<!DOCTYPE article
PUBLIC "-//NLM//DTD JATS (Z39.96) Journal Publishing DTD v1.4 20190208//EN"
       "JATS-journalpublishing1.dtd">
<article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" article-type="research-article" dtd-version="1.4" xml:lang="en">
 <front>
  <journal-meta>
   <journal-id journal-id-type="publisher-id">Science &amp; World</journal-id>
   <journal-title-group>
    <journal-title xml:lang="en">Science &amp; World</journal-title>
    <trans-title-group xml:lang="ru">
     <trans-title>Наука и мир</trans-title>
    </trans-title-group>
   </journal-title-group>
   <issn publication-format="print">2307-9401</issn>
   <issn publication-format="online">2307-9401</issn>
  </journal-meta>
  <article-meta>
   <article-id pub-id-type="publisher-id">55718</article-id>
   <article-id pub-id-type="doi">10.26526/2307-9401-2022-4-76-80</article-id>
   <article-categories>
    <subj-group subj-group-type="toc-heading" xml:lang="ru">
     <subject>НАУЧНЫЕ ИССЛЕДОВАНИЯ  МОЛОДЫХ УЧЕНЫХ</subject>
    </subj-group>
    <subj-group subj-group-type="toc-heading" xml:lang="en">
     <subject>SCIENTIFIC RESEARCH OF YOUNG SCIENTISTS</subject>
    </subj-group>
    <subj-group>
     <subject>НАУЧНЫЕ ИССЛЕДОВАНИЯ  МОЛОДЫХ УЧЕНЫХ</subject>
    </subj-group>
   </article-categories>
   <title-group>
    <article-title xml:lang="en">ECONOMETRIC ANALYSIS OF EXPORT VOLUMES CHINA</article-title>
    <trans-title-group xml:lang="ru">
     <trans-title>ЭКОНОМЕТРИЧЕСКИЙ АНАЛИЗ ОБЪЕМОВ ЭКСПОРТА КИТАЯ</trans-title>
    </trans-title-group>
   </title-group>
   <contrib-group content-type="authors">
    <contrib contrib-type="author">
     <name-alternatives>
      <name xml:lang="ru">
       <surname>Фомичев</surname>
       <given-names>Николай Александрович</given-names>
      </name>
      <name xml:lang="en">
       <surname>Fomichev</surname>
       <given-names>Nikolay Aleksandrovich</given-names>
      </name>
     </name-alternatives>
     <email>ifomna1@gmail.com</email>
     <xref ref-type="aff" rid="aff-1"/>
    </contrib>
    <contrib contrib-type="author">
     <name-alternatives>
      <name xml:lang="ru">
       <surname>Леонов</surname>
       <given-names>Д. Ю.</given-names>
      </name>
      <name xml:lang="en">
       <surname>Leonov</surname>
       <given-names>D. Yu.</given-names>
      </name>
     </name-alternatives>
     <xref ref-type="aff" rid="aff-2"/>
    </contrib>
    <contrib contrib-type="author">
     <name-alternatives>
      <name xml:lang="ru">
       <surname>Хильчевский</surname>
       <given-names>С. А.</given-names>
      </name>
      <name xml:lang="en">
       <surname>Khilchevski</surname>
       <given-names>S. A.</given-names>
      </name>
     </name-alternatives>
     <xref ref-type="aff" rid="aff-3"/>
    </contrib>
   </contrib-group>
   <aff-alternatives id="aff-1">
    <aff>
     <institution xml:lang="ru">Ростовский филиал Российской  таможенной академии</institution>
     <city>Ростов-на-Дону</city>
     <country>Россия</country>
    </aff>
    <aff>
     <institution xml:lang="en">Russian Customs Academy (Rostov affiliate)</institution>
     <city>Rostov-on-Don</city>
     <country>Russian Federation</country>
    </aff>
   </aff-alternatives>
   <aff-alternatives id="aff-2">
    <aff>
     <institution xml:lang="ru">Ростовский филиал Российской  таможенной академии</institution>
     <city>Ростов-на-Дону</city>
     <country>Россия</country>
    </aff>
    <aff>
     <institution xml:lang="en">Russian Customs Academy (Rostov affiliate)</institution>
     <city>Rostov-on-Don</city>
     <country>Russian Federation</country>
    </aff>
   </aff-alternatives>
   <aff-alternatives id="aff-3">
    <aff>
     <institution xml:lang="ru">Ростовский филиал Российской  таможенной академии</institution>
     <city>Ростов-на-Дону</city>
     <country>Россия</country>
    </aff>
    <aff>
