Дипломная работа: Определение направлений структурных реформ для обеспечения устойчивого развития: кластерный анализ и logit-моделирование

? Афганистан - СТО находится в дефиците еще с 1981 года в свете афганской войны, что привело к углубленному экономическому кризису в стране.

? Ливан - баланс страны зависит от финансовых трансфертов ее диаспоры, которые снижаются с каждым годом в связи с увеличением конкуренции и снижением рабочих мест в нефтедобывающих арабских странах Персидского залива. Также, ситуацию усугубляет политическая нестабильность и низкие темпы экономического роста.

? Мальдивы - столкнулись с ситуацией, когда переводы иностранных рабочих в свои страны стали превышать поступления от туристической индустрии и ростом импорта благодаря увеличению спроса на строительные товары, машины и электрооборудование. Дефицит финансируется внешними заимствованиями благодаря государственным гарантиям.

? Малави - из-за ухудшения условий торговли страна переживает высокие импортные цены на удобрения и расходы на топливо, что хоть и немного, но компенсируется устойчивым ростом цен на табак. В целом, в условиях диверсифицированной экономики, Малави остается уязвимой перед внешними потрясениями из-за сильной зависимости от богарного сельского хозяйства и донорских финансирований, которые составляют около 40% государственных расходов.

экстремальные:

o по ВВП на душу населения:

? Люксембург - занимает лидирующую позицию по данному показателю из-за низкого количества населения и сбалансированной финансовой ситуации. Торговый и экономический статус страны среди мирового сообщества является наилучшим, что помогает данной стране развиваться дальше. Следует отметить, что множество мигрантов работают в Люксембурге, тем самым внося вклад в ВВП, что, однако не учитывается в данном показателе.

? Норвегия - источником высокого дохода страны является очень прибыльная нефтегазовая промышленность, высокий уровень занятости и низкий показатель безработицы.

? Швейцария - источником основного дохода является высокоразвитый сектор услуг, который составляет 74% ВВП страны, а 25% относится к промышленности. На сельское хозяйство приходится менее 1% ВВП.

? Ирландия - как и в случае с Люксембургом, благодаря экономическим интеграциям с соседями и ряду привлекательных для иностранных инвесторов, льгот, превратились в наши «выбросы».

Вторая диаграмма размаха, (Рисунок 3), как и первая, имеет как умеренные, так и экстремальные выбросы:

Рисунок 3 Box-plot_2

Источник: расчеты автора

умеренные:

o по отношению долга к ВВП:

? Ливан - прирост показателя связан с огромными затратами на послевоенную реконструкцию и неспособностью государства оплатить долг, т.к. одни процентные платежи потребляют половину государственного дохода.

? Италия - чрезмерные государственные расходы в комбинации с неадекватным контролем и сговором между поставщиками и администрацией, с одной стороны, повышение процентных ставок в 80-ых годах перед входом в Евросоюз - привело к повышению процентных платежей по долгам, с другой.

? Мозамбик - находится в данной ситуации из-за гражданской войны, которая наступила сразу же после обретения независимости и требовала значительных средств для восстановления экономики. Кроме того, национальная валюта страны за последнее десятилетие обесценилась на более чем 60% по отношению к доллару и усугубила позицию страны по отношению к данному индикатору.

o Стандартное отклонение темпов изменения ВВП: Ирландия, Зимбабве, Украина, Катар, Судан, Армения, Ирак.

? Ирландия - низкая диверсификация экспорта, что обуславливает высокую зависимость от волатильной конъюнктуры глобальных сырьевых рынков. А это, вместе с не самыми лучшими институтами, приводит к сложившейся ситуации.

экстремальные:

o по отношению долга к ВВП:

? Япония - фискальные интервенции правительства с целью стимулирования экономики. Следует заметить, что гособлигации страны (около 90%) находятся в собственности граждан, что снижает уязвимость страны перед изменениями иностранной валюты и спекуляциях на этом рынке. Особую роль в возникновении этих долгов сыграли сверхнизкие ставки по долговым бумагам. Низкая доходность - следствие «потерянных десятилетий» роста экономики с одной стороны, и её высокой эффективности - с другой.

? Греция - имеет самый высокий показатель долга к ВВП в Еврозоне, который наблюдался еще до финансового кризиса 2008 года, однако сильно усугубился в результате европейского долгового кризиса. Причины достаточно комплексны, однако, в основном это связано с занижением статистики по дефициту бюджета с целью привлечения больше кредитов со стороны МВФ и стран партнёров, и проведением жесткой экономической политики, что загнала экономику в еще больший кризис.

