Новые ориентиры цифровой экономики: о взаимосвязи экономической сложности и материального благосостояния
Новые ориентиры цифровой экономики: о взаимосвязи экономической сложности и материального благосостояния
Аннотация
Код статьи
S265838870019868-7-1
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Афанасьев Михаил Юрьевич 
Должность: Главный научный сотрудник
Аффилиация: Центральный экономико-математический институт РАН
Адрес: г. Москва, Нахимовский пр., 47
Аннотация

Представленные в статье результаты развивают инструментальную основу цифровой экономики и методологию выбора приоритетных направлений диверсификации.  Получены оценки экономической сложности 80 российских регионов и 82 секторов экономики. Показано, что регионы с развитыми секторами добывающей промышленности имеют относительно низкие оценки экономической сложности. По данным 2019 г. регионы разделены на две группы с высокими и низкими оценками экономической сложности. Для каждой группы выявлена значимая взаимосвязь оценок экономической сложности регио-нов и показателей среднедушевого дохода. Оценено приращение среднедушевого дохода в результате увеличения экономической сложности региона.  Информация о влиянии экономической сложности на благосостояние является одной из возможных форм цифровой поддержки принятия стратегических решений.

Ключевые слова
цифровая экономика, эконометрика, экономическая сложность, благосостояние
Классификатор
Получено
25.04.2022
Дата публикации
27.04.2022
Всего подписок
11
Всего просмотров
717
Оценка читателей
0.0 (0 голосов)
Цитировать Скачать pdf
Доступ к дополнительным сервисам
Дополнительные сервисы только на эту статью
1

Введение

2 Современные представления об экономической сложности связаны с ростом экономического благосостояния и снижением неравенства доходов (Hartmann, 2017). Страны, экспортирующие более «сложные» товары, обычно имеют более высокий уровень подушевого материального благосостояния, чем страны, экспортирующие «простые» товары. Причем, возможна структурная трансформация экономики и переход от более простых форм производства к более сложным. Cравнительно недавно разработана процедура, которая позволяет измерять экономическую сложность экспортируемых продуктов и структуры экономики в целом (Hausmann et al., 2011; Hausmann, Hwang, Rodrik, 2006; Hausmann, Rodrik, 2003; Hidalgo, Hausmann, 2009). Предложенная мера экономической сложности заслужила внимание тем, что обладает высокой значимостью в моделях прогнозирования экономического роста. Однако, используемая методика расчетов экономической сложности не учитывает объемы внутреннего потребления производимых продуктов. Далее, в отличие от традиционного подхода к оценке экономической сложности, в соответствии с которым концепция выявленных сравнительных преимуществ (Balassa, 1965) применяется по отношению к экспортируемым продуктам, акцент делается на исследование секторов экономики региона. Описание структур региональных экономик дается на основе данных о налоговых поступлениях по секторам экономики, что позволяет характеризовать структуры региональных экономик, включающие сектора, ориентированные как на внешний, так и на внутренний рынки. Проводится анализ взаимосвязи индекса экономической сложности и индикаторов материального благосостояния российских регионов. Получены оценки их корреляционной взаимосвязи для двух групп регионов, одна из которых включает, преимущественно регионы с развитыми секторами добывающей промышленности,
3 Актуальность этого исследования определяется тем, что разработка мер по повышению материального благосостояния и качества жизни населения находится в числе задач, направленных на достижение стратегических целей экономического развития Российской Федерации. Решение этих задач возможно на основе расширения сферы практического применения концепции экономической сложности при выборе направлений структурной трансформации региональных экономик.
4

