Головна  |  Вимоги до оформлення статей  |  Контакти |  Зміст журналу
ua  rus  en
Міністерство освіти і науки України
ДНУ Вісник Дніпропетровського університету
Серія "Економіка"

Наукове видання
  • УДК 336:519
  • ISSN 9125 0912
  • Свідоцтво про державну реєстрацію друкованого засобу масової інформації КВ № 7898 від 17.09.2003 р.
  • Збірник включено до Переліку наукових фахових видань України (пункт 118), у яких можуть публікуватися результати дисертаційних робіт на здобуття наукових ступенів доктора і кандидата наук з економічних наук (Постанова президії ВАК України № 1-05/3 від 08.07.2009)
 

УДК621.396.96

І. Ю. Башкова

Дніпропетровський національний університет імені Олеся Гончара

ДОСЛІДЖЕННЯ ЕКОНОМЕТРИЧНОЇ МОДЕЛІЗАБРУДНЕННОСТІ АТМОСФЕРНОГО ПОВІТРЯ

Проаналізовано існуючий стан довкілля України. Проведено подальший аналіз економетричноїмоделі забруднення атмосферного повітря, побудованої та обґрунтованої раніше, атакож оновлено використовувану статистичну інформацію. Запропоновано необхідніпокращення моделі та визначено перспективи подальших досліджень.

Ключові слова:забрудненість атмосферного повітря, економетричнемоделювання, дослідження залишків моделі.

Проанализировано существующее состояние окружающей среды Украины. Проведен дальнейший анализ эконометрической моделизагрязнения атмосферного воздуха, построенной и обоснованной ранее, такжеобновлена используемая статистическая информация. Предложены необходимые улучшения моделии определены перспективы дальнейших исследований.

Ключевые слова:загрязненность атмосферного воздуха, эконометрическое моделирование, исследование остатков модели.

The articleanalyzes existent state of Ukrainian environment. The further analysis of theatmospheric air pollution econometric model, constructed and proved earlieriscarried out, statistical information used by investigation is also updated.Necessary improvements of model are offered and prospects of further researchesare defined.

Keywords: atmospheric air muddiness,econometric modeling, research of the model remains.

Посилення антропогенноготиску на навколишнє середовище спричинило появу низки екологічних проблем,пов’язаних, зокрема, з незадовільним станом атмосферного повітря – одного знайважливіших компонентів природного капіталу, який виконує функціюжиттєзабезпечення для всієї планети. Проблема забруднення атмосферного повітря,як і раніше, залишається однією з найгостріших глобальних проблем людства.

На сьогоднішній день у результатідіяльності людини до атмосфери потрапляє більше 500 забруднюючих речовин, і з утвореннямнових джерел забруднення внаслідок розвитку промисловості цей перелік продовжуєрозширюватись. За даними Держкомстату України, щороку в атмосферне повітря відстаціонарних джерел забруднення потрапляє близько 7 млн т забруднюючих речовин. Протягом 2010 р. в атмосферу їхнадійшло 6,7 млн т від стаціонарних та пересувних джерел забруднення. Урозрахунку на 1 км2 території країни припадає 11 т викинутих в атмосферузабруднюючих речовин, а на одну особу 146 кг [1].

Джерелами антропогенногозабруднення атмосфери шкідливими домішками є теплоенергетика, промисловість,транспорт, нафто-і газопереробка, випробування ядерної зброї тощо. В Українінайбільша кількість викидів забруднюючих речовин в атмосферу спостерігається втаких містах, як Кривий Ріг (11,2% від загального викиду), Маріуполь (8,6%),Донецьк (5,0%). Обсяги викидів на підприємствах Донецько-Придніпровськогорегіону становлять понад 83% від загального обсягу по країні. Атмосфернеповітря найбільше забруднюють викиди таких підприємств: паливно-енергетичногокомплексу (39%) – зокрема його підсектори: електроенергетика й теплопостачання,вугільна промисловість; підприємствапереробної та добувної промисловості (відповідно 33 та 21% шкідливих викидів). Загалом підприємствацих галузей викидають в атмосферу шкідливих речовин 93% від іх загального обсягу по Україні. Також одниміз найбільших забруднювачів атмосферного повітря в Україні є автотранспорт. Від роботи двигунів пересувних джерел забруднення в2010 р. в повітря надійшло 2,6 млн т забруднюючих речовин. Серед транспортнихзасобів за обсягом викидів лідирують автомобілі, на долю яких припало 90,9%(2,3 млн т) усіх забруднень, що надійшли від пересувних джерел [1].

