Деградация земель - важная проблема современного общества, которая нашла своё отражение в Целях устойчивого развития ООН (ЦУР). Масштаб деградации земель и её влияние на сельскохозяйственную деятельность приводят к необходимости подробного исследования и применения междисциплинарного подхода с учетом специфических черт и индикаторов, характеризующих данное явление. В настоящей представлен анализ влияния деградации земель сельскохозяйственного назначения на выпуск продукции растениеводства на уровне ферм в одном из ключевых агропромышленных регионов России - Самарской области. В качестве данных использованы показатели, характеризующие средства сельскохозяйственного производства (затраты, площадь возделываемых земель, трудовые ресурсы), а также показатели качества почв, такие как содержание органических веществ (гумуса), доля деградированных земель, эрозия почв. Для выявления взаимосвязи между деградацией земель и выпуском сельскохозяйственной продукции использован метод производственной функции со стохастической границей, поскольку он не только позволяет оценить параметры классической производственной функции, но и учитывает ошибки модели в части рисков и технической неэффективности. Результаты исследования показали, что доля деградированных земель в конкретном регионе умеренно влияет на потенциал растениеводческой продукции. В то же время большая часть факторов производства, таких как затраты на производство, площадь посевов, трудовые ресурсы, напротив, позволяют увеличить производство. Используемый метод и полученные оценки могут быть улучшены, если появится возможность ежегодного сбора и публикации данных о деградации земель и других экономических и экологических индикаторах.
Идентификаторы и классификаторы
Land degradation is a pressing global challenge, featured in the United Nations Sustainable Development Goals (SDGs) for 2030, particularly in Goals 12 (Sustainable Consumption and Production) and 15 (Life on Land). Goal 12 states that “land degradation, declining soil fertility, unsustainable water use … are all lessening the ability of the natural resource base to supply food”1. One of the targets of Goal 15 is to “combat desertification, restore degraded land and soil, including land affected by desertification, drought and floods, and strive to achieve a land degradation-neutral world”2.
Список литературы
1. Agheli, L. (2023). The Nexus between Economic Growth, Natural Resource Depletion and Foreign Direct Investment. Ekonomika regiona [Economy of regions], 19(2), 537-547. DOI: 10.17059/ekon.reg.2023-2-18 EDN: CNIJFX
2. Aigner, D., Lovell, C. K., & Schmidt, P. (1977). Formulation and estimation of stochastic frontier production function models. Journal of Econometrics, 6(1), 21-37. DOI: 10.1016/0304-4076(77)90052-5
3. Belyaeva, M., Hockmann, H., & Koch, F. (2014). Impact of regional diversity on production potential: an example of Russia. 142nd EAAE Seminar: “Growing Success? Agriculture and rural development in an enlarged EU”. DOI: 10.22004/ag.econ.168924
4. Bokusheva, R., & Hockmann, H. (2005). Production Risk and Technical Inefficiency in Russian Agriculture. XIth Congress of the EAAE (European Association of Agricultural Economists), ‘The Future of Rural Europe in the Global Agri-Food System’. DOI: 10.22004/ag.econ.24610
5. Borrelli, P., Robinson, D. A., Fleischer, L. R., Lugato, E., Ballabio, C., Alewell, C., Meusburger, K., Modugno, S., Schutt, B., Ferro, V., Bagarello, V., Van Oost, K., Montanarella, L., & Panagos, P. (2017). An assessment of the global impact of 21st century land use change on soil erosion. Nature Communications, 8(1), 2013. DOI: 10.1038/s41467-017-02142-7 EDN: YFAQBF
6. Chekmarev, P.A., & Obuschenko, S. V. (2016). Monitoring of soil fertility in Samara region. Zemledelie, (8), 12-15. (In Russ.).
7. Cobb, C. W., & Douglas, P. H. (1928). A Theory of Production. The American Economic Review, 18(1), 139-165.
8. Fentahun, G., Amsalu, T., & Birhanie, Z. (2023). Farmers’ perceptions about the influence of land fragmentation and land quality on sustainable land management in the upper lake Tana Basin: Evidence from Dera District. Cogent Economics & Finance, 11(1), 2160132. DOI: 10.1080/23322039.2022.2160132 EDN: VOMCSB
9. Gataulina, E., Hockmann, H., & Strokov, A. (2014). Production Risk, Technology and Market Access in Different Organisational Forms: Evidence from Tatarstan and Oryol. Quarterly Journal of International Agriculture, 53(4), 293-318. DOI: 10.22004/ag.econ.199251 EDN: UFWIGX
10. Gnedenko, V. V., & Obuschenko, S. V. (2013). Dynamics of soil fertility changes of Samara region. Uspekhi sovremennogo estestvoznaniya [Advances in Current Natural Sciences], (9), 148-151. (In Russ.).
11. Golosov, V., Yermolaev, O., Litvin, L., Chizhikova, N., Kiryukhina, Z., & Safina, G. (2018). Influence of climate and land use changes on recent trends of soil erosion rates within the Russian Plain. Land Degradation and Development, 29(8), 2658-2667. DOI: 10.1002/ldr.3061 EDN: YCGHDV
12. Gould, W., Pitblado, J., & Sribney, W. (2006). Maximum Likelihood Estimation with Stata. 3rd ed. Stata Press.
13. Heady, E. O., Dillon, J. L. (1973). Agricultural Production Functions. Iowa State University Press.
14. Ibrahimova, S.A., & Kazantsev, I. V. (2013). Impact of soil erosion on condition of agricultural landscapes of the Samara region. Izvestiyia Samarskogo nauchnogo tsentra Rossiyskoi akademii nauk [Izvestia of Samara Scientific Center of the Russian Academy of Sciences], 15(3), 256-259. (In Russ.).
15. Ivanov, M. A. (2018). Changes of cropland area in the river basins of the European part of Russia for the period 1985-2015 years, as a factor of soil erosion dynamics. IOP Conf. Ser.: Earth Environ. Science, 107, 012010. DOI: 10.1088/1755-1315/107/1/012010 EDN: UXVDWJ
16. Just, R. E., & Pope, R. D. (1978). Stochastic representation of production functions and econometric implications. Journal of Econometrics, 7(1), 67-86. DOI: 10.1016/0304-4076(78)90006-4
17. Karimov, A. A. (2014). Factors affecting efficiency of cotton producers in rural Khorezm, Uzbekistan: Re-examining the role of knowledge indicators in technical efficiency improvement. Agricultural and Food Economics, 2, 7. DOI: 10.1186/s40100-014-0007-0 EDN: EADJEC
18. Kucher, A. (2019). Assessment of the impact of land quality on competitiveness of enterprises. Agricultural and Resource Economics International Scientific E-Journal, 5(2), 99-120. DOI: 10.22004/ag.econ.290316 EDN: ZTESWD
19. Kumbhakar, S. C. (2002). Specification and estimation of production risk, risk preferences and technical efficiency. American Journal of Agricultural Economics, 84(1), 8-22. DOI: 10.1111/1467-8276.00239
