Не отобразилась форма расчета стоимости? Переходи по ссылке

Не отобразилась форма расчета стоимости? Переходи по ссылке

Научная статья на тему «Оценка повышения уровня занятости населения за счет развития системы микрокредитования в Кыргызской республике (корреляционная модель взаимосвязи)»

Аннотация. Сектор микрофинансирования является одним из наиболее динамично развивающихся секторов в Кыргызской Республике. Услугами микрофинансирования охвачены все регионы страны. Значительная доля микрокредитов направлена на ведение домашнего хозяйства и мелкой торговли, в большинстве своем не предполагающей укрупнение бизнеса и создание дополнительных рабочих мест, в основном, обеспечивающих поддержание жизненного уровня заемщиков.

Помощь в написании статьи

Ключевые слова. Микрокредит, микрофинансовый сектор, занятость, население, прогноз.

Действующая правовая и регулятивная среда стала основой для динамичного роста микрофинансирования в Кыргызской Республике. Тем не менее, для преодоления имеющихся проблем, государство должно применить новый стратегический подход, базирующийся на развитии финансового сектора на основе рыночно-ориентированного роста социально ответственных институтов, на основе улучшенного доступа социально-уязвимых слоев населения к разнообразным качественным финансовым услугам и поддерживающей роли государства.

Рассмотрим корреляционную модель взаимосвязи уровня занятости населения и микрокредитования.

1. Постановка задачи.

  • определить независимые факторы, влияющие на количество заемщиков в микрофинансовом секторе, и выявить связь между переменными,
  • построить эконометрическую модель, которая объяснит изменения и колебания количество заемщиков в микрофинансовом секторе,
  • подтвердить гипотезу, выдвинутую в данной работе «Микрофинансирование повышает уровень самозанятости в стране».

1. Получение статистических данных и анализ их качества

В целях анализа были получены следующие данные:

После проверки значимости независимых факторов с помощью коэффициента Р значения были исключены независимые факторы «Х1» и «Х4», так как они были статистически незначимы.

2. Проведение регрессионного анализа.

Исключив статистически незначимые факторы, провели регрессионный анализ, и оценили параметры регрессионного анализа, результаты которого представлены ниже.

Таблица 1. Результаты регрессионного анализа

  1. Оценим тесноту связи между факторами Хi и результатом Y в данной выборке:R = 996236687, т.е. связь между признаками тесная.
  2. Оценим качество регрессионной модели: Коэффициент детерминации R2

R2 = 0.992487536 т.е. регрессионная модель значима.

Таблица 2. Дисперсионный анализ

Таблица 3. Дисперсионный анализ

 Таблица 4. Вывод остатка

1. Значимость уравнения регрессии:

Y = 387828.5623 + 34.65698916X1 -13648.18767X2

Коэффициенты корреляции и детерминации, которые свидетельствуют о наличии связи между показателями «Xi» и «Y» были рассчитаны по выборке. Возможно, что обнаруженная взаимосвязь присутствует в данных только этой выборки, и не будет характерной для всей генеральной совокупности.

Поэтому выдвигается нулевая гипотеза, которая утверждает, что для всей генеральной совокупности значение коэффициента детерминации R2 = 0 (следовательно, и коэффициент корреляции R=0), то есть, между «Xi» и «Y» никакой взаимосвязи нет и выявленная нами взаимосвязь данных – не что иное, как продукт случайного сочетания определенных пар значений «Xi» и «Y».

Проверим вероятность выполнения нулевой гипотезы для коэффициента детерминации R2 и оценим значимость уравнения регрессии с помощью коэффициента значимости F (табл. 2). При этом, если:

Значимость F < 5%, то R2 статистически значим с надежностью 95%. Значимость F > 5%, то R2 статистически незначим с надежностью 95%.

Нужна помощь в написании статьи?

Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Цена статьи

В нашем случае значимость F = 0.000651139% < 5% в связи с чем, откланяется выдвинутая нулевая гипотеза, т.е. R2 и уравнение регрессии в целом статистически значимы с надежностью 95%.

