Анализ и количественная оценка степени влияния факторов на инфляцию в республике беларусь

АНАЛИЗ И КОЛИЧЕСТВЕННАЯ ОЦЕНКА СТЕПЕНИ ВЛИЯНИЯФАКТОРОВ НА ИНФЛЯЦИЮ В РЕСПУБЛИКЕ БЕЛАРУСЬА.В. Муха, Д.А. ЕзеповРЕЗЮМЕ В данной работе исследуется воздействие различных факторов на динамику инфляции в Республике Беларусь. На основе эконометрического моделирования получена количественная оценка влияния инфляционной инерции, денежных агрегатов, валютного курса, заработной платы, объема промышленного производства, цен производителей, а также “системного эффекта” на уровень инфляции в экономике. В рамках факторного анализа (метод главных компонент) выделено четыре латентных (скрытых) фактора инфляции: монетарный фактор краткосрочного характера, монетарный фактор долгосрочного характера, ценовой фактор производителей, фактор экономической активности. При помощи варианта X-11 метода сезонной декомпозиции Census II проанализирована структура динамического ряда инфляции, выделены тренд-циклическая, сезонная и случайная компоненты инфляции. ^ Классификация JEL: C22, C53, E31, E37 Ключевые слова: эконометрическая модель, факторный анализ, метод главных компонент, вариант X-11 метода сезонной декомпозиции Census II, анализ и прогнозирование, инфляция, базовая инфляция. ^ E-mail авторов: [email protected]; [email protected]ВВЕДЕНИЕ Основной задачей института центрального банка, максимально отвечающей интересам экономики и возможностям самих денежных властей, является достижение и поддержание низкого уровня инфляции. Предлагаемая статья посвящена эконометрическому моделированию динамики инфляции в экономике Республики Беларусь на современном этапе. Как известно, эконометрика занимается анализом экономических данных и прогнозированием возможностей, существующих в области экономики. Она позволяет объяснить закономерности развития экономики и показать, какой она могла бы стать при тех или иных условиях. Кроме того, цель эконометрического анализа состоит не только в объяснении экономических явлений, но и в усовершенствовании экономической политики. Кредитно-денежные и бюджетно-налоговые методы государственного регулирования оказывают серьезное воздействие на экономику – как в положительную, так и в отрицательную сторону, и эконометрика помогает органам государственного регулирования, осуществляющим экономическую политику, дать оценку ее различным курсам. Стоит заметить, что проблемы эконометрического моделирования инфляционных процессов широко представлены исследованиями отечественных и зарубежных авторов. К их числу следует отнести работы А.О. Тихонова (2000), В.В. Пинигина, А.А. Матяса, Л.В. Демидова, Н.С. Левенкова (2000), И.В. Пелипася (2000, 2001), М.В. Прановича, В.И. Малюгина (2000), С.А. Бородича (2001), Л.М. Тимошенко (2001). Среди российских авторов можно выделить исследования В. Мау, С. Синельникова-Мурылева, Г. Трофимова (1995), А. Илларионова (1995), А.Е. Варшавского (1997), Н. Райской (1996, 1997), Е.Т. Гурвича (1996, 2001), А.Г. Вдовиченко, В.Г. Котовой (2001), А.Г. Вдовиченко, В.Г. Ворониной (2001), С.Р. Моисеева (2002). Для этих исследований характерно использование преимущественно методов корреляционно-регрессионного анализа инфляционных процессов. Среди последних работ заслуживают внимания исследования И.В. Пелипася (2003), В. Черноокого (2004), П. Швайко (2002), А.Г. Вдовиченко, В.Г. Ворониной (2004), В.И. Малюгина, М.В. Прановича, Д.Л. Мурина, Д.Л. Калечица (2005). В отличие от более ранних исследований в указанных работах используется современный аппарат эконометрики нестационарных временных рядов: коинтеграционный анализ, векторные модели с механизмом корректировки ошибок, ARMA-модели и др. Дальнейшее изучение инфляционных процессов предполагает использование таких современных и эффективных исследовательских инструментов, как, например, искусственные нейронные сети (Paul McNelis, Peter McAdam (2004), Г.