Введение. Общие сведения о добыче нефти в Ханты-Мансийском автономном округе - Югре (ХМАО - Югра)
Одним из значимых нефтедобывающих регионов Российской Федерации является ХМАО - Югра. В табл. 1 данных Центра экономических исследований «РИА-Аналитика» за 2010-2013 годы и данных единого сайта государственных органов ХМАО-Югры приведены сведения о добыче нефти за 2008 - 2013 годы [1-4; 6].
Таблица 1
Сведения о добыче нефти в ХМАО-Югре
Добыча нефти, 2008, млн т |
Добыча нефти, 2009, млн т |
Добыча нефти, 2010, млн т |
Добыча нефти, 2011, млн т |
Добыча нефти, 2012, млн т |
Добыча нефти, 2013, млн т (на 01.10.2013) |
277,6 |
270,0 |
266,0 |
262,5 |
259,9 |
190,9 |
Среднесуточная добыча нефти за январь-сентябрь 2013 года по округу – 699,3 тыс. тонн, что на 12,3 тыс. тонн меньше среднесуточной добычи за соответствующий период 2012 года.
Начиная с 2003 года темпы добычи нефти на территории автономного округа снижаются. Основными причинами снижения добычи нефти являются:
-
значительная часть месторождений находится на поздних стадиях разработки, которые характеризуются естественным снижением уровня добычи нефти в связи с истощением запасов и значительным обводнением продукции;
-
вовлекаемые в разработку трудно извлекаемые запасы уже не могут компенсировать сокращение добычи;
-
невыполнение проектных решений по объемам бурения, вводу новых скважин и действующему фонду скважин как в предыдущие годы, так и в настоящее время;
-
недостаточное проведение геолого-разведочных работ и, как следствие, отсутствие подготовленных к разработке запасов, ввод в разработку которых мог бы компенсировать текущую добычу.
Добыча нефти в регионе уменьшается, а инвестиции средств непосредственно в добычу топливно-энергетических полезных ископаемых (в разработку месторождений, бурение, ввод новых скважин, геолого-разведочные работы) не приводят к увеличению добычи нефти. Поэтому представляет интерес возможность «косвенного» воздействия на добычу топливно-энергетических полезных ископаемых: определение таких отраслей экономики региона, которые могут положительно влиять на добычу нефти и в которые можно инвестировать средства для улучшения значения параметра «добыча топливно-энергетических полезных ископаемых».
Исходные данные для проведения исследований
В качестве исходных данных для определения факторов, влияющих на добычу полезных ископаемых (на добычу нефти, в частности) в ХМАО-Югре, рассматриваются характеристики деятельности отраслей региона за 2008 – 2013 годы. Данные (табл. 2) приведены на основании информации с сайта [6]. При этом каждому параметру, характеризующему деятельность экономики ХМАО-Югры, соответствует краткое название, необходимое для расчетов с использованием программного комплекса IBM SPSS.
Таблица 2
Параметры, характеризующие экономику ХМАО-Югры
Название параметра |
Год |
|||||
2008 |
2009 |
2010 |
2011 |
2012 |
2013 |
|
BEZR, Численность безработных, зарегистрированных в государственных учреждениях службы занятости, в % от периода январь - декабрь предыдущего года |
12,7 |
15,6 |
9,9 |
8 |
5,3 |
3,8 |
RDDN, Реальные денежные доходы населения, в % от периода январь - декабрь предыдущего года |
110,8 |
88,6 |
90,5 |
93,1 |
107,2 |
99,1 |
CROD, Число родившихся на 1000 человек |
15,3 |
15,6 |
16,4 |
16,4 |
17,7 |
17,6 |
CUMR, Число умерших на 1000 человек |
6,8 |
6,6 |
6,8 |
6,5 |
6,3 |
6,3 |
BRAK, Число зарегистрированных браков на 1000 человек |
10,6 |
10,7 |
11,3 |
12 |
10,6 |
10,7 |
RAZV, Число зарегистрированных разводов на 1000 человек |
7,1 |
7,1 |
7,1 |
7,1 |
6,6 |
6,6 |
MIGR, Миграционный прирост, тыс.человек |
1,7 |
4,9 |
3,7 |
8,8 |
5 |
-3,8 |
DETI, Численность детей, приходящихся на 100 мест в дошкольных образовательных учреждениях |
114 |
114 |
114 |
111 |
108 |
107 |
OOBR, Численность обучавшихся в общеобразовательных учреждениях на 10000 человек |
1173 |
1165 |
1161 |
1157 |
1161 |
1162 |
SRED, Численность студентов в образовательных учреждениях среднего профессионального образования на 10000 человек |
