He study aims to revisit the relationship between aviation pollution, tourism, and economic development through the lens of the Environmental Kuznets Curve (EKC), particularly at the regional level, using New Zealand as a case study. We are the first to estimate aviation pollution at regional airports in New Zealand and use them as proxy for the regional pollution in an EKC setting. Our findings provide evidence of an EKC at New Zealand regions, indicating that tourism and economic development contribute to the long-term regional environment improvement. This highlights the necessity for environment policy to be tailored at a regional level, rather than solely at the national scale. Additionally, our research introduces a novel approach to EKC studies by incorporating new pollution estimations, which enhances the understanding of regional environmental dynamics. Among others, we discovered that that the sustainable tourism policy has, and will, work well in New Zealand. This study underscores the importance of considering regional factors in environmental policymaking and offers insights that could inform future strategies for balancing economic growth with environmental sustainability.
Идентификаторы и классификаторы
It is widely accepted that there are some tradeoffs between economic development and other aspects of well-being such as equality, welfare, and the environment. Among those theories, the environmental Kuznets curve (EKC) has become a popular approach applied in the field of environmental economics (Kaika & Zervas, 2013a, 2013b). The EKC hypothesises that the relationship (or trade-off) between economic growth (which is normally proxied by per capita income) and the environment (normally proxied by the per capita index of pollution in terms of CO2 or SO2 emissions) follows an inverted U-shape curve, suggesting that economic growth in the short term may damage the environment but, in the long term, it may improve the environment (Chow & Li, 2014; Al-Mulali et al., 2016). In its extended version, the EKC model also incorporates other variables or indicators regarding tourism, urbanisation, deforestation, energy consumption, technology, and total factor productivity (Friedl & Getzner, 2003; Baiardi, 2014; Liu et al., 2016). Empirical evidence supporting the EKC hypothesis has been found in the US (Aldy, 2005; Ongan et al., 2019), Europe (Lee & Brahmasrene, 2013; Katircioglu et al., 2014), Asia (Attari et al., 2016; Azam et al., 2018), Africa (Al-Mulali et al., 2016), and so on.
Список литературы
1. Ahmad, F., Draz, M. U., Su, L., & Rauf, A. (2019). Taking the bad with the good: The nexus between tourism and environmental degradation in the lower middle-income Southeast Asian economies. Journal of Cleaner Production, 233, 1240-1249. DOI: 10.1016/j.jclepro.2019.06.138
2. Akadiri, S. S., Akadiri, A. C., & Alola, U. V. (2019). Is there growth impact of tourism? Evidence from selected small island states. Current Issues in Tourism, 22(12), 1480-1498. DOI: 10.1080/13683500.2017.1381947
3. Akadiri, S. S., Lasisi, T. T., Uzuner, G., & Akadiri, A. C. (2019). Examining the impact of globalization in the environmental Kuznets curve hypothesis: the case of tourist destination states. Environmental Science and Pollution Research, 26(12), 12605-12615. DOI: 10.1007/s11356-019-04722-0 EDN: DWZXCE
4. Al-Mulali, U., Solarin, S. A., & Ozturk, I. (2016). Investigating the presence of the environmental Kuznets curve (EKC) hypothesis in Kenya: an autoregressive distributed lag (ARDL) approach. Natural Hazards, 80(3), 1729-1747. DOI: 10.1007/s11069-015-2050-x EDN: CJKCSE
5. Aldy, J. E. (2005). An Environmental Kuznets Curve Analysis of U.S. State-Level Carbon Dioxide Emissions. The Journal of Environment & Development, 14(1), 48-72. http://www.jstor.org/stable/44319718. EDN: JNHVZJ
6. Alsumairi, M., & Tsui, W. H. K. (2017). A case study: The impact of low-cost carriers on inbound tourism of Saudi Arabia. Journal of Air Transport Management, 62, 129-145. DOI: 10.1016/j.jairtraman.2017.04.001
7. Attari, M. I. J., Hussain, M., & Javid, A. Y. (2016). Carbon emissions and industrial growth: an ARDL analysis for Pakistan.International Journal of Energy Sector Management, 10(4), 642-658. DOI: 10.1108/IJESM-04-2014-0002
8. Aviation Environment Federation. (2006). How much carbon dioxide is your airport generating? In: Flying Green (Vol. 2). Aviation Environment Federation (AEF).