А. Хацкевич (2000)). Научно-исследовательская работа структурно состоит из введения, трех глав и заключения. В первой главе на основе эконометрического моделирования получена количественная оценка степени влияния инфляционной инерции, денежных агрегатов, валютного курса, заработной платы, объема промышленного производства, цен производителей, а также “системного эффекта” на уровень инфляции в экономике. Во второй главе в рамках факторного анализа (метод главных компонент) выделено четыре латентных (скрытых) фактора инфляции: монетарный фактор краткосрочного характера, монетарный фактор долгосрочного характера, ценовой фактор производителей, фактор экономической активности. В третьей главе при помощи варианта ^ X-11 метода сезонной декомпозиции Census II проанализирована структура динамического ряда инфляции, выделены тренд-циклическая, сезонная и случайная компоненты инфляции. В заключении представлены основные выводы исследования. Авторы оценивали модели на цепных помесячных темпах прироста инфляции и ее факторов за период 2000-го – 1-я пол. 2004 года, который характеризовался, с одной стороны, относительной макроэкономической стабилизацией и последовательным снижением инфляции, а с другой – наличием в нашем распоряжении необходимых статистических рядов. Более ранние периоды намеренно опущены по нескольким причинам: а) возникает проблема качества и надежности статистических данных, полученных за 1990–1997 гг.; б) в начале 2000-х гг. произошло изменение принципов и макроэкономических условий проведения денежно-кредитной политики (устойчивый экономический рост, последовательное снижение инфляции, переход на единый обменный курс и обеспечение его плавной и предсказуемой динамики, положительные процентные ставки, деноминация национальной денежной единицы и т.д.). В третьей главе временные ряды обновлены с учетом поступления новых статистических данных – январь 2000 г. – май 2005 г. Все расчеты в научно-исследовательской работе осуществлены в современных пакетах STATISTICA 6.0 и Eviews 3.1. ^ 1. КОЛИЧЕСТВЕННАЯ ОЦЕНКА СТЕПЕНИ ВЛИЯНИЯ МОНЕТАРНЫХ И НЕМОНЕТАРНЫХ ФАКТОРОВ НА ИНФЛЯЦИЮОпираясь на существующий отечественный и зарубежный опыт в изучении инфляции [5, 6, 8–18, 20, 23, 26–38, 40–47] и априорные представления, для эконометрического моделирования влияния монетарных и немонетарных факторов на динамику инфляции в Республике Беларусь были отобраны 14 следующих показателей (таблица 1.1). Таблица 1.1. Условные обозначения исходных показателей Показатель Условное обозначение Источник данных Результативный признак: индекс потребительских цен ИНФ МСиА РБ1, Статистический бюллетень за 2000-2005 гг. Факторные признаки: фактор инфляционной инерции ИПЦ_1 МСиА РБ, Статистический бюллетень за 2000-2005 гг. средневзвешенный валютный курс белорусского рубля по отношению к доллару США ВК НБ РБ2, Бюллетень банковской статистики за 2000-2005 гг. средняя объявленная ставка рефинансирования Национального банка РЕФ НБ РБ, Бюллетень банковской статистики за 2000-2005 гг. наличные деньги в обороте М0 НБ РБ, Бюллетень банковской статистики за 2000-2005 гг. переводные рублевые депозиты (М1-М0) НБ РБ, Бюллетень банковской статистики за 2000-2005 гг. срочные рублевые депозиты и ценные бумаги, выпущенные банками вне банковского оборота (М2-М1) НБ РБ, Бюллетень банковской статистики за 2000-2005 гг. валютные депозиты (М3-М2) НБ РБ, Бюллетень банковской статистики за 2000-2005 гг. индекс цен производителей промышленной продукции ИЦППП МСиА РБ, Статистический бюллетень за 2000-2005 гг. индекс цен производителей в электроэнергетике ИЦПЭ МСиА РБ, Статистический бюллетень за 2000-2005 гг. индекс цен производителей в топливной промышленности ИЦТП МСиА РБ, Статистический бюллетень за 2000-2005 гг. индекс цен производителей в черной металлургии ИЦЧМ МСиА РБ, Статистический бюллетень за 2000-2005 гг. индекс цен на строительно-монтажные работы ИЦСМР МСиА РБ, Статистический бюллетень за 2000-2005 гг. объем промышленного производства в сопоставимых ценах ОПП МСиА РБ, Статистический бюллетень за 2000-2005 гг. номинальная среднемесячная заработная плата СЗП МСиА РБ, Статистический бюллетень за 2000-2005 гг. Информационной основой являются статистические данные Министерства статистики и анализа и Национального банка Республики Беларусь. Все показатели представлены в виде цепных помесячных темпов прироста. Это позволяет, по мнению авторов, решить важную проблему, связанную со стационарностью временных рядов. Результаты ADF-теста по исходным динамическим рядам (таблица 1.2) свидетельствуют о том, что они являются рядами вида I(0), то есть стационарными в уровнях. Таблица 1.2. Результаты расширенного теста Дики-Фуллера по исходным динамическим рядам Показатель Спецификация модели tADF DW SC ИНФ С константой и трендом -3,495(2)*** 1,999 2,967 ИЦППП С константой и трендом -3,259(8)*** 2,036 4,280 ИЦПЭ С константой -3,307(6)** 2,031 6,093 ИЦТП С константой и трендом -3,274(4)*** 1,990 6,269 ИЦЧМ С константой и трендом -4,250(4)* 1,800 5,151 ИЦСМР С константой -2,808(5)*** 1,980 3,596 ОПП С константой -6,630(3)* 2,031 5,931 СЗП С константой и трендом -5,957(1)* 1,976 6,201 ВК С константой и трендом -3,354(3)*** 1,982 2,482 РЕФ С константой и трендом -3,973(5)** 2,052 6,168 М0 С константой и трендом -4,471(6)* 1,928 6,529 М1-М0 С константой -5,489(1)* 1,927 6,138 М2-М1 С константой и трендом -5,389(1)* 1,932 5,835 М3-М2 С константой и трендом -3,497(6)*** 2,124 4,951 Примечание: здесь и далее *, ** и *** означают отклонение нулевой гипотезы о наличии единичного корня на 1, 5 и 10%-ном уровнях значимости соответственно. При построении эконометрической модели инфляции из всего набора перечисленных выше факторов при помощи тестов на значимость последовательно исключены следующие: М2-М1, (М3-М2)_2, РЕФ, ИЦППП_2, ИЦПЭ_2, ИЦТП_2, ИЦЧМ_1, ИЦСМР_1. Лаг, при котором факторный признак оказывает наибольшее воздействие на инфляцию, обозначается, как _1, _2 и т.д. В итоге модель приобретает следующий вид: ^ ИНФ=0,144+0,450·ИПЦ_1+0,065·М0_6+0,050·(М1-М0)_6+0,263·ВК+0,041·ОПП_1+0,045·СЗП_7, (1.1)t-stat (0,67) (4,37) (3,48) (2,07) (2,73) (2,05) (2,08)R2=0,831, F-критерий=32,7, h-критерий Дарбина=0,169 Следует обратить внимание, что коэффициент детерминации R2 составил 0,831, то есть отобранные факторы на 83,1% объясняют вариацию инфляции. Значение h-критерия Дарбина, а также результаты тестов Бокса-Льюнга и LM-тестов Бреуша-Годфрея (рисунок 1.1, таблица 1.3) однозначно говорят об отсутствии автокорреляции в остатках модели. Рисунок 1.1. Автокорреляционная функция динамического ряда остатковТаблица 1.3. Результаты LM-теста Бреуша-Годфрея Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.490605 Probability 0.903046 Obs*R-squared 8.165340 Probability 0.772080 Результаты теста Уайта подтверждают отсутствие гетероскедастичности (^ F-статистика равна 0,726, а соответствующее ей p-значение вероятности – 0,782). Статистика Жарки-Беры (2,094) и соответствующее ей p-значение вероятности (0,351) свидетельствуют о нормальности остатков модели. Таким образом, модель инфляции (1.1) является статистически адекватной и вполне удовлетворяет условиям построения эконометрических моделей (на рисунке 1.2 приведены наблюдаемые и предсказанные по модели темпы прироста потребительских цен). В результате следует ряд важных выводов. Рисунок 1.2. Наблюдаемые и предсказанные по модели (1.1) темпы прироста потребительских цен Во-первых, инфляция в белорусской экономике имеет четко выраженную инерционность, то есть рост цен является инерционным процессом. Значительная часть ценовой динамики обуславливается инфляционной инерцией. Так, каждый процент прироста цен за определенный месяц примерно на 45,0% переносится на последующий (причем коэффициент регрессии при ИПЦ_1 самый большой). Во-вторых, важным фактором инфляции является динамика средневзвешенного курса белорусского рубля по отношению к доллару США. Так, девальвация белорусского рубля в текущем месяце на 1 процент приводит к росту потребительских цен в этом же месяце на 0,263 процента. Значительное влияние валютного курса на уровень инфляции обусловлено высокой степенью открытости и долларизации белорусской экономики. Воздействие валютного курса передается по трем основным каналам: 1) прямое воздействие через цены импортных товаров, входящих в потребительскую корзину, используемую для расчета ИПЦ; 2) косвенное воздействие через цены импортных промежуточных товаров (услуг); 3) воздействие через ожидания, включая также предполагаемую реакцию денежно-кредитной политики. Стоит отметить, что в 2004-2005 годах действие валютного курса практически полностью нивелировано центральным банком страны. В-третьих, увеличение денежной массы (в частности, М0_6 и (М1-М0)_6) с течением времени приводит к росту цен. Так, увеличение наличных денег в обороте в текущем месяце на 1 процент оказывает максимальное влияние на рост потребительских цен через 6 месяцев и приводит к их увеличению на 0,065 процента. Аналогично увеличение переводных депозитов в текущем месяце на 1 процент через 6 месяцев стимулирует рост цен на 0,050 процента. В-четвертых, рост номинальной