Целью исследования является выявление причинно-следственных долгосрочных и краткосрочных взаимосвязей между промышленным электропотреблением и экономическим ростом путем сравнительного анализа двух соседних регионов с примерно одинаковым промышленным потенциалом - Свердловской и Челябинской областей. Для решения данной задачи используется эконометрический подход, основанный на методе тестирования границ моделей авторегрессии и распределенного лага (ARDL), определяющий наличие коинтеграции между рядами. Применение этого метода является незаменимым при исследовании региональных проблем ввиду недостаточной длины временных рядов экономических показателей региона. В качестве показателей при сравнительном анализе использовались временные ряды промышленного электропотребления, темпа экономического роста, объема промышленного производства, среднедушевого дохода и среднегодовой численности занятых. При анализе данных было выявлено, что существенными коинтегрированными переменными для Свердловской области являются темп экономического роста и электропотребление. Для Челябинской области этими переменными являются объем промышленного производства, электропотребление и среднегодовая численность занятых. Таким образом электропотребление Свердловской области в долгосрочном периоде не зависит от объема промышленного производства и численности занятых, а зависит лишь от темпов экономического роста. В Челябинской области, соответственно, в долгосрочном периоде электропотребление зависит от объема промышленного производства, численности занятых и не зависит от темпов роста. Схожие, на первый взгляд, по промышленному потенциалу регионы отличаются причинно-следственными связями между экономическим ростом и промышленным электропотреблением. Применение тестов на причинность позволило выявить долгосрочные и краткосрочные причинно-следственные взаимосвязи между переменными. Полученные результаты иллюстрируют объясняющие и прогностические возможности эконометрического подхода в контексте анализа причинно-следственных отношений в экономике двух соседних областей и ее энергетической системы. Эти результаты могут иметь важное значение при анализе электропотребления и энергосбережения в промышленном секторе экономики этих областей.
Идентификаторы и классификаторы
Энергия играет уникальную роль в экономике, так как она является одновременно конечным товаром для конечных пользователей и вкладом в производственные процессы многих предприятий. Кроме того, энергия является незаменимым звеном в цепочке поставок. Решения, которые промышленные предприятия и домашние хозяйства должны принимать в отношении использования энергии, зависят от краткосрочных изменений в экономической деятельности, а также долгосрочных тенденций, и имеют последствия для них. По этой причине значительное внимание в целом ряде публикаций уделяется оценке взаимосвязи между потреблением энергии и экономическим ростом.
Список литературы
1. Asafu-Adjaye J. The relationship between energy consumption, energy prices and economic growth: time series evidence from Asian developing countries // Energy Economics. 2000. Vol. 22, Issue 6. Pp. 615-625. DOI: 10.1016/S0140-9883(00)00050-5 EDN: DYIFNT
2. Lee C.C., Chang C.P. Energy consumption and economic growth in Asian economies: a more comprehensive analysis using panel data // Resource and Energy Economics. 2008. Vol. 30, Issue 1. Pp. 50-65. DOI: 10.1016/j.reseneeco.2007.03.003
3. Menegaki A.N. Growth and renewable energy in Europe: A random effect model with evidence for neutrality hypothesis // Energy Economics. 2011. Vol. 33, Issue 2. Pp. 257-263. DOI: 10.1016/j.eneco.2010.10.004
4. Aghdam R.F.Z., Ahmad N., Naveed A., Azar B.B. On the relationship between energy and development: A comprehensive note on causation and correlation // Energy Strategy Reviews. 2023. Vol. 46. 101034. DOI: 10.1016/j.esr.2022.101034 EDN: CRGTOU
5. Druzhinin P.V., Shcherbak A.P., Tishkov S.V. Modeling the Interdependence of the Economy and Power Industry Based on Multiplicative Two-Factor Functions // Studies on Russian Economic Development. 2018. Vol. 29, Issue 3. Pp. 280-287. DOI: 10.1134/S1075700718030036 EDN: YBPJTN
6. Григорьев Л.М., Курдин А.А. Экономический рост и спрос на энергию // Экономический журнал ВШЭ. 2013. Т. 17, № 3. С. 390-406. URL: https://ej.hse.ru/2013-17-3/106450558.html. EDN: RNLYLX
7. Куренкова А.Ю., Любимова Н.Г. Анализ и прогноз электропотребления в Алтайском крае // Вестник университета. 2018. № 7. С. 97-103. DOI: 10.26425/1816-4277-2018-7-97-103 EDN: VOZMOZ
8. Kraft J., Kraft A. On the relationship between energy and GNP // Journal of Energy and Development. 1978. Vol. 3, No. 2. Pp. 401-403. URL: https://www.jstor.org/stable/24806805.