Методология исследования

5 Для описания структуры сильных секторов экономики региона, используется концепция выявленных сравнительных преимуществ (Balassa, 1965). Определим показатель RCAcp выявленных сравнительных преимуществ:
6 RCAcp=ycp/pycp/cycp/c,pycp,                                     1
7 где ycp — объем производства сектора p экономики региона c ; RCAcp — отношение доли производства от сектора p в общем объеме производства от всех секторов экономики региона c к доле производства сектора p по всем регионам в объеме производства от всех секторов экономики всех регионов. В соответствии с работой (Hausmann, Klinger, 2006), для выявления сравнительных преимуществ в экономиках используется показатель RCAcp , для которого проверяется условие типа ограничения снизу. Если значение RCAcp превышает единицу, то считается, что экономика региона c обладает выявленными сравнительными преимуществами в выпуске продукции сектора p ; в противном случае — выявленных сравнительных преимуществ не существует:
8 ac,p=1,   если  RCAcp1;0,   если  RCAcp<1.
9 Матрица A=ac,p содержит данные о секторах экономики, которые в разных регионах развиты на уровне выявленных сравнительных преимуществ, определенных при помощи выражения (1). Строки этой матрицы соответствуют регионам, столбцы — секторам экономики. Вектор ac,p1, , ac,pm будем назвать структурой сильных секторов экономики региона c . Таким образом, структура региональной экономики характеризуется набором ее сильных секторов.
10 Для расчета индекса экономической сложности использован подход, представленный в работах (Hausmann et al., 2011; Hidalgo, Hausmann, 2009; Lyubimov et al., 2017) и его авторская модификация, основанная на использовании данных о налоговых поступлениях по секторам экономики. Понятие «экономическая сложность региона» рассматривается как характеристика, отражающая уровень его технологического развития, который, в свою очередь, определяется сильными секторами в структуре его экономики: экономическая сложность региона пропорциональна среднему уровню экономической сложности сильных секторов в структуре его экономики. Аналогично «экономическая сложность сектора» зависит от уровня технологического развития регионов: экономическая сложность сектора пропорциональна среднему уровню экономической сложности регионов, в структуре экономик которых этот сектор является сильным. Подробное описание метода расчета индекса экономической сложности регионов и индекса экономической сложности секторов представлено в работе (Afanasiev, Kudrov, 2020).
11 В качестве характеристики диверсификации экономики региона рассматривается число сильных секторов, продукцию которых регион производит на уровне выявленных сравнительных преимуществ. Для оценки взаимосвязи экономической сложности и материального благосостояния регионы разделены на две группы. В первую группу вошли регионы, структуры экономик которых включают сильные сектора добывающей промышленности. Перечень этих секторов приведен в таблице 1.
12 Таблица 1. Сектора добывающей промышленности в соответствии с данными о налоговых поступлениях по секторам экономики1
Код сектора Название сектора
1046 добыча и обогащение угля и антрацита
1047 добыча и обогащение бурого угля
1055 добыча сырой нефти и нефтяного газа
1060 добыча природного газа и газового конденсата
1075 добыча и обогащение железных руд
1080 добыча руд цветных металлов
1081 добыча прочих полезных ископаемых
1084 предоставление услуг в области добычи нефти и природного газа
1. Данные о налоговых поступлениях по секторам экономики за 2019 год >>>>
13

Многие регионы этой группы характеризуются высокой специализацией в добывающей промышленности и небольшим числом сильных секторов в структуре экономики. В работе (Айвазян и др., 2018) эти регионы отнесены к кластеру «добывающих» по структуре ВРП. Но в этой группе есть и регионы с высоким уровнем диверсификации. Во вторую группу включены регионы с относительно высокими оценками экономической сложности.