начисленной среднемесячной заработной платы в текущем месяце на 1 процент с лагом в 7 месяцев приводит к росту потребительских цен на 0,045 процента. Заметим, что рост доходов населения неизбежно приводит к увеличению потребления. А растущий платежеспособный потребительский спрос, в свою очередь, оказывает давление на цены в сторону повышения (при этом величина повышения во многом зависит от степени насыщения рынка товарами и услугами). К тому же рост заработной платы приводит к увеличению издержек производства, что также способствует росту цен. В анализе взаимовлияния факторных признаков существует еще одна важная проблема. Известно, что в экономике все взаимосвязано и почти все макроэкономические показатели, являясь обобщающими показателями состояния экономики, также чаще всего взаимозависимы. К примеру, инфляция тесным образом связана с динамикой валютного курса и денежной массы. В свою очередь, динамика валютного курса и денежной массы определяется колебаниями друг друга и предшествующей динамикой инфляции и т.д. Инфляция является системным явлением, то есть существует также определенный “системный эффект”, связанный с совместным влиянием указанных факторов на динамику инфляции. Методом, полностью отвечающим системному подходу, является метод разложения коэффициента множественной детерминации на сумму чистых влияний каждого фактора, выражаемых величинами β2, и показатель влияния системного воздействия факторов ηs. Он рассчитывается как разность между общим влиянием системы факторов и суммой чистых влияний каждого фактора [21]: , (1.2) где ηs – эффект влияния всей системы, или “системный эффект”;R2 – общая объясненная доля вариации результативного признака; – сумма долей вариации за счет чистых влияний всех факторов; j – текущий номер фактора, ; k – общее число факторов в модели (k=6). В нашем случае суммарное значение квадратов β-коэффициентов составляет 40,4%, что в два раза меньше, чем значение коэффициента R2 (83,1%), который показывает общее влияние факторов на результат. Разница составляет (83,1%-40,4%)=42,7%. Это говорит о том, что 42,7% вариации результативного признака приходится на системный эффект, то есть на то, что все факторные признаки оказывают совместное перекрестное влияние на величину инфляции. В результате можно выделить своеобразный фактор “системности”, порождающий инфляционные процессы, который обладает большей объясняющей силой (42,7% вариации инфляции), чем все факторы по отдельности (40,4%). Для того чтобы рассчитать влияние фактора с учетом сопутствующего влияния остальных факторов, необходимо β-коэффициент умножить на парный коэффициент корреляции. При этом системный эффект распределяется между всеми остальными факторами. В итоге следует вывод о том, что основным фактором (с учетом сопутствующего влияния остальных факторных признаков) является инфляционная инерция. Этот фактор на 36,2% объясняет инфляцию в белорусской экономике. Вторым по значимости фактором инфляции является динамика средневзвешенного курса белорусского рубля по отношению к доллару США (19,0%), третьим – динамика денежной массы (М0_6 – 13,9%, (М1-М0)_6 – 5,0%). Отметим, что в сумме монетарные факторы (инфляционная инерция3, динамика валютного курса и денежной массы) объясняют 74,1% вариации исследуемого признака. Среди немонетарных факторов выделим номинальную среднемесячную заработную плату (7,5%). И, наконец, самым незначительным инфляционным фактором, учтенным в модели, является объем промышленного производства (1,5%). Благодаря своим качественным характеристикам модель (1.1) гипотетически должна давать надежные результаты при прогнозировании инфляции. Проведем ряд диагностических тестов на проверку стабильности модели и устойчивости ее прогностических возможностей. На рисунке 1.3 изображены рекурсивные оценки коэффициентов регрессии и остатки модели с 95% расчетными доверительными интервалами. Как видим, коэффициенты модели устойчивы к изменениям длины выборки для ее оценивания, а остатки существенно не выходят за пределы 95%-го доверительного интервала, что позволяет сделать вывод о стабильности модели. Для оценки прогностических возможностей модели проведем прогнозный тест Чоу на 12 месяцев [58]. Процедура прогнозного теста Чоу выглядит следующим образом. В начале в рамках исследуемой выборочной совокупности резервируется 