Наслідком надмірногозабруднення атмосферного повітря як промисловими об’єктами, так і, не меншоюмірою, транспортними засобами віднедавна став парниковий ефект із пов'язаними зним глобальними кліматичними змінами – глобальним потеплінням, кислотні опадитощо.

Погіршення якостіатмосферного повітря призвело до посилення соціальних та економічних проблем,які виявляються в погіршенні здоров’я насамперед мешканців великих міст, а такожнаселення, яке проживає неподалік від промислових об’єктів. У великихпромислових агломераціях відбувається відкладання забруднень від окремих джерел,і загальна площа негативного впливу може дорівнювати площі агломерації абонавіть перевищувати її. Крім того, у зонах розміщення промислових підприємствспостерігаються специфічні забруднення, що зумовлюють появу специфічнихзахворювань. Високий рівень забруднення загрожує здоров'ю не тільки сучасного,а й майбутнього поколінь.

Економічні проблеми пов’язанііз зростанням рівня витрат на очищення забрудненого повітря, потребою залученняінвестицій у природоохоронні програми і проекти забезпечення якостіатмосферного повітря, незацікавленістю, а часом і неспроможністю підприємствзастосовувати сучасні природоохоронні технології, переходити до екологічнобезпечнішого виробництва. Вирішення цих проблем потребує насампередудосконалення механізму управління охороною атмосферного повітря і забезпеченняйого якості.

Вагомий внесок урозв’язання проблеми забруднення атмосферного повітря, формування економічноїта екологічної політики в галузі забезпечення охорони та якості атмосферногоповітря зробили відомі українські та зарубіжні вчені А. Алексєєв, О. Балацький,М. Берлянд, В. Вернадський, М. Гімадєєв, Г. Голіцин, А. Голуб, Р. Гудерман, Н.Доценко, А. Ендрес, С. Калверт, Р. Рідкер, У. Сміт, О. Теліженко та ін.

Актуальність дослідженнязумовлює потребу детальнішого вивчення усіх факторів-забруднювачів, щовпливають на стан повітря, з урахуванням їхньої кореляції та вдосконаленняекономічного механізму забезпечення охорони атмосферного повітря з метоюпідтримання його якості на належному рівні і запобігання його надмірномузабрудненню.

Дане дослідження є продовженнямта доповненням попереднього [3]. Нагадаємо: упопередній публікації на основі статистичних даних, наданих на сайті Державної служби статистики України [2], певним чином оброблених та зведених в єдину таблицю,було побудовано й проаналізовано багатофакторну модель визначення основнихджерел забруднення атмосферного повітря. У результаті дослідження регресійнумодель було визнано адекватною та статистично значимою.

Дана публікація вдосконалюєрозроблену багатофакторну модель множинної регресії, її метою є дослідженнязалишків випадкової величини, оскільки, на думку авторів, їхня абсолютнавеличина в моделі є досить значною (-196,594), особливо з огляду на абсолютнівеличини коефіцієнтів при незалежних змінних (-0,004; 0,023; 0,002; 0,099;0,129; – 0,430).

Основним інструментомвиявлення та дослідження залежностей між забрудненістю атмосферного повітря тафакторами, що впливають на даний показник, як і в попередній частинідослідження, доцільно обрати економіко-математичне моделювання, а саме методмножинного регресійного аналізу (МРА).

МРА,широко використовуваний в економічному аналізі при прогнозуванні, спрямований на виявлення структури тавзаємозв’язків економічних змінних, причин та наслідків перебігу економічнихпроцесів. МРА дозволяє кількісно виміряти тісноту причинно-наслідкових зв'язків в економіцій фінансах, зрозуміти природу досліджуваних процесів, що, в свою чергу, даєможливість впливати на виявлені фактори, втручатися у відповідний економічнийпроцес із метою одержання потрібних результатів [4].

Як інструмент обробки статистичної інформаціївикористовуватимемо EViews – економетричний пакет, що забезпечує особливотонкий і складний інструментарій для обробки даних, дозволяє будувати прогнозита виконувати регресійний аналіз. За допомогою даного програмного засобу можнадосить швидко виявити наявність статистичної залежності в аналізованійінформації й потім, використовуючи знайдені взаємозв'язки, зробити прогнозаналізованих показників і вивести графічні результати.

