Эконометрический анализ факторов роста производительности труда на уровне страны и региона

Введение

Как показывают статистические исследования, уровень производительности труда является значимым фактором экономического роста, повышения конкурентоспособности национальных экономик и влияет на скорость преодоления странами экономических кризисов [1, 2] (Shkiotov, Markin, 2018; Auzina-Emsina, 2014). Исторически исследования производительности труда стали развитием методов анализа факторов и причин экономического роста [3] (Zimnyakova, Samusenko, 2020). Модели экономического роста Р. Солоу [4] (Solow, 1957) и Я. Тинбергена [5] (Tinbergen, 1942), предложенные авторами независимо друг от друга, а также более поздняя модель П. Ромера [6–8] (Mankiw et al., 1992; Romer, 1987; Romer, 1986) стали основой для двух наиболее распространенных в анализе производительности труда стран и отраслей методов growth accounting [ 9, 10] (Caselli, 2005; Timmer et al., 2010) и level accounting [11–13] (Barro, 1991b; Zaitsev, 2016; Zaitsev, 2017). Начиная с 1950-х гг. эти методы широко применялись в межстрановых сравнениях факторов, определяющих рост производительности труда [14, 15] (Barro, 1991a; Gollop et al., 1987). Они позволили сделать корректные сопоставления вкладов трех основных факторов, человеческого капитала, основного (физического) капитала и уровня технологического развития экономики, в рост производительности труда различных стран и сравнить таким образом траектории их экономического роста.

Однако методы level accounting и growth accounting обладают очевидными ограничениями. Во-первых, они требуют сложной и трудоемкой адаптации к региональному или отраслевому уровням анализа, и по этой причине исследования такого рода редки [4, 5] (Solow, 1957; Tinbergen, 1942). Во-вторых, методика анализа ограничивается моделью из трех факторов, в числе которых многофакторная производительность (МФП), которая отражает уровень технологического развития экономики и вычисляется как неразложимый остаток. При этом, как справедливо отмечает А.А. Зайцев, МФП может включать плохую организацию занятости, низкое качество менеджмента и планирования, потери рабочего времени и прочие, нетехнологические факторы неэффективности. К последним относится неэффективность институтов – правового регулирования и законодательства, чрезмерного контроля и государственного вмешательства, уровень коррупции, качество экономической политики [13, с. 39–40] (Zaitsev, 2017, p. 39–40).

В отличие от методов анализа производительности труда, основанных на моделях экономического роста, эконометрические методы анализа [16] (Huang, Liu, 2017) дают возможность оценить влияние иных факторов роста, включая институциональные (уровень государственных расходов, налоговая политика, условия ведения бизнеса) и инфраструктурные. Безусловно, эконометрические методы не лишены недостатков: результаты расчетов в значительной степени зависимы от анализируемой выборки стран и регионов и временного периода [3, с. 14] (Zimnyakova, Samusenko, 2020, p. 14).

Исследования динамики и факторов роста производительности труда в России показывают, что в настоящее время общенациональный рост производительности труда поддерживается регионами, имеющими особые конкурентные преимущества в силу обеспеченности природными ресурсами (Тюменская область) или столичного статуса (г. Москва); более того, такая конфигурация экономического пространства России является крайне консервативной и не поддается значительным изменениям [17, с. 51–53] (Lavrovsky, 2017, p. 51–53). Процессы пространственной концентрации экономической активности сопровождаются опережающим ростом производительности труда в тех регионах России, где такая активность сосредоточена, и замедляющимся ростом – в регионах, отстающих по темпам концентрации производства. Этот процесс способствует поляризации: доля регионов с производительностью труда, близкой к среднероссийскому уровню, сокращается [18, с. 144] (Bufetova, 2017, p. 144).

Лидирующие по темпам роста производительности труда регионы представлены тремя группами: (1) ресурсодобывающими, имеющими значительные мощности и инвестиции; (2) регионами с базовым низким уровнем производительности, демонстрирующими эффект «нулевой базы»; (3) регионами с преобладанием обрабатывающих производств либо диверсифицированной структурой экономики, чей рост обусловлен модернизацией существующих и созданием новых производств [19, с. 89] (Mikheeva, 2015, p. 89).

