Оценка эффектов отраслевой специализации в союзах ЕАЭС и БРИКС

Введение

В современной архитектуре мировой экономики, характеризующейся противоречивыми тенденциями глобализации и регионализации, особая роль принадлежит экономическим объединениям государств. В поисках новых драйверов роста, устойчивости к внешним шокам и усиления переговорных позиций страны все чаще активизируют усилия по созданию и углублению формальных и неформальных союзов. Для Российской Федерации особую важность представляет участие в таких сообществах как Евразийский экономический союз (ЕАЭС) и объединение БРИКС (аббревиатура названий стран-участниц Бразилия, Россия, Индия, Китай и ЮАР).

Однако участие в любом экономическом союзе сопряжено со сложной дилеммой эффективности. Теория экономической интеграции предполагает, как статические эффекты (так называемые, «создание торговли» и «отклонение торговли»), так и динамические (экономия на масштабе, рост конкуренции, стимулирование инвестиций). Выгода от участия определяется способностью страны извлечь преимущества и минимизировать риски, ключевым из которых является, закрепление периферийной, сырьевой роли в рамках общего разделения труда [13].

При этом, на первый план выходит проблема отраслевой специализации. Процессы интеграции закономерно ведут к перераспределению производственных активностей между странами-участницами в соответствии с их сравнительными преимуществами. Формирование взаимодополняющих отраслевых интеграций при отраслевой специализации отдельных стран может стать мощным источником синергии и роста для всего союза. Однако возникает вопрос, сможет ли такая специализация способствовать качественному экономическому росту, основанному на инновациях и увеличении добавленной стоимости, или же усугублять технологическое отставание и неравенство, закрепляя за одними странами роль поставщиков сырьевых товаров, а за другими – производителей высокотехнологичной продукции и услуг.

Методологию исследования вышеобозначенных вопросов составляют теории, подходы, методы математико-статистического анализа, а также специально разработанные аналитические инструменты. Проблематика региональной (или страновой) специализации и пространственной концентрации отраслей (или предприятий) относится к ряду ключевых направлений исследований в области региональной экономики и экономической географии. Специализация представляет собой фундаментальный элемент как традиционных теорий международной торговли, основанных на принципе сравнительных преимуществ (Рикардо Д., 1821 г.), так и «новой теории торговли» (New Trade Theory), сформулированной Кругманом П. [26].

Общие методы измерения данных явлений, а также сравнительный анализ различных показателей представлены, в частности, в исследованиях [14, 18, 23]. Также существует целый ряд работ зарубежных и отечественных ученых в области экономико-пространственного анализа, которые развивают и адаптируют универсальные количественные методы для решения поставленных задач [1, 5-7, 11-12, 17-19, 26].

Таким образом, цель данного исследования заключается в комплексном анализе и сравнении моделей отраслевой специализации, сложившихся в ЕАЭС и БРИКС, о оценке проявления эффекта отраслевой специализации Российской Федерации, обусловленного ее участием в данных экономических союзах. При этом реализовывались следующие аналитические задачи: сравнительная оценка уровня отраслевой концентрации результата экономики каждой страны-участницы по выделенным пограничным временным точкам; оценка степени, характера и динамики отраслевой локализации видов экономической деятельности в странах-участницах экономических союзов; анализ и интерпретация картины взаимосвязи экономического роста отраслей российской экономики на фоне общего их распределения в рамках совокупности стран ЕАЭС и БРИКС.

Материалы и методы

Для количественной оценки уровня отраслевой специализации территорий или территориальной концентрации производства отраслей традиционно используется определенный набор абсолютных и относительных измерителей, которые встречаются в работах отечественных и зарубежных ученых [2, 9, 10, 20]. Обзор научных работ показывает, что большинство исследователей придерживаются подхода к ее оценке в относительной форме, когда определяется доля отрасли в общем объеме показателя по всей территориальной совокупности (национальной экономике или объединению национальных экономик).

При систематизации индикаторов региональной специализации и отраслевой концентрации также следует различать показатели, рассчитываемые на основе агрегированных данных (например, региональной статистики занятости), и показатели, требующие данных микроуровня, то есть по отдельным предприятиям. Для целей настоящего исследования мы рассматриваем показатели первого вида. В свою очередь, показатели первого вида можно подразделить на: а) индикаторы специализации и б) индикаторы пространственной концентрации. Учитывая тесную концептуальную взаимосвязь двух типов агломерационных процессов, их измерители также являются взаимосвязанными.