9. Sadorsky P. Renewable Energy Consumption and Income in Emerging Economies // Energy Policy. 2009. Vol. 37, Issue 10. Pp. 4021-4028. DOI: 10.1016/j.enpol.2009.05.003
10. Adhikari D., Chen Y. Energy Consumption and Economic Growth: A Panel Cointegration Analysis for Developing Countries // Review of Economics and Finance. 2013. Vol. 3. Pp. 68-80. URL: https://ideas.repec.org/a/bap/journl/130206.html.
11. Karanfil F., Li Y. Electricity Consumption and Economic Growth: Exploring Panel-specific Differences // Energy Policy. 2015. Vol. 82. Pp. 264-277. DOI: 10.1016/j.enpol.2014.12.001
12. Kilinc-Ata N. Assessing the Future of Renewable Energy Consumption for United Kingdom, Turkey and Nigeria // Foresight and STI Governance. 2018. Vol. 12, No. 4. Рp. 62-77. DOI: 10.17323/2500-2597.2018.4.62.77
13. Apergis N., Payne J. A dynamic panel study of economic development and the electricity consumption-growth nexus // Energy Economics. 2011. Vol. 33, Issue 5, Pp. 770-781. DOI: 10.1016/j.eneco.2010.12.018
14. Azlina A., Siong H., Mustapha N. Dynamic linkages among transport energy consumption, income and CO2 emission in Malaysia // Energy Policy. 2014. Vol. 73. Pp. 598-606. DOI: 10.1016/j.enpol.2014.05.046
15. Payne J. On the dynamics of energy consumption and output in the USA // Applied Energy. 2009. Vol. 86, Issue 4. Pp. 575-577. DOI: 10.1016/j.apenergy.2008.07.003
16. Payne J. A survey of the electricity consumption-growth literature // Applied Energy. 2010. Vol. 87, Issue 3. Pp. 723-731. DOI: 10.1016/j.apenergy.2009.06.034
17. Wang Y., Wang Y., Zhou J., Zhu X., Lu G. Energy consumption and economic growth in China: a multivariate causality test // Energy Policy. 2011. Vol. 39, Issue 7. Pp. 4399-4406. DOI: 10.1016/j.enpol.2011.04.063
18. Ohlan R. Renewable and nonrenewable energy consumption and economic growth in India // Energy Sources, Part B: Economics, Planning, and Policy. 2016. Vol. 11, Issue 11. Pp. 1050-1054. DOI: 10.1080/15567249.2016.1190801
19. Caraiani C., Lungu C., Dascălu C. Energy consumption and GDP causality: A three-step analysis for emerging European countries // Renewable and Sustainable Energy Reviews. 2015. Vol. 44. Pp. 198-210. DOI: 10.1016/j.rser.2014.12.017
20. Belke A., Dobnik F., Dreger C. Energy consumption and economic growth: new insights into the cointegration relationship // Energy Economics. 2011. Vol. 33, Issue 5. Pp.782-789. DOI: 10.1016/j.eneco.2011.02.005
21. Magazzino C. Economic growth, CO2 emissions and energy use in Israel // International Journal of Sustainable Development & World Ecology. 2011. Vol. 22, Issue 1. Pp. 89-97. DOI: 10.1080/13504509.2014.991365
22. Narayan P.K., Smyth R. Energy consumption and real GDP in G7 countries: new evidence from panel co integration with structural breaks // Energy Economics. 2008. Vol. 30, Issue 5. Pp. 2331-2341. DOI: 10.1016/j.eneco.2007.10.006
23. Apergis N., Payne J.E. CO2 emissions, energy usage, and output in Central America // Energy Policy. 2009. Vol. 37, Issue 8. Pp. 3282-3286. DOI: 10.1016/j.enpol.2009.03.048
24. Mohammad H., Parvaresh, H. Energy consumption and output: evidence from a panel of 14 oil-exporting countries // Energy Economics. 2014. Vol. 41. Pp. 4-46. DOI: 10.1016/j.eneco.2013.11.002
25. Ugwoke T.I., Dike C.K., Elekwa P.O. Electricity Consumption and Industrial Production in Nigeria // Journal of Policy and Development Studies. 2016. Vol. 10, Issue 2. Pp. 8-19. DOI: 10.12816/0028342
26. Pesaran M.H., Shin Y., Smith R.J. Bounds testing approaches to the analysis of level relationships // Journal of Applied Econometrics. 2001. Vol. 16, No. 3. Pp. 289-326. DOI: 10.1002/jae.616 EDN: FNJCBH
27. Toda H., Yamomoto T. Statistical inference in vector autoregressions with possibly integrated processes // Journal of Econometrics. 1995. Vol. 66, No. 1-2. Pp. 225-250. DOI: 10.1016/0304-4076(94)01616-8
