Привет студент

УДК  336.7

ББК 65.38

 

 

ИССЛЕДОВАНИЕ ИНВЕСТИЦИОННОЙ ПРИВЛЕКАТЕЛЬНОСТИ В ОТРАСЛИ ПОЛИГРАФИЧЕСКИХ УСЛУГ ПЕРМСКОГО КРАЯ

 

Сундеев В.В., студент 2 курса

Научный руководитель – к.э.н., доцент С.Е. Шипицына

Электронный адрес: sundeev.vladimir@yandex.ru

Пермский государственный национальный исследовательский  университет, 614990  г. Пермь, ул. Букирева, 15

 

В данной статье отражено исследование привлекательности для инвестирования в Пермском крае в отрасль полиграфических услуг по сравнению со Свердловской областью.

 

Ключевые слова: Пермский край, Свердловская область, полиграфия, инвестиции, сравнение, курс доллара, норма прибыли, с 2015 по 2017 год, динамика.

 

В данной работе проведен анализ двух регионов России на предмет инвестиционной привлекательности.

Актуальность данной работы заключается в том, что на территории пермского края вступило в силу постановление администрации города Перми от 25.10.2016 №958 «об утверждении стандартных требований к вывескам, их размещению и эксплуатации» которое уменьшит емкость рынка.

Целью данного  исследования является выявление инвестиционной привлекательности в отрасли полиграфических услуг в Пермском крае.

Для достижения этой цели был исследован рынок полиграфических услуг в Пермском крае и Свердловской области. Было выбрано 164 респондента в Пермском крае и 341 респондент в Свердловской области. Разница в количестве респондентов объясняется емкостью рынка на данных территориях.

Для решения поставленных цели и задач в качестве инструмента будут использованы методы статистических исследований, такие как проверка на нормальность распределения для проверки данных, кластерный анализ для рассмотрения отдельных группе респондентов, непараметрический метод однофакторный дисперсионный анализ Краскала-Уоллеса для подтверждения вывода кластерного анализ и т.д. в рамках программного обеспечения IBM SPSS, MS Excel.

В Российской Федерации законодательством не определена конкретная методика оценки инвестиционной привлекательности регионов, поэтому в последнее время стали все чаще появляться различные методики расчета показателей инвестиционной привлекательности. Для каждой методики характерно исполь­зование различных экономико-статистических методов оценки, а также понятийного аппарата, и инструмента­рия анализа. Все это привело к тому, что до сих пор от­сутствует «системный», комплексный подход к решению этого вопроса. Во второй части этой главы будут рассмотрены основные методы оценки инвестиционной привлекательности регионов, и даны основные понятия, характерные именно конкретной методики. Рассмотрим на данном этапе общее значение основных понятий.

Инвестиционная привлекательность зависит от трех условий:

• благоприятной инвестиционной ситуации;
• инвестиционного климата в отрасли и ре­гионе;
• наличия преимуществ, которые принесут инвестору дополнительную прибыль или умень­шат риск.

Инвестиционная ситуация характеризуется инвестиционной активностью и эффективностью инвестиционных процессов. Необходимость оживления инвестиционной активности предпо­лагает реализацию системы мер, связанных с соз­данием благоприятного инвестиционного клима­та для национальных и иностранных инвестиций.

Региональный инвестиционный климат представляет собой систему правовых, экономи­ческих и социальных условий инвестиционной деятельности, формирующихся под воздействием широкого круга взаимосвязанных процессов, подразделяющихся на свои макро-, микро- и собственно региональные уровни управления, отражающие как объективные возможности ре­гиона к развитию и расширению инвестиционной деятельности, характеризующие его инвестици­онный потенциал, так и условия деятельности инвесторов (инвестиционный риск), создающих предпосылки для появления устойчивых инвестиционных мотиваций и оказывающих сущест­венное влияние на доходность инвестиций и уро­вень инвестиционных рисков.