9. Azam, M., Mahmudul Alam, M., & Haroon Hafeez, M. (2018). Effect of tourism on environmental pollution: Further evidence from Malaysia, Singapore and Thailand. Journal of Cleaner Production, 190, 330-338. DOI: 10.1016/j.jclepro.2018.04.168
10. Bella, G. (2018). Estimating the tourism induced environmental Kuznets curve in France. Journal of Sustainable Tourism, 26(12), 2043-2052. DOI: 10.1080/09669582.2018.1529768
11. Chan, Y. T., & Wong, Y. F. (2020). Estimating the tourism-induced province-specific environmental Kuznets curve: Evidence from panel analyses of Chinese provinces.International Journal of Tourism Research, 22(6), 751-766. DOI: 10.1002/jtr.2370 EDN: PKIINQ
12. Chen, Z., Paudel, K. P., & Zheng, R. (2021). Pollution halo or pollution haven: assessing the role of foreign direct investment on energy conservation and emission reduction. Journal of Environmental Planning and Management, 65(2), 311-336. DOI: 10.1080/09640568.2021.1882965 EDN: RKHLIF
13. Chow, G. C., & Li, J. (2014). Environmental Kuznets Curve: Conclusive Econometric Evidence for CO2. Pacific Economic Review, 19(1), 1-7. DOI: 10.1111/1468-0106.12048
14. Chudik, A., Mohaddes, K., Pesaran, M. H., & Raissi, M. (2013). Debt, inflation and growth robust estimation of long-run effects in dynamic panel data models. Globalization Institute Working Papers 162, Federal Reserve Bank of Dallas.
15. Chudik, A., Mohaddes, K., Pesaran, M. H., & Raissi, M. (2016). Long-Run Effects in Large Heterogeneous Panel Data Models with Cross-Sectionally Correlated Errors. In: Essays in Honor of man Ullah. Vol. 36 (pp. 85-135). Emerald Group Publishing Limited. DOI: 10.1108/S0731-905320160000036013
16. Danish, & Wang, Z. (2018). Dynamic relationship between tourism, economic growth, and environmental quality. Journal of Sustainable Tourism, 26(11), 1928-1943. DOI: 10.1080/09669582.2018.1526293
17. de Vita, G., Katircioglu, S., Altinay, L., Fethi, S., & Mercan, M. (2015). Revisiting the environmental Kuznets curve hypothesis in a tourism development context. Environmental Science and Pollution Research, 22(21), 16652-16663. DOI: 10.1007/s11356-015-4861-4 EDN: SIVMHF
18. DEFRA. (2008). 2008 Guidelines to DEFRA’s GHG Conversion Factors: Methodology Paper for Transport Emission Factors. Department for Environment Food and Rural Affairs (DEFRA): London, UK.
19. Dogan, E., Seker, F., & Bulbul, S. (2017). Investigating the impacts of energy consumption, real GDP, tourism and trade on CO2 emissions by accounting for cross-sectional dependence: A panel study of OECD countries. Current Issues in Tourism, 20(16), 1701-1719. DOI: 10.1080/13683500.2015.1119103
20. Environmental Protection Agency. (2013). Evaluation of Air Pollutant Emissions from Subsonic Commercial Jet Aircraft. US Environmental Protection Agency (EPA): United States.
21. Erdogan, S., Fatai Adedoyin, F., Victor Bekun, F., & Asumadu Sarkodie, S. (2020). Testing the transport-induced environmental Kuznets curve hypothesis: The role of air and railway transport. Journal of Air Transport Management, 89, 101935. DOI: 10.1016/j.jairtraman.2020.101935 EDN: HURROU
22. European Environment Agency. (2019). EMEP/EEA air pollutant emission inventory guidebook 2019 - Technical guidance to prepare national emission inventories. EEA Report No. 13/2019. European Environment Agency (EEA): Luxembourg.
23. Federal Aviation Administration. (2007). Emissions and Dispersion Modeling System (EDMS) User’s Manual. US Federal Aviation Administration (FAA): Washington, DC.