14 В качестве индикаторов благосостояния используются показатели Росстата «среднедушевые денежные доходы населения» и «валовый региональный продукт на душу населения» за 2019 год (Регионы России, 2020). Для каждой группы регионов рассчитаны коэффициенты корреляции индекса экономической сложности и индикаторов материального благосостояния.
15

Результаты исследования

16 Матрица выявленных сравнительных преимуществ, характеризующая структуру сильных секторов 80 регионов, индекс экономической сложности регионов, индекс экономической сложности 82 секторов рассчитаны на основе данных о налоговых поступлениях по секторам экономики за 2019 год (Afanasiev, Kudrov, 2020).
17 На основе матрицы выявленных преимуществ, для каждого региона определено количество сильных секторов в его экономике. Точка на рис. 1 характеризует регион в пространстве «число сильных секторов» (ось абсцисс) – «оценка экономической сложности региона» (ось ординат). Имеет место сильная нелинейная взаимосвязь числа сильных секторов и оценок экономической сложности регионов. При этом коэффициент корреляции характеристик диверсификации региональных экономик и оценок экономической сложности регионов достаточно высок и равен 0.635. Регионы в левой нижней части рисунка характеризуются высокой специализацией в добывающей промышленности. Это Оренбургская область (6 сильных секторов), Тюменская область (8), Астраханская область (9), Томская область (10), Республика Саха (Якутия) (11).
18

Рис. 1. По оси абсцисс - количество сильных секторов региона по оси ординат – оценка экономической сложности

19 В таблице 2 представлены регионы первой группы, упорядоченные по возрастанию оценок экономической сложности. В столбцах таблицы 2 указаны: (1) – номер региона по порядку; (2) – номер региона в соответствии с порядком регионов в статистическом сборнике «Регионы России»; (3) – название региона; (4) – номер кластера по структуре ВРП; (5) – число сильных секторов в структуре экономики региона; (6) – оценка экономической сложности региона (рассчитанный индекс экономической сложности нормирован со средним 0 и стандартным отклонением 1); (7) – среднедушевые денежные доходы населения в руб.
20 Таблица 2. Регионы первой группы
(1) (2) (3) (4) (5) (6) (7)
1 51 Оренбургская область 2 6 -4,569 24 483
2 58 Тюменская область 2 8 -2,833 48 335
3 72 Республика Саха (Якутия) 2 11 -2,710 45 458
4 71 Томская область 2 10 -2,509 28 381
5 20 Республика Коми 2 14 -2,469 35 356
6 32 Астраханская область 1 9 -2,076 24 971
7 66 Красноярский край 1 15 -1,955 31 739
8 67 Иркутская область 1 15 -1,456 26 306
9 78 Сахалинская область 2 18 -1,298 59 015
10 53 Самарская область 1 15 -0,818 29 421
11 45 Республика Татарстан 2 13 -0,707 35 707
12 42 Республика Башкортостан 1 17 -0,689 30 567
13 48 Пермский край 1 20 -0,678 30 588
14 80 Чукотский автономный округ 2 13 -0,645 83 385
15 75 Хабаровский край 1 21 -0,586 41 459
16 46 Удмуртская Республика 2 15 -0,496 25 066
17 18 г. Москва 1 24 -0,122 75 084
18 25 Мурманская область 2 17 -0,110 44 237
19 76 Амурская область 1 17 -0,092 33 304
20 74 Приморский край 1 26 -0,050 36 883
21 77 Магаданская область 1 23 -0,023 65 357
22 21 Архангельская область 2 20 0,058 36 693
23 73 Камчатский край 1 23 0,194 52 674
24 28 г. Санкт-Петербург 1 23 0,197 47 169
25 10 Московская область 1 39 0,464 47 201
21 В таблице 2 у регионов с номерами 1-23 относительно низкие оценки экономической сложности2, так как эти регионы имеют в своей структуре сильные сектора добывающей промышленности с низкими оценками экономической сложности3. Оценки экономической сложности секторов добывающей промышленности приведены в таблице 3.
2. Индекс экономической сложности регионов нормирован со средним значением 0 и стандартным отклонением 1.

