Актуальные научные дискуссии связаны с оценкой перспектив развития рынка труда, определением профессий, которые окажутся востребованными в будущем и определят возможности развития человеческого капитала. Целью работы является оценка структуры профессиональной занятости и профессиональных групп в регионах Российской Федерации на основе концепции экономической сложности. Получены оценки сложности структур занятости и профессиональных групп по данным за 2018, 2020 и 2022 годы. Оценку сложности структуры профессиональной занятости региона можно рассматривать как относительную характеристику уровня развития его человеческого капитала. Оценку сложности профессиональной группы - как относительную оценку человеческого капитала ее типичного представителя. Ранги оценок сложности профессиональных групп, в основном, соответствуют существующим представлениям о среднем уровне развития человеческого капитала представителей этих групп занятого населения. Для пяти профессиональных групп ранги оценок сложности не меняются во времени, в том числе для докторов наук, кандидатов наук и специалистов высшего уровня квалификации. Для четырех профессиональных групп ранги меняются незначительно - не более чем на единицу. Существенно ранги оценок сложности изменяются для двух профессиональных групп: «руководители» (позиция профессиональной группы улучшается) и «работники сферы обслуживания и торговли, охраны граждан и собственности» (позиция ухудшается). Ранговая оценка профессиональной группы «неквалифицированные рабочие» выше, чем ранговые оценки трех групп квалифицированных работников.
Повышение экономической сложности региона может способствовать повышению уровня материального благосостояния населения, поэтому ее рост следует рассматривать как один из критериев оценки решений, способствующих диверсификации. Увеличение объема производства одного сектора в регионе может приводить к изменению структуры сильных секторов его экономики и оценки его экономической сложности. Важно учитывать, что при этом могут изменяться структуры сильных секторов других регионов. В работе представлены условия, при выполнении которых происходят такие изменения. Проведен сравнительный анализ траекторий оценок экономической сложности регионов, построенных на основе двух подходов: 1) выбор сектора или вида экономической деятельности в регионе для развития до уровня сильного, который обеспечивает максимальный рост экономической сложности региона; 2) выбор сектора или вида экономической деятельности, который имеет самую высокую оценку экономической сложности. Траектории оценок экономической сложности регионов, построенные двумя разными способами, целесообразно рассматривать в качестве альтернатив для сравнения с траекториями, полученными на основе экспертного выбора направления диверсификации. Представлены результаты регрессионного анализа, указывающие на возможность прогнозирования оценок экономической сложности регионов по секторам с использованием оценок экономической сложности регионов по видам экономической деятельности, первой и второй главных компонент структуры экономики по видам экономической деятельности.
В отечественных научных изданиях регулярно публикуются материалы, авторы которых исследуют различия уровней социально-экономического развития российских регионов. Проблема рассматривается в различных аспектах, в т. ч. с позиции определения способности региональных экономик обеспечить потребности проживающего в границах субъектов Российской Федерации населения. В статье представлены результаты рейтингования субъектов Федерации за 2019–2023 гг. на базе авторской методики. С незначительными изменениями методологии она продолжает серию ряда опубликованных ранее работ. Показано, что на протяжении 2019–2023 гг. для большинства субъектов Российской Федерации имел место неустойчивый тренд по всем трем ключевым составляющим итогового индекса (социальному, хозяйственному, бюджетному блокам). Не просматривается выраженной связи динамики показателя социального блока и степени хозяйственной активности в регионе. Подавляющее большинство регионов в целом успешно преодолели кризисные спады 2020 г. и 2022 г., но в 19 субъектах доковидные значения итогового индекса не были превышены и в 2023 г. Падение индексов социального блока в 2020 г. было менее значительным, чем после начала СВО – сказывалась поддержка социальной сферы в период пандемии. В 2023 г. для большинства субъектов Федерации имела место повышательная динамика итогового индекса и преодоление спада, связанного с санкционным давлением. Реакция регионов на этот кризис различалась, что выразилось в различной динамике всех трех составляющих итогового индекса (социального, хозяйственного и бюджетного блоков). Показана выраженная и растущая зависимость динамики социального блока от федеральных трансфертов как для регионов с понижательной динамикой индекса хозяйственного блока, так и для регионов с ростом хозяйственной активности.
