Режимы развития обрабатывающей промышленности российских регионов: структура, динамика и переходы

Введение

Промышленная политика и новая индустриализация в России [12] находились в центре экономической повестки последние два десятилетия, однако современный подход существенно расширился по сравнению с традиционной поддержкой отдельных отраслей или предприятий. Промышленная политика рассматривается как способ направленного структурного развития экономики, предполагающий выявление ограничений для новых видов деятельности, координацию взаимосвязанных инвестиций, формирование технологических компетенций и создание условий для частной инициативы [3]. Государство не располагает полной информацией о перспективных направлениях заранее, а результат промышленной политики зависит от постоянного взаимодействия с предприятиями и от способности корректировать инструменты по мере накопления информации [28]. Развитие литературы по пересмотру промышленной политики сместило акцент от выбора отдельных победителей к формированию условий для технологического обновления, структурных изменений и решения общественно значимых задач [17,24]. Для России, в частности, необходимо учитывать пространственную неоднородность промышленной системы, поскольку единые национальные цели реализуются в регионах с принципиально разной структурой производства, накопленными компетенциями и возможностями развития [3].

Большое значение проблема приобрела в условиях изменения внешнеэкономических и технологических связей. Концепция технологического суверенитета в современной литературе связывается со способностью сохранять доступ к критически важным технологиям и свободу экономических решений при отсутствии односторонних зависимостей, способных блокировать развитие значимых сфер [20,22]. Исследования отечественных авторов также подчеркивают, что технологический суверенитет совместим с открытостью экономики и должен опираться на развитие научных и производственных компетенций, исключая стремление воспроизводить внутри страны все технологические цепочки независимо от издержек [2]. На региональном уровне особое значение приобретает накопленный научно-технический потенциал, распределенный между территориями крайне неравномерно [4], поэтому в данной работе технологический суверенитет рассматривается как контекст современной промышленной политики. Постановка вопроса тесно связана с представлением об экономическом развитии как о процессе, зависящем от ранее сложившейся траектории. В эволюционном подходе Дж. Дози [21] технологическое развитие имеет накопительный характер, когда существующие знания, оборудование, компетенции и направления поиска ограничивают и одновременно открывают последующие возможности. В исследованиях региональной устойчивости идея получила развитие применительно к реакции территорий на кризисы. Региональная экономика может по-разному сопротивляться внешнему воздействию, восстанавливаться после него и менять сложившуюся структуру; поэтому устойчивость не следует сводить к одному показателю краткосрочного роста [26]. Р. Босхма [18] разграничивает приспособление в пределах существующего пути развития и способность сформировать новые направления. Эмпирические исследования показывают, что отраслевая структура существенно связана с реакцией региона на кризис, поскольку одни и те же виды деятельности могут демонстрировать разные результаты в разных территориальных условиях [25]. Инновационная способность также связана с более благоприятными вариантами адаптации, однако не достаточна для обеспечения устойчивости [19]. Отсюда следует классический принцип дифференцированной региональной политики, говорящий о том, что содержание мер зависит от конкретного сочетания проблем и возможностей территории [29].

Отечественные исследования задолго до 2022 года показывали, что структурные характеристики региональной экономики связаны с динамикой неоднозначно. Специализация может обеспечивать высокие темпы роста, усиливая чувствительность к отраслевым изменениям, тогда как диверсификация связана чаще со стабильностью [10]. Для промышленных регионов существенны как исходные структурные характеристики, так и приобретаемые возможности адаптации, причем успешное прохождение одного кризиса комплексно связано с ресурсным потенциалом [11]. Научно-технический потенциал также отличается значительной пространственной концентрацией, что ограничивает возможность применения одинаковых инструментов технологического развития во всех субъектах Российской Федерации [4]. После 2022 года различия региональной реакции стали особенно заметными. Первые оценки указывали на повышенные риски для территорий, где значительную роль играли предприятия, глубоко включенные в международные производственные связи, отдельные ориентированные на экспорт отрасли и производства, зависимые от зарубежных комплектующих и оборудования [6,7]. Д.Ю. Землянский и В.А. Чуженькова [5] показали усиление отрицательной связи между отраслевой зависимостью регионов от импорта и промышленной динамикой в течение 2022 года. Исследование предприятий обрабатывающей промышленности выявило несколько различных стратегий реакции, от сокращения деятельности до перестройки поставок и разработки новых продуктов и технологий, причем первоначальная адаптация во многих случаях опиралась на сравнительно простую замену поставщиков, потенциал которой в долгосрочном периоде ограничен [14].