3. Индекс экономической сложности секторов нормирован со средним значением 0 и стандартным отклонением 1.
22 Таблица 3. Оценки экономической сложности секторов добывающей промышленности
Код сектора 1046 1047 1055 1060 1075 1080 1081 1084
Оценка экономической сложности -0,866 -1,445 -0,801 -4,981 0,129 -1,871 -0,578 -2,861
23

При описании специфики двух групп регионов мы будем учитывать авторские результаты кластеризации регионов, представленные в работе (Айвазян и др., 2018). По данным об отраслевой структуре ВРП регионы разделены на пять кластеров: 1) «равномерно развитые», 2) «добывающие», 3) «обрабатывающие», 4) «сельскохозяйственные», 5) «развивающиеся». Номер кластера указан для каждого региона в столбце 4 таблицы 2. В первую группу регионов вошли 11 «добывающих» регионов. В нее включены также 12 регионов из кластера равномерно развитых с сильными секторами добывающей промышленности. В первую группу также экспертно включены два равномерно развитых региона, имеющие высокий уровень диверсификации, относительно высокие оценки экономической сложности и показатели среднедушевого денежного дохода населения, превышающие 36 000 руб.: г. Санкт-Петербург и Московская область. Коэффициент корреляции Пирсона оценок экономической сложности и среднедушевых денежных доходов населения равен 0,346; коэффициент ранговой корреляции Спирмена равен 0,442. Для регионов первой группы существует значимая на 10 % уровне взаимосвязь экономической сложности и среднедушевых доходов населения. Коэффициент регрессии среднедушевых доходов на оценки экономической сложности равен 4 367,146, стандартная ошибка 2 473,572. Таким образом, ожидаемый рост среднедушевых доходов регионов этой группы при повышении экономической сложности на 0,1 и без учета инфляции составляет 437 руб. Это 1 % от среднего уровня среднедушевого дохода регионов первой группы. На рис. 2 регионы первой группы представлены в пространстве: «оценка экономической сложности»» (ось абсцисс) – «среднедушевой доход» (ось ординат).

24

Рис. 2. По оси абсцисс – оценка экономической сложности региона, по оси ординат среднедушевой доход