28. Engle R.F., Granger C.W.J. Co-Integration and Error Correction: Representation, Estimation, and Testing // Econometrica. 1987. Vol. 55, No. 2. Pp. 251-276. DOI: 10.2307/1913236
29. Engle R.F. Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroscedasticity models // Journal of Business & Economic Statistics. 2002. Vol. 20, No. 3. Pp. 339-350. DOI: 10.1198/073500102288618487 EDN: DVQQUV
30. Breusch T.S. Testing for autocorrelation in dynamic linear models // Australian Economic Papers. 1978. Vol. 17, No. 31. Pp. 334-355. DOI: 10.1111/j.1467-8454.1978.tb00635.x
31. Godfrey L.G. Testing for Higher Order Serial Correlation in Regression Equations when the Regressors Include Lagged Dependent Variables // Econometrica, 1978. Vol. 46, No. 6. Pp.1303-1313. DOI: 10.2307/1913830
32. White H., MacDonald G. Some Large-Sample Tests for Nonnormality in the Linear Regression Model // Journal of the American Statistical Association. 1980. Vol. 75, No. 369. Pp. 16-28. DOI: 10.2307/2287373
33. Granger C. Investigating Causal Relations by Econometric Models and Cross-spectral Methods // Econometrica. 1969. Vol. 37, No. 3. Pp. 424-438. DOI: 10.2307/1912791
34. Бенц Д.С. О синхронизации экономик Свердловской и Челябинской областей // Вестник Челябинского государственного университета. 2020. № 11 (445). С. 244-253. DOI: 10.47475/1994-2796-2020-11129 EDN: VJHUKH
35. Бенц Д.С. Моделирование факторов экономического роста регионов Урала и РФ // Journal of New Economy. 2020. Т. 21, № 3. С. 112-131. DOI: 10.29141/2658-5081-2020-21-3-6 EDN: NUKUXW
Выпуск
Другие статьи выпуска
Исследование проведено в рамках актуальной задачи изучения факторов развития человеческого капитала организации, оказывающих прямое или косвенное влияние на производительность труда сотрудников. Набор таких факторов включает показатели уровня развития компетенций и степени выгорания индивидуума. Целью работы является разработка экономико-математического инструментария, количественно описывающего влияние значений компетенций сотрудника на его ключевые показатели эффективности (KPI) с учетом уровня выгорания, определяемого значениями лояльности, вовлеченности, удовлетворенности. Проверяется гипотеза о возможности построения инструмента, позволяющего на основе нечеткой классификации сотрудников по уровню развития компетенций построить для каждой категории функциональные зависимости KPI от показателей выгорания. В качестве исходных данных использованы результаты самооценки компетенций и выгорания сотрудников, в основном работающих по направлениям IT и HR в семи крупных российских компаниях, откалиброванные непосредственными руководителями респондентов, и фактические значения их KPI. В работе предложен подход, включающий в себя два этапа. На первом шаге строится нечеткая модель, позволяющая на основе взвешенного интегрального показателя развития компетенций с оптимальными весовыми коэффициентами разделить область значений интегрального показателя на неравномерные по размеру категории, с помощью которых можно прогнозировать достижение KPI. На втором шаге для объяснения разброса значений KPI сотрудников, принадлежащих в нечеткой постановке отдельным категориям компетентности, около ожидаемого значения KPI взвешенным методом наименьших квадратов построена эконометрическая модель зависимости KPI от показателей выгорания сотрудников. Предложенный инструмент позволит прогнозировать достижения KPI сотрудниками в зависимости от входных значений компетенций и уровня выгорания. В дальнейшем это позволит формировать оптимальный портфель мероприятий программы well-being, которые будут оказывать влияние на развитие компетенций сотрудников и снижать уровень их выгорания, а следовательно, способствовать максимальному продвижению по достижению целевых значений KPI.
