Либерализация внешней торговли

Источник: расчеты автора

В рамках данной работы дальнейший интерес представляли именно те кластеры, включающие в себя совокупность стран. На их основе государства были поделены на 3 группы по степени либерализации внешней торговли:

I группа. Страны с низкой степенью либерализации внешней торговли (с высоким уровнем внешнеторговых ограничений и низкой степенью вовлеченности в международную торговлю). В данную группу вошли страны из 1-го кластера – Бразилия, Индия, Россия, Аргентина, Казахстан. Как мы видим, в данную группу преимущественно вошли развивающиеся страны, являющиеся основными поставщиками сырья на мировом рынке.

II группа. Страны, имеющие высокую степень либерализации внешней торговли (с высокой степенью вовлеченности в международную торговлю и низким уровнем тарифных и нетарифных ограничений). В их число вошли Финляндия, Гонконг, Швеция, Швейцария, Япония, США и Германия – страны из 2-го кластера имеющие преимущественно свободные экономики и высокий уровень экономического развития.

III группа. Страны с умеренной степенью либерализации внешней торговли. К этой группе могут быть отнесены Словакия, Словения, Испания, Малайзия, Греция, Чехия. Данные страны имеют умеренно свободные экономики и, так же, высокий уровень экономического развития и жизни населения.

 

 

2.3 Анализ влияния либерализации  внешней торговли на развитие групп стран

 

С целью выявления  влияния факторов либерализации  внешней торговли на уровень социально-экономического развития групп стран проведем анализ множественной регрессии, построив два уравнения.

В качестве показателей  экономического развития экономики предлагается использовать два индекса:

Y₁ - индекс развития человеческого потенциала (далее - ИРЧП);

Y₂ - индекс глобальной конкурентоспособности.

ИРЧП (Y₁)— это совокупный показатель уровня развития человека в той или иной стране, поэтому иногда его используют в качестве синонима таких понятий как «качество жизни» или «уровень жизни». ИРЧП измеряет достижения страны с точки зрения состояния здоровья, получения образования и фактического дохода ее граждан, по трем основным направлениям, для которых оцениваются свои индексы:

1. индекс ожидаемой продолжительности жизни: здоровье и долголетие, измеряемые показателем средней ожидаемой продолжительности жизни при рождении;
2. индекс образования: доступ к образованию, измеряемый средней ожидаемой продолжительностью обучения детей школьного возраста и средней продолжительностью обучения взрослого населения;
3. индекс валового национального дохода: достойный уровень жизни, измеряемый величиной валового национального дохода (далее - ВНД) на душу населения в долларах США по паритету покупательной способности (далее - ППС).

Эти три измерения  стандартизируются в виде числовых значений от 0 до 1, среднее геометрическое которых представляет собой совокупный показатель ИРЧП в диапазоне от 0 до 1. Затем государства ранжируются на основе этого показателя.

При определении рейтинга учитываются множество факторов, таких как положение в области  прав человека и гражданских свобод, его возможность участия в  общественной жизни, социальная защищенность, степень территориальной и социальной мобильности населения, показатели уровня культурного развития населения, доступа к информации, здоровья, уровня безработицы, состояния преступности, охраны окружающей среды и другие. В итоговом рейтинге, представленном в приложении Б, все государства ранжируются на основе ИРЧП и классифицируются четырьмя категориями:

1. страны с очень высоким уровнем ИРЧП;
2. страны с высоким уровнем ИРЧП;
3. страны со средним уровнем ИРЧП;
4. страны с низким уровнем ИРЧП.

Глобальный индекс конкурентоспособности (Y₂)– The Global Competitiveness Index — глобальное исследование и сопровождающий его рейтинг стран мира по показателю экономической конкурентоспособности. Рассчитан по методике Всемирного экономического форума (World Economic Forum), основанной на комбинации общедоступных статистических данных и результатов глобального опроса руководителей компаний — обширного ежегодного исследования, которое проводится Всемирным экономическим форумом совместно с сетью партнерских организаций — ведущих исследовательских институтов и организаций в странах, анализируемых в отчете. Исследование проводится с 2004 года и на данный момент представляет наиболее полный комплекс показателей конкурентоспособности по различным странам мира.

Всемирный экономический  форум определяет национальную конкурентоспособность как способность страны и ее институтов обеспечивать стабильные темпы экономического роста, которые были бы устойчивы в среднесрочной перспективе. Авторы исследования подчеркивают, что страны с высокими показателями национальной конкурентоспособности, как правило, обеспечивают более высокий уровень благосостояния своих граждан. Предполагается, что Индекс должен использоваться государствами, которые стремятся к ликвидации препятствий на пути экономического развития и конкурентоспособности, в качестве инструмента для анализа проблемных моментов в их экономической политике и разработки стратегий по достижению устойчивого экономического прогресса.

Индекс глобальной конкурентоспособности  составлен из 113 переменных, которые  детально характеризуют конкурентоспособность стран мира, находящихся на разных уровнях экономического развития. Совокупность переменных на две трети состоит из результатов глобального опроса руководителей компаний (чтобы охватить широкий круг факторов, влияющих на бизнес-климат в исследуемых странах), а на одну треть из общедоступных источников (статистические данные и результаты исследований, осуществляемых на регулярной основе международными организациями). Все переменные объединены в 12 контрольных показателей, определяющих национальную конкурентоспособность:

1. качество институтов;
2. инфраструктура;
3. макроэкономическая стабильность;
4. здоровье и начальное образование;
5. высшее образование и профессиональная подготовка;
6. эффективность рынка товаров и услуг;
7. эффективность рынка труда;
8. развитость финансового рынка;
9. уровень технологического развития;
10. размер внутреннего рынка;
11. конкурентоспособность компаний;
12. инновационный потенциал.

