Корреляционно-регрессионный анализ инвестиционной привлекательности нефтеперерабатывающей отрасли

В статье представлены результаты анализа инвестиционной привлекательности нефтеперерабатывающей отрасли с использованием корреляционно-регрессионных методов. Предложено оценивать уровень инвестиционной привлекательности нефтеперерабатывающей отрасли через капиталоотдачу. Сформирована система показателей, влияющих на инвестиционную привлекательность нефтепереработки, в разрезе ресурсно-производственных, финансово-экономических и социальных групп факторов. Представлена методика проведения корреляционно-регрессионного анализа для моделирования факторов, влияющих на инвестиционную привлекательность. Данная методика включает: построение парной корреляции; отбор факторов; построение обобщенной корреляционной матрицы c использованием инструмента «Корреляция» в пакете «Анализ данных» Microsoft Excel; проведение регрессионного анализа на основе окончательно отобранных факторов; построение уравнения регрессии; обоснование полученной зависимости c использованием инструмента «Регрессия» в пакете «Анализ данных» Microsoft Excel.

 По результатам расчетов по виду экономической деятельности «производство кокса и нефтепродуктов» в Российской Федерации в динамике за 2012 – 2019 гг. выявлена сильная корреляционная связь между показателем капиталоотдачи и такими факторами, как глубина переработки нефти, прибыль от продажи, производительность труда. Результаты исследования могут быть использованы для выявления значимых факторов, влияющих на инвестиционную привлекательность нефтеперерабатывающей отрасли с целью последующей их оптимизации.

1. Белогоркина А.С. (2020). Показатели оценки эффективности инвестиционных проектов нефтеперерабатывающей отрасли // Актуальные исследования. № 21 (24). С. 90–94.

2. Бланк И.А. (2003). Управление инвестициями предприятия. Киев: Эльга: Ника-Центр. 136 с.

3. Курганова З.С. (2015). Анализ инвестиционной привлекательности предприятий нефтяной отрасли // Экономика и управление: проблемы, решения. Т. 1, № 11. С. 216–219.

4. Маков В.М. (2017). Анализ состояния нефтеперерабатывающей промышленности Российской Федерации // Вестник экономики и менеджмента. № 2. С. 58–67.

5. Молчан А.С., Погребная Н.В., Горбенко Т.А. (2017). Внутренние проблемы формирования инвестиционной привлекательности нефтяной отрасли в России // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. № 130. С. 1033–1042.

6. Низамова Г.З., Гайфуллина М.М. (2021). Корреляционнорегрессионный анализ эффективности использования инвестиционных ресурсов нефтяной компании // Вестник УГНТУ. Наука, образование, экономика. Серия: Экономика. Т. 1, №35. С. 15–23.

7. Поляков К.Л., Полякова М.В., Василевский М.И (2020). Оценка инвестиционной привлекательности компаний нефтеперерабатывающей промышленности Российской Федерации // Вопросы статистики. Т. 27, № 6. С. 56–65.

8. Самсонов А.В., Васильев И.В. (2020). Анализ инвестиционной привлекательности предприятий нефтегазовой отрасли в России // Московский экономический журнал. № 2. С. 439–450. https://doi.org/10.24411/2413- 046x-2020-10088

9. Тютюкина Е.Б., Данилов А.И., Абросимова О.М. (2020). Оценка инвестиционной привлекательности высокотехнологичных компаний // Вестник университета. 2020. №11. С. 165–173. https://doi.org/10.26425/1816-4277-2020- 11-165–173

10. Burenina I., Evtushenko E., Kotov D., Battalova A.,Gaifullina M., Gamilova D. (2017). Integral assessment of the development of Russia’s chemical industry // Journal of Environmental Management and Tourism. V. 8, No. 5 (21). Pp. 1075–1085. http://dx.doi.org/10.14505/jemt.v8.5(21).11

11. Dendukuri N., Reinhold C. (2005). Correlation and regression // American Journal of Roentgenology. V. 185, No. 1. Pp. 3–18. http://doi.org/10.2214/ajr.185.1.01850003

12. Gayfullina M.M., Nizamova G.Z., Musina D.R., Alexandrova O.A. (2017). Formation of strategy of effective management of fixed production assets of oil company // Advances in Economics, Business and Management Research. V. 38. Pp. 185–190. https://doi.org/10.2991/ttiess-17.2017.32

13. Kafle S. (2019). Correlation and regression analysis using SPSS // OCEM Journal of Management, Technology & Social Sciences. December. Pp. 125–132.

14. Kufenko V., Geiger N. (2016). Business cycles in the economy and in economics: an econometric analysis // Scientometrics. No. 107. Pp. 43–69. https://doi.org/10.1007/s11192-016- 1866-9

15. Lee C.F., Chen H.Y., Lee J. (2019). Econometric approach to financial analysis, planning, and forecasting // Financial Econometrics, Mathematics and Statistics. New York: Springer. Pp. 125–157. https://doi.org/10.1007/978-1-4939-9429-8_5

16. Ugih Rizqi Z., Kurniawan T.A., Khairunisa A. (2021). Application of Fuzzy Time Series (FTS) Algorithm in production planning of Indonesia’s oil refining company / Conference: Indonesian Scholar Scientific Summit Taiwan Proceeding. V. 3. Pp. 15– 23. https://doi.org/10.52162/3.2021108

17. Wang K., Liu H. (2017). Regression analysis of influencing factors on the future price of crude oil // Conference: 2016 3rd International Conference on Modern Economic Technology and Management. Research on Modern Higher Education. March 2. 01015. https://doi.org/10.24104/rmhe/2017.02.01015