20. Kumbhakar, S. C., & Lovell, C. A. K. (2000). Stochastic Frontier Analysis. Cambridge University Press.
21. Kumbhakar, S. C., Lien, G., & Hardaker, J. B. (2014). Technical efficiency in competing data models: A study of Norwegian grain farming. Journal of Productivity Analysis, 41(2), 321-337. DOI: 10.1007/s11123-012-0303-1 EDN: EOERXA
22. Kust, G., Andreeva, O., Lobkovskiy, V., & Annagylyjova, J. (2023). Experience in application and adaptation of the land degradation neutrality concept in the Russian Federation. Land Degradation & Development, 34(3), 573-590. DOI: 10.1002/ldr.4484 EDN: YXKQVU
23. Litvin, L. F. (2002). Geographyiya erozii pochv sel’skokhozyaistvennykh zemel’ Rossii [Geography of soil erosion on agricultural lands of Russia]. Moscow: Akademkniga. (In Russ.).
24. Litvin, L. F., Kiryukhina, Z. P., Krasnov, S. F., & Dobrovol’skaya, N. G. (2017). Dynamics of agricultural soil erosion in European Russia. Eurasian Soil Science, 50(11), 1344-1353. DOI: 10.1134/S1064229317110084 EDN: XNIPMF
25. Lukin, S. V. (2016). Agroekologichesky sostoyaniye i produktivnost’ pochv Belgorodskoy oblasti [Agroecological condition and productivity of Belgorod’s soils]. Belgorod: KONSTANTA, 344. (In Russ.). EDN: WPWDUR
26. MacCallum, D. E. (1967). Soil Erosion Control and Resource Allocation. 10th Annual Australian Agricultural Economics Society Conference.
27. Malthus, T. R. (1796). An Essay on Population (1826 reprint of 6th ed. of 1826). Ward, Lock and Company.
28. Marshall, A. (1890). Principles of Economics (1961 reprint). English Language Book Society and Macmillan.
29. Meeusen, W., & van Den Broeck, J. (1977). Efficiency estimation from Cobb-Douglas production functions with composed error.International Economic Review, 18(2), 435-444. DOI: 10.2307/2525757
30. Nkonya, E., Anderson, W., Kato, E., Koo, J., Mirzabaev, A., von Braun, J. &, Meyer, S. (2016). Global Cost of Land Degradation. In Nkonya E., Mirzabaev A., von Braun J. (Eds.), Economics of Land Degradation and Improvement - A Global Assessment for Sustainable Development (pp. 117-165). Springer. DOI: 10.1007/978-3-319-19168-3_6
31. Orlova, N. V., & Nikolaev, D. V. (2022).Russian agricultural innovations prospects in the context of global challenges: Agriculture 4.0.Russian Journal of Economics, 8(1), 29-48. DOI: 10.32609/j.ruje.8.78430 EDN: SHHJSA
32. Patault, E., Ledun, J., Landemaine, V., Soulignac, A., Richet, J.-B., Fournier M., Ouvry J.-F., Cerdan O., & Laignel B. (2021). Analysis of off-site economic costs induced by runoff and soil erosion: Example of two areas in the northwestern European loess belt for the last two decades (Normandy, France). Land Use Policy, 108, 105541. DOI: 10.1016/j.landusepol.2021.105541 EDN: EGUAEU
33. Pavlova, V. N., & Varcheva, S. E. (2017). Estimating the Level of Territory Vulnerability and Climate-related Risk of Significant Grain Crop Failure in Grain-producing Regions of Russia.Russian Meteorology and Hydrology, 42(8), 510517. DOI: 10.3103/S1068373917080040 EDN: XNMHPU
34. Ricardo, D. (1817). The Principles of Political Economy and Taxation (1926 Ed.). John Murray, Albemarle-Street. Samara’s region Government. (2016). Ministry of Ecology report on the Current level of the Condition of Samara’s Region Environment (pp. 91-92). https://priroda.samregion.ru/wp-content/uploads/sites/11/2020/03/gd_-_2015_13.09.2016.pdf (Date of access: 31.10.2024). (In Russ.).
35. Sartori, M., Philippidis, G., Ferrari, E., Borrelli, P., Lugato, E., Montanarella, L., & Panagos, P. (2019). A linkage between the biophysical and the economic: Assessing global market impacts of soil erosion. Land Use Policy, 86, 299-312. DOI: 10.1016/j.landusepol.2019.05.014 EDN: AAMPQB
36. Seitov, S. K. (2023). Total Factor Productivity in Agriculture in Russian Regions. Ekonomika regiona [Economy of regions], 19(4), 1194-1208. DOI: 10.17059/ekon.reg.2023-4-18 EDN: HUFBNT
37. Shagaida, N., & Ternovskiy, D. (2023). State of Agricultural Production and Food Security in Russia in 2022.Russian Economy in 2022. Trends and Outlooks, (44), 216-224. DOI: 10.2139/ssrn.4499720
38. Simachev, Yu. V., Yakovlev, A. A., Golikova, V. V., Gorodnyi, N. A., Kuznetsov, B. V., Kuzyk, M. G., & Fedyunina, A. A. (2023).Russian industrial companies under the “second wave” of sanctions: Response strategies. Voprosy Ekonomiki, (12), 5-30. (In Russ.). DOI: 10.32609/0042-8736-2023-12-5-30 EDN: WZDCOU
39. Stolbovoi, V. S., Savin, I. Y., Sheremet, B. V., Sizov, V., & Ovechkin, S. V. (1999). The geoinformation system on soil degradation in Russia. Eurasian Soil Science, 32(5), 589-593. EDN: LFTHLL
40. Tleubayev, A., Bobojonov, I., Gotz, L., Hockmann, H., & Glauben, T. (2017). Determinants of productivity and efficiency of wheat production in Kazakhstan: A Stochastic Frontier Approach. Discussion paper, (160).
41. Tsarev, O. Yu. (2018). Erosion type of soil degradation in Samara region. Innovatsionnoe razvitie: zemleustroistva: Sbornik nauchnykh trudov Mezhvuzovskoi studencheskoi nauchno-prakticheskoi konferentszii [Innovative Type of Land Tenure. Proceedings of Interuniversity Student Scientific and Practical Conference], (pp. 76-77). Samara State Agricultural Academy. (In Russ.).
