Внутрирегиональная концентрация производства в Сибирском федеральном округе (на примере обрабатывающей промышленности и финансовой деятельности)

Тагаров Б.Ж.1
1 Байкальский государственный университет

Статья в журнале

Экономика, предпринимательство и право
Том 10, Номер 6 (Июнь 2020)

Цитировать:
Тагаров Б.Ж. Внутрирегиональная концентрация производства в Сибирском федеральном округе (на примере обрабатывающей промышленности и финансовой деятельности) // Экономика, предпринимательство и право. – 2020. – Том 10. – № 6. – С. 1803-1822. – doi: 10.18334/epp.10.6.110302.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=43811689

Аннотация:
Проблема неравномерности экономического развития территорий имеет осо-бую актуальность для России. В данной статье рассмотрены теоретические ас-пекты центр-периферийных отношений и представлены результаты исследова-ния экономической концентрации в обрабатывающей промышленности и фи-нансовой деятельности в регионах Сибирского федерального округа. Для оценки изменений в концентрации были использованы такие инструменты, как индекс Херфиндаля-Хиршмана, индекс Кругмана и индекс Crn. Индексы рас-считаны на основе данных о занятости в соответствующих отраслях в разрезе муниципальных образований регионов СФО. В работе произведен анализ ди-намики данных показателей, сделано сравнение специфики концентрации в обрабатывающей промышленности и финансовой деятельности, а также опре-делено влияние некоторых региональных характеристик на уровень и темпы роста концентрации. Автор работы приходит к выводу о том, что в большей части регионов наблюдается усиление концентрации производства в крупных населенных пунктах. При этом в наиболее экономический развитых регионах постепенно начинается обратный процесс. Кроме того, в статье отмечается, что концентрация в финансовой сфере в регионах СФО является более сильной, чем в промышленности.

Ключевые слова: экономическая география, обрабатывающая промышленность, экономическая концентрация, центр-периферийные отношения, экономика региона

JEL-классификация: R11, R12, R13



Введение

Неравномерность социально-экономического развития регионов стала предметом научных исследований еще в середине XVI века. Данная область знаний получила название «экономическая география». Особое внимание при этом уделялось взаимодействию относительно развитых экономически и отсталых в этом плане территорий, что привело к появлению отдельного направления экономической мысли, связанного с изучением центр-периферийных отношений.

В современной экономике актуальность исследования специфики отношений центра и периферии постоянно усиливается. На международном уровне это обусловлено обострением проблемы неравенства между развитыми и развивающимися странами, а на уровне отдельных территорий – ускорением агломерационных процессов.

Существенный вклад в необходимость повышения внимания к проблемам взаимодействия центра и периферии вносит такой фактор, как процесс перехода экономики развитых стран к информационной стадии развития. Информатизация экономики приводит к резкому снижению издержек, связанных с передачей и обработкой информации, а также к росту информационноемкости товаров и услуг. В результате роль географического фактора в предпринимательской деятельности постепенно снижается. Из-за высоких издержек производства в центре, связанных с относительно дорогой недвижимостью и рабочей силой, предприниматели получают стимул переводить предприятия на периферию. С другой стороны, информационные технологии позволяют обособить интеллектуальные процессы от рутинных и отделить подсистему управления и информационные услуги от производственной и сбытовой подсистем. Поэтому высококвалифицированные работники стремятся к проживанию в центре (доступ к образованию и более высокому уровню жизни), а рутинные бизнес-процессы переносятся на периферию.

Особую актуальность проблема центр-периферийных отношений и вопрос об эффективности концентрации производства приобретает в России, что обусловлено относительно высоким уровнем экономического неравенства между регионами [1], большой территорией и структурой хозяйственных связей, унаследованной от плановой советской экономики. Кроме того, Россия только переходит к массовой автоматизации производства, информатизации управленческих процессов и развитию удаленной занятости. Это позволяет предположить, что вскоре влияние этого процесса на динамику концентрации производства будет весьма значительным.

Существует довольно много научных работ, посвященных анализу уровня концентрации производства в России, но в основном в них проводится оценка ситуации на уровне страны в целом. Исследования, связанные с анализом процессов экономической концентрации на уровне отдельных регионов, практически отсутствуют.

В данной статье проводится сравнительный анализ концентрации в обрабатывающей промышленности и сфере финансовой деятельности в регионах Сибирского федерального округа (СФО) на основе данных Росстата о численности занятых в разрезе муниципальных образованиях.

Задачами работы являются выявление тенденций концентрации в данных отраслях, а также определение факторов, влияющих на этот процесс.