4. Анализ коэффициентов регрессионной модели.

4.1. Значения коэффициентов уравнения (См. столбец «Коэффициенты» табл. 3).

a = 387828.5623; b1 = 34.65698916; b2 = -13648.18767

Уравнение регрессии:

Y = 387828.5623 + 34.65698916X1 -13648.18767X2

4.2   Значимость коэффициентов уравнения регрессии.

Значения коэффициентов уравнения регрессии были рассчитаны по данным выборки. Необходимо убедиться, что рассчитанные коэффициенты будут статистически значимы (т.е. отличны от нуля для значительной части выборок из рассматриваемой генеральной совокупности) и войдут в модель. Для оценки статистической значимости коэффициента регрессии выдвигается нулевая гипотеза о равенстве коэффициентов регрессии нулю. Для коэффициента «bi» математическая форма записи нуль-гипотезы и альтернативной ей гипотезы следующая:

H0: bi = 0 – коэффициент незначим;

H1: bi ≠ 0 – коэффициент значимый;

Проверим значимость коэффициентов с помощью P-значения (табл. 3) – вероятность выполнения нулевой гипотезы для соответствующего коэффициента:

Если P-значение < 5%, то коэффициент статистически значим с надежностью 95%, и включается в модель;

Нужна помощь в написании статьи?

Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Подробнее

Если P-значение > 5%, то коэффициент статистически незначим с надежностью 95%.

В нашем случае P-значение коэффициента b1 = 0.000292329% < 5% и b2 = 0.00046139% < 5%, т.е. коэффициенты статистически значимы, в связи с чем, откланяется нуль-гипотеза.

4.3. Доверительный интервал для коэффициентов регрессии (столбцы «Нижние 95%» и «Верхние 95%» табл. 3).

29.01571168 ≤ b1 ≤ 40.29826664

-16237.6627 ≤ b2 ≤ -11058.71263

5. Интерпретация результатов

  1. Коэффициент множественной корреляции R = 996236687, т.е. связь между переменными по шкале Чеддока весьма высокая, что говорит о том, что количество заемщиков зависит от кредитного портфеля и среднего размера кредита.
  2. Коэффициент детерминации R2 = 992487536, т.е. построенная регрессионная модель значима и раскрывает изменения в модели на 99 %.
  3. Значимость F = 000651139% < 5% в связи с чем, откланяется выдвинутая нулевая гипотеза, т.е. R2 и уравнение регрессии в целом статистически значимы с надежностью 95%.
  4. P-значение коэффициента b1 = 0.000292329% < 5% и b2 = 0.00046139% < 5%, т.е. коэффициенты статистически значимы, в связи с чем, откланяется нуль-гипотеза.

Таким образом, из поставленных задач вначале выполнены следующие задачи:

  • определение независимых факторов, влияющих на количество заемщиков в микрофинансовом секторе, и выявление связи между переменными,
  • построение эконометрической модели, которая объяснит изменения и колебания количества заемщиков в микрофинансовом секторе.

Осталось выполнить следующую задачу:

  • подтвердить гипотезу, выдвинутую в данной работе «Микрофинансовый сектор создает рабочие места для населения путем предоставления микрокредитов и повышения уровня самозанятости населения».

Для этого необходимо, определить возможные значения независимых факторов, чтобы спрогнозировать значения зависимого фактора на среднесрочную перспективу (на 5 лет) количество заемщиков.

Таблица 5. Значения зависимого фактора на среднесрочную перспективу (на 5 лет) количество заемщиков

 Подсчитав арифметическое среднее годовое изменение кредитного портфеля и среднего размера кредита, мы можем предположить, что ближайшие 5 лет кредитный портфель и средний размер кредита будет расти ежегодно в среднем арифметическом значении.