Инвестиционный потенциал, в свою оче­редь, представляет собой качественную характе­ристику, учитывающую основные макроэконо­мические параметры в виде суммы объективных предпосылок для инвестиций и зависящую как от наличия и разнообразия сфер и объектов инве­стирования, так и от экономического развития региона. Это, прежде всего — насыщенность тер­ритории факторами производства (природными ресурсами, трудовым и научным капиталом, инновационными ресурсами, ос­новными фондами, рыночной и социальной ин­фраструктурой), уровень доходов населения и потребительский спрос.

Развитие инвестиционного процесса в целом определяется составляющими инвестиционного климата. Различия в глубине спада инвестиций по регионам и качественные изменения в инвести­ционной сфере определяют совокупность факто­ров, последствия влияния которых можно харак­теризовать как рыночную реакцию регионов на проводимые экономические реформы. С помо­щью этих факторов можно определить степень адаптации экономики региона к рыночной эко­номике, в том числе с точки зрения воспроизвод­ства основного капитала. Положительная рыноч­ная реакция означает формирование предпосылок для улучшения инвестиционного климата. Слабая рыночная реакция позволяет сделать предполо­жение об ухудшении инвестиционного климата в длительной перспективе.

В качестве основных для оценки инве­стиционной привлекательности в современных исследованиях используются следующие методики:

1) методика, разработанная аналитиками рейтингового агентства «Эксперт-РА» (методика экономического еженедельника «Эксперт»);

2) методика, разработанная авторским кол­лективом СОПС Минэкономразвития РФ и РАН;

3) научно обоснованный подход Н.И.Климовой, представленный в исследовании «Инвестиционный потенциал региона»;

4) методика ранжирования субъектов Рос­сийской Федерации по степени благоприятности инвестиционного климата Гусевой К.;

5) методика оценки инвестиционной привлекательности региона как критерия коммерческой привлекательности Н.А. Колесникова;

6) методика оценки привлекательности путем определения конкурентного статуса и конкурентного потенциала В.В. Иванова и А.Н. Коробова;

7) методика составления бизнес - карты региона;

 

Начнем анализ Пермского края и Свердловской области с анализа данных о нормах прибыли за 2015-2017 годы

Для проверки нормальности распределения в ходе исследования были использованы аналитические и графические процедуры. Гистограммы распределения, представленные на рисунках служат наглядным и надежным аргументом репрезентативности выборки. На гистограммы наложена кривая нормального распределения, которая помогает оценить, насколько распределение данных близко к нормальному.

 

Сперва рассмотрим Пермский край.

Гистограмма отображения исходных данных по пермскому краю.

 

Критерии нормального распределения
	Колмогорова-Смирноваa			Критерий Шапиро-Уилка
	Статистика	ст.св.	Значимость	Статистика	ст.св.	Значимость
Норма прибыли за период с 2015 по 2017	,326	163	,000	,578	163	,000
a.                    Коррекция значимости Лильефорса

Распределение переменной «Норма прибыли за период с 2015 по 2017» является не нормальным распределением, так как по критерию Колмогорова-Смирнова значимость равна 0

Согласно критерию Колмогорова-Смирнова значимость критерия должна быть не меньше 0,05. Критерий «количество правильно решенных задач» имеет не нормальное распределение. Согласно критерию Шапиро-Уилкса значимость критерия должна быть не меньше 0,05.

Для переменной «Норма прибыли за период с 2015 по 2017» выбросы и экстремальные значения есть. Это видно на графике «ящик Эджуорта». Они объясняются инвестиционными проектами в данных фирмах.

 

Гистограмма Норма прибыли за период с 2015 по 2017

 

 

Описательные статистики
				Статистика	Стандартная Ошибка
Норма прибыли за период с 2015 по 2017		Среднее значение		24,96770521	1,424817619
		95% Доверительный интервал для среднего	Нижняя граница	22,15409536
			Верхняя граница	27,78131505
		Среднее по выборке, усеченной на 5%		22,56235632
		Медиана		20,81392498
		Дисперсия		330,907
		Стандартная отклонения		18,19085362
		Минимум		1,104868913
		Максимум		145,2345495
		Диапазон		144,1296806
		Межквартильный диапазон		6,513655291
		Асимметрия		3,585	,190
		Эксцесс		16,286	,378

 

 

 

 

 

Из данных мы видим, что распределение не нормальное, но для экономических исследований допускается использование таких данных.