Обзор литературы

Первой экономической моделью, объясняющей стремление производителей к географической концентрации и закономерности разделения экономической системы на «центр» и «периферию», можно считать модель И. Тюнена [2] (Tyunen, 1926). Данная модель объясняла специализацию производств, находящихся на разном расстоянии от центра, различным уровнем допустимой интенсивности использования земельных участков. Модель Тюнена была усовершенствована В. Лаундхартом [3] (Granberg, 2000) и А. Вебером [4] (Veber, 1926). Желание быть ближе к центру как к источнику товаров было положено также в основу гравитационных моделей (например, модель У. Рейли [5] (Reilly, 1931)). Анализу экономической концентрации было уделено внимание и А. Маршаллом, описавшим в своем классическом труде [6] (Marshall, 1993) причины образования промышленных районов и «внешней» экономии от масштаба. В ряде исследований, посвященных взаимодействию центра и периферии, делается вывод не только о неизбежности такого разделения, но и о его эффективности с точки зрения развития экономической системы в целом (Ф. Перру [7] (Perru, 2007) и др.).

Дальнейшее развитие анализа центр-периферийных отношений связано в первую очередь с работами П. Кругмана [8] (Krugman, 1991). Кругман положил в основу своей модели желание работников, занятых в промышленности, снизить расходы на приобретение товаров и услуг и увеличить их. Отметим, что Э. Венейблс [9] (Venables, 1996), один из соавторов Кругмана, построил модель, объясняющую концентрацию производства не мобильностью рабочей силы, а мобильность промышленного капитала. Если Маршалл, Кругман и Венейблс в качестве центростремительной силы рассматривали внешние эффекты от концентрации применительно к субъектам отдельных отраслей, то Д. Джекобс уделила большее внимание «межотраслевым» экстерналиям [10] (Jacobs, 1969). Именно с данным видом экстерналий связан так называемый агломерационный эффект [11] (Shirinkina, Astafev, Makarova, 2019), благодаря которому более крупный населенный пункт привлекает к себе население и инвестиции.

Российские ученые также уделяли довольно большое внимание проблемам экономической концентрации. Одними из первых исследователей, изучавших концентрацию производства в нашей стране, являются А. Швецов, В. Лексин [12] (Leksin, Shvetsov, 1999), О. Грицай, Г. Иоффе и А. Трейвиш [13] (Gritsay, Ioffe, Treyvish, 1991), занимавшиеся исследованием географической неравномерности советской экономики и ее последствиями для экономики России. Уровень и специфика концентрации экономики СССР также неоднократно подвергалась анализу (например, [14] (Kofanov, Mikhaylova, 2015)).

В дальнейших исследованиях российских ученых особый интерес вызывает эмпирической анализ концентрации производства в Российской Федерации в целом и на уровне отдельных отраслей и регионов. Анализу различных аспектов экономической концентрации в России посвящены работы С. Растворцевой [15] (Rastvortseva, 2018), О. Кузнецовой [16] (Kuznetsova, 2018), С. Грачева [17] (Grachev, 2019), Е. Коломак [18] (Kolomak, 2014), А. Самарухи [19] (Samarukha, 2018), В. Самарухи [20] (Samarukha, 2015), И. Мищенко [21] (Mishchenko, 2012), В. Удалова, А. Колобова [22] (Udalov, Kolobov, 2011), Е. Колодиной [23] (Kolodina, 2019), Н. Джурки [24] (Dzhurka, 2018), Т. Коцофаны и С. Стажковой [25] (Kotsofana, Stazhkova, 2011) и др.

В целом можно отметить, что, несмотря на достаточно большое количество работ, посвященных оценке экономической концентрации на межрегиональном уровне, исследований, в которых проводится анализ концентрации промышленности внутри регионов, практически нет.

Методология

Для оценки экономической концентрации в регионах СФО были выбраны две отрасли: обрабатывающая промышленность и финансовая деятельность. Обрабатывающая промышленность, в отличие от других сфер материального производства (добывающей промышленности и сельского хозяйства), не столь сильно зависит от расположения природных ресурсов. Поэтому уровень ее концентрации во многом определяется именно агломерационными эффектами. Анализ ситуации в финансовой деятельности был проведен с целью сопоставления процессов концентрации в материальном и информационном производстве.

Для оценки концентрации были применены три индекса концентрации: индекс Херфиндаля – Хиршмана, индекс концентрации Кругмана и индекс концентрации CR3. Для их расчета были использованы данные о численности занятых в разрезе муниципальных образований регионов, взятые из базы данных показателей муниципальных образований Росстата [26].

Индекс Херфиндаля – Хиршмана используется для оценки абсолютного уровня экономической концентрации в регионе.

, (1)

где Eij – численность занятых в секторе экономики j в населенном пункте i; Ej – общая численность занятых в секторе экономики j в данном регионе.

Индекс неоднородности Кругмана (KDI) является относительной мерой концентрации.

, (2)

где Ei – общая численность занятых в населенном пункте i; E – общая численность занятых в данном регионе.

Индекс концентрации CR – это показатель, характеризующий долю рынка, приходящуюся на заданное количество самых крупных его участников.

