Курсовая работа: Анализ динамики внешней торговли России. Экономико-статистическое моделирование динамики импорта товаров

Дальневосточный федеральный округ, розничной торговли региона, факторы развития розничной торговли в регионе, методы оценки факторов развития розничной торговли в регионе

Носкова Елена Викторовна

Оценка факторов, влияющих на развитие розничной торговли Дальневосточного федерального округа// Региональная экономика и управление: электронный научный журнал . ISSN 1999-2645 . — . Номер статьи: 5102. Дата публикации: 2017-07-17 . Режим доступа: https://сайт/article/5102/

Noskova Elena Viktorovna
Ph.D., assistant professor of marketing, commerce and logistics
Russia, Far Eastern Federal University
[email protected]

Abstract

The article notes that at present the role of retailers in the region"s economy, due to rising real incomes, and significant changes in technology to provide retail services. The purpose of this study is to develop a methodology for measuring factors that affect the development of retail trade. The author proposes a measuring instrument, a rating of factors influencing the development of the retail trade of the Far Eastern Federal District, calculated the coefficients of concordance and rank correlation of Spearman. Results can be used by retailers for management decisions. The limitations of this study are the boundaries of the expert survey. Consequently, the results can only be disseminated to the subjects of the Far Eastern Federal District.

Far Eastern Federal District, retail trade in the region, factors of retail development in the region, methods for assessing retail development factors in the region

Noskova Elena Viktorovna

Evaluation of the factors of development of retail trade in the Far Eastern Federal District. Regional economy and management: electronic scientific journal. . Art. #5102. Date issued: 2017-07-17. Available at: https://сайт/article/5102/

«Анализ влияния факторов на результаты внешнеторговой деятельности – наименее изученная проблема статистики внешней торговли. Изучение стохастических связей во внешней торговле в настоящее время носит эпизодический характер. С одной стороны это связано с «молодостью» таможенной статистики, как науки. С другой стороны причиной является отсутствие специалистов-статистиков занимающихся изучением стохастических связей на местах. В-третьих, информационная база для изучения влияния разнообразных факторов на результаты внешнеторговой деятельности выходит за рамки базы данных ГТК-ФТС. Появляется необходимость в привлечении дополнительной информации, например информации Федеральной службы Государственной статистики России, что требует отлаженных механизмов взаимообмена информацией, либо изыскания иных возможностей получения необходимых данных» .

«Один из наиболее общих законов объективного мира – закон всеобщей связи и зависимости между явлениями. Естественно, что, исследуя явления в самых различных областях, статистика неизбежно сталкивается с зависимостями как между количественными, так и между качественными показателями, признаками. Ее задача – обнаружить (выявить) такие зависимости и дать им количественную характеристику.

Среди взаимосвязанных признаков (показателей) одни могут рассматриваться как определенные факторы, влияющие на изменение других (факторные ), а вторые (результативные ) ­ ­– как следствие, результат влияния первых.

Существует 2 вида связи между отдельными признаками: функциональная и стохастическая (статистическая), частным случаем которой является корреляционная.

Связь между двумя переменными x и y называется функциональной , если определенному значению переменной x строго соответствует одно или несколько значений другой переменной y , и с изменением значения x значение y меняется строго определенно. Такие связи обычно встречаются в точных науках. Например, известно, что площадь квадрата равна квадрату его стороны (S = a 2 ). Это соотношение характерно для каждого единичного случая (квадрата), это так называемая жестко детерминированная связь. Такие связи можно встретить и в таможенном деле. Например, связь между суммой адвалорной таможенной пошлины (y) и таможенной стоимостью товара (x) , облагаемого по фиксированной адвалорной ставке таможенной пошлины, например 5%, легко можно выразить формулой y = 0,05х . Для изучения функциональных связей применяется индексный метод, которыйрассматривается в теме 8.