25 Во вторую группу включены 55 регионов, представленных в таблице 4. Регионы упорядочены по убыванию оценок экономической сложности. Структура таблицы 4 совпадает со структурой таблицы 2. Все регионы характеризуются относительно высоким уровнем диверсификации (столбец 5) и экономической сложности (столбец 6). В этой группе 25 «равномерно развитых» регионов; 12 «обрабатывающих»; 11 «сельскохозяйственных» и 8 «развивающихся» регионов. Среднедушевой доход для региона второй группы не превышает 36 000 руб.
26 Таблица 4. Регионы второй группы
(1) (2) (3) (4) (5) (6) (7)
26 60 Республика Алтай 5 30 -0,092 20 256
27 61 Республика Бурятия 4 25 -0,042 25 268
28 65 Забайкальский край 1 19 0,027 25 750
29 29 Республика Адыгея 4 22 0,077 29 115
30 36 Республика Ингушетия 5 15 0,082 16 614
31 54 Саратовская область 1 21 0,101 22 757
32 70 Омская область 3 17 0,131 26 967
33 62 Республика Тыва 5 17 0,187 16 618
34 39 Республика Северная Осетия - Алания 5 14 0,202 24 495
35 63 Республика Хакасия 1 22 0,266 22 689
36 59 Челябинская область 3 35 0,284 25 425
37 68 Кемеровская область 1 20 0,294 24 886
38 23 Калининградская область 1 15 0,342 28 952
39 55 Ульяновская область 1 25 0,359 23 698
40 56 Курганская область 4 26 0,385 21 304
41 30 Республика Калмыкия 5 14 0,387 18 508
42 38 Карачаево-Черкесская Республика 1 27 0,407 18 821
43 40 Чеченская Республика 5 13 0,409 24 138
44 35 Республика Дагестан 5 19 0,413 27 408
45 19 Республика Карелия 1 26 0,424 30 854
46 57 Свердловская область 3 30 0,429 36 000
47 7 Костромская область 1 33 0,446 25 285
48 79 Еврейская автономная область 5 21 0,446 26 602
49 33 Волгоградская область 1 17 0,475 24 158
50 4 Воронежская область 4 34 0,483 32 022
51 69 Новосибирская область 1 39 0,492 30 559
52 17 Ярославская область 3 25 0,514 28 658
53 50 Нижегородская область 3 24 0,519 33 817
54 43 Республика Марий Эл 1 31 0,522 20 864
55 24 Ленинградская область 1 14 0,526 32 306
56 15 Тверская область 3 42 0,531 27 211
57 31 Краснодарский край 4 27 0,552 35 673
58 37 Кабардино-Балкарская Республика 1 17 0,574 21 474
59 47 Чувашская Республика 1 40 0,574 20 162
60 2 Брянская область 1 31 0,591 28 371
61 26 Новгородская область 3 32 0,595 26 003
62 22 Вологодская область 3 25 0,596 28 334
63 14 Тамбовская область 4 28 0,61 28 154
64 12 Рязанская область 1 16 0,614 26 886
65 5 Ивановская область 1 28 0,617 25 794
66 9 Липецкая область 3 36 0,628 32 479
67 13 Смоленская область 1 31 0,639 27 388
68 34 Ростовская область 4 33 0,643 30 752
69 64 Алтайский край 4 33 0,653 23 937
70 49 Кировская область 1 35 0,654 23 604
71 27 Псковская область 4 35 0,687 25 524
72 16 Тульская область 3 34 0,690 28 557
73 52 Пензенская область 4 26 0,693 22 969
74 41 Ставропольский край 4 23 0,707 24 366
75 11 Орловская область 1 30 0,735 26 064
76 6 Калужская область 3 29 0,751 31 394
77 44 Республика Мордовия 1 20 0,754 19 748
78 3 Владимирская область 3 37 0,783 25 358
79 8 Курская область 1 22 0,785 29 149
80 1 Белгородская область 1 24 0,830 32 352
27 Для регионов второй группы коэффициент корреляции Пирсона оценок экономической сложности и среднедушевых денежных доходов населения равен 0,309; коэффициент ранговой корреляции Спирмена 0,281. Для регионов второй группы существует значимая на 5 % уровне взаимосвязь экономической сложности и среднедушевых доходов населения. Коэффициент регрессии среднедушевых доходов на оценки экономической сложности равен 6 202,021, стандартная ошибка 2 625,511. Таким образом, ожидаемый рост среднедушевых доходов регионов этой группы при повышении экономической сложности на 0,1 и без учета инфляции составляет 620 руб. Это 2,3 % от среднего уровня среднедушевого дохода регионов первой группы. На рис. 3 регионы первой группы представлены в пространстве: оценка экономической сложности (ось абсцисс) – среднедушевой доход (ось ординат).
28

Рис. 3. По оси абсцисс – оценка экономической сложности региона, по оси ординат – среднедушевой доход

29 Для регионов второй группы значимым на 10 % уровне является также коэффициент корреляции Пирсона 0.302 оценок экономической сложности и показателя «ВРП на душу населения». Для регионов первой группы значимая взаимосвязь этих характеристик отсутствует. Причиной этому может являться природная рента, входящая в структуру ВРП некоторых регионов, специализирующихся в добывающей промышленности. По оценкам, представленным в (Афанасьев, Кудров, 2020) природная рента регионов: Тюменская область, Республика Саха (Якутия), Сахалинская область, Чукотский автономный округ – не объясняемая характеристиками экономической дифференциации, составляет от 43,7 до 60,0 % ВРП.
30