Исследователь А.А. Широв [16] рассматривает изменения после 2022 года как начало более широкой структурно-технологической перестройки, в краткосрочном периоде экономика способна компенсировать дефицит качественных ресурсов загрузкой существующих мощностей, заменой поставок и другими количественными механизмами, однако в среднесрочной перспективе устойчивое развитие требует модернизации производства, роста инвестиций и расходов на исследования и разработки. Пространственный аспект процесса подробно исследован Н.Н. Михеевой [10], проведенный анализ предшествующих внешних шоков показывает, что восстановление агрегированных показателей сопровождается изменением отраслевых и территориальных пропорций, причем рост обрабатывающих производств не обязательно означает повышение их технологического уровня. В частности, адаптация к предыдущим кризисам сопровождалась усилением некоторых ранее сложившихся пространственных диспропорций и снижением доли высоко- и средневысокотехнологичных производств в структуре обработки. Поэтому положительную динамику промышленного выпуска необходимо отделять от более широкого понятия качественного структурного развития [10].

Наиболее близким к настоящему исследованию является анализ М.Ю. Малкиной [8], где для 2022-2023 годов автор показывает значительную неоднородность промышленной динамики российских регионов, слабую устойчивость относительных позиций между двумя годами и изменение значимости отдельных факторов промышленного развития. В последующей работе, посвященной отраслевой динамике российской промышленности, показано, что рост стоимостных показателей существенно различается по соотношению ценовой и физической составляющих, что делает особенно важным использование показателей реального изменения производства [9]. Отдельно развивается подход, в котором состояние высокотехнологичных производств оценивается как сочетание технологичности, инновационности и способности к адаптации; результаты также показывают, что высокая текущая динамика и качественные характеристики развития не всегда совпадают [1].

Территориальная неоднородность российской промышленности и различия реакции регионов на изменение внешних условий уже достаточно убедительно установлены в предыдущих исследований. Вместе с тем, в имеющихся исследованиях преобладают сопоставления регионов в отдельные кризисные годы, анализ исходной специализации, расчет факторов текущей динамики или классификация по совокупности результатов и характеристик потенциала. В меньшей степени исследована последовательность сопоставимых ежегодных состояний региональной обрабатывающей промышленности, позволяющая отличить относительно устойчивую конфигурацию от кратковременной смены динамики и проследить, сохраняется ли новое состояние в последующие годы.

Цель исследования состоит в выявлении и характеристике режимов развития обрабатывающей промышленности российских регионов в 2017–2024 годы, анализе переходов между ними и сопоставлении предшествующих показателей инвестиций, исследований и разработок и инновационной деятельности для различных режимов. Новизна подхода состоит в том, что развитие обрабатывающей промышленности регионов рассматривается как последовательность сопоставимых режимов в течение года, выделяемых по структуре и реальной динамике производства, инвестиционные и инновационные характеристики анализируются отдельно как возможные условия формирования режимов.

1. Данные и методы исследования

Информационная база сформирована из официальных региональных данных Росстата, объединенных в единую панель. Основной период охватывает 2017-2024 годы. Начальная граница выбрана с учетом сопоставимости показателей по ОКВЭД2 и полного покрытия основных переменных. Выборка включает 85 регионов и 680 уникальных наблюдений на уровне региона и года. Панель полностью сбалансирована. Для выделения режимов использованы три характеристики. Во-первых, индекс производства обрабатывающих производств, выраженный в процентах к предыдущему году; для удобства интерпретации из значения индекса вычиталось 100, поэтому полученная величина показывает годовое изменение относительно предыдущего года [15]. Во-вторых, индекс физического объема валовой добавленной стоимости (ВДС) обрабатывающих производств, также пересчитанный как отклонение от 100 [15]. В-третьих, доля обрабатывающих производств в ВДС региона. Первые два показателя характеризуют разные стороны реальной динамики, их корреляция в исходной базе составляет лишь 0,219. Третий показатель необходим для разграничения ускорения в регионе, где обрабатывающие производства играют небольшую роль, и сопоставимой динамики в крупном промышленном комплексе. Общая характеристика показателей, использованных для анализа, приведена в таблице 1.