Существуют и иного рода связи, где взаимно действуют многие факторы, комбинация которых приводит к вариации значений результативного признака (показателя) при одинаковом значении факторного признака. Например, при изучении зависимости величины таможенных платежей, поступающих в федеральный бюджет, от количества товаров, перемещаемых через таможенную границу государства, (или от стоимостного товарооборота) последние будут рассматриваться как факторный признак, а величина таможенных платежей – как результативный. Между ними нет жестко детерминированной связи, т.е. при одном и том же количестве перемещенных через таможенную границу товаров (или стоимости товарооборота) величина таможенных платежей, перечисленных разными таможнями будет различной, так как кроме количества товаров, перемещаемых через таможенную границу государства, (или стоимость товарооборота) на величину таможенных платежей влияет много других факторов (различная номенклатура товаров, для которых применяются различные таможенные пошлины, сборы и льготы; различные таможенные режимы перемещения товаров через таможенную границу и др.), комбинация которых вызывает вариацию величины таможенных платежей.

Там, где взаимодействует множество факторов, в том числе и случайных, выявить зависимости, рассматривая единичный случай, невозможно. Такие связи можно обнаружить только при массовом наблюдении как статистические закономерности. Выявленная таким образом связь именуется стохастической .

Корреляционная связь – понятие более узкое, чем стохастическая связь, это ее частный случай. Именно корреляционные связи являются предметом изучения статистики.

Корреляционная связь – это связь, проявляющаяся при большом числе наблюдений в виде определенной зависимости между средним значением результативного признака и признаками-факторами. Другими словами, корреляционную связь условно можно рассматривать как своего рода функциональную связь средней величины одного признака (результативного) со значением другого (или других). При этом, если рассматривается связь средней величины результативного показателя y с одним признаком-фактором x , корреляция называется парной , а если факторных признаков 2 и более (x 1 , x 2 , …, x m ) – множественной .

По характеру изменений x и y в парной корреляции различают прямую и обратную связь. При прямой связи значения обоих признаков изменяются в одном направлении, т.е. с увеличением (уменьшением) значений x увеличиваются (уменьшаются) и значения y . При обратной связи значения факторного и результативного признаков изменяются в разных направлениях.

Изучение корреляционных связей сводится в к решению следующих задач:

1) выявление наличия (отсутствия) корреляционной связи между изучаемыми признаками;

2) измерение тесноты связи между двумя (и более) признаками с помощью специальных коэффициентов (эта часть исследования именуется корреляционным анализом);

3) определение уравнения регрессии – математической модели, в которой среднее значение результативного признака у рассматривается как функция одной или нескольких переменных – факторных признаков (эта часть исследования именуется регрессионным анализом).

34. Корреляционно-регрессионный анализ связей показателей внешней торговли.

Общий термин «корреляционно-регрессионный анализ » подразумевает всестороннее исследование корреляционных связей (т.е. решение всех трех задач).

3. Коэффициент корреляции знаков (Фехнера) – простейший показатель тесноты связи, основанный на сравнении поведения отклонений индивидуальных значений каждого признака (x и y ) от своей средней величины. При этом во внимание принимаются не величины отклонений () и (), а их знаки («+» или «–»). Определив знаки отклонений от средней величины в каждом ряду, рассматривают все пары знаков и подсчитывают число их совпадений (С ) и несовпадений (Н ). Тогда коэффициент Фехнера рассчитывается как отношение разности чисел пар совпадений и несовпадений знаков к их сумме, т.е. к общему числу наблюдаемых единиц:

. (1)

Очевидно, что если знаки всех отклонений по каждому признаку совпадут, то К Ф = 1, что характеризует наличие прямой связи. Если все знаки не совпадут, то К Ф =– 1(обратная связь). Если же åС=åН , то К Ф = 0. Итак, как и любой показатель тесноты связи, коэффициент Фехнера может принимать значения от 0 до 1. Однако, если К Ф = 1, то это ни в коей мере нельзя воспринимать как свидетельство функциональной зависимости между х и у .

Средние значения факторного и результативного признаков определяем по формуле средней арифметической простой Ошибка! Источник ссылки не найден. :

; .