? Судан - закрывает тройку экстремальных стран из-за обесценивания национальной валюты в 2016 году на 59% по отношению к доллару. Основной долг страны приходится на внешние заимствования и выражен в долларах. В добавок, в это время от него откололся Южный Судан, где добывалось 2/3 нефти.

Однако, в третьей диаграмме размаха (Рисунок 4) наблюдаются только умеренные выбросы:

Рисунок 4 Box-plot_3

Источник: расчеты автора

o Уровень занятости населения: Мадагаскар, Катар

o Contributing family workers: Непал, Мадагаскар, Эфиопия, Кения.

o LPI: Суринам, Барбадос, Самоа, Белиз.

Для того, чтобы предотвратить снижение качества последующих моделей, экстремальные выбросы будут удалены. После удаления стран с большим размахом, количество объектов снизилось до 113, а новые диаграммы размаха приняли следующий вид:

Рисунок 5 Box-plot_4

Источник: расчеты автора

Рисунок 6 Box-plot_5

Источник: расчеты автора

3.4 Факторный анализ: Метод Главных Компонент

Самым первым шагом в построении описанных в методологии моделей является определение латентных факторов, которые описывают скрытые характеристики как признаков, так и стран. Следует напомнить, что результаты анализа в дальнейшем будут использованы в кластерном анализе и логит - моделировании.

С целью упрощения процесса кластеризации проведем первым шагом факторный анализ и сократим размерность посредством удаления незначимых признаков. Для отбора факторов воспользуемся распространенным Методом Главных Компонент, где используется ортогональное вращение - варимакс, которое максимизирует дисперсию и увеличивает интерпретируемость факторов.

Метод Главных Компонент примечателен тем, что анализ главных компонент можно представить как преобразование информации, содержащейся в исходных данных. В частности, главную компоненту можно определить как направление, в котором имеется наибольший разброс объектов, представляя объекты в единицах измерения по этой оси - теряется минимальная информация об отличии объектов друг от друга.

Следует отметить, что признак счет текущих операций (в % от ВВП) при данном факторном анализе был признан незначим, что вероятно вызвано именно нехваткой удобных дезагрегированных данных. По этой причине данный признак был удален из выборки, а процедура факторного анализа была запущена заново:

Таб. 1

Описательная статистика

Источник: расчеты автора

Табл. 2

KMO и критерий Бартлетта

Источник: расчеты автора

Рассмотрим Табл. 2 для анализа пригодности имеющихся данных в факторном анализе. Результаты теста КМО позволяют сделать выводы относительно общей пригодности имеющихся данных для факторного анализа, а именно понять, насколько хорошо построенная факторная модель описывает структуру показателей на анализируемых объектах (стран). Результаты данного теста варьируются в интервале от 0 (факторная модель абсолютно неприменима) до 1 (факторная модель идеально описывает структуру данных). Факторный анализ следует считать пригодным, если КМО находится в пределах от 0,5 до 1. В данном исследовании этот показатель равен 0,793 (79,3%), что является очень хорошим результатом. Значимость теста Бартлетта проверяет гипотезу о том, что переменные, участвующие в факторном анализе, некоррелированны между собой. Статистикой, определяющей пригодность факторного анализа по тесту Бартлетта, является значимость. При приемлемом уровне значимости (ниже 0,05) факторный анализ считается пригодным для анализа исследуемой выборочной совокупности. В нашем случае, рассматриваемый тест показывает весьма низкую значимость (0,000), из чего следует вывод о применимости факторного анализа.

Итак, на основании тестов КМО и Бартлетта можно сделать вывод о том, что имеющиеся данные практически идеально подходят для исследования при помощи факторного анализа.

Табл. 3

Вывод результатов факторного анализа: описательные статистики

Источник: расчеты автора

Из Табл. 3, где представлена полная объясненная дисперсия, видно, что 6 факторов имеют собственные значения больше единицы и объясняют 72,6% совокупной дисперсии.

Для графического вывода результатов обратимся к критерию “каменистой осыпи” (Рис. 6), что поможет проиллюстрировать оптимальное количество компонент для самостоятельного отбора необходимых латентных факторов. Согласно данному критерию, рекомендуется оставить последним отобранным тот фактор, который показывает начало “осыпи”, т.е. плавной хвостовой части кривой. Основываясь на выше сказанном, оставим выбранными 6 основных компонент.

Рис. 7 Результаты факторного анализа: собственные значения выделенных факторов

Источник: расчеты автора

Табл. 4

Результаты факторного анализа: матрица компонент

Источник: расчеты автора