124 |
127 |
126 |
121 |
117 |
115 |
VISH, Численность студентов в образовательных учреждениях высшего профессионального образования на 10000 человек |
348 |
326 |
299 |
278 |
251 |
249 |
MEDP, Число врачей и медсестер на 10000 человек |
199,3 |
204,2 |
204,9 |
201,7 |
200,1 |
200,5 |
BOLN, Число больничных и амбулаторно-поликлинических учреждений на 100000 человек |
17 |
17 |
18 |
17 |
16 |
16 |
KOIK, Число больничных коек на 10000 населения |
89,4 |
84,4 |
83,8 |
81,9 |
79,9 |
80 |
KULT, Число учреждений культуры на 1000 человек |
0,13 |
0,13 |
0,13 |
0,09 |
0,09 |
0,09 |
PRST, Зарегистрировано преступлений, тыс. |
38,7 |
37,4 |
34,3 |
31,2 |
27,4 |
24,0 |
TEPI, Добыча топливно-энергетических полезных ископаемых, в % от периода январь - декабрь предыдущего года |
99,6 |
97,5 |
101,7 |
97,0 |
97,7 |
103,3 |
POIS, Добыча полезных ископаемых (кроме топливно-энергетических), в % от периода январь - декабрь предыдущего года |
111,0 |
33,7 |
107,5 |
81,4 |
115,6 |
103,9 |
PICH, Производство пищевых продуктов, включая напитки и табак, в % от периода январь - декабрь предыдущего года |
118,8 |
104,4 |
105,7 |
104,7 |
108,2 |
45,9 |
TEKS, Текстильное и швейное производство, в % от периода январь - декабрь предыдущего года |
71,8 |
100,5 |
80,8 |
76,9 |
84,6 |
123,8 |
DREV, Обработка древесины и производство изделий из дерева, в % от периода январь - декабрь предыдущего года |
94,3 |
82,5 |
84,4 |
114,5 |
87,6 |
98,2 |
TBUM, Целлюлозно-бумажное производство; издательская и полиграфическая деятельность, в % от месяца предыдущего года |
98,2 |
96,0 |
98,1 |
82,3 |
75,8 |
81,8 |
KOKS, Производство кокса и нефтепродуктов, в % от периода январь - декабрь предыдущего года |
101,1 |
102,8 |
106,0 |
110,1 |
106,4 |
118,2 |
HIMP, Химическое производство, в % от периода январь - декабрь предыдущего года |
390,0 |
73,9 |
124,6 |
163,0 |
195,0 |
151,2 |
REZN, Производство резиновых |
169,0 |
105,5 |
101,4 |
102,2 |
93,1 |
10,2 |
NEMT, Производство прочих неметаллических минеральных продуктов, в % от месяца предыдущего года |
98,0 |
59,6 |
120,0 |
112,8 |
96,7 |
96,7 |
METL, Металлургическое производство и производство готовых металлических изделий, в % от месяца предыдущего года |
89,7 |
75,6 |
170,4 |
107,0 |
87,4 |
79,7 |
MASH, Производство машин и оборудования, в % от периода январь - декабрь предыдущего года |
88,0 |
89,9 |
109,9 |
102,6 |
71,3 |
111,9 |
ELOB, Производство электрооборудования, электронного и оптического оборудования, в % от периода январь - декабрь предыдущего года |
102,7 |
86,3 |
136,2 |
97,2 |
82,6 |
89,3 |
EEGV, Производство и распределение электроэнергии, газа и воды, в % от периода январь - декабрь предыдущего года |
101,5 |
101,3 |
93,5 |
98,9 |
100,4 |
103,1 |
SHOZ, Производство продукции сельского хозяйства, в % от периода январь - декабрь предыдущего года |
106,8 |
104,7 |
98,6 |
105,0 |
106,2 |
106,6 |
ZILD, Введено в действие жилых домов, в % от периода январь - декабрь предыдущего года |
102,2 |
92,8 |
68,2 |
134,2 |
134,9 |
106,5 |
OBRT, Оборот розничной торговли, в % от периода январь - декабрь предыдущего года |
117,3 |
80,0 |
90,9 |
102,3 |
108,8 |
107,3 |
OPUN, Объем платных услуг населению, в % от периода январь - декабрь предыдущего года |
104,8 |
100,1 |
103,0 |
102,3 |
102,6 |
105,7 |
UBIT, Удельный вес убыточных организаций, % |
21,9 |
22,8 |
27,0 |
24,2 |
24,9 |
28,1 |
PTRC, Индекс потребительских цен, в % от периода январь - декабрь предыдущего года |
111,0 |
110,0 |
107,8 |
105,3 |
104,8 |
106,4 |
Результаты факторного анализа исходных данных
Исследования проводились по аналогии с [8-10] с использованием компьютерной программы для статистической обработки данных IBM SPSS. Анализ данных, приведенных в табл. 1, начинается с получения корреляционной матрицы, фрагменты которой приведены на рис. 1 (фрагменты матрицы содержат значения коэффициентов корреляции по параметру TEPI по горизонтали).