24. Friedl, B., & Getzner, M. (2003). Determinants of CO2 emissions in a small open economy. Ecological Economics, 45(1), 133-148. DOI: 10.1016/S0921-8009(03)00008-9 EDN: BGHQVD
25. Ghosh, S. (2020). Tourism and the environmental Kuznets Curve: A panel estimation.International Journal of Tourism Research, 22(6), 839-852. DOI: 10.1002/jtr.2387 EDN: SISRGQ
26. Hakim, M. M., & Merkert, R. (2016). The causal relationship between air transport and economic growth: Empirical evidence from South Asia. Journal of Transport Geography, 56, 120-127. DOI: 10.1016/j.jtrangeo.2016.09.006
27. Hausman, J. A. (1978). Specification Tests in Econometrics. Econometrica, 46(6), 1251-1271. DOI: 10.2307/1913827
28. ICAO. (2011). Airport Air Quality Manual.International Civil Aviation Organization (ICAO): Montreal.
29. Im, K. S., Pesaran, M. H., & Shin, Y. (2003). Testing for unit roots in heterogeneous panels. Journal of Econometrics, 115(1), 53-74. EDN: DZXMBN
30. Jebli, M. B. (2016). On the causal links between health indicator, output, combustible renewables and waste consumption, rail transport, and CO2 emissions: the case of Tunisia. Environmental Science and Pollution Research, 23(16), 16699-16715. DOI: 10.1007/s11356-016-6850-7 EDN: LPBHFR
31. Kaika, D., & Zervas, E. (2013a). The Environmental Kuznets Curve (EKC) theory-Part A: Concept, causes and the CO2 emissions case. Energy Policy, 62, 1392-1402. DOI: 10.1016/j.enpol.2013.07.131
32. Kaika, D., & Zervas, E. (2013b). The environmental Kuznets curve (EKC) theory. Part B: Critical issues. Energy Policy, 62, 1403-1411. DOI: 10.1016/j.enpol.2013.07.130
33. Kao, C. (1999). Spurious regression and residual-based tests for cointegration in panel data. Journal of Econometrics, 90(1), 1-44. DOI: 10.1016/S0304-4076(98)00023-2 EDN: GXGNDD
34. Katircioglu, S. T. (2014). Testing the tourism-induced EKC hypothesis: The case of Singapore. Economic Modelling, 41, 383-391. DOI: 10.1016/j.econmod.2014.05.028
35. Katircioglu, S. T., Feridun, M., & Kilinc, C. (2014). Estimating tourism-induced energy consumption and CO2 emissions: The case of Cyprus. Renewable and Sustainable Energy Reviews, 29, 634-640. DOI: 10.1016/j.rser.2013.09.004
36. Lee, J. W., & Brahmasrene, T. (2013). Investigating the influence of tourism on economic growth and carbon emissions: Evidence from panel analysis of the European Union. Tourism Management, 38, 69-76. DOI: 10.1016/j.tourman.2013.02.016
37. Leitao, N. C., & Shahbaz, M. (2016). Economic Growth, Tourism Arrivals and Climate Change. Bulletin of Energy Economics (BEE), 4(1), 35-43. https://EconPapers.repec.org/RePEc:ijr:beejor:v:4:y:2016:i:41:p:35-43.
38. Levin, A., Lin, C.-F., & Chu, C.-S. J. (2002). Unit root tests in panel data: asymptotic and finite-sample properties. Journal of Econometrics, 108(1), 1-24. EDN: DZYDPH
39. Liu, Y., Yan, B., & Zhou, Y. (2016). Urbanization, economic growth, and carbon dioxide emissions in China: A panel cointegration and causality analysis. Journal of Geographical Sciences, 26(2), 131-152. DOI: 10.1007/s11442-016-1259-2 EDN: RMQOAL
40. Maddala, G. S., & Wu, S. (1999). A Comparative Study of Unit Root Tests with Panel Data and a New Simple Test. Oxford Bulletin of Economics and Statistics, 61 (S1), 631-652. DOI: 10.1111/1468-0084.0610s1631
41. Malik, M. A. S., Shah, S. A., & Zaman, K. (2016). Tourism in Austria: biodiversity, environmental sustainability, and growth issues. Environmental Science and Pollution Research, 23, 24178-24194. DOI: 10.1007/s11356-016-7609-x EDN: XUCTXH
42. Mardani, A., Streimikiene, D., Cavallaro, F., Loganathan, N., & Khoshnoudi, M. (2019). Carbon dioxide (CO2) emissions and economic growth: A systematic review of two decades of research from 1995 to 2017. Science of The Total Environment, 649, 31-49. DOI: 10.1016/j.scitotenv.2018.08.229
43. Masiol, M., & Harrison, R. M. (2014). Aircraft engine exhaust emissions and other airport-related contributions to ambient air pollution: A review. Atmospheric Environment, 95, 409-455. DOI: 10.1016/j.atmosenv.2014.05.070 EDN: UPGHAB
44. Ministry for the Environment. (2019). Measuring emissions: A guide for organisations - 2019 detailed guide. Ministry for the Environment (MfE): Wellington.