, (3)

Результаты

Нами было проведено исследование динамики концентрации в обрабатывающей промышленности и финансовой деятельности для 10 регионов, входящих в СФО (всего была использована информация о 337 МО). В таблицах 1 и 2 отображена динамика численности занятых в данных отраслях в регионах СФО.

Таблица 1

Динамика численности занятых в обрабатывающей промышленности (чел.)

Регионы
2009
2011
2013
2015
2017
2019
Республика Алтай
1057
976
907
976
694,5
806
Республика Тыва
734,5
623
525
350
106
233
Республика Хакасия
14224
13124
12945
10746
9494
10143
Красноярский край
116305
111867
106982
97269
90391
85022
Иркутская область
100020
94236,2
88632
82527,4
78814,55
76196
Кемеровская область
104757
107284
101272
88340
79631,5
73567
Новосибирская область
106190
103264
98009
91082
88962,77
83331
Томская область
33179
30244
30192
28386
29615
32561
Омская область
81795
80264
78662
77533
68092,5
64314
Алтайский край
86511
84783
80164
73261
65406,5
64645
Источник: рассчитано автором по данным Росстата [26].

Таблица 2

Динамика численности занятых в финансовой деятельности (чел.)

2009
2011
2013
2015
2017
2019
Республика Алтай
559
419
1091
877
698
695
Республика Тыва
1029,5
985
1000
995
1059
931
Республика Хакасия
2797
2790
2873
2359
2236
1979
Красноярский край
14600
14494
16959
15383
12761
12002
Иркутская область
12145,9
12538,3
13935
12519,3
11574
9824
Кемеровская область
13068
12451
13435
11742
11096
9764
Новосибирская область
18820
19529
23765
24081
24379,74
25148
Томская область
5776
5616
5844
5007
5096
4982
Омская область
10877
10504
12728
11718
11044
10599
Алтайский край
12008
12287
12108
11285
10121
10654
Источник: рассчитано автором по данным Росстата [26].

Таблица 1 показывает, что численность занятых в обрабатывающей промышленности за рассматриваемый период снизилась во всех регионах СФО. В частности, в Республике Тыва снижение составило 68,2%, в Кемеровской области – 29,8%, в Красноярском крае – 26,9%, в Иркутской области – 23,8%. Единственным регионом, где снижение было незначительным (1,8%), является Томская область. При этом количество занятых в целом, например, в Иркутской области, снизилось на значительно меньшую величину (на 12,4%). В Республике Тыва уменьшение количества занятых за период с 2013 по 2019 год составило всего 1,9%.

Некоторое сокращение численности занятых в обрабатывающей промышленности наблюдается и в России в целом. С 2009 по 2018 год она снизилась с 10401 тыс. чел. до 10067 тыс. чел. (на 3,21%). Снижение же численности занятых в этой отрасли по всем регионам СФО в целом составило 23,87%.

Численность занятых в сфере финансовых услуг, как видно из таблицы 2, сократилась в меньшей степени, а в Республике Алтай и Новосибирской области, напротив, увеличилась (на 24,3% и 33,6% соответственно). Всего по СФО сокращение занятых в данной сфере составило 5,56%. В стране в целом, напротив, в период с 2009 по 2018 год наблюдался рост занятости в финансовой деятельности (27,14%).

Интересно, что в таблице 2 четко прослеживается влияние кризиса 2014 года (у ряда ведущих регионов до 2014 года наблюдался рост занятости в сфере финансовых услуг). Что касается занятости в обрабатывающей промышленности, то заметных изменений в динамике ее уменьшения после наступления данного события не видно.

Оценим изменения концентрации в рассматриваемых отраслях с помощью индекса Херфиндаля – Хиршмана. Его динамика отображена в таблицах 3 и 4.

Таблица 3

Изменение индекса Херфиндаля – Хиршмана (HHp) в обрабатывающей промышленности (2009–2019 гг.)

2009
2011
2013
2015
2017
2019
Иркутская область
0,145
0,141
0,139
0,151
0,161
0,160
Алтайский край
0,165
0,171
0,179
0,182
0,175
0,197
Кемеровская область
0,249
0,226
0,235
0,243
0,245
0,245
Красноярский край
0,266
0,253
0,258
0,258
0,254
0,265
Республика Хакасия
0,302
0,353
0,352
0,375
0,406
0,438
Томская область
0,706
0,706
0,650
0,625
0,513
0,495
Новосибирская область
0,503
0,519
0,495
0,502
0,527
0,513
Республика Алтай
0,313
0,344
0,412
0,532
0,519
0,564
Омская область
0,776
0,757
0,772
0,768
0,786
0,828
Республика Тыва
0,564
0,646
0,575
0,901
1,000
0,918
Источник: рассчитано автором по данным Росстата [26].

Из таблицы 3 видно, что в 5 регионах за анализируемый период индекс HHp практически не изменился (Красноярский край, Новосибирская область, Алтайский край, Кемеровская область, Иркутская область). Тем не менее отметим, что в Кемеровской области и Красноярском крае произошло незначительное уменьшение концентрации в обрабатывающей промышленности. В 3 регионах наблюдался его значительный рост (Республика Хакасия, Республика Алтай, Республика Тыва), в одном регионе рост был относительно небольшим (Омская область), и только в Томской области снижение значения индекса было существенным.