В качестве исходного элемента данных при построении специализированных индикаторов региональной специализации и отраслевой концентрации мы рассматриваем значение переменной x в отрасли i по региону j, которую обозначаем x_ij. Общий принцип построения индикаторов заключается в том, что данные значения соотносятся с базовыми уровнями, в качестве которых выступают общий уровень по региону j (x_j) в совокупности всех его отраслей, и общий уровень по отрасли i по всем регионам (x_i), а также совокупный объем используемой переменной в экономике страны (или объединения стран) в целом x.

Рассмотрим порядок расчета базовых индикаторов отраслевой специализации (концентрации), основанных на относительной оценке.

Широко используемый в исследованиях отраслевого и территориального развития Индекс Херфиндаля-Хиршмана (Herfindahl-Hirschman index) рассчитывается по формуле 1:

(1)

где: – величина объемного показателя ( например, валовой добавленной стоимости) i-ого вида экономической деятельности;

– суммарное значение объемного показателя по всем видам экономической деятельности.

При интерпретации полученных значений индекса HHI ориентируются на общепринятую шкалу [15]: низкая концентрация HHI < 0,15; умеренная если HHI от 0,15 до 0,25; высокая HHI > 0,25.

Другой общеизвестной характеристикой регионального неравенства является индекс Джини, адаптированный вариант которого также входит в рассматриваемый набор индикаторов региональной специализации и отраслевой концентрации [26]. Формула для измерения региональной специализации территории j выглядит следующим образом:

(2)

где: ;

;

.

Адаптация индекса Джини для оценки концентрации отрасли i в совокупности территорий выглядит следующим образом:

(3)

где: ;

;

.

Адаптированные индексы Джини принимают значения в диапазоне от 0 до 1, так же, как их исходный вариант.

Популярным методом анализа агломерации является коэффициент Гувера (Hoover), сравнивающий структуру отрасли/региона с эталонной структурой всех отраслей/регионов. Для случая оценки отраслевой структуры региона j формула принимает вид:

(4)

Для случая оценки концентрации отрасли i в региональном разрезе формула корректируется следующим образом:

(5)

Коэффициент Кругмана (Krugman) используется для парного сравнения. В случае сравнения отраслевой структуры по регионам j и l используется формула:

(6)

При сравнительной оценке степени различия региональной концентрации отраслей i и u в формуле используются следующие элементы:

(7)

В отличие от предыдущих индикаторов, индекса Джини и Гувера, коэффициент Кругмана принимает значения от 0 до 2.

Делая обзор формул (1) – (7) не трудно заметить, что все они основываются на базовом элементе – соотношении индивидуального (регионального или отраслевого) объема с общей его величиной. Показателем, напрямую отражающим эту концепцию, является очень часто используемый в исследованиях коэффициент LQ (Location quotient). В русскоязычной научной литературе можно встретить такие его названия как, например, «коэффициент локализации» или «коэффициент отраслевой специализации», который может применяться в двух контекстах: оценка концентрации отрасли в региональном разрезе или оценка региональной специализации в определенных видах экономической деятельности [5-7]. Такая универсальность применения метода объясняется тем, что непосредственно индикатор LQ, оценивающий отраслевую концентрацию согласно своей формуле, математически тождественен индикатору RCA (Revealed Comparative Advantage) Index, формула которого представляет собой метод оценивания региональной специализации [26]:

(8)

Коэффициент отраслевой специализации представляет собой отдельный, самостоятельно интерпретируемый показатель, однако в научно-прикладных исследованиях он может дополняться сопутствующими расчетами или быть частью определенных аналитических процедур. Например, в работе Шатохина М.В., Анциферовой И.В. и Шварца Р.С. [12, с. 21-22] при расчетах формируется более комплексная картина территориальной отраслевой специализации с добавлением рассчитанных значений коэффициента уровня обеспечения, который оценивает степень обеспечения внутреннего рынка территории продукцией данной отрасли. Также, в рассматриваемой публикации рассчитывается коэффициент межрайоной товарности, который, по мнению авторов, дает представление о важности отрасли для других регионов национальной экономики. В работе Кудрова А.В. [5] показатель отраслевой специализации используется для построения эконометрических моделей производственной функции валового регионального продукта и его рентабельности. Авторы Кудрявцева Т.Ю., и Схведиани А.Е. [6] развивают исследования в рамках парадигмы «умной специализации» на основе концепции экстерналий Маршалла-Арроу-Ромера (Marshall-Arrow-Romer, MAR), которая предполагает интенсификацию передачи знаний между экономическими агентами-производителями в условиях высокой концентрации отрасли, что должно способствовать развитию инноваций. Одним из базовых вопросов, наиболее часто привлекающих исследователей территориального развития, является выявление и оценка связи отраслевой специализации с экономическим ростом [2, 8-10, 16].