В статье рассматривается размещение производственно-хозяйственной деятельности в учреждениях уголовно-исполнительной системы. В качестве примера приводится отраслевая структура и территориальное расположение производства товаров и услуг исправительных колоний ГУФСИН России по Ростовской области. Основной метод исследования - это построение картограмм (географических карт с нанесением экономико-статистической информации). По отраслям производства (швейной, деревообрабатывающей промышленности, металлообработке, производству продуктов питания) построены картограммы по региону с отображением исправительных колоний. Анализ с использованием картограмм показал пространственное размещение отраслей производства и его концентрацию на территории региона. В статье затрагивается проблема интеграции производственно-хозяйственной деятельности учреждений уголовно-исполнительной системы в экономику региона. Речь идет не только об экономике Ростовской области, но и о новой интегрированной структуре - Содружестве «Донбасс». Делается вывод о необходимости оптимизации пространственного размещения производства учреждений уголовно-исполнительной системы с учетом протекающих интеграционных процессов в регионе.
В настоящее время разворачивается научная дискуссия вокруг данных как нового фактора производства, который способствует трансформации традиционных отраслей экономики, промышленной интеграции, обеспечивает межрегиональное взаимодействие. Вместе с тем возникает вопрос о взаимосвязи с такими традиционными производственными факторами, как труд и капитал. Цель исследования состоит в выявлении детерминант использования организациями больших данных на уровне регионов. Гипотеза исследования предполагает, что ключевыми детерминантами использованиями организациями технологий больших данных являются цифровой труд, цифровой капитал и социально-экономические характеристики регионов. Авторами предложена модифицированная производственная функция знаний, апробация которой проведена на открытых данных Росстата по 85 регионам России за период 2021-2022 гг. Модели анализа панельных данных были построены с помощью метода наименьших квадратов, обобщенного выполнимого метода наименьших квадратов. Результаты исследования показали, что использование технологий больших данных в российских регионах имеет пространственную неоднородность, также наблюдается дифференциация регионов по наличию цифрового капитала и цифрового труда. Модели панельных данных со случайными эффектами подтвердили положительное влияние цифрового труда и цифрового капитала на использование организациями больших данных. Среди социально-экономических характеристик регионов как детерминант использования технологий больших данных значимое влияние было получено для доли городского населения, валового регионального продукта и доли затрат на инновации. Определены детерминанты развития экономики данных в российских регионах с учетом географической, технологической и экономической дифференциации. Теоретическая значимость заключается в предложении авторской концепции модифицированной производственной функции знаний, которая может быть использована как фундаментальная основа для развития теории экономики данных. Практическая значимость исследования состоит в обоснованности ценности больших данных, использование которых может помочь органам государственной власти в поиске новых возможностей развития экономики данных с учетом региональной дифференциации, усовершенствовании методологии мониторинга применения цифровых технологий организациями, определении ключевых факторов воздействия на использование организациями технологий больших данных.
Исследование посвящено выявлению и оценке влияния развития рынков однородного товара на устойчивость региональной экономики. Проблема обеспечения устойчивости экономики регионов России остается одной из наиболее острых вследствие многолетнего снижения реальных доходов населения, санкционного давления и общей макроэкономической неопределенности. Для обоснования влияния рынков однородного товара на устойчивость региональной экономической системы авторы используют стандартную модель олигополии Штакельберга, модифицированную за счет включения в нее условий неоднородности фирм и неполноты информации (у фирм отсутствует информация о характеристиках конкурентов). С помощью модели выявлено, что рынки однородного товара обладают особенностями, которые позволяют им поддерживать стабильность социально-экономического развития региона. В работе проведено эконометрическое тестирование гипотезы, в соответствии с которой развитие рынков однородного товара повышает стабильность экономики региона, снижает инфляцию и уменьшает уровень безработицы, а также увеличивает валовой региональный продукт. Эмпирическую базу исследования составили данные по объему годового валового выпуска основных видов производственной деятельности и крупнейших предприятий десяти административно-территориальных образований «Большого Урала» (Свердловская, Челябинская, Курганская, Тюменская, Оренбургская области, Пермский край, Республики Башкортостан и Удмуртия, Ямало-Ненецкий и Ханты-Мансийский автономные округа). Тестирование показало, что, с одной стороны, увеличение выпуска рынков (отраслей) с однородным продуктом приводит к снижению инфляции и сокращению уровня безработицы в регионе. С другой - существует «оптимальный» уровень доли рынков однородного товара в валовом региональном продукте, превышение которого может приводить к его уменьшению. Для исследуемой выборки этот уровень составляет 31 %, и его превышение может свидетельствовать о необходимости диверсификации экономики региона с целью увеличения выпуска отраслей с неоднородным продуктом. Дальнейшим направлением исследования является оценка влияния рынков однородного товара на другие факторы устойчивости региональной экономики в Российской Федерации.