Таблица 4

Изменение индекса Херфиндаля – Хиршмана (HHf) для сферы финансовых услуг (2009–2019 гг.)

2009
2011
2013
2015
2017
2019
Кемеровская область
0,246
0,258
0,283
0,280
0,290
0,304
Иркутская область
0,318
0,373
0,401
0,432
0,417
0,433
Алтайский край
0,298
0,330
0,371
0,421
0,499
0,550
Красноярский край
0,384
0,439
0,503
0,525
0,567
0,643
Республика Хакасия
0,599
0,547
0,570
0,607
0,650
0,646
Томская область
0,694
0,754
0,778
0,810
0,742
0,765
Новосибирская область
0,758
0,752
0,810
0,841
0,809
0,800
Омская область
0,712
0,711
0,820
0,864
0,873
0,878
Республика Алтай
0,546
0,581
0,836
1,000
0,989
0,983
Республика Тыва
1,000
1,000
1,000
1,000
1,000
1,000
Источник: рассчитано автором по данным Росстата [26].

Таблица 4 показывает, что индекс HHf увеличился за данный период во всех регионах, кроме Республики Тыва, где он изначально имел максимально возможное значение. При этом наибольшие темпы роста концентрации в финансовой деятельности наблюдались в Алтайском крае, Республике Алтай и Красноярском крае.

Для более подробного анализа значений данных индексов концентрации рассмотрим их значения, представленные в таблице 5.

Таблица 5

Изменение индекса Херфиндаля – Хиршмана для обрабатывающей промышленности и сферы финансовых услуг

Регионы
HH p
HH f
Разница между HH f и HH p в 2019 г.
Разница между средним темпом роста HH f и HH p
2009
2019
Средний темп роста
2009
2019
Средний темп роста


Иркутская область
0,145
0,160
1,009
0,318
0,433
1,028
0,272
0,020
Алтайский край
0,165
0,197
1,016
0,298
0,550
1,057
0,353
0,041
Кемеровская область
0,249
0,245
0,999
0,246
0,304
1,020
0,059
0,021
Красноярский край
0,266
0,265
1,000
0,384
0,643
1,048
0,378
0,048
Республика Хакасия
0,302
0,438
1,034
0,599
0,646
1,007
0,208
-0,027
Томская область
0,706
0,495
0,968
0,694
0,765
1,009
0,270
0,041
Новосибирская область
0,503
0,513
1,002
0,758
0,800
1,005
0,287
0,003
Республика Алтай
0,313
0,564
1,055
0,546
0,983
1,055
0,419
0,000
Омская область
0,776
0,828
1,006
0,712
0,878
1,019
0,050
0,013
Республика Тыва
0,564
0,918
1,045
1,000
1,000
1,000
0,082
-0,045
Источник: рассчитано автором по данным Росстата [26].

С точки зрения уровня концентрации, исходя из значений индекса HHp в 2019 году, можно выделить 3 группы регионов. Наибольшая концентрация в обрабатывающей промышленности наблюдается в Республике Тыва и Омской области (HHp > 0,8). Республику Хакасию, Республику Алтай, Томскую и Новосибирскую области можно отнести к регионам со средним уровнем концентрации (0,6 > HHp > 0,4). К регионам с относительно низким уровнем концентрации относятся Алтайский край, Красноярский край, Иркутская и Кемеровская области (HHp < 0,3).

Из таблицы 5 видно, что в регионах с высоким уровнем концентрации обрабатывающей промышленности наблюдается также высокий уровень концентрации финансовой деятельности. Это подтверждается значением линейного коэффициента корреляции между HHp и HHf – 0,882. При этом значения HHf выше, чем HHp для всех регионов СФО. Средние темпы роста HHf выше, чем у HHp для всех регионов, кроме Республики Хакасия и Республики Тыва. Отметим, что сильной взаимосвязи между средними темпами роста HHp и HHf не наблюдается. Линейный коэффициент корреляции между ними равен 0,103.

Теперь измерим уровень концентрации в рассматриваемых отраслях с помощью индекса Кругмана. Поскольку в базе данных показателей муниципальных образований Росстата данные об общей численности занятых для каждого из муниципальных образований регионов СФО публикуются начиная лишь с 2013 года (за исключением 2 регионов), индекс Кругмана рассчитан нами для периода 2013–2019 гг.

Таблица 6

Динамика индекса Кругмана (KDIp) для обрабатывающей промышленности (2009–2019 гг.)

