Север и рынок. 2017, N 4.

Другими факторами, влияющими на динамику энергоемкости совокупного производства, являются изменения погодных условий, цен на энергоресурсы, роста благоустройства жилого фонда [2]. Последнее логично отнести к технологическому фактору, влияние вариации инфляционной динамики в данной работе не учитывается из-за низкой эластичности совокупного объема регионального спроса на энергоресурсы по этим переменным, подтвержденной предварительным анализом. Учет климатического фактора важен при межрегиональных сопоставлениях энергоемкости [13, 14]. Для учета влияния на энергопотребление фактора роста объемов производства в качестве предикторов рассматривались индексы реального роста (в сопоставимых ценах) ВРП или промышленного производства, грузооборота транспорта. Следует отметить важность приведения стоимостных показателей экономической динамики к сопоставимым измерениям [11]. Инфляция существенно искажает реальные экономические пропорции: в рассматриваемых регионах за десятилетие валовой продукт номинально увеличился в 2,5-3,3 раза, но в физическом измерении рост не превысил 1,3 или даже снизился (Мурманская область). Как следствие, динамика энергоемкости относительно номинального и реального измерения ВРП существенно различается (рис. 1). Рис. 1. Динамика энергоемкости ВРП в номинальном и сопоставимом исчислении Этот акцент на проблеме сопоставимости вызван тем, что некорректный анализ энергоемкости зачастую встречается как в региональных программах энергосбережения, так и в тематических исследованиях [15]. Объясняющей переменной структурного фактора выбран показатель доли валовой добавленной стоимости энергоемких отраслей (промышленность и транспорт) в ВРП. Показатели сравнительно высокой секторальной энергоемкости промышленности и транспорта приводятся, в частности, в [16, 17]. Признаками технологической (энергосберегающей) модернизации может служить нелинейность функций энергопотребления или компонента динамического ряда, зависящая от переменной времени (например, за счет реализации энергосберегающих мер в ЖКХ, бюджетной сфере, сокращения потерь распределения ТЭР может наблюдаться хоть и незначительное, но сокращение общерегионального объема потребления энергоресурсов). Рассматривались два варианта временной компоненты регрессионной функции: линейная или экспотенциальная. Свод переменных регрессионного анализа представлен в табл. 2. Выбор предикторов определялся логикой анализа экономических взаимосвязей с учетом доступности и надежности официальной статистической информации и рациональным ограничением числа переменных (1-3) для рассматриваемого временного ряда (11 лет). Регрессионный анализ выполнялся с использованием статистических функций и пакета анализа Excel. Статистическая значимость (качество) регрессионой функции и коэффициентов регрессии проверялось с помощью ^-критерия Фишера и ^-критерия Стьюдента (для всех представленных ниже эконометрических моделей эти критерии соблюдаются или оговариваются исключения). Точность регресиионных моделей характеризуют коэффициент детерминации (R2) и средняя относительная ошибка аппроксимации (MAPE). Известно, что результаты регрессионного анализа полностью зависят от качества исходных статистических данных. Поэтому следует подчеркнуть, что проводимое исследование предполагает достоверность и репрезентативность динамических рядов, формируемых на основе показателей, публикуемых Росстатом (http://www.gks.ru) . 162