12 месяцев, после чего модель рассчитывается заново и осуществляется прогноз на зарезервированные месяцы. Результаты прогнозного теста Чоу (таблица 1.4) подтверждают достаточно высокие прогностические возможности модели. Таблица 1.4. Результаты прогнозного теста Чоу Chow Forecast Test: Forecast from 2003:06 to 2004:06 F-statistic 0.233887 Probability 0.995821 Log likelihood ratio 5.015400 Probability 0.974853 Рисунок 1.3. Рекурсивные оценки коэффициентов регрессиии остатков модели (1.1) Проанализируем другие прогностические характеристики модели на основе тестов CUSUM. На рисунке 1.4 изображены кумулятивные суммы рекурсивных остатков и кумулятивные суммы квадратов рекурсивных остатков. Так как рекурсивные оценки остатков и квадраты рекурсивных оценок остатков существенно не выходят за 95%-ные доверительные интервалы, то следует вывод о стабильности модели и ее высоких прогностических свойствах. Рисунок 1.4. Прогностические возможности модели (1.1):тесты CUSUM и CUSUMsq Учитывая, что все факторные признаки (за исключением ВК) являются лаговыми переменными, то, подставляя их значения для следующих лагов, логично спрогнозировать величину результативного признака. Это позволяет выявить первые признаки наступающего подъема инфляции, чтобы перевести опасный процесс в более спокойное русло. Результаты прогноза инфляции на июль 2005 г. представлены в следующей таблице 1.5. Согласно прогнозу инфляция в июле 2005 г. предположительно составит 0,8%. Кроме того, в таблице 1.5 рассчитаны доверительные интервалы для данного прогноза – с вероятностью 95% уровень инфляции в июле 2005 г. будет находиться в пределах от 0,1% до 1,4%. Вероятность выхода за указанные границы составляет 5%. В действительности прогнозное значение инфляции в июле 2005 г. (0,8%) практически совпало с ее фактической величиной (0,85%). Таблица 1.5. Прогноз по модели (1.1) уровня инфляции на июль 2005 г.В заключение отметим, что достоинством эконометрической модели (1.1) является то, что она достаточно полно отражает природу белорусской инфляции, учитывая при этом не только инфляцию спроса, инфляцию издержек и инфляционные ожидания, но и их взаимодействие в рамках действующей экономической модели развития страны. ^ 2. ИСПОЛЬЗОВАНИЕ МЕТОДОВ ФАКТОРНОГО АНАЛИЗАВ ИССЛЕДОВАНИИ ИНФЛЯЦИОННЫХ ПРОЦЕССОВУправление инфляцией предполагает идентификацию ее глубинных причин и важнейших стимулов. Методы факторного анализа позволяют обнаружить глубинные процессы, происходящие в экономике, которые не поддаются непосредственному измерению, то есть являются скрытыми, или латентными. Суть факторного анализа заключается в том, чтобы максимально сжать исходный объем данных и при этом сохранить их информативность [1, 22, 39, 60]. В ходе проведения факторного анализа для исходных переменных получены следующие результаты. Обнаружена взаимосвязь между ценовыми и монетарными признаками. Поэтому для четкой интерпретации выделяемых латентных факторов метод главных компонент проведен отдельно для монетарных и немонетарных признаков. Важно отметить, что корректное решение задач при помощи методов факторного анализа предполагает подтверждение значимости исходной матрицы парных корреляций. Наблюденное значение критерия Уилкса для матрицы парных корреляций первой группы исходных монетарных признаков составляет =101,3, что значительно превышает табличное значение при =5% и числе степеней свободы =15 – =24,9958. Следовательно, значимость корреляционной матрицы исходных монетарных признаков подтверждается, что, в свою очередь, предоставляет возможность осуществления факторного анализа [39]. Стоит заметить, что при проведении факторного анализа важным вопросом всегда является определение количества выделяемых латентных факторов. Априори (a priory criterion) предположим, что из первой группы монетарных элементарных признаков можно выделить не более 2–3 латентных факторов. В противном случае задача снижения размерности исходной совокупности данных теряет свою внутреннюю логику. Согласно критерию Кайзера (Kaiser, 1960) значимыми являются только первые две главные компоненты, так как их собственное значение (eigenvalue) превышает 1 (рисунок 2.1, таблица 2.1). Все остальные факторы с собственным значением меньше 1 признаются незначимыми и нежелательными с точки зрения дальнейшей интерпретации полученных результатов. Рисунок 