2013
2014
2015
2016
2017
2018
2019
Новосибирская область
0,271
0,272
0,276
0,274
0,282
0,271
0,278
Томская область
0,388
0,397
0,421
0,400
0,410
0,383
0,375
Омская область
0,368
0,362
0,362
0,365
0,397
0,416
0,422
Алтайский край
0,446
0,436
0,430
0,433
0,457
0,463
0,476
Красноярский край
0,485
0,488
0,502
0,491
0,492
0,525
0,541
Иркутская область
0,580
0,560
0,557
0,567
0,561
0,565
0,596
Кемеровская область
0,554
0,569
0,575
0,567
0,613
0,593
0,630
Республика Тыва
0,617
0,848
0,873
0,963
0,955
1,001
0,920
Республика Хакасия
0,691
0,717
0,861
1,007
1,048
1,096
1,100
Республика Алтай
0,934
1,117
1,147
1,060
1,070
1,194
1,178
Источник: рассчитано автором по данным Росстата [26].

Из таблицы 6 видно, что относительно высокие темпы роста KDIp в расчетном периоде наблюдались в 3 регионах (Республика Алтай, Республика Тыва, Республика Хакасия). В остальных регионах значение индекса практически не изменилось. Снижения значения KDIp не было замечено ни в одном из регионов. Динамика KDIp свидетельствует об относительной стабильности структуры экономик муниципальных образований с точки зрения их доли, приходящейся на обрабатывающую промышленность, за исключением вышеуказанных республик.

Таблица 7

Динамика индекса Кругмана (KDIf) для финансовой деятельности (2009–2019 гг.)

2013
2014
2015
2016
2017
2018
2019
Омская область
0,410
0,432
0,450
0,476
0,466
0,475
0,467
Новосибирская область
0,520
0,522
0,562
0,570
0,537
0,560
0,561
Томская область
0,480
0,502
0,530
0,510
0,575
0,579
0,598
Иркутская область
0,624
0,615
0,679
0,695
0,633
0,604
0,654
Кемеровская область
0,543
0,522
0,546
0,566
0,614
0,648
0,660
Алтайский край
0,524
0,551
0,573
0,642
0,683
0,697
0,734
Республика Хакасия
0,674
0,669
0,696
0,694
0,743
0,732
0,747
Красноярский край
0,654
0,659
0,692
0,739
0,739
0,720
0,809
Республика Тыва
1,000
1,000
1,000
1,000
1,000
1,000
1,000
Республика Алтай
1,036
1,223
1,215
1,197
1,192
1,171
1,171
Источник: рассчитано автором по данным Росстата [26].

Таблица 7 показывает, что значение KDIf стабильно увеличивалось на протяжении всего рассматриваемого периода во всех регионах СФО, кроме Республики Тыва. Значение индекса в Республике Тыва оставалось неизменным. Значения индекса говорят о том, что в расчетном периоде в регионах СФО наблюдалась устойчивая тенденция к некоторому увеличению специализации крупных населенных пунктов на финансовой деятельности относительно «периферии».

Значения индекса Кругмана для обрабатывающей промышленности и финансовых услуг приведены в таблице 8.

Таблица 8

Изменение индекса Кругмана для обрабатывающей промышленности и сферы финансовых услуг


2013
2019
Средний темп роста
2013
2019
Средний темп роста
Разница между KDIf и KDI p
Разница между темпом роста KDIf и KDI p
Новосибирская область
0,271
0,278
1,004
0,520
0,561
1,011
0,283
0,007
Томская область
0,388
0,375
0,995
0,480
0,598
1,032
0,223
0,037
Омская область
0,368
0,422
1,020
0,410
0,467
1,019
0,046
-0,001
Алтайский край
0,446
0,476
1,009
0,524
0,734
1,049
0,258
0,040
Красноярский край
0,485
0,541
1,016
0,654
0,809
1,031
0,268
0,015
Иркутская область
0,580
0,596
1,004
0,624
0,654
1,007
0,058
0,003
Кемеровская область
0,554
0,630
1,018
0,543
0,660
1,028
0,030
0,010
Республика Тыва
0,617
0,920
1,059
1,000
1,000
1,000
0,080
-0,059
Республика Хакасия
0,691
1,100
1,069
0,674
0,747
1,015
-0,352
-0,054
Республика Алтай
0,934
1,178
1,034
1,036
1,171
1,018
-0,007
-0,016
Источник: рассчитано автором по данным Росстата [26].

Из таблицы видно, что наибольшие значения KDIp на конец рассматриваемого периода принимает в Республике Алтай, Республике Хакасия и Республике Тыва. В этих же регионах он показывает и самые высокие темпы роста. Практически для всех анализируемых регионов значение KDIf выше, чем для KDIp (кроме Республики Хакасия и Республики Алтай). При этом между индексами, рассчитанными для данных отраслей, наблюдается довольно сильная взаимосвязь (линейный коэффициент корреляции равен 0,798). Темпы роста KDIp выше, чем темпы роста KDIf для четырех регионов (Омская область, Республика Тыва, Республика Хакасия, Республика Алтай). Показательно, что при низком уровне корреляции между HHp и KDIp (0,197) превышение темпов роста HHp над HHf наблюдается фактически в тех же регионах.

