Перспективные центры экономического роста регионов России и агломерационные эффекты: эмпирический анализ

Введение

Согласно Стратегии пространственного развития Российской Федерации на период до 2025 года (утв. Распоряжением Правительства РФ от 13 февраля 2019 г. №207-р), экономический рост страны и ее регионов в значительной степени определяется темпами развития городских агломераций. При этом в документе приведен перечень:

· 20 перспективных крупных центров экономического роста РФ – городов, образующих крупные и крупнейшие городские агломерации, которые обеспечат вклад в экономический рост страны более 1% ежегодно (в их числе: г. Москва и города Московской области, входящие в состав Московской агломерации; г. Новосибирск; г. Екатеринбург и др.);

· 22 перспективных центров экономического роста субъектов РФ – городов, образующих агломерации с численностью населения более 500 тыс. чел., которые обеспечат вклад в экономический рост страны в пределах от 0,2 до 1% ежегодно (среди них г. Калининград, г. Саратов, г. Сочи и др.).

Наряду с этим также представлен список из 23 перспективных центров экономического роста субъектов РФ, в т.ч. образующих городские агломерации с численностью населения менее 500 тыс. чел. (г. Архангельск, г. Вологда, г. Калуга, г. Норильск, г. Сургут, г. Тамбов, г. Ханты-Мансийск, г. Южно-Сахалинск и др.), большая часть из которых – крупные и большие. Однако какие именно из них продуцируют агломерационные эффекты [1] и, соответственно, формируют городские агломерации – не обозначено. Кроме того, в целом вопросы, касающиеся наличия/отсутствия и количественных оценок агломерационных эффектов, в документе оказались фактически не раскрыты. В свете ожидаемой актуализации Стратегии пространственного развития Российской Федерации важность проведения эмпирического анализа агломерационных эффектов не вызывает сомнений.

Однако и в научной литературе указанные аспекты являются слабо изученными в сравнении, например, с проблематикой сущности городских агломераций, их значением для социально-экономического и пространственного развития страны и ее регионов, проблем и инструментов их развития [1-5] (Lola, 2013; Puzanov, Popov, Polidi, Gershovich, 2023; Volchkova, Minaev, 2014; Pumain, 2020; Fujita, Thisse, 2013). Так, дискуссионными остаются вопросы, связанные с факторами и каналами появления и развития агломерационных MAR- и Джекобс-эффектов, оценкой их масштабов и направлений влияния [6, 7] (Kucenko, 2012; Combes, Gobillon, 2015). Ю.В. Павлов отмечает, что часто не осознается даже сама возможность получения агломерационного эффекта не только в мегаполисах, но и в небольших поселениях [8] (Pavlov, 2021). У исследователей возникают вопросы не столько к оценке, сколько к наличию самих агломерационных эффектов в российской экономике. Например, П.Я. Дягтерев указывает, что наблюдаемый в России центростремительный сдвиг лишь по форме отвечает процессу агломерирования, но по своей сути ему противоположен и является анклавизацией – стихийным сжатием хозяйственной ойкумены [9] (Degtjarev, 2018). А. Швецов указывает, что в настоящее время процесс развития российских агломераций идет в форме интенсификации и упорядочения, активизации связей внутри уже сформировавшихся групповых систем городского расселения, а также стягивания в них населения [10] (Shvecov, 2017). Последнее, на фоне снижения экономического, демографического, социального потенциала села, на наш взгляд, также может считаться признаком анклавного вектора развития российского пространства.

Таким образом, исследования агломерационных эффектов вокруг российских крупных и больших городов являются высоко актуальными как с научной, так и практической точек зрения.

Цель исследования – эмпирический анализ агломерационных эффектов, продуцируемых рядом крупных и больших городов (Калуга, Тамбов, Южно-Сахалинск, Норильск), являющихся перспективными центрами экономического роста субъектов РФ.

Проверяется гипотеза о том, что указанные в Стратегии пространственного развития России перспективные центры экономического роста субъектов РФ формируют статистически значимые [2] агломерационные эффекты, которые проявляются:

а) в увеличении объемов выручки предприятий по мере сокращения расстояния от их местоположения до центра города – ядра агломерации;

б) более высоких объемах выручки предприятий, находящихся в границах города – ядра агломерации, по сравнению с другими предприятиями региона.