42. Ushachev, I. G., Kharina, M. V., & Chekalin, V. S. (2022). Long-term Forecast of Agricultural Development in Russia Based on an Economic and Mathematical Model. Studies on Russian Economic Development, 33(3), 282-292. DOI: 10.1134/S1075700722030157 EDN: UDXMOB
43. Uzun, V., Shagaida, N., & Lerman, Z. (2019).Russian agriculture: Growth and institutional challenges. Land Use Policy, 83, 475-487. DOI: 10.1016/j.landusepol.2019.02.018 EDN: KFDSOJ
44. Walpole, S., Sinden, J., & Yapp, T. (1996). Land Quality as an Input to Production: The Case of Land Degradation and Agricultural Output. Economic Analysis and Policy, 26(2), 185-207.
45. Zhidkin, A. P., Komissarov, M. A., Shamshurina, E. N., & Mishchenko, A. V. (2023). Soil Erosion in the Central Russian Upland: A Review. Eurasian Soil Science, 56, 226-237. DOI: 10.1134/S1064229322601743 EDN: OZDXPA
46. Zhuang, Q., Wu, S., Huang, X., Kong, L., Yan, Y., Xiao, H., Li, Y., & Cai, P. (2022). Monitoring the impacts of cultivated land quality on crop production capacity in arid regions. CATENA, 214, 106263. DOI: 10.1016/j.catena.2022.106263 EDN: HJKWXE
Выпуск
Другие статьи выпуска
Для мониторинга развития финансового рынка актуально использование показателей, характеризующих региональный уровень его функционирования. Цель работы - разработка подхода для построения рейтинга регионов России по уровню развития финансового рынка. В статье для решения указанной задачи разработана авторская методика, согласно которой рассчитываются интегральные показатели, характеризующие развитие финансового рынка в разрезе субъектов, с помощью метода главных компонент строится композитный индекс и на его основе - соответствующий рейтинг регионов России. Компонентами композитного индекса являются субиндексы, рассчитанные методом главных компонент для каждого из пяти секторов рынка: банковский, страховой, микрофинансовый, негосударственного пенсионного страхования и фондовый (сектор ценных бумаг). Предложенный подход позволяет с одной стороны агрегировать разнородные показатели по секторам финансового рынка, с другой - осуществлять сравнительный анализ регионов в межсекторальном разрезе. Информационная база для расчетов - статистические данные Росстата, Банка России и Федеральной налоговой службы за 2020-2022 гг. Авторы делают вывод, что построенный рейтинг дает возможность отслеживать изменения позиций регионов на финансовом рынке и детализировать зоны развития его конкретных секторов. Например, в 2022 г. лидерами рейтинга являлись г. Москва (1-е место), Тюменская (2-е место) и Новосибирская области (3-е место). В целом за 2020-2022 гг. значительно улучшили свою позицию в рейтинге Камчатский край (за счет развития банковского сектора), Чукотский автономный округ (банковский сектор), Костромская область (банковский и фондовый секторы). Зонами роста (ухудшились позиции в рейтинге) для Тверской области стали секторы страхования, микрофинансирования и фондовый сектор, для Брянской и Волгоградской областей - страхование и микрофинансирование. Предложенный авторами подход позволяет в дальнейшем расширять состав компонент индекса, что характеризует высокий потенциал его применения при решении задачи оценки финансового рынка.
In 2018, China adopted the Environmental Protection Tax Law, transitioning from administrative fees to statutory taxes. The law aimed to incentivize enterprises to reduce pollution emissions through economic means, improve environmental quality, and promote the optimization and upgrading of industrial structures for economic development. This study seeks to reveal the mechanisms of the impact of environmental protection tax on regional economic effects, providing policy recommendations for achieving high-quality economic development and ecological environmental protection. The study analyses four key variables-environmental protection tax revenue, regional industrial output value, regional GDP, and regional industrial pollution control investment-from 31 regions in China between 2018 and 2022, forming a sample of 30 observations. A random effects model is constructed and empirically analysed using Python 3.12. The empirical results show that for every additional unit of environmental protection tax, the average expected growth of regional GDP is 0.1043 units. There are significant differences in the economic effects of China’s environmental protection tax on regions, and these differences have random effects. This study provides new insights and empirical evidence for understanding and evaluating the impact of environmental protection taxes on regional economic outcomes, helping policymakers assess current impacts and continue encouraging enterprises to adopt clean production technologies, improve energy efficiency, and promote economic structure optimization and industrial upgrading to support high-quality economic development.
The growing economic prominence of BRICS nations (Brazil, Russia, India, China, and South Africa) has attracted considerable attention to the macroeconomic dynamics driving their development. As these economies grow rapidly and become more integrated into global markets, it becomes increasingly difficult to balance economic growth, trade liberalization, and sustainable fiscal policies. Government size, a key factor in fiscal management, tends to increase with national income (as suggested by Wagner’s Law) and in response to trade openness (as outlined by the Compensation Hypothesis). Understanding these dynamics is crucial due to the unique fiscal pressures and global competitiveness faced by BRICS countries. This study investigates the validity of Wagner’s law and the Compensation Hypothesis in the context of BRICS. Using a panel nonlinear autoregressive distributed lag model on annual panel data from 1999 to 2023, our findings confirm Wagner’s law, showing a positive relationship between economic growth and government size. Additionally, the results support the Compensation Hypothesis, indicating that trade openness enhances government size. This study underscores the potential trade-offs between promoting economic growth and trade liberalization, as these strategies may inadvertently expand the government sector and affect fiscal stability. As BRICS economies continue to integrate into global markets, this research contributes to the discussion on Wagner’s law and trade openness, offering new insights into sustainable fiscal policies, government expenditure optimization, and the pursuit of global competitiveness and economic growth within the BRICS framework.
Exports play a vital roLe, particularly for developing countries, and economic growth remains a central goal for all nations. Over time, numerous approaches have sought to understand and explain the causal relationship between exports and macroeconomic indicators, with extensive studies conducted on the subject. This research examines the relationship between exports and economic growth using panel data analysis at the provincial level in Turkiye, offering a unique perspective compared to traditional country-level analyses. Given that international trade is often studied at the national or enterprise level, this province-focused approach provides distinctive insights. The study covers the period from 2004 to 2020 and employs the Westerlund ECM Cointegration Test, Panel ARDL, and Dumitrescu & Hurlin Causality Test as analytical methods. The findings reveal both cointegration and bidirectional causality between provincial exports and economic growth. Furthermore, increases in exports positively impact economic growth in both the short and long term. Notably, the effect is more pronounced in provinces with well-developed tourism and industrial sectors.