Линейный коэффициент корреляции KDIp и HHp равен 0,768, что говорит о довольно тесной связи между абсолютной концентрацией в обрабатывающей промышленности и ростом специализации крупных населенных пунктов (центра) на данной отрасли.

Далее рассмотрим изменения концентрации в рассматриваемых отраслях в крупнейших населенных пунктах регионов СФО. Для этого мы используем индекс Сr3.

Таблица 9

Динамика индекса Cr3 для обрабатывающей промышленности (2009–2019 гг.)

2009
2011
2013
2015
2017
2019
Новосибирская область
0,783
0,797
0,789
0,794
0,810
0,804
Томская область
0,937
0,937
0,923
0,937
0,925
0,890
Омская область
0,927
0,927
0,936
0,945
0,957
0,969
Алтайский край
0,603
0,608
0,626
0,632
0,625
0,661
Красноярский край
0,724
0,723
0,735
0,747
0,741
0,755
Иркутская область
0,614
0,605
0,598
0,629
0,652
0,651
Кемеровская область
0,719
0,684
0,697
0,711
0,705
0,708
Республика Тыва
0,875
0,934
0,918
1,000
1,000
1,000
Республика Хакасия
0,830
0,868
0,886
0,905
0,931
0,925
Республика Алтай
0,832
0,840
0,872
0,913
1,000
1,000
Источник: рассчитано автором по данным Росстата [26].

Значения индекса Сr3 показывают, что практически во всех регионах происходит процесс концентрации обрабатывающей промышленности в наиболее крупных населенных пунктах, что подтверждает выводы, сделанные на основе анализа HHp. При этом наибольшая концентрация достигается в наименее экономически развитых регионах. В этих же регионах наблюдаются наиболее высокие темпы роста Cr3. Из данной картины выбиваются Томская область, где значение индекса Сr3 снижается на протяжении всего рассматриваемого периода, а также Кемеровская область.

Для того чтобы определить факторы, влияющие на уровень концентрации в обрабатывающей промышленности, рассчитаем ряд линейных коэффициентов корреляции.

Таблица 10

Линейные коэффициенты корреляции для индексов концентрации и некоторых региональных характеристик


Валовой региональный продукт (ВРП)
Численность населения
Доля сельского населения
HHp на 2009 г.
KDIf
Площадь региона
HHp
-0,48824
-0,58018
0,355413


-0,3692
Средние темпы роста HHp (2009–2019 гг.)
-0,66454

0,745874
-0,12613

-0,26779
KDIp
-0,42668
-0,75826
0,640805

0,798256

-0,3183
HHf
-0,40451


0,543978

0,317127
-0,16785
Источник: рассчитано автором по данным Росстата [26].

Значения приведенных в таблице коэффициентов позволяют увидеть следующее.

Для HHp наблюдается умеренная обратная зависимость с ВРП и площадью региона, умеренная зависимость с долей сельского населения и заметная обратная зависимость с численностью населения.

Для средних темпов роста HHp наблюдается заметная обратная зависимость с ВРП, высокая зависимость с долей сельского населения и слабый уровень зависимости с начальным значением HHp.

Для индекса KDIp имеет место умеренная обратная зависимость с ВРП, высокая обратная зависимость с численностью населения, заметная прямая зависимость с долей сельского населения.

Интерпретация результатов

Анализ эмпирических данных показал, что концентрация производства усиливается как в обрабатывающей промышленности, так и в финансовой деятельности. На данный процесс влияют ряд факторов. Во-первых, это «горизонтальные» (межотраслевые) и «вертикальные» (внутриотраслевые) положительные внешние эффекты, рассмотренные Маршаллом и Джекобс, а во-вторых, это изменения в сфере информационных и промышленных технологий. Автоматизация производственных и управленческих процессов приводит к двум важным с точки зрения пространственной концентрации последствиям: замена труда капиталом и отделение интеллектуальной подсистемы производства от материальной рутинной [2]. В результате потребность в человеческом капитале на периферии снижается, а работники интеллектуальной сферы, получив возможность взаимодействовать с производством удаленно, начинают перемещаться в центр в поисках более высокого уровня жизни.

Процесс автоматизации бизнес-процессов и отделения системы управления от системы производства в финансовой сфере происходит быстрее, чем в промышленности, поскольку первая носит более информационный характер. Поэтому уровень концентрации занятости в обрабатывающей промышленности ниже, чем в финансовой деятельности, во всех регионах СФО. При этом темпы роста концентрации обрабатывающей промышленности ниже, чем темпы роста концентрации финансовых услуг, кроме наименее развитых регионов.

В ходе работы было обнаружено, что разброс в уровнях концентрации в обрабатывающей промышленности в регионах выше, чем в финансовой деятельности. Это можно объяснить тем, что сфера финансовых услуг меньше зависит от специфики экономики населенного пункта и его местоположения, чем обрабатывающая промышленность. Уровень концентрации в сфере финансовых услуг зависит скорее от уровня концентрации населения и экономики в целом.