2.1. График собственных значений выделенных главных компонент Третьим достаточно часто используемым критерием является скри-критерий (scree test criterion), или критерий Каттелла (Cattell, 1966). Исходя из этого критерия (рисунок 2.1), отметим, что начиная с первого фактора кривая собственных значений в начальной стадии достаточно резко опускается вниз, а затем постепенно становится практически пологой после пункта 3. Справа от данного пункта предположительно можно обнаружить только “факториальную осыпь” (factorial scree)4. Следовательно, максимально возможное число выделяемых факторов по данному критерию равняется трем. По причине того, что первые две главные компоненты объясняют 69% вариации исходных монетарных признаков (таблица 2.1), основываясь на критерии доли объясненной вариации (percentage of variance criterion), логично предположить, что выделенное число латентных признаков (два) является удовлетворительным. Проверим это предположение при помощи критерия Бартлетта. Наблюденное значение данного критерия составляет =25,4, что меньше, чем табличное значение при =1% и числе степеней свободы =18 – =34,8053, то есть выделенное число латентных факторов (два) для первой группы исходных монетарных признаков является достаточным, и остальные главные компоненты в анализе могут не рассматриваться ввиду незначительного уровня их информативности [39]. В итоге после экспериментов с вращением факторного пространства (использовался критерий варимакс) получена матрица факторных нагрузок, рассчитанная по монетарным признакам (таблица 2.1). Полученную матрицу можно достаточно четко интерпретировать. Так, на основе того, что на первый фактор приходится большая нагрузка таких признаков, как ИПЦ_1, М3-М2_3, М0_6 и ВК, обозначим его как монетарный фактор долгосрочного характера (МФДХ). На второй фактор наблюдается большая нагрузка признаков М1-М0_6 и РЕФ, что позволяет дать ему название монетарного фактора краткосрочного характера (МФКХ).Таблица 2.1. Матрица факторных нагрузок, рассчитанная по монетарным признакам Для наглядности разделение факторов покажем на рисунке 2.2, который является графическим эквивалентом матрицы факторных нагрузок. Рисунок 2.2. Разделение исходных монетарных признаковна два класса: МФДХ и МФКХ На рисунке 2.2 видно, что факторные признаки (М1-М0)_6 и РЕФ объединяются в общий монетарный фактор краткосрочного характера (краткосрочная природа переводных депозитов (М1-М0)_6 исходит уже из их названия, а ставка рефинансирования является краткосрочным инструментом в силу того, что рефинансирование коммерческих банков на срок свыше одного года законодательно запрещено). Остальные факторные признаки (ИПЦ_1, М3-М2_3, М0_6 и ВК) имеют ярко выраженную долгосрочную природу, что дает основание объединить их в общий монетарный фактор долгосрочного характера. Аналогичная процедура метода главных компонент была проведена для второй группы немонетарных элементарных признаков. В целях экономии приведем только матрицу факторных нагрузок (таблица 2.2). На ее основе можно также достаточно четко обозначить две выделенные главные компоненты: ценовой фактор производителей (ЦФП), включающий в себя факторные признаки ИЦППП_2, ИЦПЭ_2, ИЦСМР_1, и фактор экономической активности (ФЭА), содержащий факторные признаки ОПП_1 и СЗП_7. Рисунок 2.3 наглядно демонстрирует классификацию исходных немонетарных признаков на ЦФП и ФЭА. Таблица 2.2. Матрица факторных нагрузок, рассчитанная по немонетарным признакамРисунок 2.3. Разделение исходных немонетарных признаковна два класса: ЦФП и ФЭА Кроме того, на рисунке 2.3 видно, что фактор экономической активности включает два разнополярных факторных признака СЗП_7 и ОПП_1, что объясняется различным характером воздействия указанных факторных признаков на инфляцию. В то время как рост заработной платы оказывает повышательное давление на цены, рост объемов производства постепенно приводит к насыщению рынка и тем самым – к снижению цен. При построении модели инфляции из четырех выделенных латентных факторов при помощи тестов на значимость последовательно исключены ФЭА и ЦФП. В итоге модель приобретает следующий вид: (2.1)t-stat (1014) (13) (6)R2=0,812, F-критерий=97,1, DW=1,94Стоит отметить, что рассчитанные два фактора (по методу главных компонент) МФДХ и МФКХ являются независимыми друг от друга (в статистическом