Рисунок 1. Коэффициенты корреляционной матрицы, полученные по результатам анализа параметров, характеризующих экономику ХМАО-Югры.
Далее производится исследование корреляционной матрицы для определения факторов. Используется метод главных компонент [5; 7]. Для вращения применяется метод варимакс [7]. Результаты анализа значений главных компонент приведены в табл. 3.
Таблица 3
Результаты анализа главных компонент корреляционной матрицы
Compo-nent
|
Initial Eigenvalues |
Extraction Sums of Squared Loadings |
Rotation Sums of Squared Loadings |
||||||
Total |
% of Vari-ance |
Cumu-lative % |
Total |
% of Vari-ance |
Cumu-lative % |
Total |
% of Vari-ance |
Cumu-lative % |
|
1 |
15,848 |
44,023 |
44,023 |
15,848 |
44,023 |
44,023 |
13,550 |
37,640 |
37,640 |
2 |
7,836 |
21,766 |
65,789 |
7,836 |
21,766 |
65,789 |
7,174 |
19,928 |
57,568 |
3 |
5,317 |
14,770 |
80,559 |
5,317 |
14,770 |
80,559 |
6,431 |
17,863 |
75,431 |
4 |
4,812 |
13,366 |
93,926 |
4,812 |
13,366 |
93,926 |
5,864 |
16,289 |
91,720 |
5 |
2,187 |
6,074 |
100,000 |
2,187 |
6,074 |
100,000 |
2,981 |
8,280 |
100,000 |
Собственные значения корреляционной матрицы, приведенные в табл. 3, сортируются в порядке убывания, при этом количество факторов равно количеству собственных значений, превосходящих по величине единицу. В результате количество факторов получилось равным пяти (табл. 3). Далее производилось получение факторной нагрузки (табл. 4) - значений коэффициентов корреляции между параметрами gj (j=1,2,…36) и факторами dk (k=1, 2, 3, 4, 5). Параметр, интересующий нас, – это добыча топливно-энергетических полезных ископаемых (обозначение в табл. 4 - TEPI).
Таблица 4
Факторная нагрузка для экономики ХМАО-Югры
Пара-метр |
Номер фактора |
||||
1 |
2 |
3 |
4 |
5 |
|
BEZR |
,890 |
-,079 |
-,342 |
-,266 |
-,118 |
RDDN |
-,056 |
-,285 |
,918 |
-,137 |
-,234 |
CROD |
-,963 |
,028 |
,099 |
,197 |
-,152 |
CUMR |
,873 |
,481 |
,037 |
-,076 |
,006 |
BRAK |
-,114 |
,460 |
-,256 |
-,211 |
,815 |
RAZV |
,804 |
,298 |
-,263 |
-,262 |
,356 |
MIGR |
,037 |
,190 |
-,314 |
-,872 |
,321 |
PRST |
,930 |
,098 |
-,100 |
-,334 |
-,055 |
TEPI |
-,062 |
,312 |
,218 |
,907 |
-,170 |
POIS |
-,336 |
,411 |
,831 |
,120 |
-,113 |
PICH |
,479 |
,236 |
,096 |
-,836 |
-,080 |
TEKS |
-,360 |
-,418 |
-,346 |
,738 |
-,176 |
DREV |
-,232 |
-,137 |
,239 |
-,010 |
,933 |
TBUM |
,923 |
,293 |
-,140 |
,143 |
-,147 |
KOKS |
-,689 |
-,076 |
-,030 |
,635 |
,339 |
HIMP |
,369 |
-,126 |
,911 |
-,128 |
,046 |
REZN |
,712 |
,111 |
,286 |
-,632 |
-,013 |
NEMT |
-,265 |
,755 |
,451 |
,041 |
,393 |
METL |
,079 |
,992 |
-,079 |
,013 |
,055 |
MASH |
,049 |
,400 |
-,241 |
,739 |
,484 |
ELOB |
,343 |
,922 |
,023 |
,170 |
,048 |
EEGV |
-,068 |
-,956 |
,208 |
,194 |
-,019 |
SHOZ |
-,142 |
-,896 |
,406 |
-,044 |
,102 |
ZILD |
-,569 |
-,500 |
,285 |
-,469 |
,353 |
OBRT |
-,181 |
-,164 |
,958 |
,022 |
,150 |
OPUN |
-,126 |
,048 |
,763 |
,625 |
,095 |
UBIT |
-,638 |
,421 |
-,099 |
,635 |
-,049 |
PTRC |
,950 |
-,144 |
,009 |
,142 |
-,236 |
DETI |
,895 |
,311 |
-,220 |
-,233 |
-,013 |
OOBR |
,747 |
-,308 |
,458 |
,097 |
-,357 |
SRED |
,823 |
,307 |
-,398 |
-,253 |
-,074 |
VISH |
,986 |
-,019 |
,010 |
-,157 |
-,054 |
MEDP |
,217 |
,500 |
-,833 |
,031 |
-,091 |
BOLN |
,619 |
,716 |
-,275 |
-,093 |
,140 |
KOIK |
,952 |
