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

Кожевников С.А.1, Патракова С.С.1, Копытова Е.Д.1
1 Вологодский научный центр Российской академии наук

Статья в журнале

Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 18, Номер 5 (Май 2024)

Цитировать:
Кожевников С.А., Патракова С.С., Копытова Е.Д. Перспективные центры экономического роста регионов России и агломерационные эффекты: эмпирический анализ // Креативная экономика. – 2024. – Том 18. – № 5. – С. 1075-1090. – doi: 10.18334/ce.18.5.121016.

Аннотация:
Согласно Стратегии пространственного развития РФ на период до 2025 года, экономический рост страны и ее регионов в значительной степени детерминирован развитием городских агломераций различного уровня иерархии, в т.ч. «второго» и «третьего» эшелонов. Однако количественных оценок формируемых ими агломерационных эффектов, к сожалению, крайне мало. Исследование восполняет указанный научный пробел. Его целью является эмпирический анализ агломерационных эффектов, формируемых рядом крупных и больших городов России (Калуга, Тамбов, Южно-Сахалинск, Норильск), позиционируемых в Стратегии пространственного развития в качестве перспективных центров экономического роста субъектов РФ, в т.ч. образующих городские агломерации с населением менее 500 тыс. чел. Выявлено, что среди исследуемых городов лишь Калуга продуцирует статистически значимый агломерационный эффект, проявляющийся в увеличении объемов выручки предприятий региона при сокращении расстояния от их местоположения до центра города. Установлено, что фактор размещения предприятий внутри города также статистически значим, однако регрессионная оценка при нем отрицательна, т.е. размещение предприятий непосредственно в Калуге не создает дополнительных преимуществ для предприятий, проявляющихся в росте объемов выручки. Научная новизна исследования заключается в получении количественных оценок агломерационных эффектов, формируемых городами, которые позиционируются в Стратегии пространственного развития России как перспективные центры экономического роста регионов. Результаты работы могут быть полезны органам государственной власти и местного самоуправления при совершенствовании политики пространственного и социально-экономического развития территорий.

Ключевые слова: перспективные центры экономического роста, городская агломерация, агломерационный эффект, крупные и большие города, панельные данные

Финансирование:
Исследование выполнено за счет гранта Российского научного фонда №23-78-10054, https://rscf.ru/project/23-78-10054/

JEL-классификация: O12, O18, R12, R58



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 Yit – выручка i-го предприятия в году t, тыс. руб.; Kit – активы i-го предприятия в году t, тыс. руб.; Lit – численность работников i-го предприятия в году t, чел.; Bit – продолжительность функционирования i-го предприятия в году t, лет; Si – фиктивная переменная, характеризующая основной вид деятельности i-го предприятия («1» для предприятий обрабатывающей промышленности и сферы услуг, «0» – для сельскохозяйственных предприятий); Ri – расстояние от места нахождения i-го предприятия до центра города по автомобильным дорогам, км.; Di – фиктивная переменная, характеризующая место нахождения i-го предприятия «вне» и «внутри» города («1» при нахождении предприятия на территории города, «0» – «вне» города); µi – индивидуальный эффект i-го предприятия; γt – общий для всех предприятий временной эффект года t; Ƹit – 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

Показатель
Калужская область
Тамбовская область
Сахалинская область
Красноярский край
Перспективный центр экономического роста – г. Калуга
Перспективный центр экономического роста – г. Тамбов
Перспективный центр экономического роста – г. Южно-Сахалинск
Перспективный центр экономического роста – г. Норильск
Константа (β0)
6,954***
5,297***
5,652***
4,258***
Активы (Kit)
0,454***
0,541***
0,406***
0,632***
Численность работников (Lit)
0,343***
0,194***
0,315***
0,129***
Продолжительность функционирования (Bit)
0,112*
-0,028
-0,25
-0,078
Отрасль (Si)
0,739***
1,085***
1,263***
1,433***
Расстояние до города (Ri)
-0,383**
-0,092
-0,086
-0,044
Нахождение внутри / вне границ города (Di)
-1,558**
-0,383
-0,069
-0,015
Коэффициент детерминации
0,493
0,507
0,424
0,527
Число наблюдений
798
771
771
846
Источник: рассчитано по материалам веб-сервисов Контур.Фокус и СПАРК-Интерфакс.
Примечание: *, **, *** - 10, 5 и 1% уровни значимости соответственно. Все регрессии статистически значимы на 1% уровне (по значению p-value F-statistic).

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.


Численность населения, тыс. чел.
Плотность населения, тыс. чел. на 1 кв. км.
Территория
2010
2022
2022 к 2010, %
2010
2022
2022 к 2010, %
ГО город Калуга
339,3
355,5
104,8
2,01
2,11
0,1
Калужская область
1009,2
1070,9
106,1
0,03
0,04
0,0
ГО город Тамбов
280,1
291,5
104,0
2,61
2,72
0,1
Тамбовская область
1089,7
966,3
88,7
0,03
0,03
0,0
ГО город Южно-Сахалинск
188,9
187,4
99,2
0,80
0,79
0,0
Сахалинская область
496,7
460,5
92,7
0,01
0,01
0,0
ГО город Норильск
176,1
175,5
99,6
7,60
7,58
0,0
Красноярский край
2829,1
2845,5
100,6
0,001
0,001
0,0
Источник: составлено по информации Базы данных показателей муниципальных образований, Росстата.

