Пространственное распределение инвестиций в России агломерационный эффект

КОНСОРЦИУМ ЭКОНОМИЧЕСКИХ ИССЛЕДОВАНИЙ И ОБРАЗОВАНИЯ - РОССИЯ И СНГ ECONOMICS EDUCATION AND RESEARCH CONSORTIUM – RUSSIA AND CIS

Пространственное распределение инвестиций в России: агломерационный эффект

Лапо В.Ф.

Научный доклад

Проект (№ 01-0871) Доклад публикуется в рамках направления Макроэкономика и финансовые рынки

Мнение автора может не совпадать с точкой зрения РПЭИ .

Классификация JEL: R120 Лапо В.Ф. Пространственное распределение инвестиций в России: агломерационный эффект М.: РПЭИ, 2002. – 127 с. В какие регионы придут инвестиции? В переходный период сложилась тенденция концентрации инвестиций в отдельных регионах страны. Мы хотим проверить, каким образом процессы агломерации производства влияют на пространственное распределение инвестиций. Влияют ли ожидания инвесторов на пространственное распределение производства и инвестиций? Если сложившееся распределение инвестиций по регионам ведет к усилению неравномерности их развития, то можно ли изменить эти тенденции? Вопрос предполагается исследовать с помощью макроэкономической модели агломерационного процесса, учитывающего мобильность инвестиций и ожидания инвесторов. Предстоит провести эмпирическую проверку адекватности агломерационной теории российским данным (показатели агломерации промышленного производства рассчитаны автором на основе региональной базы данных Госкомстата), установить связь между ожиданиями инвесторов и инвестициями. Полученные результаты планируется применить для выработки рекомендаций в области региональной инвестиционной политики. Ключевые слова: инвестиции, производства, регионы

агломерация,

ожидания,

концентрация

Благодарности. Автор выражает благодарность членам экспертного совета Станиславу Анатольеву, Виктору Полтеровичу, Владимиру Попову, Микаэлю Кастаньере, Войцеху Харемзе, Барри Икесу и участникам семинара Георгию Трофимову и Константину Стырину за полезные рекомендации и ценные советы.

Лапо Валентина Федоровна Красноярский государственный университет 660041, Красноярск, пр. Свободный, 79 E-mail: [email protected]

2

Содержание Основные предпосылки и выводы

5

Раздел 1. Постановка задачи

10

Раздел 2. Обзор литературы

16

Раздел 3.Теоретическая модель агломерации промышленного производства

26

Агломерационная модель с внешней экономией и постоянным объемом инвестиций в экономику

28

Экономическая интерпретация решения агломерационной модели с внешней экономией с постоянным объемом инвестиций в экономику

35

Агломерационная модель с внешней экономией и переменным объемом инвестиций в экономику

40

Экономическая интерпретация решения агломерационной модели с внешней экономией и переменным объемом инвестиций в экономику

48

Раздел 4. Эмпирическая проверка гипотез. Методология эконометрического исследования

54

Общая эконометрическая модель

54

Методы оценки

60

Спецификация переменных и информация

66

Оцениваемая модель и гипотезы

70

Раздел 5. Анализ результатов эмпирического исследования

77

Общая характеристика результатов

77

Концентрация промышленного производства в Российской Федерации

84

Особенности концентрации производства в отраслях промышленности

87

Относительная концентрация производства в отраслях промышленности

91

Влияние транспортных издержек на процессы концентрации в промышленности

94

Раздел 6. Заключение

97

Раздел 7. Библиография

106

Приложение 1. Обозначения параметров и переменных теоретической модели

112

Приложение 2. Условия первого порядка для задачи центра

113

Приложение 3. Характеристическое уравнение для задачи центра

113

Приложение 4. Вывод модели гибкого акселератора с ожиданиями инвесторов

114

Приложение 5. Распределение регионов по группам

116

Приложение 6. Взаимосвязь параметров эконометрической и теоретической моделей

116

Приложение 7 Результаты эконометрического анализа модели

118

Приложение 8. Обозначения индексов и переменных эконометрической модели

125

3

Указатель таблиц Таблица 3.1. Значения параметров концентрации и их доверительные границы

39

Таблица 4.1. Ожидаемые знаки оценок параметров модели

75

(+ )

Таблица 5.1. Наличие значимых оценок параметров α 1 и уравнениях регрессии с переключением режимов ожиданий

(− )

α1

для ожиданий инвесторов в

78

(+ ) (− ) Таблица 5.2. Наличие значимых оценок параметров α 1 и α 1 для ожиданий инвесторов в уравнениях регрессии с переключением режимов ожиданий и дифференциацией по группам регионов

79

Таблица 5.3. Наличие значимых оценок параметров для гравитационных переменных и транспортных затрат в уравнениях регрессии с переключением режимов ожиданий

94

Таблица 5.4. Наличие значимых оценок параметров для гравитационных переменных и транспортных затрат в уравнениях регрессии с переключением режимов ожиданий и дифференциацией по группам регионов

95

Таблица П5. Распределение регионов по группам

116

Таблица П7.1. Оценки параметров уравнений регрессии для показателей концентрации производства в промышленности (регрессия с переключением режимов ожиданий инвесторов)

118

Таблица П7.2. Оценки параметров уравнений регрессии для показателей относительной концентрации в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов)

118

Таблица П7.3. Оценки параметров уравнений регрессии для показателей относительной концентрации в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов)

119

Таблица П7.4. Оценки параметров уравнений регрессии для показателей абсолютной концентрации в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов)

119

Таблица П7.5. Оценки параметров уравнений регрессии для показателей абсолютной концентрации в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов)

120

Таблица П7.6. Оценки параметров уравнений регрессии для показателей концентрации производства в промышленности (регрессия с переключением режимов ожиданий инвесторов и дифференциацией по группам регионов)

120

Таблица П7.7. Оценки параметров уравнений регрессии для показателей относительной концентрации производства в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов и дифференциацией по группам регионов)

121

Таблица П7.8. Оценки параметров уравнений регрессии для показателей относительной концентрации производства в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов и дифференциацией по группам регионов)

122

Таблица П7.9. Оценки параметров уравнений регрессии для показателей абсолютной концентрации производства в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов и дифференциацией по группам регионов)

123

Таблица П7.10. Оценки параметров уравнений регрессии для показателей абсолютной концентрации производства в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов и дифференциацией по группам регионов)

124

4

Основные предпосылки и выводы

Осознание необходимости противодействия инвестиционному спаду вынуждает использовать все возможности по привлечению инвестиций в экономику регионов России. В Российской Федерации можно выделить несколько крупных промышленных агломераций, таких как, промышленная агломерация городов центральной части России, концентрирующихся вокруг Москвы, агломерация городов Поволжья, промышленная агломерация на Урале, агломерация городов Сибири, расположенных вдоль

Транссибирской

магистрали

и

другие.

В

региональной

структуре

промышленного производства заметно усиливается роль Поволжья, Уральского и Северо-Западного федеральных округов. Заметно теряют свои позиции Центральный и Южный округа. Однако Центральный федеральный округ, в основном за счет Москвы, по-прежнему

получает

большую

часть

инвестиций.

Анализируя

динамику

в

переходные период, были выделены, по крайней мере, два разнонаправленных процесса: усиления и ослабления концентрации производства. В ходе эмпирического анализа факторов агломерации были рассмотрены несколько типов агломерационных процессов: абсолютная и относительная концентрация производства.

Таким образом, цель нашего исследования заключается в следующем: установить могут ли тенденции распределения инвестиций по регионам Российской Федерации быть объяснены в рамках теории НЭГ и обусловлены процессами

агломерации

производства

в регионах. Основная гипотеза

заключается в следующем. Наличие экономических перспектив у регионов находит отражение в позитивных или негативных ожиданиях инвесторов, что способствует привлечению инвестиций в регион, и создает круговую причинность для дальнейшего роста производства и концентрации инвестиций. В качестве основных задач исследования были выдвинуты следующие.

5

Разработать макроэкономическую модель агломерационного процесса с учетом мобильности инвестиций и ожиданий инвесторов и проверить, как теоретически объясняется появление концентрации в условиях падающей экономики, которое наблюдалось в переходный период в Российской Федерации. Отличаются ли механизмы концентрации в условиях падающей экономики от механизмов концентрации в условиях растущей экономики. В проведенном исследовании была предложена агломерационная модель, основанная на позитивной внешней экономии от концентрации инвестиций в одном регионе. Было установлено, что поведение инвесторов и роль ожиданий во

многом

определяются

параметрами

экономики.

Сточки

зрения

экономической политики важно отметить, что концентрация зависит от таких параметров, как скорость приспособления инвестиций, эффект от внешней экономии,

процентная

ставка,

которые

могут

служить

инструментами

регулирования процессов концентрации. Установлено, что возможны несколько вариантов

развития

определяется

экономики.

исторически

Первый,

сложившимися

когда

развитие

тенденциями.

полностью

Второй,

когда

динамику развития экономики можно изменить под влиянием ожиданий большинства инвесторов. Использование модели акселератора в рамках агломерационной модели является

новым

моментом

в

исследовании

агломерации

и

позволяет

моделировать не только растущую, но и падающую динамику экономики. Было установлено, что концентрация возможна не только в условиях роста экономики, но и в условиях падающей динамики производства и инвестиций. Было доказано, что механизм агломерационных процессов в случае падающей экономики тот же, что и в случае растущей экономики и обусловлен такими

6

параметрами, как сила внешней экономии, ставка процента, и скорость приспособления инвестиций. Доказано, что процесс концентрации в случае падающей экономики связан с перемещением производства в регионы с преобладанием добывающей промышленности и сырьевой специализацией экономики, как это имело место в переходный период в РФ. Было установлено, что в динамике экономической системы возможны траектории, когда большая часть инвестиций перемещается в регион с растущей отдачей, обеспечивая развитие обрабатывающей промышленности и эффект от внешней экономии. В то же время определенная часть инвестиций остается в регионах с постоянной отдачей. Развитие получают оба региона, и эта траектория для страны является наиболее благоприятной, обеспечивая более устойчивый

рост

экономики,

инвестиций

и

национального

дохода.

Альтернативой выступает полная концентрация производства в регионе с постоянной отдачей и формирование полностью сырьевой экономики. Концентрация производства в сырьевом секторе дает самые низкие показатели динамики инвестиций и национального дохода на всей траектории развития. Траектории, ведущие к концентрации производства в регионе с растущей отдачей, связаны со сменой технологий, способов организации производства, структурной

перестройкой

экономики,

обновлением

производственного

аппарата, что требует значительных затрат прежде, чем можно получить отдачу на инвестиции. Но в конечном итоге этот вариант экономической политики развития гарантирует более высокий уровень потребления, чем сырьевая специализация. Цель эконометрического исследования: установить виды и особенности процессов концентрации промышленного производства в экономике РФ и в

7

отдельных отраслях промышленности и оценить влияют ли ожидания инвесторов на инвестиционные процессы в регионах. Основой для построения и оценки модели является выборка из 78 субъектов РФ: 6 краев и 70 областей и двух городов – Москвы и СанктПетербурга. Анализируемый период охватывает 1993 – 1999 гг. Выборка представляет собой панельные данные, отличающиеся большим количеством объектов и коротким временным интервалом. Для оценки уравнений использованы данные о производстве по отраслям промышленности и инвестициях. Показатели очищены от инфляции и выражены в постоянных ценах 1990 г. Основная часть информации, необходимая для расчетов представлена в статистических сборниках «Регионы России» за 1996- 2000 гг. и «Российский статистический ежегодник» за 1994, 1998, 1999 гг., издаваемых Госкомстатом. Результаты Тестирования

двух

эмпирического типов

исследования

агломерации

показали

промышленного

следующее. производства:

абсолютной и относительной свидетельствуют в пользу выдвинутых гипотез о влиянии концентрации на пространственное распределение инвестиций в экономику регионов в Российской Федерации в переходный период. Было проведено тестирование вариантов регрессии с различной степенью детализации территориальной структуры РФ. Были оценены уравнения регрессии в целом для всех регионов Российской Федерации и регрессии с дифференциацией условий по группам регионов: регионов с преобладанием обрабатывающей промышленности, регионов с преобладанием добывающей промышленности и северной группы регионов, где также ведущая роль принадлежит сырьевым отраслям. Тестирование уравнений регрессии с

8

различной

степенью

территориальной

детализации

подтвердило

положительную взаимосвязь инвестиций и концентрации производства в отраслях промышленности. Было доказано, что в России в переходный период имели место процессы концентрации производства и инвестиций в отдельных регионах, и они находились под влиянием ожиданий инвесторов. Включение в оцениваемые модели условий переключения режимов позитивных и негативных ожиданий инвесторов позволило установить существенную

взаимосвязь

ожиданий

с

концентрацией

инвестиций

и

производства. Получены значимые результаты, как для позитивных, так и для негативных ожиданий, характер этой взаимосвязи определяется режимом ожиданий инвесторов. Установлено, что позитивные ожидания инвесторов относительно роста концентрации производства отраслей промышленности в регионах приводят к увеличению объемов инвестирования в эти регионы и к дальнейшей концентрации отраслей промышленности. В случае, когда доминируют негативные ожидания, то имеет место сокращение объемов инвестиций в экономику регионов и снижение уровня концентрации. Более того, эмпирически доказана гипотеза о том, что влияние ожиданий: позитивных и негативных существенно различается по группам регионов в зависимости от отраслевой специализации и специфических характеристик отдельных групп регионов.

9

Раздел 1. Постановка задачи Одна

из

основных

задач

российской

экономики

–

увеличение

инвестиционной активности. Можно выделить следующие отличительные черты пространственной организации

производства в России: большая

протяженность территории, существенная неравномерность экономического развития регионов, значительные транспортные затраты, многие регионы имеют узкую производственную специализацию. Поэтому для российской экономики является важным пространственный аспект анализа. Для России в переходный период не характерна высокая трудовая миграция. Как показали предварительные расчеты, индекс концентрации Херфиндаля-Хиршмана, рассчитанный по численности занятых в экономике, в течение всего переходного периода, за исключением 1999 г., оставался стабильным, в то время как индекс концентрации инвестиций вырос более чем вдвое (рис. 1.1). В переходной экономике России можно найти как периоды стабилизации, так и роста концентрации инвестиций и промышленного производства. В период стабилизации курса доллара (период валютного коридора 1995 - 1997 гг.) и снижения процентных ставок

наблюдалась

тенденция по усилению концентрации производства и, в особенности, инвестиций. В период высокой инфляции до 1995 г. и после финансового кризиса 1998 г., когда процентные ставки также сильно выросли, показатели концентрации инвестиций и промышленного производства стабилизировались и даже немного снизились.

10

0,06 0,05 Инвестиции

0,04 0,03

Занятость

0,02 0,01

Выпуск 1999

1998

1997

1996

1995

1994

1993

1992

1991

1990

0

Рис. 1.1. Динамика концентрации промышленного производства. Индекс Херфиндаля-Хиршмана1

Концентрация является следствием действия определенных механизмов в экономике и может наблюдаться не только в случаях роста экономики, но и в случаях негативной динамики. В переходный период в России концентрация в значительной степени была связана с падением объемов промышленного

140 120 100 80 60 40 20 0 2000

1999

1998

1997

1996

1995

1994

1993

1992

Инвестиции Выпуск 100%

1991

темп роста

производства и инвестиций (рис. 1.2).

Рис. 1.2. Индексы промышленного производства и инвестиций в Российской Федерации в переходный период (в сопоставимых ценах, в процентах к предыдущему году)2

1 2

Рассчитано по «Регионы России», М: Госкомстат, 1996 – 2000 гг. Регионы России 2001. М: Госкомстат, 2001, – стр. 374 – 375 , 762 – 763.

11

В

России

можно

выделить

несколько

крупных

промышленных

агломераций, в том числе, промышленная агломерация городов центральной части России, концентрирующихся вокруг Москвы, агломерация городов Поволжья, промышленная агломерация на Урале, агломерация городов Сибири, расположенных вдоль Транссибирской магистрали и другие. Некоторое представление о тенденциях развития названных агломераций за период реформ можно получить, используя данные о структуре промышленного производства по округам РФ (рис 1.3, 1.4). Так в региональной структуре промышленного производства заметно усиливается роль Поволжья, Уральского и СевероЗападного федеральных округов. Заметно теряют свои позиции Центральный и Южный округа. Однако Центральный федеральный округ, в основном за счет Москвы, по-прежнему получает большую часть инвестиций. Вторую и третью позиции к 2000-му году по доле инвестиций занимают Уральский и Поволжский федеральные округа, в которых сосредоточены нефтяные и газовые промыслы. Значительно упала доля инвестиций, которые поступают в Сибирский и Дальневосточный федеральные округа. ЦФО

30 25 20

СЗФО ЮФО ПФО

15 10 5 0

УФО СФО 2000

1999

1998

1997

1996

1995

1994

1993

1992

1991

1990

ДВФО

Рис. 1.3. Удельный вес федеральных округов в промышленном производстве РФ, %3

3

Рассчитано по «Регионы России 2001», М: Госкомстат, 2001

12

ЦФО

35 30 25 20 15 10 5 0

СЗФО ЮФО ПФО УФО СФО 2000

1999

1998

1997

1996

1995

1994

1993

1992

1991

1990

ДВФО

Рис. 1.4. Удельный вес федеральных округов в инвестициях в РФ, % 4

Осознание необходимости противодействия инвестиционному спаду вынуждает

использовать все возможности по привлечению инвестиций в

экономику регионов. Поэтому является актуальным проведение исследований закономерностей, объясняющих пространственное распределение инвестиций, в том числе обусловленных процессами концентрации. Движение инвестиций, как правило, тесно увязано с динамикой производства.

Мы хотим обратить внимание на те параметры, которые

объясняют пространственное распределение производства и инвестиций в рамках агломерационной теории новой экономической географии (НЭГ). Можно выделить две основных группы факторов для анализа: наблюдаемые индикаторы промышленного производства, цены, тарифы, и не наблюдаемые непосредственно, но оказывающие влияние на принятие инвестиционных решений. Среди них важную роль в процессах агломерации играют экстерналии, растущая отдача, ожидания инвесторов. Таким образом, цель нашего исследования заключается в следующем: установить могут ли тенденции распределения инвестиций

4

по регионам

Рассчитано по «Регионы России 2001», М: Госкомстат, 2001

13

Российской Федерации быть объяснены в рамках теории НЭГ и обусловлены процессами агломерации производства в регионах. Наша

основная

гипотеза

заключается

в

следующем.

Наличие

экономических перспектив у регионов находит отражение в позитивных или негативных ожиданиях инвесторов, что способствует привлечению инвестиций в регион, и создает круговую причинность для дальнейшего роста производства и концентрации инвестиций.

Помимо ожиданий на пространственное

распределение инвестиций оказывают влияние основные параметры экономики регионов: текущий уровень концентрации производства в регионах, размер внутреннего рынка, стоимость факторов производства, транспортные издержки, которые определяют эффективность локализации производства в одном регионе,

и,

во

взаимодействии,

определяют

процессы

концентрации

производства и инвестиций. Анализируя динамику в переходные период, были выделены, по крайней мере, два разнонаправленных процесса: усиления и ослабления концентрации производства. В ходе эмпирического анализа факторов агломерации были рассмотрены несколько типов агломерационных процессов: абсолютная и относительная концентрация производства. Предстояло проверить, отличается ли поведение инвесторов по типам агломерационных процессов, по типам агломерационной динамики? В качестве основных задач исследования были выдвинуты следующие. 1. Разработать макроэкономическую модель агломерационного процесса с учетом мобильности инвестиций и ожиданий инвесторов. Установить, в каком из равновесных состояний находится в настоящее время экономика России.