Однако, метод построения эконометрических моделей предполагает соблюдения ряда требований и допущений к исходным данным и характеру их распределения. Первоначальное ключевое требование – достаточно большой размер изучаемой совокупности (выборки), что в рамках исследования совокупности стран экономических союзов ЕАЭС и БРИКС является недостижимым критерием. В этой связи обратимся к методу расчета специализированных показателей, позволяющих оценить распределение результата экономики и, тем самым, выявить особенности ее структуры.

В качестве эмпирической базы для расчета специализированных показателей и построения их графиков нами выбран объем добавленной стоимости (ВДС), который выступает в роли переменной х. Источником данных является база данных по основным макроэкономическим показателям Национальных счетов стран Мира, предоставленная статистическим департаментом ООН [1] и периодическими изданиями Организации экономического сотрудничества и развития (OECD) [24]. При этом объемы ВДС берутся в постоянных ценах 2020 г., выраженных в долларах США.

Что касается временных срезов проведения анализа, то нашей целью является сопоставление картины отраслевой специализации по пограничным состояниям: начальная точка образования союза (ЕАЭС – 2000 г., БРИКС – 2011 г.); период уже проявляющейся интеграции стран в обоих экономических союзах до начала череды внутренних и внешних кризисов (включая кризис пандемии COVID-19, оказавший влияние на распределение производственных мощностей в мировом масштабе) – 2018 г.; точка современного состояния – последние доступные данные за 2024 г.

В качестве технического инструмента для осуществления всех расчетов и визуализации был выбран пакет функций REAT (Regional Economic Analysis Toolbox) разработанный специалистом в области эконометрического моделирования и пространственных исследований Т. Виландом [26], предназначенный для использования в среде программирования R. Пакет REAT предоставляет набор функций для реализации математико-статистических методов регионального анализа, в том числе, выявления регионального неравенства, бета- и сигма-конвергенции, измерения агломераций, оценки кластеризации и доступности, а также анализа регионального роста в контексте взаимодействия внутри территориальных объединений.

Результаты исследования

1. Формирование массива исходных данных

Чтобы сделать наглядным процесс применения аналитических программных инструментов и продемонстрировать работу функций пакета REAT, необходимо дать описание состава и структуры наборов данных, над которыми производились расчетные операции.

Во-первых, была произведена унифицированная кодировка названий стран в соответствии с трехбуквенными кодами стран, утвержденными Международной организацией по стандартизации (ISO) [2], а также кодировка разделов отраслей экономики в соответствии с Международной стандартной промышленной классификацией всех экономических видов деятельности ISIC Rev.5 [3], которая гармонизирована с общероссийским классификатором видов экономической деятельности ОКВЭД2 [4]. Таким образом, в данных используются следующие обозначения исследуемых стран: ARM – Армения; BLR – Беларусь; BRA – Бразилия; CHN – Китай; IND – Индия; KAZ – Казахстан; KGZ – Кыргызстан; RUS – Россия; ZAF – Южно-Африканская Республика (ЮАР).

Для идентификации отраслевых групп используются следующие буквенные обозначения разделов классификации видов экономической деятельности:

A – Сельское, лесное хозяйство, охота, рыболовство и рыбоводство (ISIC: Agriculture, hunting, forestry and fishing);

B+D+E – Добыча полезных ископаемых, Водоснабжение; водоотведение, организация сбора и утилизации отходов, деятельность по ликвидации загрязнений и Обеспечение электрической энергией, газом и паром; кондиционирование воздуха (ISIC: Mining and quarrying; Water supply; sewerage, waste management and remediation activities; Electricity, gas, steam and air conditioning supply);

C – Обрабатывающие производства (ISIC: Manufacturing);

F – Cстроительство (ISIC: Construction);

G-I – Оптовая и розничная торговля, гостиницы и рестораны (ISIC: Wholesale and retail trade; repair of motor vehicles and motorcycles; Accommodation and food services activities);

H+J – Транспорт и cвязь (ISIC: Transportation and storage; Information and communication);

L-S – Прочие виды деятельности (ISIC: Other Activities).

