Построение системы национальных счетов экономики РФ текущего года и их СА

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ
1.1. Интегрированная центральная структура СНС (классификации и счета)
2. Методология
2.1. Счета СНС
2.2. Счета текущих операций
2.2. Счета накопления
2.3. Балансы активов и пассивов
2.4. Методика расчета ВВП и других макроэкономических показателей
3. Практическая часть
3.1. Динамика ВВП
3.2. Счет производства
3.3. Счета образования, распределения и использования доходов
3.4. Расчет макроэкономических показателей
3.5. Факторный анализ валового регионального продукта
3.6. Исследование взаимосвязи валового внутреннего продукта и основных фондов
Заключение
ЛИТЕРАТУРА

3.5.2):
Таблица 3.5.2
Индивидуальные индексы ВРП
Показатели ВРП, млн. руб. Годы 2000 () 2006 () Центральный федеральный округ 1 841 498,90 7 849 633,70 4,263 Северо-западный федеральный округ 578 504,70 2 168 428,20 3,748 Южный федеральный округ 434 873,30 1 611 037,40 3,705 Приволжский федеральный округ 1 036 789,00 3 519 037,40 3,394 Уральский федеральный округ 866 133,40 3 772 730,50 4,356 Сибирский федеральный округ 687 070,80 2 390 625,30 3,479 Дальневосточный федеральный округ 308 801,00 9 809 593,00 3,177 Итого: 5 753 671,10 31 121 085,50 3,874 Общий индекс ВРП:
.
За рассматриваемый период валовой региональный продукт заметно увеличился. Больше всего ВРП увеличился в уральском федеральном округе (в 4,356 раза), меньше всего – в дальневосточном федеральном округе. В среднем по стране ВРП увеличился в 3,874 раза.
Выполним расчет третьего показателя – ВРП на душу на населения, т.е. необходимо для каждого федерального округа разделить объем ВРП на численность населения(табл. 3.5.3):
Таблица 3.5.3.
Расчет ВРП на душу населения
Показатели ВРП на душу населения, тыс. руб. Годы 2000 () 2006 () Центральный федеральный округ 48,24 210,12 Северо-западный федеральный округ 40,74 159,12 Южный федеральный округ 19,11 70,69 Приволжский федеральный округ 32,88 115,34 Уральский федеральный округ 69,45 308,13 Сибирский федеральный округ 33,79 121,49 Дальневосточный федеральный округ 45,20 149,83 Итого: 39,33 156,16 Обратим внимание на то, что величина ВРП в расчете на душу населения достаточно сильно отличается в разных федеральных округах страны.
Среднее значение ВРП на душу населения составило 39,33 и 156,16 тыс. руб. в 2000 и 2006 гг. соответственно, т.е.
; .
Общий индекс ВРП на душу населения:
,
т.е. ВРП на душу населения в среднем по стране увеличился почти в 4 раза.
Указанные три показателя можно объединить в систему следующим образом:
.
Общий индекс численности населения:
.
Т.е. численность населения за рассматриваемый период сократилась на 2,4%.
Проверим взаимосвязь индексов:
.
Для относительного показателя – ВРП на душу населения вычислим систему индексов:
индекс переменного состава:
индекс постоянного состава (вычисление в табл. 3.5.4):
индекс структурных сдвигов:
Таблица 3.5.4.
Расчет
Центральный федеральный округ 48,24 37357 1802039,9 Северо-западный федеральный округ 40,74 13628 555240,65 Южный федеральный округ 19,11 22790 435408,25 Приволжский федеральный округ 32,88 30511 1003218 Уральский федеральный округ 69,45 12244 850367,84 Сибирский федеральный округ 33,79 19677 664903,96 Дальневосточный федеральный округ 45,20 6547 295919,23 Итого: 5607097,8
Взаимосвязь индексов:
Выводы:
В целом по России валовой региональный продукт увеличился в 3,971 раз. За счет изменения по каждому федеральному округу в отдельности, средний ВРП на душу населения увеличился в 3,976 раз. За счет изменения численности населения в округах, средний ВРП на душу населения сократился на 0,1%.
3.6. Исследование взаимосвязи валового внутреннего продукта и основных фондов
Другим важным показателем СНС является стоимость основных фондов (ОФ) региона. Основные фонды – произведенные активы, подлежащие использованию неоднократно или постоянно в течение длительного периода, но не менее одного года, для производства товаров, оказания рыночных или нерыночных услуг, для управленческих нужд либо ля представления другим организациям за плату во временное владение и пользование или во временное пользование.
К основным фондам относятся здания, сооружения, машины и оборудование (рабочие силовые и информационные), транспортные средства, рабочий и продуктивный скот, многолетние насаждения, другие виды основных фондов.