Нестабильность на рынке общественного питания в связи с пандемией COVID-19 и санкциями обострила потребность в разработке эффективного инструмента оценки рисков дефолта в этой отрасли. Качество прогнозирования дефолта в значительной степени зависит от того, насколько хорошо модель соответствует конкретной среде. В связи с этим необходимо внести некоторые коррективы, чтобы адаптировать классические модели прогнозирования дефолтов к российскому сектору общественного питания. В статье выдвинута гипотеза о том, что добавление нефинансовых факторов и использование современных методов прогнозирования может существенно повысить точность моделей. Целью данного исследования является определение влияния включения нефинансовых факторов и современных методов моделирования на точность прогнозирования дефолтов для предприятий общественного питания в России. Тесты на выборке из 1 241 фирмы за период с 2017 по 2021 г. показали, что создание модели прогнозирования с помощью современных методов, таких как Random Forest и XGBoost, повышает точность прогнозирования с 70 % до примерно 80 %, по сравнению со стандартной логит-моделью. Добавление в модели нефинансовых факторов также несколько повышает точность, однако не дает существенного эффекта. Важнейшими метриками в прогнозировании дефолта оказались коэффициент текущей ликвидности и отношение оборотного капитала к совокупным активам. Наиболее важными нефинансовыми факторами являются совокупные активы и возраст. Наши результаты согласуются с уже существующими исследованиями в этой области и формируют новый пласт знаний за счет применения в конкретной отрасли. Результаты могут быть использованы банками или другими контрагентами, которые взаимодействуют с предприятиями общественного питания, для оценки их кредитного риска.
В условиях современной развитой рыночной экономики достаточно важной характеристикой деятельности корпорации (публичного акционерного общества (ПАО)) является его активность на фондовом рынке (рыночная активность), предполагающая разработку дивидендной политики, которая, с одной стороны, должна способствовать достижению основной цели финансового менеджмента - максимизации материального благосостояния акционеров, а с другой - учитывать интересы всех остальных заинтересованных в деятельности ПАО стейкхолдеров (включая потенциальных инвесторов) для обеспечения его устойчивого развития в долгосрочной перспективе. Выполнение данного требования возможно лишь в рамках нейтрального подхода к дивидендной политики публичного акционерного общества. Целью исследования является изучение рыночной активности публичного акционерного общества посредством анализа чувствительности ее важнейших показателей к основным определяющим их факторам в условиях нейтрального подхода к осуществлению дивидендной политики. Рабочая гипотеза - рассмотреть возможности использования в качестве инструментов анализа чувствительности важнейших показателей рыночной активности ПАО к основным определяющим их факторам в условиях нейтрального подхода к осуществлению дивидендной политики соответствующих моделей эластичностей. Сформированные модели эластичностей важнейших показателей рыночной активности предполагается использовать в прогнозно-аналитических оценках изменений их значений. Кроме того, они дадут возможность раскрывать причины этих изменений путем определения влияния на данные эластичности включенных в их модели определяющих факторов посредством соответствующих способов и приемов факторного анализа при нейтральном подходе к дивидендной политике публичного акционерного общества. Автор делает вывод о достаточной действенности разработанных им моделей эластичностей важнейших показателей активности публичного акционерного общества на фондовом рынке к изменению основных их определяющих факторов в качестве инструментов управления рыночной активностью ПАО при нейтральном подходе к его дивидендной политике.
