Оценка мультипликативного эффекта инноваций на валовой региональный продукт лесопромышленных регионов Российской Федерации

Введение

Лесопромышленный комплекс формирует заметную часть экономики ряда субъектов Российской Федерации, удерживает занятость в малых городах и поселках и задает спрос на технологические решения, в том числе в глубокой химической переработке древесины. После 2022 года отрасль столкнулась с закрытием традиционных экспортных рынков и переориентацией товарных потоков, что усилило интерес региональных властей к внутренним источникам роста. Стратегические документы отрасли исходят из того, что технологическое обновление комплекса даст ощутимый прирост региональной экономики [14]. Проверка данного предположения на региональной статистике даст обоснование разработки практического решения, связанного с концентрацией ограниченных средств поддержки на лесных территориях.

Лесопромышленный комплекс (далее — ЛПК) отдельной строкой в региональной статистике не выделен, поэтому определить круг лесопромышленных территорий можно только расчетным путем. Инновационные показатели по субъектам публикуются без отраслевого разреза, а их годовая динамика определяется отдельными крупными проектами, что осложняет выделение устойчивого эффекта.

Цель исследования заключается в определении количественной меры отдачи инновационных затрат в валовом региональном продукте (далее — ВРП) субъектов Российской Федерации с наибольшей долей ЛПК в валовой добавленной стоимости (далее — ВДС) и в выражении ее в форме рублевого мультипликатора, пригодного для сопоставления территорий между собой.

Представление о региональной инновационной системе как о ядре из инновационно активных предприятий, вузов и научных организаций с поддерживающим институциональным окружением закрепилось в работах Маскайкина Е.П. [11, с. 66–74] и Мухамедьярова А.М., Диваевой Э.А. [13]. Каменских М.А. [8, с. 39–48], сопоставив существующие трактовки понятия, показал, что единого определения не сложилось и выбор трактовки предопределяет состав измеряемых показателей. Зайцев Н.С. [5, с. 267–269] переносит ту же логику на локальный уровень, разделяя систему на компоненты по их функции в инновационном цикле.

Общая черта перечисленных работ в том, что вопрос, вокруг какой отрасли складывается ядро системы на конкретной территории, остается открытым. Ближе других к нему подходят Мартин Х., Грундель И. и Дальстрем М. [22, с. 1636–1648], в трудах которых обозначено, что при переходе к биоэкономике роли участников меняются, и компании из потребителей технологий становятся заказчиками исследований.

Состояние самого комплекса описано достаточно подробно. Комиссарова А.В. [9, с. 39–58] разбирает особенности его формирования и роль в экономике страны, Аборкина Е.О. [1, с. 39–45] связывает нынешнее положение отрасли с накопленными структурными причинами, Терентьева В.Д. [20, с. 203–209] объясняет его санкционным ограничением экспорта и переориентацией товарных потоков. В работах описывается состояние отрасли, но не просчитывается вклад ее технологического обновления в экономику территории.

Оценка инновационного развития регионов опирается в российской практике на интегральные индексы. Мазилов Е.А. и Шиплюк В.С. [10, с. 68–74], систематизировав существующие методики, пришли к выводу, что методик оценки собственно региональной инновационной системы не существует, а есть методики построения интегральных индексов, тесно с нею связанных. Миронова Е.А., Чебыкина М.В. и Шаталова Т.Н. [12, с. 71–79] показывают, что механизм реализации региональной инновационной стратегии выстраивается под уже сложившуюся отраслевую базу, а не под средние показатели. Индексный подход упорядочивает регионы, но оставляет открытым вопрос о том, какой экономический результат стоит за занятым местом.

Подходы к оценке самих мультипликативных эффектов в региональной экономике сложились в двух направлениях. Первое опирается на межотраслевой баланс и кейнсианскую схему распространения импульса. Так, Идзиев Г.И. [7, с. 58–67] разделяет производственные мультипликаторы, показывающие изменение валового выпуска при росте выпуска анализируемого вида деятельности, и инвестиционные, отражающие реакцию выпуска на рост вложений в основной капитал сектора. Второе направление обходится без межотраслевых таблиц и строит регрессию результирующего показателя на отраслевой. Анциферова О.Ю. и Сутормина Е.С. [2, с. 41–50] по данным Тамбовской области утвержают, что прирост объема инновационной продукции агропромышленного комплекса на 1 млрд руб. сопровождается приростом валового регионального продукта на 23,1 млрд руб. при коэффициенте детерминации 0,395, и отдельно отметили высокую волатильность инновационного процесса, создающую риски для устойчивости такого роста.