Во-вторых, исходные данные были структурированы в определенном порядке, для формирования советующих элементов используемых формул. Для осуществления операций над данными с помощью функций R, исходные данные импортировались в рабочее окружение программы и трансформировались в класс объекта «data frame». В результате, для расчета коэффициентов концентрации отраслевой локализации по каждому году формировались наборы данных, включающие столбцы распределения ВДС по отдельным странам экономического союза и столбцы распределением ВДС всей совокупности стран-участниц. В таблице 1 представлена структура таких исходных данных с их условными обозначениями на примере информации 2024 г.

Таблица 1. Данные о распределении добавленной стоимости по странам БРИКС в 2024 г. и условные обозначения их элементов (млн долл. США, в постоянных ценах 2020 г.)

При анализе взаимосвязи экономического роста и локализации видов экономической деятельности в рамках отдельной страны, данные были структурированы следующим образом, как показано в таблице 2 на примере России относительно союза ЕАЭС.

Таблица 2. Данные о распределении добавленной стоимости в России и по союзу ЕАЭС в целом в 2000-2024 гг. и условные обозначения их элементов (млрд долл. США, в постоянных ценах 2020 г.)

Таким образом, данные, структурированные в виде таблиц 1 и 2 позволяют ссылаться на соответствующие элементы формул, используемое в применяемых методах анализа.

2. Оценка отраслевой концентрации

Согласно поставленным задачам, первым шагом исследования является получение оценок отраслевой концентрации в отдельных странах ЕАЭС и БРИКС и сравнение ее интенсивности в территориальном и временном разрезах.

В качестве метода использовался Индекс Херфиндаля-Хиршмана, представленный выше в формуле (1).

Отобразим, как менялся уровень концентрации видов экономической деятельности в союзе ЕАЭС по выбранным нами временным точкам (2000 г., 2015 г., 2018 г., 2023 г., 2024 г.). На рисунке 1 представлен размер индекса в целом по ЕАЭС.

Рисунок 1. Значения Индекса Херфиндаля-Хиршмана по совокупности экономик стран ЕАЭС (2000-2024 гг.) (Источник: построено авторами на основе данных статистического департамента ООН)

На рисунке 1, в укрупненном масштабе, наблюдается некоторое снижение отраслевой концентрации (то есть рост степени диверсификации экономики) в период полноценного взаимодействия участников в рамках экономического союза (средний уровень HHI равен 0,207), по сравнению с начальной точкой его формирования (HHI = 0,225). Согласно шкале значений индекса Херфиндаля-Хиршмана, представленной в таблице 1, уровень концентрации видов эконмической деятельности в союзе стран ЕАЭС можно расценивать как умеренный, с наблюдающейся тенденцией к снижению.

Для проверки гипотезы о том, что участие в ЕАЭС может оказывать влияние на картину отраслевой специализации в отдельных странах-участницах, индекс Херфиндаля-Хиршмана был рассчитан по каждой стране отдельно, по тем же временным точкам. Результаты оценки отраслевой концентрации в экономиках стран ЕАЭС представлены в таблице 3.

Таблица 3. Уровень отраслевой концентрации в странах-участницах ЕАЭС в 2000-2024 гг.

Как видно по таблице 3, степень отраслевой концентрации в отдельных странах находилась в изучаемом периоде на уровне от низкой до умеренной. Однако, ключевым вопросом здесь является наличие эффекта от участия в ЕАЭС, который проявляется изменении уровня отраслевой концентрации страны. По данным таблицы 3 очевидно, что на экономику России этот эффект не распространяется: индекс HHI отражает низкую и практически не изменяющуюся концентрацию видов экономической деятельности.

По другим странам-участницам можно выделить явно заметные закономерности, сопоставляя динамику HHI и изменения в структуре ВДС по отраслям. По Армении можно заметить незначительную тенденцию к снижению и так низкого значения HHI после вступления страны в ЕАЭС. При этом, рассматривая структуру экономики в изучаемых временных точках, можно заметить явные изменения, проявившиеся с 2018 г., по сравнению со схожими между собой структурами предыдущих 2000 г. и 2015 г. Основной тенденцией является снижение аграрной специализации экономики страны: 19 % на сектор А в 2015 г. против 9 % в 2024 г., при снижении абсолютных объемов ВДС. Перераспределение ролей происходит в пользу секторов торговли, предприятий размещения и общественного питания, транспорта и связи: 13 % на сектор G+I в 2015 г. против 20% в 2024 г.; 6 % на сектор H+J в 2015 г. против 11% в 2024 г.

