Регрессионная модель валового регионального продукта Брянского региона и выпуска отраслей региональной экономики
Журнал «KANT» №1(42) 2022 [стр. 27-33]
DOI: 10.24923/2222-243X.2022-42.4
Ключевые слова: валовой региональный продукт; регрессионная модель; дисперсионный анализ; тест Бокса-Кокса.
Исследование осуществлено во исполнение гранта на тему "Спектральный анализ динамики валового регионального продукта и выявление драйверов социоэкономического развития", финансируемого из средств ФГБОУ ВО "РЭУ им. Г.В. Плеханова".
Нами исследовано влияние трех наиболее крупных отраслей экономики Брянской области на динамику валового регионального продукта названного региона – сельское хозяйство, обрабатывающие производства, оптовая и розничная торговля. Мы установили, что между валовым региональным продуктом и указанных отраслей региональной экономики существует положительная, но статистически незначимая связь. Мы предложили линейную регрессионную модель зависимой переменной (т.е. валовым региональным продуктом) и факторами регрессии (выпуском трех отраслей экономики Брянской области). Полученное значение коэффициента регрессии свидетельствует о качестве модели, однако мы подвергли нашу модель степенному преобразованию с помощью теста Бокса-Кокса, получив более высокое значение коэффициента регрессии, а также скорректированного коэффициента Регрессии. Несмотря на это, мы считаем необходимым продолжить исследование факторов, определяющих динамику валового регионального продукта и регионального развития в целом.
Нами исследовано влияние трех наиболее крупных отраслей экономики Брянской области на динамику валового регионального продукта названного региона – сельское хозяйство, обрабатывающие производства, оптовая и розничная торговля. Мы установили, что между валовым региональным продуктом и указанных отраслей региональной экономики существует положительная, но статистически незначимая связь. Мы предложили линейную регрессионную модель зависимой переменной (т.е. валовым региональным продуктом) и факторами регрессии (выпуском трех отраслей экономики Брянской области). Полученное значение коэффициента регрессии свидетельствует о качестве модели, однако мы подвергли нашу модель степенному преобразованию с помощью теста Бокса-Кокса, получив более высокое значение коэффициента регрессии, а также скорректированного коэффициента Регрессии. Несмотря на это, мы считаем необходимым продолжить исследование факторов, определяющих динамику валового регионального продукта и регионального развития в целом.
Литература:
1. Bryansk Region. 2020: Annual Report / Bryanskstat. – Bryansk, 2020.
2. Clark, J., Harrison, J., & Ernest Miguelez. (2018). Connecting cities, revitalizing regions: the centrality of cities to regional development, Regional Studies, 52:8, 1025-1028, DOI: 10.1080/00343404.2018.1453691.
3. Czaplewski, M., Klоska, R. (2020). Regional Policy as a Factor in Shaping Regional Development in Poland. South East European Journal of Economics and Business, 15(1), 93-104. https://doi.org/10.2478/jeb-2020-0008.
4. Fudge, M., Ogier, E., & Karen A. Alexander. (2021). Emerging functions of the wellbeing concept in regional development scholarship: A review. Environmental Science & Policy, Volume 115, 2021, 143-150, ISSN 1462-9011, https://doi.org/10.1016/j.envsci.2020.10.005.
5. Glawe, L., Wagner, H. (2021). Convergence, divergence, or multiple steady states? New evidence on the institutional development within the European Union. Journal of Comparative Economics, 49(3), 860-884. https://doi.org/10.1016/j.jce.2021. 01.006.
6. Hansen, B.E. (2021). Econometrics. University of Wisconsin, Department of Economics.
7. Hansen, T. (2021). The foundational economy and regional development, Regional Studies, DOI: 10.1080/00343404.2021.1939860.
8. Marques, P., & Kevin Morgan. (2021). Innovation without Regional Development? The Complex Interplay of Innovation, Institutions, and Development, Economic Geography, 97:5, 475-496, DOI: 10.1080/00130095.2021.1972801.
9. National Accounts (2021). Available at: https://rosstat.gov.ru/accounts (Accessed: 21 February 2022).
10. Pike A., Rodriguez-Pose A., & John Tomaney. (2017). Shifting horizons in local and regional development, Regional Studies, 51:1, 46-57, DOI: 10.1080/00343404.2016.1158802.
11. Practical Statistics for Data Scientists, by Peter Bruce, Andrew Bruce, and Peter Gedeck. (2020). ISBN 978-1-492-07294-2.
12. R Cookbook, by J.D. Long and Paul Teetor. (2019). Sebastopol, O`Reilly Media. ISBN 978-1-492-04068-2.
13. R for Data Science. Import, Tidy, Transform, Visualize, and Model Data, by Hadley Wickham and Garrett Grolemund. (2017). Sebastopol, O`Reilly Media. ISBN 978-1-491-91039-9.
14. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. (2015). URL: http://www.r-project.org/.
15. Yeung, H.W.-c. (2015). Regional development in the global economy. Regional Science Policy & Practice, 7: 1-23. https://doi.org/10.1111/rsp3.12055.
1. Bryansk Region. 2020: Annual Report / Bryanskstat. – Bryansk, 2020.
2. Clark, J., Harrison, J., & Ernest Miguelez. (2018). Connecting cities, revitalizing regions: the centrality of cities to regional development, Regional Studies, 52:8, 1025-1028, DOI: 10.1080/00343404.2018.1453691.
3. Czaplewski, M., Klоska, R. (2020). Regional Policy as a Factor in Shaping Regional Development in Poland. South East European Journal of Economics and Business, 15(1), 93-104. https://doi.org/10.2478/jeb-2020-0008.
4. Fudge, M., Ogier, E., & Karen A. Alexander. (2021). Emerging functions of the wellbeing concept in regional development scholarship: A review. Environmental Science & Policy, Volume 115, 2021, 143-150, ISSN 1462-9011, https://doi.org/10.1016/j.envsci.2020.10.005.
5. Glawe, L., Wagner, H. (2021). Convergence, divergence, or multiple steady states? New evidence on the institutional development within the European Union. Journal of Comparative Economics, 49(3), 860-884. https://doi.org/10.1016/j.jce.2021. 01.006.
6. Hansen, B.E. (2021). Econometrics. University of Wisconsin, Department of Economics.
7. Hansen, T. (2021). The foundational economy and regional development, Regional Studies, DOI: 10.1080/00343404.2021.1939860.
8. Marques, P., & Kevin Morgan. (2021). Innovation without Regional Development? The Complex Interplay of Innovation, Institutions, and Development, Economic Geography, 97:5, 475-496, DOI: 10.1080/00130095.2021.1972801.
9. National Accounts (2021). Available at: https://rosstat.gov.ru/accounts (Accessed: 21 February 2022).
10. Pike A., Rodriguez-Pose A., & John Tomaney. (2017). Shifting horizons in local and regional development, Regional Studies, 51:1, 46-57, DOI: 10.1080/00343404.2016.1158802.
11. Practical Statistics for Data Scientists, by Peter Bruce, Andrew Bruce, and Peter Gedeck. (2020). ISBN 978-1-492-07294-2.
12. R Cookbook, by J.D. Long and Paul Teetor. (2019). Sebastopol, O`Reilly Media. ISBN 978-1-492-04068-2.
13. R for Data Science. Import, Tidy, Transform, Visualize, and Model Data, by Hadley Wickham and Garrett Grolemund. (2017). Sebastopol, O`Reilly Media. ISBN 978-1-491-91039-9.
14. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing. (2015). URL: http://www.r-project.org/.
15. Yeung, H.W.-c. (2015). Regional development in the global economy. Regional Science Policy & Practice, 7: 1-23. https://doi.org/10.1111/rsp3.12055.
Regression model of the gross regional product of the Bryansk region and the output of the branches of the regional economy
Keywords: Gross regional product; Regression model; Analysis of variance; Box-Cox test.
The research was carried out in pursuance of a grant on the topic "Spectral analysis of the dynamics of gross regional product and identification of drivers of socio-economic development", funded from the funds of the Plekhanov Russian University of Economics.
We have studied the influence of the three largest sectors of the economy of the Bryansk region on the dynamics of the gross regional product of the named region. These are agriculture, manufacturing, wholesale, and retail trade. We found that there is a positive but statistically insignificant relationship between the gross regional product and the indicated branches of the regional economy. We proposed a linear regression model for the dependent variable (i.e., gross regional product) and regression factors (the output of the three branches of the economy of the Bryansk region). The resulting value of the regression coefficient indicates the quality of the model; however, we subjected our model to a power transformation using the Box-Cox test, obtaining a higher regression coefficient value, as well as an adjusted regression coefficient. Despite this, we consider it necessary to continue the study of the factors that determine the dynamics of the gross regional product and regional development as a whole.
We have studied the influence of the three largest sectors of the economy of the Bryansk region on the dynamics of the gross regional product of the named region. These are agriculture, manufacturing, wholesale, and retail trade. We found that there is a positive but statistically insignificant relationship between the gross regional product and the indicated branches of the regional economy. We proposed a linear regression model for the dependent variable (i.e., gross regional product) and regression factors (the output of the three branches of the economy of the Bryansk region). The resulting value of the regression coefficient indicates the quality of the model; however, we subjected our model to a power transformation using the Box-Cox test, obtaining a higher regression coefficient value, as well as an adjusted regression coefficient. Despite this, we consider it necessary to continue the study of the factors that determine the dynamics of the gross regional product and regional development as a whole.