В меняющихся обществах, где ускоряются процессы интеграции отраслей экономики и цифровизации трудовых отношений, социально-экономическое положение молодых специалистов на рынке труда следует рассматривать через призму их человеческого капитала. темпы непрерывного развития техник и технологий актуализируют потребности в поиске новых инструментов, оценивающих устойчивость занятости молодежи с учетом внешних воздействий. научный интерес представляет изучение адаптации индивидов к изменчивости рынка труда. исследуемая проблема описана на примере высшей школы. цель статьи заключается в измерении и оценке рисков включения молодых специалистов в прекарную занятость с учетом их образовательного опыта. социологические измерения индикаторов прекарной занятости проведены через полгода после окончания выпускниками крупного российского вуза (п = 7 706), база данных включает 6 ежегодных срезовых опросов 2017-2022 гг. по единой методологии. Переход «вуз-рынок труда» по-прежнему остается значимым этапом трудовой деятельности индивидов, когда характеристики их занятости могут существенно меняться. Результаты исследования по Уральскому федеральному округу показали, что доля прекарно занятых среди выпускников вуза ежегодно растет (до 38,7 % в 2022 г.). Разработан оригинальный алгоритм анализа (использован индикативный подход) для расчета рисков включения молодых специалистов в прекарную занятость на данных 2017-2021 гг. (n=6500). Оценка рисков осуществлена путем математических расчетов с помощью производственной функции Кобба-Дугласа: показывает степень влияния угроз социально-экономического характера на появление новых практик занятости как ответных сигналов рынка труда. По нашим оценкам, риски включения в прекарную занятость различаются по образовательному уровню и профилю выпускников. Разработанные инструменты измерения и оценки прекарной занятости способствуют расширению общепринятых характеристик прекарной занятости и могут применяться для их выявления среди молодежи разных профессий в условиях изменчивости рынка труда, что позволит улучшить механизмы регионального регулирования и своевременно предотвращать социально-экономические угрозы, связанные с занятостью.
Маятниковая миграция создает условия для самореализации и выбора лучшего места работы для человека, но при этом может ограничивать возможности социально-экономического развития для территории. Управление процессом в рамках программ развития территорий затруднено в силу отсутствия статистических данных в разрезе муниципальных образований. Целью статьи являлось выявление специфики маятниковой трудовой миграции в агломерациях России, изучалась половозрастная структура мигрантов, поскольку авторами выдвинута гипотеза о наличии особенностей маятниковой трудовой миграции в центрах агломераций и спутниках (с учетом их типов: города-спутники, сёла-спутники). Основным методом исследования является аналитика социальных сетей, также применены метод возрастных пирамид и компаративный анализ. Эмпирическая база сформирована авторами в 2023 г., включает обезличенные данные около 396 тыс. пользователей соцсети ВКонтакте в возрасте 14-73 лет, проживающих в 14 городах-миллионниках и 92 их городах-спутниках. Установлено, что за исключением Воронежской и Уфимской агломераций большую долю маятниковых мигрантов, направляющихся из городов-спутников в центры агломераций, составляют мужчины, возрастная группа мигрантов от 29 до 43 лет среди представителей обоих полов является наиболее активной. В потоках маятниковой трудовой миграции, направленных из городов-центров агломераций, большую долю составляют женщины (52,8 %), при этом женщины более активно едут работать в сёла-спутники, чем мужчины. Выявлено, что доли мигрантов обоих полов для городов-спутников по всем возрастным группам характеризуются большей близостью значений, чем для сёл-спутников. Основные возрастные группы жителей городов-миллионников, включенные в маятниковую миграцию, - 24-28 лет и 44-48 лет. Результаты исследования могут быть использованы для корректировки направлений развития городов в части миграции населения, уточнения программ поддержки занятости с учетом выявленных особенностей половозрастной структуры маятниковых трудовых мигрантов агломераций и спутников разного типа.
Обострение проблемы привлечения инвестиций в электроэнергетику в связи с экономическим ростом и структурной перестройкой экономики регионов актуализирует развитие отраслевого предпринимательства. в статье определены экономические предпосылки, перспективные направления и организационные условия создания энергетического бизнеса в нерегулируемых видах деятельности как формы его диверсификации и фактора мотивации собственников и инвесторов к участию в программах модернизации. информационной базой исследования являлись авторитетные отечественные и зарубежные научные публикации, посвященные проблеме диверсификации и развитию предпринимательства в энергетике, а также экспертные оценки, собранные авторами в результате анкетных опросов и интервью с руководителями и специалистами крупнейших энергокомпаний Уральского региона ПАО «Россети Урал», ПАО «т Плюс», АО «Челябоблкоммунэнерго». Обосновано, что комплексная диверсификация в электроэнергетике обеспечивает повышение устойчивости регионального электроснабжения в аспектах надежности, экономичности, экологичности и безопасности; при этом главным фактором диверсификации является прогресс в области техники, организации энергетического производства и рыночных механизмов. выделены формы отраслевой диверсификации, среди которых перспективный интерес представляют интеграционные процессы, сфокусированные на расширении спектра энергетических сервисов в активно формирующихся рыночных сегментах, использующих новейшие научно-технические достижения: малой энергетики и распределенной генерации, электрификации, управления спросом на энергию. Показано, что поощрение предпринимательства со стороны государства наиболее целесообразно в сферах бизнеса, непосредственно связанных с основным профилем энергокомпаний, а также имеющих повышенное социально-экономическое значение для региона ее присутствия. теоретическая новизна исследования заключается в определении перспективных направлений предпринимательства в электроэнергетике и идентификации организационно-экономических эффектов при освоении энергокомпаниями нерегулируемых видов деятельности. Практическая значимость статьи выражается в содержании рекомендаций для отраслевых субъектов и региональных органов управления по ограничениям и стимулированию предпринимательства в электроэнергетике.
В условиях ускоренной технологизации и роста промышленного производства обостряется проблема экологической нагрузки на окружающую среду. В связи с этим актуальной задачей является оценка воздействия промышленного производства на экологическую ситуацию в целях определения достижения параметров устойчивого развития промышленного комплекса региона. Исходя из предположения, что эффект декаплинга представляет собой наиболее эффективный инструмент для определения перспектив устойчивого развития промышленного комплекса региона, в работе обоснован теоретический подход к исследованию взаимообусловленного устойчивого развития промышленных комплексов и экологической обстановки, в контексте которого апробирована методика оценки эффекта декаплинга. Авторская методика основана на комплексном применении научно обоснованных методических подходов для расчета эффекта декаплинга: корреляционный анализ, система аудита эколого-экономических метрик, методика Организации экономического сотрудничества и развития. Синтез результатов диагностики эффектов декаплинга, проведенной на примере промышленных комплексов регионов Уральского экономического района за период 2016-2022 гг., позволил выявить и доказать устойчивую взаимосвязь экономического роста и экологической ситуации в промышленных комплексах регионов. Комплексное применение отобранных методов расчета эффекта декаплинга является существенным преимуществом оригинальной методики, которое позволяет определить позиции промышленного комплекса на матрице устойчивого развития в разрезе: величины эффекта декаплинга и экологической нагрузки. Визуализация результатов в виде матриц устойчивого развития позволила диагностировать позиции промышленных комплексов: Пермского края, Оренбургской и Свердловской областей как динамически устойчивые; Курганской области, Республик Башкортостан и Удмуртия - относительно устойчивые; Челябинской области - ориентированные на устойчивое развитие. Полученные результаты обеспечивают перспективный горизонт дальнейших исследований, связанный с оценкой эффекта декаплинга как индикатора и инструмента устойчивого развития промышленного производства, что послужит базой для определения стратегических направлений и ограничений устойчивого развития промышленности в экологически ориентированной экономике; позиционирования отдельных комплексов в контексте эколого-экономического развития промышленности Российской Федерации.