По Беларуси наблюдается явное увеличение отраслевой концентрации, по сравнению с уровнем 2000 г. Основным фактором увеличения выступает значительный рост доли обрабатывающей промышленности, а также сферы торговли в совокупности с сектором гостиниц и общественного питания. Однако, можно предположить, что данный эффект в значительной степени обусловлен ростом роли взаимодействия с Россией как с крупнейшим рынком сбыта промышленной продукции.

Рассматривая другие страны ЕАЭС – Казахстан и Кыргызстан, можно также констатировать наличие общей тенденции: некоторое увеличение отраслевой концентрации при росте доли и абсолютных объемов ВДС отраслей торговли, размещения и общественного питания.

Таким образом, расчет Индекса Херфиндаля-Хиршмана и его оценка в динамике выявили наличие эффекта участия в ЕАЭС в форме заметной трансформации структуры национальных экономик стран-участниц за счет существенного роста доли секторов G и I, а также сектора C в экономике Беларуси. При этом Россия – единственная страна ЕАЭС, где структура экономики существенно не меняется. Наблюдаемую закономерность можно объяснить центральной позицией России в союзе ЕАЭС, которая играет роль одного из основных потребителей продукции других стран-участниц, а также направления значительных объемов параллельного импорта.

Проанализируем эффект отраслевой концентрации в рамках союза БРИКС. По сравнению с оценками, полученными по странам ЕАЭС, которые свидетельствуют о проявляющемся эффекте интеграции и синхронном характере трансформации структуры экономики, по союзу БРИКС наблюдается противоположная картина. На рисунке 2 представлена динамика индекса Херфиндаля-Хиршмана, которая отражает низкую, но склонную к росту отраслевую концентрацию в целом по экономике союза.

Рисунок 2. Значения Индекса Херфиндаля-Хиршмана по совокупности экономик стран БРИКС (2011-2024 гг.) (Источник: построено авторами на основе данных статистического департамента ООН)

Оценим уровень отраслевой концентрации и его динамику по каждой из стран БРИКС. Результаты расчетов представлены в таблице 4.

Таблица 4. Уровень отраслевой концентрации в странах-участницах БРИКС в 2011-2024 гг.

По результатам расчетов индекса HHI видно, что четыре страны БРИКС схожи по уровню отраслевой концентрации и незначительностью ее динамики. Страной, которая выделяется на этом фоне является Китай, экономика которого демонстрирует довольно заметную отраслевую концентрацию, обусловленную однозначным доминированием обрабатывающей промышленности в структуре национальной экономики. Говоря о проявлении интеграционных эффектов и их отражения на структуре экономик стран-участниц союза, стоит отметить отсутствие каких-либо общих закономерностей, характерных для большинства участников БРИКС: анализ долей валовой добавленной стоимости выявляет разноплановые изменения по странам. При этом отсутствуют ярко выраженные перераспределения внутри национальной экономики, в отличие от трансформаций, наблюдаемых внутри стран ЕАЭС. Также можно заметить разнонаправленную динамику развития отдельных отраслей в странах БРИКС: на фоне всеобщего поступательного развития Бразилия и ЮАР демонстрируют снижение абсолютных объемов производства по таким разделам видов деятельности как промышленность и строительство. Все это говорит о слабой вероятности проявления существенных экономических эффектов от интеграции стран БРИКС, что логично предположить, учитывая преобладание политических мотивов при образовании данного экономического союза.

Для дополнения оценки территориально-отраслевого распределения внутри экономических союзов оценим региональную специализацию России в них с помощью второго метода – адаптированного индекса Джини, порядок расчета которого представлен формулой (2). При этом воспользуемся функцией gini.spec{REAT} среды программирования R. В результате получаем седлающие значения показателя по трем временным точкам для ЕАЭС:

G(2000 г.) = 0,014; G(2018 г.) = 0,019; G(2024 г.) = 0,040.

Адаптированный коэффициент Джини (G_i) отражает степень отклонения уровня региональной специализации отдельной страны от его общего уровня по экономическому союзу. В данном случае, значение G_i хоть и растет, но оно близко к 0 и говорит об отсутствии существенного отличия экономической специализации России на фоне ЕАЭС.