Выраженные межрегиональные различия в производительности труда связаны с различающейся динамикой этого показателя в разных видах экономической деятельности: в России наблюдается более высокая отраслевая дифференциация производительности труда по отношению к межрегиональной [19] (Mikheeva, 2015). По этой причине ресурсные регионы в целом отличаются более высоким уровнем производительности труда, чем нересурсные; среди группы ресурсных регионов лидерами по производительности выступают моноотраслевые регионы с доминирующим нефтегазовым комплексом, что обусловлено в числе прочего высокой долей рентной составляющей в валовом региональном продукте и низкой долей живого труда [20, с. 1313] (Nagaeva, Popodko, 2019, p. 1313).

По этой причине цель исследования заключается в эконометрическом анализе факторов роста производительности труда на национальном и региональном уровнях. Авторская гипотеза состоит в предположении, что факторы роста производительности труда на уровне страны и региона являются схожими, однако степень их влияния различна. В качестве объекта исследования регионального уровня нами выбран Красноярский край – типичный представитель ресурсных регионов, с высокой долей в структуре добавленной стоимости нефтедобывающей промышленности и цветной металлургии, один из лидеров по производительности в России. Обладающий научной новизной результат заключается в выявлении на основе модели линейной регрессии групп факторов, относящихся к уровню жизни, качеству человеческого капитала, объему и структуре физического капитала, степени технологического развития и оказывающих различное по направленности и интенсивности влияние на уровень производительности труда страны в целом и ресурсного региона в частности.

Методы исследования

В рамках исследования использован стоимостной метод оценки производительности труда, основанный на методике Международной организации труда (МОТ) [1]:

, (1)

при этом для обеспечения сопоставимости показателей на региональном и национальном уровнях в качестве измерителя валовой добавленной стоимости (ВДС) использован показатель валового регионального продукта в текущих основных ценах (ВРП). Для страны использовано значение совокупного ВРП регионов, наблюдаемое национальной статистикой [2]. При межстрановых сопоставлениях производительности труда в качестве измерителя затрат труда обычно используют фактически отработанные работниками часы на всех видах работ; выбор этого измерителя позволяет нивелировать различия, связанные с различной продолжительностью рабочего времени в трудовом законодательстве разных государств [3]. Поскольку в настоящей работе в качестве сравниваемых объектов выбраны страна и регион, существующие в едином правовом пространстве, использование рекомендованного МОТ измерителя, среднегодовой численности занятых в экономике, не вносит искажений в методологию исследования. Таким образом, результирующим показателем исследования (и зависимой переменной в эконометрических моделях) является производительность труда на одного работающего в тыс. руб.

Для измерения влияющих на производительность труда факторов уровня жизни, качества человеческого капитала, физического капитала и технологического развития нами использованы значимые индикаторы социально-экономического развития страны и региона: всего выбраны и проанализированы 26 значимых показателей для России и 29 показателей для Красноярского края: три показателя не были представлены в федеральной статистике [4]. Из числа влияющих индикаторов (независимых переменных, см. табл. 1) три, представляющие собой долевые соотношения, были рассчитаны автором. К ним относятся: доля оплаты труда в ВРП (%), доля валовой прибыли и иных смешанных доходов в ВРП (%), доля конечного потребления домашних хозяйств в ВРП. Данные для расчетов были получены из федеральной статистики валового регионального продукта, измеренного по доходам [5]. Расчет долевых показателей производился с использованием формулы вида:

. (2)

Все остальные используемые в исследовании независимые переменные являются непосредственно наблюдаемыми федеральной и региональной статистикой. Данные о них были получены из витрин и статистических рядов Росстата и Красноярскстата. Для получения достоверных результатов были построены лонгитюдные ряды соответствующих индикаторов за 2000–2019 гг.

Мы исходили из предположения, что факторы и индикаторы социально-экономического развития будут оказывать разное по силе и направленности воздействие на рост производительности труда в регионе и стране, что обусловлено, во-первых, степенью агрегирования информации, во-вторых, различиями в специфике и исторических особенностях их развития.

Для выявления факторов, оказывающих наибольшее влияние на уровень производительности труда, были построены корреляционные матрицы индикаторов социально-экономического развития. В качестве показателя тесноты связи между двумя метрическими показателями выборки (как зависимой, так и набором независимых переменных) использовался линейный коэффициент корреляции Пирсона:

, (3)

при , (4)

, (5)

где – линейный коэффициент корреляции Пирсона [-1; +1], показывающий тесноту связи между переменными x, y;

– ковариация переменных x,y;

– дисперсия переменных x и y соответственно;

– среднее значение динамического ряда переменных x, y, соответственно, при – значениях переменных в момент времени (год) t, где t изменяется от 1 до n.