В двух последних столбцах таблицы 2 приведены знаки отклонений каждого х и у от своей средней величины. Число совпадений знаков – 10, а несовпадений – 2, тогда определяем коэффициент корреляции знаков (Фехнера) по формуле. (1):

К Ф =

Таблица 2. Вспомогательная таблица для расчета коэффициента Фехнера

Обычно такое значение показателя тесноты связи характеризует заметную прямую зависимость между x и y , однако, следует иметь в виду, что поскольку К Ф зависит только от знаков и не учитывает величину самих отклонений х и у от их средних величин, то он практически характеризует не столько тесноту связи, сколько ее наличие и направление.

4. Линейный коэффициент корреляции – самый популярный измеритель тесноты линейной связи между двумя количественными признаками x и y . Он основан на предположении, что при полной независимости признаков x и у отклонения значений факторного признака от средней () носят случайный характер и должны случайно сочетаться с различными отклонениями (). При наличии значительного перевеса совпадений или несовпадений таких отклонений делается предположение о наличии связи между x и y .

В отличие от К Ф в линейном коэффициенте корреляции учитываются не только знаки отклонений от средних величин, но и значения самих отклонений, выраженные для сопоставимости в единицах среднего квадратического отклонения t :

Линейный коэффициент корреляции r представляет собой среднюю величину из произведений нормированных отклонений для x и у :

, (2) или . (3)

Числитель формулы. (3), деленный на n , представляющий собой среднее произведение отклонений значений двух признаков от их средних значений, называется коэффициентом ковариации – это мера совместной вариации факторного x и результативного y признаков:

Недостатком коэффициента ковариации является то, что он не нормирован, в отличие от линейного коэффициента корреляции. Очевидно, что линейный коэффициент корреляции представляет собой частное от деления ковариации между х и у на произведение их средних квадратических отклонений:

Путем несложных математических преобразований можно получить и другие модификации формулы линейного коэффициента корреляции, например:

, (6) , (7)

, (8) . (9)

Линейный коэффициент корреляции может принимать значения от –1 до +1, причем знак определяется в ходе решения. Например, если , то r по формуле (6) будет положительным, что характеризует прямую зависимость между х и у , в противном случае (r< 0) – обратную связь. Если , то r= 0, что означает отсутствие линейной зависимости между х и у , а при r= 1 – функциональная зависимость между х и у . Следовательно, всякое промежуточное значение r от 0 до 1 характеризует степень приближения корреляционной связи между х и у к функциональной. Существует эмпирическое правило (шкала Чэддока) для оценки тесноты связи, представленное в таблице 3.

Таблица 3. Шкала Чэддока

Таким образом, коэффициент корреляции при линейной зависимости служит как мерой тесноты связи, так и показателем, характеризующим степень приближения корреляционной зависимости между х и у к линейной. Поэтому близость значения r к 0 в одних случаях может означать отсутствие связи между х и у , а в других свидетельствовать о том, что зависимость не линейная.

В нашей задаче для расчета r построим вспомогательную таблицу 4.

Таблица 4. Вспомогательные расчеты линейного коэффициента корреляции

В нашей задаче: = = 4,784; = = 27,618.

Тогда линейный коэффициент корреляции по формуле (2): r = 11,241/12 = 0,937.

Аналогичный результат получаем по формуле. (3):

r = 1485,066/(12*4,784*27,618) = 0,937

Или по формуле (6):

r = (106317,681/12 – 36,602*238,674) / (4,784*27,618) = 0,937.

Найденное значение свидетельствует о том, что связь между величиной стоимостного внешнеторгового товарооборота и величиной таможенных платежей в федеральный бюджет очень близка к функциональной (сильная по шкале Чэддока).

Проверка коэффициента корреляции на значимость (существенность). Интерпретируя значение коэффициента корреляции, следует иметь в виду, что он рассчитан для ограниченного числа наблюдений и подвержен случайным колебаниям, как и сами значения x и y , на основе которых он рассчитан. Другими словами, как любой выборочный показатель, он содержит случайную ошибку и не всегда однозначно отражает действительно реальную связь между изучаемыми показателями. Для того, чтобы оценить существенность (значимость) самого r и, соответственно, реальность измеряемой связи между х и у , необходимо рассчитать среднюю квадратическую ошибку коэффициента корреляции σ r . Оценка существенности (значимости) r основана на сопоставлении значения r с его средней квадратической ошибкой: .