     <institution xml:lang="en">Russian Customs Academy (Rostov affiliate)</institution>
     <city>Rostov-on-Don</city>
     <country>Russian Federation</country>
    </aff>
   </aff-alternatives>
   <pub-date publication-format="print" date-type="pub" iso-8601-date="2022-12-16T00:00:00+03:00">
    <day>16</day>
    <month>12</month>
    <year>2022</year>
   </pub-date>
   <pub-date publication-format="electronic" date-type="pub" iso-8601-date="2022-12-16T00:00:00+03:00">
    <day>16</day>
    <month>12</month>
    <year>2022</year>
   </pub-date>
   <volume>2022</volume>
   <issue>4</issue>
   <fpage>76</fpage>
   <lpage>80</lpage>
   <history>
    <date date-type="received" iso-8601-date="2022-12-14T00:00:00+03:00">
     <day>14</day>
     <month>12</month>
     <year>2022</year>
    </date>
    <date date-type="accepted" iso-8601-date="2022-12-14T00:00:00+03:00">
     <day>14</day>
     <month>12</month>
     <year>2022</year>
    </date>
   </history>
   <self-uri xlink:href="https://auspublishers.com.au/en/nauka/article/55718/view">https://auspublishers.com.au/en/nauka/article/55718/view</self-uri>
   <abstract xml:lang="ru">
    <p>В работе проводится анализ стоимостных объемов экспорта Китая за 2011–2021 гг. при помощи построения эконометрической модели временного ряда. Полиномиальное уравнение тренда третьей степени строится при помощи введения фиктивных переменных. Результатом работы является прогноз на 2022 год</p>
   </abstract>
   <trans-abstract xml:lang="en">
    <p>The paper analyzes the value volumes of China's exports for 2011-2021 by constructing an econometric model of a time series. The polynomial equation of the trend of the third degree is constructed by introducing fictitious variables. The result of the work is a forecast for 2022</p>
   </trans-abstract>
   <kwd-group xml:lang="ru">
    <kwd>Китай</kwd>
    <kwd>экспорт</kwd>
    <kwd>эконометрическая модель</kwd>
    <kwd>прогнозирование</kwd>
    <kwd>временные ряды</kwd>
    <kwd>уравнение тренда</kwd>
    <kwd>фиктивные переменные</kwd>
   </kwd-group>
   <kwd-group xml:lang="en">
    <kwd>China</kwd>
    <kwd>export</kwd>
    <kwd>econometric model</kwd>
    <kwd>forecasting</kwd>
    <kwd>time series</kwd>
    <kwd>trend equation</kwd>
    <kwd>fictitious variables</kwd>
   </kwd-group>
  </article-meta>
 </front>
 <body>
  <p>На современном этапе экономика Китая характеризуется как одна из самых ведущих в мире. Страна занимает второе место в мире после США по номинальному ВВП, а также является лидером по критерию ВВП по паритету покупательной способности[3]. Актуальность исследования непосредственно связана со стремительным наращиванием КНР своих экспортных возможностей. Страна оказывает огромное влияние на процессы глобализации в современном мире, что обусловлено активной государственной политикой и его всяческого стимулирования. Однако, не смотря на столь высокие достижения и уровень экономики, по сравнению с развитыми странами, Китай на данном этапе является развивающейся страной.Основной целью научной работы является прогнозирование объёмов экспорта Китая на 2022 год при помощи эконометрического моделирования. Объектом исследования является внешнеторговая деятельность Китая, в частности, экспорт.В 2021 году экспорт Китая достиг отметки в 3,36трлн. долл. США. В сравнении с прошлым годом – 2020, экспорт возрос на 774 млрд. долл. США. Темп прироста составил 23,04% [4]. На рис. 1 представлена диаграмма стоимостного объема экспорта Китая по различным странам. Стоит отметить, что наиболее активную внешнеторговую деятельность страна ведет с США и Гонконгом, экспорт которого 564 млрд. долл. США и 337 млрд. долл. США, соответственно.   