смысле), поэтому, интерпретируя модель (2.1), можно в точности разграничить влияние каждого из этих факторов. Следовательно, системный эффект совместного влияния МФДХ и МФКХ отсутствует, что, в свою очередь, позволяет анализировать отдельное влияние каждого из этих факторов на инфляцию. В итоге следует вывод о том, что вместе монетарные факторы объясняют 81,2% вариации исследуемого признака инфляции, из них на долю монетарного фактора долгосрочного характера приходится 66,3%, а краткосрочного характера – 14,9% вариации инфляции. К сожалению, возможность интерпретации абсолютных значений коэффициентов модели (2.1) отсутствует, так как численные значения МФДХ и МФКХ являются стандартизованными (их средние равны 0, а дисперсии – 1). Так как в модель входит два фактора и один результат, то рассмотрим графическую интерпретацию (рисунок 2.4) влияния указанных факторов на инфляцию. Рисунок 2.4. Графическая интерпретация влияния МФДХ и МФКХ на инфляцию А то, что полученные с помощью метода главных компонент два фактора являются ортогональными (независимыми), будет способствовать реальному, а не схематичному, отражению расположения наблюдений в факторном пространстве. Представленный трехмерный график наглядно демонстрирует существенность влияния МФДХ и значительно менее существенное влияние МФКХ. Кроме того, на рисунке 2.4 ярко видно, что связь между темпами инфляции и МФДХ является почти линейной, в то время как с МФКХ она не является линейной. Построение модели (2.1) основывается на предположении о линейности взаимосвязей, поэтому рассчитанные параметры модели не в полной мере соответствуют рисунку 2.4. Однако, в соответствии с предположением о линейности связи между инфляцией и факторами, воспроизведем в точности графический дубликат модели (рисунок 2.5). На представленном рисунке легко заметить, что линейная зависимость инфляции от МФДХ намного больше, чем от МФКХ. Рисунок 2.5. Графическая интерпретация модели (2.1) Таким образом, полученная в ходе факторного анализа оценка вклада монетарных факторов в инфляцию (81,2%) несколько превышает полученную ранее на основе эконометрического моделирования аналогичную оценку (74,1%). В результате разделения исходных монетарных признаков на два класса, МФДХ и МФКХ, констатируем, что улучшение общего монетарного фактора долгосрочного характера однозначно приводит к затуханию инфляционных процессов, чего не скажешь об общем монетарном факторе краткосрочного характера, который имеет нелинейную связь с инфляцией. ^ 3. АНАЛИЗ СТРУКТУРЫ ДИНАМИЧЕСКОГО РЯДА ИНФЛЯЦИИИ ОЦЕНКА ВЛИЯНИЯ СЕЗОННОГО ФАКТОРАИзвестно, что любой динамический ряд формируется под воздействием самых разнообразных факторов. При этом всю совокупность факторов, в конечном счете, можно разбить на три ключевые класса: 1) факторы долгосрочного и среднесрочного характера; 2) сезонные факторы; 3) случайные (нерегулярные) факторы [51, 54]. Факторы долгосрочного и среднесрочного характера объясняются посредством тренда, или тренд-циклической компоненты. Сезонные факторы включаются в единую сезонную компоненту. В случайную компоненту включается действие различных случайных факторов (к примеру, рост цен на энергоносители или изменение административно регулируемых цен). В результате общий вид мультипликативной модели динамического ряда инфляции приобретает следующий вид: (3.1) Эта модель предполагает, что каждый уровень временного ряда может быть представлен как произведение тренд-циклической , сезонной и случайной компонент. На современном этапе важнейшими задачами в области исследования инфляционных процессов являются определение сезонного фактора инфляции и изучение базовой инфляции (core inflation – “инфляционное ядро”), которую определяют путем элиминирования фактора сезонности, а также случайных факторов. В результате базовая инфляция находит свое отражение в тренд-циклической компоненте инфляции, формирование которой происходит под воздействием факторов долгосрочного и среднесрочного характера. Для изучения структуры динамического ряда инфляции за период с января 2000 г. по май 2005 г. (в качестве показателя инфляции выступает исходный индекс потребительских цен – всего 65 наблюдений) логично использовать вариант X-11 сезонной декомпозиции Census II [59, 70–72], который представляет собой развитие классической сезонной декомпозиции. Этот метод