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%.


Источники:

1. Лола А.М. Городское и агломерационное управление в России: состояние и что делать. - М.: КАНОН+, 2013. – 292 c.
2. Пузанов А.С., Попов Р.А., Полиди Т.Д., Гершович А.Я. Городские агломерации в современной России: проблемы и перспективы развития. - М.: Фонд «Институт экономики города», 2023. – 192 c.
3. Волчкова И.В., Минаев Н.В. Теория и практика управления развитием агломераций. - Томск: Издательство Томского государственного архитектурно-строительного университета, 2014. – 234 c.
4. Pumain D. Theories and Models of Urbanization: Geography, Economics and Computing Sciences. - Cham: Springer, 2020. – 330 p.
5. Fujita M., Thisse J.-F. Economics of Agglomeration: Cities, Industrial Location, and Globalization. / 2nd ed. - Cambridge: Cambridge University Press, 2013. – 466 p.
6. Куценко Е.С. Зависимость от предшествующего развития пространственного размещения экономических агентов и практика оценки агломерационных эффектов // Журнал новой экономической ассоциации. – 2012. – № 2. – c. 10-26.
7. Combes P.-Ph., Gobillon L. The Empirics of Agglomeration Economies // Handbook of Regional and Urban Economics. – 2015. – № 5A. – p. 247-348. – doi: 10.1016/B978-0-444-59517-1.00005-2.
8. Павлов Ю.В. Систематизация факторов агломерационного эффекта // Journal of New Economy. – 2021. – № 4. – c. 116-138. – doi: 10.29141/2658-5081-2021-22-4-7.
9. Дегтярев П.Я. Анклавный вектор пространственного развития России // Вестник Челябинского государственного университета. – 2018. – № 7. – c. 67-73. – doi: 10.24411/1994-2796-2018-10708.
10. Швецов А. Городская агломерация – организационная форма преобразования пространства в Российской Федерации // Федерализм. – 2017. – № 2. – c. 47-60. – doi: 10.21686/2073-1051-2017-2-47-60.
11. Копытова Е.Д., Патракова С.С. Агломерационные эффекты крупных городов: оценка на микроданных // Проблемы развития территории. – 2024. – № 2. – c. 10–23. – doi: 10.15838/ptd.2024.2.130.2.
12. Оценка перспектив формирования Южносибирской конурбации. / под. ред. Е.А. Коломак. - Новосибирск: изд-во ИЭОПП СО РАН, 2022. – 224 c.
13. Лавриненко П.А., Михайлова Т.Н., Ромашина АА., Чистяков П.А. Агломерационные эффекты как инструмент регионального развития // Проблемы прогнозирования. – 2019. – № 3. – c. 50–59.
14. Гончар К.Р., Ратникова Т.А. Оценка и объяснение городских агломерационных эффектов для обрабатывающей промышленности России. / XIV Апрельская международная научная конференция по проблемам развития экономики и общества: отв. ред.: Е.Г. Ясин. / в 4-х книгах. Книга 3. - М.: Издательский дом НИУ ВШЭ, 2014. – 55-64 c.
15. Давидсон Н.Б., Пушкарев А.А. Влияние пространственных эффектов на деятельность предприятий в отраслях российской промышленности // Экономика и управление: научно-практический журнал. – 2019. – № 1. – c. 111-115.
16. Павлов Ю.В., Хмелева Г.А. Оценка влияния агломерационного эффекта на экономическое развитие городских округов Самарской области // Экономика, предпринимательство и право. – 2022. – № 10. – c. 2773-2794. – doi: 10.18334/epp.12.10.116416.
17. Мерзляков И.О. Агломерационные эффекты в России: оценка на основе региональных данных. / Развитие территориальных социально-экономических систем. Вопросы теории и практики: сборник научных статей. - Екатеринбург: Институт экономики УрО РАН, 2022. – 129-132 c.
18. Коломак Е.А., Шерубнева А.И. Оценка влияния агломерационных факторов на экономическую активность (микроэкономический анализ) // Экономика региона. – 2023. – № 3. – c. 766-781. – doi: 10.17059/ekon. reg.2023-3-12.
19. Partridge M.D., Rickman D.S., Ali K., Olfert M.R. Do New Economic Geography Agglomeration Shadows Underlie Current Population Dynamics across the Urban Hierarchy? // Papers in Regional Science. – 2009. – № 88. – p. 445–466.
20. Krugman P. First Nature, Second Nature, and Metropolitan Location // Journal of Regional Science. – 1993. – № 33. – p. 129–144.
21. Коломак Е.А. Региональная проекция агломерационной экономики в России // Регион: Экономика и Социология. – 2024. – № 1. – c. 150-176. – doi: 10.15372/REG20240104.

Страница обновлена: 12.06.2024 в 18:26:51