Рассмотрим зависимость ВРП от величины основных фондов. В табл. 3.6.1. представлены данные об объеме ВРП и стоимости ОФ за 2006 г. по субъектам центрального федерального округа (табл. 3.6.1).
Таблица 3.6.1.
Регионы ВРП, в текущих ценах, млн. руб., Y ОФ, на конец года, по полной учетной стоимости, млн. руб., X Белгородская обл. 181009 332176 Брянская обл. 81970 234250 Владимирская обл. 111904 154161 Воронежская обл. 163246 469878 Ивановская обл. 52452 160051 Калужская обл. 84790 219137 Костромская обл. 53029 209665 Курская обл. 100483 290680 Липецкая обл. 187751 364208 Московская обл. 938432 2143837 Орловская обл. 62448 154206 Рязанская обл. 103180 346379 Смоленская обл. 79230 309351 Тамбовская обл. 73481 269738 Тверская обл. 125564 429239 Тульская обл. 143312 335199 Ярославская обл. 156479 535264 Г. Москва 5145874 6142520 Наглядным изображением зависимости между рассматриваемыми признаками служит корреляционное поле – график, где на оси абсцисс откладываются значения X, по оси ординат – Y, а точками показывается сочетание первичных наблюдений X и Y.
Рис. 3.6.1 Поле корреляции
На графике сильно выделяется г.Москва, т.к. соответствующий ей ВВП и объем основных фондов намного превышает значения показателей для других регионов.
Изобразим поле корреляции без показателей г. Москвы:
Рис. 3.6.2. Поле корреляции без показателей г. Москвы
По графику четко видно, что с увеличением стоимости основных фондов, увеличивается также и валовой региональный продукт, т.е. зависимость прямая и, предположительно, тесная.
На практике для количественной оценки тесноты связи широко используется линейный коэффициент корреляции. Он вычисляется по формуле
,
где , - средние величины признаков, , - средние квадратические отклонения признаков.
n=18 – количество регионов.
Произведем дополнительные расчеты и найдем значения коэффициента корреляции (табл. 3.6.2.).
Коэффициент корреляции принимает значения в интервале от -1 до +1. Принято считать, что если , то связь слабая; при - средняя; при - сильная, или тесная. Знак коэффициента корреляции показывает направление связи.
Таблица 3.6.2
Вычисление линейного коэффициента корреляции
№ рег. ВВП, Y ОФ, X


1 181009 332176 156498085291 64925078416 100800051882 2 81970 234250 243566322428 125204868649 174630150338 3 111904 154161 329032319913 104917040281 185798539182 4 163246 469878 66510547402 74292769489 70294045030 5 52452 160051 322309846291 146965656321 217643006088 6 84790 219137 258711993376 123217146529 178543422160 7 53029 209665 268437338855 146523590656 198323984316 8 100483 290680 191051504798 112446208900 146570861426 9 187751 364208 132180519130 61534755844 90187005561 10 938432 2143837 2005233318587 252625859161 711739973534 11 62448 154206 328980696733 139401423225 214150361518 12 103180 346379 145462442666 110644712689 126864692392 13 79230 309351 175078132369 127151435889 149202667280 14 73481 269738 209797333546 131284478224 165961240859 15 125564 429239 89123378419 96254442001 92620305867 16 143312 335199 154115435961 85556835001 114828693825 17 156479 535264 37060249830 78027483556 53774696970 18 5145874 6142520 29319470033047 22184674623721 25503782127816 Сумма: 7844634 13099939 34432619498642 24165648408552 28495715826044 Среднее: 435813 727774,4       Дисперсия:  1912923305480 1342536022697   Среднее квадратическое отклонение:  1383085 1158679   Коэффициент корреляции:      0,987859801 .
В нашем примере связь весьма тесная, прямая (положительная).
Рассчитывается также коэффициент детерминации, равный квадрату коэффициента корреляции: R=0.976.
Коэффициент детерминации показывает, что вариация результативного признака (ВВП) на 97,7% объясняется изменением признака-фактора (ОФ), оставшиеся 2,3% вариации происходят вследствие воздействия других факторов, не рассматриваемых в данной модели.
Для характеристики влияния изменений X на вариацию Y служат методы регрессионного анализа. В случае парной линейной зависимости строится регрессионная модель
,
где n – число наблюдений (в данном примере n=18);
a, b – неизвестные параметры уравнения;
- ошибка случайной переменной Y.
Уравнение регрессии записывается как
,
где - теоретическое (выровненное) значение результативного признака после подстановки в уравнение X.