14

2. Проверить, как теоретически объясняется появление концентрации

в

условиях падающей экономики, которое наблюдалось в переходный период в Российской Федерации. Отличаются ли механизмы концентрации в условиях падающей экономики от механизмов концентрации в условиях растущей экономики. 3. Установить виды и особенности процессов концентрации промышленного производства в экономике РФ и в отдельных отраслях промышленности. 4. Оценить влияют ли ожидания инвесторов на инвестиционные процессы в регионах. Теоретическая значимость результатов. Проведенные исследования развивают экономическую теорию агломерационных процессов с учетом влияния ожиданий инвесторов на пространственное распределение инвестиций; дают эмпирическую проверку адекватности российских данных теории новой экономической географии;

позволяют оценить для России ключевые в

агломерационной теории параметры; эмпирически проверить влияние ожиданий на пространственное распределение инвестиций. Практическая

значимость

результатов

исследований.

На

базе

полученных результатов предлагаются рекомендации по использованию инструментов региональной промышленной и инвестиционной политики в отношении отдельных отраслей промышленности и групп регионов: регионов с преобладанием добывающей промышленности, регионов с преобладанием обрабатывающей промышленности, северной группы регионов. В качестве инструментов экономической политики могут выступать меры по снижению издержек приспособления инвестиций, меры по созданию условий для

15

формирования позитивных ожиданий у большинства инвесторов, меры по формированию внутреннего регионального рынка, транспортные тарифы. Раздел 2. Обзор литературы Теоретические исследования. Объяснение пространственного распределения инвестиций с помощью таких теорий, как теория инвестиционного риска, в отрыве от анализа размещения производства, не дает достаточно полного объяснения изучаемому явлению. Индексы риска не позволяют объяснить распределение инвестиций по регионам, не дают ответа, почему инвестиций поступает больше в те регионы, риск в которых выше, почему в несколько раз отличаются объемы инвестиций в регионах, близких по уровню риска (рис 2.1). Так, например, уровень риска в Адыгее, Свердловской и Белгородской областях, по оценкам агентства «Эксперт», составляет 0,872, 0896 и 0,898, а доля этих регионов в инвестициях равна 0,08%, 3,47% и 0,96% от всех инвестиций в РФ соответственно. Возьмем регионы, для которых уровень риска выше: Алтай, Ленинградскую область и Татарстан. Для второй группы регионов значения индексов риска равны 1,139, 1,141 и 1,145, а доля в инвестициях составляет 0,04%, 1,16% и 3,47% соответственно.

Теория инвестиционных

рисков, фиксируя текущее состояние различного вида рисков в регионе, в общем, не объясняет, почему сложилась современная структура производства, как она будет меняться. Пространственное размещение инвестиций в реальный сектор

экономики

необходимо

рассматривать

во

взаимосвязи

с

пространственным размещением производства. Процессы производства и инвестирования

неразрывно

взаимосвязаны,

и

долгосрочные

процессы

16

пространственного размещения инвестиций могут быть объяснено только в рамках модели, объясняющей пространственное распределение производства. 4,00 3,50 3,00 Доля в инвестициях в РФ

2,50 2,00 1,50

Индекс риска

1,00 0,50 Тыва

Кировская

Кемеровская

Оренбургская

Архангельская

Курганская

Смоленская

Ленинградская

Ставропольский

Дагестан

Волгоргадская

Рязанская

Магаданская

Марий Эл

Калининградская

Воронежская

Псковская

Свердловская

Камчатская

Карелия

Мордовия

Новгородская

0,00

Линейный (Доля в инвестициях в РФ)

Рис. 2.1. Доля некоторых регионов в объеме инвестиций в РФ и индексы инвестиционного риска (1997 г.)5.

В моделях, объясняющих размещение производства, в частности, в рамках

неоклассической

теории,

детерминантами

пространственной

дифференциации регионов традиционно выступают различия регионов по запасам природных ресурсов, по наделенности факторами производства, технологические различия, например, в модели Heckscher-Ohlin. Перечисленные факторы экзогенно определяют неравенство регионов. В структуре краев и областей, неравномерно наделенных факторами производства, экономическая интеграция приводит к необходимости специализации регионов в соответствии с их сравнительными преимуществами. Поэтому в неоклассической теории доминирующей моделью размещения является межотраслевая специализация

5

По данным «Регионы России 2001», М: Госкомстат, 2001, и агентства «Эксперт», сайт http:// www.expert.ru

17

регионов. В моделях неоклассического направления существует единственное долгосрочное равновесие (сравнительный обзор работ неоклассического направления можно найти в Breulhart M. (1998)). В случае отсутствия значительных различий между регионами, в сочетании с постоянной отдачей от масштаба, нулевыми издержками приспособления и совершенной конкуренцией производство должно равномерно распределяться по территории страны. Однако такое объяснение проваливается, когда изначально схожие регионы развиваются неодинаково, формируют разную производственную структуру, не дается

объяснение

бурному

росту

отдельных

стран.

Сравнительные

преимущества, как и факторы риска, в целом явления относительные и дают мало в объяснении пространственной концентрации экономической активности, когда зачастую весьма схожие по факторам производства регионы имеют очень разную производственную структуру. Модели

новой

теории

торговли,

рассматривая

несовершенную

конкуренцию, учитывают внутриотраслевую дифференциацию продуктов и растущую отдачу. Они пытаются объяснить, почему страны без существенных сравнительных преимуществ относительно друг друга могут создавать разные технологические структуры на основе различий в их доступе к рынку (обзор работ по новой теории торговли см. в Breulhart M. (1998), Ottaviano G., Puga D. (1998)). В моделях новой теории торговли, как правило, нет различий в сравнительных преимуществах в традиционном смысле как наделенности природными ресурсами. Имеются различия, связанные с доступом к рынку, однако сам размер рынка ограничен. Была предпринята попытка объяснить пространственную структуру производства через эффект внутреннего рынка (Davis, D.R. and D.E.Weinstein (1996), (1998)). Однако в моделях новой теории

18

торговли распределение экономической активности задано экзогенно, размер рынка ограничен и по-прежнему существует единственное равновесие. И только в моделях новой экономической географии пространственной размещение производства становится всецело эндогенным, производители и факторы производства мобильны. Даже размеры рынка объясняются изнутри модели.

Получает

Потребность

в

объяснение

инвестициях

существование

определяется

множества

потребностями

равновесий. в

развитии

производства. Теоретические модели новой экономической географии (НЭГ) вносят существенный вклад в объяснение неравномерности пространственного распределения экономической активности. Проблемам анализа агломерации производства посвящено много работ: Krugman P. (1991a, b, c), Matsuyama K. (1991), Venables А. (1996), Fujita M., Krugman P. Venables A. (1998), Krugman P. Venables A. (1995, 1996), Puga D. (1998), Martin P. Ottaviano G.I. (1996, 1998), Baldwin R.E. (1998), Markusen J.R., Venables A.J. (1997) и др. Они дают формальное

объяснение

появлению

агломерации,

описание

механизмов

агломерации производства в условиях растущей отдачи от масштаба (IRS) в сочетании с несовершенной конкуренцией (MC) при не нулевых торговых издержках. В качестве механизмов концентрации производства в отдельных регионах рассматривают миграцию трудовых ресурсов (Krugman P., 1991a, b), что характерно в большей степени для экономики США; вертикальноинтегрированные связи между отраслями, относящимися к IRS-MC (Venables, 1996), (Krugman P., Venables, 1995); межвременные связи затраты-выпуск (Martin, Ottaviano, 1996); промежуточные затраты (Krugman P., 1991b) – последние механизмы более характерны для стран Европейского Союза;

19

распространение технологий и R&D (Krugman P., 1991b), (Martin P., Ottaviano G., I., 1996); локальные технологические экстерналии в факторах накопления (Martin P., Ottaviano G., I., 1998); размещение в центрах транспортных сетей (Krugman P., 1993), (Fujita M., Mori T., 1997). В моделях главное

внимание уделяется динамике и размещению

производства, но не рассматриваются в явном виде вопросы пространственного распределения инвестиций. Ряд теоретических работ посвящен исследованию прямых иностранных инвестиций (FDI) и возникающим при этом прямым и обратным связям (Markusen, Venables T., 1997), (Baldwin R.E., Ottaviano G.I., 1998). Вопросы эндогенности капитала рассматриваются в работе (Baldwin R.E., 1998). Анализу влияния капитала как совокупности знаний посвящена работа (Forslid, K., 1999). Отличительной чертой всех этих моделей является рост размеров рынка и появление различных экстерналий с ним связанных. Для России наиболее ярким

примером

влияния

денежных

экстерналий

является

Москва,

а

технологических экстерналий – алюминиевый комплекс Сибири. Экстерналии определяют характер агломерационного процесса. Наличие денежных или технологических экстерналий, растущей отдачи, издержек приспособления в условиях

несовершенной

конкуренции

дают

самостабилизирующийся

агломерационный процесс. Любое возмущение к начальному распределению экономической активности должно вывести экономику на траекторию, направленную к новому долгосрочному равновесию. Достижение какого-либо равновесного состояния зависит от начального пространственного размещения производства, параметров экономики, отраслевых характеристик. Конечный результат агломерации является только одним из возможных вариантов.

20

Процесс агломерации может иметь не только монотонный, но и циклический характер из-за издержек приспособления, он может не иметь связи с экономической интеграцией, а экономика становится более поляризованной в пространстве. Возможность нескольких равновесных траекторий, в том числе равновесных состояний, которые объясняются в рамках других экономических теорий, затрудняют эмпирическую проверку положений НЭГ. Достижение какой-либо точки равновесия

зависит от сочетания факторов агломерации,

начальных условий и противодействующих факторов. Среди основных параметров, которые определяют возможность агломерации, рассматривают транспортные издержки (Krugman P., 1991a, b). Агломерационный процесс возникает тогда, когда транспортные издержки соответствуют некоторому среднему уровню. В остальных случаях происходит рассеивание отраслей по регионам. Только появление экстерналий позволяет объяснить агломерацию как процесс. В модели Markusen, Venables T. (1997) рассматриваются прямые иностранные инвестиции в конечный продукт. Что создает обратные связи предложения на промежуточные товары и технологические экстерналии. Основной вывод: FDI являются замещением для импорта. Baldwin R.E., Ottaviano G.I. (1998) показали, что торговля и FDI могут дополнять друг друга, когда часть ассортимента производится за границей. Тогда возникает торговый эффект в форме ре-импорта в дополнение к обычным торговым эффектам замещения. Baldwin R.E. (1998) выделяет строительную деятельность как самостоятельную отрасль, производящую не торгуемый товар. Автор показал, что если собственник капитала не мобилен, даже если мобилен капитал, то

21

сдвига в расходах не возникает и, следовательно, нет круговой причинности. Поэтому мобильность капитала рассматривается как стабилизирующая сила. В работах Krugman P. (1991b, c), Matsuyama K. (1991), Baldwin R.E. (1999) исследуется влияние ожиданий и доказано, что при определенных условиях ожидания, могут привести экономику к новому локальному равновесию. Анализируя роль ожиданий, Krugman P. (1991b, c), Matsuyama K. (1991) увязывают их с технологическими экстерналиями. В работе Ottaviano G.I. (1996) проблема исследована в рамках денежных экстерналий. Ожидания могут изменить историю, если дисконтированная стоимость будущих доходов будет существенно покрывать издержки приспособления, а люди терпеливы. Ottaviano G.I. (1996) доказал значимость для ожиданий таких факторов, как торговые издержки и экономия от масштаба. Мы предполагаем, что эти факторы могут играть существенную роль и для России. Однако ни одно из исследований по агломерации, затрагивающее инвестиции,

не

рассматривает

закономерности

пространственного

распределения внутренних инвестиций, не рассматриваются инвестиции и в контексте ожиданий инвесторов. Эмпирические исследования. Эффект присутствия внешней экономии трудно измерить напрямую. Hanson G. H. (2000) выделяет следующие проблемы идентификации экономии от агломерации: ненаблюдаемые региональные характеристики, одновременность в региональных данных и множественность источников экстерналий. Кроме того, затрудняет эмпирическую проверку существование множества равновесных состояний, в том числе таких, которые могут быть объяснены в рамах других теорий, и наличие немобильных факторов, которые противодействуют агломерации.

22

Большая часть эмпирических исследований по агломерации посвящена доказательству существования экономии от масштаба, растущей доходности и агломерационного эффекта. Dumais G., Ellison G., Glaeser E. (1997), Kim (1995) проводили исследования по США. В первом исследовании оценивались показатели концентрации и ко-агломерации отраслей, и нашла существенное подтверждение локализация, связанная с рынком труда. Во втором, использовались показатели региональной локализации и специализации, было подтверждено существование долгосрочного тренда в специализации и экономия от масштаба. Растущую отдачу и агломерацию в Мексике рассматривал Hanson G. H. (1997, 1998), опираясь на данные по заработной плате. Исследования по Европейскому Союзу можно найти в работах в (Bruelhart M., Trionfetti F., 1999); Bruelhart M. (2000); Davis D.R., Weinstain (1998) и др. Более 70 стран охватывают исследования Antweiler W., Trefler D. (2000). Большинство работ опирается на данные международной торговли, добавленную стоимость или промышленную занятость. В исследованиях по размещению японских предприятий в США (Head et al., 1995) подтвердилась гипотеза о том, что иностранные предприятий размещаются по преимуществу в местах, где существует локальная концентрация зарубежных предприятий. Влияние транспортных издержек на процессы агломерации доказали Hanson G. H. (1997, 1998), Haaland J.I. et al. (1999). Davis D.R., Weinstain (1998) нашли доказательства

растущей

преимуществами.

Для

отдачи

в

доказательства

объединении авторы

со

сравнительными

использовали

специально

сконструированную переменную идиосинкратического спроса (IDIODEM), которую позже в объединении с переменной смещения в гравитационных моделях использовали Bruelhart M. и Trionfetti F. (1999).

23

Среди эмпирических исследований по инвестициям в основном преобладают исследования детерминантов FDI. В частности исследования Wheeler и Mody (1992) посвящены FDI американских ТНК и также подтверждают стремление к агломерации. Driffeld и Munday (2000) проводили исследования по UK и установили, что FDI способствуют росту агломерации в отраслях и распространению новых технологий. Авторы контролировали влияние отраслевого капитала, внутриотраслевых инвестиций и нетарифных барьеров. Детерминанты FDI в переходной экономике, на примере стран Центральной и Восточной Европы, оценивали Bevan A.A. и Estrin S. (2000). Среди основных факторов авторы выделили страновой риск, который включает макроэкономическую, институциональную и политическую стабильность; ожидаемую прибыльность; издержки, связанные с рабочей силой, размер внутреннего рынка и гравитационные факторы. Основной вывод: существенное влияние на FDI оказывает членство в Евросоюзе. Исследования связи FDI, R&D и распространения новых технологий в промышленности Чехии представлены в работе Kinoshita (2000). Однако доказательств в пользу распространения технологий от иностранных фирм не найдено. Макроэкономический анализ внутренних инвестиций для Словении проводился в (Prasnikar J., Svejnar J., 2000). Было доказано, что инвестиционное поведение фирм более состоятельно в условиях несовершенного рынка капитала, а фирмы демонстрируют сильную отрицательную связь между инвестициями за счет внутренних источников и заработной платой. Исследованиям

детерминантов

развития

российской

экономики

посвящены работы Brawn J.D., Earle J.E. (2000), Ahrend R. (2000), Kozlov K.

24

et.al. (2000) Popov V.(2000) , Михеевой Н.Н. (2000), работа по инвестициям в ФПГ выполнена Волчковой Н.А. (2000). Налоговое стимулирование инвестиций исследуют Аркин В. и др. (1999), Коломак Е. (2000). Brawn J.D. и Earle J.E. (2000), подчеркивая важность размеров страны и разброс

предприятий,

монопольной

власти

объясняют

географическими

предприятий.

С

другой

факторами

стороны,

силу

транспортная

инфраструктура, приватизация и экономические реформы, в общем, усиливают конкуренцию. В качестве показателей рыночной концентрации использовались индексы Херфиндаля-Хиршмана, рассчитанные для 1992 г. Установлено, что концентрация значимо влияет на добавленную стоимость. Однако динамика концентрации

и

динамические

аспекты

влияния

концентрации

не

рассматривались. Михеева Н.Н. (2000) и Ahrend R. (2000) проводили исследования различий региональных темпов роста по региональным данным. Ahrend R. делает заключение, что степень различий в экономических реформах объясняет много меньше в экономическом положении регионов, чем изначальная структура и конкурентоспособность отраслей, природные и трудовые ресурсы. Не установлено влияния на региональный рост со стороны политический факторов, в том числе политической ориентации региональных лидеров. Кроме того, не обнаружено существенного влияния FDI на реальные доходы и промышленное производство. В исследованиях Popov V. было установлено,

что

ресурсные

преимущества,

сила

институтов

имеют

значительное влияние на выпуск и инвестиции, но доказательства влияния реформ в регионе (дерегулирования цен, малой приватизации) не обнаружено. Поэтому в своих исследованиях мы не стали затрагивать политические риски и степень продвижения реформ в экономике регионов, считая эти факторы скорее

25

общеэкономическими,

определяющими

развитие

всего

экономического

пространства страны.

Раздел 3.Теоретическая модель агломерации промышленного производства.

В качестве основы использована конструкция модели P.Krugman (1991с) c ожиданиями. Мы предлагаем постановку модели с двумя регионами. Учитывая, что в переходный период наблюдаются интенсивные процессы концентрации инвестиций (рис. 1.1), в качестве мобильного фактора, определяющего уровень концентрации производства, в отличие от модели (Krugman P., 1991с),

мы будем рассматривать инвестиции. Предлагаемый

вариант модели дает для российской экономики наиболее интересную интерпретацию, с учетом ее региональной структуры. Рассмотрим агломерационную модель, основанную на позитивной внешней

экономии

от

концентрации

инвестиций

в

одном

регионе.

Агломерационные модели с внешней экономией, как правило, имеют несколько точек равновесия. Достижение равновесных состояний может определяться как историческими тенденциями, так и влиянием ожиданий, или, так называемых, само-исполняющихся пророчеств. В работе Krugman P. (1991c) на простой модели торговли было продемонстрировано, что и тенденции прошлого, и ожидания будущего в зависимости от параметров экономики могут определять выбор равновесия. Мы рассмотрим постановку модели, в которой история и ожидания

играют существенную роль в пространственной концентрации

инвестиций, роль ожиданий инвесторов в достижение равновесных состояний

26

будет зависеть от параметров экономики: силы внешней экономии, скорости приспособления

инвестиций,

ставки

дисконтирования.