45. Naradda Gamage, S. K., Hewa Kuruppuge, R., & Haq, I. u. (2017). Energy consumption, tourism development, and environmental degradation in Sri Lanka. Energy Sources, Part B: Economics, Planning, and Policy, 12(10), 910-916. DOI: 10.1080/15567249.2017.1324533
46. Ng, T. H., Lye, C. T., & Lim, Y. S. (2016). A decomposition analysis of CO2 emissions: evidence from Malaysia’s tourism industry.International Journal of Sustainable Development & World Ecology, 23(3), 266-277. DOI: 10.1080/13504509.2015.1117534
47. Ngo, T., Trinh, H. H., Haouas, I., & Ullah, S. (2022). Examining the bidirectional nexus between financial development and green growth: International evidence through the roles of human capital and education expenditure. Resources Policy, 79, 102964. DOI: 10.1016/j.resourpol.2022.102964 EDN: UIGHUO
48. Ngo, T., & Tsui, K. W. H. (2020). A data-driven approach for estimating airport efficiency under endogeneity: An application to New Zealand airports. Research in Transportation Business & Management, 34, 100412. DOI: 10.1016/j.rtbm.2019.100412 EDN: WPZBOZ
49. Official Airline Guide. (2022). OAG Data Analyser. Official Airline Guide (OAG): Singapore.
50. Ongan, S., Isik, C., & Ozdemir, D. (2019). The economic growth/development and environmental degradation: evidence from the US state-level EKC hypothesis. Environmental Science and Pollution Research, 26(30), 30772-30781. DOI: 10.1007/s11356-019-06276-7 EDN: PTZGLF
51. Paramati, S. R., Alam, M. S., & Chen, C.-F. (2017). The Effects of Tourism on Economic Growth and CO2 Emissions: A Comparison between Developed and Developing Economies. Journal of Travel Research, 56(6), 712-724. DOI: 10.1177/0047287516667848
52. Pedroni, P. (1999). Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors. Oxford Bulletin of Economics and Statistics, 61(S1), 653-670. DOI: 10.1111/1468-0084.0610s1653
53. Pesaran, M. H., & Shin, Y. (1999). An Autoregressive Distributed-Lag Modelling Approach to Cointegration Analysis. In: S. Strom (Ed.), Econometrics and Economic Theory in the 20th Century: The Ragnar Frisch Centennial Symposium (pp. 371-413). Cambridge University Press. DOI: 10.1017/CCOL521633230.011
54. Pesaran, M. H., Shin, Y., & Smith, R. P. (1999). Pooled Mean Group Estimation of Dynamic Heterogeneous Panels. Journal of the American Statistical Association, 94(446), 621-634. DOI: 10.2307/2670182
55. Pesaran, M. H., & Smith, R. (1995). Estimating long-run relationships from dynamic heterogeneous panels. Journal of Econometrics, 68(1), 79-113. DOI: 10.1016/0304-4076(94)01644-F EDN: HILXAP
56. Postorino, M. N., & Mantecchini, L. (2014). A transport carbon footprint methodology to assess airport carbon emissions. Journal of Air Transport Management, 37, 76-86. DOI: 10.1016/j.jairtraman.2014.03.001
57. Oureshi, M. I., Hassan, M.A., Hishan, S. S., Rasli, A. M., & Zaman, K. (2017). Dynamic linkages between sustainable tourism, energy, health and wealth: Evidence from top 80 international tourist destination cities in 37 countries. Journal of Cleaner Production, 158, 143-155. DOI: 10.1016/j.jclepro.2017.05.001
58. Sghaier, A., Guizani, A., Ben Jabeur, S., & Nurunnabi, M. (2019). Tourism development, energy consumption and environmental quality in Tunisia, Egypt and Morocco: a trivariate analysis. GeoJournal, 84(3), 593-609. DOI: 10.1007/s10708-018-9878-z EDN: YSVUCO
59. Shakouri, B., Khoshnevis Yazdi, S., & Ghorchebigi, E. (2017). Does tourism development promote CO2 emissions? Anatolia, 28(3), 444-452. DOI: 10.1080/13032917.2017.1335648
60. Sharif, A., Afshan, S., Chrea, S., Amel, A., & Khan, S. A. R. (2020). The role of tourism, transportation and globalization in testing environmental Kuznets curve in Malaysia: new insights from quantile ARDL approach. Environmental Science and Pollution Research, 27(20), 25494-25509. DOI: 10.1007/s11356-020-08782-5 EDN: DMKUHF
61. Sherafatian-Jahromi, R., Othman, M. S., Law, S. H., & Ismail, N. W. (2017). Tourism and CO2 emissions nexus in Southeast Asia: new evidence from panel estimation. Environment, Development and Sustainability, 19(4), 1407-1423. DOI: 10.1007/s10668-016-9811-x EDN: RQKONB
62. Smith, I. J., & Rodger, C. J. (2009). Carbon emission offsets for aviation-generated emissions due to international travel to and from New Zealand. Energy Policy, 37(9), 3438-3447. DOI: 10.1016/j.enpol.2008.10.046
63. Song, S.-K., & Shon, Z.-H. (2012). Emissions of greenhouse gases and air pollutants from commercial aircraft at international airports in Korea. Atmospheric Environment, 61, 148-158. DOI: 10.1016/j.atmosenv.2012.07.035
