Какие факторы влияют на концентрацию быстрорастущих компаний в регионах России?

Введение

Быстрорастущая компания – «газель», по аналогии с небольшим быстроногим животным, способным развивать высокую скорость продолжительное время [1], в соответствии с классификацией Д. Берча [2], является фирмой с доходом от 2 до 30 миллионов долларов, имеющей ежегодные темпы роста 20% в течение 5 лет. Выручка «газелей» [3] может составлять более 50% прироста валового внутреннего продукта в развитых странах [4]. Но доля «газелей» в общем числе фирм составляет менее 2% в странах Организации экономического сотрудничества и развития; в развивающихся странах, включая Россию (Юданов, 2007), может быть более 8% в связи с ненасыщенностью местных рынков. В условиях стагнации российской экономики изучение «газелей» имеет особую актуальность. В данном исследовании основной интерес представляют факторы, способствующие формированию ареалов концентрации «газелей» на региональном уровне.

Существуют работы, объясняющие рост выручки фирм как стохастическое явление, основываясь на законе Гибрата (Gibrat, 1931). В этом случае наша задача не может иметь решения, т.к. невозможно выявить факторы роста фирм, а значит, и их концентрация обусловлена набором случайных факторов. Но многие современные статьи содержат эмпирические доказательства, что для малых и средних быстрорастущих фирм данный закон не применим, и основные факторы роста могут быть выявлены (Пирогов, Поповидченко, 2010). Предполагается, что рост продаж может быть сочетанием эндогенных [5] и экзогенных факторов (Delmar, Davidsson, Gartner, 2003; Evans, 1987). В ряде работ рост «газелей» объяснен их инновационной активностью: реализацией новой продукции, внедрением технологических инноваций и т.д. [6].

Авторы данной работы предполагают, что научно-исследовательская и инновационная деятельность в регионах может быть существенным фактором роста выручки, а, соответственно, и концентрации «газелей» (Гохберг, Кузнецова, Рудь, 2010) [7]. «Газелям» необходимо использовать интенсивные факторы роста, включая внедрение новых технологий, обучение персонала и разработку новых продуктов (Баринова, Бортник, Земцов, и др., 2015; Иванов, Кузык, Симачев, 2012; Кузнецова, Рудь, 2013). Поэтому они стремятся использовать именно региональные преимущества. При этом инновационный потенциал и внешние эффекты от создания и обмена знаниями, или перетоки знаний ^[8], сконцентрированы в России в основных агломерациях, поэтому и концентрация «газелей» в регионе [9] также может зависеть от локализационных и агломерационных эффектов (Porter, 1994; Porter, 1996). Первые эффекты связаны с дополнительной отдачей от размещения фирмы в регионе с высоким уровнем отраслевой специализации, что подразумевает повышение производительности труда благодаря обмену идеями, технологиями, кадрами в кластере схожих фирм. А второй эффект связан с возможностью повышения производительности в связи с разнообразием видов деятельности в агломерациях через механизм обмена технологиями, идеями и т.д. с другими отраслями хозяйства.

На момент подготовки данной статьи авторам не удалось найти подобных работ, где бы подробно анализировались упомянутые закономерности на основе российских данных. Основным объектом статьи являются быстрорастущие фирмы обрабатывающей промышленности в посткризисный период в России. Целью данной работы является выявление региональных факторов, влияющих на концентрацию фирм-«газелей» в регионах России. При этом одной из задач была проверка влияния регионального инновационного потенциала. Выявленные закономерности должны способствовать выработке механизмов экономической политики, направленной на стимулирование роста наиболее перспективных компаний.

Для расчета региональных факторов мы использовали официальные российские статистические данные [10]. Базы СПАРК (Система анализа профессиональных участников рынка и компаний [11]) и «РУСЛАНА» (Информация о российских, украинских и казахстанских компаниях [12]) применялись для сбора данных о компаниях.

Описание данных: отраслевая и региональная структура «газелей» обрабатывающей промышленности

Компании обрабатывающей промышленности [13] были выбраны для анализа, т.к. их концентрация связана не только с традиционными факторами (природные ресурсы, капитал, труд), но и с действием интенсивных факторов (концентрация человеческого капитала, доступ к современным разработкам и т.д.), агломерационных и локализационных эффектов. В работе было важно понять и оценить, используют ли «газели» обрабатывающей промышленности преимущества развития регионов для своего роста.