Рис.1. Экспорт Китая по странам в 2021 г., млрд. долл. США [4] Как экспорт Китая изменился спустя десятилетие? Целесообразно рассмотреть экспорт со странами-партнерами в 2011г., так как данный период времени мы будем использовать в дальнейшем в нашей практической части работы. По данным декабря 2011 г. экспорт составил 1,898 трлн. долл. США с приростом на 20,3% [4]. На рис. 2 представлена диаграмма стоимостного объема экспорта Китая по различным странам. Стоит отметить, что главные партнеры внешнеторговой деятельности страны неизменно остаются:  США и Гонконг, 324,49 млрд. долл. США и 268,02 млрд. долл. США, соответственно.   Рис.2. Экспорт Китая по странам в 2011 г., млрд. долл. США [4] Проанализировав рис.1 и рис.2 можно сделать следующий вывод: за последнее десятилетие торгово-экономические отношения США и Китая значительно расширились и углубились. Согласно выше представленным данным, Китай один из самых крупных торговых партнеров США,  торговые отношения данных стран влияют на многих их торговых партнеров. В последние годы под воздействием изменений в динамике международной торговли и некоторых других процессов наблюдается подъем китайской экономики. Для полноты анализа внешнеторговой деятельности Китая обратим внимание на товарные группы, которые страна экспортирует. Для этого рассмотрим рис. 3, на котором изображена структура экспорта в 2021 г. Как можно заметить, наибольшая доля экспорта приходится на товарные группы «Электрические машины и оборудование, их части», а также «Реакторы ядерные, котлы, оборудование и механические устройства» – 40% и 24%, соответственно. Рис. 3. Структура экспорта Китая в 2021 г. по отраслям деятельности [4] После того, как мы провели краткий анализ внешнеторговой деятельности страны, обратимся к статистическим даннымобъема экспорта Китая с2011г.по 2021 г.со странами-партнёрами, на основе которых проведем эконометрическое моделирование, табл. 1.Таблица1Данныеобъёмовэкспорта Китая за 2011–2021гг., трлн. долл.США [4]ГодЭкспорт (y)20111 898 38820122 048 78220132 209 00720142 342 29220152 273 46820162 097 63720172 263 37020182 486 43920192 499 20620202 589 09820213 362 301 Для построения моделимы графически интерпретируемданные из табл. 1, при помощи построения графика, представленного на рис. 4. Результат отражен с добавлением полиномиальной линии тренда третьей степени.  Рис.4. Фактический объем экспорта Китая за 2011–2021 гг., трлн. долл. США Для того чтобы прогноз был максимально приближен к реальности, нам следует учесть все всплески значений от линии тренда, которые характеризируются какими-либо качественными изменениями. В нашей работе, данные события мы сгладим при помощи введения фиктивных переменных. Главная идея заключается в том, что фиктивная переменная внедряется в эконометрическую модель для того, чтобы значительно улучшить прогнозное значение в будущем. Происходит это за счет того, что данная переменная может принимать только два значения – единицу и ноль. Единица присваивается переменным, за счет которых происходило какое-либо качественное изменение, тем самым сглаживая временной ряд. В нашей работе, проведя несколько подборов вышеупомянутых переменных, мы пришли к окончательному уравнению тренда, в котором будет присутствовать две фиктивные переменные:z8=1,z10=1 .При помощи программного обеспечения MS Excel, воспользуемся пакетом анализа данных и применим программу «Регрессия». Данный анализ проводится по различным показателям, при помощи которых в дальнейшем мы сможем построить модель и проверить ее значимость, рис. 5. Рис. 5. Регрессионный анализ на основе уравнения тренда с применением фиктивных переменных На основе регрессионного анализа получили коэффициенты, при помощи которых построили уравнение модели, представленное формулой (2). ŷ=1462035+503028t-102474t2+6588,169t3+185346z8-244029z10 (2)Далее стоит рассмотреть значения показателей, которые были получены вследствие проведенного нами анализа. В первую очередь проанализируем коэффициент детерминации. В нашем случае он принимает значение R2=  0,9808, что свидетельствует о высоком качестве построенной модели, так как данный коэффициент принимает значение, приближенное к единице. Данное значение непосредственно связано с тем, что зависимость экспорта Китая объяснена на 98% совокупным влиянием полиномиально учтенного фактора времени с фиктивными переменными и сезонностью.