Анализ динамики

промышленного
производства в
РОССИИ
Капанина Мария
Нгуен Бао Хан
Тришкин Андрей
Группа БМЭ-183
 Цель проекта

Проверить взаимосвязь индекса промышленного

производства со следующими экономическими
показателями с 2002 по 2016 год:
• ВВП
• Производительность труда
• Уровень безработицы
• Общая демографическая ситуация в стране
• МРОТ
• Среднегодовой уровень инфляции
• Курс Доллара США по отношению к Рублю
• Изменение учетной ставки
• Уровень инвестиций
• Стоимость нефти
Оценить динамику и дать прогноз на 2017 - 2019 годы
 Ход исследования

1. Сбор данных, проверка на выбросы методом 3σ.

2. Проверка взаимосвязи с использованием
коэффициента корреляции Пирсона и отклонение
слабо коррелирующих показателей.
3. Определение приемлемости гипотез с помощью
коэффициента R2.
4. Для формирования прогноза построение линейной и
множественной регрессии и нахождение уравнения
регрессии.
5. Прогнозирование данных будущих периодов с
помощью функции «тенденция».
 Основные гипотезы

1. Индекс промышленного производства (далее ИПП) зависит от ВВП.

2. Наблюдается взаимосвязь между производительностью труда и ИПП.
3. Уровень безработицы и общая демографическая ситуация не
имеют влияния на ИПП.
4. Предполагается, что рост МРОТ стимулирует динамику ИПП.
5. Такие факторы, как изменение учетной ставки и уровень
инфляции не влияют на ИПП.
6. ИПП не зависит от цены на нефть и курса Доллара США.
7. Инвестиции оказывают сильное воздействие на ИПП.
 Исходные данные
YEAR PROM GDP PRODUCTIV UNEMPLO DEMO SALARY INFLATION USD PERCENT INVESTMENT OIL
ITY YMENT
2002 3,1 4,7 3,5 5 698 145,2 450,0 10,9 30,14 19,5 102,4 3 669
2003 8,9 7,3 7,0 5 934 145,0 600,0 9,2 31,78 17 102,4 4 985
2004 8,0 7,2 6,5 5 666 144,3 720,0 7,4 29,45 13,5 102,4 7 871
2005 5,1 6,4 5,5 5 242 143,8 800,0 6,4 27,95 12 102,4 9 612
2006 6,3 8,2 7,5 5 250 143,2 1100,0 6,0 28,48 11 102,4 11 528
2007 6,8 8,5 7,5 4 519 142,8 2300,0 6,5 26,45 10 102,4 14 085
2008 0,6 5,2 4,8 4 697 142,8 4330,0 8,0 24,48 11,625 102,4 18 471
2009 -10,7 -7,8 -4,1 6 284 142,7 4611,0 9,7 30,53 9,5 102,4 11 942
2010 7,3 4,5 3,2 5 544 142,9 5205,0 5,0 29,43 8,125 106,3 10 910
2011 5,0 4,3 3,2 4 922 142,9 5554,0 6,7 30,63 8 110,8 13 613
2012 3,4 3,7 3,8 4 131 143,0 5965,0 5,2 31,87 8,25 106,8 11 310
2013 0,4 1,8 3,3 4 137 143,3 6204,0 4,5 30,42 5,5 100,8 11 218
2014 1,7 0,7 2,2 3 889 143,7 7500,0 8,1 33,15 12 98,5 8 303
2015 -3,4 -2,3 0,7 4 264 146,3 7800,0 13,7 62,74 13 89,9 5 621
2016 1,1 0,3 0,2 4 243 146,5 9489,0 6,5 75,95 10,5 99,8 4 061
2017 2,9 1,6 1,9 3 967 146,8 11163,0 2,8 59,90 8,75 104,8 5 301
2018 2,9 2,3 3,5 3 657 146,9 11280,0 4,1 57,05 7,625 104,3 9 531

• Представленные данные очищены от выбросов методом 3σ.

• Там, где необходимо, произведена замена на
соответствующее среднее значение.
 Проверка корреляции
Показатель 1 Показатель 2 Коэффициент корреляции Взаимосвязь Решение
Пирсона
PROM GDP 0,927130522 ОЧЕНЬ ВЫСОКАЯ Принимается
PROM PRODUCTIVITY 0,874900059 ВЫСОКАЯ Принимается
PROM UNEMPLOYMENT 0,059114338 ОЧЕНЬ СЛАБАЯ Отклонена
PROM DEMO -0,045544362 ОЧЕНЬ СЛАБАЯ Отклонена
PROM SALARY -0,49157076 ОЧЕНЬ СЛАБАЯ Отклонена
PROM INFLATION -0,435229258 ОЧЕНЬ СЛАБАЯ Отклонена
PROM USD -0,299239062 ОЧЕНЬ СЛАБАЯ Отклонена
PROM PERCENT 0,190759129 ОЧЕНЬ СЛАБАЯ Отклонена
PROM INVESTMENT 0,404044961 СЛАБАЯ Отклонена
PROM OIL -0,062606855 ОЧЕНЬ СЛАБАЯ Отклонена