Таблица 1. Основные показатели исследования и источники их формирования в исходной выборке

Показатель	Содержание	Использование
Индекс производства обрабатывающих производств [15]	Физическая динамика промышленного производства, % к предыдущему году	Выделение режимов; в расчетах индекс − 100
Индекс физического объема ВДС обрабатывающих производств [15]	Изменение реального объема создаваемой в отрасли добавленной стоимости, % к предыдущему году	Выделение режимов; в расчетах индекс − 100
Доля обрабатывающих производств в ВДС региона [15]	Структурная роль отрасли в региональной экономике, %	Выделение режимов
Интенсивность внутренних затрат на исследования и разработки [13]	Внутренние затраты на исследования и разработки / ВРП × 100	Характеристика условий, лаг один год
Инвестиционная интенсивность [13]	Инвестиции в основной капитал / ВРП × 100	Характеристика условий, лаг один год
Затраты на инновационную деятельность [13]	Доля затрат на инновационную деятельность в объеме отгруженной продукции, работ и услуг, %	Характеристика условий, лаг один год
Инновационная продукция [13]	Доля инновационных товаров, работ и услуг в общем объеме отгрузки, %	Характеристика условий, лаг один год

Состав переменных и их фактическое покрытие предварительно проверялись по метаданным и исходным распределениям. Основной индекс производства и доля обрабатывающих производств имеют полное покрытие 85 регионов в 2017-2024 годы; показатели инновационной деятельности также характеризуются практически полной панелью. Абсолютные денежные величины в текущих ценах для межрегионального сравнения не использовались.

На первом этапе для выделения режимов применена вероятностная классификация на основе смеси многомерных нормальных распределений [23,27]. Смысл процедуры в том, что предполагается, что наблюдаемые сочетания трех показателей образуют несколько повторяющихся групп. Каждая группа имеет собственный типичный уровень показателей и собственный характер их разброса. Метод одновременно определяет параметры рассматриваемых групп и рассчитывает для каждого наблюдения вероятность принадлежности к каждой из них. В отличие от жесткого разбиения, подход позволяет видеть пограничные случаи, характеристики которых близки сразу к нескольким режимам. Все три признака перед классификацией были приведены к единой шкале. В региональных данных присутствуют реальные, но крайне высокие годовые скачки, особенно в субъектах с небольшой промышленной базой, например, индекс производства обрабатывающих производств в отдельных наблюдениях достигает 250-290% к предыдущему году, а индекс физического объема ВДС отмечен на уровне более 300%. Чтобы несколько единичных наблюдений не сформировали самостоятельный режим, только на этапе определения границ групп значения ниже 1-го и выше 99-го процентиля ограничивались соответствующими процентильными границами.

Проверялись решения с двумя, тремя, четырьмя и пятью режимами и несколько вариантов допустимых различий в разбросе и взаимосвязях показателей внутри групп. Для выбора использован байесовский информационный критерий, который сопоставляет качество описания данных со сложностью модели (меньшее значение соответствует более предпочтительному решению). Минимальное значение получено для трех режимов составило 5034, поэтому в дальнейшем используется трехрежимная классификация. Классификация оценивалась один раз на всей панели 2017-2024 годов, благодаря чему содержание каждого режима остается неизменным во времени и переход региона между режимами имеет однозначную интерпретацию. Проверки с другой начальной точкой расчета и альтернативным способом приведения показателей к сопоставимой шкале дали близкое разбиение; наибольшая чувствительность наблюдалась при полном отказе от ограничения единичных экстремумов. Средняя расчетная вероятность принадлежности к назначенному режиму составляет от 0,827 до 0,872.

На втором этапе прослеживались последовательные переходы одного региона из года в год, всего получено 595 переходов. Для содержательного сопоставления они разделены на предшествующий период 2017-2021 годы, отдельный переход от 2021 к 2022 и два перехода внутри периода 2022-2024 годы.

На третьем этапе между выявленными режимами сопоставлялись четыре характеристики, взятые с лагом в один год, включая интенсивность внутренних затрат на исследования и разработки относительно ВРП , инвестиции в основной капитал относительно ВРП ( , затраты на инновационную деятельность относительно отгрузки и долю инновационной продукции ( . Использование предшествующего года позволяет сохранить временную последовательность, сначала наблюдается характеристика условий, затем состояние региональной промышленности. Из-за выраженной асимметрии распределений различия между режимами проверялись непараметрическим критерием Краскела-Уоллиса.