Особенность

предлагаемой модели в том, что само-исполняющиеся пророчества появляются, когда детерминированная динамическая система демонстрирует осциляторное поведение (колебания). Предлагаются два варианта модели. Первый – наиболее простой – предполагает постоянный объем инвестиций в экономику. Он иллюстрирует все основные черты модели, в которой существенную роль в достижении равновесных состояний, в зависимости от параметров экономики, могут играть как исторические тенденции в пространственном распределении инвестиций, так и ожидания инвесторов. Второй вариант модели предусматривает возможность изменение общего объема инвестиций в экономику через механизм

гибкого

акселератора,

который

позволяет

увязать

динамику

изменения инвестиций и национального дохода. Инвестиции поступают, как правило, в те регионы, доходность в которых выше. И все-таки, структура инвестиций меняется постепенно, из-за затрат на их приспособление:

строительство объектов, создание инфраструктуры,

обучение персонала и т. п. В связи с тем, что перемещение инвестиционных потоков между регионами имеет постепенный характер, эффект от растущей отдачи наступает не сразу. Поэтому инвесторы будут заинтересованы не только в текущей доходности от инвестиций, но и в ожидаемой доходности в будущем. Поэтому существование экстерналий в будущем зависит от текущих решений о размещении инвестиций другими инвесторами, которые также зависят от ожидаемой доходности инвестиций. Если большинство инвесторов будет думать что сохраняться сложившиеся тенденции в распределении инвестиций,

27

тогда история будет играть ведущую роль. Однако когда большинство инвесторов ожидают, что экономика придет к другому равновесию, тогда, по крайней мере, потенциально, существует возможность самореализующихся пророчеств, и ожидания в большей степени, чем история будут определять пространственную структуру инвестиций. Таким образом, мы хотим показать, что в динамическом аспекте история и ожидания – оба могут выступать детерминантами пространственного распределения инвестиций.

Агломерационная модель с внешней экономией и постоянным объемом инвестиций в экономику

Рассмотрим экономику с двумя совершенно одинаковыми регионами: Х и А (обозначения всех переменных и параметров теоретической модели приведены в приложении 1). В регионе А сосредоточены отрасли с постоянной отдачей от масштаба, например, добывающая промышленность. В регионе Х развиваются

отрасли

достижения

высокой

обрабатывающей эффективности,

промышленности, требуют

больше

которые

для

ресурсов,

но

обеспечивают, в том числе за счет внешней экономии, растущую отдачу от масштаба, и поэтому являются объектом экстерналий. Инвестиции выступают единственным

фактором,

определяющим

объемы

производства,

они

вкладываются и амортизируются в течение одного года. Предполагается, что экономика в состоянии продать все, что произведено в обоих регионах по фиксированным ценам на мировом рынке. Концентрация производства в регионе позволяет повысить отдачу от инвестиций. Обозначим отдачу от инвестиций в регионе i через πi:

28

πi = πi(Ii), i = X, А. πi – доходность инвестиций в регионе i.

(3.1)

Выбирая единицы измерения для

товаров и инвестиций, мы можем нормализовать их таким образом, что одна единица инвестиций в регионе А позволяет произвести одну единицу товара в добывающих отраслях и стоимость этой единицы товара будет также равна единице. Поэтому примем доходность от инвестиций в регионе А равной единице: πА = 1. В регионе Х отдача от инвестиций зависит от уровня концентрации инвестиций в регионе. Но так как экономия от масштаба является внешней, то каждый инвестор воспринимает ее как величину, заданную в каждый момент времени, и поэтому отдача от инвестиций будет равна средней отдаче: πx = πx(Ix). Задав π = π x / π A , будем считать π - относительной ставкой доходности инвестиций в регионе Х. Кроме того, будем считать, что в случае полной концентрации инвестиций в одном из регионов имеем следующую доходность: π(0) < 1 и π(I) > 1, где I - общей объем инвестиций в экономику. Таким образом, состояния полной концентрации инвестиций в одном из регионов

являются

точками

равновесия.

Так

в

случае

концентрации

производства в А , если кто-то из инвесторов будет планировать перемещение производства в Х, то его доходность будет ниже, чем доходность в регионе А, и поэтому концентрация в А является точкой равновесия, никому из инвесторов не выгодно его покидать. Если все производство сосредоточено в Х, то вложение инвестиций в регион А для одного инвестора будет означать снижение уровня его доходности, поэтому точка Х также является равновесием.

29

Пусть существует точка I x* , в которой доходность инвестиций в обоих регионах равна. Интуитивно понятно, что эта точка также является точкой равновесия,

( )

где π I x* = 1. Рассмотрим динамическую постановку модели. Будем считать, что издержки по перераспределению инвестиций являются квадратичной функцией скорости, с которой инвестиции перемещаются в регион Х. Таким образом, доход, который получают инвесторы от вложений в обоих регионах на момент времени t есть 2 R = π(I x )I x + (I − I x ) − 21γ (I&x ) ,

(3.2)

где γ - индекс обратный издержкам приспособления и характеризует скорость приспособления инвестиций. Благодаря наличию издержек приспособления инвестиционное решение будет зависеть не только от различий в доходности, учитывающих современную пространственную структуру производства, но и от ожидаемой будущей доходности инвестиций в условиях изменившейся пространственной структуры производства. Будущая доходность инвестиций зависит не только от самого инвестора, но и от решения других инвесторов. Если ожидается, что большая часть инвесторов намерены вложить в Х,

то

перемещение производства из А в Х приведет к росту привлекательности региона Х, даже если не ожидается немедленного эффекта роста доходности. Таким образом, динамика в распределении инвестиций по регионам в значительной степени будет связана с ожиданиями. Пусть инвестиции перемещаются между регионами с темпом m I&x = m .

(3.3)

30

Предположим, что инвесторы могут давать взаймы или брать кредиты без ограничений на внешнем рынке по заданной мировой процентной ставке r. Инвестор максимизирует текущую стоимость дохода на инвестиции ∞

H = ∫ Re − rt dt → max .

(3.4)

0

Так как экономия является внешней и не зависит от отдельного индивида, то инвесторы воспринимают π как заданную величину в момент t. Решением задачи оптимизации (3.2) – (3.4) являются следующие два уравнения: I&x = γq ; q& = rq − (π − 1) ,

(3.5) (3.6)

где q – теневая цена на инвестиции в Х по отношению к А, q& - скорость изменения теневой цены. Теневая цена отражает различия в стоимости между единицей инвестиций в регионах Х и А, и определяется как ∞

q (t ) = ∫ (π − 1)e − r (τ−t ) dτ ,

(3.7)

t

Таким образом, скорость перемещения инвестиций между регионами зависит от издержек приспособления и теневой цены инвестиций. В условиях, когда объемы инвестиций в экономику стабильны, уравнения (3.5) и (3.6) определяют динамику развития системы в пространстве Ix и q. Поведение системы изображено на рис. 3.1. На графике стрелками указано направление движения системы (3.5) - (3.6). Экономика стремится к полной концентрации производства в A или в X в зависимости знака теневой цены на инвестиции.

Если q больше нуля, то возникает тенденция к

концентрации в Х, а если теневая цена на инвестиции отрицательная, то производство стремится к агломерации в А. На прямой AX, проходящей через в

31

точку q = 0, I x = I x* , величина q равна капитализированному по текущей ставке превышению доходов на инвестиции в регионе Х по сравнению с регионом А при условии, что отдача на инвестиции является величиной постоянной: q=

π −1 . r

X

I

* x

Ix

A

Рис. 3.1. Монотонная динамика поведения системы

В точках А и Х возможны два устойчивых долгосрочных равновесия с полной агломерацией производства в одном из регионов. Теневая цена q в каждом из равновесных состояний показывает разницу между текущей стоимостью действительных доходов инвесторов и текущей стоимостью тех доходов, которые инвесторы могли бы получить, если бы производство было сконцентрировано в другом регионе бесконечно долго. Конкретизируем зависимость внешней экономии от объемов инвестиций

(

)

π = 1 + β I x − I x* ,

(3.8)

тогда после подстановки π в выражение (3.6), имеем

(

)

q& = rq − β I x − I x* .

(3.9)

Решив систему (3.5), (3.9) получим два корня:

32

ρ1, 2

r ± r 2 − 4βγ = . 2

(3.10)

В зависимости от сочетаний параметров мы имеем либо два действительных положительных корня, в том числе и случай кратных корней, либо два комплексных корня с положительной действительной частью, и, следовательно, принципиально различные варианты траекторий. В точке I x = I x* , q = 0 имеем состояние неустойчивого равновесия. Для r2 > 4βγ имеем действительные корни. Система нестабильна и двигается прочь от точки I x = I x* , q = 0 (см. рис. 3.1). Траектория, соединяющая точки равновесия A и X, имеет вид S-образной кривой. Пусть нам задана территориальная структура инвестиций. Тогда теневая цена в исходном состоянии будет определять конечный пункт, к которому мы придем по Sобразной кривой. Если изначально q > (π − 1) / r , то экономика постепенно придет к полной концентрации инвестиций в Х и полной агломерации производства в регионе с обрабатывающей промышленностью. Если изначально q < (π − 1) / r , то экономика, двигаясь по закону динамики, будет приближаться к A, то есть к полной сырьевой специализации промышленного производства. Таким образом, динамика системы, изображенная на рис. 3.1, полностью соответствует теоретическим положениям, утверждающим, что ресурсы экономики и инвестиции перемещаются в направлении более высокой доходности, поэтому, в анализируемой ситуации ведущая роль в определении направлений движения системы принадлежит исторически сложившимся тенденциям. Однако

эта

траектория

изменения

территориальной

структуры

инвестиций не является единственно возможной. Для r2 < 4βγ - имеем два

33

комплексных корня с положительной действительной частью. В этом случае система тоже нестабильна и расходится из I x* с осцилляциями (рис. 3.2). Поэтому, другой возможной траекторий к долгосрочному равновесию является движение по спирали.

X

Ix I

* x

A Рис. 3.2. Циклическая динамика поведения системы

В случае комплексных корней равновесная траектория представляет собой две сцепленные спирали, расходящиеся от центра в направлении полной концентрации производства в одном, или в другом регионе. Эти две траектории нигде не пересекаются, поэтому из любой точки на графике существует единственная траектория, которая ведет к одному из равновесных состояний. Любое небольшое отклонение в территориальной

структуре инвестиций от

равновесия I x = I x* , q = 0 после ограниченного числа осцилляций приведет систему к одному из устойчивых равновесных состояний. В случае движения системы по спирали на графике появляется область, в которой траектория совершает ограниченное число осцилляций. P. Krugman (1991с) назвал область с осцилляциями в форме закрученной спирали перекрытием. Будем в дальнейшем придерживаться этой же терминологии. После ограниченного числа колебаний траектория выходит из области

34

перекрытия и монотонно движется по одному из рукавов

к состоянию

устойчивого равновесия. Подчеркнем, что основная особенность решения с перекрытием – это существование области, из которой достижимы оба долгосрочных равновесия. В области перекрытия ведущая роль в определении траектории развития отводится ожиданиям. Можно показать, что в приведенной постановке модели оптимизация доходов инвестора и оптимизация уровня потребления инвестора дает одинаковый с точки зрения описания механизма агломерации результат. Пусть инвестор максимизирует уровень своего потребления (R − I ) : ∞



∫  (π − 1)I 0

x

−

1 & 2  − rt (I x )  e dt → max 2γ 

(3.2a)

при условии (3.3). Как видим, решение задачи (3.2а) – (3.3) совпадает с решением (3.2) – (3.4), и поэтому все выводы относительно влияния концентрации сохраняются. Отметим, что в задаче (3.2а) – (3.3) условия максимизации не зависят от объема инвестиций в экономику.

Экономическая интерпретация решения агломерационной модели с внешней экономией с постоянным объемом инвестиций в экономику

В области перекрытия появляется возможность для ожиданий, которые могут изменить направление движения системы. Форма спирали определяет область значений I x , из которой достижимы оба равновесия. В области перекрытия существуют очень близкие друг к другу состояния, которые ведут к разным долгосрочным равновесиям, поэтому возможность достижения одного из равновесий в любой начальной позиции в области перекрытия в

35

значительной степени будет зависеть от ожиданий инвестора. Влияние ожиданий в случае динамики с перекрытием связано с возможностью скачков на

близко

расположенных

витках

спирали.

Если

существуют

близко

расположенные витки спирали, исходящие из I x* , то не исключена возможность прыжка с траектории, направленной к одному стабильному равновесию, на траекторию, ведущую к другому стабильному равновесию. Эти прыжки могут иметь случайный характер, или

могут быть обусловлены ожиданиями, и

повлиять на решения инвесторов. Вероятность скачка будет определяться возможностью роста теневой цены на инвестиции, которая компенсирует снижение на первых порах доходности инвестиций. Таким образом, ожидания инвесторов могут изменить траекторию и привести систему к любому долгосрочному исходу. Предположим, инвесторы ожидают, что экономика будет развиваться по направлению к агломерации производства в Х, тогда для любых значений I x в области перекрытия будет существовать циклическая траектория, которая приведет в Х. В отличие от случая действительных корней, внутри перекрытия существует более одной

начальной позиции, которые приводят к разным

равновесным состояниям. В области перекрытия, близкой к I x* , существует бесконечно большое число возможных путей во всех направлениях, и поэтому возможен любой вариант динамики. Внешние рукава за пределами перекрытия определяют лишь простые траектории. Поэтому в случае комплексных корней (рис. 3.2) ожидания инвесторов в большей степени, чем исторические тенденции являются решающими для достижения равновесия. Если перекрытия нет, то в модели все решает история, если существует перекрытие и исходное

36

значение I x принадлежит области перекрытия, то возможно достижение любого устойчивого равновесия. Если I x находится вне области перекрытия, то динамику пространственного распределения инвестиций определяет история. Возникает вопрос, как влияют параметры экономики на развитие системы? По-видимому, здесь будут играть роль такие обстоятельства, как близость к I x* , кроме того, соотношение истории и ожиданий в принятии инвестиционных решений, которые будут определять три параметра r – ставка процента, β - сила внешней экономии от агломерации и γ - скорость приспособления инвестиций. Условием существования перекрытия является r2 < 4βγ. Параметр r

отражает общий уровень рисков в экономике. Если

процентные ставки r достаточно большие, то будущие доходы от инвестиций дисконтируются по высокой ставке. Наличие высокого дисконта будущих доходов означает снижение роли в доходах ожидаемой внешней экономии от концентрации. Экономический смысл здесь в том, что в длительной перспективе вознаграждение никогда не будет достигать того уровня доходов, который

имеет

инвестор

в

сложившейся

территориальной

структуре

производства и инвестиций. Все действия направлены на максимизацию текущей прибыли, поэтому у инвестора не будет заинтересованности

в

будущих совместных действиях. Если внешняя экономия от перемещения инвестиционной активности в Х недостаточно высокая, то места для ожиданий нет, и тем самым эффект самореализующихся ожиданий устраняется. Инвестиции будут размещаться по регионам в соответствии с их текущей доходностью.

37

Если γ мало, а, следовательно, издержки приспособления высоки, например: в регионе нет современной инфраструктуры, основные фонды изношены или морально устарели, то экономика региона будет медленно приспосабливаться. Получение выгод от инвестиций отодвигается в отдаленное будущее. Ожидания инвесторов по-прежнему не будут влиять на их решения. Производство и инвестиции будут следовать за текущей доходностью, и все будут решать исторически сложившиеся тенденции производства. Если издержки приспособления инвестиций малы, например, регион хорошо обустроен

инфраструктурой,

средствами

связи,

существуют

резервы

мощностей, которые можно легко запустить в производство, имеются квалифицированные кадры, то появляются возможность для изменения исторически сложившихся тенденций и ведущая роль может перейти к ожиданиям. На основе результатов эконометрического исследования (разделы 4, 5) были вычислены оценки параметров r, γ и β, соответствующие современному состоянию российской экономики. Точечная оценка параметров дополнена их интервальной оценкой. С использованием Дельта-метода (Greene (1997), стр. 124) были построены 95%-е доверительные интервалы. Кроме того, чтобы установить в каком равновесии, комплексных или действительных корней, находится российская экономика, были рассчитаны значение и доверительный

(

)

интервал для подкоренного выражения r 2 − 4γβ в (3.10). Значения параметров и границ приведены в табл. 3.1. Отрицательные значения подкоренного выражения

(r

2

)

− 4γβ и его доверительных границ свидетельствуют, что с

вероятностью 95% мы имеем случай комплексных корней.

38

Таблица 3.1 Значения параметров концентрации и их доверительные границы (доверительная вероятность 95%) Параметры Значения Нижняя Верхняя доверительная доверительная граница граница r 0,3128 0,2991 0,3265 0,7191 0,6577 0,7805 γ 0,2573 0,2265 0,2884 β -0,6423 -0,7733 -0,5112 r 2 − 4 γβ

(

)

Кроме того, было проведено численное моделирование, имеющие целью определить, как влияют r, β и γ на величину перекрытия. В серии экспериментов варьировалась величина параметра

γ от 0 до 0,7191. Верхний уровень

параметра γ был определен в соответствии с его оценкой, полученной в эконометрической части исследования. Для сравнения была выполнения вторая серия расчетов для значений параметров r = 0,2 и β = 0,6. Значение β, равное 0,6, соответствует более высокому уровню внешней экономии и росту отдачи на инвестиции в случае агломерации производства. Результаты расчетов размера перекрытия

представлены

следовательно,

и

на

рис.

возможность

3.3.

Отметим,

ожиданий

что

перекрытие,

инвесторов

влиять

а, на

пространственное распределение инвестиций, исчезает для γ, равного 0,1. Для альтернативного набора параметров экономики r и β перекрытие исчезает для γ, равного 0,023. Перекрытие постепенно сокращается на интервале значений от 0,8 до 0,1. Как видим, в современной российской экономике, где: r = 0,3125, β = 0,2573 и γ = 0,7191, ожидания играют ведущую роль, не оставив места для истории.

39

Величина перекрытия

1,2 1

бета 0,2573

0,8 0,6

бета 0,6

0,4 0,2 0

0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 гамма

Рис. 3.3. Зависимость величины перекрытия от скорости приспособления инвестиций  1  γ





Агломерационная модель с внешней экономией и переменным объемом инвестиций в экономику

Представляет интерес исследовать влияние процессов концентрации на динамику инвестиций в экономику. Чтобы провести такой анализ, расширим задачу (3.2) - ( 3.4), включив в модель условия, связывающие изменение макропоказателей: национального дохода и инвестиций с переменными и параметрами, определяющими процессы концентрации. В качестве основного уравнения, связывающего

объемы инвестиций в экономику и динамику

национального дохода, используем модель гибкого акселератора (Koyck, 1954). Для инвестиций в момент t модель акселератора можно записать как I t = µ λ Yt – (1 – δ) µ λ Yt-1 + (1 – λ ) I t--1, где t - индекс года, I t и

(3.11)

It-1 инвестиции соответственно в текущем и

предшествующем году; Yt и Yt-1 – выпуск текущего и предшествующего года; параметры:

δ

-

скорость

затухания

лаговых

связей

(аналог

ставки

дисконтирования); µ - фондоемкость; λ – постоянная скорость приспособления желаемого и фактического капитала (вывод уравнения (3.11) можно найти в

40

(E.R.Berndt, 1991, p. 233 – 235)). После небольших преобразований уравнение (3.11) приобретает вид Yt - (1-δ) Yt-1 =(1/µλ)( I t –(1-λ) It--1) или ∆Yt +δ Yt-1 =(1/µλ)(∆ I t +λ It--1).