Существующие модельные оценки влияния климатической политики на сельское хозяйство, как правило, не учитывают, что её предстоит проводить при ином климате. немногие работы, свободные от этого упрощения, не анализируют субнациональный уровень. Для восполнения этого пробела на примере Алтайского, Краснодарского, Красноярского краёв и Московской области с помощью сценарного подхода проверяется гипотеза о несущественности влияния климата на последствия климатической политики. Действие климата отражено географическим положением природно-сельскохозяйственных зон, уровнями продуктивности, неопределённостью результатов производства, а также ростом мировых цен на продукцию; политики - гарантированным снижением эмиссии парниковых газов. Состояние сельского хозяйства при каждом сценарии оценено пространственной моделью частичного равновесия на рынках 9 видов сельхозпродукции в разрезе субъектов РФ (модель ВИАПИ). Модель основана на данных Росстата и Минсельхоза России по всем субъектам РФ за период 2015-2019 гг. Гипотеза проверена для ряда показателей каждого из четырёх субъектов и России в целом; в большинстве случаев она отклонена. Значит, абстрагирование от изменений климата формирует неверную картину последствий климатической политики. Ограничение эмиссии парниковых газов в сельском хозяйстве ухудшает положение производителей и потребителей сельхозпродукции. Изменение климата, если оно не сопряжено с ростом мировых цен, смягчает этот эффект. Полученные оценки полезны инвесторам, поскольку они раскрывают преимущества и риски сельского хозяйства изученных регионов; а также региональным органам управления, т. к. помогают им предотвращать вероятные потери. Дан импульс прикладным исследованиям, раскрывающим причинно-следственные связи реакции региональных рынков на сочетание факторов климата и политики.
Export development is a priority for the Russian economy, as it plays a crucial role in ensuring sustainable economic growth. In this context, understanding the determinants of regional export development is essential. In their export activities, Russian companies face a range of limiting factors, many of which have been thoroughly examined, with corresponding mitigation strategies incorporated into export plans. However, the role of the global climate agenda and the energy transition in shaping export development remains largely unexplored for Russian regions. The shift of focus to fulfilling environmental goals creates a new type of economic risk for exporters - transitional climate risks, which intensified after February 2022. This study investigates the comprehensive impact of the global energy transition on export flows in Russian regions and identifies region-specific factors that influence how the energy shift affects export levels. The hypothesis is that the global energy transition creates both risks and opportunities for Russian regions, with varying effects depending on the specific components of the energy shift and the socio-economic and environmental characteristics of each region. Using the gravity equation with the Poisson Pseudo-Maximum Likelihood (PPML) technique, the study finds that the impact of the global energy transition on Russian regional exports is multidirectional. First, environmental regulations in partner countries reduce exports from many Russian regions by 0.3 %, though regions with favorable socio-economic conditions for innovation and active regional environmental policies see an increase in exports-by 0.3 % and 0.7 %, respectively. Second, the production of alternative energy in partner countries decreases Russian exports by 0.2 %. Finally, exports from mineral-abundant Russian regions benefit from the global energy transition. These findings contribute to the literature on Russian export promotion and offer valuable policy insights for addressing the challenges and opportunities posed by the global energy transition.
Молочное животноводство оказывает существенное влияние на характер аграрного производства, эффективность эксплуатации сельскохозяйственных угодий. Цель исследования - выявить особенности и определить значимость влияния молочного животноводства на темпы роста объемов производства сельскохозяйственной продукции и изменение посевных площадей в регионах Нечерноземья России. В качестве методов исследования выбраны эконометрический метод анализа панельных данных, методы пространственной автокорреляции Морана и статистической группировки. В исследовании проанализированы данные Росстата, характеризующие развитие сельского хозяйства и молочного животноводства 29 регионов Нечерноземной зоны России, за период с 1991 по 2021 г. Регионы были сгруппированы с применением метода пространственной автокорреляции Морана в три группы: «север», «центр» и «юг». Установлена существенная дифференциация влияния молочного животноводства на валовый выпуск сельскохозяйственной отрасли. В разные периоды с 1991 по 2021 г. вклад молочного животноводства в валовой продукт сельского хозяйства различался, положительное влияние выявлено в период после 2012 г. В регионах «севера» и «центра» Нечерноземья молочное животноводство является важным фактором, причем чем севернее находится регион, тем сильнее проявляется зависимость. В среднем на «севере» эластичность валового выпуска от выпуска продукции животноводства составляет 0,707, в регионах «центра» эластичность ниже - 0,583 и на «юге» еще ниже - 0,482. Регионы «юга» более пригодны для развития мясного скотоводства, растениеводства, и влияние производства молока здесь статистически не прослеживается. Поголовье коров остается существенным фактором молочного производства для северных и центральных регионов, оказывает влияние на интенсивность использования пашни, размер посевных площадей.
Укрепление научно-исследовательских связей регионов, отвечающих за снижение барьеров распространения знаний между ними, а также усиление эндогенного взаимодействия субъектов хозяйствования для совместного решения технологических проблем страны, является одной из важных стратегических задач развития национальной экономики. Целью исследования является разработка и апробация методического подхода к анализу научно-исследовательских связей регионов, выявляющего интенсивность межрегионального сотрудничества в контексте географической близости авторов, количества совместных статей, а также схожести тематик исследований. Методическую базу исследования составляет библиометрический анализ 1 846 статей, опубликованных в 2023 году в 53 российских рецензируемых экономических журналах, с общим количеством авторов 3 102 человека. Для определения схожести тематик статей использовался текстовый анализ аннотаций, основанный на применении меры TF-IDF и косинусном сходстве. В качестве основных результатов исследования выявлены следующие корреляции: расстояние между регионами оказывает незначительное влияние как на связанность научного экономического пространства, так и на уровень коллаборации между исследователями из разных регионов; связанность научного экономического пространства (как на внутрирегиональном, так и на межрегиональном уровне) напрямую зависит от уровня коллаборации между исследователями, причем на межрегиональном уровне эта зависимость проявляется в большей степени, чем на внутрирегиональном. Также на основе анализа определены условия укрепления научно-исследовательских связей регионов, а именно выстраивание научно-исследовательских сетей с учетом промышленно-технологической и научной специализации регионов, а также наделение драйверной ролью крупных «научных» регионов (по показателю количества публикаций) и оказание поддержки в поиске и реализации новых форм их взаимодействия с другими территориями. Локомотивы научных исследований смогут развивать исследовательский потенциал регионов - участников научных коммуникаций и обеспечивать пространственное внедрение полученных результатов совместных проектов.
