Н.О. Замосковный, Государственная академия специалистов инвестиционной сферы

 

Одним из ключевых вопросов стратегии экономического развития России является привлечение инвестиций как на макроуровне, так и на уровне субъектов федерации. В этой связи появляется много работ, посвященных разработке методов оценки инвестиционной привлекательности российских регионов. Из многочисленных методик наиболее распространена оценка рейтинга инвестиционной привлекательности регионов России экспертным путем, результаты которой ежегодно публикуются в журнале «Эксперт».  В то же время оценка рейтингов по этой методике в ряде случаев приводит к парадоксальным выводам. Так, в работе [1] в качестве примера отмечалось, что за период 1996-2000 гг. Сахалинская область ни разу не поднялась в рейтинге «Эксперта» по инвестиционному потенциалу выше 56 места (рейтинг 1996 г., в остальные годы – 64-71 место), а по инвестиционному риску – выше 69 места (рейтинг 2000 г., в остальные годы – 70-78 место) по РФ. Между тем, по показателям, характеризующим инвестиционную активность в регионе, по темпам роста капитальных вложений, по объемам капитальных вложений на душу населения, по объемам прямых иностранных инвестиций Сахалинская область с 1997 г. устойчиво входит в десятку регионов-лидеров.

С учетом этого недостатка, в работе [1] предложен метод оценки рейтинга инвестиционной привлекательности субъекта РФ, позволяющий не только ранжировать регионы в порядке их инвестиционной привлекательности, но и сравнить их инвестиционные рейтинги пропорционально прогнозируемым объемам инвестиций.

В данной работе рассматриваются вопросы информационного обеспечения анализа динамики структуры инвестиций в основной капитал, что предполагает, в частности, разработку валидной методики типологии регионов по показателям структуры инвестиций, а также разработку метода визуализации структуры инвестиций в территориальном разрезе.

Первая задача в математическом аспекте сводится к многомерной классификации методами кластерного анализа с последующим анализом дендрограммы и других диаграмм [2]. Однако, недостатком такого представления территориального распределения инвестиций в различные сферы является «размытость» информации, выражающаяся в необходимости сравнительного анализа ряда графиков и таблиц. Это обусловило поиск более наглядных методов представления статистических данных как в региональном, так и во временном разрезе. Такие возможности, в частности, предоставляют геоаналитические технологии (ГАТ) на основе векторно-полевого метода визуализации многомерной информации. Выгодной особенностью этого метода является одновременное представление в виде векторов как показателей структуры, так и показателей интенсивности: в соответствии с постулатами векторно-полевого метода [3], длина вектора пропорциональна интенсивности отображаемого явления, а его направленность определяется соотношением компонент. При проецировании векторов на плоскость, заданную двумя интересующими аналитика компонентами, появляется возможность визуальной оценки пространственного распределения отображаемых социально-экономических явлений и процессов. При отображении на географической схеме векторов, отвечающих двум интервалам или моментам времени, можно проследить также динамику изучаемого процесса.

В качестве примера приведем пространственное распределение инвестиций в регионах ЦФО для двух временных интервалов – в 1999 г. и в 2003 г. При этом использовалась геоаналитическая система (ГАС) на базе пакета прикладных программ HS Vector [4], позволяющая осуществлять ввод и обработку многомерной информации, причем данные визуализируются в виде векторов на географической схеме (рис. 1).

Поясним элементы рис. 1. Горизонтальная компонента векторов пропорциональна доле инвестиций в жилье, вертикальная – доле инвестиций в строительство зданий производственного назначения. Длина векторов пропорциональна общему объему инвестиций на душу населения. Пунктиром обозначены векторы 1999 г., сплошными линиями – векторы 2003 г. Как видно из этого рисунка, общая структура инвестиций в целом по ЦФО (векторы вне географической схемы) изменилась в сторону увеличения доли вложений в строительство жилых помещений. При этом общая доля инвестиций по этим двум направлениям изменилась весьма незначительно, так как длина вектора почти не изменилась. Наиболее сильно эта тенденция проявляет себя в Москве (но не в Московской области), Смоленской, Орловской, Тульской, Калужской областях. Противоположная тенденция – увеличение доли инвестиций в строительство производственных зданий – наблюдается в Тверской, Костромской, Белгородской и Курской областях.

За изменениями долей инвестиций в производственную инфраструктуру (строительство производственных зданий) и в воспроизводство основных фондов (приобретение машин и оборудования) можно проследить по рис. 2.

Из рис. 2 видно, что общая структура удельных инвестиций по данным двум направлениям, равно как и объем, почти не изменились. Если рассматривать отдельные регионы, то увеличение относительной доли инвестиций в воспроизводство основных фондов наблюдается в Москве, Смоленской, Тверской, Рязанской, Липецкой, Воронежской, Белгородской, Орловской, Калужской, Тульской областях. Увеличение доли вложений в строительство производственных зданий можно отметить лишь в Костромской и Ярославской областях.

Так как основные изменения инвестиционной структуры приходятся на увеличение доли строительства жилых помещений и приобретение оборудования, то сравнение этих двух направлений инвестиционной политики вряд ли позволит выявить какие-либо существенные изменения. Действительно, судя по рис. 3, явных и значительных изменений в структуре вложений не наблюдается: в большинстве областей увеличения инвестиций в строительство жилых помещений и воспроизводство основных фондов относительно равны. Исключением являются Тверская, Костромская, Тульская, Белгородская, Курская области, где наблюдается небольшое относительное увеличение объема инвестиций в приобретение оборудования.

Из приведенного примера следует, что возможности ГАТ на основе векторно-полевого метода визуализации многомерной информации не ограничиваются представлением «среза» ситуации в инвестиционной сфере за отдельно взятый интервал времени. Вводя в ГАС данные по ряду лет, можно проводить анализ динамики инвестиционных процессов в регионах; другим перспективным направлением является анализ региональной дифференциации структуры инвестиций в основной капитал по отраслям экономики.

 

Литература:

1. Гришина И., Шахназаров А., Ройзман И. Комплексная оценка инвестиционной привлекательности и инвестиционной активности российских регионов: методика определения и анализ взаимосвязей // Инвестиции в России. 2004. №2.

2. Шуметов В.Г. Кластерный анализ в региональном управлении: учебное пособие. Орел: ОРАГС, 2001.

3. Шуметов В.Г., Гордон В.А. Математическое обеспечение геоинформационной технологии на базе векторно-полевого представления многомерной информации // Известия Тульского государственного университета. Серия «Математика, механика, информатика». 1998. Т.4. №4.

4. Литюга И.А., Шуметов В.Г. Интеллектуальные системы и технологии в регионалистике: геоинформационные системы на базе векторно-полевого представления многомерной информации // Интеллектуальные системы. Труды Третьего межд. симп. М.: МГТУ, 1998.

 

 

Вернуться к разделу

Транспортное дело России №03 (2008)