Мультипликативные эффекты в лесном комплексе до сих пор оценивались на отраслевом уровне. Сушко О.П. [23, с. 321–326] предложила мультипликативную оценку эффективности лесного кластера, а в работах Сушко О.П. и Ефимовой М.В. [24, с. 154–171] показано, что отдача отрасли определяется глубиной переработки, что выявлено при сопоставлении комплексов лесообеспеченных стран. Необходимость дифференцированного подхода к регионам с разной отраслевой структурой обоснована Гамидуллаевой Л.А. и Росляковой Н.А. [4, с. 283–300] на кластерно-эконометрическом материале и, в зарубежной традиции, Тедтлингом Ф. и Триппл М. [25, с. 1203–1219].

При обзоре литературы был обнаружен разрыв между двумя линиями исследований. Первая описывает устройство региональной инновационной системы и способы ее измерения, но не связывает вложения с экономическим результатом территории. Вторая измеряет мультипликативные эффекты, однако делает это либо для экономики страны через межотраслевой баланс, либо для отдельной отрасли. Региональная проекция мультипликатора, где результатом выступает валовая добавленная стоимость субъекта, а объясняющей величиной выступают инновационные затраты, для территорий с выраженной лесопромышленной специализацией ранее не строилась. Этот факт и определяет задачу настоящей работы.

Научная новизна работы состоит в трех положениях. Предложен расчетный способ выделения доли ЛПК в ВДС региона из открытых данных об отраслевой структуре отгрузки обрабатывающих производств, позволяющий ранжировать субъекты по специализации в терминах добавленной стоимости, а не отгрузки. Сформирована система инновационных показателей лесопромышленных регионов, разделенная по стадиям инновационного процесса и дополненная накопленным инновационным капиталом, который учитывает отложенное действие прошлых вложений. Впервые для этой группы регионов эластичность ВДС по инновационным затратам переведена в рублевый мультипликатор и показана его обратная связь с достигнутой интенсивностью вложений.

Авторская гипотеза заключается в том, что отдача инновационных затрат в лесопромышленных регионах убывает по мере роста достигнутой интенсивности вложений, и потому прирост добавленной стоимости от расширения круга организаций, ведущих инновационную деятельность, превышает прирост от наращивания вложений уже участвующих в ней предприятий.

Методология исследования опирается на количественный эмпирический подход, в котором регион рассматривается как единица наблюдения в панели, а инновационная деятельность изучается как производственный ресурс, формирующий добавленную стоимость с убывающей отдачей. Исследование строится на вторичных данных сплошных статистических наблюдений по всем субъектам Российской Федерации, то есть на агрегированных количественных величинах, сопоставимых между территориями и во времени в границах действующей редакции классификатора видов экономической деятельности. Агрегированная статистика позволяет оценивать средние по совокупности соотношения между вложениями и результатом, но не раскрывает внутрифирменные механизмы, через которые инновационные затраты превращаются в добавленную стоимость, и не отделяет вложения лесопромышленных предприятий от вложений прочих секторов региона. Этому выбору подчинен аналитический инструментарий, в котором связь задается в логарифмической форме, где оцениваемый коэффициент прямо читается как эластичность и переводится в рублевую величину, а устойчивые различия между регионами снимаются внутригрупповым преобразованием.

Основная часть

Лесопромышленный комплекс отдельной строкой в региональной статистике не выделен. Обработка древесины и целлюлозно-бумажное производство входят в раздел «Обрабатывающие производства», который в отраслевой структуре валовой добавленной стоимости публикуется одной позицией. Доля комплекса восстановлена из структуры отгрузки обрабатывающих производств (взята суммарная доля профильных видов (раздел «Обработка древесины» и группа «Производство бумаги и бумажных изделий; деятельность полиграфическая»), после чего она умножена на долю обрабатывающих производств в валовой добавленной стоимости региона, формула (1):

V_i = d_лпк,i × d_обр,i / 100, (1)

где:

V_i - доля добавленной стоимости комплекса в валовом региональном продукте региона i;

d_лпк - доля профильных видов в отгрузке обработки;

d_обр - доля обрабатывающих производств в валовой добавленной стоимости.

Расчет по формуле (1) выполнен для всех субъектов, по которым опубликованы обе составляющие: структура отгрузки обрабатывающих производств взята из статистических сборников «Регионы России» за 2022 - 2023 гг. [16; 17] и за 2024 - 2025 гг. [18; 19], отраслевая валовая добавленная стоимость - из официальных данных Росстата [3]. Результаты отбора приведены в табл. 1 и на рис. 1.

Таблица 1 — Регионы с наибольшей долей ЛПК в валовой добавленной стоимости, 2023 г.

Рисунок 1 — Доля ЛПК в валовой добавленной стоимости региона, 2023 г., %. Источник: рассчитано автором по данным Росстата

Состав десяти ведущих по ЛПК регионов по доле в валовом региональном продукте устойчив. В 2021 и 2022 гг. он совпадает с составом 2023 г. по девяти позициям из десяти, перестановки происходят в нижней половине списка.

