В статье рассматриваются факторы, оказывающие влияние на соотношение частных и государственных инвестиций в проектах государственно-частного партнерства. Выделятся макроэкономические, организационные и финансовые характеристики проектов, потенциально оказывающих воздействие на долю частного партнера в проекте. С помощью корреляционного и регрессионного анализа проверяется направление и масштаб данного воздействия на целевой признак. На основе базы данных Всемирного банка по проектам ГЧП оценено влияние характеристик проектов ГЧП на долю частного партнера в их финансировании. В результате эмпирического исследования выявлено значимое влияние следующих характеристик: дефлятор ВВП, национальные резервы, премия за страновой риск, уровень доходов страны реализации проекта, форма проекта ГЧП, отрасль реализации, срок проекта, а также суммарный объем инвестиций в проект. На основе данных характеристик построены классификаторы проектов ГЧП по доле частного партнера с помощью трех алгоритмов: kNN, SVM, Decision Tree. В результате тестирования классификаторов была достигнута максимальная точность предсказаний 74% с помощью алгоритма Decision Tree.
The article considers the factors influencing the ratio of private and public investments in public-private partnership projects. Macroeconomic, organizational and financial characteristics of projects potentially affecting the share of the private partner in the project are highlighted. Using correlation and regression analysis, the direction and scale of this impact on the target feature is checked. On the basis of the World Bank database of PPP projects, the impact of the characteristics of PPP projects on the share of the private partner in their financing is estimated. As a result of the empirical study, the following characteristics have a significant impact: GDP deflator, national reserves, country risk premium, income level of the project implementation country, PPP project form, implementation industry, project term, as well as the total amount of investment in the project. On the basis of these characteristics, the classifiers of PPP projects by the share of a private partner are constructed using three algorithms: kNN, SVM, Decision Tree. As a result of testing the classifiers, the maximum accuracy of predictions was achieved by 74% using the Decision Tree algorithm.