Используемые корреляционные матрицы (для страны и региона соответственно) [6] имели вид:

. (6)

На втором этапе исследования для оценки силы связи и степени воздействия каждого из выявленных на этапе корреляционного анализа индикаторов социально-экономического развития на производительность труда нами построены уравнения регрессии. При этом в качестве зависимой переменной и в регионе, и в стране выбран показатель производительности труда на одного работающего.

Набор независимых переменных для страны и региона различался, что было обусловлено разными значениями полученных коэффициентов корреляции и необходимостью исключения фактора мультиколлинеарности. Мультиколлинеарность – это корреляция между факторными (независимыми) переменными. Если между факторами существует высокая корреляция, то нельзя определить их изолированное влияние на результат, и параметры уравнения регрессии оказываются бессмысленными. Поэтому один из таких факторов рекомендуется исключать. Считается, что две переменные x, y явно коллинеарны, если ≥ 0,7. Таким образом, из числа первоначально отобранных независимых переменных для построения эконометрических моделей были исключены переменные, обладающие мультиколлинеарностью по данным корреляционных матриц.

В итоге оставленными в эконометрических моделях независимыми переменными для России стали: уровень безработицы, фактическое потребление домашних хозяйств, уровень образования занятого населения, стоимость основных производственных фондов, затраты на исследования и разработки, затраты на технологические инновации, инвестиции в основной капитал и внешнеторговый оборот. В качестве независимых переменных для края нами выбраны переменные, имеющие высокую и очень высокую тесноту связи с производительностью труда, по данным корреляционного анализа, и не обладающие мультиколлинеарностью: уровень выбросов в атмосферу; уровень безработицы; доля занятого населения с высшим образованием; число людей, посещающих спортивные секции; стоимость основных производственных фондов; число действующих предприятий; услуги в сфере телекоммуникаций; затраты на исследования и разработки; число используемых передовых технологий; инвестиции в основной капитал. При помощи программного продукта IBM SPSS Statistics построены уравнения линейной регрессии с одной независимой переменной и несколькими независимыми переменными. Общий вид модели:

(7)

при (8)

где – случайная ошибка модели, регрессор (фактор модели, независимая переменная), коэффициент регрессии (параметр, отражающий степень влияния фактора на результат), j – порядковый номер фактора при общем числе факторов n, константа модели, показывающая значение функции при нулевых значениях всех факторов. Параметры уравнения парной линейной регрессии (модель с одной независимой переменной) были получены путем пошагового исключения факторов по мере уменьшения их значимости и оставления фактора, имеющего наибольшую значимость. Параметры уравнения множественной регрессии (модель с несколькими независимыми переменными) получены путем принудительного включения в модель отобранных факторов [7].

Результаты

По результатам корреляционного анализа результата (зависимой переменной) и факторов за период 2011–2019 гг. установлено, что большая часть исследованных нами индикаторов имеет одинаково сильную связь с уровнем производительности труда как в России, так и в Красноярском крае (табл. 1).

Таблица 1

Коэффициенты корреляции Пирсона для уровней производительности труда и важнейших индикаторов социально-экономического развития Российской Федерации и Красноярского края

В частности, выявлены одинаково значимые для России и региона сильные зависимости между уровнями производительности труда и уровнем жизни и качеством человеческого капитала (фактическим потреблением домашних хозяйств, среднедушевыми доходами, среднемесячной номинальной начисленной заработной платой, долей образованного населения); национальным богатством (наличием и обновлением основных фондов, инвестициями в основной капитал), деловой активностью (числом предприятий и организаций), технологическим развитием (объемом телекоммуникационных услуг, числом используемых передовых технологий, затратами на технологические инновации и объемом инновационных товаров). Коэффициенты корреляции, построенные для страны и региона, могут при этом незначительно различаться.

Кроме того, выявлены одинаково сильные отрицательные связи между уровнем производительности труда и безработицей, а также загрязнениями окружающей среды в России и Красноярском крае.

Также следует отметить отсутствие связи между производительностью труда и имущественным неравенством (индексом концентрации и коэффициентом дифференциации доходов): то есть производительность труда будет расти, если усредненный по стране или региону уровень жизни населения как минимум не будет снижаться и как максимум будет увеличиваться. При этом не имеет значения, за счет какой части населения будет обеспечиваться прирост доходов: если бедные будут беднеть, богатые будут богатеть, но средний уровень жизни при этом не снизится, это не окажет влияния на производительность труда.