Объект изучения – компании с 20% реальным (с учетом инфляции) ростом выручки (среднее геометрическое прироста) в течение пяти лет (2008-2012 гг.), т.е. «газели» посткризисного периода. Авторы сознательно для целей данного исследования используют критерий среднегодовых темпов прироста выручки, а не ежегодных, как у Д. Берча. Это связано с тем, что в течение кризисного периода 2008-2009 гг. очень мало компаний смогли сохранить высокие реальные ежегодные темпы роста, что существенно сужает исследуемую совокупность «газелей».

Компании должны были быть созданы не позднее 2005 года. Это дополнительное условие необходимо для того, чтобы к моменту начала измерения компании уже имели некоторый уровень выручки и не стартовали «с нуля», когда темпы роста практически всегда автоматически являются высокими. Для исследования были выбраны малые и средние российские компании в соответствии с установленными в российском законодательстве требованиям к таким компаниям: объем выручки на конец периода (2012 г.) находился в диапазоне от 60 млн руб. до 1 млрд руб.

Всего компаний-«газелей», удовлетворяющих таким требованиям, по данным СПАРК, насчитывается в России 1284. При этом общее число компаний обрабатывающей промышленности, зарегистрированных не позже 2005 года, по данным СПАРК, в России составляет 9220. Таким образом, доля компаний-«газелей» в обрабатывающей промышленности составляет в России около 14%. Более высокая доля быстрорастущих компаний в экономике России, по сравнению с результатами, полученные Д. Берчем для других стран, является следствиями посткризисного восстановления экономики России в 2010-2012 гг., которое перекрывало падение выручки в течение кризисного периода 2008-2009 гг. Наибольшее число обрабатывающих компаний-«газелей» (табл. 1) наблюдалось в пищевой промышленности и машиностроительном производстве.

Распределение выявленных нами быстрорастущих компаний неравномерно по территории России. Треть всех отечественных компаний-«газелей» располагается в четырех регионах страны – Москве, Московской области, Санкт-Петербурге и Ростовской области. Наибольшее число быстрорастущих компаний приходится на г. Москву (141 компания, или 11% от общего числа в России), Московскую область (124 компании, или 10%), г. Санкт-Петербург (71 компания, или 6%) и Ростовскую область (48, или 4%). Эти четыре региона можно считать точками посткризисного восстановления обрабатывающей промышленности России. Остальные регионы существенно отстают по числу быстрорастущих фирм.

Доля «газелей» в числе компаний обрабатывающей промышленности распределяется более равномерно по регионам страны [14]. Лидерами по доле быстрорастущих компаний являются Камчатская область, Республика Адыгея, Калининградская область, Томская область, их доля составляет 20-25% от общего числа исследуемых компаний обрабатывающей промышленности. В Москве, Московской области и Санкт-Петербурге доля быстрорастущих компаний обрабатывающей промышленности составляет 14-15% (среднероссийское значение), в Ростовской области – около 17%.

Таблица 1

Отраслевая структура быстрорастущих компаний обрабатывающей промышленности в России (2008-2012 гг.)

Методика эконометрического анализа

Для целей анализа факторов концентрации быстрорастущих компаний в регионах России использовался эконометрический анализ.

В данной работе мы опираемся на идеи М. Теруэла и Г. ДеВита из статьи «Детерминанты быстрорастущих компаний» [15], хотя общепризнанной модели не существует. Предлагаемая модель может быть представлена в виде двух выражений:

, (1)

, (2)

где Gazelle – доля компаний-«газелей» обрабатывающего сектора региона в общем числе быстрорастущих компаний обрабатывающей промышленности России, %;

i – регион;

const – постоянная, характеризующая уровень концентрации «газелей» обрабатывающего сектора в стране;

β_i – коэффициент корреляции, параметр, характеризующий зависимость между концентрацией «газелей» обрабатывающей промышленности и независимыми переменными X_i (табл. 2), которые описывают следующие факторы: человеческий капитал (HC), динамичность и структурные особенности экономики (Economics), институциональную среду региона (Institutions), географические особенности региона (Geography), инновационную активность (Innovation), агломерационные (Agglomeration) и локализационные эффекты (Localization);

ε – случайная величина, дисперсия которой неизвестна, а среднее равно нулю.