В условиях замедления темпов экономического роста актуальным становится вопрос определения отраслей-драйверов, которые обеспечат развитее на новых основаниях. Целью исследования является анализ отраслевых структурных сдвигов в экономике Удмуртской Республики в разрезе укрупненных видов экономической деятельности. Исследователи предположили, что в отраслевой структуре ВРП Удмуртской Республики произошли структурные сдвиги, которые не способствовали ускорению темпов экономичного роста. Для достижения поставленной цели были изучены теоретические аспекты структурных сдвигов, проведен ретроспективный анализ статистических данных за период с 2004 г. по 2021 г. В исследовании использовалась модифицированная методика макро-структурного динамического анализа, в рамках которой сопрягаются структурные сдвиги с темпами роста экономики, анализировались исторические предпосылки формирования структуры, использован индекс физического объема ВРП на душу населения вместо ВРП при оценке качества структурного сдвига, введено понятие «структурный детерминант экономического роста». Было идентифицировано два структурных лага и четыре малых периода, характеризующихся определенным соотношением обрабатывающей и добывающей промышленности, в которых произошло пять значимых структурных сдвигов. Сама отраслевая структура экономики региона является результатом природногеографических и политических факторов. Структурные сдвиги за рассматриваемый период не обеспечили долгосрочного экономического роста и принципиального изменения технологического уклада промышленности региона, так как являлись следствием волатильности мировых цен на нефть. Полученные результаты могут быть использованы для разработки региональной структурной политики с позиции отраслей-драйверов, обеспечения устойчивого экономического роста. Важным направлением будущих исследований является обоснование «оптимальности» структуры региональной экономики с учетом взаимозависимости развития отраслей, встроенности в национальную систему производства.
Конкурентоспособность региона - проблема, остающаяся дискуссионной на протяжении длительного времени. Значимость ее решения возрастает, так как конкурентоспособность все больше становится не только показателем достижений, но и инструментом оценки деятельности региональных властей. Важность правильного понимания содержания этого явления обусловливается также потребностью в правильном определении задач для региональной политики и инструментов для управления регионом. Цель статьи - раскрыть подлинную природу конкурентоспособности региона как одну из форм проявления конкурентоспособности, показав особенности ее содержания. Посредством контент-анализа зарубежных и отечественных источников по проблеме показана невозможность ее решения на основе существующих подходов и доказана необходимость применения принципиально иного подхода - с позиций борьбы за экономические выгоды. Благодаря системно-воспроизводственному методу анализа обосновывается положение о том, что по своей природе конкурентоспособность - это способность хозяйствующих субъектов перераспределять созданную в экономике ценность в свою пользу. Конкурентоспособность региона трактуется как одна из форм проявления конкурентоспособности, возникающая в связи с обретением регионами признаков хозяйственной субъектности - наличие обособленных материальных интересов, властных и распорядительных полномочий, возникающих в связи с превращением регионов в звенья развития производительных сил общества. Это порождает возникновение конкуренции между ними за привлечение инвестиционных ресурсов как фактора достижения региональных целей. Конкурентоспособность региона определяется как способность региона перераспределять инвестиционные потоки в свою пользу посредством создания более привлекательных условий и стимулов для их применения. Помимо адекватного отражения природы конкурентоспособности региона такая трактовка обладает рядом преимуществ, таких как синтетичность, устойчивость, гибкость и операциональность.
