|
249 Средние количественные показатели развития территорий для каждого кластера приведены в табл. 5.6. Таблица 5.6 Наименование показателя Значение показателя в кластерной группе 1 класс 2 класс 3 класс Среднемесячная номинальная начисляемая заработная плата (руб.) 2871 2263 1853 Объем промышленной продукции (тыс. руб.) 4625331 963464 121635 Инвестиции в основной капитал (тыс. руб.) 326519 123174 40874 Инвестиции в непроизводственную сферу (тыс. руб.) 61425 18441 5014 Удельный вес непроизводственной сферы в общем объеме инвестиций (%) 19,0 13,4 12,6 Оборот розничной торговли (тыс. руб.) 293446 178594 90314 Оборот общественного питания (тыс. руб.) 23378 14509 5443 Объем платных услуг населению (тыс. руб.) 137739 96695 39421 Объем бытовых услуг населению (млн. руб.) 8227 8182 2491 Объем поступлений в иностранной валюте от внешней торговли (тыс. долларов США) 81228 115 77 Посевные площади в хозяйствах всех категорий (гектаров) 69591 52693 42200 Для уточнения и более детального исследования социальноэкономической ситуации по Воронежской области был применен дискриминантный анализ, позволяющий при помощи соответствующих дискриминантных функций распределять объекты, в данном случае районы по классам. В данном случае, имея показатели экономического развития для определенного района и соответствующие дискриминантные функции можно сразу определить район в тот или иной класс по инвестиционной привлекательности. В результате проведенного дискриминантного анализа по оценке инвестиционной привлекательности были получены следующие виды дискриминантных функций для каждого класса (Я/ высокая инвестиционная привлекательность; Я? —средняя инвестиционная привлекательность; Я? |
74 Таблица 2.6 Кластеры районов ВО по стоматологическим заболеваниям № класса Название районов 1 Россошанский 2 Аннинский, Борисоглебский, Бутурлиновский, Калачеевский, Каменский, Лискинский, Павловский, Семилукский 3 Бобровский, Богучарский, Верхнемамонский, Верхнехавский, Воробьевский, Грибановский, Кантемировский, Каширский, Нижнедевицкий, Новоусманский, Новохоперский, Ольховатский, Острогожский, Панинский, Петропавловский, Поворинский, Подгоренский, Рамонский, Репьевский, Таловский, Терновский, Хохольский, Эртильский Средние количественные показатели развития территорий для каждого кластера приведены в табл. 2.7. Таблица 2.7 Наименование показателя Значение показателя в кластерной группе 1 класс 2 класс 3 класс Среднемесячная номинальная начисляемая заработная плата (руб.) 2871 2263 1853 Объем промышленной продукции (тыс. руб.) 4625331 963464 121635 Инвестиции в основной капитал (тыс. руб.) 326519 123174 40874 Инвестиции в непроизводственную сферу (тыс. руб.) 61425 18441 5014 Удельный вес непроизводственной сферы в общем объеме инвестиций (%) 19,0 13,4 12,6 Оборот розничной торговли (тыс. руб.) 293446 178594 90314 Оборот общественного питания (тыс. руб.) 23378 14509 5443 Объем платных услуг населению (тыс. руб.) 137739 96695 39421 Объем бьгговых услуг населению (млн. руб.) 8227 8182 2491 Объем поступлений в иностранной валюте от внешней торговли (тыс. долларов США) 81228 115 77 Посевные площади в хозяйствах всех категорий (гектаров) 69591 52693 42200 Для уточнения и более детального исследования ситуации по Воронежской области на оценку инвестиционной привлекательности территориальных единиц был применен дискриминантный анализ, позволяющий при помощи соответствующих дискриминантных функций распределять объекты, в данном случае районы по классам. В данном случае, имея показатели экономического развития для определенного района и соответствующие дискриминантные функции можно сразу определить район в тот или иной класс, по инвестиционной привлекательности, не зная общей обстановки по области, т.е. достаточно только сведений только по конкретному району. Для получения дискриминантных функций предложен вид в виде линейной комбинации,для каждого класса (классифицирующая функция). Она имеет следующий вид: где hk значение функции для класса к; Xt значение i-ой дискриминантной переменной; р —количество дискриминантных переменных; Ьи —коэффициент, который необходимо определить. Объект относится к классу с наибольшим значением классифицирующей функции. Коэффициент для классифицирующей функции определяется по формуле: где п общее число объектов; g число классов; аукоэффициенты матрицы, обратной к внутригрупповой матрице сумм попарных произведений Wyi где Хцм —значение /-ой переменной для т-то наблюдения в к-м классе; Xtk среднее значение i-ой переменной в к-м классе; Х{—значение /-ой переменной по всем классам (общее средние). fok ЬкО"^~bklX] Ьк2Х2 ••• Ь/срХр (2.4) р (2.5) g р (2.6) A=lm=I 76 Постоянный член определяется по формуле: р Ь„о = -0 ,5 > Х Х jk м (2.7) Для проверки статистической значимости чаще всего используют понятие остаточной дискриминантной способности (способность переменных различать классы до определения функции, если исключить информацию, полученную с помощью ранее вычисленных функций). Для этого используется /1-статистика Уилкса: Л 1 Ы к + 2 + Л (2.8) где к число функций; Я, собственное значение матрицы коэффициентов функции. /1-статистика Уилкса может принимать значения в диапазоне [0; 1J, причем при /1 = 0 имеем высокую дискриминацию, то есть классы хорошо различаются, соответственно Л = 1 говорит о низкой дискриминации. В результате проведенного дискриминантного анализа по оценке инвестиционной привлекательности были получены следующие виды дискриминантных функций для каждого класса (Я/ высокая инвестиционная привлекательность; Н2средняя инвестиционная привлекательность; Н3низкая инвестиционная привлекательность): Я/= -230,07 +0,02290*20 +0,00001 *Х2-0,00025 *Х3+0,00553 *20-1,54118*25-0,00013*2Гб+0,00038*20 -0,00007*** +0,00076*20 +0,00131 *2 /0 +0,00039*20/, 4 Н2=-62,18 +0,02640*20 +0,00003 *22 +0,00014*2} -0,00174*2,+0,61627*2} + +0,00004*Хб-0,00092*27+0,00001 *2* -0,00001*Х9-0,00184*2/0 +0,00065 *2 /;, Н3=-39,56 +0,02702*2/ +0,00001 *Х2+0,00004**} -0,00106*2,+0,46193 *2} + +0,00003 *Хб-0,00091 *27+0,00001 *2* -0,00020*2 Р-0,00042*Х]0+0,00066*ХПг |