64. Statistics New Zealand. (2020). Tourism Satellite Account. http://www.stats.govt.nz.
65. Tourism Industry Aotearoa. (2019). Tourism 2025 and Beyond: A Sustainable Growth Framework. Tourism Industry Aotearoa (TIA): Wellington, NZ.
66. Tourism Strategy Group. (2009). New Zealand Tourism Strategy 2010.
67. Tsui, K. W. H., Tan, D., Chow, C. K. W., & Shi, S. (2019). Regional airline capacity, tourism demand and housing prices: A case study of New Zealand. Transport Policy, 77, 8-22. DOI: 10.1016/j.tranpol.2019.02.007
68. Wang, M.-C., & Wang, C.-S. (2018). Tourism, the environment, and energy policies. Tourism Economics, 24(7), 821838. DOI: 10.1177/1354816618781458
69. Westerlund, J. (2005). New Simple Tests for Panel Cointegration. Econometric Reviews, 24(3), 297-316. DOI: 10.1080/07474930500243019
70. Zaman, K., Shahbaz, M., Loganathan, N., & Raza, S. A. (2016). Tourism development, energy consumption and Environmental Kuznets Curve: Trivariate analysis in the panel of developed and developing countries. Tourism Management, 54, 275-283. DOI: 10.1016/j.tourman.2015.12.001
71. Zhang, L., & Gao, J. (2016). Exploring the effects of international tourism on China’s economic growth, energy consumption and environmental pollution: Evidence from a regional panel analysis. Renewable and Sustainable Energy Reviews, 53, 225-234. DOI: 10.1016/j.rser.2015.08.040
72. Zhang, S., & Liu, X. (2019). The roles of international tourism and renewable energy in environment: New evidence from Asian countries. Renewable Energy, 139, 385-394. DOI: 10.1016/j.renene.2019.02.046
Выпуск
Другие статьи выпуска
Despite the growing popularity of online shopping, there is a lack of research on regional differences in consumer behaviour and preferences, particularly among women. The study aims to investigate the regional differences in women’s online shopping behaviour in Kazakhstan by conducting an in-depth analysis of the factors influencing female consumers. Using data from a survey of 400 women across different regions of Kazakhstan, logistic regression analysis was utilised to examine the relationship between online shopping frequency and several independent variables. The analysis found that the pandemic significantly affected online shopping behaviour in Kazakhstan, leading to decreased shopping frequency across all regions. Additionally, we found that women living in urban areas were significantly more likely to shop online frequently than those in rural areas, with an odds ratio of 0.504 (p = 0.014). The research also revealed notable differences in Internet penetration rates, with Karaganda, Pavlodar regions and Astana city having the highest rates among women (93.1 %, 93.0 %, and 94.5 %, respectively), while Atyrau and Kyzylorda regions had the lowest (80.7 % and 80.0 %). Therefore, it is recommended that policymakers should focus on expanding Internet infrastructure in remote regions by developing customised online marketplaces that meet the needs of urban areas like Almaty city. The findings of this study underscore the importance of considering regional differences in understanding the factors that drive online shopping behaviour in Kazakhstan. By investing in initiatives that promote e-commerce adoption and cater to consumers’ unique needs and preferences in different regions, policymakers can help foster a more inclusive and dynamic e-commerce ecosystem in Kazakhstan.