Тот же самый показатель, рассчитанный для России на фоне БРИКС, демонстрирует заметно отличающиеся значения:

G(2011 г.) = 0,229; G(2018 г.) = 0,247; G(2024 г.) = 0,244.

Полученные значения G_i, в данном случае, свидетельствуют о несущественном, но заметном отклонении структуры российской экономики от средних долей ВДС, рассчитанных по БРИКС в целом. При детальном сравнении этих двух структур можно заметить, что отклонения проявляются за счет таких секторов как сельское хозяйство, добывающая и обрабатывающая промышленность, а также сфера торговли.

Для сравнительной оценки структуры экономики России на фоне экономических союзов также использовался коэффициент Гувера (формула 4), который в качестве эталона сравнения учитывает не среднюю структуру экономики, а суммарную по всей совокупности стран. Для расчета показателя использовалась функция hoover{REAT} среды программирования R. В результате расчета коэффициента относительно России и стран ЕАЭС / БРИКС за 2024 г. получены следующие результаты:

H(ЕАЭС) = 0,026; H(БРИКС) = 0,144.

Различие в полученных значениях (0,026 в сравнении с ЕАЭС против 0,144 в сравнении с БРИКС) также подтверждает ранее полученные выводы о проявлении эффекта гармонизации структуры экономики для России среди стран ЕАЭС и отсутствии такого эффекта при участии России в союзе БРИКС.

Также проведем парное сравнение структуры экономики России с двумя другими крупнейшими участниками ЕАЭС – Беларусью и Казахстаном. Для этого используем функцию krugman.spec{REAT} среды программирования R, которая выводит значение коэффициента Кругмана (формула 7), предназначенного для парных региональных сравнений. В результате расчетов получаем:

- Россия и Беларусь: K(2000 г.) = 0,238; K(2024 г.) = 0,391;

- Россия и Казахстан: K(2000 г.) = 0,176; K(2024 г.) = 0,268.

Учитывая невысокие результаты относительно диапазона возможных значений коэффициента Кругмана (от 0 до 2), можно констатировать отсутствие кардинальных различий структуры экономки России от двух других участников. Однако, нельзя не отметить, что согласно полученным коэффициентам, экономика России более схожа по своей структуре с экономикой Казахстана, чем Беларуси (значение K_jl = 0,268 против 0,391).

Проведенный анализ на первом этапе исследования показал, что для всех стран ЕАЭС, кроме России, явно проявляется эффект участия в форме трансформации структуры их национальных экономик, при поступательном росте всех основных сфер экономической деятельности. Можно констатировать, что именно экономика России в этом союзе выступает основным стимулятором такого развития отраслей других участников, предоставляя широкие возможности для рынков сбыта и торгового взаимодействия.

3. Анализ отраслевой локализации в экономических союзах

Второй задачей исследования был обозначен анализ отраслевой локализации, что позволит оценить положение отдельных стран с позиции лидерства (при сосредоточении в них определенных видов экономической деятельности), или, наоборот с позиции зависимости (при низкой степени представительности отдельных отраслей в их национальной экономике по сравнению с другими участниками экономического союза). В качестве инструмента такой оценки используется коэффициент отраслевой локализации LQ, представленный формулой (8).

В программной среде R расчет коэффициента LQ осуществляется с помощью функций locq() и locq2() пакета REAT. В результате расчета получаем значения коэффициента локализации экономики России относительно союза ЕАЭС представленные в таблице 5.

Таблица 5. Значения коэффициентов локализации видов экономической деятельности в экономике России относительно союза ЕАЭС

Как видим, по всем отраслевым раздела экономики России коэффициенты локализации приближаются к единице, при этом отдельные сектора немного заходят за границу, которая формально свидетельствует о локализации: строительство – в 2000 г.; сфера услуг – в 2018 г.; обрабатывающая промышленность, торговля и сфера услуг – в 2024 г. Однако, наблюдаемые пересечения не настолько существенны, чтобы говорить о явных конкурентных преимуществах и лидерстве в производстве. Кроме того, некоторые специалисты в области регионального анализа считают, что о явной локализации говорит коэффициент LQ со значением не менее 1,25 [7].

Оценивая локализацию экономики России на фоне ее участия в союзе БРИКС, логично ожидать выделение сектора добывающей промышленности, что подтверждается высокими значениями коэффициента LQ, который, однако, несколько снижается (2,2 в 2018 г. против 2,07 в 2024 г.) с начала периода глобальных кризисов (рисунок 3).