Еще одним важным результатом работы является выявление того факта, что в экономически более развитых регионах СФО темпы роста концентрации обрабатывающей промышленности в центре ниже (в некоторых из которых темпы роста концентрации являются отрицательными), чем в менее развитых. Данная закономерность является следствием следующих процессов.

Во-первых, рост концентрации населения и капитала в центре помимо положительных экстерналий в определенный момент начинает вызывать и отрицательные. К ним можно отнести рост цен на жилую и коммерческую недвижимость, пробки на дорогах, усугубление экологических проблем, рост стоимости рабочей силы и пр. Как только предельные издержки от перемещения в центр начинают превышать предельные выгоды, центробежные силы становятся сильнее центростремительных [3].

Во-вторых, снижение коммуникационных издержек, как информационных, так и транспортных, позволяет экономическим субъектам пользоваться благами, создаваемыми в центре, а также получить доступ к рынку труда, не покидая периферийных территорий во все большем объеме.

В результате кривая, показывающая зависимость между развитием агломерации и стремлением к концентрации работников и предприятий на данной территории, приобретает колокообразную форму. То есть до определенного момента данная зависимость является положительной, а затем, после прохождения некоего пика, становится отрицательной. Экономически менее развитые регионы находятся на участке с положительным наклоном, а наиболее развитые – постепенно переходят к участку с отрицательным наклоном.

В целом процесс концентрации производства в «центре» может привести к довольно негативным последствиям для населения «периферии». В частности, можно отметить рост разрыва в реальной заработной плате и уровне занятости между центральными и периферийными территориями, а также отток наиболее квалифицированной рабочей силы из периферии в центр из-за нехватки соответствующих рабочих мест. При этом развитие коммуникационных технологий может усугубить рост неравенства. Дело в том, что при объединении рынков центра и периферии велика вероятность появления эффекта Райнерта [27] (Raynert, 2011). Другими словами, население и предприниматели периферии, будучи не в силах конкурировать с центром в производстве интеллектуальных услуг и высокотехнологичных товаров, будут вынуждены сконцентрироваться на малоприбыльной рутинной деятельности. Поэтому государство, одной из целей которого является политика выравнивания доходов, должно осознавать данную проблему и предпринимать определенные меры для ее смягчения. В частности, этому может способствовать развитие удаленной занятости и человеческого капитала на периферии.

Заключение

В ходе исследования процессов концентрации занятости в обрабатывающей промышленности и финансовой деятельности в СФО были получены следующие результаты:

1. Уровень концентрации в обрабатывающей промышленности ниже, чем в финансовой деятельности, во всех регионах СФО. При этом темпы роста концентрации обрабатывающей промышленности ниже, чем темпы роста концентрации финансовых услуг, кроме наименее развитых регионов.

2. Специализация центра (крупнейших населенных пунктов) на обрабатывающей промышленности и финансовых услугах по сравнению с периферией увеличивается.

3. Уровень концентрации как обрабатывающей промышленности, так и сферы финансовых услуг выше в менее развитых (с точки зрения ВРП и доли сельского населения) и менее населенных регионах.

4. Разброс в уровнях концентрации в обрабатывающей промышленности в регионах выше, чем в финансовой деятельности (как по HH, так и по KDI).

5. Связь между индексом HH и индексом Кругмана слабая. Это означает, что более высокий уровень концентрации обрабатывающей промышленности в регионе необязательно означает, что в его крупных городах доля данного сектора экономики выше, чем в других.

6. Несмотря на относительно низкие значения линейных коэффициентов корреляции, отражающих зависимость между уровнем концентрации обрабатывающей промышленности и площадью региона, их отрицательные значения как для HH, так и для KDI указывают на наличие обратной связи между данными показателями.

Процесс концентрации занятости в рассматриваемых отраслях объяснятся соответствующими вертикальными и горизонтальными положительными внешними эффектами, а также автоматизацией производства и появлением возможности удаленно управлять рутинными операциями на периферии.

Данная тенденция может привести к росту разрыва в уровне развития между центром и периферией, что обуславливает необходимость некоторого вмешательства государства.

[1] Например, доля инвестиций, направленных на реконст­рукцию и модернизацию, в общем объеме инве­стиций по Северо-Кавказскому округу составила 20,9%, по Цен­тральному федеральному округу – 17,1%, по Уральскому – 14,3%, по Дальневосточному – 9,3% при среднем показателе по РФ 16,1% [1] (Sokolova, Gnilskaya, 2019).

[2] Например, бухгалтеру, юристу и маркетологу можно обслуживать потребности предприятия с помощью информационных технологий, не находясь рядом с ним физически.

[3] Данный процесс, в частности, рассматривается на примере г. Москвы в работе О. Кузнецовой [16] (Kuznetsova, 2018).