Параметры a и b оцениваются с помощью процедур, наибольшее распространение из которых получил метод наименьших квадратов. Его суть заключается в том, что наилучшие оценки a и b получают, когда
,
т.е. сумма квадратов отклонений эмпирических значений зависимой переменной от вычисленных по уравнению регрессии должна быть минимальной.
Вычисляя производные функции по неизвестным параметрам a и b и приравнивая их к нулю, приходим к следующей системе из двух уравнений, линейной относительно неизвестных a и b.
Решение этой системы линейных уравнений (т.е. значения является оценкой неизвестных параметров a и b. по методу наименьших квадратов, его можно найти по формулам
, .
С помощью понятий выборочной дисперсии, ковариации и корреляции это решение можно записать специальным образом:
, .
Т.к. ранее мы уже нашли значения коэффициента корреляции и средних квадратических отклонений X и Y, то несложно вычислить значения параметров a и b, используя последние формулы. Получим:
; .
Таким образом, уравнение парной линейной регрессии имеет вид:
.
Важен смысл параметров: b - это коэффициент регрессии, характеризующий влияние, которое оказывает изменение X на Y. Он показывает, на сколько единиц в среднем изменится Y при изменении X на одну единицу: при увеличении стоимости основных фондов на 1 млн. руб., валовой региональный продукт увеличивается в среднем на 0,8276 млн. руб.
Параметр a – это постоянная величина в уравнении регрессии. Экономического смысла он не имеет, но в ряде случаев его интерпретируют как начальное значение Y.
Изобразим уравнение регрессии на графике поля корреляции:
Рис.3.6.3 Поле корреляции и линия регрессии
Другой оценкой тесноты связи является коэффициент эластичности, который определяется по формуле
.
Коэффициент эластичности показывает, что при изменении факторного признака (ОФ) на 1% от своего среднего значения, результативный признак (ВВП) изменится на 1,382% от своего среднего значения.
Проверим статистическую значимость полученного уравнения регрессии.
Характеристикой значимости уравнения линейной регрессии может служить статистика Фишера, которую можно вычислить по формуле
m – количество факторов в уравнении регрессии.
.
Табличное значение F-статистики Фишера при доверительном уровне α=0,05 и степенях свободы m=1 и n-m-1=16 приблизительно равно 4,5.
Фактическое значение F-статистики Фишера намного превышает табличное значение, следовательно, уравнение парной линейной регрессии статистически значимо. Можно говорить, что данное уравнение качественно описывает рассматриваемую эконометрическую модель.
Количественную оценку качества модели также дает средняя ошибка аппроксимации, которая находится как сумма отклонений расчетных значений результата от фактических, каждое из которых оценено по отношению к фактическому уровню результата:
.
Вычислим среднюю ошибку аппроксимации для нашего уравнения парной линейной регрессии.
Таблица 3.6.3
Расчет средней ошибки аппроксимации
ВВП) (Y) ОФ(X)

181009 332176 108424 0,401 81970 234250 27382,54 0,666 111904 154161 -38897,4 1,348 163246 469878 222383,3 0,362 52452 160051 -34023 1,649 84790 219137 14875,33 0,825 53029 209665 7036,505 0,867 100483 290680 74082,82 0,263 187751 364208 134933,1 0,281 938432 2143837 1607717 0,713 62448 154206 -38860,2 1,622 103180 346379 120178,2 0,165 79230 309351 89534,55 0,130 73481 269738 56751,66 0,228 125564 429239 188751,4 0,503 143312 335199 110925,8 0,226 156479 535264 276495,4 0,767 5145874 6142520 4916943 0,044 Сумма: 11,060 Ошибка: 0,614
Значение средней ошибки аппроксимации существенно (61,4%), значит, полученное уравнение парной линейной регрессии имеет невысокую точность аппроксимации. Для улучшение точности можно либо подобрать другой вид уравнения регрессии, либо увеличить количество наблюдаемых признаков.
Выводы:
Рассматриваемые показатели – валовой региональный продукт и стоимость основных фондов находятся в тесной взаимосвязи друг от друга, причем связь прямая – чем выше стоимость основных фондов, тем больше размеры ВРП. В данном разделе рассматриваются признаки, характеризующие развитие центрального федерального округа. По представленным данным найдено уравнение линейной регрессии
.
Критерий Фишера подтверждает высокое качество и надежность полученного уравнение, хотя средняя ошибка аппроксимации показывает, что точность расчета по уравнению регрессии невелика. Данный факт можно объяснить наличием регионов, в которых величина ВРП достаточно мала, тогда как расчетное значение ВРП заметно выше. Следовательно, нужно предпринимать усилия, чтобы увеличивать уровень ВРП в этих регионах (Владимирская, Ивановская и Орловская области ).