На четвертом этапе выполнена вспомогательная эконометрическая проверка, где зависимой переменной является годовое изменение производства обрабатывающих отраслей , а четыре перечисленных показателя вводятся с лагом в один год. Используется модель с фиксированными эффектами регионов и лет:

Фиксированный эффект региона μ_r исключает из оценки устойчивые различия между субъектами, которые почти не меняются во времени, а фиксированный эффект года τ_t учитывает общие для всех регионов изменения конкретного года. Стандартные ошибки рассчитаны с учетом зависимости наблюдений внутри одного региона, поэтому коэффициенты отвечают достаточно узкому вопросу о том, связано ли изменение соответствующей характеристики внутри региона с последующей годовой динамикой промышленности после учета общего временного фона.

2. Результаты и обсуждение

2.1. Выявленные режимы развития обрабатывающих производств

Классификация из трех режимов показывает, что основное различие между наблюдениями задается сочетанием структурной роли обрабатывающих производств и характера текущей динамики. Названия режимов, используемые далее присвоены после получения расчетов и носят описательный характер (таблица 2).

Таблица 2. Характеристики выявленных режимов развития обрабатывающей промышленности. Источник: расчеты автора по данным Росстата [13,15]

Показатель	Режим 1	Режим 2	Режим 3
Число наблюдений регионов и лет	446	127	107
Доля выборки, %	65,6	18,7	15,7
Среднее изменение производства, п. п. к уровню предыдущего года	4,393	7,670	11,333
Среднее изменение физического объема ВДС, п. п.	3,571	8,639	6,754
Средняя доля обрабатывающих производств в ВДС региона, %	19,819	3,046	17,505
Интенсивность НИОКР в предыдущем году, % ВРП	0,70	0,24	0,86
Инвестиции в предыдущем году, % ВРП	20,79	28,58	21,03
Затраты на инновации в предыдущем году, % отгрузки	1,66	0,93	1,95
Инновационная продукция в предыдущем году, % отгрузки	6,00	1,15	5,68

Первый режим является наиболее распространенным и охватывает почти две трети всех наблюдений, был отмечен как сформированная база обрабатывающей промышленности и инерционное развитие. Средняя доля обрабатывающих производств в ВДС здесь составляет 19,8%, при этом среднее годовое изменение производства равно 4,3 п. п. Содержательно речь идет о регионах и годах, в которых обрабатывающая промышленность занимает заметное место в экономике, но ее динамика не является исключительной. Такой режим можно рассматривать как наиболее типичное состояние уже сформированной промышленной базы.

Второй режим принципиально отличается структурной ролью отрасли (режим определяет формирующиеся точки роста обрабатывающих производств), где ее средняя доля в ВДС составляет лишь около 3 %, при этом динамика выше 7,6 п. п. по производству и 8,6 п. п. по физическому объему ВДС. Высокий темп роста небольшой отрасли может формироваться вследствие запуска одного крупного объекта, восстановления после низкой базы либо изменения ограниченного числа предприятий. Такая особенность российских региональных показателей неоднократно отмечалась в исследованиях кризисной динамики (Кузнецова, 2021; Малкина, 2024). Поэтому первоначально использовавшаяся формулировка «небольшая база, ускоренный рост» представляется менее точной: база непосредственно не измеряется в абсолютном выражении, а «ускорение» предполагает сравнение темпа с предыдущим периодом. Термин «низкая структурная роль, повышенная динамика» лучше соответствует фактически используемым показателям.

Третий режим сочетает значимую структурную роль обрабатывающих производств 17,5 % ВДС, с наиболее высокой средней динамикой производства (характеризуется автором как активный рост обрабатывающей промышленности). Прирост физического объема ВДС также остается повышенным, что отличает третий режим от второго, при этом третий режим следует отличать от высшего уровня промышленного развития. Как показывает отечественная литература, увеличение физического выпуска может сопровождаться упрощением структуры производства, использованием существующих мощностей, изменением государственного спроса или замещением более качественных ресурсов массовыми [10,14,16].