Существуют некоторые особенности расчета σ r в зависимости от числа наблюдений (объема выборки) – n .

1. Если число наблюдений достаточно велико (n >30), то σ r рассчитывается по формуле. (10):

Обычно, если >3, то r считается значимым (существенным), а связь – реальной. Задавшись определенной вероятностью, можно определить доверительные пределы (границы) r = (), где t – коэффициент доверия, рассчитываемый по интегралу Лапласа (см. Приложение 11) .

2. Если число наблюдений небольшое (n <30), то σ r рассчитывается по формуле, (11):

а значимость r проверяется на основе t- критерия Стьюдента, для чего определяется расчетное значение критерия по формуле. (12) и сопоставляется c t ТАБЛ .

. (12)

Табличное значение t ТАБЛ находится по таблице распределения t -критерия Стьюдента (см. Приложение 9.) при уровне значимости α=1-β и числе степеней свободы ν=n–2 . Если t РАСЧ > t ТАБЛ , то r считается значимым, а связь между х и у – реальной. В противном случае (t РАСЧ < t ТАБЛ ) считается, что связь между х и у отсутствует, и значение r , отличное от нуля, получено случайно.

В нашей задаче число наблюдений небольшое, значит, оценивать существенность (значимость) линейного коэффициента корреляции будем по формулам, (11) и. (12):

= 0,349/3,162 = 0,110; = 0,937/0,110 = 8,482.

Из приложения 9 видно, что при числе степеней свободы ν = 12 – 2 = 10 (в 10-й строке) и вероятности β = 95% (уровень значимости α =1 – β = 0,05) t табл = 2,2281, а при вероятности 99% (α =0,01) t табл = 3,169, значит, t РАСЧ > t ТАБЛ , что дает возможность считать линейный коэффициент корреляции r = 0,937 значимым.

5. Подбор уравнения регрессии представляет собой математическое описание изменения взаимно коррелируемых величин по эмпирическим (фактическим) данным. Уравнение регрессии должно определить, каким будет среднее значение результативного признака у при том или ином значении факторного признака х, если остальные факторы, влияющие на у и не связанные с х, не учитывать, т.е. абстрагироваться от них. Другими словами, уравнение регрессии можно рассматривать как вероятностную гипотетическую функциональную связь величины результативного признака у со значениями факторного признака х.

Уравнение регрессии можно также назвать теоретической линией регрессии. Рассчитанные по уравнению регрессии значения результативного признака называются теоретическими .Они обычно обозначаются или (читается: «игрек, выравненный по х») и рассматриваются как функция от х , т.е. = f(x) .

Найти в каждом конкретном случае тип функции, с помощью которой можно наиболее адекватно отразить ту или иную зависимость между признаками х и у, - одна из основных задач регрессионного анализа. Выбор теоретической линии регрессии часто обусловлен формой эмпирической линии регрессии; теоретическая линия как бы сглаживает изломы эмпирической линии регрессии. Кроме того, необходимо учитывать природу изучаемых показателей и специфику их взаимосвязей.

Для аналитической связи между х и у могут использоваться виды уравнений, приведенные в таблице (см.раздел анализ рядов динамики) (при условии замены t на x ). Обычно зависимость, выражаемую уравнением прямой, называют линейной (или прямолинейной), а все остальные - криволинейными зависимостями .

Выбрав тип функции), по эмпирическим данным определяют параметры уравнения. При этом отыскиваемые параметры должны быть такими, при которых рассчитанные по уравнению теоретические значения результативного признака были бы максимально близки к эмпирическим данным.