Исследование реализуется в рамках гранта Российского научного фонда. На предыдущем этапе была проведена оценка агломерационных эффектов, формируемых городами Вологда, Архангельск, Сургут и Ханты-Мансийск, также включенными в список перспективных центров экономического роста субъектов РФ в Стратегии пространственного развития [11] (Kopytova, Patrakova, 2024).

Методология исследования

В целях эмпирического анализа агломерационных эффектов с использованием веб-сервисов Контур.Фокус и СПАРК-Интерфакс сформированы базы данных о функционировании в 2020-2022 г. предприятий частной формы собственности Калужской (266 единиц), Тамбовской (257 единиц), Сахалинской (257 единиц) областей, а также Красноярского края (282 единиц). Предприятия государственной и муниципальной форм собственности в них не включены, ввиду их относительно слабой восприимчивости к влиянию агломерационных эффектов, поскольку их размещение «диктуется» задачами национальной безопасности, обеспечения связанности и управляемости территорий, а не максимизации прибыли. Также не включены предприятия частных форм собственности, основными видами деятельности которых являются «Добыча полезных ископаемых», «Обеспечение электрической энергией, газом и паром; кондиционирование воздуха», «Водоснабжение; водоотведение, организация сбора и утилизации отходов, деятельность по ликвидации загрязнений», а также деятельность в сфере лесного хозяйства и охоты, местоположение которых в значительной степени определяется наличием природных ресурсов и размещением населения по территории.

Распределение анализируемых предприятий по муниципальным образованиям Калужской, Тамбовской и Сахалинской областей, Красноярского края соответствует генеральной совокупности; ошибка выборки не превышает 6% при доверительной вероятности 95%.

В сформированных базах данных отражены следующие показатели, характеризующие функционирование предприятий в 2020-2022 гг.:

· размер выручки, тыс. руб.;

· размер активов, тыс. руб.;

· среднесписочная численность работников, чел.;

· продолжительность функционирования (по состоянию на 31.12.2020 г., 31.12.2021 г., 31.12.2022 г.), полных лет;

· основной вид экономической деятельности;

· расстояние от места нахождения предприятия до центра города по автомобильным дорогам, км [3].

В целях эмпирического анализа агломерационных эффектов с использованием языка программирования R и программной оболочки RStudio для каждого из 4 указанных выше субъектов РФ построены модели множественной регрессии на панельных данных со случайными эффектами (1), которые позволяют:

1) выявить наличие/отсутствие и оценить статистическую значимость агломерационного эффекта, проявляющегося в росте объемов выручки предприятий при сокращении расстояния от их местоположения до центра города;

2) выявить наличие/отсутствие и оценить статистическую значимость агломерационного эффекта, проявляющегося в росте объемов выручки предприятий при их нахождении в границах города.

, (1)

где Y_it – выручка i-го предприятия в году t, тыс. руб.; K_it – активы i-го предприятия в году t, тыс. руб.; L_it – численность работников i-го предприятия в году t, чел.; B_it – продолжительность функционирования i-го предприятия в году t, лет; S_i – фиктивная переменная, характеризующая основной вид деятельности i-го предприятия («1» для предприятий обрабатывающей промышленности и сферы услуг, «0» – для сельскохозяйственных предприятий); R_i – расстояние от места нахождения i-го предприятия до центра города по автомобильным дорогам, км.; D_i – фиктивная переменная, характеризующая место нахождения i-го предприятия «вне» и «внутри» города («1» при нахождении предприятия на территории города, «0» – «вне» города); µ_i – индивидуальный эффект i-го предприятия; γ_t – общий для всех предприятий временной эффект года t; Ƹ_it – случайная ошибка; β – коэффициенты регрессии.

Указанный подход к анализу агломерационных эффектов является апробированным в научном сообществе. Среди работ, в которых он используется (в схожих модификациях и показателях, но на материалах других, более крупных агломераций, конурбаций, целых регионов), можно привести следующие монографии и статьи:

¾ исследование сотрудников ИЭОПП СО РАН [12] (Ocenka perspektiv formirovanija…, 2022), в которой представлены результаты оценки агломерационных эффектов для территорий РФ, расположенных на юге Сибири, и в целом для Южносибирской конурбации;

¾ работа коллектива авторов из ИНП РАН, РАНХиГС при Президенте РФ, МГУ им. М.В. Ломоносова и Центра экономики инфраструктуры [13] (Lavrinenko, Mihajlova, Romashina, Chistjakov, 2019), в рамках которой оценивались агломерационные эффекты в масштабах России в целом;

¾ труд ученых НИУ ВШЭ [14] (Gonchar, Ratnikova, 2014), посвященный исследованию агломерационных эффектов для предприятий обрабатывающей промышленности России;

¾ работа исследователей Уральского федерального университета, в которой строится панельная регрессия с фиксированными эффектами на уровне предприятий, которые расположены в российских городах с населением более 100 тыс. чел. [15] (Davidson, Pushkarev, 2019)).