(3.12)

Устремив ∆t → 0, получим 1 & (I + λI ) Y& + δY = µλ

(3.13)

модель акселератора в непрерывной постановке. Уравнение (3.13) позволяет увязать

динамику

инвестиций

с

динамикой

национального

дохода

и

проанализировать влияние агломерационных процессов на объем инвестиций в экономику. Выразим объем инвестиции в регион A как разность между общим объемом инвестиций в экономику и инвестициями в регион X: IA = I − Ix .

(3.14)

Национальный доход Y равен сумме валовых региональных продуктов двух регионов: Y A и Yx , Y = πI x + (I − I x ) .

(3.15)

Y& = (π′(I x )I x + π − 1)I&x + I&

(3.16)

Тогда

- уравнение, описывающее скорость изменения национального дохода. Как видно из (3.16), динамика национального дохода зависит от

прироста

инвестиций в экономику, внешней отдачи и прироста инвестиций в регион X.

41

Параметры фондоемкости (µ) и скорости приспособления инвестиций (λ) существенно различаются по регионам. Введем новые обозначения. Пусть λ i региональный показатель скорости приспособления желаемого и фактического капитала, µ i - региональный уровень фондоемкости, где i = A, X. Тогда модель акселератора для региона i можно записать как 1 & (I i + λ i I i ), Y&i + δYi = µiλi

(3.17)

Просуммировав правые и левые части (3.17) для i = A, X с учетом (3.16) и обозначив µ A λ A = aµ x λ x и λ A = bλ x , получим модель акселератора в разрезе двух регионов:

(π′(I x )I x + π)I&x + I& − I&x + δ(πI x + I − I x ) =

1 & 1 ( (I& − I&x + bλ x (I − I x )) I x + λ x I x )+ µ xλ x aµ x λ x . (3.18)

Выполнив некоторые преобразования и подставив (3.5), получим в явном виде дифференциальное

уравнение,

которое

описывает

скорость

изменения

инвестиций в экономике в зависимости от объема инвестиций (I ) , инвестиций в регион с растущей отдачей (I x ) и теневой цены инвестиций q в регионе X:   a −1 I& = ηθI −  π′(I x )I x + π − 1 − aµ x λ x  

  a−b  I x  ,  γq −  δ(π − 1) − aµ x    

(3.19)

где η=

aµ x λ x b − aδµ x и θ= . aµ x λ x − 1 aµ x

Уравнение (3.19) можно рассматривать как другую запись модели гибкого акселератора, учитывающую территориальную структуру инвестиций. Ряд параметров, определяющих динамику в агломерационной модели с постоянными объемами инвестиций, могут быть выражены через параметры

42

модели гибкого акселератора (3.19). В частности, силу внешней экономии в регионе с растущей отдачей β можно оценить через параметр региональной фондоемкости региона с растущей отдачей µ x как β=

1 ; µx

(3.20)

параметру γ можно сопоставить параметр скорости приспособления желаемого и фактического капитала в регионе с растущей отдачей на инвестиции λ x , так что γ = λx ;

(3.21)

r=δ

(3.22)

ставка дисконтирования

является одинаковой для обоих регионов. Поэтому модель гибкого акселератора можно использовать как основу для эконометрического анализа и получить численные оценки параметров, определяющих агломерационные процессы в Российской Федерации в переходный период. Формулы, связывающие параметры

теоретической

и

эконометрической

модели,

приведены

в

Приложении 6. Расчетные значения параметров были использованы для настройки модели на этапе численного моделирования. В дальнейшем изложении модели мы сохраним первоначальные обозначения параметров. Рассмотрим децентрализованную модель агломерационного процесса, и его влияния на распределение инвестиций по регионам. Модель объединяет задачу центра и задачу инвестора. В качестве задачи инвестора оставим условия (3.2) - (3.4). Объем инвестиций в экономику для инвесторов выступает как величина, заданная в каждый момент времени. Поэтому решение задачи

43

инвестора совпадает с решением модели с внешней экономией и постоянным объемом инвестиций в экономику (3.5) – (3.6). Целевой функцией центра является максимизация национального дохода. Национальный доход включает потребление и накопление. С учетом сделанных предположений задачу центра можно записать в следующем виде. Центр максимизирует текущую стоимость национального дохода ∞

∫ Ye

− rt

dt ,

(3.23)

0

где национальный доход равен (3.15). Динамика и структура национального дохода определяются уравнением модели гибкого акселератора (3.19). Ограничение на I x I − Ix ≥ 0

(3.24)

означает, что инвестиции в регион X не должны превышать общий объем инвестиций в экономику. Решение задачи (3.15), (3.19), (3.23) - (3.24), приведенное в Приложении 2, оно дает уравнение (3.19), которое отражает динамику инвестиций в экономику, и уравнение (П.2.2), которое моделирует скорость изменения теневой цены инвестиций в экономике. Так как теневая цена инвестиций h не оказывает влияния на изменение других переменных модели, то ее можно исключить из дальнейшего анализа динамики системы. Условия дополняющей нежесткости (П.2.3) показывают, что если

(I − I x )

> 0, то двойственная

переменная l равна нулю, если l > 0, то все инвестиции поступают в регион X: I x = I. После подстановки в (3.19) выражения (3.8), уточняющего вид зависимости внешней экономии от объема инвестиций в регион X, получим

44

  a −1 I& = ηθI −  βI x + β I x − I x* − aµ x λ x  

(

)

  a −b  I x  ,  γq −  δβ I x − I x* − aµ x    

(

)

(3.25)

Таким образом, поведение системы в целом описывают три уравнения: (3.5), (3.9) и (3.25). В стационарном состоянии переменные модели равны соответственно

q = 0,

I x = I x*

и

I* =

b−a I x* . Система находится в b − aδµ x

стационарном состоянии, если пространственное распределение инвестиций между регионами установится в пропорции выравнивающей отдачу на инвестиции между регионами. Тогда

равновесный объем инвестиций в

экономику сохраняется на постоянном уровне, зависящем от определяется

соотношением

параметров

фондоемкости

и

I x* ,

и

скорости

приспособления инвестиций в регионах с постоянной и растущей отдачей. Уравнение (3.25) является нелинейным. После разложение (3.25) в ряд Тейлора в окрестности стационарной точки и решения характеристического уравнения системы (3.5), (3.9) и (3.25) (см. Приложение 3), получены следующие три корня: ρ1 = ηθ , и ρ 2,3

r ± r 2 − 4γβ = . 2

Первый корень является действительным. Таким образом, если ρ1 > 0, то система расходится из точки неустойчивого равновесия I x = I x* , q = 0 и I * . Расчеты значений ρ1 , выполненные на основе оценок эконометрической части работы, дали следующие результат: ρ1 = 0,1173 > 0 . Характер движения системы в пространстве I x и q схож с траекториями с перекрытием (рис. 3.2) и

45

без перекрытия (рис. 3.1), отражающими динамику агломерационной модели с постоянными инвестициями, и определяется соотношением параметров r, γ и β в ρ2 и ρ3 . Поведение системы для случая: r 2 > 4 γβ приведено на рис. 3.4. Для r 2 < 4 γβ график движения системы приведен на рис. 3.5. Влияние параметров r, γ и β на монотонное и осциляторное поведение системы подробно обсуждалось. В случае действительных корней система по-прежнему демонстрирует отсутствие цикличности, и динамическое поведение системы полностью определяется историческими тенденциями в пространственном распределении ресурсов, но эти тенденции достаточно сильно отличаются от тех, что имели место в модели с постоянными объемами инвестиций в экономику. В случае комплексных корней в динамике системы появляются осцилляции, возникает область перекрытия, в которой ожидания инвесторов начинают играть решающую роль. В дальнейшем анализе остановимся подробнее на тех новых чертах в динамике системы, которые вносит модель акселератора

D X A

B

I x*

Рис. 3.4. График движения системы для случая действительных корней 46

D X

A

E

I x* B

Рис. 3.5. График движения системы для случая комплексных корней

Вернемся еще раз к задаче центра, изменив условия оптимизации. Пусть C – уровень потребления в стране, тогда C =Y −I = (π(I x ) − 1)I x

(3.15a)

Максимизация дисконтированного уровня потребления ∞

∫ Ce

− rt

dt ,

(3.23a)

0

при условиях (3.15a), (3.19) и (3.24) приводит только к изменению вида уравнения теневой цены инвестиций, но оно по-прежнему не зависит от I x и q. Поведение системы, как и в предыдущей постановке, описывают уравнения (3.5), (3.9) и (3.25).

47

Экономическая интерпретация решения агломерационной модели с внешней экономией и переменным объемом инвестиций в экономику.

После включения гибкого акселератора в модель в поведении системы возникают некоторые новые черты. Во-первых, вместе с изменением теневой цены на инвестиции в регионе X, начинает изменяться не только

объем

инвестиций в регионе с растущей отдачей, но и в целом в экономике. Вовторых, возможны траектории, когда большая часть инвестиции перемещается в регион X, обеспечивая эффект от внешней экономии, и в то же время определенная часть инвестиций остается

в регионе A. Могут нормально

развиваться оба региона. В-третьих, концентрация инвестиций в X, как правило, обеспечивает более благоприятную траекторию развития экономики,

рост

объемов инвестиций и национального дохода. Рассмотрим подробнее особенности поведения системы в случае, когда корни

системы

действительные:

r 2 > 4 γβ .

Предположим,

инвестиции

сосредоточены в регионе с постоянной отдачей (точка A на рис. 3.4), тогда любая попытка переориентировать часть инвестиций

в другой регион на

первых порах приведет к резкому сокращению объемов инвестиций в экономику. Сокращение происходит в основном за счет вложений в регион с постоянной отдачей вплоть до полного прекращения инвестирования в этот регион (отрезок AB). Если учесть, что на участке от A до I x* отдача в X ниже, чем в A, то ясно, что уходить из региона A никому из инвесторов не выгодно, и поэтому концентрация в A по-прежнему остается точкой устойчивого равновесия.

48

Точка I x* , в которой доходность инвестиций по регионам выравнивается, остается точкой неустойчивого равновесия. Из I x* система расходится либо в направлении концентрации в X, либо в направлении концентрации в A. Однако возможны и промежуточные варианты динамики. Появляются новые черты в процессе перемещения объемов инвестиций в регион с постоянной отдачей. Его следует назвать процессом падения инвестиций в экономике. И, как нам кажется, он очень напоминает процессы, которые имели место в переходный период в современной истории России. На отрезке [ I x* , B] перемещение инвестиций из X в A сопровождается падением общего объема инвестиций, внешняя экономия перестает приносить эффект. Более того, из-за сокращения инвестиционных ресурсов сначала сокращается, а затем и полностью прекращается инвестирование в регион A. Несмотря на то, что все инвестиции сосредоточены в регионе с растущей отдачей, тенденция сокращения инвестиций продолжается. Наступает переломный момент (точка B), когда инвесторы переключают свое внимание на регион с преобладанием добывающих отраслей, и все большая часть инвестиций поступает в регион A. Процесс концентрации производства в регионе с постоянной отдачей на участке [A, B] сопровождается резким ростом инвестиций в экономику и продолжается вплоть до полной концентрации производства в A. Экономика становится полностью сырьевой. Однако перемещение инвестиций из X в A почти на всей траектории обеспечивает более низкий уровень инвестиций в экономику и более низкий уровень национального дохода. Если инвестиции в X превышают I x* , то инвестиции в X монотонно возрастают вплоть до полной концентрации в регионе с растущей отдачей.

49

Однако новые черты появляются и на этом рукаве. На участке от I x* до точки D наблюдается рост инвестиций как в регионе с растущей, так и в регионе с постоянной отдачей. В точке D объем инвестиций

в экономику достигает

своего максимума и на последнем участке кривой немного сокращается. На участке [D, X] инвестиции в X продолжают расти, а инвестиции в A вначале снижаются, а затем и вовсе прекращаются. Кроме того, в направлении концентрации инвестиций в X возможны варианты динамики, не связанные с прекращением инвестирования в регион с постоянной отдачей (см. рис. 3.6). На графике изображены траектории, которые, с

ростом

концентрации

инвестиций

в

регионе

с

преобладанием

обрабатывающей промышленности (от 70 до 97%), сохраняют от 3 до 30% всего

объема

инвестиций

в

регионе

с

преобладанием

добывающей

промышленности. Если производство в A в определенном объеме сохраняются, то падение объемов инвестиций и национального дохода не является обязательным (см. рис. 3.6). И, тем не менее, при высоких издержках наилучшие варианты развития не всегда могут быть доступны, если экономика находится в положении левее точки I x* , так как все решают исторические тенденции развития экономики. Рис. 3.4,

3.6

иллюстрирует,

как

при

высоких

издержках

приспособления

исторические тенденции определяют не только пространственную структуру, но и динамику инвестиций в экономику.

50

X

Рис. 3.6. Варианты монотонной динамики

В случае комплексных корней (рис. 3.5), в динамике системы появляются циклические траектории и область перекрытия. Перекрытие в модели с переменными

объемами

инвестиций

в

экономику

имеет

следующие

особенности. Во-первых, внутри перекрытия возможны различные варианты динамики, которые могут привести систему к агломерации производства в сырьевых регионах или в регионах с обрабатывающей промышленностью. Вовторых, развитие экономики может сопровождаться падением общего объема инвестиций или наоборот их ростом. Таким образом, при низких издержках приспособления

ожидания

инвесторов

могут

повлиять

не

только

на

пространственную структуру инвестиций, но и на рост объемов инвестиций в экономику. Этот результат представляется достаточно важным. Если система находится на одной из траекторий вблизи точки I x* , то можно за счет небольшой корректировка перейти на другую траекторию, ведущую к концентрации в X, которая не связана со значительным падением инвестиций.

Более

того,

возможно

переключение

на

траекторию,

51

гарантирующую стабильность или рост инвестиций в экономику. И поэтому роль ожиданий на этом участке сохраняется. Рост инвестиций в экономику на циклических траекториях начинается за счет увеличения вложений в регион A,

но затем, динамика меняется и

начинается рост производства в регионе с растущей отдачей X, что позволяет существенно увеличить как объем инвестиций в экономику, так и объем национального дохода. Более того, в случае комплексных корней также возможны варианты развития, связанные с концентрацией инвестиций в X, но не требующие полного прекращения производства в регионе с постоянной отдачей (см. рис. 3.7). Приведенные на рис. 3.7 варианты концентрации инвестиций в регионе с преобладание обрабатывающих отраслей (область X), позволяют сохранить в сырьевых регионах от 3 до 30% инвестиций.

X

Рис. 3.7. Варианты циклической динамики

Еще раз отметим, что в зависимости от параметров экономики и исходного

состояния

экономики

возможны

разные

варианты

развития

экономики: концентрация производства в A, или концентрация производства в X, или промежуточные варианты. Развитие экономики по пути концентрации

52

производства

в

X,

обеспечивающее

развитие

обрабатывающей

промышленности, представляется более привлекательными. Этот вариант, проходя через точку D (см. рис. 3.5),

обеспечивает на большей части

траектории высокий уровень инвестиций в экономику. Он, вместе с тем, гарантирует и более высокий уровень национального дохода и потребления. В то время как вариант концентрации в А, связанный с превращения экономики в полностью

сырьевую,

дает

самые

низкие

показатели

инвестиций,

национального дохода и потребления почти на всей траектории. Поэтому наиболее предпочтительными оказываются варианты концентрации основной части

производства

в

регионах

с

преобладание

обрабатывающей

промышленности при сохранении некоторой доли производства в добывающих регионах. В случае комплексных корней определение траектории развития зависит от ожиданий и выбора большинства инвесторов. Траектории, ведущие к концентрации производства в X, на определенном участке пути связаны с сокращением объемов инвестиций и отдачи на инвестиции, что, по-видимому, может

быть

производства,

связано

со

структурной

сменой

технологий,

перестройкой

способов

экономики,

организации обновлением

производственного аппарата, что требует значительных затрат прежде, чем можно получить отдачу на инвестиции. Но в конечном итоге этот вариант развития гарантирует более высокую отдачу, чем сырьевая специализация. Выбор развития в направлении специализации в X зависит от решения, которое будет принято большинством инвесторов. Если большинство инвесторов намерены вкладывать в X, то система в области перекрытия может перескочить на траекторию, ведущую в X. Поэтому в области перекрытия по-прежнему все

53

решают ожидания инвесторов в отношении будущей доходности инвестиций в условиях меняющей пространственной структуры производства. Таким образом, в области перекрытия сохраняется возможность любого варианта динамики, и поэтому ведущая роль в том, чтобы изменить траекторию развития экономики принадлежит ожиданиям. Изменение траектории в области перекрытия связано с возможностью скачка на близко расположенных витках спирали в области, близкой к I x* . Вероятность скачка тем выше, чем выше ожидаемый рост теневой цены на инвестиции в регионе X. Если корни действительные, то в модели с меняющимися объемами инвестиций, так же как и в модели с постоянными объемами инвестиций все решает история. Если перекрытие существует и система находится в области перекрытия, то возможен переход системы на любую траекторию развития. Если перекрытие существует

и система находится вне перекрытия,

то динамику системы

полностью определяет история.

Раздел 4. Эмпирическая проверка гипотез. Методология эконометрического исследования Общая эконометрическая модель

Для проведения

эмпирического исследования гипотезы ожиданий и

агломерационной теории мы увязали ожидаемые инвестиций с ожидаемыми объемами производства. Для описания взаимосвязи производства и инвестиций была использована модель гибкого акселератора, в которую мы включили

54

ожидания. Вывод модели акселератора с ожиданиями приведен в Приложении 4. Базовое уравнение, которое было получено, имеет следующий вид Yt e+1 = (1 − δ )Yt +

(1 − λ ) I . 1 e I t +1 − t λµ λµ

(4.1)

Уравнение позволяет оценить параметры теоретической модели акселератора λ, µ и δ. В качестве Yt e+1 и Yt выступают соответственно ожидаемый и текущий уровень агломерации

производства, измеряемый через соответствующие

показатели. Если принять в качестве переменной Y показатели концентрации промышленного производства, рассчитанные на основе данных о выпуске, то ожидаемый уровень агломерации будет определяться текущим уровнем концентрации производства, ожидаемыми и текущими инвестициями. Если ввести обозначения i – индекс региона; t – индекс года и обозначить β1 = (1 – δ); α1 = 1/λµ; β2 = – (1 – λ)/µλ,

(4.2)

тогда уравнение (4.1) принимает вид Yeit+1 = β1Yit + α1 Ieit+1 + β2Iit. + µi ,

(4.3)

где µi - региональные специфические эффекты. При рациональных ожиданиях, обусловленных информацией на момент t, E [Yit+1 – β1Yit – α1 Ieit+1 – β2Iit – µi | ℑt] = 0, где Yit+1 – фактический уровень агломерации производства в момент t+1, ℑt обозначает информацию на момент t. Тогда Yit+1 = β1Yit + α1 Ieit+1 + β2Iit + µi + vit+1 ,

(4.4)

где vit+1 – случайные возмущения, которые характеризуют ошибку предсказания выпуска. Реализованные в момент t+1 инвестиции Iit+1 равны

55

Iit+1 = Ieit+1 + eit+1, где eit+1 – ошибка предсказания, которая имеет условное среднее, равное нулю, при рациональных ожиданиях, обусловленных информацией ℑt на момент t E[eit+1 | ℑt] = 0, и постоянную дисперсию σ e2 . Ожидаемые на момент t+1 инвестиции Ieit+1, не зависят от ошибки предсказания eit+1 и, кроме того, не зависят от vit+1. Выразим ожидаемые инвестиции Ieit+1 через наблюдаемые Iit+1 и подставим в уравнение (4.4), получим Yit+1 = β1Yit +α1 Iit+1 +β2Iit +µi + εit+1,

(4.5)

εit+1 = vit+1 - α1 eit+1.