Существует несколько методов нахождения параметров уравнения регрессии. Наиболее часто используется метод наименьших квадратов (МНК). Его суть заключается в следующем требовании: искомые теоретические значения результативного признака должны быть такими, при которых бы обеспечивалась минимальная сумма квадратов их отклонений от эмпирических значений, т.е.

.

Поставив данное условие, легко определить, при каких значениях a 0 , a 1 и т.д. для каждой аналитической кривой эта сумма квадратов отклонений будет минимальной. Данный метод уже использовался нами в теме 6 «Статистическое изучение динамики ВЭД», поэтому, воспользуемся формулой для нахождения параметров теоретической линии регрессии, заменив параметр t на x :

(13)

Выразив из первого уравнения системы (13) a 0 , получим:

. (14)

Подставив. (14) во второе уравнение системы (13), затем, разделив обе его части на n, получим:

.

Применяя 3 раза формулу средней арифметической, получим: .

Раскрыв скобки и перенеся члены без a 1 в правую часть уравнения, выразим a 1 :

. (15)

Параметр a 1 в уравнении линейной регрессии называется коэффициентом регрессии , который показывает на сколько изменяется значение результативного признака y x на единицу.

Исходные данные и расчеты для нашего примера представим в таблице 5.

Таблица 5. Вспомогательные расчеты для нахождения уравнения регрессии

По формуле. (15): = 5,407.

По формуле. (14): a 0 = 238,674 – 5,407*36,602 = 40,767.

Отсюда получаем уравнение регрессии: =40,767+5,407x , подставляя в которое вместо x эмпирические значения факторного признака (2-й столбец таблицы 5), получаем выравненные по прямой линии теоретические значения результативного признака (6-й столбец таблицы 5). Для иллюстрации различий между эмпирическими и теоретическими линиями регрессии построим график (рисунок 6).

Рис.6. График эмпирической и теоретической линий регрессии

Из рисунка 6 видно, что небольшие различия между эмпирической и теоретической линиями регрессии существуют, поэтому необходимо оценить существенность коэффициента регрессии и уравнения связи, для чего определяют среднюю ошибку параметров уравнения регрессии и сравнивают их с этой ошибкой.

Расчет ошибок параметров уравнения регрессии основан на использовании остаточной дисперсии, характеризующей расхождение (отклонение) между эмпирическими и теоретическими значениями результативного признака. Для линейного уравнения регрессии ( ) средние ошибки параметров a 1 и a 2 определяются по формулам (16) и (17) соответственно:

, (16) , (17) . (18)

Значимость параметров проверяется путем сопоставления его значения со средней ошибкой. Обозначим это соотношение как t

И по той же формуле для параметра a 1 : =8,46.

Так как выборка малая, то задавшись стандартной значимостью α=0,05 находим в 10-й строке Приложения 9 табличное значение t α =2,23, которое значительно меньше полученных значений 13,3 и 8,46, что свидетельствует о значимости обоих параметров уравнения регрессии.

Наряду с проверкой значимости отдельных параметров осуществляется проверка значимости уравнения регрессии в целом или, что то же самое, проверка адекватности модели с помощью критерия Фишера по Приложению 8 . Данный метод уже использовался нами для проверки адекватности уравнения тренда в предыдущей теме, поэтому воспользовавшись формулой в нашем примере получим:

Сравнивая расчетное значение критерия Фишера F р = 71,56 с табличным F т = 4,96, определяемое по Приложению 8 при числе степеней свободы ν 1 = k – 1 = 2 –1 = 1 и ν 2 = n – k = 12 – 2 = 10 (т.е. 1-й столбец и 10-я строка) и стандартном уровне значимости α = 0,05, можно сделать вывод, что уравнение регрессии значимо.

6. Коэффициент эластичности показывает, на сколько процентов изменяется в среднем результативный признак y при изменении факторного признака x на 1%. Он рассчитывается на основе уравнения регрессии:

где – первая производная уравнения регрессии y по x .

Коэффициент эластичности – величина переменная, т.е. изменяется с изменением значений фактора x . Так, для линейной зависимости :

Применительно к рассмотренному уравнению регрессии, выражающему зависимость величины таможенных платежей в федеральный бюджет от величины стоимостного внешнеторгового оборота ( = 40,767 + 5,407x ), коэффициент эластичности по формуле. (21): .