В данном исследовании был проведен  иерархический кластерный анализ для анализа чистой прибыли по годам.

 

Произведя анализ, фирмы респонденты разбились на 3 кластера. В первый кластер попали организации, у которых прибыль за исследуемый период составила до 15%. Во второй самый большой кластер попали фирмы чья норма прибыли больше 15% но не более 30%. В третий кластер попали фирмы чья норма прибыли превысила рубеж в 30% и выше.

Критерий Краскала-Уоллиса

При сравнении более двух независимых выборок используется однофакторный дисперсионный анализ Краскала-Уоллеса (Kruskal-Wallis one-way analysis of variance).

Ряды
	Принадлежность к кластерам		N	Средний ранг
Норма прибыли за период с 2015 по 2017	1		11	6,00
	2		132	77,50
	3		20	153,50
	Всего		163
Статистические критерииa,b
		Норма прибыли за период с 2015 по 2017
Хи-квадрат		75,619
ст.св.		2
Асимптотическая значимость		,000
a. Критерий Краскела-Уоллиса
b. Группирующая переменная: Принадлежность к кластерам

Эмпирические значения Хи-квадрат равны 75,619,  Асимптотическая значимость ,000 – если значения асимптотической значимости меньше 0,05 следовательно между группами есть значимые различия, в данном случае есть значимые различия.

Подведем итоги исследования по Пермскому краю:

Средняя норма прибыли за период исследования равна 24,97  это означает что фирмы в среднем получают четверть прибыль от своей деятельности на вложенные средства.

В целом этот показатель мог быть выше, но фирмы отрасли полиграфии очень зависимы от курса мировых валют.

Поскольку в период с 2014 года курс мировой валюты доллара к рублю резко возрос как мы видим на графике, себестоимость продукции выросла в связи с чем выросли цены а потребительская способность упала. В целом показатели по региону стабильные и держатся на уровне 20,81%.

Так же в ходе исследования мы выявили выбросы и экстремальные значения, но они не дают нам явных представлений обо всем регионе поскольку большинство предприятий где норма прибыли понизилась, вкладывали средства в инвестиционные проекты в бедующих периодах они смогут восстановить свою динамику на таком же уровне, как и остальные респонденты.

В целом ситуация в регионе стабильна и идет к улучшению в отрасли полиграфии.

 

Перейдем к Свердловской области.

Гистограмма отображения исходных данных по Свердловской области.

 

В свердловской области мы рассматриваем 341 респондента. Так же как и для пермского края проверим на нормальность распределения  показателя норма прибыли за период 2015-2017 год.

Критерии нормального распределения
	Колмогорова-Смирноваa			Критерий Шапиро-Уилка
	Статистика	ст.св.	Значимость	Статистика	ст.св.	Значимость
Норма прибыли за период с 2015 по 2017	,247	340	,000	,731	340	,000
a.                    Коррекция значимости Лильефорса

Распределение переменной «Норма прибыли за период с 2015 по 2017» является не нормальным распределением, так как по критерию Колмогорова-Смирнова значимость равна 0

Согласно критерию Колмогорова-Смирнова значимость критерия должна быть не меньше 0,05. Критерий «количество правильно решенных задач» имеет не нормальное распределение. Согласно критерию Шапиро-Уилкса значимость критерия должна быть не меньше 0,05.

Для переменной «Норма прибыли за период с 2015 по 2017» выбросы и экстремальные значения есть. Это видно на графике «ящик Эджуорта». Они объясняются инвестиционными проектами в данных фирмах.