В последние годы при описании состояния среды хозяйствующих субъектов все чаще используется термин «турбулентность». Анализ выявленных подходов к определению его сути дал основание трактовать турбулентность как неотъемлемую, существенную и, главное, комплексную характеристику внешней среды. Актуальность ее исследования обусловлена возрастанием скорости изменений, усложнением и ростом неопределенности, взаимовлиянием изменений в национальной экономике и ее отдельных отраслей и, как следствие, необходимостью учета уровня турбулентности при обосновании стратегических решений любого уровня. При этом в современных публикациях не удалось обнаружить исследований, сфокусированных на особенностях оценки турбулентности отрасли и, соответственно, корректных количественных подходов к ее реализации. Чтобы восполнить этот методический пробел, в качестве цели настоящего исследования принята разработка метода количественной оценки уровня отраслевой турбулентности на примере машиностроительных производств. Научная гипотеза исследования: уровень турбулентности отдельной отрасли современной российской промышленности определяется вариабельностью показателей, характеризующих ее состояние. Методами исследования послужили структурно-логический и матричный анализ, инструменты статистической обработки данных. Разработанный количественный метод оценки отраслевой турбулентности включает такие шаги, как выбор, с учетом принятых допущений, показателей оценки, обоснование решения относительно использования коэффициента вариации как инструмента оценивания их изменчивости, сбор необходимой информации, расчет и интерпретацию результатов. Апробация на примере 17 подотраслей машиностроения путем оценки турбулентности каждой за 10-летний период подтвердила выдвинутую гипотезу исследования и показала существенную дифференциацию отраслей по уровню турбулентности (отличие между максимальным и минимальным значением более чем в пять раз). Показано, что ключевую роль в формировании уровня турбулентности современной российской отрасли машиностроения играет степень ее технологичности и импортозависимости. Полученные результаты позволяют достаточно объективно оценить состояние среды различных отраслей, что должно повысить степень обоснованности принятия стратегических решений на всех уровнях хозяйствования.
В динамичном ландшафте российской цифровой экономики и растущей финансовой открытости криптоактивы стали влиятельными игроками на финансовом рынке. Геополитические и экономические события после конфликта с Украиной создали огромные вызовы в виде финансовых и торговых санкций в сочетании с приостановкой подключения к банковской системе SWIFT, что ввергло российскую экономику в опасное положение. Текущее исследование углубляется в побочные эффекты сети между известными криптоактивами и различными финансовыми активами, включая акции, обменные курсы, сырую нефть, золото и товарные фьючерсы, используя ежедневные данные с 1 января 2018 г. по 31 августа 2023 г. Цель исследования - дать эмпирические и теоретические представления о противодействии влиянию санкций на Россию, предложив прагматичное решение для российского финансового рынка. Методология исследования предполагает применение оценки сетевых вторичных эффектов и анализа стоимости актива, находящегося в зоне риска. Примечательно, что результаты показывают устойчивую связь между криптовалютами и финансовыми активами, где криптоактивы играют ключевую роль в передаче риска в финансовом ландшафте. В то время как их влияние на другие финансовые активы остается относительно незначительным, краткосрочные корреляции демонстрируют волатильные колебания, часто отмеченные резким увеличением риска ухудшения. Теоретические выводы следуют портфельной теории ценообразования активов, при этом экстремальные побочные эффекты риска возникают из-за долгосрочных колебаний на рынке криптовалют, влияя на рыночные настроения и повышая распространение риска на российском финансовом рынке. Наши результаты имеют практическое значение для анализа процессов оплаты и получения, а также для торговой деятельности с зарубежными странами, предоставляя важную информацию для политиков и лиц, принимающих инвестиционные решения.