Актуальность и необходимость оценки качества экономического пространства обусловлена неравномерностью обеспечения регионов трудовыми, природными и иными ресурсами, а также необходимой для развития производственной и социальной инфраструктурой. оценка особенностей организации экономического пространства территорий позволит выявить проблемные места, определить пространственные преимущества и предложить дифференцированные управленческие решения по формированию единого экономического пространства. Статья посвящена выявлению специфики пространственной организации регионов Уральского федерального округа. объектом исследования является федеральный округ в разрезе входящих в него субъектов Федерации. исследование базируется на использовании данных Федеральной службы муниципальной статистики. Авторский подход опирается на использование показателей, характеризующих качество экономического пространства муниципальных образований по трем блокам: вместимость экономического пространства, экономическая активность пространства и пространственная связанность, в процессе оценки по каждому блоку рассчитывается интегральный индексный показатель. Анализ количественных показателей по 200 муниципальным образованиям Уральского федерального округа за два года (2012 и 2022 гг.), позволил сделать вывод об особенностях сформировавшейся пространственной организации территории. Показано, что Уральский федеральный округ характеризуется пространственной неоднородностью размещения населения, функционирования регионального экономического пространства, его экономической активности и пространственной связанности. Сделан вывод о том, что в регионах Уральского федерального округа протекают отличающиеся друг от друга процессы, оказывающие влияние на экономический результат, генерируемый территориями. Проведенные расчеты позволили обосновать существенное различие в пространственной организации между промышленно развитыми регионами (Свердловской, Челябинской областями), менее развитой с промышленной точки зрения Тюменской областью (без АО), аграрно-промышленной курганской областью и Ханты-Мансийским и Ямало-Ненецким автономными округами, характеризующимися специфическим развитием, связанным с сырьевой специализацией и географическим расположением в районах крайнего Севера. обосновано, что на территориях необходимо формирование различных стратегий пространственного развития. Акцентировано внимание на необходимости проработки механизмов межмуниципального взаимодействия в целях решения ряда вопросов пространственной организации регионов. Представленное исследование позволит в дальнейшем более обоснованно подходить к определению приоритетов пространственного развития, актуализации региональной политики регионов федерального округа.
При неравномерном социально-экономическом развитии территориальных систем особенно актуальным является поиск приоритетов их пространственного развития для обеспечения устойчивого экономического роста. В ходе исследования была выдвинута гипотеза о том, что приоритетом пространственного развития региона является формирование полюсов роста на территории муниципальных образований с повышенной концентрацией производственных ресурсов, обладающих тесными пространственными взаимовлияниями с окружающими их территориями. Цель исследования заключается в разработке методологического подхода к поиску и обоснованию приоритетов пространственного развития региона на примере муниципальных образований Свердловской области. авторский методологический подход предполагает выделение в квадрантах диаграммы рассевания П. Морана двух подгрупп территорий по уровню пространственного взаимовлияния для поиска действующих и формирующихся полюсов роста и зоны их сильного и умеренного влияния. Для обоснования эффективности выбранных приоритетов применен дифференцированный подход к построению пространственных моделей SAR. В результате сформированы две группы территорий: пространственно взаимосвязанные (полюса роста, территории, образующие пространственный кластер и входящие в их зону влияния) и пространственно удаленные. исследование показало, что пространственными приоритетами развития Свердловской области должно стать формирование полюсов роста на территории муниципальных образований, обладающих повышенным уровнем концентрации размещаемых предприятий, трудовых и инвестиционных ресурсов (гг. нижний Тагил и Каменск-Уральский), а также на территории муниципальных образований, входящих в зону сильного влияния, действующего в регионе полюса роста (городские округа Березовский, Верхняя Пышма, Среднеуральск, Первоуральск, Дегтярск, Ревда, Полевской, Сысертский, Арамильский, Белоярский, каменский и Верхнее Дуброво). необходимо и наращивание тесных кооперационных взаимосвязей между муниципальными образованиями, которые, как показал пространственный автокорреляционный анализ П. Морана, входят в зону сильного влияния Екатеринбургской агломерации. Представленное исследование позволит в дальнейшем обозначить механизмы реализации приоритетов пространственного развития региона.
Интерес к проблематике исследования приграничных экосистем вызван тем, что они функционируют под влиянием как факторов внутренней среды, так и внешней макро- и мезосреды. Большинство исследований в области экосистемного подхода в региональной экономике носят теоретический характер и не подкрепляются эмпирическим анализом. Цель статьи заключается в оценке влияния факторов внутренней и внешней среды на устойчивость предпринимательских экосистем, находящихся в приграничных регионах. Методика основана на отборе исследуемых экосистем и выявлении их отличительных характеристик - эмерджентности и коопконкуренции. Для оценки и группировки применялись методы кластерного анализа и главных компонент с использованием машинного обучения на языке программирования Phyton. В результате исследования выделены и сгруппированы системообразующие факторы, важные с позиции теории экосистем и специфические для приграничного состояния; сформированы индикаторы, позволяющие комплексно оценить влияние факторов среды на устойчивость экосистем; предложены четыре кластера и проведено ранжирование экосистем по типам устойчивости. Определены два класса наиболее устойчивых экосистем с высоким уровнем совместной деятельности, находящихся в благоприятных приграничных условиях. Большая часть экосистем отнесена к классам неустойчивости по двум группам причин: влияние геополитических факторов (66 экосистем) и неустойчивость внутренней среды (65 экосистем), что сдерживает их развитие. В ходе анализа главных компонент произведена группировка экосистем по интегральному баллу устойчивости и определены ключевые факторы (наличие крупных предприятий, кооперативные связи между акторами, иностранные инвестиции, импортные операции с дружественными странами, институциональная среда и приграничная инфраструктура). Выделено 47 устойчивых экосистем и 43 наиболее неустойчивых. Результаты проведенного исследования имеют прикладное значение для разработки стратегий развития регионального предпринимательства с учетом изменений и адаптации к вызовам окружающей среды.