Выбор базы ранжирования меняет одну позицию. Если упорядочивать регионы по отношению отгрузки комплекса к валовому региональному продукту, в десятку попадает Смоленская область (6,23 %), а Вологодская остается за ее пределами (5,08 %). При переходе к добавленной стоимости они меняются местами и Вологодская область дает 2,35 %, а Смоленская 1,88 %. Причина в разной отдаче обрабатывающего сектора, так как доля обработки в валовой добавленной стоимости Вологодской области равна 51,0 %, а у Смоленской 22,4 %, поэтому одинаковая стоимость отгрузки приводит к разной добавленной стоимости. Для задачи, где результатом выступает валовой региональный продукт, ранжирование по добавленной стоимости корректнее.

Инновационная сторона описана показателями, разделенными на три группы по стадиям процесса.

Ресурсная группа включает затраты на инновационную деятельность организаций (млн руб.) и их интенсивность, то есть отношение к валовой добавленной стоимости региона (%). Затраты представляют собой годовой поток, поэтому дополнительно рассчитан накопленный инновационный капитал методом непрерывной инвентаризации при норме выбытия 20 % годовых, где стартовый запас задан как отношение затрат первого доступного года и нормы выбытия.

Процессная группа включает уровень инновационной активности организаций (%).

Результативная группа включает объем инновационных товаров, работ и услуг и его долю в общем объеме отгруженной продукции (%).

Ряды затрат на инновационную деятельность, уровня инновационной активности и объема инновационных товаров охватывают период 2010 - 2025 годов [6; 15; 21]. Расчеты ограничены доступностью отраслевой валовой добавленной стоимости и сделаны за период с 2017 по 2024 годы. Значения перечисленных показателей по отобранным регионам за 2024 г. сведены в табл. 2 и представлены на рис. 2.

Таблица 2 — Инновационные показатели регионов первой десятки, 2024 г.

Рисунок 2 — Инновационные показатели регионов первой десятки, 2024 г., %. Источник: рассчитано автором по данным Росстата

Картина по двум группам показателей расходится (рис. 2). По затратам десяти регионов-лидеров по ЛПК держится на общероссийском уровне (среднее 1,75 % валовой добавленной стоимости при медиане по субъектам 1,06 %). По эти регионы отстают (средний уровень инновационной активности 8,8 % против медианы 9,8 %). Причем шесть регионов из десяти находятся ниже 43-го места среди субъектов, а Архангельская область занимает 66 место.

Разброс внутри десяти регионов шире, чем расстояние до общероссийского уровня. Иркутская область тратит 6,34 % валовой добавленной стоимости (2 место среди субъектов), Калужская 3,23 % (7 место), Ленинградская 3,02 % (9 место), тогда как Архангельская 0,14 % (64 место), Республика Коми 0,21 % (60 место), Костромская 0,23 % (59 место). Высокие значения обеспечены отдельными крупными проектами, причем в Иркутской области профильными для лесного комплекса они не являются.

В итоге, деньги на инновационную деятельность лесопромышленных регионов поступают на уровне общероссийского, а доля предприятий, ведущих инновационную деятельность, остается ниже среднего. Инновационные расходы концентрируются лишь у некоторых крупных игроков.

Оценка мультипликативного эффекта происходит по модели (2):

ln ВДС_it = α_i + β ln C_it + γ′X_it + d_t + ε_it, (2)

где:

ВДС - валовая добавленная стоимость региона;

C - затраты на инновационную деятельность; α_i - фиксированный эффект региона;

d_t - эффект года;

X - контрольные переменные (валовая добавленная стоимость добычи полезных ископаемых, сельского и лесного хозяйства).

Коэффициент β читается как эластичность. Умножение эластичности на отношение валовой добавленной стоимости к затратам дает рублевый мультипликатор, то есть показывает, сколько рублей добавленной стоимости соответствует рублю затрат при достигнутом уровне вложений.

Модель (2) оценена на полной выборке (75 регионов, 594 наблюдения, 2017 - 2024 гг.) и подвыборке десяти лесопромышленных регионов (80 наблюдений). Результаты оценивания по обеим выборкам приведены в табл. 3.

Таблица 3 — Результаты оценки

На полной выборке эластичность составляет 0,011 - 0,012 и значима на уровне 5 % при включении отраслевых контролей. Переход к накопленному инновационному капиталу повышает оценку до 0,027 при p = 0,082. Это означает, что удвоение инновационных вложений сопровождается приростом валовой добавленной стоимости примерно на 1 %.

Затраты на инновации внутри региона колеблются вместе с инвестиционными проектами (коэффициент вариации составляет 0,57 против 0,28 у валовой добавленной стоимости). На выборке из восьмидесяти наблюдений разброс объясняющей переменной складывается преимущественно из проектных колебаний, что лишает оценку устойчивости. В силу этого эластичность оценивается по полной совокупности субъектов Российской Федерации, а полученный коэффициент применяется к регионам первой десятки при расчете мультипликатора. Результаты этого расчета приведены в табл. 4 и на рис. 3.