Подставляя в данное выражение разные значения x, получаем и разные значения Э . Так, например, при x = 40 коэффициент эластичности = 0,84, а при x = 50 соответственно = 0,87 и т.д. Это значит, что при увеличении внешнеторгового товарооборота x с 40 до 40,4 млрд.долл. (т.е. на 1%), величина таможенных платежей возрастет в среднем на 0,84% прежнего уровня; при увеличении x с 50 до 50,5 млрд.долл. (т.е. на 1%) y возрастет на 0,87% и т.д.» .

Ad valorem (лат.) – «от стоимос­ти»

Проявление стохастических связей подвержено действию закона больших чисел : лишь в достаточно большом числе единиц индивидуальные особенности сгладятся, случайности взаимопогасятся и зависимость, если она имеет существенную силу, проявится достаточно отчетливо

Термин «стохастический» происходит от греч. «stochos» – мишень. Стреляя в мишень, даже хороший стрелок редко попадает в ее центр, выстрелы ложатся в некоторой близости от него. Другими словами стохастическая связь означает приблизительный характер значений признака

Термин «корреляция» ввел в статистику английский биолог и статистик Ф. Гальтон в конце XIX в., под которым понималась «как бы связь», т.е. связь в форме, отличающейся от функциональной. Еще ранее этот термин применил француз Ж.Кювье в палеонтологии, где под законом корреляции частей животных он понимал возможность восстановить по найденным в раскопках частям облик всего животного

Множественная корреляция изучается в курсе эконометрики на основе применения компьютерных программ (напр., специальная надстройка к Excel , SPSS и др.), в курсе статистики изучается только парная корреляция

При измерении тесноты связи между рядами динамики это равнозначно отсутствию автокорреляции между уровнями ряда, т.е. прежде чем оценивать тесноту связи между рядами динамики, необходимо проверить каждый ряд на автокорреляцию – см. методические указания

Проделать это самостоятельно

Термин «регрессия» ввел в статистику Ф. Гальтон, который изучив большое число семей, установил, что в группе семей с высокорослыми отцами сыновья в среднем ниже ростом, чем их отцы, а в группе семей с низкорослыми отцами сыновья в среднем выше отцов, т.е. отклонение роста от среднего в следующем поколении уменьшается – регрессирует

Параметры a 0 и a 1 можно получить не только методом подстановки как приводится далее, но и методом определителей 2-го порядка (проделать данное задание самостоятельно)

Сумма эмпирических (2864,09) и выравненных по прямой линии (2864,115) значений должна совпадать, но в нашем случае этого не происходит из-за округлений расчетов до 3-х знаков после запятой

В числителе – сумма последнего столбца, а в знаменателе – сумма предпоследнего столбца таблицы 5

В экспорте России преобладают товары с неустойчивой ценовой динамикой, спрос на которые слабо меняется при изменении цен и которым в долгосрочном плане присущи тенденции к понижению цен на них.

Темпы расширения спроса на эти товары довольно медленны и отличаются низкой ценовой эластичностью. Рынки таких товаров не являются свободными. Рынок нефти и нефтепродуктов находится под контролем стран ОПЕК, рынок черных металлов (с помощью квот и антидемпинговых мер) уже давно регулируется крупнейшими западными странами, сбыт природного газа ограничивается наличием и проводимостью трубопроводной сети.

Удельный вес в российском экспорте машин и оборудования, в мировой торговле являющихся самой перспективной категорией товаров, ничтожен, это относится к высокотехнологичной продукции, которой в экспорте РФ, если не считать военной техники, почти нет.

В импорте России слишком большое место занимают продовольственные товары и сельскохозяйственное сырье, спрос на которые остается высоким даже в условиях повышения цен и падения доходов населения.