(4.6)

где

Таким

образом, ошибка в предсказании инвестиций eit+1 оказывается

коррелированной с фактическими инвестициями в момент t+1, выступающими в качестве объясняющей переменной справа в уравнении регрессии, то есть cov(I it +1 , ε it +1 ℑt ) = cov(I it +1 , eit +1 ℑt ) = σ e2 . Уравнения (4.5) - (4.6) будем рассматривать как базовые для дальнейшего развития эмпирической модели. Если мы рассматриваем µi как фиксированные неизвестные параметры, охватывающие влияние переменных, характерных для i-го индивида, и постоянных по времени, тогда модель (4.5) – (4.6) представляет собой модель с фиксированными эффектами. Уточним гипотезы в отношении случайной составляющей εit+1 модели (4.5) – (4.6). vit+1 – случайные возмущения, характеризующие ошибку предсказания выпуска

56

E (vit+1| ℑt) = 0, var(vit+1| ℑt) = σ v2 . vit+1 не коррелируют с объясняющими переменными справа в (4.5); ошибки предсказания выпуска, из-за сходства

некоторых характеристик отдельных

регионов, коррелируют между собой для отдельных групп регионов. В структуре регионов мы выделим три группы. Первая – промышленно развитые регионы, для которых производство следующих отраслей – машиностроения и металлообработки, промышленности строительных материалов, стекольной и фарфоро-фаянсовой,

легкой,

пищевой

и

мукомольно-крупяной

промышленности – превышает или равно пятидесяти процентам в структуре промышленного производства. Указанную группу мы в дальнейшем будем называть

группой

промышленности.

регионов

с

высокой

долей

обрабатывающей

Остальные регионы имеют высокую долю отраслей

топливно-энергетического,

металлургического,

химического

и

лесного

комплекса. Они были разделены на две группы: северные регионы и регионы с высокой долей добывающей промышленности. К северным были отнесены регионы, имеющие территорию за полярным кругом. Для разделения использованы данные об отраслевой структуре промышленного производства регионов за 1993 г. Состав всех групп регионов приведен в Приложении 5, табл. П5. Обозначим через σ kk - ковариацию ошибок предсказания выпуска для регионов из k-й группы

(

)

cov vik t +1 , v jk t +1 ℑt = σ kk , где ik , j k - соответствуют индексам из регионов k-й группы, k = 1, 2, 3.

57

Не коррелируют между собой ошибки предсказания выпуска vit+1, относящиеся к разным группам регионов или к разным периодам, т. е. cov(vik t +1 , v jl s ℑt ) = 0 , если k ≠ l и/ или t + 1 ≠ s . eit+1 – ошибка предсказания инвестиций

имеет следующие параметры

распределения: E [eit+1 | ℑt] = 0, var(eit+1 ℑt ) = σ e2 . Ошибка предсказания инвестиций eit+1 коррелирует с ошибкой предсказания выпуска в регионе, так что cov(vit +1 , eit +1 ℑt ) = σ ve . Не коррелируют между собой ошибки предсказания выпуска и инвестиций, относящиеся к разным регионам или периодам, т. е. cov(vit +1 , e js ℑt ) = 0 , если i ≠ j и/ или t + 1 ≠ s . Рассмотрим

структуру

ковариационной

матрицы

ε it +1 ,

i = 1,..., N , t = 2,..., T − 1 с учетом принятых гипотез. Пусть i, j - индекс региона, N – количество регионов, t, s - индекс года, T – период наблюдений, Nk – количество регионов в k-й группе, k = 1, 2, 3. Тогда cov(ε it +1 , ε it +1 ℑt ) = σ v2 + α 12 σ e2 − 2α 1σ ve , i = 1,..., N , t = 2,..., T − 1 .

(

)

cov ε ik t +1 , ε jk t +1 ℑt = σ kk , ik , j k = 1,..., N k , ik ≠ j k , k = 1, 2, 3, t = 2,..., T − 1 .

(

)

cov ε ik t +1 , ε il s ℑt = 0 , ik = 1,..., N k , il = 1,..., N l , k, l = 1, 2, 3, k ≠ l , t + 1, s = 2,..., T − 1 . Тогда региональный блок ковариационной матрицы

Gli, расположенный на

главной диагонали, принимает следующий вид

58

cov(ε i ℑt ) =  σ v2 + α 12 σ e2 − 2α 1 σ ve  0  = M   0 

0 σ v2 + α 12 σ e2 − 2α 1 σ ve M 0

 K 0  K 0   (4.7) O M  K σ v2 + α 12 σ e2 − 2α 1 σ ve 

= (σ v2 + α 12 σ e2 − 2α 1 σ ve ) I T − 2 = Gli = Gl. где JT-2 - квадратная матрица размерности (Т-2)× (Т-2), состоящая из единиц, IT-2 - единичная матрица размерности (Т-2)× (Т-2). Блок ковариации ошибок для регионов из одной группы представляет собой диагональную матрицу Glk* вида

(

cov ε ik , ε jk

 σ kk   0 ℑt =  M   0 

)

0 σ kk M 0

K 0   K 0  O M   K σ kk 

(4.8)

= σ kk I T − 2 = Glk* , k = 1, 2, 3, ik , j k = 1,..., N k . Остальные блоки ковариационной матрицы cov(ε) нулевые. Если

регионы

упорядочить по группам, то ковариационная матрица cov(ε) для всей выборки принимает следующую блочно-диагональную форму

59

 Gl  *  Gl 1   M  Gl*1    cov(ε ℑt ) =          

Gl*1 K Gl*1 Gl K Gl*1 M O M Gl*1 K Gl 0

0

Gl Gl*2 M Gl*2

Gl*2 Gl M Gl*2

0

0 K Gl*2 K Gl*2 O M K Gl

0

0

Gl Gl*3 M Gl*3

Gl*3 K Gl K M O Gl*3 K

          (4.9)   *  Gl 3  Gl*3   M  Gl 

= Ω l.

Методы оценки

Обозначим оцениваемое уравнение в матричном виде как Y = Xβ + ε ,

(4.10)

E(ε ℑt ) = 0, cov(ε ℑt ) = Ωl, где Y вектор значений зависимой переменной размерности N(T-2), X – матрица размерности p×N(T-2) включает наблюдения над объясняющими переменными и фиктивные переменные, которые включены для оценки фиксированных эффектов, р – количество регрессоров, ε вектор ошибок размерности N(T-2), β вектор параметров размерности р. Объекты, включенные в выборку, охватывают практически все регионы России, за исключением тех из них, для которых данные отсутствуют. Таким образом, регионы, по которым проводились наблюдения, образуют популяцию, что позволяет рассмотреть спецификацию оцениваемого уравнения регрессии

60

как модель с фиксированными эффектами. Модель с фиксированными эффектами позволяет учесть специфические особенности каждого из регионов. Корреляция объясняющих переменных с ошибками модели не позволяет использовать

within-трансформацию, поэтому в уравнение были включены

фиктивные переменные для оценки региональных эффектов. Оцениваемое нами уравнение представляет собой динамическую панельную регрессию, и в связи с этим возникают некоторые эконометрические проблемы оценивания. Во-первых, региональные специфические эффекты µi коррелируют с лаговой зависимой переменной yit, которая выступает в качестве регрессора. Для типичной панели, где N – велико, а T – фиксировано, оценки параметров OLS и GLS будут смещены и несостоятельны. Во-вторых, наличие ошибки предсказаний eit+1 приводит к корреляции между ошибкой и переменной инвестиций Iit+1 в момент t+1. Из-за корреляции ошибок с объясняющими переменными применение OLS и GLS

также

приводит к несостоятельным оценкам. Эти проблемы имеют место для любой спецификации модели: как для фиксированных, так и для случайных эффектов. Для оценки (4.10) могут быть применены несколько альтернативных процедур, связанных с использованием инструментальных переменных, среди которых: метод инструментальных переменных, обобщенный метод инструментальных переменных, обобщенный метод моментов (GMM). Среди перечисленных методов обобщенный метод моментов является единственным, который обеспечивает эффективные оценки параметров, поэтому предпочтение было отдано методу GMM ( Verbeek M., 2000; Baltagi B. H., 1995). Чтобы устранить региональные специфические эффекты µi,, для динамических панелей обычно используют преобразование в виде первых

61

разностей, (см.: Verbeek M., 2000; Baltagi B. H., 1995). Преобразование в виде первых разностей, например, в процедуре Anderson и Hsiao (1981), и последующее

применение

инструментальных

переменных

устраняет

индивидуальные эффекты µ i и решает указанную выше проблему корреляции объясняющих переменных с региональными специфическими эффектами. Однако в оцениваемом нами уравнении, при наличии условий переключения режимов, трансформация в виде первых разностей является невозможной. Поэтому мы остановились на использовании GMM для уравнений в уровнях, который также обеспечивает эффективные оценки. Для модели в уровнях инструментальные переменные определяются из условия ортогональности возмущений и лагированных значений объясняющих переменных, или их первых разностей (Baltagi, 1995). Для строго экзогенных объясняющих переменных, в том числе для фиксированных эффектов, инструментами выступают эти же самые переменные.

Обобщенный метод моментов. GMM для уравнения в уровнях Выбор

инструментов

для

регрессоров

зависит

от

структуры

корреляционных процессов объясняющих переменных xit+1 с процессом ошибки εit+1, в частности, от корреляции с eit+1 или vit+1 (Blundell R., Bond S. Windmeijer F.). В сочетании со стандартными предположениями модели (4.10) и, если первые

разности

зависимой

переменной

∆Yit+1

не

коррелируют

с

ненаблюдаемыми специфическими эффектами µi, тогда лагированные значения первых разностей зависимой переменной ∆Yis могут выступать в качестве инструментов. Дополнительно, в качестве инструментов были использованы фиктивные переменные dplusis, произведение фиктивной переменной для

62

региональных

фиксированных

эффектов,

умноженных

на

фиктивную

переменную dminusis и переменная Iis (описание переменных приведено в Приложении 8). Для строго экзогенных объясняющих переменных Xis инструментами выступают сами переменные. Тогда моментные условия для GMM-оценок можно записать в следующем виде: E(εit+1 ∆Yis ) = 0, s = 2, …, t; t = 2, …, T – 1. E(εit+1 dplusis) = 0, s = 1, …, T ; t = 2, …, T – 1. E(εit+1 dmin_jis) = 0, s = 1, …, t; t = 2, …, T – 1. E(εit+1 Iis) = 0, s = 1, …, t; t = 2, …, T – 1. ~ E(εit+1 X is) = 0, s = 1, …, T ; t = 2, …, T – 1. ~ X обозначает все остальные объясняющие переменные, включая константу. В регрессии с дифференциацией по группам регионов в моментных условиях вместо dplusis, и dminusis использованы переменные dpreis,

dmreis,

dpmais,

dmmais,

dpnois,

dmnois. Матрица инструментов Z’li размерности (T – 2) × m, где m – число законных инструментов для уравнения в уровнях, принимает вид

[

~ ~  ∆Yi 2 , dplus i1 ,..., dplusiT , dmini1 ,..., dminiT , I i1 , I i 2 , X i1 ,..., X iT   0 Z li =  M   0 

]

0 K 0  * K 0 , M O M  0 K * *

в матрице звездочками отмечено следующее:

[

]

~ ~ * ∆Yi 2 , ∆Yi 3 , dplusi1 ,..., dplusiT , dmini1 ,..., dminiT , I i1 , I i 2 , I i 3 , X i1 ,..., X iT ; ~ ~ * * ∆Yi 2 ,..., ∆YT −1 dplusi1 ,..., dplus iT , dmini1 ,..., dminiT , I i1 ,..., I iT −1 , X i1 ,..., X iT .

[

]

63

Так как количество моментных условий превосходит число оцениваемых параметров, то оценки обобщенного метода моментов будут основаны на минимизации квадратичной формы соответствующих выборочных моментов. Пусть βˆ - вектор оценок параметров, тогда

[ ]

min [ε' Z l ]WN Z l' ε , ˆ β

(4.11)

где WN - некоторая весовая матрица; Z l' - матрица размерности m × N (T − 2) ,

(

)

Z l' = Z l'1 , Z l' 2 , K , Z lN' ,

(4.12)

Тогда оценки параметров GMM в уровнях определяются по формуле (Baltagi B.H., 1995)

(

βˆ l = X ' Z lW N Z l' X

)

−1

X ' Z lW N Z l'Y ,

(4.13)

где WN – матрица весовых коэффициентов. Оценка ковариационной матрицы оценок параметров равна (см. Baltagi B.H., 1995) coˆv(βˆ GIV ) = ( X ′ ZW N Z ′X ) . −1

(4.14)

С учетом структуры ковариационной матрицы ошибок GMM-оценка для уравнения в уровнях проводиться в два этапа. На первом шаге выбирается некоторая начальная матрица WN, в частности, в качестве весовой матрицы можно взять единичную матрицу: W N = I N, что позволяет получить оптимальную оценку W Nopt . На втором шаге W Nopt определяется как W Nopt = (Z ′W Z ) , −1

(4.15)

где W – оценка ковариационной матрицы Ω l , полученная на первом шаге, размерность W равна N(T-2)× N(T-2). Использование IN в качестве WN на первом

64

шаге позволяет получить W как состоятельную оценку матрицы Ω l . Оценка элементов матрицы W проводилась с использованием остатков регрессии εˆ it +1 , полученных на первом шаге, по следующим формулам: N T −1

σˆ ε2 =

i =1 t = 2

2

it +1

N (T − 2)

;

 Nk  Nk  2  ∑  ∑ εˆ ik t + εˆ jk t +1 −εˆ ik t +1  ∑ t =2    ik =1  jk =1 , k=1, 2, 3. = N k ( N k − 1)(T − 2) T −1

σˆ 2kk

∑∑ (εˆ )

(

(4.16)

)

(4.17)

Оценки, полученные на первом этапе состоятельны для больших N и ограниченного T.

Использование W Nopt на втором шаге позволяет получить

оценки, которые при отсутствии дополнительной информации, асимптотически эффективны в классе оценок, основанных на линейных моментных условиях. Приведенная матрица W Nopt соответствует общему случаю GMM и не требует IID-или нормального распределения возмущений vit+1 или eit+1. Она гарантирует асимптотически нормальные оценки параметров. Для тестирования законности моментных условий, используемых в GMM, применялся критерий Sargan на сверхидентифицируемость ограничений (Blundell R., Bond S., Windmeijer F.). Для модели в уровнях критерий вычисляют как Sarl = εˆ ′ZW N Z ′ εˆ , где εˆ - остатки регрессии, полученные на втором шаге; WN – оптимальная весовая матрица W Nopt .

65

Если верна нулевая гипотеза, предполагающая законность моментных условий, Sarl имеет асимптотическое χ 2 распределение с (m – p) степенями свободы.

Спецификация переменных и информация

Мы провели оценку уравнений регрессии для следующих зависимых переменных. В качестве показателя выпуска использована переменная prom – объем промышленного производства на одного жителя региона. Уравнение регрессии переменной prom необходимо для оценки параметров теоретической модели, где рассматриваются два региона одинаковых по числу жителей. Кроме того, мы выделяем и рассматриваем два типа концентрации промышленного производства: абсолютную и относительную. Измерители абсолютной концентрации показывают долю региона в производстве в национальном масштабе. Показатели относительной концентрации отражают степень, в которой отрасли сконцентрированы по отношению к среднему по регионам

объему

выпуска.

Показатели

концентрации

производства

рассматриваются как для всей промышленности Российской Федерации, так и для отдельных ее отраслей. Для характеристики агломерации производства в отраслях

мы

использовали следующие показатели. В качестве абсолютного показателя концентрации производства в регионе рассматривался удельный вес региона в объеме производства промышленной продукции в отрасли j (otr_j)

66

otr_j =

объем производства отрасли j в регионе __________________________________ объем производства отрасли j в РФ

Коэффициенты локализации промышленного производства в отраслях (loc_j) характеризуют относительный уровень агломерации производства и определяются по следующей формуле

loc_j =

(объем производства отрасли j в регионе)/(объем производства отрасли j в РФ) ______________________________________________________________________ (объем промышленного производства в регионе)/(объем промышленного производства в РФ)

Коэффициенты локализации показывают, в какой степени удельный вес производства отрасли в региональном промышленном производстве отличается от аналогичного среднероссийского показателя. Для переменные.

промышленного В

качестве

производства

были

показателей

приняты

абсолютной

следующие концентрации

промышленного производства по регионам принято отношение регионального объема выпуска отраслей промышленности, имеющих долю в РФ более 2,6%, к национальному промышленному выпуску (scale2)

scale2 =

Индикатор

показывает

народнохозяйственного

Сумма объемов производства отраслей промышленности в регионе (если доля регионального выпуска отрасли ≥ 2.6% отраслевого производства в РФ) ______________________________________ объем промышленного производства в РФ

степень

концентрации

значения,

концентрацию

в

регионе

отраслей

производств,

имеющих

лидирующее положение в своей отрасли.

67

Относительный

уровень

агломерации

производства

в

регионе

характеризует коэффициент вариации aggl, вычисленный по значениям коэффициентов локализации отраслей промышленности в регионе aggl = где

σ , R

σ - стандартное отклонение коэффициентов локализации отраслей

промышленности в регионе, R – среднее значение коэффициентов локализации отраслей

промышленности

в

регионе.

Аналогичный

показатель

был

использован для эмпирического анализа прямых иностранных инвестиций у Driffeld,

Munday

свидетельствует

(2000). о

Высокое

значительном

значение

отклонении

коэффициента

вариации

региональной

структуры

выступали

следующие

промышленного производства от средней по России. В

качестве

объясняющих

переменных

переменные. В качестве показателя инвестиций (I) принят объем инвестиций на одного жителя региона. Помимо

переменных

модели

акселератора

в

регрессию

вошли

переменные, традиционно рассматриваемые в гравитационных моделях. В качестве таких переменных рассматривают, как правило, площадь регионов и расстояние до административного центра государства. Однако предлагаемая нами модель имеет свои особенности по сравнению с традиционными гравитационными моделями. Мы рассматриваем переменные расстояний в совокупности с транспортными затратами регионов. Транспортные издержки характеризуют несколько переменных: transp – отношение индекса тарифов на грузовые перевозки к индексу цен производителей промышленной продукции; area – натуральный логарифм радиуса окружности площади региона.