Качество жизни населения является латентной категорией, которую, в силу невозможности прямого измерения, приходится оценивать как интегральный индикатор множества переменных. Согласно устоявшейся методологии, одним из основных инструментов при этом является первая главная компонента, то есть линейная свертка переменных, обладающая свойством минимизации вариации исходных признаков. Тот факт, что вариация признаков учитывается с одинаковым весом, может вызывать критику экономистов. Лишенным этого недостатка развитием метода можно считать применение взвешенной главной компоненты, где весовые коэффициенты признаков при минимизации суммарной вариации задаются экспертно. Однако в этом случае возникает закономерный вопрос: не окажет ли экспертная субъективность существенное влияние на итоговый интегральный индикатор, как это происходит в случае его построения путем простой линейной свертки с экспертными весами? Целью данной работы является проверка применимости взвешенной первой главной компоненты как основного инструмента при построении интегрального индикатора качества жизни населения. В частности, предстоит проверить гипотезу о несущественности влияния неоднородности весов экспертных оценок на итоговый интегральный индикатор. При этом было бы полезно не только проиллюстрировать наличие или отсутствие, но и численно оценить меру этого влияния. В работе на основании эмпирических экспертных весов взвешенной главной компоненты по данным макростатистики проводится имитационное моделирование для оценки латентной переменной «качество жизни населения». При этом в отличие от большинства близких по тематике работ значения интегрального индикатора (и, соответственно, ранжирование наблюдений) представляются как интервальная оценка. Иными словами, результат оценивания представляется как случайная величина, где элементом случайности служит субъективность экспертного выбора весов взвешенной главной компоненты. Оказывается, даже в этом случае удается получить робастные и содержательные результаты, хорошо согласующиеся с выводами известных исследований в этой области.
Сегодня инвесторы уделяют международной концепции инвестиций больше внимания, чем когда-либо прежде. Кроме того, страны намерены использовать внутренний капитал для достижения своих целей, максимально предотвратив отток капитала. Настоящая статья, обращаясь к объективным примерам международных отношений, пытается дать ответ на важный вопрос экономического сотрудничества в форме международных инвестиций при их максимизации с помощью теории игр. Главный вопрос заключается в том, смогут ли инвестиции на международном уровне избежать войны и созидать? Авторы, используя теорию игр и дизайн игр между правительствами и инвесторами в качестве основных начальных этапов, рассмотрели три различных режима. В первом разделе было рассмотрено состояние, в котором две страны безразличны. Второе состояние включает в себя две конкурирующие (вражеские) страны, а третье состояние предполагает три страны, одна из которых является конкурентом, а другая является безразличной. Во втором разделе сначала рассматривается ситуация, когда две страны безразличны друг к другу. Тогда во втором случае соперниками (врагами) считаются две страны, а в третьем - три страны, одна из которых является конкурентом, а другая безразлична. Что касается полученного равновесия в трех ситуациях и для каждого из двух разделов, основной вывод заключается в том, что инвестор достигает наилучшего результата (равновесие Нэша), формируя портфель и инвестируя в различные рынки, а страны достигают наилучшего результата за счет сотрудничества и установления мира. Иными словами, результаты исследований на языке логики (математики) подтверждают влияние экономического сотрудничества на развитие мира.