• В результате проведенного расчета выявлена взаимосвязь

между ИПП - ВВП и ИПП - производительность труда.
• Остальные анализируемые пары имеют слабую корреляцию.
 Графики ИПП, ВВП и производительности

• Графическое представление данных подтверждает выявленные

зависимости между анализируемыми факторами.
• Профили кривых ВВП и ИПП наиболее близко повторяют друг
друга.
 Графики ИПП, ВВП и производительности
Корреляция ИПП, ВВП и производительности
15.0

10.0

5.0

ВВП
Продуктивность
ИПП
0.0
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018

-5.0

-10.0

-15.0
 Приемлемость гипотез
Показатель 1 Показатель 2 R^2 Степень
приемлемости
PROM GDP 0,8456 модели
ОЧЕНЬ ВЫСОКАЯ
PROM PRODUCTIVITY 0,7498 ВЫСОКАЯ
PROM UNEMPLOYMENT 0,0027 ОЧЕНЬ СЛАБАЯ
PROM DEMO 0,0669 ОЧЕНЬ СЛАБАЯ
PROM SALARY 0,1427 ОЧЕНЬ СЛАБАЯ
PROM INFLATION 0,1381 ОЧЕНЬ СЛАБАЯ
PROM USD 0,0669 ОЧЕНЬ СЛАБАЯ
PROM PERCENT 0,0331 ОЧЕНЬ СЛАБАЯ
PROM INVESTMENT 0,1574 СЛАБАЯ
PROM OIL 0,0036 ОЧЕНЬ СЛАБАЯ

1. Индекс промышленного производства (далее ИПП) зависит от ВВП ПОДТВЕРДИЛАСЬ

2. Наблюдается взаимосвязь между производительностью труда и ИПП ПОДТВЕРДИЛАСЬ
3. Уровень безработицы и общая демографическая ситуация не имеют влияния на ИПП ПОДТВЕРДИЛАСЬ
4. Предполагается, что рост МРОТ стимулирует динамику ИПП НЕ ПОДТВЕРДИЛАСЬ
5. Такие факторы, как изменение учетной ставки и уровень инфляции не влияют на ИПП ПОДТВЕРДИЛАСЬ
6. ИПП не зависит от цены на нефть и курса Доллара США ПОДТВЕРДИЛАСЬ
7. Инвестиции оказывают сильное воздействие на ИПП НЕ ПОДТВЕРДИЛАСЬ
 Регрессионный анализ коррелирующих
показателей

1. Линейные регрессии, построенные для коррелирующих

показателей, подтверждают сделанные предположения о
приемлемости гипотез.
2. Подобранные функции позволяют предположить возможность
достаточно точного прогнозирования будущих данных.
Регрессионный анализ не коррелирующих
показателей
Все не коррелирующие данные имеют
примерно одинаковый характер,
аналогичный представленным на диаграмме
PROM-SALARY (ИПП-МРОТ).

При этом есть зависимости, которые,

несмотря на отсутствие корреляции,
на основании графического
представления данных позволяют
предположить наличие взаимосвязи.

Вероятно, необходимо провести

дополнительный анализ данных с целью
исключения выбросов, не отсеянных
методом 3σ, с целью повторной
проверки гипотез.
 Реальный и прогнозный ИПП

• Построенный с помощью функции «тенденция» прогноз не совпал с реальными данными

• Линейная линия тренда имеет строго негативное направление.
• В 2016 году произошел разворот, приведший коррекционным движениям в 2017 и 2018
годах.
 Выводы и основные наблюдения

1. Из 7 проанализированных гипотез не подтвердились 2.

2. Наблюдается корреляция между индексом промышленного производства
и ВВП, а также между индексом промышленного производства и
производительностью труда.
3. Линейная регрессия позволяет сформировать мнение о возможности
построения прогноза будущих периодов. При этом, вероятно, необходимо
провести дополнительные действия с данными, чтобы
подтвердить/опровергнуть предположение о наличии взаимосвязи,
наблюдаемой на регрессионных графиках.
4. Прогноз индекса промышленного производства на 2017-2019 годы,
выполненный с применением функции «тенденция», не оправдался,
несмотря на устойчивый негативный тренд.
 Источники данных

1. Индекс промышленного производства.

http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/enterprise/industrial/#

2. Валовый внутренний продукт.

http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/accounts/#

3. Производительность труда.
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/accounts/#

4. Занятость и безработица.
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/wages/labour_force/#

5. Демография: Численность и состав населения.

http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/population/demography/#

6. Минимальный размер оплаты труда.

http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/population/level/#
 Источники данных (продолжение)

7. Инфляция: уровень потребительских цен.

http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/tariffs/#

8. Курс Доллара США по отношению к рублю.

https://www.cbr.ru/currency_base/dynamics/

9. Процентная ставка рефинансирования, установленная Банком России.

http://www.consultant.ru/document/cons_doc_LAW_12453/c8144b5ee23295f6ecdf3da3a09ec81f707aac3c/

10. Инвестиции в основной капитал.

http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/enterprise/investment/nonfinancial/#

11. Цена на нефть.

cbr.ru/statistics/credit_statistics/trade/crude_oil.xls