68

Аналогичный показатель можно найти у Bruelhart, Trionfetti (1999). В сочетании с тарифной переменной показатель характеризует транспортные издержки на перевозки внутри региона; dist – натуральный логарифм расстояние от центра региона до Москвы, показатель аппроксимирует затраты на перевозку между регионами. Описание и обозначения всех, в том числе инструментальных, переменных приведены в приложении 8. Основой

для построения и оценки модели является выборка из 78

субъектов РФ: 6 краев и 70 областей и двух городов – Москвы и СанктПетербурга. Анализируемый период охватывает 1993 – 1999 гг. для показателей абсолютной и относительной агломерации производства. Для переменной промышленного выпуска уравнение оценивалось по выборке с 1990 по 1999 гг. Выборка представляет собой панельные данные, отличающиеся большим количеством объектов и коротким временным интервалом. Для оценки уравнений использованы данные о производстве по отраслям промышленности, инвестициях. Показатели очищены от инфляции и выражены в постоянных ценах 1990 г., с помощью отраслевых индексов и индексов потребительских цен. Кроме того,

использованы индексы изменения

транспортных тарифов. Это позволяет избежать ложной корреляции во временных рядах. Пространственная корреляция показателей может быть обусловлена влиянием масштабов экономики регионов. Чтобы устранить влияние масштаба использовались данные либо как относительные величины: коэффициенты, индексы, либо как величина, приходящаяся на одного жителя региона.

69

Основная часть информации, необходимая для расчетов представлена в статистических сборниках «Регионы России» за 1996- 2000 гг. и «Российский статистический ежегодник» за 1994, 1998, 1999 гг., издаваемых Госкомстатом.

Оцениваемая модель и гипотезы

Регрессия с переключением режимов ожиданий Исследования теоретической модели позволили выявить существование нескольких долгосрочных равновесных траекторий. Значительную роль в достижении равновесных состояний, в случае комплексных корней, играют ожидания инвесторов. Предварительные расчеты подтвердили, что объемы инвестиций нелинейно зависят от уровня концентрации промышленного производства в регионах. Приняв как предположение, что этот феномен объясняется существованием нескольких равновесий, и что тенденции в агломерации производства в регионах зависят от позитивных или негативных ожиданий инвесторов, мы включили в модель оператор, разделяющий режимы ожиданий. Использование эндогенных условий переключения режимов в модели, которая имеет эндогенные объясняющие переменные, коррелированные с ошибками, ведет к чрезмерному усложнению и серьезным проблемам, связанным с оцениванием. Кроме того, возникает проблема рефлексии, или так называемой «круговой причинности», во взаимосвязи переменных Yit+1 и Iit+1. Чтобы

избежать

этих

проблем,

были

использованы

экзогенные

детерминированные годовые и региональные условия переключения режимов. Для этих целей выборка наблюдений S была разделена на две подгруппы S1 и

70

S2: S1 U S2 = S. В качестве условий разделения выборки рассматривались рост или

снижение

фактического

уровня

концентрации

промышленного

производства в регионах за соответствующие годы. Рост концентрации производства или неизменность ее уровня в регионе i в году t +1: ∆yit+1 ≥ 0 – соответствует позитивным ожиданиям; снижение уровня концентрации в соответствующем регионе i в году t +1: ∆yit+1 < 0 – отражает негативные ожидания инвесторов. В тоже время изменение фактического уровня концентрации является детерминированным событием. Таким образом, первая подгруппа S1 объединяет наблюдения, когда имеет место концентрации

и

следовательно

соответствует

рост показателей

позитивным

ожиданиям

инвесторов, а вторая группа – S2 – включает наблюдения, когда концентрация снижалась, что отражает наличие негативных ожиданий. Таким образом, условием переключения режимов ожиданий в уравнении становится сочетание соответствующих индексов i и t +1 переменной Iit+1. С учетом гипотезы рациональных

ожиданий,

введенные

экзогенные

условия

переключения

режимов позволяют решить проблему рефлексии или само-выбора инвесторов (Manski, 1995). Мы предполагаем, что инвесторы действуют рационально с учетом всей имеющейся на момент t информации, поэтому в случае позитивных ожиданий они увеличивают объем инвестиций в регион X. Пороговое значение изменения уровня концентрации в данном случае равно нулю. Поэтому для ∆yit+1 ≥ 0 объем инвестиций в регионе должен возрастать. В случае негативных ожиданий уровень концентрации снижается (∆yit+1 < 0), и поэтому рациональные инвесторы сокращают объем инвестиций в регион. Отклонения от изложенной модели поведения обусловлены только ошибкой предсказания (Manski, 1995). Таким образом, если ожидания рациональны, то оба случая: и случай

71

позитивных

ожиданий

и

случай

негативных

ожиданий

инвесторов

–

идентифицируемы. Введем условный оператор L1, такой что L1[(i, t+1)∈ S1]=1, если (i, t+1)∈ S1 и равно нулю в противном случае и L1[(i, t+1)∈ S2]=1, если (i, t+1)∈ S2 и равно нулю в противном случае. Оператор L1 позволяет продифференцировать угловой коэффициент для Iit+1 в зависимости от ожиданий инвесторов, которые фактически имели место. А переключение режимов ожиданий внутри модели осуществляется с помощью фиктивных переменных. С учетом принятых обозначений эмпирическая модель принимает вид: Yit +1

α 1(+ ) L1 (i, t + 1 ∈ S1 ) = β1Yit + I it +1  (− ) + β 2 I it + α 1 L1 (i, t + 1 ∈ S1 ) α (2+ ) L2 (transp it < 1) + transpit (β 3 + β 4 areai + β 5 dist i ) (− ) + µ i + ε it +1 . α 2 L2 (transp it ≥ 1)

(4.18)

В модели (14.18) присутствует еще один условный оператор переключения режимов. Оператор L2 предназначен для того, чтобы установить, существуют ли разные режимы влияния транспортных затрат на агломерацию производства. Оператор L2 также учитывает экзогенные условия переключения режимов: L2 (transpit < 1) равен единице, если transp it < 1 и нулю в противном случае, что соответствует условиям снижения транспортных затрат относительно цен в промышленности, и L2 (transpit ≥ 1) =1, если transp it ≥ 1 и нулю в противном случае, что отражает относительный рост транспортных затрат. В дальнейшем, ссылаясь на уравнение (4.18), мы будем называть его регрессией с переключением режимов ожиданий. При рациональных ожиданиях уравнение (4.18) позволяет идентифицировать параметры, соответствующие

72

позитивным и негативным ожиданиям инвесторов α1(+ ) и α 1(− ) . Так вероятность роста объема инвестиций в регионе в случае позитивных ожиданий равна

(

)

(

)

(

)

P I it( ++1) ∆Yit +1 = P I it( ++1) ∆Yit +1 > 0 P(∆Yit +1 > 0 ) + P I it( ++1) ∆Yit +1 < 0 P(∆Yit +1 < 0 ) ,

(

)

и аналогично P I it( −+1) ∆Yit +1 . Вероятность P(∆Yit +1 = 0 ) равна нулю (Manski,

(

)

1995). Все элементы, кроме P I it( ++1) ∆Yit +1 < 0 , идентифицируемы (Manski, 1995).

(

)

(

)

В случае рациональных ожиданий P I it( ++1) ∆Yit +1 < 0 = 0 и P I it( −+1) ∆Yit +1 > 0 = 0 , поэтому идентифицируемы оба случая ожиданий: и позитивные ожидания и негативные ожидания. Значимость α1(+ ) указывает на то, что в отдельных регионах преобладают позитивные ожидания инвесторов, обеспечивая увеличение объема инвестиций в регионе. Значимость параметра α1(− ) указывает на сильную взаимосвязь между негативными ожиданиями инвесторов и снижением объемов инвестиций в регионе. Уравнение (4.18) позволяет проверить следующие гипотезы: 1. В России в переходный период имеют место процессы концентрации

производства.

Географическая

промышленности

концентрация

производства

отраслей

в регионах создает агломерационный эффект и

обеспечивает рост отдачи от масштаба. Поэтому мы предполагаем, что концентрация производства ведет к дальнейшей концентрации, и ожидаем, что β1 должно быть больше нуля. 2. Пространственное распределение инвестиций

в России может быть

объяснено с помощью агломерационной теории НЭГ. Поэтому должны быть значимы

коэффициенты

при

переменных,

определяющих

основные

73

параметры агломерационных процессов β1, α 1(+ ) , α 1(− ) и β2. Как следует из условий (4.2) параметр β2 должен быть отрицательным. 3. Если большинство инвесторов разделяют ожидания в отношении роста

концентрации

производства

в

регионе,

то

влияние

ожиданий

на

инвестиционные процессы будет существенным и можно предположить наличие взаимосвязи между изменением ожидаемого уровня концентрации и ростом объемов инвестиций в регионе. За период реформ в разных отраслях промышленности в России имели место как тенденции, направленные на усиление концентрации производства, так и тенденции к рассеиванию производства в зависимости от сочетания ключевых параметров. Поэтому есть основания предполагать, что параметры α 1(+ ) и α 1(− ) должны быть значимы. Оценки параметров α1(+ ) и α 1(− ) , должны иметь разные знаки. Различия знаков параметров α1(+ ) и

α1(− ) указывает на тот факт, что

инвесторы по-разному реагируют на динамику концентрации производства в случае ее роста,

или снижения. Позитивные ожидания большинства

инвесторов относительно роста концентрации производства в регионе способствуют

привлечению

инвестиций.

С

ростом

концентрации

увеличиваются и объемы инвестиций в региональную экономику, поэтому должно выполняться неравенство α 1(+ ) > 0. Негативные ожидания инвесторов приводят к сокращению объемов инвестиций, и, поэтому α 1(− ) < 0. Ожидаемые знаки параметров сведены в табл. 4.1

74

Таблица 4.1 Ожидаемые знаки оценок параметров модели Ожидания β1 + +

Позитивные Негативные Что переменных

касается

влияния

транспортных

Параметры α1 + затрат

и

β2 гравитационных

на уровень концентрации в отраслях, то в соответствии с

агломерационной теорией необходимо проверить следующие гипотезы. 4. Транспортные тарифы оказывают существенное влияние на агломерацию

производства и инвестиции в России. Рост транспортных тарифов приводит к рассеиванию производства по регионам, поэтому ожидается, что α2β3 < 0. 5. Рост затрат на межрегиональные и внутрирегиональные перевозки ведет к

росту концентрации производства в регионах. Поэтому, с увеличением территории

регионов

и

удаленностью

от

центра

концентрация

производства будет расти: α2β4 > 0, α2β5 > 0. Уравнение (4.18) с помощью фиктивных переменных можно записать как Yit +1 = β1Yit + α 1(+ ) I it +1 dplus it +1 + α 1(− ) I it +1 dminusit +1 + β 2 I it + β 3 α (2+ )transptp it + β 4 α (2+ )tareatpit + β 5 α (2+ )tdisttp it (− )

(− )

(4.19)

(− )

+ β 3 α 2 transptmit + β 4 α 2 tareatmit + β 5 α 2 tdisttmit + µ i + ε it +1 . В (4.19) dplus it +1 , dminusit +1 означают фиктивные переменные, которые равны единице, если

в

период t+1 фиксируется рост концентрации

производства, что соответствует положительным ожиданиям инвесторов, или, соответственно, снижение концентрации производства, что соответствует негативным ожиданиям инвесторов, и нулю в противном случае. Переменные transptpit и transptmit разделяют изменение транспортного тарифа для случая

75

его относительного снижения (transptpit) или относительного роста (transptmit). Аналогичным образом разделены значения переменных площади региона и расстояния до Москвы, умноженные на величину транспортного тарифа в зависимости от его снижения (tareatp, tdisttp) или роста (tareatp, tdisttm). Есть основания предполагать, что не во всех отраслях и не все типы агломерационных процессов можно уловить, используя условия переключения режимов ожиданий инвесторов, охватывая одним условием сразу все регионы страны. По-видимому, для разных групп регионов, агломерационные процессы должны

отличаться

в

зависимости

от

отраслевой

специализации

и

характеристик этих регионов, поэтому в другом варианте регрессии условия переключения режимов ожиданий были дополнительно разделены по группам регионов:

регионов с

преобладание

обрабатывающей

промышленности,

регионов с преобладанием добывающей промышленности и северной группе регионов. Таким образом, кроме уравнения (4.19) оценивалась еще одна модификация эмпирической модели.

Регрессия с переключением режимов ожиданий с дифференциацией по группам регионов. Уравнение позволяет продифференцировать угловые коэффициенты для ожиданий по трем группам регионов: для регионов с преобладанием добывающей промышленности, регионов с преобладанием обрабатывающей промышленности и для группы северных регионов. (+ ) (− ) (+ ) (− ) Yit +1 = β1Yit + α 11 Idpreit +1 + α 11 Idmreit +1 + α 12 Idpmait +1 + α 12 Idmmait +1 (+ ) (− ) + α13 Idpnoit +1 + α 13 Idmnoit +1 + β 2 I it

+ β 3 α (2+ )transptpit + β 4 α (2+ )tareatpit + β 5 α (2+ )tdisttp it

(4.20)

+ β 3 α (2− )transptmit + β 4 α (2− )tareatmit + β 5 α (2− )tdisttmit + µ i + ε it +1 .

76

Где Idpre, Idpma и Idpno показатели инвестиций в регионах с преобладанием добывающей, обрабатывающей

промышленности и в северных регионах

соответственно в периоды, когда у инвесторов преобладают

позитивные

ожидания; Idmre, Idmma и Idmno инвестиции в соответствующие регионы в периоды, когда ожидания инвесторов негативны. Дифференциация по группам регионов позволяет учесть отраслевую структуру и климатические условия краев и областей. В

плане

статистических

выводов

уравнение

(4.20)

позволяет

дополнительно проверить следующую гипотезу. 6. Влияния ожиданий существенно различается по группам регионов: регионов

с

преобладание

обрабатывающей

промышленности,

регионов

с

преобладанием добывающей промышленности и северной группе регионов – в

зависимости

от

отраслевой

специализации

и

специфических

характеристик групп регионов, поэтому должны существенно отличаться между собой параметры α 1(+k ) , α 1(−k ) для k = 1, 2, 3. Раздел 5. Анализ результатов эмпирического исследования Общая характеристика результатов

Была проведена оценка уравнений регрессии c переключением режимов ожиданий (4.19) и уравнений регрессии с переключением режимов ожиданий и дифференциацией по группам регионов (4.20). В качестве зависимых переменных по очереди рассматривались два макроэкономических показателя, характеризующих

абсолютную

и

относительную

концентрацию

промышленного производства в России за период реформ, и показатели

77

абсолютной и относительной концентрации производства в десяти отраслях промышленности, всего 22 зависимых переменных. Перечень всех зависимых, объясняющих и инструментальных переменных приведен в приложении 8. Полученные оценки уравнений регрессии представлены в табл. П7.1 – П7.10. Нас в первую очередь интересовали коэффициенты, отражающие влияние ожиданий инвесторов на концентрацию промышленного производства и ивестиций, т. е. коэффициенты для инвестиций α 1(+ ) и α 1(− ) , соответствующие позитивным или негативным ожиданиям. Информация о наличии в уравнениях регрессии значимых коэффициентов α 1(+ ) и α1(− ) сведена в табл. 5.1 – 5.2 Как показали результаты расчетов, значимые оценки параметров для ожиданий

инвесторов

получены

практически

для

всех

показателей

концентрации. Есть значимые оценки параметров ожиданий и в уравнениях регрессии

агрегированных

производства,

и

в

показателей

уравнениях

концентрации

отраслевых

показателей

промышленного концентрации.

Установлены значимые оценки влияния ожиданий и для абсолютных показателей концентрации, и для индикаторов относительной концентрации. Наконец, обнаружены значимые параметры и для позитивных ожиданий, и для негативных ожиданий инвесторов. Присутствуют значимые оценки параметров как в регрессии с переключением режимов ожиданий, так и в регрессии с переключением режимов ожиданий и дифференциацией по группам регионов (см. табл. 5.1 - 5.2).

78

Таблица 5.1 Наличие значимых оценок параметров α1(+ ) и α 1(− ) для ожиданий инвесторов в уравнениях регрессии с переключением режимов ожиданий1 Зависимая переменная Позитивные ожидания Негативные ожидания aggl scale2 locto + locen locch + loccv lochi locma locls locpsm + locle + locpi otrto + otren + otrch otrcv otrhi otrma otrls otrpsm + otrle + otrpi + 1 «+» означает, что коэффициент регрессии имеет положительный знак; «-» отрицательный знак

Общий для всех показателей концентрации результат состоит в следующем.

Позитивные

ожидания

инвесторов,

связанные

с

ростом

концентрации, способствуют увеличению объемов инвестиций в регионах и дальнейшему росту концентрации производства. Знак для всех оценок параметров α1(+ ) положителен независимо от типа концентрации и отрасли. Напротив,

негативные

ожидания

инвесторов

приводят

к

сокращению

инвестиций в экономику региона и снижению уровня концентрации, оценки параметров α1(− ) , как правило, имеют отрицательный знак.

79

Таблица 5.2 Наличие значимых оценок параметров α1(+ ) и α 1(− ) для ожиданий инвесторов в уравнениях регрессии с переключением режимов ожиданий и дифференциацией по группам регионов1 Позитивные ожидания

Зависимая переменная

Регионы с преобладанием добывающей промышленнос ти

aggl scale2 locto + locen + locch loccv lochi + locma locls locpsm locle locpi otrto otren + otrch otrcv otrhi + otrma otrls + otrpsm otrle otrpi 1 «+» означает, что отрицательный знак

Регионы с преобладанием обрабатывающ ей промышленнос ти

Негативные ожидания

Северные регионы

Регионы с преобладанием добывающей промышленнос ти

Регионы с преобладанием обрабатывающ ей промышленнос ти

Северные регионы

-

-

-

+

-

-

+ + + +

+

+ -

+ + + + коэффициент регрессии имеет положительный знак; «-» -

Среди переменных относительной концентрации производства

в

отдельных отраслях промышленности положительная зависимость установлена для отраслей топливно-энергетического комплекса, черной металлургии, химической промышленности, промышленности строительных материалов и легкой

промышленности.