Таким образом, из 26 связанных с производительностью труда наблюдаемых статистикой и в регионе, и в стране индикаторов 15 демонстрируют схожие тренды и типы зависимостей. Такая синхронность свидетельствует об общности процессов и единстве факторов, оказывающих влияние на производительность труда на региональном и национальном уровнях. Более того, полученные нами результаты подтверждают полученные российскими [12, 13, 20, 21] (Zaitsev, 2016; Zaitsev, 2017; Nagaeva, Popodko, 2019; Voskoboynikov, 2012) и зарубежными [9, 14, 16, 22] (Caselli, 2005; Barro, 1991a; Huang, Liu, 2017; Timmer et al., 2007) авторами выводы о ключевой роли факторов человеческого капитала, технологического развития и физического капитала для роста производительности труда.

Кроме того, отдельный интерес представляют наблюдаемые по результатам корреляционного анализа асинхронные тренды, когда одни и те же индикаторы социально-экономического развития демонстрируют разную направленность и силу связи с уровнем производительности труда в стране и в регионе. Анализ выявил пять типов такого рода несовпадений (выделенные желтым ячейки в табл. 1).

1. Значимая отрицательная связь между численностью рабочей силы и уровнем производительности труда в Красноярском крае и сильная положительная зависимость между аналогичными показателями в стране, по-видимому, демонстрируют особенности найма и институциональной модели рынка труда в регионе. Сырьевая направленность экономики региона сдерживает предложение рабочих мест, а производительность труда обеспечивается деятельностью трех отраслей – добывающей, металлургической и энергетической. Поскольку число рабочих мест в этих сферах деятельности ограничено, увеличение или уменьшение предложения рабочей силы на рынке не приводит к изменениям занятости и производительности в ключевых отраслях, генерирующих стоимость. Напротив, общий рост численности рабочей силы через специфические институциональные механизмы регулирования занятости и безработицы может привести к росту неполной занятости в других отраслях и пропорциональному снижению в них ВДС в расчете на одного занятого.

2. Сильная отрицательная связь уровня производительности труда и численности персонала, занятого исследованиями и разработками, в России, и отсутствие такой связи в Красноярском крае. Этот фактор обусловлен общероссийском трендом на абсолютное снижение численности научного, научно-технического и вспомогательного персонала в наблюдаемом периоде: если в 2000 г. его численность в стране составляла 887,7 тыс. чел., то к концу 2019 г. она снизилась до 682,6 тыс. чел [8]. Это связано с длительными реформами, направленными на демонтаж основ социального государства и сопровождающимися сокращением численности научных организаций, вузов, а также научных работников и профессорско-преподавательского состава. Поскольку производительность труда в наблюдаемом периоде демонстрировала восходящий тренд, математический расчет показал отрицательную зависимость между нею и численностью научного персонала, хотя между этими явлениями (ростом производительности труда и снижением численности научного персонала) нет причинно-следственной связи.

3. Аналогичными причинами обусловлена и другая парадоксальная зависимость: сильная положительная связь между уровнем заболеваемости населения и ростом производительности труда в России и средней силы связь – в Красноярском крае. Очевидно, что эти зависимости не могут быть интерпретированы как причина и следствие: рост производительности труда не приводит к росту заболеваемости, и наоборот, рост заболеваемости не может способствовать росту производительности труда. Это пример так называемой ложной корреляции, связи показателей через другой объясняющий фактор. Как показано в наших предшествующих работах [23] (Samusenko et al., 2018), многолетняя реформа здравоохранения привела к существенному сокращению численности врачей, среднего медицинского персонала, снижению коечного фонда в стационарах и доступности амбулаторной и поликлинической медицинской помощи. Кроме того, начиная с 2013 г. происходит сокращение доли расходов на здравоохранение в бюджетах всех уровней. Эти процессы оказывают существенное влияние на рост заболеваемости населения, который, впрочем, часто объясняется улучшением качества диагностики.