Таким образом, мы можем провести прогнозирование количества заемщиков на предстоящие 5 лет, т.е. до 2019 года подставив в уравнение регрессии среднеарифметическое значение изменений кредитного портфеля и среднего размера кредита (см. Таблицу 5).

Y = 387828.5623 + 34.65698916X1 -13648.18767X2

В итоге мы получим следующие прогнозные данные (Таблица 6):

Нужна помощь в написании статьи?

Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Подробнее

Таблица 6. Прогнозные данные 

Как видно из таблицы 6, в случае роста кредитного портфеля ежегодно в среднем арифметическом значении, то к 2019 году прогнозное значение количества заемщиков в микрофинансовом секторе составит 534 187 человек. Однако необходимо отметить, что данный показатель не является качественным. Не смотря на то, что в рассматриваемом периоде кредитный портфель и средний размер кредита увеличился в два раза. Поэтому необходимо провести качественный и количественный анализ полученных данных.

С теоретической точки зрения насыщенность рынка можно определить с помощью средневзвешенной процентной ставки. К примеру, рынок микрофинансирования будет насыщен в том случае, когда получаемая норма прибыли от деятельности МФО будет равен к норме прибыли обеспечивающую точку безубыточности. Однако при построении регрессионной модели было выявлено, что между спросом и процентной ставкой на микрофинансовом рынке корреляционная взаимосвязь отсутствует. В связи с чем, определить насыщенность рынка с помощью процентной ставки не представляется возможным. Поэтому за основу для определения прогнозных значений зависимого фактора и более качественного анализа берется зрелость микрофинансового рынка, значение которого по международной практике находится на уровне 14-16%.

Вывод

При значении зрелости рынка микрофинансирования в КР 14%, коэффициенты: охват населения равняется к 14%, уровень проникновения МФО к 22,5% и уровень финансового проникновения равняется к 8,4%, а ожидаемый объем кредитного портфеля равняется к 30 131 290 000 сом при условии, если средний размер кредита микрофинансирования останется неизменным. Поэтому необходимо провести качественный и количественный анализ ожидаемого значения среднего размера кредита микрофинансирования.

Средний размер кредита в микрофинансовом секторе зависит от следующих факторов:

  1. девальвация национальной валюты,
  2. инфляция

Последние несколько месяцев, начиная с августа, национальная валюта подверглась к девальвации, в результате чего сом обесценился по отношению к доллару США. К примеру, если на 1 августа 2014 г. обменный курс доллара составлял 1$ = 51.6978 сом, то уже на сегодняшний день по состоянию на 8 февраля 2015 г. обменный курс доллара составляет 1$ = 60.6876 сом, что на 8,9898 сом выше, чем в августе 2014 г.4

Если средний размер кредита в микрофинансовом секторе в долларах США составлял 1015 $ (по курсу 1$ = 51.6978 сом), то по текущему курсу (1$ = 60.6876 сом) составляет 61 597 сом.

Принимая во внимание вышеизложенное, в таблице 5 (см. таблицу 6) проводим корректировку значений кредитного портфеля и среднего размера кредита для определения прогнозных значений зависимого фактора (количество заемщиков).

Список использованных источников

1. www.mert.kg
2. Гуляев Г.Ю. Коррупция и бюрократия // В книге: Современные подходы к обеспечению конкурентоспо- собности региона, отрасли, предприятия. – Пенза, 2016. С. 83-84.
3. Гуляев Г.Ю. Инфраструктурные барьеры для бизнеса // В книге: Современные подходы к обеспечению конкурентоспособности региона, отрасли, предприятия. – Пенза, 2016. С. 85-89.

Средняя оценка 0 / 5. Количество оценок: 0

Поставьте оценку первым.

Сожалеем, что вы поставили низкую оценку!

Позвольте нам стать лучше!

Расскажите, как нам стать лучше?

854

Закажите такую же работу

Не отобразилась форма расчета стоимости? Переходи по ссылке

Не отобразилась форма расчета стоимости? Переходи по ссылке