Источники:

1. Соколова Л. Г, Гнильская Т. С. Теоретические аспекты формиро-вания промышленной политики России // Проблемы социально-экономического развития Сибири. 2019. № 3 (37). С. 49-56.
2. Тюнен И. Изолированное государство. М.: Экономическая жизнь. 1926.
3. Гранберг А. Г. Основы региональной экономики. М.: ГУ ВШЭ. 2000.
4. Вебер А. Теория размещения промышленности. М.: Изд-во Книга. 1926.
5. Reilly W. J. The law of retail gravitation. New York. 1931.
6. Маршалл А. Принципы экономической науки. Москва: Прогресс. 1993.
7. Перру Ф. Экономическое пространство: теория и приложения // Про-странственная экономика. 2007. №2. С. 92-126.
8. Krugman P. Increasing returns and economic geography // Journal of Po-litical Economy. 1991. Vol. 99. Pp. 483-499.
9. Venables A. J. Equilibrium Locations of Vertically Linked Industries // In-ternational Economic Review. 1996. Vol. 37(2). Pp. 341-359.
10. Jacobs J. The economy of cities. New York, Random House. 1969.
11. Ширинкина А. Ю., Астафьев С. А., Макарова А. А. Инвестиционная привлекательность комплексного развития территории // Известия Байкальско-го государственного университета. 2019. Т. 29, № 4. С. 670-677. DOI: 10.17150/2500-2759.2019.29(4).670-677.
12. Лексин В. Н., Швецов А. Н. Общероссийские реформы и территори-альное развитие // Российский экономический журнал. 1999. № 4. С. 54-66.
13. Грицай О., Иоффе Г., Трейвиш А. Центр и периферия в региональном развитии. М.: Наука. 1991.
14. Кофанов Д., Михайлова Т., Шурыгин А. Географическая концентра-ция советской промышленности: сравнительный анализ // Журнал Новой Эко-номической Ассоциации. 2015. № 4 (28). С. 112–141.
15. Растворцева С. Н. Экономическая активность регионов России // Экономические и социальные перемены: факты, тенденции, прогноз. 2018. Т. 11. № 1. С. 84-99. DOI: 10.15838/esc/2018.1.55.6.
16. Кузнецова О. В. Концентрация экономической активности в Москве и Санкт-Петербурге: масштабы, факторы, последствия для городов // Пробле-мы развития территории. 2018. № 5(97). С. 26-40. DOI: 10.15838/ptd.2018.5.97.2.
17. Грачев С. А. Оценка уровня концентрации ресурсов инновационного развития в регионах Центрального федерального округа // Экономические от-ношения. 2019. Т. 9, № 2. С. 1229-1238. DOI: 10.18334/eo.9.2.40652.
18. Коломак Е. А. Пространственная концентрация экономической ак-тивности в России // Пространственная экономика. 2014. № 4. С. 82-99.
19. Самаруха А. В. Актуальные направления оздоровления экономики регионов и муниципальных образований Сибири // Baikal Research Journal. 2018. Т. 9, № 3. DOI: 10.17150/2411-6262.2018.9(3).7. [Электронный ресурс]. URL: http://brj-bguep.ru/reader/article.aspx?id=22233 (дата обращения: 03.06.2020).
20. Самаруха В. И. Кластерная форма организации сельскохозяйственно-го производства в регионе: возможности и перспективы развития // Сибирская финансовая школа. 2015. № 5 (112). С. 14-19.
21. Мищенко И. В. Пространственные аспекты устойчивого развития сельских территорий // Вестник Томского государственного университета. Экономика. 2012. № 3 (19). С. 95-102.
22. Удалов B. C., Колобов А. О. Система «центр-периферия» в современ-ном политическом процессе // Вестник Нижегородского государственного университета им. Н.И. Лобачевского. 2011. №2. С. 297-301.
23. Колодина Е. А. Исследование результативности выравнивающей ре-гиональной политики в Российской Федерации // Региональная экономика и управление: электронный научный журнал. 2019. №4 (60) [Электронный ре-сурс]. URL: https://eee-region.ru/article/6007/ (дата обращения: 03.06.2020).
24. Джурка Н. Г. Пространственная концентрация промышленного про-изводства в России: тестирование эффекта внутреннего рынка // Простран-ственная экономика. 2018. № 3. С. 19-42.
25. Коцофана Т. В., Стажкова П. С. Сравнительный анализ применения показателей концентрации на примере банковского сектора РФ // Вестник СПбГУ. 2011. Сер. 5, вып.4. С. 30-40.
26. База данных показателей муниципальных образований [Электронный ресурс] // Росстат. URL: https://www.gks.ru/dbscripts/munst/ (дата обращения: 03.06.2020).
27. Райнерт Э. Как богатые страны стали богатыми, и почему бедные страны остаются бедными. М.: ГУ ВШЭ. 2011.

Страница обновлена: 21.08.2020 в 18:43:08