4. Сильная положительная корреляция между производительностью труда и износом основных фондов в России и средняя зависимость между этими показателями в Красноярском крае. По нашему мнению, это еще один пример ложных корреляций, обусловленных общероссийским трендом на старение основных фондов: если в 2000 г. их средний износ составлял 39,9%, то в 2018 г. – уже 46,6%, а своего максимума в 49,4% он достиг в 2014 г. По предварительным статистическим данным, на конец 2020 г. средний износ сократился до 38,0% [9]. Таким образом, имеет место простое совпадение тенденций роста производительности труда и основных фондов, которое не обозначает причинно-следственных связей между ними. Это подтверждает пример Красноярского края: износ основных фондов здесь вырос с 37,2% в 2000 г. до 46,8% в 2019 г., но пик старения пришелся на 2007 г. (48,6%) [10]. Такой более ровный и смещенный тренд дал показал меньшую силу связи с производительностью труда (коэффициент корреляции Пирсона – 0,57).

5. Высокий уровень корреляции между внешнеторговым оборотом и производительностью труда в России (0,75) и слабый (0,36) – в Красноярском крае. Асимметрия такого рода является подтверждением гипотезы об эффекте автономности добывающей промышленности ресурсных регионов, выраженной в форме оттока из региона доходов от ресурсной ренты [24, с. 106–107] (Popodko, Zimnyakova, 2018, p. 106–107). Реализация экспортных товаров, добываемых в крае, равно как и закупка импортных товаров и технологий, происходит централизованно: таким образом, воздействие экспорта и импорта на производительность труда проявляется на уровне страны, тогда как для типичного ресурсного региона этот эффект невелик.

В таблицах 2 и 3 приведены параметры (коэффициенты, см. формулы 7, 8) уравнений линейной регрессии с одной и несколькими независимыми переменными, построенными для анализа факторов, влияющих на производительность труда в Российской Федерации. Аналогичные уравнения линейной регрессии с одними и несколькими переменными были построены для описания динамики производительности труда в Красноярском крае. В таблице 4 приведены коэффициенты и параметры уравнения линейной регрессии с одной независимой переменной, в таблице 5 – уравнения линейной регрессии с несколькими независимыми переменными.

Таблица 2

Параметры уравнения линейной регрессии для описания динамики производительности труда в России (зависимая переменная), модель с одной независимой переменной

Таблица 3

Параметры уравнения линейной регрессии для описания динамики производительности труда в России (зависимая переменная), модель с несколькими независимыми переменными

Таблица 4

Параметры уравнения линейной регрессии для описания динамики производительности труда в Красноярском крае (зависимая переменная), модель с одной независимой переменной

Таблица 5

Параметры уравнения линейной регрессии для описания динамики производительности труда в Красноярском крае (зависимая переменная), модель с несколькими независимыми переменными

Сравнение данных полученных моделей для Российской Федерации и Красноярского края подтверждает относительную значимость разных факторов, что демонстрируют модели с одной независимой переменной: для страны значимым является уровень фактического потребления домашних хозяйств, то есть наиболее выражена зависимость от уровня жизни, для региона – стоимость основных производственных фондов, то есть более выражена зависимость от физического капитала.

Модели с несколькими независимыми переменными имеют различную объяснительную силу, зависящую от перечня и сочетаемости включенных в них переменных. Так, модель с несколькими независимыми переменными, сформированная для России, демонстрирует положительную зависимость производительности труда от уровня жизни и качества человеческого капитала, стоимости основных фондов и внешнеторгового оборота (рис. 1). Отмечена обратная зависимость (по значениям коэффициентов регрессии) от технологического фактора – затрат на исследования и разработки и технологические инновации. Также модель демонстрирует отрицательное воздействие инвестиций в основной капитал, что может быть объяснено замедлением отдачи в форме производительности от инвестиций – этот тренд проявлен на рисунке 1. Замедление отдачи может быть связано в том числе с нерациональной структурой инвестиций, когда смещение приоритетов в инвестировании на физический капитал и связанное с этим недоинвестирование человеческого капитала приводят к замедлению роста производительности труда.

Рисунок 1. Диаграммы рассеивания, отражающие динамику производительности труда в связи с индикаторами социально-экономического развития,

Российская Федерация, 2000–2019 гг.

Источник: расчеты автора.

Модель с несколькими независимыми переменными, рассчитанная для Красноярского края, демонстрирует парадоксальное обратное влияние на производительность труда факторов физического капитала (стоимости основных фондов и инвестиций в основной капитал), деловой активности (числа предприятий и организаций) и качества человеческого капитала (рис. 2).

Рисунок 2. Диаграммы рассеивания, отражающие динамику производительности труда в связи с индикаторами социально-экономического развития,

Красноярский край, 2000–2019 гг.