На развитие внешней торговли в последние годы реформ значительно повлияли три основных фактора, действовавших разнонаправлено :

• 1) девальвация рубля;
• 2) повышение мировых цен на ключевые товары российского экспорта;
• 3) сокращение внутреннего спроса.

Россия слабо вовлечена :

• 1) в международную кооперацию производства;
• 2) торговлю услугами;
• 3) международную миграцию капитала в форме прямых инвестиций;
• 4) в научно-технический и информационный обмен между странами.

Экономика России оказалась зависимой :

• 1) от экспорта узкого круга товаров (прежде всего топливно-сырьевой группы);
• 2) от импорта многих потребительских товаров.

В этой связи для решения задач по стабилизации роста национальной экономики, а также обеспечения равноправной интеграции России в мировую экономику, с учетом тенденций развития мировой экономики и торговли, необходимо обеспечить реализацию основных целей :

• 1) повышение конкурентоспособности российской экономики;
• 2) сохранение позиций России на мировых товарных рынках(сырье, материалы, комплектное оборудование, вооружение и военная техника), а также дальнейшее расширение экспорта готовых изделий и услуг;
• 3) обеспечение равноправных условий доступа российских товаров и услуг на мировые рынки при адекватной защите внутреннего рынка от недобросовестной иностранной конкуренции в соответствии со сложившейся практикой международных экономических отношений;
• 4) проведение таможенно-тарифной политики, способствующей созданию благоприятных условий для расширения национального производства и повышения его конкурентоспособности, не изменяющих при этом условий конкуренции на внутреннем рынке;
• 5) сокращение утечки капитала по каналам внешней торговли.

В начале XXI в. внешнеэкономические связи России переживают сложный период глубоких качественных преобразований, связанных с осуществлением реформ и поиском путей интегрирования в систему мирохозяйственных отношений.

Обще тенденции во внешней торговле России

По данным таможенной статистики ключевые показатели - экспорт, импорт и внешнеторговый оборот к концу года изменились незначительно и сравнялись с показателями прошлого года.

Так, внешнеторговый оборот составил 844,2 млрд. долларов, экспорт - 532,6 млрд. долл., а импорт317,8 млрд. долл. Статистика внешней торговли России в 2013 году: цифры и ключевые показатели // http://xn--b1ae2adf4f.xn--p1ai/analytics/research/

Рисунок 1. - Внешнеторговый оборот России в 2013 году Тот же.

При этом в среднем, темп прироста составил + 0,3% по всем показателям. Даже показатель экспорта, который почти весь год был ниже уровня 2012 года, увеличился, несмотря на неоптимистичные прогнозы.

Среди наиболее важных факторов, повлиявших на эти показатели, следует выделить следующие:

• 1. Общемировые тенденции: экономика стран после кризиса 2008 года развивается медленно, что сказывается и на объемах мировой торговли. Кризис Еврозоны в 2012-2013 году также осложнил ситуацию в темпах производства, спросе и потреблении.
• 2. Присоединение России к ВТО. Данный фактор скорее является «внутренней» причиной уменьшения объемов внешней торговли. Одни эксперты говорят, что ВТО лишь обнажила существующие проблемы, но в дальнейшем она послужит стимулом для развития производств, другие же, наоборот, считают, что механизмы ВТО носят дискриминационный характер и для производителей, и для государства с точки зрения бюджета, нормативно-правовой базы, методов государственного регулирования.
• 3. Одной из причин снижения экспорта по мнению экспертов было повышение курса рубля, из-за чего российские товары, наряду с итак низкой конкурентоспособностью, дорого стоили. Это вызвало падение объема продаж, т.е. экспорта.
• 4. Отрицательно на экономике сказалось снижение инвестиций в основной капитал крупных государственных компаний.
• 5. Замедление потребительского спроса, из-за больших долговых нагрузок населения. По данным Центрального банка, кредитная нагрузка на одного работника составляет около 3,7 среднемесячных заработных плат
• 6. Тем не менее, не смотря на отрицательные факторы, в экспорт и импорт все же увеличились. Во многом это связывают с мерами по девальвации рубля, а также с повышением активности участников внешнеэкономической деятельности России и Европы.