взаимосвязь

выявлена

в

Для

индикаторов

отраслях

абсолютной

концентрации

топливно-энергетического

комплекса,

80

химической,

лесной,

деревообрабатывающей

и

целлюлозно-бумажной

промышленности, промышленности строительных материалов, легкой и пищевой промышленности (см. табл. 5.1). Негативное влияние ожиданий инвесторов на зависимость концентрации и инвестиций обнаружено в уравнениях для показателей концентрации промышленного производства: aggl и scale2. Для относительных показателей отраслевой концентрации – практически во всех отраслях, за исключением легкой промышленности и промышленности строительных материалов. Для абсолютных отраслевых индикаторов концентрации – преимущественно в отраслях

цветной

машиностроении,

металлургии,

химической

промышленности,

лесной, деревообрабатывающей и целлюлозно-бумажной

промышленности. Для уравнений регрессии с дифференциацией режимов ожиданий по группам регионов можно выделить следующие характерные черты. Значимые оценки параметров α1(+ ) и α1(− ) сосредоточены преимущественно в двух из трех групп регионов: в регионах с преобладанием добывающей промышленности и в группе регионов с преобладанием обрабатывающей промышленности, и почти отсутствуют в северной группе регионов. Для группы регионов с преобладание добывающей промышленности большее число значимых оценок параметров соответствует позитивным ожиданиям инвесторов. Выявлены сильные позитивные ожидания инвесторов относительно отраслей топливно-энергетического комплекса (ТЭК). Оценки параметров α1(+ )

значимы как для показателей абсолютной концентрации

производства в отраслях ТЭК, так и для показателей относительной концентрации. Подобная картина для показателей абсолютной и относительной

81

концентрации производства установлена и в химической промышленности. В лесной, деревообрабатывающей и целлюлозно-бумажной промышленности позитивные

ожидания

влияют

в

основном

на

абсолютный

уровень

концентрации в отрасли. В группе регионов с преобладанием обрабатывающей промышленности ряд отраслей также дает основания для позитивных ожиданий инвесторов. Среди таких отраслей можно выделить легкую и пищевую промышленность, чёрную металлургию, энергетику, промышленность строительных материалов. Следует отметить, что во всех перечисленных отраслях, за исключением черной металлургии, позитивные ожидания инвесторов связаны с ростом абсолютной концентрации производства. Связь позитивных ожиданий с относительной концентрацией производства зафиксирована только в отраслях чёрной металлургии,

промышленности

строительных

материалов

и

легкой

промышленности. В северной группе регионов позитивные ожидания инвесторов связаны только

с

отраслями

топливно-энергетического

комплекса

и

пищевой

промышленностью. В уравнениях регрессии с дифференциацией по группам регионов картина выглядит следующим образом. Влияние негативных ожиданий в наибольшей степени повлияло на агрегированные

показатели

концентрации.

Так

для

относительной

концентрации промышленного производства, которую представляет переменная aggl, отрицательные оценки параметров α 1(−k ) получены во всех трёх группах регионов.

В

группе

регионов

с

преобладанием

обрабатывающей

промышленности и северной группе регионов негативные ожидания инвесторов

82

оказали

существенное

влияние

и

на

абсолютную

концентрацию

промышленного производства (переменная scale2). Значительное влияние негативных ожиданий испытали на себе регионы с преобладанием обрабатывающей промышленности. В указанной группе регионов установлены концентрации

значимые

промышленного

взаимосвязи

негативных

производства

в

ожиданий

половине

и

отраслей.

Относительная концентрация промышленного производства под влиянием негативных

ожиданий

инвесторов

снижается

в

таких

отраслях,

как

машиностроение, легкая, лесная, деревообрабатывающая и целлюлознобумажная промышленность, энергетика. Кроме того, снижается и уровень абсолютной

концентрации

в

отраслях

химической

машиностроения, лесной, деревообрабатывающей

промышленности,

и целлюлозно-бумажной

промышленности. В северной группе регионов негативные ожидания затронули в

основном

отрасли

черной

и

цветной

металлургии,

топливной

промышленности. Таким

образом,

получила

подтверждение

гипотеза

о

том,

что

пространственное распределение инвестиций в России находит объяснение в рамках теории новой экономической географии. Убедительное подтверждение как на уровне промышленности в целом, так и на уровне отдельных ее отраслей получила гипотеза о влиянии ожиданий инвесторов на пространственное распределение инвестиций. Можно утверждать, что если большинство инвесторов разделяет ожидания в отношении роста концентрации производства в регионе, тогда влияние ожиданий на инвестиционные процессы становится существенным и влияет на уровень концентрации и рост объемов инвестиций в регионе. Нашла подтверждение гипотеза о том, что позитивные ожидания

83

большинства инвесторов относительно роста концентрации производства в регионе способствуют привлечению инвестиций в регион, а негативные ожидания

приводят

к

сокращению

объемов

инвестиций

и снижению

концентрации производства в регионе. Более того, нашла убедительное подтверждение гипотеза о том, что влияние ожиданий существенно различается по группам регионов: регионов с преобладанием добывающей промышленности, регионов с преобладанием обрабатывающей промышленности и северной группе регионов, в зависимости от отраслевой специализации и специфических характеристик отдельных групп регионов. Что касается оценок параметров β1,, то они значимы практически во всех уравнениях регрессии и положительны. Таким образом, находит полное подтверждение гипотеза о том, что в России в переходный период имели место процессы

концентрации

производства,

что

способствовало

появлению

агломерационного эффекта в пространственном распределении инвестиций. Рассмотрим

подробнее

результаты

для

отдельных

зависимых

переменных.

Концентрация промышленного производства в Российской Федерации

Результаты оценки регрессий с переключением режимов ожиданий приведены в табл. П7.1, а регрессии с переключением режимов по группам регионов - в табл. П7.6 Оценки параметров уравнений регрессии абсолютной и относительной концентрации промышленного производства показали, что для группы

84

северных регионов низкий уровень промышленного выпуска в ответ на инвестиции при негативных ожиданиях инвесторов приводит к снижению концентрации производства. Для обоих показателей концентрации значимые параметры для негативных ожиданий имеют отрицательный знак (табл. П7.1). Оценки регрессии абсолютной концентрации производства (scale2) показывают, что в регионах в случае негативных ожиданий инвесторов доля отраслей специализации, имеющих народнохозяйственное значение, снижается ( αˆ 1(− ) =0,7453, см. табл. П7.1, уравнение 4). Одновременно, как свидетельствуют оценки регрессии относительной концентрации производства (aggl), в случае негативных ожиданий с уменьшением доли отраслей специализации в регионах выравнивается отраслевая структура промышленного комплекса. Последний факт находит отражение в уменьшении вариации коэффициентов локализации отраслей в регионе. Продифференцированные по группам регионов коэффициенты α 1(− ) в уравнениях абсолютной и относительной концентрации промышленного производства еще раз подтверждают полученные ранее выводы о том, что ресурсные регионы более чувствительны к ожиданиям инвесторов. Так, для зависимой

переменной

относительной

концентрации

промышленного

производства в уравнении регрессии оценки коэффициентов α 1(−k ) для ресурсных регионов по модулю более, чем в три раза выше соответствующего показателя для группы регионов с преобладанием обрабатывающей промышленности (рис. 5.1).

85

aggl

0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0

добывающие обрабатывающие северные

0

0,5

I

1

1,5

Рис. 5.1. Зависимость относительной концентрации промышленного производства от инвестиций по группам регионов для негативных ожиданий инвесторов.

Продифференцированные по группам регионов показатели абсолютной концентрации промышленного производства дают следующую картину. Оценка параметров

(− ) α 11

для группы регионов с преобладанием добывающей

промышленности не существенно отличается от нуля, а оценки параметров для двух других регионов почти совпадают (см. табл. П7.6, уравнение 4): (− ) (для регионов с преобладанием обрабатывающей промышленности) = -0,8598; αˆ 12 (− ) (для северной группы регионов) = -0,9691. αˆ 13

Таким образом, можно сделать следующие выводы. В случае, когда преобладают

негативные

ожидания,

проявляется

сильная

взаимосвязь

инвестиций и показателей концентрации производства. Если большая часть инвесторов разделяет негативные ожидания относительно концентрации производства в регионе, то объемы инвестиций в экономику региона сокращаются, доля отраслей специализации уменьшается как на уровне самого региона, так и на национальном уровне. Имеют место процессы рассеивания производства

и

выравнивания

отраслевой

структуры

региональных

промышленных комплексов. Можно сделать заключение, что ожидания инвесторов связаны не только с промышленными комплексами регионов в целом, но и с отдельными отраслями специализации, присутствующими в

86

регионах. Подчеркнём еще раз, что наиболее чувствительны к ожиданиям инвесторов региональные промышленные комплексы с преимущественно сырьевой

ориентацией:

регионы

с

преобладанием

добывающей

промышленности и регионы северной группы. Последние специализируются преимущественно в нефтегазовой отрасли, цветной металлургии, лесодобыче и лесопереработке.

Особенности концентрации производства в отраслях промышленности

В уравнениях регрессии показателей абсолютной концентрации в отраслях промышленности значимые положительные оценки параметров для позитивных ожиданий инвесторов α1(+ ) установлены в отраслях топливноэнергетического комплекса, промышленности строительных материалов, легкой и пищевой промышленности (табл.П7.4 – П7.5). А после дифференциации по группам регионов, добавились химическая и лесная промышленность. Отрицательные

оценки

зафиксированы

в

для

уравнениях

негативных регрессии

ожиданий

инвесторов

абсолютной

α 1(− )

концентрации

производства в отраслях цветной металлургии, химической промышленности, машиностроении, лесной, деревообрабатывающей и целлюлозно-бумажной промышленности. Из любых двух коэффициентов α 1(+ ) и α 1(− ) в уравнении регрессии с переключением

режимов

ожиданий

или

из

соответствующей

пары

коэффициентов α 1(+k ) и α 1(−k ) , k = 1, 2, 3 для k-й группы регионов в регрессии с дифференциацией по группам регионов значим, как правило, только один: либо

87

это коэффициент α 1(+ ) , соответствующий позитивным ожиданиям инвесторов, и тогда он имеет знак «плюс», либо это отрицательный коэффициент α 1(− ) для негативных

ожиданий

инвесторов.

Это

обстоятельство

указывает

на

чувствительность отдельных отраслей к определённому типу ожиданий инвесторов: позитивному или негативному соответственно. Таким образом, мы можем утверждать, что, например, отрасли легкой и пищевой промышленности, промышленности

строительных

материалов,

топливно-энергетического

комплекса в большей степени склонны реагировать на позитивные ожидания инвесторов. И если большинство инвесторов в регионе, или в группе регионов разделяют

позитивные

ожидания

относительно

перспектив

развития

вышеперечисленных отраслей, следует ожидать притока инвестиций в регионы и роста концентрации производства в первую очередь в этих отраслях. С другой стороны, ряд отраслей промышленности продемонстрировал сильную реакцию на негативные ожидания инвесторов. В их число, как мы уже отмечали, попадают машиностроение, химическая, лесная, деревообрабатывающая и целлюлозно-бумажная промышленность, цветная металлургия. Поэтому в случае формирования негативных ожиданий относительно перспектив развития четырех перечисленных отраслей у большинства инвесторов, наиболее вероятно, что

произойдет сокращение объемов инвестирования в регионы и

снижение концентрации производства в первую очередь в этих отраслях. Тем не менее, необходимо отметить ряд исключений. Так, например, химическая,

лесная,

деревообрабатывающая

и

целлюлозно-бумажная

промышленность демонстрирует положительную взаимосвязь концентрации производства и ожиданий инвесторов в одной группе регионов, и негативную в другой: для регионов с преобладанием добывающей промышленности

88

(+ ) коэффициенты αˆ 11 > 0, а для регионов с преобладанием, обрабатывающей (− ) промышленности αˆ 12 < 0. В некоторых группах регионов не установлено

значимых коэффициентов ни для негативных ожиданий, ни для позитивных ожиданий инвесторов. Поэтому наши выводы относительно чувствительности отраслей к ожиданиям инвесторов необходимо корректировать, учитывая специфические характеристики отдельных групп регионов. Другим интересным исключением, как нам кажется, является энергетика. В уравнении регрессии, оцененном для отрасли, получены значимые оценки параметров, соответствующие позитивным ожиданиям инвесторов, во всех трех (− ) обнаружена в группе группах регионов. Более того, положительная оценка α11

регионов с преобладанием добывающей промышленности. Сопоставление (+ ) = 1,4131 и оценок для позитивных и негативных ожиданий в энергетике: αˆ 11 (− ) αˆ 11 = 0,7261 – показывает, что инвестиции привлекаются в энергетику в группе

регионов с преобладанием добывающей промышленности как в случае позитивных, так и в случае негативных ожиданий (см. табл. П7.9, уравнение 3). В группе регионов идет интенсивный процесс концентрации энергетических мощностей. Однако в случае позитивных ожиданий предельный прирост концентрации от инвестиций выше и процессы концентрации идут более интенсивно (рис. 5.2).

89

otren

1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0

(− ) − α 11

-1,5

-1

-0,5

позитивные ожидания

(+ ) α11 0 I

0,5

1

негативнеые ожидания

1,5

Рис. 5.2. Рост концентрации производства в отраслях энергетики в группе регионов с преобладание добывающей промышленности

Сравнение процессов концентрации в энергетике по группам регионов также свидетельствует в пользу регионов с преобладанием добывающей промышленности. Предельная концентрация производства на инвестиции в случае преобладания позитивных ожиданий инвесторов в этой группе более, чем в два раза выше, чем в группе северных регионов и более, чем в 4 раза выше,

чем

в

группе

регионов

с

преобладанием

обрабатывающей

otren

промышленности (рис. 5.3).

1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0

добывающие обрабатывающие северные 0

0,5

I

1

1,5

Рис. 5.3. Рост концентрации в энергетике в случае позитивных ожиданий инвесторов по группам регионов.

Таким образом, среди характерных особенностей концентрации в отраслях

промышленности,

мы

можем

выделить

следующие.

Первое,

существует достаточно четкая поляризация отраслей по их чувствительности к ожиданиям инвесторов. Второе, позитивные ожидания в большей степени связаны с отраслями, работающими на конечного потребителя: легкая, пищевая

90

промышленность. Третье, негативные ожидания инвесторов в большей степени доминируют в регионах, где сосредоточена обрабатывающая промышленности и, прежде всего, отрасли военно-промышленного комплекса: машиностроение, химическая промышленность. В четвёртых, если с отраслью

связаны как

позитивные, так и негативные ожидания, то предельная концентрация производства от инвестиций при доминировании позитивных ожиданий выше, чем аналогичный показатель при доминировании негативных ожиданий. Относительная концентрация производства в отраслях промышленности

Индикатор относительной концентрации производства, представленный коэффициентом локализации отраслей, позволяет оценить, как влияют ожидания инвесторов на удельный вес отраслей промышленности в структуре регионального промышленного комплекса в сравнении со среднероссийским уровнем. Наиболее

чувствителен

к

позитивным

ожиданиям

инвесторов

относительный уровень концентрации топливной промышленности, черной металлургии,

промышленности

строительных

материалов

и

легкой

промышленности (табл. П7.2 – П7.3). После дифференциации ожиданий по группам регионов список отраслей, склонных к увеличению удельного веса в региональном промышленном выпуске при позитивных ожиданиях инвесторов, расширился до шести, дополнительно в него вошли энергетика и химическая промышленность

(см.

табл.

П7.7

–

П7.8).

Склонность

к

снижению

относительного уровня концентрации в регионе при негативных ожиданиях инвесторов продемонстрировали те же отрасли: топливная, энергетика, черная и

91

цветная металлургия, машиностроение, лесная, деревообрабатывающая

и

целлюлозно-бумажная промышленность, пищевая промышленность. Как видим, для показателей относительной концентрации производства нет таких четких границ, которые бы позволили провести классификацию отраслей по степени их локализации в регионах в ответ на ожидания инвесторов. Степень локализации отраслей изменяется как в случае позитивных ожиданий инвесторов, и тогда доля отраслей в региональном промышленном комплексе возрастает по сравнению со среднероссийской, так и в случае негативных ожиданий. Во втором случае, удельный вес отраслей по сравнению со среднероссийским снижается. Сравнение уравнений регрессии с переключением режимов ожиданий и уравнений

регрессии

с

переключением

режимов

ожиданий

продифференцированных по группам регионов, показывает, что реакция на ожидания установленная в случае агрегированной оценки в основном сохраняется после дифференциации оценок по группам регионов. Однако есть и исключения. После дифференциации оценок параметров для ожиданий инвесторов по группам регионов, дополнительно появляются значимые оценки параметров α 1(+k ) в энергетике, в черной металлургии, машиностроении и, наоборот, исчезают оценки для негативных ожиданий в цветной металлургии и химической промышленности. Эти изменения связаны, по-видимому, со специфическими особенностями отдельных групп регионов. Есть общие черты, определяющие влияние ожиданий инвесторов на абсолютную

и относительную концентрацию производства. Как и в случае

абсолютной концентрации производства, большая часть позитивных ожиданий инвесторов в регионах с преобладанием добывающей промышленности связана

92

с отраслями топливно-энергетического и химического комплексов, а в регионах с преобладанием обрабатывающей промышленности – с отраслями черной металлургии,

промышленности

промышленности.

строительных

Существенное

отличие

в

материалов анализе

и

легкой

относительной

концентрации от абсолютной состоит в том, что инвесторы не связывают свои позитивные ожидания с локализацией в регионах пищевой промышленности. На локализацию пищевой промышленности влияют в основном негативные ожидания: в случае доминирования среди инвесторов негативных ожиданий относительная доля пищевой промышленности в региональном промышленном комплексе падает по сравнению со среднероссийской. Значительное

влияние

негативных

ожиданий

на

относительную

концентрацию отраслей промышленности зафиксировано в группе регионов в преобладанием обрабатывающих отраслей. Отрицательные оценки параметров установлены для машиностроения, энергетики, лесной, деревообрабатывающей и целлюлозно-бумажной промышленности, пищевой промышленности. В северной группе регионов негативные ожидания инвесторов влияют на относительную концентрацию в топливной промышленности и черной металлургии, а в регионах с преобладанием добывающей промышленности – только в черной.

Значимое влияние негативных ожиданий в ресурсных

регионах на топливную промышленность и черную металлургию является отличительной

особенностью

процессов

относительной

концентрации

промышленного производства по сравнению с процессами абсолютной концентрации.

93

Влияние транспортных издержек на процессы концентрации в промышленности

Информация о наличии значимых оценок параметров и направлении влияния транспортных затрат сведена в табл. 5.3 и табл. 5.4. Оценки параметров можно найти в табл. П7.1 – П7.10. Таблица 5.3 Наличие значимых оценок параметров для гравитационных переменных и транспортных затрат в уравнениях регрессии с переключением режимов ожиданий1 Зависимая переменная aggl scale2 locto locen locch loccv lochi locma locls locpsm locle locpi otrto otren otrch otrcv otrhi otrma otrls otrpsm otrle otrpi 1 «+» означает, что отрицательный знак

Снижение транспортных затрат transptp tareatp tdisttp +

Рост транспортных затрат transptm tareatm tdisttm +

-

-

+

+

-

+ +

-

+

+

-

+

рост

+

+ + + коэффициент регрессии имеет положительный знак; «-» -

Во всех уравнениях регрессии, где были получены параметров,

+

транспортных

затрат

негативно

значимые оценки

влияет

на

уровень

94

концентрации. Этот результат зафиксирован для переменной абсолютной концентрации промышленного производства и для показателей концентрации в таких отраслях промышленности, как энергетика, машиностроение, пищевая промышленность (см. табл. 5.4). Таблица 5.4 Наличие значимых оценок параметров для гравитационных переменных и транспортных затрат в уравнениях регрессии с переключением режимов ожиданий и дифференциацией по группам регионов1 Зависимая переменная aggl scale2 locto locen locch loccv lochi locma locls locpsm locle locpi otrto otren otrch otrcv otrhi otrma otrls otrpsm otrle otrpi 1 «+» означает, что отрицательный знак

Снижение транспортных затрат transptp tareatp tdisttp -

Рост транспортных затрат transptm tareatm tdisttm +

+

+

-

+ +

-

+

+ +

-

+

+

-

+ + коэффициент регрессии имеет положительный знак; «-» -

При относительном снижении транспортных затрат

концентрация

производства в регионах снижается интенсивнее, чем при относительном их росте. Происходит рассеивание производства по регионам страны. Однако как в случае относительного роста, так и в случае относительного снижения,

95

транспортные

затраты

влияют

в

направлении

снижения

концентрации

производства. Такая переменная, как расстояние до центра, которая также определяет транспортные издержки региона, в частности, издержки на межрегиональные перевозки, положительно влияет на рост концентрации в промышленности в целом и в таких ее отраслях, как энергетика, цветная металлургия, машиностроение,

пищевая

промышленность.