Авторами предложены две спецификации модели: в модели 1, в первую очередь, учтены рыночный и человеческий потенциалы, а в модели 2 – коррелирующая с ними переменная доли занятых в научных исследованиях и опытно-конструкторских разработках (НИОКР).

Использован метод оценки человеческого капитала через среднее число лет обучения занятых:

(3)

где – доля занятых, находящихся в образовательном цензе с;

– число лет обучения, необходимых для достижения образовательного ценза с. Нормативно среднее число лет обучения до достижения образовательного ценза высшего образования – 17 лет, неполного высшего – 14, среднего профессионального – 13,5, начального профессионального – 12, среднего полного – 11, основного общего – 9, начального – 0 (Штерцер, 2006).

Таблица 2

Независимые переменные

Рыночный потенциал (Hanson, 2005), показывающий объем рынка в регионе и потенциальный объем рынка соседних регионов в зависимости от их удаленности, рассчитывается с помощью традиционной гравитационной модели (см., например: Бабурин, Земцов, 2013).

, (4)

где GRP_j – значение ВРП (рассчитан по индексу физического объема с учетом межрегионального индекса цен) в исследуемом регионе j, млн руб.;

GRP_i – значение ВРП в i-м регионе, млн руб.;

Distance_ji – расстояние от областного центра региона j до областного центра региона i по автомобильной дороге в километрах, км.

Рыночный потенциал концентрируется в крупнейших агломерациях России и высокодоходных регионах.

Заявки на регистрацию патентов в зарубежные патентные офисы (PCT_appl) представляют собой наиболее коммерциализируемую часть российских патентных заявок. Для регионального распределения индикатора характерна высокая концентрация в крупнейших научно-исследовательских центрах: Москва, Санкт-Петербург, Новосибирск, Томск, Нижний Новгород и т.д.

Расчет экономико-географического положения региона (EGP) осуществлен с помощью построения интегрального индекса [17]:

,(5)

где i – регион;

Capital – бинарная переменная (0 или 1), описывающая наличие особого столичного статуса (Москва, Санкт-Петербург, Московская и Ленинградская области);

Moscow-neigh – бинарная переменная (0 или 1), описывающая соседство с Московской областью;

Agglom – бинарная переменная (0 или 1), описывающая наличие агломерации с населением более 1 млн жителей;

Agglom_neigh – бинарная переменная (0 или 1), описывающая наличие соседства с регионом с агломерацией с населением более 1 млн жителей;

Fed_distr – бинарная переменная (0 или 1), описывающая наличие города – столицы федерального округа;

Coast – бинарная переменная (0 или 1), описывающая наличие незамерзающих портов в регионе;

Border – бинарная переменная (0 или 1), описывающая наличие приграничного положения;

Comfort – индекс комфортности проживания (по данным: Прохоров, 1996), нормирован от 0 до 1;

GRP_potential – рыночный потенциал (формула 4), нормирован от 0 до 1;

Resourse_potential – природно-ресурсный потенциал ^[18], нормирован от 0 до 1.

Результаты расчета индекса можно интерпретировать как соотношение выгодности расположения искомого региона к региону с худшим положением относительно основных рынков и ресурсов. Наилучшим положением обладают Москва, Санкт-Петербург, Краснодарский край, Приморский край, обладающие крупными рынками и доступом к морским портам.

Результаты и их обсуждение

Результаты эконометрических расчетов приведены в таблицах 3 и 4 (показаны лишь значимые переменные).

Таблица 3

Результаты оценки модели 1

Быстрорастущие фирмы обрабатывающей промышленности функционируют в регионах со значительным экономическим потенциалом либо вблизи него. Крупные рынки служат надежным источником роста в посткризисный период. В регионах, у которых рыночный потенциал выше на 1%, на 0,46% выше доля «газелей».