Научно-технологическое и инновационное развитие в России становится все более значимым на государственно уровне. Целью исследования является дифференциация субъектов Российской Федерации для формирования подходов к реализации системной региональной научно-технологической и инновационной политики. гипотеза исследования заключается в том, что социально-экономические, пространственные и административно-исторические факторы должны учитываться при реализации научно-технологической и инновационной политики регионов России. В исследовании применены аксиоматический и дескриптивный методы, а также экономико-статистический анализ и картирование. В ходе исследования составлена система показателей для дифференциации регионов, состоящая из 3 блоков. Результаты дифференциации регионов Российской Федерации представлены в виде таблицы и карты. Они демонстрируют разнородности и общности регионов, которые позволяют формировать направления реализации региональной научно-технологической и инновационной политики. Анализ позволил распределить регионы на 23 группы по 4 типам - от наиболее до наименее научно-технологически и инновационно развитых регионов. Для успешного научно-технологического и инновационного развития сформированы рекомендации в зависимости от типов регионов. Передовому типу регионов необходимо реализовывать политику исследовательского лидерства и ориентира для других регионов, а также развития международного сотрудничества. Развитому типу регионов необходимо ориентироваться на лучшие практики передовых регионов, осуществлять развитие своих целевых направлений науки, организовывать межрегиональную исследовательскую кооперацию внутри групп для усиления своих конкурентных преимуществ. Типу регионов, имеющих потенциал к развитию, необходимо вовлечение в федеральную научно-технологическую повестку, что может стать мощным импульсом, в том числе и с точки зрения привлечения федерального финансирования. Типу регионов с низкой базой необходимо формирование кооперационных связей с более развитыми регионами, схожими с ними по структуре экономики и территориальному расположению, образуя сателлита такого региона. Представленная в исследовании дифференциация регионов Российской Федерации по ключевым характеристикам и параметрам подтверждает гипотезу, ориентируя региональную научно-технологическую и инновационную политику на системность и научную обоснованность в принятии решений.
Национальная экономика России сегодня нуждается в позитивных хозяйственных практиках резильентности и последующего развития в современных условиях глобальной турбулентности. на уровне региональных экономик такая потребность еще более возрастает, поскольку даже несколько относительно небольших точек роста, в числе которых быстрорастущие компании (БРК, «газели»), способны стать драйверами для всего региона. Цель исследования - анализ результатов быстрорастущих компаний и их влияния на региональную резильентность в период острой фазы глобального экономического кризиса, вызванного пандемией COVID-19 (2020-2021 гг.). Исследование основано на анализе выборки 11940 компаний (в том числе 403 БРК) Свердловской, Вологодской, Курганской, Липецкой, Оренбургской, Челябинской областей, Красноярского края и Республики Башкортостан. В качестве методов использовались оценка долей БРК по численности и объему выпуска, а также оценка корреляции при помощи непараметрического метода - коэффициента Спирмена. Доля БРК по выборке в целом и для каждого рассматриваемого региона согласуется с общемировыми тенденциями (2-4 %). Отраслевая структура быстрорастущих компаний в различных регионах специфична, то есть БРК как феномен в разных регионах проявляется индивидуальным образом. «Газели» демонстрируют более высокую способность сохранять рабочие места в период острой фазы пандемии в большей части регионов выборки. Так, при среднем значении прироста занятых в 2 % в 2020 г. для БРК в Красноярском крае и Свердловской этот показатель составил 25 %. Установлено, что БРК оказывают положительное влияние на региональную резильентность в условиях экономического спада в таких видах деятельности, как транспортировка и хранение, торговля оптовая и розничная, а также добыча полезных ископаемых. Для обрабатывающих производств результат получился обратным: большая доля быстрорастущих компаний характерна для регионов с более слабыми темпами роста объема производства по этому виду деятельности в 2020-2021 гг. Полученные результаты могут быть использованы для обоснования значимости разработки и реализации программ государственной поддержки быстрорастущих компаний не только на федеральном, но и региональном уровне.