Широкі можливості відкриваються вEviews при аналізі даних, які представлені у вигляді часових рядів. Високіфункціональні можливості під час обробки кількісних змінних дозволяють вважатиEviews надійним засобом для прогнозування, оцінювання й аналізу науковоїінформації, моделювання тощо [6].

Рівняння регресії залежності обсягу викидівшкідливих речовин та діоксиду вуглецю в атмосферне повітря від обсягу виробництва підприємств добувної тапереробної промисловості, виробництва та розподілення електроенергії, газу йводи, перевезення вантажів та пасажирів, а також зв'язку, побудоване та проаналізоване в попередньому дослідженні, є таким:

Y = -196,594 – 0,004X1 + 0,023X2 + 0,002X3 +0,099X4 +0,129X5 – 0,430X6.

Виходячи із значень числових критеріївпопереднього дослідження модель було визнано адекватною й статистично значимою,а також такою, що дає досить високу оцінку тісноти зв'язку між обсягами викидівшкідливих речовин в атмосферне повітря та обсягами виробництва підприємствдобувної та переробної промисловості, виробництва та розподіленняелектроенергії, газу та води, перевезення вантажів та пасажирів, а такожзв'язку.

Регресійний аналіз вважаєтьсянеповним без аналізу залишків побудованої регресійної моделі (емпіричної залежності), тобто різниць значень Y і значень емпіричної залежності Y(хi) для кожного і-го спостереження.

За допомогою аналізу залишківрозв’язуються такі завдання: чи адекватна модель емпіричним даним; чи правильніприпущення про помилки (наприклад, чи незалежні вони, чи розподілені нормальноі т. д.); чи є серед оброблюваних даних виміри, що містять грубу помилку [5].

Для перевіркистатистичної вірогідності рівняння регресії, коефіцієнтів регресії й кореляціївикористовуються критерій Фішера та Стьюдента. При використанні цих критеріїввисуваються припущення щодо залишків, які дозволяють одержати незміщені,спроможні й ефективні оцінки. Тому після побудови рівняння регресії необхідноперевірити виконання таких передумов щодо залишків:

  1. 1) випадковий характерзалишків;
  2. 2) нульове значення математичногоочікування залишків;
  3. 3) наявністьгомоскедастичності;
  4. 4) відсутність автокореляціїзалишків;
  5. 5) підпорядкування залишківнормальному закону розподілу.

Отже,перевіримо виконання першої передумови – випадкового характеру залишків. Дляпобудови графіку залишків виконаємо View/Actual,Fitted,Residual/Actual,Fitted,Residual–Table, де Actual – вихідне значення Y (експериментальні дані); Fitted –розрахункове значення aa(обчислене з рівняння регресії); Residual – оцінки залишків (розрахункове значення).

оцінки залишківРис. 1. Графік розподілу залишків

Графік розподілу залишківРис. 2. Математичне очікування

Із графіка (рис.1) видно, що залишки не маютьніякої закономірності та не виходять за межі (за винятком одногоспостереження). Це означає, що залишки являють собою випадкові величини й МНКвиправданий, теоретичні значення добре апроксимують фактичні значення.

Перейдемо до перевірки виконаннядругої передумови: E(Residi)=0.Нерівне нулю математичне очікування дозволяє зробити висновок, що Математичне очікуваннязалежить від Х і що модель неадекватна. Рівність нулюпорушується або через неправильну специфікацію моделі (залежність не лінійна, аінша), або через порушення третьої передумови МНК – гомоскедастичності.Значення математичного очікування одержимо так: View/ResidualTests/Histogram-Normality Test (рис. 2): Mean = 2,84е-14 – тобто середнє значеннязалишків приблизно дорівнює 0, тож,перевірювана передумова E(Ui) =0 виконується.

Отже, третяпередумова – наявність гомоскедастичності. Рівність дисперсій збурювань(помилок) регресії є істотною умовою лінійної класичної регресійної моделімножинної регресії. Властивість сталості дисперсій помилок регресії називаєтьсягомоскедастичністю. Найбільш зручний і часто використовуваний тест нагомоскедастичність – тест Уайта. Висунемо нульову гіпотезу Н0: дисперсії збурювань регресії постійні (тобтоспостерігається гомоскедастичність). Також виберемо ймовірність помилки α = 0,05.

Оригінальнаверсія тесту базується на такому твердженні: якщо регресійна залежність має вигляд

yi = f(x i1 , x i2 , …, x in ) + ui ; i=1,m; j=1,n.