Рейтинг стран, составленный на основе данного индекса, представлен  в приложении Б.

Для оценки влияния либерализации  внешней торговли на ИРЧП групп стран  построим уравнение регрессии с  применением следующих факторов:

X₁ – TRI 2009 г.;

X₂ – прирост внешнеторговой квоты с 2000 по 2009 гг.;

X₃ – GETI 2009 г.;

Исходные данные для  проведения анализа представлены в приложении.

Множественная регрессия  предоставляет пользователю возможность  включить в качестве предикторов  все переменные, какие только можно, в надежде, что некоторые из них  окажутся значимыми. Это происходит из-за того, что извлекается выгода из случайностей, возникающих при простом включении возможно большего числа переменных, рассматриваемых в качестве предикторов другой представляющей интерес переменной. Поэтому для избежания ошибок выбора данных проведем автокорреляцию показателей для определения факторов, которые в наибольшей степени влияют на ИРЧП. Результаты представлены в таблице 2.9

Таблица 2.9 - Коэффициенты корреляции

Корреляция Пирсона	X3	X2	X1
X3	1	0,462**	-0,512**
X2	0,462**	1	-0,246*
X1	-0,512**	-0,246*	1

                                  Источник: расчеты автора

Коэффициент корреляции должен принимать значения в интервале  от –1 до +1. Принято считать, что если  , то связь слабая; при связь средняя; при связь сильная или тесная. Когда , связь функциональная. Если же , то это дает основание говорить об отсутствии линейной связи между показателями. В нашем случае все предикторы находятся в слабой зависимости между собой, а значит, мультиколлинеарность отсутствует, т.е. когда несколько независимых переменных имеют одно и то же влияние и очевидно, что предикторы совершенно излишне. В нашем случае мультиколлинеарность не является для нас проблемой.  Объяснив выбор числа переменных, мы можем перейти к проведению множественной регрессии.

Результаты регрессионной  статистики  для стран из 1-го кластера представлены в таблице 2.10

Таблица 2.10 - Регрессионная статистика

Модель	Множественный R	R-квадрат	Нормированный R-квадрат	Стд. ошибка оценки	Дарбин-Ватсон
1	0,313a	0,098	-0,006	0,134470	2,049

Источник: расчеты автора

 

Согласно методике, проведем некоторые пояснения по данной таблице. Чем меньше разброс значений остатков около линии регрессии по отношению к общему разбросу значений, тем, очевидно, точнее прогноз. Например, если связь между переменными X и Y отсутствует, то отношение остаточной изменчивости переменной Y к исходной дисперсии равно 1.0. Если X и Y жестко связаны, то остаточная изменчивость отсутствует, и отношение дисперсий будет равно 0.0. В большинстве случаев отношение будет лежать где-то между этими экстремальными значениями, т.е. между 0.0 и 1.0. Если имеется R-квадрат равный 0,098, как в нашем случае, то изменчивость значений переменной Y около линии регрессии составляет 1- 0,098 от исходной дисперсии. Значение R-квадрата является индикатором степени подгонки модели к данным (значение R-квадрата близкое к 1.0 показывает, что модель объясняет почти всю изменчивость соответствующих переменных).

Обычно степень зависимости  двух или более предикторов (независимых  переменных или переменных X) с зависимой  переменной (Y) выражается с помощью  коэффициента множественной корреляции R. По определению он равен корню  квадратному из коэффициента детерминации. В нашем исследовании коэффициент множественной корреляции равен 0,313. Это положительная величина, принимающая значения между 0 и 1.

Проверка на наличие  систематических связей между остатками  соседних случаев может быть произведена при помощи теста Дарбина-Ватсона. В нашем исследовании, рассчитанный на основе данного теста коэффициент составил 2,049, так как его значение лежит в диапазоне от 0 до 4, то это является удовлетворительным значением коэффициента и означает, что автокорреляция отсутствует.

Рассчитаем меру определенности, которая должна всегда лежать в диапазоне  от 0 до 1. Эта величина характеризует  качество регрессионной прямой, то есть степень соответствия между  регрессионной моделью и исходными  данными. Для расчета меры определенности нужно провести дисперсионный анализ, результаты которого представлены в таблице 2.11

Таблица 2.11 - Дисперсионный анализ

Модель		Сумма квадратов	df	Средний квадрат	Фишер	Знч. Фишера
1	Регрессия	0,051	3	0,017	0,941	0,435a
	Остаток	0,470	26	0,018
	Всего	0,521	29

Источник: расчеты автора

 

Отсюда следует, что  мера определенности равна 

0,051 / 0,521= 0,097      

 Мультиколлинеарность  можно выявить, рассчитав значение  Фишера, который в идеале должен  быть не > 0,05. Наше значение не вписывается в этот интервал,  оно  равно 0,435.

Центральное место в  исследовании, конечно же, занимают коэффициенты, которые необходимы для  построения уравнения регрессии. Они  рассчитаны в таблице 2.12

Таблица 2.12 - Коэффициенты множественной регрессии

Модель		Нестандартизованные коэффициенты		Стандартизованные коэффициенты	t	Знч.
		B	Стд. Ошибка	Бета
1	(Константа)	0,072	0,375		0,193	0,849
	X3	0,130	0,096	0,277	1,356	0,187
	X2	0,568	0,546	0,197	1,039	0,308
	X1	-0,011	0,234	-0,010	-0,048	0,962