Заключение

31 Для российских регионов на основе концепции выявленных предпочтений описана структура экономик в разрезе 82 секторов. Получены оценки экономической сложности регионов и секторов экономики. Показано, что регионы с развитыми секторами добывающей промышленности имеют относительно низкие оценки экономической сложности. Регионы разделены на две группы с высокими и низкими оценками экономической сложности. Для каждой группы по данным 2019 г. выявлена значимая взаимосвязь оценок экономической сложности регионов и показателей среднедушевого дохода. Оценено приращение среднедушевого дохода в результате увеличения экономической сложности региона. Полученные результаты могут быть использованы при выборе приоритетных направлений развития структур региональных экономик с учетом концепции экономической сложности. Информация о влиянии экономической сложности на благосостояние является одной из возможных форм цифровой поддержки принятия стратегических решений. Она может использоваться для установления приоритетов в реализации проектов регионального развития, направленных на повышение числа рабочих мест в регионе и рост материального благосостояния.

Библиография

1. Айвазян, С. А. Метод сравнения регионов РФ по оценкам технической эффективности с учетом структуры производства / С. А. Айвазян, М. Ю. Афанасьев, А. В. Кудров // Экономика и математические методы. – 2018. – Том 54, № 1 – с. 43-51.

2. Афанасьев, М. Ю. Методология оценки социально-экономического развития субъектов РФ / М. Ю. Афанасьев, А. В. Кудров // Актуальные направления и методы анализа экономических систем / Под редакцией М. В. Грачевой. — Москва: Экономический факультет МГУ им. М. В. Ломоносова, 2020. – с. 69-131.

3. Любимов, И. Л. Сложность экономики и возможность диверсификации экспорта в российских регионах / И. Л. Любимов, М. А. Гвоздева, М. В. Казакова, К. В. Нестерова // Журнал Новой экономической ассоциации. – 2017. – № 2 (34). С. 94–122.

4. Регионы России. Социально-экономические показатели. 2020: Р32 Стат. сб. / Росстат. – Москва, 2020. – 1242 с. – URL : https://rosstat.gov.ru/storage/mediabank/LkooETqG/Region_Pokaz_2020.pdf (дата обращения: 20.04.2022)

5. Afanasiev, M. Yu. Estimates of economic complexity in the structure of the regional economy / M. Yu. Afanasiev, A. V. Kudrov // Montenegrin Journal of Economics. – 2020. – Vol. 16, No. 4 – p. 43-54.

6. Balassa, B. Lafayrade Liberalization and “Revealed” Comparative Advantage / B. Balassa // The Man-chester School. – 1965. – Vol. 33. – p. 99–123.

7. Hartmann, D. Linking economic complexity, institutions, and income inequality / D. Hartmann // World Development. – 2017. – V. 93. – p. 75–93.

8. Hausmann, R. The atlas of economic complexity: Mapping paths to prosperity / R. Hausmann, C. Hidalgo, S. Bustos [and others] // Cambridge, Mass. : Center for International Development, Harvard University : Harvard Kennedy School : Macro Connections, MIT : Massachusetts Institute of Technology, 2011.

9. Hausmann, R. What you export matters / R. Hausmann, J. Hwang, D. Rodrik // Journal of Economic Growth. 2006. – 12 (1). – p. 1–25.

10. Hausmann, R. Structural transformation and patterns of comparative advantage in the product space : CID Working Paper No. 128. / R. Hausmann, B. Klinger. – Center for International Development at Harvard University, 2006.

11. Hausmann, R. Economic development as selfdiscovery / R. Hausmann, D. Rodrik // Journal of Development Economics. – 2003. – 72 (2). – p. 603–633.

12. Hidalgo, C. A. The building blocks of economic complexity / C. A. Hidalgo, R. Hausmann // Proceedings of the National Academy of Sciences. – 2009. – 106 (26). – p. 10570–10575.

13. Hidalgo, C. A. The product space conditions the development of nations / C. A. Hidalgo, B. Klinger, A.-L. Barabasi, R. Hausmann // Science. – 2007. – 317 (5837). – p. 482–487.

Комментарии

Сообщения не найдены

Написать отзыв
Перевести