Далее проверим статистическую значимость коэффициентов при показателях, представленных в модели, для этого обратимся к значениям t-статистики. Сравнив их с табличными значениями, можем сделать вывод, что они также являются значимыми. Следующим этапом обратим внимание на F-критерий Фишера, который принимает значение 51,045, что также подтверждает значимость модели. И заключительным этапом анализа рассчитаем среднюю ошибку модели по формуле (3).(E,)2(yt-yt)2                                                         (3) Средняя ошибка модели показывает долю остаточной дисперсии. Из формулы (3) видно, что мы используем отношение суммы квадратов остатков, которые мы нашли при помощи регрессионного анализа, к общей дисперсии. Для того, чтобы воспользоваться формулой (3) мы произвели следующие расчеты, представленные на рис. 6.  Рис. 6. Расчеты необходимые для определения средней ошибки модели Подставим найденные суммы из рис. 6 в формулу (3) и найдем значение средней ошибки модели: 29014533148,4101510072788422,910=  0,0192, или около 2%, что свидетельствует о высокой значимости модели. Полученные теоретические и фактические данные можно представить в виде графического изображения, рис.7.  Рис. 7. Графическая интерпретация фактических и полученных теоретических значений Определим прогнозное значениеобъемов экспорта Китая за 2022 г.ŷ=1462035+503028*12-102474*122+6588,169*123+185346z8-244029z10 = 1462035+6036336 –14756256+11384356+185346 –244029 = 4 067 788,03 млн. долл. США.Подведем итог проведенного исследования. Можно сделать заключение, что на сегодняшний день Китай – страна, занимающая одну из лидирующих позиций на экономической и политической мировой арене, обладающая при этом огромным потенциалом и оказывающая значительное влияние на состояние мировой экономики.К концу работы мы пришли к поставленной цели, при помощи введения фиктивных переменных мы построили качественную эконометрическую модель, с помощью которой спрогнозировали значение на 2022г. равное 4 067 788 млн. долл. США. </p>
 </body>
 <back>
  <ref-list>
   <ref id="B1">
    <label>1.</label>
    <citation-alternatives>
     <mixed-citation xml:lang="ru">Цвиль М. М. Анализ временных рядов и прогнозирование: учеб. пособие. Ростов н/Д: Российская таможенная академия, Ростовский филиал, 2016. 135 с.</mixed-citation>
     <mixed-citation xml:lang="en">Tsvil M. M. Time series analysis and forecasting: studies. stipend. Rostov n/A: Russian Customs Academy, Rostov branch, 2016. 135 p.</mixed-citation>
    </citation-alternatives>
   </ref>
   <ref id="B2">
    <label>2.</label>
    <citation-alternatives>
     <mixed-citation xml:lang="ru">Цвиль М. М. Эконометрика: конспекты лекций по учебной дисциплине. Ростов н/Д: Российская таможенная академия, Ростовский филиал, 2012. 86 с.</mixed-citation>
     <mixed-citation xml:lang="en">Tsvil M. M. Econometrics: lecture notes on the academic discipline. Rostov n/A: Russian Customs Academy, Rostov branch, 2012. 86 p.</mixed-citation>
    </citation-alternatives>
   </ref>
   <ref id="B3">
    <label>3.</label>
    <citation-alternatives>
     <mixed-citation xml:lang="ru">Официальный сайт Википедия [Электронный ресурс]. URL:https:/wikipedia.org/wiki/Китай.</mixed-citation>
     <mixed-citation xml:lang="en">Official Wikipedia website [Electronic resource]. URL:https://ru.wikipedia.org/wiki/China.</mixed-citation>
    </citation-alternatives>
   </ref>
   <ref id="B4">
    <label>4.</label>
    <citation-alternatives>
     <mixed-citation xml:lang="ru">TrendEconomy [Электронный ресурс]. URL:https://trendeconomy.ru/data/h2/China/TOTAL.</mixed-citation>
     <mixed-citation xml:lang="en">TrendEconomy [Electronic resource]. URL: https://trendeconomy.ru/data/h2/China/TOTAL</mixed-citation>
    </citation-alternatives>
   </ref>
  </ref-list>
 </back>
</article>