,024 |
,287 |
-,099 |
-,021 |
KULT |
,888 |
,256 |
-,160 |
,009 |
-,347 |
Значения факторных нагрузок в табл. 4 обрабатываются так, чтобы каждому фактору соответствовала факторная нагрузка, имеющая наибольшее абсолютное значение [5; 7]. Из табл. 4 видно, что с фактором № 1 связана деятельность: предприятий целлюлозно-бумажного производства, издательской и полиграфической деятельности (фактор позитивно влияет на параметр); предприятий по производству резиновых и пластмассовых изделий (фактор позитивно влияет на параметр); предприятий по производству кокса и нефтепродуктов (фактор негативно влияет на параметр); предприятий по строительству жилых домов (фактор негативно влияет на параметр).
С деятельностью предприятий, связанных с фактором № 1, связано действие на большое количество параметров экономики, характеризующих социальное и демографическое развитие региона. Судя по знакам, стоящим перед факторной нагрузкой, фактор № 1 влияет позитивно на следующие «социальные» параметры: удельный вес убыточных организаций (уменьшение); численность детей, приходящихся на 100 мест в дошкольных образовательных учреждениях (увеличение); численность обучавшихся в общеобразовательных учреждениях на 10000 человек (увеличение); численность студентов в образовательных учреждениях среднего профессионального образования на 10000 человек (увеличение); численность студентов в образовательных учреждениях высшего профессионального образования на 10000 человек (увеличение); число больничных коек на 10000 человек (увеличение); число учреждений культуры на 1000 человек (увеличение).
При этом фактор №1 негативно влияет на следующие «демографические» и «социальные» параметры: численность безработных (увеличение); количество родившихся людей (уменьшение); количество умерших людей (увеличение); количество разводов (увеличение); количество преступлений (увеличение); индекс потребительских цен (увеличение).
Таким образом, фактор № 1 оказывает негативное воздействие практически на все отрасли, входящие в его состав, а также на демографию. При этом фактор оказывает позитивное воздействие на социальное развитие региона. Фактор может трактоваться как «антидемографический».
С фактором № 2 связана деятельность: предприятий по производству прочих неметаллических минеральных продуктов (фактор благотворно влияет на параметр); предприятий металлургического производства и производства готовых металлических изделий (фактор благотворно влияет на параметр); предприятий по производству электрооборудования, электронного и оптического оборудования (фактор благотворно влияет на параметр); предприятий по производству и распределению электроэнергии, газа и воды (фактор негативно влияет на параметр); сельскохозяйственных предприятий (фактор негативно влияет на параметр).
Фактор не влияет на демографию региона и практически не влияет на социальное развитие региона (лишь только позитивно влияет на число больничных и амбулаторно-поликлинических учреждений в регионе). С учетом позитивного действия фактора можно трактовать его как «производственный».
С фактором № 3 связана деятельность: предприятий по добыче полезных ископаемых (кроме топливно-энергетических); предприятий химической промышленности; предприятий розничной торговли; предприятий по оказанию платных услуг.