Источник: расчеты автора.

На фоне положительного влияния параметров, отражающих технологические изменения (услуги в сфере телекоммуникаций, затраты на исследования и разработки, число внедренных передовых технологий), значения коэффициентов регрессии могут указывать на замедление отдачи от физического и человеческого капитала и растущую отдачу от инноваций и новых технологий. Примечательно также положительное влияние на производительность труда фактора вовлеченности населения в здоровый образ жизни, на что указывает коэффициент регрессии фактора численности занимающихся в спортивных секциях. В то же время положительное и высокое значение коэффициента регрессии фактора, указывающего на загрязненность окружающей среды (выбросы в атмосферу от стационарных источников), имеет негативную интерпретацию: значительная часть добавленной стоимости в регионе создается отраслями-загрязнителями, соответственно, высокие показатели производительности обусловлены доходами в форме ресурсной ренты, получаемыми от эксплуатации природного капитала.

Заключение

Корреляционный анализ зависимости уровня производительности труда от ключевых факторов социально-экономического развития на уровне страны и региона продемонстрировал близкий уровень зависимостей для 15 из исследованных 26 индикаторов. Это подтверждает гипотезу об общности протекающих в стране и регионе процессов и единстве факторов, оказывающих влияние на рост производительности труда на национальном и региональном уровнях.

Эконометрические модели линейной регрессии с одной независимой переменной показали, что для страны определяющее влияние на долгосрочный рост производительности оказывает уровень жизни населения, тогда как для ресурсного региона – обеспеченность физическим капиталом. В то же время модель с несколькими независимыми переменными, построенная для России, демонстрирует зависимость от уровня жизни, качества человеческого капитала, обеспеченности физическим капиталом и внешнеторгового оборота. При этом отмечается замедление отдачи от инвестиций в основной капитал, обусловленное недоинвестированием человеческого капитала и инноваций. В Красноярском крае, напротив, отмечается замедление отдачи от физического и человеческого капитала на фоне растущей отдачи от инноваций и новых технологий.

[1] Руководство к пониманию (КРПТ) 16 «Производительность труда» Международной организации труда [Электронный ресурс]. URL: https://www.ilo.org/wcmsp5/groups/public/---dgreports/---stat/documents/publication/wcms_499743.pdf (дата обращения: 19.07.2021).

[2] Валовой региональный продукт. Статистика национальных счетов [Электронный ресурс]. URL: https://rosstat.gov.ru/accounts (дата обращения: 19.07.2021).

[3] Использование в нашей работе часовой выработки как измерителя производительности труда не представлялось невозможным, поскольку данные об отработанных чел.-ч. до 2011 г. в российской статистике не приводятся.

[4] Данные федерального статистического наблюдения были получены из витрин и динамических рядов Росстата [Электронный ресурс]. URL: https://rosstat.gov.ru/ (дата обращения 12.06.2021); Красноярскстата [Электронный ресурс]. URL: https://krasstat.gks.ru/ (дата обращения: 12.06.2021).

[5] Валовой региональный продукт. Статистика национальных счетов [Электронный ресурс]. URL: https://rosstat.gov.ru/accounts (дата обращения 19.07.2021).

[6] Вследствие большой размерности корреляционные матрицы в статье не приводятся. Табл. 1 содержит фрагменты корреляционных матриц для страны и региона соответственно, в части коэффициентов корреляции между производительностью труда на одного работника и независимыми переменными. Полноразмерные корреляционные матрицы, а именно корреляции независимых переменных между собой использовались для оценки моделей на мультиколлинеарность.

[7] Все эти действия были верифицированы программным продуктом и производились в рамках программной обработки данных.

[8] Данные о численности персонала, занятого научными исследованиями и разработками, представляются в статистическом наблюдении раз в два года. Актуальная информация получена по данным Росстата «Статистика науки и инноваций» [Электронный ресурс]. URL: https://rosstat.gov.ru/folder/14477 (дата обращения 15.07.2021)

[9] Предварительные данные, могут быть изменены в результате досчета. Актуальная информация получена по данным Росстата «Статистика основных фондов» [Электронный ресурс]. URL: https://rosstat.gov.ru/folder/14304 (дата обращения 15.07.2021).

[10] По данным раздела «Статистика основных фондов» Красноярскстата [Электронный ресурс]. URL: https://krasstat.gks.ru/folder/44268 (дата обращения: 15.07.2021)