифокусомкластераИнформационныетехнологииврегионе,котораяпредставлена в модели 1.7.1 и эквивалентна уравнению 3.24. Модель 1.7.2,эквивалентная уравнению 3.25, построена с учётом контроля размера занятости врегионе и размера инвестиций в предыдущем периоде. Модель 1.7.3,эквивалентная уравнению 3.26, построена с учетом годовых фиксированныхэффектов. В общем виде данные модели могут быть записаны следующимобразом:Модель 1.7.1:Модель(3.24)1.7.2:(3.25)Модель1.7.3:(3.26)где:– фокус кластерной группы i в момент времени t, в %.Результаты расчётов по моделям 1.7.1–1.7.3 представлены в таблице 3.6.Модель 1.7.1 - однофакторная и строится по данным 80 регионов за 5 лет(2011–2015 гг.). В модели 1.7.1 коэффициент при переменной, отражающей фокускластера Информационные технологии в регионе, положителен и значим науровне p<0.01.
Коэффициент детерминации равняется 0.272, что говорит о том,что 27,2% дисперсии объясняется в данной модели.195Модель 1.7.2 трёхфакторная и строится по данным 80 регионов за 5 лет(2011–2015 гг.). В данной модели коэффициент при переменной, отражающейфокус кластера Информационные технологии в регионе, также положителен изначим на уровне p<0.01. При этом величина коэффициента сократилась, так как вмодель были включены две переменные: «Натуральный логарифм реальныхинвестиций в основные средства в момент времени t-1» и «Натуральныйлогарифм численности рабочей силы в регионе в момент времени t», которыеобъясняют большую часть дисперсии зависимой переменной.
Коэффициенты приданных переменных также положительны и значимы на уровне p<0.01.Коэффициент детерминации равняется 0.958, что говорит о том, что в данноймодели объясняется 95,8% дисперсии.Таблица3.6.–РезультатыанализавлиянияфокусакластераИнформационные технологии и на размеры ВРП: модели 1.7.1–1.7.3Этап 1.7Модель 1.7.2Модель 1.7.30.744***0.462***(0.0457)(0.0570)0.284***0.810***2.871***(0.240)12.00***(0.0275)(0.0544)0.509***(0.0672)4.190***(0.538)(0.0909)0.303***(0.0504)7.568***(0.670)4000.27280No0.9443200.95880No0.227520.97913Yes0.163Модель 1.7.1Натуральный логарифм реальныхинвестиций в основные средства в моментвремени t-1Натуральный логарифм численностирабочей силы в регионе в момент времениtФокус кластера ИнформационныетехнологииКонстантаКоличество наблюденийR2Количество рассматриваемых регионовГодовые фиксированные эффектыСреднеквадратичная ошибкаВ скобках представлены стандартные ошибки коэффициентов регрессии*** p<0.01, ** p<0.05, * p<0.1 – уровни значимости коэффициентовМодель 1.7.3 строится по данным 80 регионов за 5 лет (2011–2015 гг.) сучётом контроля годовых фиксированных эффектов.
В данной моделикоэффициенты при всех трёх переменных положительны и значимы на уровне196p<0.01. При этом величина коэффициентов при всех трёх переменныхзначительно изменилась после включения в модель годовых фиксированныхэффектов, что говорит о том, что данные переменные плохо объясняют случайныевозмущения ВРП, которые происходили в разные года рассматриваемогопромежутка.
Коэффициент детерминации также равняется 0.979, что говорит отом, что в данной модели объясняется 97,9% дисперсии.В модели 1.6.3 коэффициент при переменной, отражающей фокус кластераИнформационные технологии в регионе, можно проинтерпретировать следующимобразом: в регионах i, где на 1 процентный пункт выше фокус кластераИнформационные технологии в момент времени t, в среднем на 30,3% вышеуровень ВРП. Основной вывод на этапе 1.7 состоит в том, что более высокийфокус кластера в регионах ассоциируются с более высокими уровнями ВРП в них.Таким образом, согласно результатам моделей, построенных на этапе 1.4,есть статистически значимая взаимосвязь между объёмом ВРП и присутствиемкластера в регионе, а именно: регионах, в которых зафиксировано наличиеданного кластера, в среднем выше уровень ВРП.
Модели, построенные на этапе1.5,показываютналичиеположительнойвзаимосвязимеждууровнемлокализации кластера Информационные технологии в регионе и объёмом ВРП, аименно: в регионах, где выше уровень занятости в кластере Информационныетехнологии, в среднем выше уровень ВРП. Модели, построенные на этапе 1.6,показывают наличие положительной взаимосвязи между размером кластераИнформационные технологии в регионе и объёмом ВРП, а именно: в регионах,где доля занятости в кластере Информационные технологии больше поотношению ко всем занятым в регионе, в среднем выше уровень ВРП. Модели,построенные на этапе 1.7, показывают наличие положительной взаимосвязимежду фокусом кластера Информационные технологии в регионе и объёмом ВРП,а именно в регионах, где больше доля занятых в кластере Информационныетехнологии по отношению ко всем занятым в регионе, в среднем выше уровеньВРП.
При этом указанные взаимосвязи сохраняются даже тогда, когда мы197контролируем в моделях объёмы инвестиций в основной капитал организациями,объёмы рабочей силы в регионе и годовые фиксированные эффекты.2. Оценка влияния уровня развития кластерной структуры на размеры ВРППостроение однофакторных моделей2.1 Тестирование гипотезы о наличии взаимосвязи между уровнем развития кластернойструктуры в регионе i в момент времени t и его уровнем ВРП в момент времени t2.2 Тестирование гипотезы о наличии взаимосвязи между уровнем развития кластернойструктуры в регионе i в момент времени t-1 и его уровнем ВРП в момент времени t2.3 Тестирование гипотезы о наличии взаимосвязи между уровнем развития кластернойструктуры в регионе в базовом году (2011) и уровнем ВРП в момент времени tРисунок 3.28 - Методика оценки влияния промышленных кластеров наэкономику региона (2 этап)На втором этапе (рисунок 3.28) в соответствии с моделью, предложеннойЛингвистом, проводится анализ влияния уровня кластерной структуры региона наразмеры ВРП.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