Рынок услуг, связанных со здоровьем, представляет собой один из важнейших рынков, поскольку ими пользуются все люди независимо от возраста, социально-экономического статуса и других факторов. Чтобы эффективно управлять как частной, так и государственной системой здравоохранения и своевременно расширять объем предоставляемых услуг, необходимо понимать характер спроса на здоровье в зависимости от развития общества и граждан. Данная статья посвящена эмпирической проверке одной из самых влиятельных моделей экономики здоровья - модели спроса на здоровье Майкла Гроссмана - посредством эконометрического моделирования. Мы использовали данные РМЭЗ НИУ ВШЭ (Российский мониторинг экономического положения и здоровья населения НИУ ВШЭ) за 2019 и 2020 годы. В статье тестируются гипотезы о том, что здоровье как товар носит двойственный характер, одновременно инвестиционный и потребительский; уровень образования и доход индивида влияют на спрос на здоровье, женщины заботятся о своем здоровье более ответственно, чем мужчины, связь возраста и спроса на здоровье имеет нелинейный характер, а скорость амортизации здоровья непостоянна в течение жизни человека. Мы пришли к выводу, что здоровье демонстрирует черты как потребительского, так и инвестиционного блага. Было обнаружено, что образование определяет спрос на здоровье как инвестиционный товар, тогда как доход, наоборот, влияет на спрос на здоровье только в рамках потребительской трактовки этого конструкта, но не в рамках инвестиционной. Исследование показало, что люди с низким доходом, как правило, активнее потребляют медицинские услуги, проводя больше времени в больницах. Можно предположить, что спрос на медицинские услуги возрастет в период экономического кризиса, сокращения рабочих мест, инфляции, падения реальных доходов населения. Результаты исследования могут помочь спрогнозировать спрос и потребление медицинских услуг, а также облегчить принятие решений в системе здравоохранения России в будущем.
Актуальность данного исследования связана с использованием минеральных продуктов в качестве важнейших промышленных ресурсов для производства оборудования для возобновляемых источников энергии, что вызвало рост спроса и цен на основные полезные ископаемые. Цель исследования - изучить функцию импорт-спрос на металлические минеральные товары с применением метода квантилей через моменты (MM-QR) с учетом потенциальной неоднородности по выборке пяти ведущих стран - потребителей полезных ископаемых (стран-импортеров). Набор данных, охватывающий период с 1996 по 2021 г., анализируется для проверки гипотезы о влиянии ветроэнергетических мощностей на потребности в импорте полезных ископаемых с учетом цен на минеральные товары, обменных курсов и роста доходов. Мы наблюдаем монотонную благоприятную реакцию импорта полезных ископаемых на ветрогенерацию по всем квантилям. Однако при рассмотрении квадратичной формы производства ветровой энергии спрос на импорт полезных ископаемых демонстрирует монотонную обратную тенденцию по мере увеличения размеров ветрогенерации. Полученные результаты свидетельствуют о неожиданном выявлении монотонного положительного влияния цен на медь на импортный спрос на полезные ископаемые, что противоречит теореме Маршалла о ценах. И наоборот, реакция импорта полезных ископаемых на валютные курсы остается стабильно положительной без модуляции. Кроме того, мы наблюдаем немонотонную связь между фактором дохода и импортом полезных ископаемых, что указывает на то, что реакция импорта полезных ископаемых на экономический рост остается положительной до тех пор, пока не будет достигнут определенный порог, за которым она имеет тенденцию к стабилизации. Теоретическая и практическая значимость этих выводов заключается в стимулировании торговли минеральными товарами для достижения цели перехода к чистой энергии для декарбонизации глобальной окружающей среды.
Статистика статьи
Статистика просмотров за 2025 год.
Издательство
- Издательство
- УрФУ
- Регион
- Россия, Екатеринбург
- Почтовый адрес
- 620002, Свердловская область, г. Екатеринбург, ул. Мира, д. 19
- Юр. адрес
- 620002, Свердловская область, г. Екатеринбург, ул. Мира, д. 19
- ФИО
- Кокшаров Виктор Анатольевич (Ректор)
- E-mail адрес
- rector@urfu.ru
- Контактный телефон
- +7 (343) 3754507
- Сайт
- https://urfu.ru/ru