Для концентрации быстрорастущих компаний важно экономико-географическое положение региона вблизи крупной агломерации, в приморском или приграничном регионе, что связано с необходимостью осуществления торговой деятельности, в том числе экспорта.

Человеческий капитал региона, измеренные как среднее число лет обучения занятых, несмотря на снижение качества образования в России, до сих пор оказывает существенное положительное влияние на рост компаний обрабатывающего сектора. Без технических кадров и соответствующих знаний реализовывать стратегию быстрого роста на значительном промежутке времени на высококонкурентных рынках продукции обрабатывающей промышленности затруднительно.

Быстрорастущие компании используют преимущества высокого инновационного потенциала региона. В регионе, где доля занятых в НИОКР выше на 1%, концентрация компаний-«газелей» выше на 0,45%. При этом в регионах, где подано на 1% больше международных патентных заявок, доля исследуемых фирм выше 0,06%.

Таблица 4

Результаты оценки модели 2

Потенциальные локализационные эффекты, индикатором которых служит доля занятых в обрабатывающей промышленности, оказались значимы в отличие от потенциальных агломерационных эффектов, определяемых через долю городских жителей. Увеличение доли обрабатывающей промышленности в экономике региона на 1% ведет к увеличению на 0,4-0,5% концентрации исследуемых фирм в данном регионе [19]. То есть «газели» концентрируются в регионах, где уже представлены фирмы схожей специализации.

Доля импорта в ВРП также не оказывает существенного влияния на концентрацию газелей.

Заключение

1. Полученные в ходе исследования результаты и выводы репрезентативны по отношению к малым и средним быстрорастущим компаниям обрабатывающих отраслей в России.

2. Было выявлено, что ключевыми факторами концентрации исследуемых компаний в регионах являются: рыночный потенциал региона и его соседей, выгодное экономико-географическое положение (близость к крупнейшим агломерациям, портам и приграничным территориям, наличие природных ресурсов), человеческий капитал, а также высокая научно-исследовательская активность (доля занятых в НИОКР и патентная активность). При этом локализационные эффекты преобладают над агломерационными, т.е. концентрация «газелей» обрабатывающей промышленности выше там, где выше доля обрабатывающей промышленности в экономике.

3. Наибольшую значимость имеют долгосрочные факторы, которые слабо поддаются изменению, такие как экономико-географическое положение или рыночный потенциал региона. Впрочем, и другие выявленные факторы (человеческий капитал, инновационная и научно-исследовательская деятельность) также требуют существенных вложений средств и времени для улучшений. Поэтому не стоит ожидать существенных изменений в распределении обрабатывающих компаний-«газелей» в ближайшей перспективе, а соответственно, выявленные регионы-лидеры (Москва, Санкт-Петербург, Московская, Ростовская, Нижегородская, Новосибирская области, Краснодарский край – по концентрации «газелей» и Калининградская, Томская, Воронежская, Калужская области – по доле «газелей») должны иметь приоритетное значение при реализации региональной политики в сфере малого и среднего предпринимательства.

4. Рекомендации для региональных властей по стимулированию увеличения числа фирм-«газелей» могут включать в себя улучшение транспортной инфраструктуры для повышения доступности крупных рынков, а также целенаправленные действия по поддержке обрабатывающих отраслей, включая подготовку кадров и увеличение финансирования технологических вузов, введение налоговых льгот при осуществлении НИОКР и субсидирование регистрации патентов.

[1] В отличие от других выявленных Д. Берчем типов компаний: «мышей» - малых и медленно растущих и «слонов» - больших и медленно растущих.

[2] Birch, D.L. (1981). Who creates jobs?. The Public Interest, 65, 3–14; Birch, D.L., Medoff, J. (1994). Gazelles. In Labor markets, employment policy and job creation. Boulder: Westview Press.

[3] Birch, D.L. (1981). Who creates jobs?. The Public Interest, 65, 3–14.

