Сетевое издание
Современные проблемы науки и образования
ISSN 2070-7428
"Перечень" ВАК
ИФ РИНЦ = 0,940

ИССЛЕДОВАНИЕ ФАКТОРОВ, ВЛИЯЮЩИХ НА ДОБЫЧУ НЕФТИ В ХАНТЫ – МАНСИЙСКОМ АВТОНОМНОМ ОКРУГЕ – ЮГРЕ

Попов А.А. 1 Калмыкова Т.Н. 1
1 ФГБОУ ВПО «Российский экономический университет имени Г.В. Плеханова»
Экономика региона характеризуется большим количеством параметров. Одним из параметров является добыча топливно-энергетических полезных ископаемых. Отрасль определяет развитие Ханты-Мансийского автономного округа. Чтобы показать важность этой отрасли для региона, приведены общие сведения, характеризующие динамику добычи нефти в регионе. На работу отрасли влияют другие отрасли экономики региона. В статье рассматривается применение факторного анализа для определения факторов, влияющих на экономику региона. Результаты факторного анализа могут быть использованы руководителями региона для увеличения добычи топливно-энергетических полезных ископаемых (нефти, в частности) с помощью целевых инвестиций в другие отрасли экономики. Для проведения факторного анализа использована программная система IBM SPSS. Рассмотрены значения параметров, характеризующих экономику региона, за 2010-2013 годы. Количество факторов определялось по количеству собственных чисел корреляционной матрицы, значение которых больше единицы. Исследования показали, что на развитие экономики региона влияют пять факторов. Четвертый фактор благоприятно влияет на добычу топливно-энергетических полезных ископаемых. Также фактор благотворно влияет на работу предприятий текстильного и швейного производства, а также предприятий по производству машин и оборудования. В результате сравнения элементов корреляционной матрицы и результатов факторного анализа определены отрасли региональной экономики, положительно влияющие на добычу нефти в регионе. Такими отраслями экономики являются: текстильное и швейное производство, производство кокса и нефтепродуктов, производство машин и оборудования. В данные отрасли рекомендуется вкладывать средства для благоприятного развития добычи нефти.
региональная экономика
добыча нефти
факторный анализ
собственные числа
корреляционная матрица
1. Аналитический бюллетень «Нефтегазовая и нефтеперерабатывающая промышленность: тенденции и прогнозы. Выпуск 1. Итоги 2010 года» : сайт. - URL: http://ria.ru/files/ratings/oil1.pdf (дата обращения: 23.05.14).
2. Аналитический бюллетень «Нефтегазовая и нефтеперерабатывающая промышленность: тенденции и прогнозы. Выпуск 5. Итоги 2011 года» : сайт. - URL: http://vid1.rian.ru/ig/ratings/oil5.pdf (дата обращения: 23.05.14).
3. Аналитический бюллетень «Нефтегазовая и нефтеперерабатывающая промышленность: тенденции и прогнозы. Выпуск 9. Итоги 2012 года» : сайт. - URL: http://vid1.rian.ru/ig/ratings/oil9.pdf (дата обращения: 23.05.14).
4. Аналитический бюллетень «Нефтегазовая и нефтеперерабатывающая промышленность: тенденции и прогнозы. Выпуск 12. Итоги января-сентября 2013 года» : сайт. - URL: http://vid1.rian.ru/ig/ratings/oil12.pdf (дата обращения: 23.05.14).
5. Бююль А., Цёфель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. – СПб. : ООО «ДиаСофтЮП», 2005. - 608 с.
6. Департамент экономического развития Ханты-Мансийского автономного округа – Югры. Социально-экономическое развитие : сайт. - URL: http://www.depeconom.admhmao.ru/wps/portal/ecr/home/ser_hmao (дата обращения: 23.05.14).
7. Ким Дж.-О., Мьюллер Ч.У., Клекка У.Р. и др. Факторный, дискриминантный и кластерный анализ. - М. : Финансы и статистика, 1989. - 215 с.
8. Попов А.А. Исследование факторов функционирования региональных социально-экономических систем с помощью факторного анализа (на примере Алтайского края) // Региональная экономика: Теория и практика. – 2013. - № 7 (286). - С. 29-34.
9. Попов А.А. Основы проведения факторного анализа социально-экономического развития региона с использованием программного комплекса SPSS (на примере Алтайского края) // Вестник Российской экономической академии имени Г.В. Плеханова. – 2010. - № 5 (35). – С. 81-88.
10. Попов А.А., Калмыкова Т.Н. Факторный анализ экономики региона (на примере Ямало-Ненецкого автономного округа) // Современные проблемы науки и образования. – 2014. – № 2. - URL: www.science-education.ru/116-12428 (дата обращения: 23.05.2014).

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
и пластмассовых изделий, в % от периода январь - декабрь предыдущего года

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:

  1. текстильное и швейное производство;
  2. производство машин и оборудования;
  3. 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.


Библиографическая ссылка

Попов А.А., Калмыкова Т.Н. ИССЛЕДОВАНИЕ ФАКТОРОВ, ВЛИЯЮЩИХ НА ДОБЫЧУ НЕФТИ В ХАНТЫ – МАНСИЙСКОМ АВТОНОМНОМ ОКРУГЕ – ЮГРЕ // Современные проблемы науки и образования. – 2014. – № 3. ;
URL: https://science-education.ru/ru/article/view?id=13740 (дата обращения: 18.10.2021).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074