Судя по факторной нагрузке (табл. 4), фактор оказывает позитивное влияние на деятельность всех указанных выше предприятий. При этом фактор не влияет на демографию региона и мало влияет на его социальное развитие (способствует увеличению реальных доходов населения, но при этом способствует уменьшению количества врачей и медсестер в регионе). Фактор можно трактовать как «многоотраслевой».
С фактором № 4 связана деятельность: предприятий по добыче топливно-энергетических полезных ископаемых (фактор позитивно влияет на параметр); предприятий текстильного и швейного производства (фактор позитивно влияет на параметр); предприятий по производству машин и оборудования (фактор позитивно влияет на параметр); предприятий по производству пищевых продуктов (фактор негативно влияет на параметр).
Судя по факторной нагрузке (табл. 4), фактор влияет на демографию региона (приводит к уменьшению миграционного прироста населения). При этом фактор влияет позитивно на 3 из 4 отраслей экономики, входящих в его состав. Фактор можно трактовать как «добыча и производство». Фактор благоприятен для работы предприятий, связанных с добычей нефти и газа и производства нефтепродуктов.
С фактором № 5 связана деятельность предприятий по обработке древесины и производству изделий из дерева (фактор позитивно влияет на параметр).
Судя по факторной нагрузке (табл. 4), фактор позитивно влияет на демографию региона (приводит к увеличению количества браков) и при этом не влияет на социальное развитие региона. Таким образом, фактор можно трактовать как «семейный».
Одновременно с определением факторов с помощью рис. 1, 2 проанализированы значения коэффициентов корреляционной матрицы, и выявлены отрасли экономики ХМАО-Югры, наиболее благоприятно влияющие на добычу топливно-энергетических полезных ископаемых (нефти в том числе). Выявлено, что наибольшие значения имеют коэффициенты корреляции между добычей топливно-энергетических полезных ископаемых и следующими отраслями экономики: текстильное и швейное производство; производство кокса и нефтепродуктов; производство машин и оборудования; предприятия по оказанию платных услуг населению.
Следует особо отметить, что корреляционный коэффициент между добычей топливно-энергетических полезных ископаемых и производством машин и оборудования, а также оказанием платных услуг населению положительный и близок к 1. Такая положительная корреляция свидетельствует о том, что увеличение значений индексов производства машин и оборудования, а также оказания платных услуг населению приведет к увеличению значения индекса добычи топливно-энергетических полезных ископаемых. Кроме этого, степень близости к 1 свидетельствует о степени близости зависимости рассматриваемых параметров к функциональной зависимости.
Исследования, результаты которых приведены в данной статье, являются логическим продолжением исследований, приведенных в [10]. Результаты исследований, приведенные в данной статье, при сравнении с результатами [10] показывают, что, несмотря на географическую близость и большую роль добычи топливно-энергетических полезных ископаемых в ХМАО-Югре и Ямало-Ненецком округе, количество и состав факторов, действующих на экономики регионов, отличаются друг от друга. Состав отраслей, благоприятно влияющих на добычу топливно-энергетических полезных ископаемых, полученный в [10], полностью отличается от результатов, приведенных в данной статье.
Вывод
С учетом состава фактора № 4, а также анализа значений коэффициентов корреляционной матрицы можно выделить отрасли, не связанные с добычей топливно-энергетических полезных ископаемых, которые могут оказывать благоприятное влияние на добычу топливно-энергетических ископаемых в ХМАО-Югре. Такими отраслями являются:
-
текстильное и швейное производство;
-
производство машин и оборудования;
-
оказание платных услуг населению.
Инвестирование средств в отрасли экономики региона, приведенные выше, позволит увеличить добычу топливно-энергетических полезных ископаемых в ХМАО-Югре.
При этом следует учесть, что развитие добычи топливно-энергетических полезных ископаемых, в свою очередь, может привести к увеличению общего количества убыточных предприятий в регионе (коэффициент корреляции равен 0,733, что говорит о близости к функциональной зависимости).
Рецензенты:
Дик В.В., д.э.н., профессор, заведующий кафедрой Информационного менеджмента и электронной коммерции, Негосударственное образовательное учреждение высшего профессионального образования «Московский финансово-промышленный университет «Синергия», г. Москва.
Курченков В.В., д.э.н., профессор, заведующий кафедрой государственного и муниципального управления, Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Волгоградский государственный университет», г. Волгоград.