Растет запрос на промышленную политику как в развивающихся, так и развитых странах, при этом особое внимание уделяется ее проектированию применительно к позиционированию в глобальных цепочках создания стоимости. Существует провал в исследованиях, где фокус государственной поддержки, поступающей из региональных бюджетов, связывается с характером интеграции региональной экономики в глобальные цепочки создания стоимости (ГЦСС). Вот почему цель данного исследования - анализ факторов предоставления компаниям государственной поддержки из региональных бюджетов в зависимости от степени интеграции регионов в восходящие и нисходящие связи в ГЦСС в обрабатывающей промышленности. Для проведения анализа используется опрос руководителей 1,9 тысяч российских предприятий обрабатывающих отраслей, проведенный в августе - ноябре 2022 г.. Выборка включает в себя показатели деятельности компаний в 2019-2022 гг., репрезентативна в разрезе видов экономической деятельности и размерных групп предприятий. Мы находим, что финансовая поддержка компаний из региональных бюджетов более консервативна (менее поисковая по сравнению с поддержкой из федеральных бюджетов) и направлена на поддержку некоторого «ядра» компаний, значимых для устойчивости региональной экономики. Фокусом поддержки, распределяемой в регионах, выступают компании-экспортеры, а в последние годы также компании, выполняющие госзаказ. В 2022 г. в радикально изменившихся внешних условиях произошла смена представлений о драйверах развития - среди получателей поддержки вперед вышли компании с государственным участием. При наличии более существенной интеграции в глобальную экономику региональная политика становится более вертикальной, направленной на поддержку крупных, интегрированных в ГЦСС компаний, а при меньшей интегрированности - более горизонтальной, поисковой, связанной с поддержкой МСП. Для тех регионов, которые больше интегрированы в нисходящие связи (по сравнению с восходящими), заметно внимание к поддержке инновационно-активных компаний в интересах решения задач локализации, импортозамещения, технологической независимости. Наши результаты показывают некоторые латентные, но складывающиеся на практике приоритеты в промышленной политике. Как следствие, на уровне регионов можно обсуждать дополнительные инициативы содействия репозиционированию экономик российских регионов в глобальной экономике в условиях новой реальности.
Необходимость поиска новых источников экономического роста в индустриальных и старопромышленных районах определяет важность исследования взаимосвязи наукоемких бизнес-услуг и промышленного развития в регионах. Цель статьи - проанализировать, насколько российские регионы вовлечены в процесс территориальной сервисизации с точки зрения распространения наукоемких видов деятельности в сфере деловых услуг и способствует ли это росту производительности в рамках реализации стратегии сервисизации промышленных компаний, то есть добавления к выпускаемому продукту услуг. Предложенная авторами аналитическая рамка восполняет разрыв между исследованиями в области последствий применения промышленными компаниями стратегии сервисизации и возможностями развития промышленного потенциала региона за счет сектора наукоемких бизнес-услуг. Работа представляет собой первое исследование с использованием российских данных в области территориальной сервисизации и развивает это направление в экономической литературе в части применяемой методологии исследования. В исследовании предложено использование трехшаговой CDM-модели с фиксированными эффектами для панельных данных. На основе эконометрического оценивания данных компаний обрабатывающей промышленности в 56 регионах РФ в работе обнаружено, что на проникновение наукоемких бизнес-услуг в региональную экономику оказывает положительный эффект увеличение размера рынка и рост числа компаний обрабатывающей промышленности, а предсказанный уровень проникновения наукоемких услуг имеет позитивную связь с сервисизацией промышленных предприятий в регионе. Кроме того, удалось обнаружить положительный эффект от предсказанной доли занятых в сервисизованных компаниях для производительности в промышленных предприятиях, представленный выработкой на одного занятого. Результаты исследования могут быть применены при разработке мер государственной политики в области регионального развития и промышленной политики. Ограничения исследования связаны со сложностью фиксации фактического использования сервисных ОКВЭД российскими промышленными компаниями.
В связи с отсутствием единого подхода к поддержке креативных индустрий и объективной дифференциацией исходных социально-экономических условий в регионах России складываются различные модели участия властей в развитии креативных индустрий. Понимание соотношения факторов, влияющих на креативные индустрии, является одним из ключей к более эффективным целеполаганию и поддержке креативного сектора в российских регионах. Целью настоящего исследования является выявление с использованием метода полиномиальной логистической регрессии объективных факторов, влияющих на качество политики в сфере креативных индустрий в регионах России и определение с помощью кластеризации методом k-средних групп регионов, схожих по профилю реализуемых креативных политик. Определены три группы политик: организованная, самостоятельная и непроявленная. Выявлено, что восемь «организованных» регионов опережают остальные группы по уровню организационного обеспечения (в 5 и 7 раз), по привлекаемым мерам федеральной поддержки (в 1,5 и 1,8 раза), нормативному правовому и стратегическому обеспечению (на 4 % и 8 %) и находятся примерно на одном уровне с двадцатью «самостоятельными» регионами по масштабу региональных мер поддержки. «Организованные» регионы по численности студентов опережают «самостоятельные» в 1,4 раза, а «непроявленные» - в 1,9 раза; по числу патентных заявок -в 2,2 раза и 2,5 раза соответственно; по посещаемости культурных учреждений - на 22 % и 18 %. Моделирование показало, что активности органов власти в поддержке креативных индустрий на региональном уровне способствует сочетание факторов инновационного и культурного развития.
Значительную часть территории России занимают приграничные регионы. Все они в разной степени адаптированы к условиям трансграничного взаимодействия. В представленной статье рассматриваются экономические и институциональные условия взаимодействия регионов России и Казахстана на сибирском участке государственной границы в рамках так называемых «трансграничных макрорегионов». В перечень исследуемых приграничных регионов обеих стран включены регионы, имеющие друг с другом общие границы. Целью статьи является обоснование выбора направления в формировании трансграничного макрорегиона в створе российско-казахстанской границы, обладающего оптимальным набором признаков сочетаемости между входящими в его состав приграничными регионами. основными задачами исследования являются оценка готовности приграничных регионов обеих стран к сотрудничеству друг с другом; определение перечня показателей, лежащих в основе мониторинга развития сопредельных регионов, и типологизация регионов по отношению к осуществлению трансграничного взаимодействия. Выдвигается гипотеза о равной готовности приграничных регионов России и Казахстана к налаживанию трансграничного сотрудничества и формированию устойчивых экономических отношений в рамках макрорегиона. В статье представлена концептуальная модель трансграничного макрорегиона, включающая в себя общность границ сопредельных регионов, их экономическую специализацию и инфраструктурную обеспеченность. Представлена типология приграничных регионов на основе оценки инфраструктурной обеспеченности региона и его экономической активности, по результатам которой определено лидерство Новосибирской области и Павлодарской области. Сравнительный анализ позволил выделить три варианта образования трансграничных макрорегионов, основанные на соотнесении показателей географически близких и открытых друг другу приграничных регионов обеих стран по ведущему в рамках каждого макрорегиона российскому региону - Омскому, Новосибирскому и Алтайскому. определена ведущая роль новосибирского направления в формировании трансграничного макрорегиона. Полученные результаты могут быть использованы органами государственной власти для разработки концепции развития приграничных регионов страны, обоснования перспективных мер реализации пространственной стратегии государства.