Если представить данные в динамике по экспорту и импорту по годам, то, не трудно заметить, что в целом экспорт и импорт увеличивается уже в течение многих лет, несмотря на замедленные темпы роста в последние годы. Динамика представлена на рисунке ниже.

Рисунок 2. - Основные показатели внешней торговли России в 2003-2013 годах (млн.долл.) Статистика внешней торговли России в 2013 году: цифры и ключевые показатели // http://xn--b1ae2adf4f.xn--p1ai/analytics/research/

По официальным данным среднегодовой прирост за 11 лет составил 15%. Это является достаточно высоким показателем, учитывая кризис 2008-2009 гг. Тем не менее, после 2011 года темпы роста экспорта и импорта существенно снизились, поэтому их увеличение только на 0,3% было ожидаемым.

Также стоит отметить, что по-прежнему не наблюдается серьезных сдвигов в соотношении стоимости экспорта и импорта. Как видно из графика импорт более чем на треть меньше экспорта. С одной стороны - стабильность - это хорошо, но с другой это означает, что Россия так и не пытается изменить структуру своей внешней торговли.

Как уже говорилось, год был весьма противоречивым с токи зрения прогнозов. Динамика экспорта и импорта по месяцам представлена на графике ниже.

Рисунок 3. - Основные показатели внешней торговли России в 2013 году (млн.долл.) Статистика внешней торговли России в 2013 году: цифры и ключевые показатели // http://xn--b1ae2adf4f.xn--p1ai/analytics/research/

В целом, показатели внешней торговли в течение года были стабильны. Период роста экспорта и импорта пришелся на март-апрель 2013 года, а также на декабрь. Графики показателей в отдельности представлены на рисунке ниже.

Рисунок 4. - Внешнеторговый оборот в 2013 году (млн.руб.) Обзоры внешней торговли России // http://www.ved.gov.ru/

В марте-апреле 2013 года наблюдался рост внешней торговли. Это обусловлено в первую очередь ростом импорта, однако уже к маю показатели резко снизились. Это связано с уменьшением цен на многие сырьевые товары. сравнению с апрелем 2012 г. подешевели практически все товары, за исключением газа, подорожавшего на европейском рынке на 12,8%, на американском - в 2,1 раза. Заметен спад и в августе. В этом месяце отмечалась разнонаправленная динамика развития конъюнктуры мировых рынков сырьевых товаров - важных статей российского экспорта.

Нефтяные цены росли, что во многом обусловлено сезонным увеличением потребления жидкого топлива, но для этого месяца были характерны срывы поставок со стороны крупных экспортеров. Дополнительным катализатором роста цен выступала неопределенность по мирному разрешению сирийского кризиса. Поддержку нефтяным ценам на европейском рынке оказал спад добычи в Северном море в результате сезонных ремонтных работ на скважинах.

На 7,5% уменьшился внешнеторговый оборот в мае 2013 г. Как пояснило Министерство экономического развития, подобный спад был вызван уменьшением количества рабочих дней в мае (их было на 3 меньше).

Это оказало негативное влияние динамику промышленности, торговли, услуг населению, а также экспорта топливно-энергетических товаров. Также некоторое влияние оказала и сезонная составляющая.

Спад произошел практически во всех отраслях экономики. Кроме того, в мае стали ухудшаться условия на рынке труда, отмечается в мониторинге Минэкономразвития. Уровень безработицы, очищенный от сезонного эффекта, увеличился до 5,5 процента - это наибольшее значение за последние месяцы. Возобновилось падение реальной заработной платы - она сократилась на 0,4 процента по отношению к апрелю. Обзоры внешней торговли России // http://www.ved.gov.ru/

Наконец, ещё более сильный спад произошел в августе по причинам, описанным выше.

Также, подъем во внешней торговле произошел в ноябре-декабре 2013 года, что и позволило немного превысить показатели прошлого года. Данное увеличение произошло целиком за счет роста экспорта металлов, продукции сельскохозяйственного производства.