Справедливо следует отметить, что существуют и иные подходы к оценке агломерационных эффектов. Так, сотрудники Самарского государственного экономического университета для построения количественной модели агломерационного эффекта с учетом взаимовлияния групп его факторов используют частный метод наименьших квадратов PLS-SEM [16] (Pavlov, Hmeleva, 2022); исследователь из ИЭИ ДВО РАН использовал методику расчета агломерационного эффекта A. Ciccone, основанную на анализе данных о плотности размещения экономической активности по территории [17] (Merzljakov, 2022) и др. Выбор подхода к анализу агломерационных эффектов определяется в основном изначальными целями и задачами исследования.

Результаты исследования

В таблице 1 представлены результаты эмпирического анализа агломерационных эффектов, продуцируемых Калугой, Тамбовом, Южно-Сахалинском и Норильском в пространстве регионов их базирования.

Таблица 1. Регрессионные оценки факторов, оказывающих влияние на выручку предприятий Калужской, Тамбовской, Сахалинской областей, Красноярского края

Для всех городов регрессионные оценки при факторах «активы» и «численность работников» статистически значимы, положительны и, соответственно, отвечают ключевым свойствам производственной функции Ч. Кобба и П. Дугласа, описывающей зависимость объема выпущенной продукции от капитала и труда. При этом выглядит вполне естественным тот факт, что влияние фактора «численность работников» является более сильным и отчетливым для густонаселенной Калужской области, чем для Тамбовской, Сахалинской областей, Красноярского края. Для сравнения в 2022 г. плотность населения в Калужской области составляла порядка 40 чел. на 1 кв. км., а в Красноярском крае – 1 чел. на 1 кв. км. (табл. 2).

Таблица 2. Численность населения Калуги, Тамбова, Южно-Сахалинска, Норильска и регионов их базирования, тыс. чел.

Также видятся вполне логичными более высокие регрессионные оценки при факторе «активы» для предприятий Красноярского края в сравнении с другими субъектами РФ, объяснением чего может выступить структура региональной экономики. Ее ведущие отрасли и комплексы отличаются высокой капиталоемкостью: черная и цветная металлургия, топливно-энергетический комплекс, машиностроение и металлообработка, горнодобывающая, химическая промышленность и т.п.

«Взрослые» предприятия Калужской области демонстрируют более высокие показатели выручки по сравнению с более «молодыми»: регрессионная оценка при факторе «продолжительность функционирования» статистически значима на 10% уровне и положительна (0,112; табл. 1). Это, как мы отмечали ранее в работе [11] (Kopytova, Patrakova, 2024), является довольно нетипичным явлением для городских агломераций. В Тамбовской, Сахалинской областях и Красноярском крае регрессионные оценки при вышеуказанном факторе хотя и являются отрицательными, но статистически незначимы.

Фактор отраслевой принадлежности для предприятий всех регионов статистически значим на 1% уровне и положителен. Это означает, что предприятия промышленности и сферы услуг характеризуются большими объемами выручки по сравнению с сельскохозяйственными организациями.

Фактор расстояния от местоположения предприятия до центра города статистически значим только в Калужской области: сокращение расстояния на 1% обеспечивает увеличение выручки в среднем на 0,383% (табл. 1). В то же время фактор размещения предприятий внутри города статистически значим, но регрессионная оценка при нем отрицательная. Это позволяет говорить о том, что размещение предприятий непосредственно в Калуге не создает дополнительных преимуществ для предприятий, проявляющихся в росте объемов выручки. На наш взгляд, это также является поводом в дальнейшем провести глубокий анализ пространственного распределения показателей выручки предприятий, для доказательства наличия либо отсутствия феноменов «тени агломерации» и «тени города», при которых на расположенных вблизи них территориях наблюдается существенное падение результативности деятельности фирм (феномены описаны в работах [18-20] (Kolomak, Sherubneva, 2023; Partridge, Rickman, Ali, Olfert, 2009; Krugman, 1993)).

