ПРОГНОЗИРОВАНИЕ И ОЦЕНКА УСТОЙЧИВОСТИ ДИНАМИКИ ГРУЗООБОРОТА АВТОМОБИЛЬНОГО ТРАНСПОРТА РОССИИ

FORECASTING AND ASSESSING THE STABILITY OF THE DYNAMICS OF CARGO TURNOVER OF ROAD TRANSPORT IN RUSSIA

Semyon Zuev

student, Department of Transport Economics, Ural State University of Railway Transport,

Russia, Yekaterinburg

Ekaterina Konysheva

Research Supervisor, Candidate of Economics, Associate Professor, Department of Transport Economics, Ural State University of Railway Transport,

Russia, Yekaterinburg

АННОТАЦИЯ

Цель. Анализ показателя грузооборота автомобильного транспорта в России. Его прогноз и оценка устойчивости динамики.

Метод. В процессе исследования были использованы методы статистического анализа.

Результат. В результате прогнозирования показателя грузооборота российского автотранспорта на основе линейного и нелинейного трендов получено два варианта его точечного значения для 2020 года: сравнительно оптимистический – 260 млн. тонно-км и более пессимистический – 254 млн. тонно-км.

Выводы. Полученный индекс корреляции характеризует высокую степень влияния факторов на динамику грузооборота автомобильного транспорта РФ. Изменения показателей грузооборота автотранспорта РФ устойчиво зависят от действия совокупности внешних факторов.

ABSTRACT

Goal. Analysis of the indicator of the cargo turnover of road transport in Russia. Its forecast and assessment of the stability of the dynamics.

Method. In the course of the study, methods of statistical analysis were used.

Result. As a result of forecasting the indicator of cargo turnover of Russian motor transport on the basis of linear and nonlinear trends, two variants of its point value for 2020 were obtained: a relatively optimistic one – 260 million ton-km and a more pessimistic one – 254 million ton-km.

Conclusions. The obtained correlation index characterizes the high degree of influence of factors on the dynamics of cargo turnover of road transport in the Russian Federation. Changes in the indicators of cargo turnover of motor transport of the Russian Federation steadily depend on the action of a combination of external factors.

Ключевые слова: грузооборот; автомобильный транспорт; индекс корреляции.

Keywords: cargo turnover; road transport; correlation index.

Введение

Динамика показателя, как правило, включает в себя направленные изменения (тенденцию) и случайные колебания вокруг этого тренда. Отсюда возникает необходимость отдельного рассмотрения устойчивости уровней ряда и устойчивости тенденции динамики. Можно сказать, что устойчивость временного ряда обеспечивается наличием тренда, тенденции изменения и минимизацией колебаний фактических уровней временного ряда около этого тренда. Достижение устойчивого роста результативных показателей часто является основной задачей в экономике и других областях человеческой деятельности. В данной работе мы рассмотрим такой показатель, как грузооборот автомобильного транспорта РФ за 2013–2019гг., рассчитаем для него показатели устойчивости и спрогнозируем показатели на 2020 год.

Основная часть

Выбранный для исследования показатель - грузооборот автомобильного транспорта РФ (млн тонно-километров).

Таблица 1.

Исходные данные для построения прогнозного значения показателя по линейному тренду [1]

Используя данные таблицы 1, построим графики и определим прогнозные значения при помощи уравнений, полученных с использованием линейного тренда и полиномиальной функции 3 порядка [2].

Рисунок 1. Аналитическое выравнивание грузооборота автомобильным транспортом РФ (млн тонно-км) 2013–2019гг с помощью линейного тренда

Чтобы вычислить прогнозное значение по линейному тренду, используем полученное на графике уравнение:

y = 2x + 244 = 2*8 + 244 = 260

Таким образом, прогнозное значение грузооборота автомобильным транспортом на 2020 год, полученное при помощи линейного тренда, составило 260 млн. тонно-км.

Далее вычислим прогнозное значение при помощи полиномиальной функции 3 порядка (Рис. 2) [3, с. 7].

Рисунок 2. Аналитическое выравнивание автомобильным транспортом РФ (млн тонно-км) 2013–2019гг с помощью полиномиальной функции 3 порядка

На графике было получено уравнение, с помощью которого мы можем высчитать прогнозное значение на 2020 год.

y = -0,3331x³ + 4,4972x² - 15,658x + 261,99 = -0,3331*8³+ 4,4972*8² - 15,658*8 + 261,99 = 254

Далее вычислим предельную ошибка точечного прогноза с вероятностью 0,954 для линейного тренда. На рисунке 3 представлен вывод итогов в программе «Пакет анализа» MS Excel.

Экстраполяция уровней ряда динамики носит вероятностный характер, и с вероятностью 0,954 прогнозное значение грузооборота будет колебаться в пределах 260 млн. тонно-км с ±1,54 млн. тонно-км [4, с. 27].

Рисунок 3. Вывод итогов при помощи инструмента «Анализ данных» в программе MS Excel

Для оценки степени отклонения фактических данных от теоретических выравненных, рассчитываются показатели устойчивости анализируемых трендов [5, с. 21].

1. Индекс устойчивости относительно линейного тренда

                                                           (1)

где Ymax – максимальное значение уровня ряда динамики

Ymin – минимальное значение уровня ряда динамики.

2. Коэффициент колеблемости (волатильности)

где y - уровни динамического ряда,

 – средний уровень ряда,

 – теоретически выровненные уровни ряда,

n – число уровней ряда.

3. Коэффициент устойчивости

4. Критерий устойчивости

5. Индекс корреляции

Заключение

В результате прогнозирования показателя грузооборота российского автотранспорта на основе линейного и нелинейного трендов получено два варианта его точечного значения для 2020 года: сравнительно оптимистический (260 млн. тонно-км) и более пессимистический (254 млн. тонно-км).

Уровни ряда отличаются очень низкой колеблемостью (1,17%) и имеют значительную устойчивость относительно линейного тренда. Полученный индекс корреляции характеризует высокую степень влияния факторов на динамику грузооборота автомобильного транспорта РФ. Изменения показателей грузооборота автотранспорта РФ устойчиво зависят от действия совокупности внешних факторов.

Список литературы:

1. Банк готовых документов / Федеральная служба государственной статистики. Регионы России. Социально-экономические показатели. URL: https://rosstat.gov.ru/folder/210/document/13204 (дата обращения: 10.01.2021)
2. Устойчивость временного ряда. Измерение устойчивости уровней ряда [Электронный ресурс]. URL: https://studme.org/289868/matematika_himiya_fizik/ustoychivost_vremennogo_ryada (дата обращения 10.01.2021)
3. Печура О.В. Статистика: методические указания к проведению лабораторных работ для студентов всех форм обучения направления подготовки 38.03.01 – «Экономика» / Федеральное агентство ж.-д. трансп., Уральский гос. ун-т путей сообщения. - Электрон. текстовые дан. - Екатеринбург : УрГУПС, 2015. - 13 с.
4. Сизова Т.М. Статистика для бакалавров : Учебное пособие. Часть ΙΙ – СПб : Университет ИТМО, 2016. – 38 с.
5. Афанасьев В.Н. Развитие методологии статистического анализа продовольственной безопасности // Вопросы статистики. – 2015. – № 3. – С. 17-26