В 2021 г. в России были утверждены региональные стратегии цифровой трансформации. Авторы данного исследования предположили, что существует положительная корреляция между уровнем социально-экономического развития, накопленным опытом цифровизации региональной экономики и потенциалом достижения регионами поставленных задач цифровой трансформации. Для проверки этой гипотезы было проведено ранжирование регионов РФ по потенциалу достижения установленных ими плановых показателей на основе адаптивного автоматизированного метода главных компонент, дополненного анализом среды функционирования (PCA-DEA). Для проведения исследования выбраны 2 блока показателей в качестве входов модели: уровень развития икТ-сектора в регионе (18 индикаторов) и уровень социально-экономического развития региона за 2022 г. (20 индикаторов). В качестве выхода модели были отобраны показатели, по которым у регионов в выборке были запланированы измеримые результаты на 2023 г. (всего 43 индикатора). В выборку вошли все регионы РФ, за исключением ДНР, ЛНР, Запорожской и Херсонской областей из-за отсутствия стратегий цифровой трансформации по состоянию на 1 июля 2023 г., города Москвы, проходящей трансформацию по стратегии «Умный город», а также Чукотского АО, запланировавшего результаты по менее 30 % показателей. В результате мы получили пять групп регионов, распределенных по убыванию шансов достижения плановых показателей цифровизации. Место в рейтинге зависит не только от уровня цифровизации и социально-экономического развития, но и от полноты включения в программу цифровой трансформации стратегических показателей. При этом имеют место значительные отклонения планируемых регионами показателей от рекомендуемых профильными министерствами. Используя декомпозицию интегрального показателя и посредством расчета коэффициентов корреляции, мы выявили факторы, определившие позиции регионов в рейтинге. Разработанная методология позволила учесть как структуру данных, так и эффективность планирования в политике цифровизации, что способствует определению наиболее эффективных стратегий и принятию правильных решений для дальнейшего развития цифровой экономики. Полученный результат может быть использован как для внутренней аналитики оценки результатов реализации стратегии цифровой трансформации конкретного региона, так и для внешней аналитики - при сравнении достигнутых результатов и построения региональных рейтингов.
Динамика технологических инноваций в промышленности регионов России характеризуется пространственно-временной неравномерностью, что делает актуальным изучение параметров траектории развития инноваций. Цель данного исследования - оценка сравнительной значимости траектории развития инноваций и текущего уровня экономического развития региона для инновационной динамики в промышленности регионов страны. С использованием динамической авторегрессионной функции выполнено моделирование текущих инновационных затрат и выпуска промышленных предприятий как функции от траектории развития инноваций (своих предыдущих значений) и текущего уровня экономического развития региона (измеряемого валовым региональным продуктом) на панели из 70 регионов России в 2000-2020 гг. с детализацией федеральных округов и периодов 2000-2005, 2006-2010, 2011-2015, 2016-2020 гг. Установлено, что положительная траектория развития инноваций, увеличивающая их текущий объем, в промышленности большинства регионов России сформировалась только в 2011-2020 гг. В то же время в 2000-2005 гг. в отдельных регионах наблюдалась устойчивая отрицательная траектория развития инноваций, создающая отрицательные экстерналии и негативно влияющая на прирост объема инноваций. В течение всего периода 2000-2020 гг. текущий уровень экономического развития региона был более важен для увеличения объема инноваций, чем траектория их развития. Влияние траектории развития инноваций и уровня экономического развития региона на текущий объем инноваций носит преимущественно компромиссный характер, то есть в конкретный момент времени воздействие чаще оказывал какой-то один из факторов. Это указывает на уязвимость инновационных проектов в рассматриваемый период. Выделяется промышленность Урала и Сибири, где рассматриваемые факторы систематически оказывали комплементарный (совместный) положительный эффект, что значительно увеличивает вероятность успешной реализации инновационных проектов. Полученные результаты представляют интерес в контексте пространственно-временной детализации экономических механизмов инновационного развития регионов России.
Фрагментация мировой экономики, формирование в России новой модели развития национальной экономики на фоне санкционного давления, а также глобальный энергопереход порождают системные угрозы для Кузбасса - ведущего в стране ресурсного региона, специализирующегося на добыче угля. В настоящей статье рассматриваются проблемы поиска приемлемого направления осуществления ревитализации Кемеровской области - Кузбасса как старопромышленного региона в условиях современных вызовов. Данное исследование продолжает серию научных проектов Института экономики и организации промышленного производства СО РАН по изучению российских ресурсных регионов и ставит целью анализ реализованной в Кемеровской области в период 19902000-х гг. модели ревитализации и оценку ее влияния на последующий выбор направления развития. Исследование проводилось с использованием хронологического, исторического и структурного анализа; были изучены документы стратегического планирования Кузбасса и статистическая информация с начала 1990-х гг. по настоящее время. Результаты показывают, что Кемеровская область является исключительным случаем в мировой практике ревитализации ресурсных регионов (которые, как правило, идут по пути диверсификации структуры экономики и уменьшения роли отраслей сырьевой специализации). В 1990-е гг. Кузбасс создал основу формирования устойчивого развития экономики в средне- и долгосрочной перспективе, но в 2000-е гг. он замедлил движение в данном направлении в связи с усилением экспортной ориентации добычи угля. В итоге регион попал в «сырьевую ловушку». Как следствие, сейчас перед Кемеровской областью вновь остро стоит проблема перезапуска процессов ревитализации за счет поиска новых точек роста в рамках процесса диверсификации экономики. Анализ и выводы, содержащиеся в статье, представляют интерес как для специалистов в сфере проектирования региональной экономической политики, так и для исследователей вопросов устойчивого развития ресурсных регионов.
Издательство
- Издательство
- УрФУ
- Регион
- Россия, Екатеринбург
- Почтовый адрес
- 620002, Свердловская область, г. Екатеринбург, ул. Мира, д. 19
- Юр. адрес
- 620002, Свердловская область, г. Екатеринбург, ул. Мира, д. 19
- ФИО
- Кокшаров Виктор Анатольевич (Ректор)
- E-mail адрес
- rector@urfu.ru
- Контактный телефон
- +7 (343) 3754507
- Сайт
- https://urfu.ru/ru