де x ij,– фактори; ui – залишок, то дисперсіязалишку ui2 являє собою квадратичну функцію від значень факторів, тобто дисперсія залишкузалежить від спостережуваних значень факторів і не є постійною (явищегетероскедастичності). Далі для даної квадратичної регресії розраховуються F-статистика й специфічна статистикаУайта, що, якщо нульова гіпотеза вірна, має розподіл, близький до хі-квадрат із числом ступенів свободи,рівним числу параметрів регресії, окрім вільного члена. Якщо розрахункова F-статистика для квадратичної моделібільше табличного значення, то ми повинні відкинути гіпотезу про незначимістьквадратичної регресії, а, виходить, прийняти твердження про наявністьгетероскедастичності. Якщо ж F-статистикавиявиться менше табличного значення, то це буде означати, що гіпотеза пронезначимість квадратичної регресії не повинна бути відкинута, а припущення пронаявність гетероскедастичності, навпроти, треба відхилити.

Отже,проведемо даний тест для нашої моделі: View/Residual Tests/WhiteHeteroskedasticity. Тут є дві версії тесту: Cross Terms й No Cross Terms. CrossTerms являє собою описану вище оригінальну версію тесту Уайта. No Cross Termsвідрізняється тим, що із квадратичної моделі регресії для дисперсії залишківвиключаються доданки – добутки факторів. Це корисно, якщо в модель входитьвелика кількість факторів. Коли в правій частині рівняння регресії багатозмінних, кількість можливих перехресних добутків досить велика, й стаєпрактично неможливим включити їх усі. Крім того, чим більше перехреснихдобутків, тим допускається більше помилок.

Дляпроведення тесту в середовищі EViews у меню вікна з характеристиками моделі вибираємо View/Residual Tests/WhiteHeteroskedascity ( Nocross terms).

оцінки залишків

Рис. 3. Тест Уайта

Тест Уайта

Рис. 4. Визначення кореляції залишків

Отримане значення F-статистики (рис. 3): Prob(F-statistic)= 0,286577 більше рівня α =0,05, тобто гіпотеза про наявність гомоскедастичності приймається.

Також є значення Obs*R-squared, за яким теж перевіряється наявністьгетероскедастичності. Prob(Obs*R-squared) = 0,279494 більше рівня 0,05 – виходить, гіпотеза про наявністьгомоскедастичності приймається.

Перевіримо четверту передумову – відсутність автокореляції залишків.Відповідно до передумов МНК збурювання повинні бути випадковими. Однак нерідкозустрічається ситуація, коли залишки містять тенденцію або циклічні коливання,тобто кожне наступне значення збурювання залежить від попередніх. У цьомувипадку говорять про автокореляцію залишків.

Привикористанні Q-статистики длявизначення наявності автокореляції, залишається практичною проблемою вибіркількості лагів, використовуваних у тесті. Лаг – порядок коефіцієнтаавтокореляції, тобто число періодів, по яких розраховується коефіцієнт.Наприклад якщо лаг дорівнює 1, то буде розрахований коефіцієнт автокореляціїпершого порядку, що вимірює залежність між сусідніми залишками. Q-statistic для лага k – це тестова статистика для нульовоїгіпотези про те, що до порядку k явище автокореляції не спостерігається. Якщо Prob(Q-Stat)>0,05, акоефіцієнти автокореляції й часткової автокореляції близькі до нуля, тозначення цієї статистики може вважатися незначущим, а автокореляція – відсутньою.Пакет EViews сам пропонуєкористувачеві оптимальну кількість лагів, однак ми можемо змінити дану величинусамостійно, але це не доцільно. Так, якщо вибрати невелику кількість лагів,тест, можливо, не виявить автокореляцію на більших лагах, а якщо ж вибративелику кількість лагів, тест може упустити наявність автокореляції.

Длявизначення наявності автокореляції використовується тест Q-statistics. Виберемо View/Residual Tests/Correlogram-Q-statistics(рис. 4). Висунемо нульову гіпотезу Н0:автокореляція відсутня. Також виберемо ймовірність помилки α=0,05. Як бачимо, всі Prob>0,05. Це значить, що нульовагіпотеза приймається, а отже автокореляція відсутня.

Дослідимо, чи виконується п’ята передумова:залишки повинні бути розподілені нормально. Для того щоб визначити нормальністьрозподілу залишків скористаємося статистикою Jarque-Bera, що застосовується для перевірки гіпотези пронормальність розподілу досліджуваного ряду. Висунуті гіпотези: Н0 – розподіл невідрізняється від нормального, Н1 – розподіл істотно відрізняється від нормального.