Для повышения результативности региональной инвестиционной политики в условиях финансовых ограничений необходим учет взаимосвязи и взаимовлияния межотраслевых инвестиционных потоков. Проведенный анализ исследований в области выбора отраслевых приоритетов инвестирования выявил ряд методических проблем, что обуславливает актуальность разработки методического подхода к формированию инвестиционных приоритетов на основе выявления ключевых точек инвестиционного роста. Для исследования и оценки межотраслевых инвестиционных взаимодействий введены понятия инвестиционной взаимоиндукции, взаимоиндуцированных инвестиций, ключевых точек инвестиционного роста, разработана система оригинальных показателей. Важное значение для обоснования отраслевой концентрации инвестиционных ресурсов имеет способность отрасли индуцировать инвестиции во взаимосвязанных отраслях, на основе ее оценки разработана классификация видов экономической деятельности, включающая три классификационные группы -ключевые, потенциальные и возможные в перспективе инвестиционные точки роста. Как пример апробации предложенной методики представлен расчет показателей, характеризующих межотраслевые инвестиционные взаимодействия в отраслевой структуре Архангельской области, и осуществлена классификация видов экономической деятельности. К ключевым точкам инвестиционного роста отнесены пять видов экономической деятельности (строительство, торговля оптовая и розничная, ремонт автотранспортных средств и мотоциклов, деятельность гостиниц и предприятий общественного питания, деятельность профессиональная, научная и техническая, предоставление прочих видов услуг), к потенциальным точкам - четыре вида экономической деятельности (сельское, лесное хозяйство, охота, рыболовство и рыбоводство, обрабатывающие производства, водоснабжение, водоотведение, организация сбора и утилизации отходов, деятельность по ликвидации загрязнений, деятельность в области здравоохранения и социальных услуг). Остальные восемь видов экономической деятельности составляют группу точек роста, возможных в перспективе. На основе выявленных ключевых и потенциальных точек инвестиционного роста определены приоритетные направления инвестирования, предложен алгоритм регулирования межотраслевых инвестиционных потоков.
В условиях формирования новой модели ограниченно открытой экономики суверенного типа в РФ назрела острая необходимость совершенствования теоретико-методологического базиса анализа эффективности региональной промышленности. Целью данного исследования выступает разработка методического подхода к анализу эффективности функционирования региональных промышленных экосистем. Для достижения заданной цели в работе использован экосистемный подход к анализу эффективности региональной промышленности. Для формирования критериев оценки эффективности функционирования промышленных экосистем в данном исследовании определена структура региональной промышленной экосистемы, содержащая набор имманентных характеристик (проекций развития): масштаб, потенциал производства, инфраструктура производства, человеческий капитал, НИОКР, инновации, интеграционный потенциал, конкурентоспособность и экология. Оценку эффективности функционирования региональных промышленных экосистем региона и их сравнительный анализ предложено проводить с использованием разработанной системы показателей из двадцати семи индикаторов, ориентированной на проведение объективной оценки состояния промышленности в регионах. В качестве объектов исследования выбраны пять промышленно развитых регионов, входящих в состав Приволжского федерального округа: республики Башкортостан и Татарстан, Пермский край, Нижегородская и Самарская области. Апробация авторских разработок продемонстрировала существенную неравномерность развития регионов по проекциям и показателям промышленных экосистем. Иаилучший результат по совокупности показателей продемонстрировала Нижегородская область, имеющая лучшие результаты по масштабу и потенциалу производства, НИОКР и экологии. Далее следуют Пермский край, лидирующий по уровням инфраструктуры производства и конкурентоспособности продукции. Затем - Республика Татарстан, лидирующая по инновациям, и Республика Башкортостан, имеющая наибольший интеграционный потенциал. Аутсайдером является Самарская область, имеющая высокие значения износа основных фондов и сброса загрязненных сточных вод. Результаты анализа подтвердили гипотезу исследования о возможности представления обрабатывающих отраслей промышленно развитых субъектов Федерации в качестве региональных промышленных экосистем.