2.2. Изменение распределения режимов и переходы между ними

Распределение режимов во времени показывает сочетание инерционности и заметной подвижности. В 2021 году к первому режиму относились 60 регионов, ко второму 14, к третьему 11. В 2022 г. число регионов первого режима снизилось до 50, а в 2023 году третий режим расширился еще сильнее, до 21 региона, тогда как в первом осталось 48. В 2024 году распределение вновь приблизилось к более привычной структуре, произошла адаптация к экономическому шоку 2022 года (рисунок 1). Рисунок показывает, что основная перестройка распределения регионов происходит между первым и третьим режимами, в то время как второй режим выполняет роль сравнительно устойчивой области.

Рисунок 1. Переходы российских регионов между режимами развития обрабатывающей промышленности в 2017-2024 годах. Источник: составлено автором

На границе 2021-2022 гг. произошло существенное перераспределение в сторону режимов с повышенной динамикой, в 2023 году процесс для третьего режима продолжился, но к 2024 году значительная часть регионов вернулась к более умеренной динамике при сохранении значимой структурной роли обрабатывающих производств. Детальный анализ статистики переходов между режимами подтверждает наблюдаемую картину (таблица 3).

Таблица 3. Устойчивость режимов и смена режимов развития обрабатывающей промышленности в регионах России с 2017 по 2024 годы. Источник: расчеты автора по данным Росстата [13,15]

Период	Число последовательных переходов	Доля сохранения режима, %	Доля смены режима, %	Число смен
2017–2021	340	76,5	23,5	80
2021–2022	85	63,5	36,5	31
2022–2024	170	66,5	33,5	57
Весь период	595	71,8	28,2	168

До 2022 г. режим сохранялся в 76,5% последовательных наблюдений. На переходе от 2021 к 2022 году показатель снизился до 63,5%, а режим изменил 31 из 85 регионов. Наиболее распространенным направлением стала смена первого режима на третий (всего выявлено 15 случаев), обратный переход из третьего режима в первый наблюдался в семи случаях. При этом из 31 региона, сменившего режим на границе 2021-2022 годов, только 14 сохранили новое состояние как минимум в 2023 году, а восемь также в 2024 г. Иными словами, большая часть первоначальных переходов оказалась временной либо сопровождалась последующей сменой состояния, очевидно, реакция промышленности в первый год изменения внешних условий и закрепление новой траектории дифференцированы.

В двух последующих переходах от 2022 к 2023 частым изменением был переход из режима значимой роли обрабатывающей промышленности и повышенной динамики в режим значимой роли и умеренной динамики. В обратном направлении зафиксировано 17 переходов. Результат согласуется с выводом М. Малкиной [8] о слабой устойчивости относительных позиций регионов между 2022 и 2023 годами и с более общим представлением о том, что реакция на шок состоит из нескольких фаз. На этот период приходятся ограничения поставок и технологий, перестройка логистики, уход части зарубежных компаний, изменение государственного спроса, новые бюджетные и инвестиционные решения.

2.3. Инвестиционные и инновационные характеристики режимов

Углубление исследования показало, что все четыре рассматриваемые характеристики инновационной и инвестиционной деятельности регионов статистически различаются между режимами, например, для интенсивности НИОКР значение критерия Краскела-Уоллиса составило 61,4. Во всех случаях вероятность случайного получения различий составляет менее 0,001. Различия имеют содержательно неодинаковую направленность. Второй режим, сочетающий низкую структурную роль обрабатывающих производств с повышенной динамикой, характеризуется наиболее низкой средней интенсивностью НИОКР (всего около 0,24% ВРП), наиболее низкими затратами на инновации и минимальной долей инновационной продукции. Инвестиционная интенсивность, однако, максимальна и составляет 28,6% ВРП. Данные приведены в таблице 4.

Таблица 4. Предшествующие научно-технологические, инвестиционные и инновационные характеристики режимов развития обрабатывающей промышленности. Примечание. В ячейках приведены средние значения, в скобках отражены медианы. Источник: составлено автором

Показатель	Режим 1	Режим 2	Режим 3	H Краскела–Уоллиса	p
Интенсивность НИОКР, % ВРП	0,70 (0,41)	0,24 (0,16)	0,86 (0,45)	61,4	<0,001
Инвестиции в основной капитал, % ВРП	20,79 (18,95)	28,58 (25,74)	21,03 (19,75)	46,6	<0,001
Затраты на инновационную деятельность, % отгрузки	1,66 (1,29)	0,93 (0,40)	1,95 (1,23)	52,3	<0,001
Инновационная продукция, % отгрузки	6,00 (4,63)	1,15 (0,50)	5,68 (4,50)	131,7	<0,001