Объявив 2021 год годом креативных индустрий, Россия подчеркнула важность развития этого сектора на национальном уровне. Однако существующие базы данных и инструменты не позволяют провести всестороннюю оценку потенциала креативных индустрий. Цель данного исследования - разработка методики выявления потенциала развития креативного бизнеса в городах и ее апробация на примере базы данных городов второго эшелона Сибири и Урала. Научной новизной предлагаемой методики является выделение трех элементов потенциала развития креативного бизнеса: творческий потенциал, потенциал капитализации и коммерческий потенциал. Предложена методика, включающая алгоритм и совокупность показателей оценки, интеграция которой с базой данных городов второго эшелона позволит создать практикоориентированный информационно-аналитический инструмент поддержки принятия управленческих решений в области развития креативного бизнеса в городах. Применение методики к городам второго эшелона Урала и Сибири позволило выделить города с высоким потенциалом (имеющие три элемента потенциала): Березовский, Верхний Уфалей, Верхняя Пышма (Свердловская область), Белово, Новокузнецк, Юрга (Кемеровская область), Копейск (Челябинская область); города со средним потенциалом (имеющие два элемента): Алапаевск, Асбест, Заречный, Среднеуральск, Мыски, Мариинск, Катав-Ивановск, Трехгорный, Златоуст, Кыштым, Бийск, Новоалтайск, Северск, Сургут, Урай, Югорск, а также города с отдельными элементами потенциала развития креативного бизнеса. Отмечена слабая корреляция между элементами потенциала и низкое разнообразие креативной среды городов, не позволяющее капитализировать и коммерциализировать творческий потенциал городов. Авторы предлагают усилить межмуниципальное, внутрирегиональное и межрегиональное взаимодействие, а также разработать стратегические документы, связанные с развитием креативного бизнеса. Результаты данного исследования позволят органам местного самоуправления и бизнес-сообществу определить города с наибольшим потенциалом для развития креативного бизнеса.
Малые города по-прежнему являются значимым элементом каркаса расселения на территории Российской Федерации. Социально-экономическое положение, функции населенных пунктов и мотивы жителей предопределяют перспективы развития или деградации малых городов. Цель статьи заключается в систематизации существующих и выделении новых факторов социально-экономического развития приграничных малых городов. Методика проводимого исследования предполагает изучение и анализ зарубежных и отечественных публикаций, а также собранных статистических данных малых городов российско-белорусского приграничья. Раскрываются результаты проверки научной гипотезы о влиянии факторов приграничного положения и межгосударственной интеграции на изменение социально-экономических процессов в малых городах российско-белорусского приграничья. Выделены новые функции и факторы социально-экономического положения малых городов, расположенных в приграничье, структурированы по типам влияния. Приграничное положение малого города может быть фактором развития в условиях сохраняющейся барьерности межгосударственной границы. В малых городах российско-белорусского приграничья происходит большее снижение численности населения в сравнении с его региональными показателями и крупными городами. Инвестиции в основной капитал на душу населения на всем анализируемом периоде, за редким исключением, не превышают 50 % от значения в целом по региону. При этом количество квадратных метров жилья на душу населения выше в малых городах, чем в среднем по региону. Рекомендованная к разработке надгосударственная стратегия развития российско-белорусского приграничья позволит стимулировать экономику малых городов и улучшить качество жизни населения. При стратегическом планировании развития малых городов российско-белорусского приграничья необходимо разграничить их экономические функции, сформировать специализацию, что позволит подчеркнуть идентичность и использовать конкурентные преимущества в борьбе за ресурсы с более крупными агломерациями.
Устойчивое развитие транспортной системы обеспечивает единство экономического пространства, целостность и национальную безопасность страны. общий подход и гипотеза исследования заключаются в том, что инфраструктура выступает важным фактором благополучия, который приносит региону экономические выгоды и является важной детерминантой социально-экономического роста, при этом ее эффекты распространяются за пределы самого региона. Сочетание эконометрических и геоинформационных подходов позволило провести пространственный анализ влияния фондовооруженности, транспортной и телекоммуникационной инфраструктуры на валовой региональный продукт на душу населения и производительность труда в промышленности, выявить их прямые и косвенные эффекты. оценки продемонстрировали статистически значимое положительное влияние косвенных эффектов фондовооруженности, индекса развития железных дорог и телекоммуникаций на уровень экономического развития. Вместе с тем отрицательные прямые эффекты показателей железнодорожной инфраструктуры для промышленности указывают на то, что в условиях концентрации экономической активности возрастающая нагрузка на транспортную сеть не соответствует темпам ее физического прироста при сохраняющемся высоком износе. Данный вывод подтверждается отрицательным косвенным эффектом фондовооруженности на производительность труда в промышленности в двух модельных спецификациях при положительном прямом влиянии. Положительные экстерналии телекоммуникаций для экономики возникают за счет обеспечения доступности сетей и информационных ресурсов предприятий и населения, увеличения технологических возможностей и скорости взаимодействия хозяйствующих субъектов. Телекоммуникационная инфраструктура является фактором роста промышленного производства, однако ее отрицательные косвенные эффекты свидетельствуют о том, что регионы, находящиеся в окружении регионов с высокой динамикой распространения мобильной связи, испытывают замедление темпов производительности труда в промышленности. Полученные оценки и наличие пространственной автокорреляции валового регионального продукта на душу населения и производительности труда промышленности важно учитывать при разработке программ финансирования инфраструктурных проектов.