был развит в Бюро переписи США и получил широкую известность [64, 65]. В таблице 3.2 содержится анализ структуры динамического ряда инфляции. В первом столбце приведены фактические данные об инфляции, во втором – рассчитана оценка сезонной компоненты для каждого конкретного месяца, в третьем – рассчитаны значения динамического ряда, скорректированные на сезонность (или, иначе, очищенные от сезонности). В четвертом столбце при помощи кривой Хендерсона рассчитаны значения тренд-циклической компоненты. И, наконец, пятый столбец содержит значения случайной компоненты. Присутствие сезонности в динамическом ряде инфляции является статистически значимым (таблица 3.1). Таблица 3.1. Тест на присутствие сезонности в динамическом ряде инфляцииТаблица 3.2. Сезонная декомпозиция динамического ряда инфляции за 2000–2005 гг. Продолжение таблицы 3.2 В целом влияние сезонного фактора выражено достаточно четко (рисунок 3.1, таблица 3.3), что позволяет сделать следующие выводы. Во-первых, на рисунке 3.1 видно, что с течением времени размах сезонных колебаний затухает. Так, если в январе 2000 г. за счет сезонного фактора инфляция выросла на 2,3%, то в январе 2005 г. – уже на 1,9% (таблица 3.3). Рисунок 3.1. Сезонная волна инфляции в экономике Республики Беларусь в 2000–2005 гг.Таблица 3.3. Оценка сезонной компоненты инфляции для каждого месяца за 2000–2005 гг.Во-вторых, инфляция традиционно возрастает в осенне-зимний период, а снижается – в весенне-летний. В качестве примера рассмотрим сезонную волну в 2004 г. (таблица 3.3, рисунок 3.2). Так, наиболее инфляциеопасными месяцами являются январь (за счет сезонного фактора в этом месяце инфляция возросла на 2,0%), декабрь (1,2%) и ноябрь (0,8%). Рисунок 3.2. Сезонная волна инфляции в экономике Республики Беларусь в 2004 г. Кроме этого, за счет фактора сезонности инфляция возрастает в октябре (0,1%) и в феврале (0,2%). Во всех остальных месяцах, начиная с марта, за счет сезонного фактора происходит последовательное снижение инфляции. Этот положительный процесс достигает своей глубины в июле (-0,8%) и, особенно, в августе (-1,6%). Как показывает анализ, замедление инфляционных процессов в весенне-летний период обусловлено в основном сезонной динамикой цен на плодоовощную продукцию, а также снижением интенсивности роста издержек производства (обращения) в этот период года. В таблице 3.4 приведен прогноз фактора сезонности инфляции на один год. Полагаем, что в целом динамика сезонного фактора в будущем году не претерпит серьезных изменений и будет во многом схожа с динамикой предыдущего года. Таблица 3.4. Прогноз сезонной компоненты инфляции на 2005–2006 гг. В-третьих, обращает на себя внимание тот факт, что в январе 2004 г. значение индекса потребительских цен, очищенного от влияния сезонности, составило 99,9% (таблица 3.2, рисунок 3.3), то есть цены впервые за период исследования снизились (!) на 0,1%. Рисунок 3.3. Динамический ряд инфляции, очищенный от сезонности,и тренд-циклическая компонента инфляции Еще более отчетливо ситуация проявилась в январе 2005 г. – цены снизились сразу на 1,2%, а величина базовой инфляции (тренд-циклической компоненты) оказалась минимальной за весь период исследования – 100,79%. В дальнейшем, однако, ситуация несколько ухудшилась. В феврале–апреле базовая инфляция застыла на отметке 100,8%, а в мае составила 100,9% (рисунок 3.3, таблица 3.2). На рисунке 3.4 изображена случайная компонента инфляции. Рисунок 3.4. Случайная компонента инфляции Начиная с 2003 года Министерство статистики и анализа Республики Беларусь осуществляет официальную оценку базовой инфляции. При расчете базового индекса потребительских цен из перечня продовольственных товаров исключается плодоовощная продукция, цены на которую подвержены сезонному фактору, а также товары, цены на которые административно регулируются органами государственного управления, из перечня непродовольственных товаров исключается товарная группа “топливо”, из перечня платных услуг населению исключаются услуги жилищно-коммунального хозяйства, городского транспорта, связи и др. Всего в 2003 году при расчете базовой инфляции были исключены 52 позиции (см. приложение) из 377 позиций, входящих в состав потребительской корзины. Доля потребительских товаров и услуг, исключаемых из расчета базового индекса потребительских цен, составила 27,