Очевидно, что высокая относительная динамика обрабатывающих производств в регионах, где их структурная роль невелика, часто не соответствует развитому научно-инновационному профилю и соседствует с общей высокой инвестиционной интенсивностью региона. Профиль соответствует ситуации, когда заметное расширение небольшой производственной базы может быть связано с отдельными крупными инвестиционными проектами или вводом новых мощностей. Первый и третий режимы значительно ближе друг к другу по инновационным характеристикам. Средняя интенсивность НИОКР составляет соответственно 0,70 и 0,86% ВРП, затраты на инновации на уровне 1,7 и 1,9 % от объема отгруженной продукции, доля инновационной продукции превышает 5%. Переход от умеренной к повышенной динамике при значимой роли обрабатывающих производств происходит между похожими типами научно-инновационной среды, что важно для промышленной политики, поскольку накопленный потенциал создает возможности для развития, однако не определяет состояние производства в регионе. Результат соответствует выводам в исследовании [19], согласно которым инновационная способность является элементом региональной устойчивости, исключая гарантию длительного экономического роста.

2.4. Эконометрическая проверка

Результаты модели с фиксированными эффектами дают важное дополнение к сопоставлению режимов. В отличие от критерия Краскела-Уоллиса, который учитывает и устойчивые различия между регионами, модель с фиксированными эффектами отвечает на вопрос, сопровождается ли изменение исследуемого показателя внутри одного региона последующим изменением динамики производства (таблица 5).

Таблица 5. Связь предшествующих характеристик региона с годовой динамикой обрабатывающих производств. Приведены коэффициенты панельной регрессии, в скобках указаны p-значения. Источник: расчеты автора.

Независимая переменная, лаг один год	2018-2024	2018-2021	2022-2024
Интенсивность НИОКР, % ВРП	1,321 (0,668)	0,067 (0,987)	7,210 (0,547)
Инвестиции в основной капитал, % ВРП	−0,053 (0,642)	−0,004 (0,990)	0,200 (0,486)
Затраты на инновации, % отгрузки	−0,331 (0,485)	−0,015 (0,988)	−0,048 (0,949)
Инновационная продукция, % отгрузки	−0,207 (0,174)	−0,253 (0,141)	−0,024 (0,941)
Число наблюдений	580	331	249
Число регионов	83	83	83
Внутригрупповой R2	0,004	0,003	0,009
Фиксированные эффекты регионов	да	да	да
Фиксированные эффекты лет	да	да	да

Ни один из четырех коэффициентов не является статистически значимым на 5%-м уровне ни для полного периода, ни для двух периодов. Значения внутригруппового R² также крайне малы, 0,004 для полной выборки, 0,003 до 2022 года. Проверка с ограничением крайних значений зависимой переменной не меняет основного результата, поскольку устойчивых связей на 5%-м уровне не возникает. Режимы отличаются по уровню накопленных региональных характеристик, модель с фиксированными эффектами исключает устойчивые межрегиональные различия и использует преимущественно годовые отклонения показателей от характерного для конкретного региона уровня, что важно для промышленной политики. Полученный результат объясним, исследования и разработки, инновационные проекты и инвестиции имеют разные сроки реализации, отраслевую направленность и степень связи с обрабатывающими производствами. Накопление научно-технологических компетенций по своей природе является длительным процессом, который очевидно не отражается в краткосрочном периоде. Кроме того, показатели НИОКР и инвестиций в используемой базе относятся ко всей региональной экономике, поэтому отсутствие простой краткосрочной зависимости следует интерпретировать как свидетельство долгосрочного характера исследований, инноваций или инвестиций.

2.5. Значение результатов для региональной промышленной политики

Полученная классификация предназначена для разделения различных ситуаций, которые при использовании одного индекса промышленного производства могли бы выглядеть одинаково. Для режима сформированной базы обрабатывающей промышленности и инерционного развития (примеры регионов включают Республику Татарстан, Свердловскую и Челябинскую области и Пермский край, все они относились к первому режиму во все годы 2017-2024 годах) основная задача состоит повышении качества развития промышленного сектора в целом, приоритетами становятся модернизация оборудования, рост производительности, распространение современных производственных решений и коммерциализация прикладных разработок, традиционно подчеркивается роль подготовки кадров и устранение инфраструктурных и технологических ограничений. Умеренная динамика является результатом нехватки инвестиций, кадров и технологического обновления.