[4] Audretsch, 2002; Acs, Z.J., Parsons, W., Tracy, S. (2008). High-Impact Firms: Gazelles Revisited. Retrieved from: http://www.massmac.org/newsline/0902/high_impact_firms.pdf; Autio, E., Arenius, P., Wallenius, H. (2000). Economic impact of gazelle firms in Finland (ISIB Working Papers, 3). Helsinki University of Technology; Europe INNOVA Gazelles Innovation Panel (2008; Summary and Conclusions from Panel Discussions). Brussels: Europe INNNOVA.

[5] Evans, 1987; Casson, M. (1996). The theory of the firm (Vol. 72). Cheltenham: Edward Elgar Publishing; Davidsson, P., Achtenhagen, L., Naldi, L. (2005). Research on small firm growth: a review. Retrieved from: http://eprints.qut.edu.au/2072/1/EISB_version_Research_on_small_firm_growth.pdf; Penrose, E. (2009). The Theory of the Growth of the Firm. Oxford: Oxford University Press.

[6] Баринова, Бортник, Земцов, и др., 2015; Black, Lynch, 2004; Coad, Rao, 2008; Del Monte, Papagni, 2003; Delmar, Davidsson, Gartner, 2003; Davidsson, P., Achtenhagen, L., Naldi, L. (2005). Research on small firm growth: a review. Retrieved from: http://eprints.qut.edu.au/2072/1/EISB_version_Research_on_small_firm_growth.pdf

[7] В статье (Srholec, 2010) показано, что факторы развития региональной инновационной системы заметно превышают внутрифирменные факторы роста компаний.

[8] Переток знания (от англ. knowledge spillover) – это процесс, в рамках которого «знание, созданное одной компанией, может быть использовано другой без компенсации или с компенсацией меньшей, чем стоимость самого знания» (впервые перевод термина предложен в книге (Синергия пространства, 2012)).

Cм., например: Синергия пространства, 2012; Audretsch, D.B., Feldman, M.P. (2004). Knowledge spillovers and the geography of innovation. In Handbook of regional and urban economics: Volume 4. Cities and Geography. Amsterdam: North Holland.

[9] Teruel, M., De Wit, G. (2011). Determinants of high-growth firms. Why have some countries more high-growth firms than others? (EIM Research Reports № H201107). Retrieved from: http://www.entrepreneurship-sme.eu/pdf-ez/H201107.pdf

[10] Регионы России. Социально-экономические показатели (2014). М.: Росстат.

[11] Информация СПАРКа – как она есть // Сайт Системы профессионального анализа рынков и компаний (СПАРК).

[12] Ruslana (система Руслана) // Bvdinfo.com

[13] Через показатель концентрации быстрорастущих фирм мы в данном случае имплицитно оцениваем факторы роста обрабатывающей промышленности в посткризисный период.

[14] Из анализа были исключены регионы, в которых в базе СПАРК удалось выделить менее 20 малых и средних компаний обрабатывающей промышленности, созданных не позже 2005 года. К таким регионам относятся Республика Тыва, Чукотский АО, Еврейская АО, Чеченская и Ингушская республики, Республика Алтай, Магаданская область, Республика Хакасия, Кабардино-Балкарская республика, Республика Северная Осетия, Республика Дагестан, Амурская область, Республика Бурятия, Забайкальский край и Карачаево-Черкесская Республика

[15] Teruel, M., De Wit, G. (2011). Determinants of high-growth firms. Why have some countries more high-growth firms than others? (EIM Research Reports № H201107). Retrieved from: http://www.entrepreneurship-sme.eu/pdf-ez/H201107.pdf

[16] Договор о патентной кооперации (англ. Patent Cooperation Treaty, PCT) – международный договор в области патентного права. Договор является основой системы PCT, обеспечивающей единую процедуру подачи патентных заявок для защиты изобретений в каждом из государств. Источник: Договор о патентной кооперации (Patent Cooperation Treaty). Режим доступа: http://www.rupto.ru/mejd_sotr/sod/pct/nd_pst_blanks/article_1.html#pre

[17] Небинарные переменные нормированы с помощью формулы линейного масштабирования («макс-мин»)

[18] Рассчитано по данным: Россия как система: Природно-ресурсный потенциал регионов (2004). ЭКО-бюллетень ИНЭкА, 8-9.

[19] Впрочем, здесь возможно наличие проблемы эндогенности двух переменных.