Величина Probability – це ймовірність того, що статистика Jarque-Bera перевищує (за абсолютним значенням) спостережуване значення для нульовоїгіпотези. Оскільки 0,000032 < 0,05 (рис. 2), то нульова гіпотеза Н0 відхиляється, тобтозалишки не підкоряються нормальному закону розподілу.

Виходячи з того, що в нашомувипадку розподіл випадкових залишків не відповідає деяким передумовам МНК,варто коригувати модель, змінюючи її специфікацію, додавати (виключати) деякіфактори, перетворювати вихідні дані для того, щоб одержати оцінки коефіцієнтіврегресії, які мають властивість незміщеності, мають менше значення дисперсіїзалишків і забезпечують у зв'язку із цим більш ефективну статистичну перевіркузначимості параметрів регресії.

З метою необхідного покращення таподальшого дослідження моделі автори передбачають побудову та дослідженнянелінійної регресійної залежності, а також прогнозування на задану кількістьперіодів уперед. Використовувані статистичні дані найкраще апроксимуєполіноміальна лінія тренду шостого ступеня (рис. 5):

Визначення кореляції залишків

Рис. 5.Апроксимація статистичних даних

Висновки таперспективи подальших досліджень. Розроблена економічна модель дає можливістьаналізувати й прогнозувати вплив різних галузей промисловості на забрудненістьатмосферного повітря, але водночас за результатами наведеного дослідженняпотребує також корекції та подальшого вдосконалення.

Перспективним напрямом євдосконалення даної моделі, а саме включення до моделі нерозглянутих в даномудослідженні факторів впливу на забрудненість атмосферного повітря та обсягивикидів шкідливих речовин, а також створення на її основі експертної системидля прогнозування.

Бібліографічні посилання

  1. Аналітична доповідь «Довкілля України у 2009 році». Державнийкомітет статистикиУкраїни : [Електронний ресурс]. – Режим доступу : http:// www.ukrstat.org/uk/operativ/operativ2011/ns_rik/analit/arhiv.htm l.
  2. Виробництво основних видів промислової продукції 1990–2011рр.Державний комітет статистики України : [Електронний ресурс]. – Режим доступу : http:// www.ukrstat.gov.ua/operativ/operativ2011/pr/ovp/ovp_u/ovp2011.html.
  3. Транспорт 1980–2010 рр. Державний комітет статистикиУкраїни : [Електронний ресурс]. – Режим доступу :http://www.ukrstat.gov.ua/operativ/operativ2005/ tz/tz_rik/tz_u/ts_u.htm l.
  4. Зв'язок 1980–2011рр. Державний комітет статистики України: [Електронний ресурс]. – Режим доступу : http://www.ukrstat.gov.ua/operativ/operativ2005/tz/tz_rik/tz_u/zv_u.htm l.
  5. Викиди шкідливих речовин та діоксиду вуглецю в атмосфернеповітря 1990–2011рр. Державний комітет статистики України : [Електроннийресурс]. – Режим доступу : http://www.ukrstat.gov.ua/operativ/operativ2009/ns_rik/ns_u/dvsr_u2008.html.
  6. Башкова І. Ю. Економіко-математичнемоделювання соціально-економічних процесів (забрудненості атмосферного повітря)/ І. Ю. Башкова, С. О. Смирнов // Вісн. ДНУ. –2012. – Т. 20, № 10/1. – 291 с.
  7. Бережная Е. В. Математическиеметоды моделирования экономических систем : учеб. пособ., 2-е изд, перераб и доп. / Е. В. Бережная, В. И. Бережной. – М. : Финансы и статистика, 2006. – 432 с.
  8. ВеличкоА. С. Изучаемэконометрику : учеб. пособ. / А. Величко. – Владивосток : Изд-во Дальневост. ун-та, 2007. – 72 с.
  9. Молчанов И. Н. Компьютерный практикум по курсу эконометрики (реализация наEviews) / И. Н.Молчанов, И. А. Герасимова. – Ростов н/Д. : Ростовс. гос. экон. ун-т. – 2001. – 58 с.

Надійшла до редколегії 17.12.2012 р.














Головна  |  Вимоги до оформлення статей  |  Контакти |  Зміст журналу

© Дніпропетровський національний університет імені Олеся Гончара, 2011-2015

Рейтинг@Mail.ru