 

Гистограмма Норма прибыли за период с 2015 по 2017

 

Описательные статистики
				Статистика	Стандартная Ошибка
Норма прибыли за период с 2015 по 2017		Среднее значение		18,0893921219	,559864420022100
		95% Доверительный интервал для среднего	Нижняя граница	16,9881463878
			Верхняя граница	19,1906378560
		Среднее по выборке, усеченной на 5%		18,5854263476
		Медиана		17,7957194349
		Дисперсия		106,572
		Стандартная отклонения		10,3233898209
		Минимум		-61,3680909447
		Максимум		91,1708253358
		Диапазон		152,538916280
		Межквартильный диапазон		7,05190549251
		Асимметрия		-1,252	,132
		Эксцесс		20,601	,264

 

                     

 

 

Из данных мы видим, что распределение не нормальное, но для экономических исследований допускается использование таких данных. В данном исследовании был проведен  иерархический кластерный анализ для анализа чистой прибыли по годам.

 

Произведя анализ, фирмы респонденты разбились на 3 кластера. В первый кластер попали организации, у которых прибыль за исследуемый период составила до 15%. Во второй самый большой кластер попали фирмы, чья норма прибыли больше 15% но не более 30%. В третий кластер попали фирмы, чья норма прибыли превысила рубеж в 30% и выше.

Критерий Краскала-Уоллиса

При сравнении более двух независимых выборок используется однофакторный дисперсионный анализ Краскала-Уоллеса (Kruskal-Wallis one-way analysis of variance).

 

Ряды
	принадлежность к кластерам	N	Средний ранг
Норма прибыли за период с 2015 по 2017	1	87	44,00
	2	232	203,50
	3	21	330,00
	Всего	340

 

Статистические критерииa,b
	Норма прибыли за период с 2015 по 2017
Хи-квадрат	225,540
ст.св.	2
Асимптотическая значимость	,000
a. Критерий Краскела-Уоллиса
b. Группирующая переменная: принадлежность к кластерам

Эмпирические значения Хи-квадрат равны 225,540,  Асимптотическая значимость ,000 – если значения асимптотической значимости меньше 0,05 следовательно между группами есть значимые различия, в данном случае есть значимые различия.

Подведем итоги исследования по Свердловской области:

Средняя норма прибыли за период исследования равна 18,08  это означает что фирмы в среднем получают одну пятую прибыли от своей деятельности на вложенные средства.

В целом этот показатель мог быть выше, но фирмы отрасли полиграфии очень зависимы от курса мировых валют.

Поскольку в период с 2014 года курс мировой валюты доллара к рублю резко возрос, как мы видим на графике, себестоимость продукции выросла в связи, с чем выросли цены а потребительская способность упала. В целом показатели по региону стабильные и держатся на уровне 17,79%.

Так же в ходе исследования мы выявили выбросы и экстремальные значения, но они не дают нам явных представлений обо всем регионе, поскольку большинство предприятий где норма прибыли понизилась, вкладывали средства в инвестиционные проекты в бедующих периодах они смогут восстановить свою динамику на таком же уровне, как и остальные респонденты. В целом ситуация в регионе стабильна и идет к улучшению в отрасли полиграфии.

Подведем итоги проанализировав 2 региона России мы выявили что Пермский край в целом лучше для открытия бизнеса в сфере полиграфических услуг. В среднем прибыль больше на 6,88 %. Это связано, прежде всего, со средним уровнем цен в Свердловской области цены на полиграфию меньше по сравнению с пермским краем в среднем на 38,96%, а рынок перенасыщен, что не дает компаниям поднять уровень цен. Хотя и объём заказов в среднем выше в Свердловской области это не дает нам большую прибыль за счет низких цен.

Так же на Пермском рынке еще есть место для входа новых компаний, поэтому фирмы могут поднять уровень цен. Большинство фирм на рынке являются средними, это мы видим из кластерного анализа на дендограмме, и не могут повлиять на вход конкурентов.

Список литературы и приложений доступен в полной версии работы 

Скачать: statja.docx