Таблица 4 — Расчетный прирост валовой добавленной стоимости на рубль затрат на инновации, 2024 г.

Рисунок 3 — Расчетный прирост ВДС на рубль затрат на инновации, 2024 г., руб. Источник: рассчитано автором по данным Росстата

При медианном для десятки отношении валовой добавленной стоимости к затратам (96 к 1) мультипликатор равен 1,10 руб. на рубль вложений при доверительном интервале от - 0,03 до 2,22 руб.

Порядок регионов в табл. 4 задан обратной зависимостью между мультипликатором и достигнутой интенсивностью вложений. Архангельская область при интенсивности 0,14 % получает 8,4 руб. на рубль, Иркутская область при 6,34 % получает 0,18 руб. Разрыв в сорок семь раз отражает разницу в базе, а не в качестве проектов.

Оценка мультипликатора получена на пределе статистической различимости. Доверительный интервал эластичности в базовой спецификации включает ноль, поэтому рублевые величины по отдельным регионам задают порядок и направление приоритета, но не годятся для обоснования конкретных объемов поддержки. Расчет предполагает также неизменность эластичности по всему диапазону интенсивности, тогда как при кратном увеличении вложений она, по всей вероятности, снизится.

Данные по инновациям публикуются без отраслевого разреза внутри региона, поэтому инновационные затраты лесопромышленных предприятий не отделены от затрат прочих секторов. Для Республики Карелия, Республики Коми и Архангельской области, где обработка почти целиком лесная, приближение приемлемо; для Иркутской, Ленинградской и Калужской областей региональный показатель отражает преимущественно нелесные производства, и высокая интенсивность затрат Иркутской области к лесному комплексу отношения не имеет.

Обсуждение

Оценки, построенные на межотраслевом балансе, дают иную по природе величину. Мультипликаторы Идзиева Г.И. [7, с. 58–67] описывают технологические связи между видами деятельности при неизменных коэффициентах прямых затрат, тогда как регрессионная оценка улавливает фактическую реакцию добавленной стоимости, включая замещение ресурсов и сдвиги отраслевой структуры.

Ближе всего к полученному результату отраслевые оценки лесного комплекса. Сушко О.П. [23, с. 321–326] показала, что мультипликативный эффект лесного кластера определяется его внутренним устройством, а межстрановое сопоставление [24, с. 154–171] связывает отдачу с глубиной переработки. Настоящая работа переносит эту логику на уровень. В итоге, там, где добавленная стоимость велика относительно вложений, расчетная отдача рубля выше, и наоборот. Разрыв между крайними регионами в десяти лесных регионах отражает разницу в базе сопоставления, а не в качестве проектов.

Вывод о дифференциации поддержки согласуется с положением Тедтлинга Ф. и Триппл М. [25, с. 1203–1219] о непригодности единого набора инструментов для регионов с разной структурой экономики и с результатом Гамидуллаевой Л.А. и Росляковой Н.А. [4, с. 283–300] о необходимости различать регионы по кластерной конфигурации. Косвенное подтверждение получает и замечание Мазилова Е.А. и Шиплюка В.С. [10, с. 68–74] о подмене оценки региональной инновационной системы построением интегральных индексов.

Заключение

В качестве результата был разработан расчетный способ выделения доли ЛПК в ВДС региона и сформированная на его основе группа ведущих территорий, к которым отнесены Республика Карелия, Республика Коми, Архангельская, Костромская, Новгородская, Кировская, Ленинградская, Калужская, Вологодская и Иркутская области. Состав группы устойчив на трехлетнем горизонте, а переход от отгрузки к добавленной стоимости меняет в нем одну позицию.

Также выявлен двойственный инновационный профиль изучаемых территорий. Затраты на инновационную деятельность держатся на общероссийском уровне, тогда как доля предприятий, ведущих инновационную деятельность, отстает от медианы по субъектам, а разброс внутри группы превышает расстояние до нее.

Эластичность ВДС по инновационным затратам на полной совокупности субъектов составила 0,011 – 0,012, что при медианном для десятки отношении добавленной стоимости к затратам соответствует приросту около 1,1 руб. на вложенный рубль. На подвыборке из десяти регионов эффект статистически не различим, и причина в размере подвыборки, а не в отсутствии связи.

В ходе исследования выявлена обратная связь мультипликатора с достигнутой интенсивностью вложений. Наибольшие расчетные величины приходятся на Архангельскую область, Республику Коми, Костромскую и Вологодскую области, где одновременно ниже всего охват предприятий инновационной деятельности. Авторская гипотеза об убывающей отдаче подтверждается.