Факторы расстояния до города и нахождения внутри его границ отрицательны, но статистически незначимы для Тамбовской, Сахалинской областей и Красноярского края. Для последних объяснением этого, на наш взгляд, выступает крайне сильная разреженность социально-экономического пространства (в частности, размещения населения и бизнес-структур) по сравнению с регионами Центрального федерального округа России. Для Тамбовской области – структура региональной экономики, ключевой отраслью которой является сельское хозяйство [4]. В ранее проведенных исследованиях отмечается, что сельское хозяйство имеет крайне малую эластичность к численности населения (см., например [13] (Lavrinenko, Mihajlova, Romashina, Chistjakov, 2019)). Это подтверждается и фактическим размещением сельскохозяйственных предприятий по муниципальным районам региона, которое выглядит довольно равномерным, в отличие от размещения населения.

Заключение

В результате проведенного исследования гипотеза о формировании агломерационных эффектов подтверждена частично – лишь для г. Калуги и только для фактора расстояния. Так, установлено, что с сокращением дистанции от места локализации предприятий до центра Калуги на 1% показатели выручки, т.е. масштабов хозяйственной деятельности, в среднем увеличиваются на 0,383%. Однако хозяйствующие субъекты, находящиеся в самом городе, имеют более низкие показатели выручки по сравнению с предприятиями за пределами его границ. Обосновано, что одной из возможных причин отсутствия статистически значимых агломерационных эффектов вокруг Южно-Сахалинска и Норильска выступает значительная разреженность социально-экономического пространства сибирских и дальневосточных регионов России по сравнению с регионами Центрального федерального округа; для Тамбова – структура региональной экономики.

Таким образом, именно в Калужской области видится целесообразной реализация проектов и программ агломерационного строительства, направленных на усиление транспортной, производственной, социокультурной, информационно-коммуникационной, институциональной и иной связанности территорий с г. Калугой. С высокой долей вероятности это обеспечит существенный вклад в развитие экономики региона, повышение результативности деятельности хозяйствующих субъектов в силу действия агломерационных эффектов.

Представленное исследование, как и работа Е.А. Коломак [21] (Kolomak, 2024), опровергает распространенное мнение о том, что источником агломерационных эффектов в российской экономике могут выступать только крупнейшие городские центры. На следующих его этапах будет проведен схожий анализ агломерационных эффектов, потенциально генерируемых Архангельском, Вологдой, Калугой, Норильском, Сургутом, Тамбовом, Ханты-Мансийском и Южно-Сахалинском, на панельных данных о функционировании предприятий в 2020-2022 гг. Однако в качестве объясняемой переменной в уравнении регрессии будет использован показатель не выручки, а валовой прибыли, которая, на наш взгляд, в большей степени характеризует эффективность и результативность деятельности хозяйствующих субъектов и, как предполагаем, является более «отзывчивой» на агломерационное влияние.

[1] В наиболее общем виде под агломерационным эффектом следует понимать экономический выигрыш вследствие территориальной концентрации ресурсов, производств и иных экономически важных объектов [2].

[2] Статистическая значимость результата представляет собой оцененную меру уверенности в его «истинности» (в смысле «репрезентативности выборки»). Показатель статистической значимости находится в обратной зависимости от надежности результата: более высокий уровень значимости соответствует более низкому уровню доверия к найденной в выборке зависимости между переменными. Источник: Элементарные понятия статистики. URL: http://www.iki.rssi.ru/magbase/REFMAN/STATTEXT/esc.html (дата обращения 01.03.2024).

[3] Расстояние определялось с использованием данных сервиса «Яндекс.Карты». Для предприятий Красноярского края, размещенных в населенных пунктах, не имеющих прямой связи с г. Норильском по автомобильным дорогам, расстояние рассчитывалось как сумма следующих показателей: 1) протяженность автомобильных дорог от местоположения предприятия до аэропорта г. Красноярска или воздушного пути между аэропортами населенных пунктов базирования предприятий до аэропорта г. Красноярска; 2) протяженность воздушного пути между аэропортами г. Красноярска и г. Норильска (Алыкель); 3) протяженность автомобильных дорог от аэропорта г. Норильска (Алыкель) до центра г. Норильска.

[4] По данным Росстата, удельный вес вида деятельности «сельское, лесное хозяйство, охота, рыболовство и рыбоводство» в валовом региональном продукте в 2022 составил 30,3%.