В условиях новой реальности в России актуализируются исследования по выявлению и использованию дополнительных факторов обеспечения экономического роста. Среди них все большее значение для повышения устойчивости развития экономики и активизации макроэкономической динамики приобретает задействование пространственного фактора. Исследованию процессов формирования и оценке потенциала развития преференциальных территорий, которых в настоящее время в стране насчитывается более 860, посвящена эта статья. Методология исследования основана на базовых положениях теорий пространственного развития, экономической синергетики и институциональной теории. Применены методы компаративного, статистического, структурного и SWOT-анализа. Гипотеза исследования заключается в том, что использование выявленного потенциала развития преференциальных территорий (на примере территорий опережающего развития (ТОР) в моногородах) позволит повысить уровень технологического развития данных территорий. На начало 2024 г. в стране имеют статус ТОР 110 территорий, среди которых 84 моногородов. Проведенный SWOT-анализ позволил установить возможности и риски развития преференциальных территорий в России. На базе институционально-синергетического подхода к формированию ТОР разработана методика определения потенциалов развития. Проведенная на ее основе оценка потенциала 9 ТОР, созданных в моногородах, выявила только в трех из них (Набережные Челны, Тольятти и Невинномысск) наличие институтов нового уровня технологического развития территории. У шести ТОР ресурсы, институты развития, инфраструктура соответствуют текущему уровню технологического развития территории. Три ТОР могут опираться в своем развитии на стратегический потенциал своего региона (отмечается высокий или средний уровень качества жизни. инвестиционной привлекательности). Обоснованы рекомендации по корректировке стратегий развития территорий с учетом потенциала социально-экономического развития ТОР для перехода на следующий уровень технологического развития. Результаты проведенного исследования могут быть полезны при разработке обновленной Стратегии пространственного развития РФ, корректировке показателей эффективности преференциальных территорий.
Экономика России находится в центре дестабилизирующих событий. Статья посвящена оценке резилиентности реакции промышленного производства на внешние ограничения. Методика исследования включает определение долгосрочной и краткосрочной реакции регионов на внешние ограничения на основе методов оценки трендовых и циклических составляющих изменения объемов производства, построение моделей фазовой динамики в формате отраслевых и кросс-отраслевых трейсеров профильной и перспективной отрасли специализации, оценку резилиентности промышленности регионов на основе индикаторов долгосрочной, краткосрочной и перспективной динамики. Использованы частные индикаторы резилиентности, раскрывающие региональные отличия индексов промышленности до и после дестабилизирующих событий, длительность периода восстановления и степень достижения дошокового уровня, наличие или отсутствие отраслей-стабилизаторов экономики и др. Выделены три уровня резилиентности промышленного производства: упругая реакция регионов как достижение дошокового уровня, сверхупругая - компенсационное восстановление и позитивный постшоковый рост, пластичная реакция с негативными последствиями при нормализации событий. Объектом исследования явились экспортоориентированные монопрофильные регионы металлургической специализации. Информационной базой исследования послужили данные официальной статистики по отраслевым индексам промышленного производства за период 2006-2021 гг. Дифференцированы фактические профили резилиентности монопрофильных регионов, выявлены негативное воздействие и торможение экономического роста в Челябинской и Свердловской областях, позитивная реакция и сохранение резилиентности при санкционных ограничениях в Вологодской и Липецкой областях. Выявлены регионы с наличием отраслевых стабилизаторов с контрфазовой динамикой, амортизирующих влияние ограничений (Вологодская, Липецкая области), и регионы с отсутствием стабилизирующих отраслей (Свердловская и Челябинская области). Разграничение резилиентности промышленного производства специфицирует целевые ориентиры и инструментарий региональной промышленной политики: в регионах с пластичной реакцией на внешние ограничения - интенсификация поддержки перспективных специализаций, в регионах с упругой и сверхупругой реакцией - актуализация стратегий и программных мер стабилизации развития на основе диверсификации экономики.
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