Для режима формирования точек роста обрабатывающей промышленности (Республика Калмыкия, Еврейская автономная область, Сахалинская область и Республика Северная Осетия - Алания) высокая величина индекса производства средняя доля обрабатывающих производств в ВДС составляет только 3,%, при том, что инвестиционная интенсивность существенно превышает два других режима. Практический вопрос здесь заключается в том, способен ли текущий рост сформировать устойчивую региональную производственную базу, поэтому политика направляется на закрепление возникающих специализаций, создание связей новых производств с местными поставщиками и развитие необходимой инфраструктуры и кадров. Оценивать результативность политики целесообразно по тому, сохраняется ли повышенная динамика и увеличивается ли структурная роль обрабатывающих производств.

Для режима активного роста обрабатывающей промышленности (наиболее устойчивые примеры включают Москву, Самарскую и Ульяновскую области) задача отличается, поскольку в регионах существует заметный промышленный комплекс и наблюдаются высокие темпы развития. Поддержка ориентирована на закрепление качественной составляющей роста, включая технологическое обновление, расширение связей между промышленными предприятиями и научно-образовательной системой, а также освоение новых продуктов и повышение эффективности.

Переходы между режимами необходимо анализировать в процессе мониторинга. В случаях, когда новое состояние сохраняется несколько лет, оснований говорить о более устойчивом изменении становится больше, поэтому перспективную региональную диагностику целесообразно строить не по принципу ежегодного рейтинга, а как наблюдение за последовательностью состояний, в чем и состоит практическое преимущество предлагаемого подхода.

Выводы

Проведенный анализ позволил выделить три устойчиво повторяющихся режима развития обрабатывающей промышленности российских регионов в 2017–2024 гг. Основным состоянием является сочетание сформированной базы обрабатывающей промышленности при инерционной динамике развития, на него приходится практически две трети всех наблюдений. Второй режим отражает формирующиеся точки роста производств и характеризуется низкой долей обрабатывающих производств в региональной ВДС и повышенной относительной динамикой, а третий сочетанием значимой структурной роли обрабатывающей промышленности с наиболее высокой динамикой производства.

Анализ переходов показывает, что режимы обладают заметной инерционностью, однако граница 2021-2022 года сопровождалась увеличением подвижности, до 2022 года режим сохранялся в 76,5% последовательных наблюдений, тогда как на переходе только в 63% регионов. Режимы, помимо того, существенно различаются по предшествующим характеристикам исследований и разработок, инвестиций и инновационной деятельности. Особенно выделяется режим формирования точек роста, который сочетает максимальную инвестиционную интенсивность с наиболее низкими показателями НИОКР и инновационной деятельности. Первый и третий режимы заметно ближе друг к другу по научно-инновационному профилю, вместе с тем, модели с фиксированными эффектами не выявили устойчивой краткосрочной связи между годовыми изменениями рассмотренных характеристик внутри региона и последующей промышленной динамикой.

Практическая значимость результатов состоит в возможности перейти от универсальной оценки промышленной динамики к дифференцированной диагностике для выработки соответствующей промышленной политики, исключающей линейные рейтинги и агрегирование как ключевые инструменты принятия решений. Для регионов со значимой промышленной базой и умеренной динамикой актуальна модернизация уже существующего комплекса; для регионов с низкой структурной ролью обрабатывающих производств и быстрым ростом необходимо закрепление формирующейся производственной базы и снижение зависимости от отдельных проектов; для регионов с устойчивой повышенной динамикой роста необходимо превращение количественного роста в устойчивое технологическое и производственное обновление.

Ограничения исследования связаны с агрегированным региональным уровнем данных, использованием только ограниченного количества показателей при выделении режимов и коротким периодом наблюдений после 2022 года. Кроме того, исследование не оценивает причинно-следственные связи санкций, не измеряет технологический суверенитет как таковой. Результатом является более узкая характеристика структуры и динамики обрабатывающей промышленности, позволяющая прослеживать переходы регионов между сопоставимыми состояниями во времени.