Заключение
СНС представляет собой широкую и детализированную систему экономического учета, которая выходит далеко за рамки основной последовательности счетов. СНС охватывает и другие счета и таблицы, содержащие либо данные, которые невозможно включить в основные счета, либо информацию, представленную в альтернативной форме (например, в форме матриц), которая может быть более удобна для определенных видов анализа.
Обобщающий итог функционирования национальной экономики характеризуется показателем валового внутреннего продукта (ВВП). Он может быть рассчитан на стадии производства и на стадии использования продукции. В период 2000 – 2006 гг. наблюдался постоянный рост ВВП в текущих ценах. Среднее значение ВВП за рассматриваемый период составило 15110,4 трлн. руб. в текущих ценах. В среднем ВВП ежегодно увеличивался на 3245,8 трлн. руб. или на 24,2% ежегодно. ВВП рассчитывается на основе трех методов, между которыми может наблюдаться статистическое расхождение. Два метода были рассмотрены выше.
Почти все показатели СНС связаны между собой либо функциональной, либо статистической связью.
Рассмотрена система из трех показателей – ВРП, численность населения региона и ВРП в расчете на душу населения по данным за 2000 и 2006 гг. На основе статистического исследования можно сделать вывод о том, что в целом по России валовой региональный продукт увеличился в 3,971 раз в 20006 г. по сравнению с 2006 г., причем за счет изменения ВРП по каждому федеральному округу в отдельности, средний ВРП на душу населения увеличился в 3,976 раз.; а за счет изменения численности населения в округах, средний ВРП на душу населения сократился на 0,1%.
ВВП и ВРП являются итоговыми показателями, которые зависят от множества показателей социально-экономического развития региона. Была исследована статистическая зависимость ВРП от стоимости основных фондов региона. Судя по коэффициентам корреляции и детерминации данные признаки находятся в очень тесной взаимосвязи друг от друга. По исходным данным по центральному федеральному округу России за 2006 г. построено уравнение регрессии, которое описывает рассматриваемую взаимосвязь признаков. С его помощью можно прогнозировать возможный уровень ВРП при известной стоимости основных фондов, но нужно учитывать, что точность прогноза невысока, т.к. средняя ошибка аппроксимации является достаточно большой.
ЛИТЕРАТУРА
Курс социально-экономической статистики / Под ред. М.Г. Назарова, М.: Финстатинформ, 2002.
Методологические положения по статистике, М.: Госкомстат России, вып. 5, 2006.
Микроэкономическая статистика. Учебник / под ред. С.Д. Ильенковой, М.: Финансы и статистика, 2004.
Национальная экономика. Учебник. Под ред. доктора экон. наук П.В. Савченко, М.: Экономистъ,2005.
Практикум по общей теории статистики. Учебное пособие / под ред. Р.А. Шмойловой, М.: Финансы и статистика, 2000
Российский статистический ежегодник, 2007. Статистический сборник. Росстат, М.: 2007.
Социально-экономическая статистика. Учебник / под ред. проф. Б.И. Башкатова, М.: Юнити, 2002.
Социально-экономическая статистика. Учебник. В.Н. Салин, Е.П. Шпаковская. М.:, Юристъ, 2001.
Социально-экономическая статистика: практикум / под ред. В.Н. Салина, Е.П. Шпаковской. М.: Финансы и статистика, 2004.
Статистика. Учебник / под ред. В.С. Мхитаряна. М., Экономист, 2006 с. 256-261.
Статистика. Учебник / Под ред. проф. И.И. Елисеевой, М.:, Высшее образование, 2006.
Статистика. Учебное пособие / под ред. канд. экон. наук В.Г. Ионина. М.: ИНФРА-М, 2006.
Эконометика. Н.Ш. Кремер, Б.А. Путка, М.: Юнити-Дана, 2005.
Эконометрика. Учебник / под ред. чл.-корр. РАН И.И. Елисеевой, М.: Финансы и статистика, 2004.
Экономическая статистика. Под ред. С.П. Сергеева. М.: Буклайн, 2006.
Сайт Госкомстата России http://gks.ru/
Всероссийская перепись населения 2002 г. Официальный сайт. http://www.perepis2002.ru/
Центр экономических и финансовых исследований в российской экономической школе http://www.cefir.org/
Национальная экономика. Учебник. Под ред. доктора экон. наук П.В. Савченко, М.: Экономистъ,2005.
Статистика. Учебник / Под ред. проф. И.И. Елисеевой, М.:, Высшее образование, 2006.
[2], Статистика. Учебник / Под ред. проф. И.И. Елисеевой, М.:, Высшее образование, 2006.
Сайт Госкомстата России http://gks.ru/
Российский статистический ежегодник, 2007. Статистический сборник. Росстат, М.: 2007
там же
44