Рисунок 3. Значения коэффициентов локализации видов экономической деятельности в экономике России относительно союза БРИКС в 2018 г. и 2024 г. (Источник: построено авторами на основе данных статистического департамента ООН)

На рисунке 3 также видно, что заметной локализацией отличается сектор торговли.

Таким образом, на данном этапе исследования можно сделать следующие выводы о проявлении эффекта отраслевой специализации для России в результате ее участия в экономических союзах. В рамках ЕАЭС степень локализации практически всех отраслей России соответствует долям их присутствия в совокупной экономике союза (значения коэффициентов LQ близки к 1). В экономике стран БРИКС Россия однозначно доминирует по локализации добывающей промышленности, что создает условия для реализации конкурентных преимуществ при взаимодействии с другими участниками.

Заключение

На основе проведенного комплексного анализа эффектов отраслевой специализации, обусловленных участием Российской Федерации в Евразийском экономическом союзе (ЕАЭС) и объединении БРИКС, можно сформулировать следующие ключевые выводы и заключительные положения.

Во-первых, исследование количественно подтвердило фундаментальное различие между двумя форматами объединений. В ЕАЭС наблюдается реальный эффект экономической интеграции, проявляющийся в синхронной трансформации отраслевых структур большинства стран-участниц (кроме России, играющей роль стимулятора данных преобразований). По союзу БРИКС, несмотря на его формальное существование с 2011 г., не выявлены статистически значимые признаки глубокой хозяйственной интеграции.

Во-вторых, анализ выявил принципиально различное положение и эффекты от участия России в каждом из союзов. В рамках ЕАЭС экономика России выступает в роли системного ядра и стабилизатора. Её отраслевая структура демонстрирует высокую степень гармонизации со средней по союзу (коэффициенты локализации LQ близки к 1, низкие значения индексов Джини и Кругмана в сравнении с партнерами). При этом Россия не проявляет ярко выраженной моноспециализации внутри блока. Главный эффект для России заключается не в изменении собственной структуры, а в создании масштабного рынка сбыта для товаров и услуг других стран-участниц, выступая ключевым драйвером их экономической трансформации и роста. Участие в БРИКС, напротив, подчеркивает и закрепляет сырьевой профиль России в глобальном разделении труда. Коэффициент локализации LQ для добывающей промышленности (B+D+E) превышает 2, что указывает на явное конкурентное преимущество и специализацию в этом секторе на фоне других членов объединения.

Таким образом проведенное исследование проявления эффектов в контексте отраслевой специализации показало, что ЕАЭС демонстрирует реальную экономическую конвергенцию, а БРИКС остается площадкой для политического диалога без глубокой хозяйственной взаимозависимости.

В работе также реализована задача апробации современных количественных методов регионального анализа (индексы концентрации, адаптированные индексы Джини и Гувера, коэффициенты локализации) при технической реализации инструментария пакета REAT (Regional Economic Analysis Toolbox) в среде программирования R для сравнительного анализа интеграционных объединений, показав их эффективность, удобство применения и интерпретации.

Результаты исследования могут быть использованы для выработки рекомендаций по экономической политике в рамках данных объединений, направленной на максимизацию выгод интеграции и обеспечение устойчивого, инклюзивного роста для всех участников.

[1] National Accounts - Analysis of Main Aggregates (AMA). ­ [Электронный источник]. — URL: https://unstats.un.org/unsd/snaama/Index (дата обращения: 17.02.2026)

[2] ISO 3166-1 alpha-3 codes.­ [Электронный источник]. ­­­– URL: https://geocoder.wigeogis.com/download/iso3.pdf (дата обращения: 17.02.2026)

[3] Introduction of the Standard Industrial Classification of All Economic Activities, Revision 5 (ISIC Rev.5) . [Электронный источник]. – URL: https://unstats.un.org/unsd/classifications/Econ/Download/In%20Text/ISIC5_Intro_11Mar2024.pdf (дата обращения: 17.02.2026)

[4] «ОК 029-2014 (КДЕС Ред. 2). Общероссийский классификатор видов экономической деятельности» (утв. Приказом Росстандарта от 31.01.2014 N 14-ст) (ред. от 11.09.2025). [Электронный источник]. – URL:https://www.consultant.ru/document/cons_doc_LAW_163320/ (дата обращения: 17.02.2026)