Эти

отрасли

наиболее

чувствительны к транспортным издержкам. Удаленность региона от центра положительно влияет на концентрацию энергетических мощностей в случае относительного

снижения

транспортных

тарифов,

а

на

концентрацию

машиностроения и пищевой промышленности – в случае их относительного роста. Выводы

о

влиянии

площади

региона,

которая

в

сочетании

с

транспортным тарифом характеризует издержки на внутрирегиональные перевозки, не однозначны. В одних уравнениях мы имеем оценки параметров с отрицательным знаком, например, в уравнениях относительной концентрации промышленного производства, относительной концентрации в энергетике, а в других случаях оценки соответствующих параметров имеют положительный знак. Увеличение площади территориального образования способствует росту абсолютной и относительной концентрации, например, в цветной металлургии, абсолютной концентрации в машиностроении и пищевой промышленности. Таким образом, наличие значимых оценок параметров для индекса роста транспортных тарифов и гравитационных переменных подтверждает гипотезу о том,

что

транспортные

тарифы

оказывают

существенное

влияние

на

агломерацию производства и пространственное распределение инвестиции в

96

России. Мы видим, что по результатам оценки транспортные тарифы в России находятся на уровне, который способствует рассеиванию производства регионам.

Дифференциация

роста

и

снижения

транспортных

по

затрат

относительно цен в промышленности не выявила никаких существенных различий. После того как в переменных совместно

tareatp,

tareatm, tdisttp и

tdisttm

с транспортными тарифами мы начинаем принимать в расчет

расстояния, знаки оценок параметров начинают меняться. Транспортные затраты

с

учетом

расстояний

межрегиональных

перевозок

оказывают

положительное влияние на концентрацию производства, а транспортные затраты с учетом расстояний внутрирегиональных перевозок оказывают либо положительное, либо отрицательное влияние, в зависимости от специфики отрасли и характерных особенностей регионов.

Раздел 6. Заключение

В проведенном исследовании представлены варианты агломерационной модели,

учитывающей

инвестиций

по

эффект

регионам

от

страны

внешней и

экономии,

влияние

распределение

ожиданий

инвесторов.

Теоретический анализ агломерационных моделей позволил выявить следующее. Поведение инвесторов и роль ожиданий во многом определяются параметрами экономики. Сточки зрения экономической политики важно отметить, что концентрация зависит от таких параметров, как скорость приспособления инвестиций, эффект от внешней экономии, процентная ставка, которые

могут

служить

инструментами

регулирования

процессов

97

концентрации. Установлено, что возможны несколько вариантов развития экономики. Первый, когда развитие полностью определяется исторически сложившимися тенденциями. Второй, когда динамику развития экономики можно изменить под влиянием ожиданий большинства инвесторов. Этот результат оказался справедливым как для модели с постоянным, так и для модели с переменным объемом инвестиций в экономику. Возможность изменить динамику развития системы существует в том случае, когда в пространстве возможных траекторий возникает область, которую мы, вслед за П. Кругманом, называем перекрытием, и в которой экономика в течение определенного времени совершает ряд осцилляций. Благодаря существованию участка траектории с циклической динамикой, появляется возможность изменить исторический ход развития событий. Одним из факторов, который может стать решающим в выборе динамики, являются ожидания инвесторов о перспективах развития регионов. Если большая часть инвесторов ожидает, что другие инвесторы тоже придут в регион, то и они будут вкладывать инвестиции в этот регион, что обеспечивает рост концентрации производства. Возникает агломерационный эффект от внешней экономии. Агломерационный эффект обеспечивает рост отдачи от масштаба и повышение доходности инвестиций, привлекает новых инвесторов и ведет к еще большей концентрации производства в регионе. В этом процессе существенная роль отводится ожиданиям инвесторов относительно того, будут ли поступать инвестиции в регион. Если ожидания большинства инвесторов совпадают, то появляется возможность изменить ход истории и создать условия для появления агломерационного эффекта. Таким образом, формирование

98

позитивных

ожиданий

у

инвесторов

может

служить

инструментом

экономической политики. Использование модели акселератора в рамках агломерационной модели является

новым

моментом

в

исследовании

агломерации

и

позволяет

моделировать не только растущую, но и падающую динамику экономики. С помощью модели с меняющимся объемом инвестиций в экономику было установлено, что концентрация возможна не только в условиях роста экономики, но и в условиях падающей динамики производства и инвестиций. Было доказано, что механизм агломерационных процессов в случае падающей экономики тот же, что и в случае растущей экономики и обусловлен такими параметрами, как сила внешней экономии, ставка процента, и скорость приспособления инвестиций. Доказано, что процесс концентрации в случае падающей экономики связан с перемещением производства в регионы с преобладанием добывающей промышленности и сырьевой специализацией экономики, как это имело место в переходный период в РФ. Включение модели гибкого акселератора в агломерационную модель позволило учесть влияние концентрации производства на инвестиции в регионах с постоянной и растущей отдачей. В качестве регионов с постоянной отдачей мы рассматриваем преимущественно сырьевые регионы, в качестве регионов с растущей отдачей – регионы с преобладанием обрабатывающей промышленности. После включения в модель акселератора, было установлено, что в динамике экономической системы возможны траектории, когда большая часть инвестиций перемещается в регион с растущей отдачей, обеспечивая развитие обрабатывающей промышленности и эффект от внешней экономии. В то же

99

время определенная часть инвестиций остается в регионах с постоянной отдачей. Развитие получают оба региона, и эта траектория для страны является наиболее благоприятной, обеспечивая

более устойчивый рост экономики,

инвестиций и национального дохода. Альтернативой выступает полная концентрация производства в регионе с постоянной отдачей и формирование полностью сырьевой экономики. Концентрация производства в сырьевом секторе дает самые низкие показатели динамики: инвестиций, национального дохода на всей траектории развития. Траектории, ведущие к концентрации производства в регионе с растущей отдачей, связаны со сменой технологий, способов организации производства, структурной перестройкой экономики, обновлением производственного аппарата, что требует значительных затрат прежде, чем можно получить отдачу на инвестиции. Но в конечном итоге этот вариант экономической политики развития гарантирует более высокий уровень потребления, чем сырьевая специализация. В области перекрытия сохраняется возможность любого варианта динамики. Если существует перекрытие, то выбор траектории развития в направлении специализации в регионе с преобладанием обрабатывающей промышленности зависит от решения, которой будет принято большинством инвесторов.

Изменение

траектории

в

области

перекрытия

связано

с

возможностью скачка на близко расположенных витках спирали. Когда большинство инвесторов намерены вкладывать в регион с растущей отдачей, тогда в области перекрытия система может перескочить на траекторию, ведущую к концентрации производства в этом регионе. В области перекрытия по-прежнему все решают ожидания инвесторов в отношении будущей доходности инвестиций в условиях меняющей пространственной структуры

100

производства. Вероятность скачка тем выше, чем выше ожидаемый рост теневой цены на инвестиции в регионе с растущей отдачей. Если перекрытия нет, то в модели с меняющимися объемами инвестиций, так же как и в модели с постоянными объемами инвестиций все решает история. Если перекрытие существует и система находится в области перекрытия, то возможен переход системы на любую траекторию развития. Если перекрытие существует

и система находится вне перекрытия,

то динамику системы

полностью определяет история. Расчеты

параметров

агломерационной

модели

показали,

что

в

современной российской экономике ведущую роль играют ожидания, и потенциально возможна реализация любой траектории развития. Изменение сложившейся динамики развития экономики в Российской Федерации возможно за счет

смены сырьевую ориентацию развития экономики на развитие

обрабатывающей промышленности. Результаты Тестирования

эмпирического

двух

типов

исследования

агломерации

показали

промышленного

следующее. производства:

абсолютной и относительной, для агрегированных и отраслевых показателей свидетельствуют в пользу выдвинутых гипотез о влиянии концентрации на пространственное

распределение

инвестиций

в

экономику

регионов

в

Российской Федерации в переходный период. Было проведено тестирование вариантов регрессии с различной степенью детализации территориальной структуры РФ. Были оценены уравнения регрессии в целом для всех регионов Российской Федерации и регрессии с дифференциацией условий по группам регионов: регионов с преобладанием обрабатывающей промышленности, регионов с преобладанием

101

добывающей промышленности и северной группы регионов, где также ведущая роль принадлежит сырьевым отраслям. Тестирование вариантов регрессии с различной

степенью

положительную взаимосвязь

территориальной

детализации

подтвердило

инвестиций и концентрации производства в

отраслях промышленности. Было доказано, что в России в переходный период имели место процессы концентрации производства и инвестиций в отдельных регионах, и они находились под влиянием ожиданий инвесторов. Включение в оцениваемые модели условий переключения режимов позитивных и негативных ожиданий инвесторов позволили установить существенную

взаимосвязь

ожиданий

с

концентрацией

инвестиций

и

производства. Получены значимые результаты, как для позитивных, так и для негативных ожиданий, и характер этой взаимосвязи определяется режимом ожиданий инвесторов. Установлено, что позитивные ожидания инвесторов относительно роста концентрации производства отраслей промышленности в регионах приводят к увеличению объемов инвестирования в эти регионы и к дальнейшей концентрации отраслей промышленности. В случае, когда доминируют негативные ожидания, то имеет место сокращение объемов инвестиций в экономику регионов и снижение уровня концентрации. По результатам анализа установлено, что в группе регионов с преобладание ожиданиям

добывающей инвесторов.

промышленности Выявлены

преобладают

сильные

позитивным

позитивные

ожидания

относительно отраслей топливно-энергетического комплекса, в химической промышленности. В этих отраслях существенно влияние позитивных ожиданий как на уровень абсолютной, так и на уровень относительной концентрации производства. В лесной, деревообрабатывающей и целлюлозно-бумажной

102

промышленности позитивные ожидания влияют в основном на абсолютный уровень концентрации. В группе регионов с преобладанием обрабатывающей промышленности ряд отраслей также дает основания для позитивных ожиданий инвесторов. Среди таких отраслей можно выделить легкую и пищевую промышленность, чёрную металлургию, энергетику, промышленность строительных материалов. Следует отметить, что во всех перечисленных отраслях, за исключением черной металлургии, позитивные ожидания инвесторов связаны с ростом абсолютной концентрации производства. Связь позитивных ожиданий с относительной концентрацией производства зафиксирована только в отраслях чёрной металлургии,

промышленности

строительных

материалов

и

легкой

промышленности. В северной группе регионов позитивные ожидания инвесторов связаны только

с

отраслями

топливно-энергетического

комплекса

и

пищевой

промышленности. Значительное влияние негативных ожиданий испытали на себе регионы с преобладанием обрабатывающей промышленности. Снижается уровень абсолютной

концентрации

в

отраслях

химической

машиностроения, лесной, деревообрабатывающей

промышленности,

и целлюлозно-бумажной

промышленности. В северной группе регионов негативные ожидания затронули в

основном

отрасли

черной

и

цветной

металлургии,

топливной

промышленности. Было установлено, что наиболее чувствительны к ожиданиям инвесторов региональные

промышленные

комплексы

с

преимущественно

сырьевой

103

ориентацией: регионы с преобладанием добывающей промышленности и регионы северной группы. Различается чувствительность отраслей к определённому типу ожиданий инвесторов: позитивному или негативному. Можем утверждать, что, например, отрасли легкой и пищевой промышленности, промышленности строительных материалов, топливно-энергетического комплекса в большей степени склонны реагировать на позитивные ожидания инвесторов. И если большинство инвесторов в регионе, или в группе регионов разделяют позитивные ожидания относительно перспектив развития вышеперечисленных отраслей, следует ожидать притока инвестиций в регионы и роста концентрации производства в первую очередь в этих отраслях. С другой стороны, ряд отраслей промышленности

продемонстрировал

сильную

реакцию

на

негативные

ожидания инвесторов. В их число, как мы уже отмечали, попадают машиностроение, химическая, лесная, деревообрабатывающая и целлюлознобумажная

промышленность,

цветная

металлургия.

Поэтому

в

случае

формирования негативных ожиданий относительно перспектив развития четырех перечисленных отраслей у большинства инвесторов, наиболее вероятно, что

произойдет сокращение объемов инвестирования в регионы и

снижение концентрации производства в первую очередь в этих отраслях. Получили подтверждение гипотезы о том, что пространственное распределение инвестиций в России находит объяснение в рамках теории новой экономической географии. Убедительное подтверждение получила гипотеза о влиянии ожиданий инвесторов на пространственное распределение инвестиций. Более того, эмпирически доказана гипотеза о том, что влияние ожиданий: позитивных и негативных существенно различается по группам регионов в

104

зависимости от отраслевой специализации

и специфических характеристик

отдельных групп регионов. Эмпирически доказано, что существует достаточно четкая поляризация отраслей по их чувствительности к ожиданиям инвесторов. Во-вторых, что позитивные ожидания в большей степени связаны с отраслями, работающими на конечного потребителя: легкая, пищевая промышленность. В-третьих, что негативные ожидания инвесторов в большей степени доминируют в регионах, где сосредоточена обрабатывающая промышленности и, прежде всего, отрасли военно-промышленного

комплекса:

машиностроение,

химическая

промышленность. В-четвёртых, что если с отраслью связаны как позитивные, так и негативные ожидания, то предельная концентрация производства

от

инвестиций при доминировании позитивных ожиданий выше, чем аналогичный показатель при доминировании негативных ожиданий. Сравнение уравнений регрессии с различной степенью территориальной дифференциации показывает, что реакция на ожидания установленная в случае агрегированной оценки в основном сохраняется после дифференциации оценок по группам регионов. Раздел 7. Библиография 1. Ahrend R. (2000) Speed of Reform, Initial Conditions, Political Orientation or

what? Explaining Russian Regions’ Economic Performance/ CEPR, WDI Annual International Conference on Transition Economics. 2. Anderson T.W., Hsiao C. (1981) Estimation of Dynamic Models with Error

Components, Journal of the American Statistical Association, 76, p. 598 – 606.

105

3. Antweiler W., Trefler D. (2000) Increasing Return and All That: a View From

Trade. NBER, Working Paper, 7941. 4. Baldwin R.E. (1998) Agglomeration and Endogenous Capital. NBER, Working

Paper, 6459. 5. Baldwin R.E. (1999) The Core-periphery Model with Forward-Looking

Expectations. NBER, Working Paper, 6921. 6. Baldwin R.E., Ottaviano G. I. (1998) Multiproduct Multinationals and reciprocal

FDI Dumping. Center for Economic Policy Research (CEPR), Discussion Paper 1851. 7. Baltagi B.H. (1995) Econometric Analysis of Panel Data. Chichester, John Wiley

& Sons. 8. Berndt E. R. (1991) The Practice of Econometrics Classic and Contemporary.

Addison-Wesley Publishing Company, 702 p. 9. Bevan A.A., Estrin S. (2000) The Determinants of foreign Direct Investment in

Transition Economies. Center for Economic Policy Research (CEPR), Discussion Paper 2638. 10. Blundell R., Bond S. Windmeijer F. Estimation in Dynamic Panel Data Models:

Improving on the Performance of the Standard GMM Estimator. Institute for Fiscal Studies. 11. Brown J.D., Earle J.S. (2000) Competition, Geography, and Firm performance:

Lessons from Russia. . CEPR. WDI Annual International Conference on Transition Economics. 2000. 12. Bruelhart M. (1998) M. Economic Geography, Industry Location and Trade: The

Evidence. University of Manchester, Working Paper.

106

13. Bruelhart M. (2000) Evolving, Geographical Specialization of European

Manufacturing Industries. 14. Bruelhart M., Trionfetti F. (1999) Home-Biased Demand and International

Specialization: A Test of Trade Theories? CEP, London School of Economics, Working Paper. 15. Davis D.R., Weinstain (1996) Does Economic Geography Matter for International

Specialization? NBER, Working Paper, 5706. 16. Davis D.R., Weinstain (1998) Market access, Economic Geography and

Comparative Advantage: en Empirical Assessment. NBER, Working Paper, 6787. 17. Driffeld N. Munday M. (2000) Industrial Performance, Agglomeration, and

Foreign Manufacturing Investment in the UK. Journal of International Business Studies, 31, 1, p. 21 – 37. 18. Dumais G., Ellison G., Glaeser E. (1997) Geographic Concentration as a Dynamic

Process. NBER, Working Paper, 6720. 19. Forslid R (1999) Agglomeration with human and Physical Capital: An

Analytically Solvable case. Center for Economic Policy Research (CEPR), Discussion Paper 2102. 20. Fujita M., Krugman P. Venables A. (1998) The Spatial Economy: Cities, Regions

and International Trade, manuscript. 21. Fujita M., Mori T. (1997) The Role of Parts in the Making of Hub-effect. Journal

of Development Economics, 49, 93 – 120. 22. Greene, W.H. (1997) Econometric analysis. New York: Macmillan Publishing

Company 23. Hanson G.H. (1996) Economic Integration, Intraindustry Trade and Frontier

Regions. European Economic Review, 40, 941 - 949.

107

24. Hanson G. H. (1997) Increasing returns, trade and the regional Structure of wages.

The Economic Journal, 107, 113-133. 25. Hanson G. H. (1998) North American Economic Integration and Industry

Location.. NBER, Working Paper, 6587. 26. Hanson G. H. (2000) Scale economies and the Geographic concentration of

industry. NBER, Working Paper, 8013. 27. Head K., Ries J., Swenson D. (1995) Agglomeration Benefits and Location

Choice: Evidence from Japanese Manufacturing Investments in the United States / Journal of International Economy. 38, 223 – 28. Haaland J.I., Kind H.J., Knarvik K.H., Torstensson J. (1999) What Determines the

Economic Geography of Europe? Center for Economic Policy Research (CEPR), Discussion Paper 2072. 29. Kim S. (1995) Expansion of Markets and the Geographic Distribution of

Economic Activities: The Trends in US Regional Manufacturing Structure 1860 – 1987. 30. Kinoshita Y. (2000) R&D and Technology Spillovers via FDI in the Czech

Manufacturing Firms. . CEPR. WDI Annual International Conference on Transition Economics. 2000. 31. Koyck, L.M. (1954) Distributed lags and investment analysis. Amsterdam: North

Holland. 32. Kozlov K., Melentieva N., Ponomareva N., Ydaeva K. (2000) Does Foreign

Ownership Matter? Russian Experience/ CEPR, WDI Annual International Conference on Transition Economics. 33. Krugman P. (1991a) Increasing Returns and Economic Geography. Journal of

Political Economy, 99, p. 483 – 499.

108

34. Krugman P. (1991b) Geography and Trade. MIT Press. 35. Krugman P. (1991c) History Versus Expectations. Quarterly Journal of

Economics, 106, 2,651 – 667. 36. Kugman P. (1993) The Hub Effect; or Threeness in International Trade. In W. J.

Ethier, E. Helpman, and J.Pneqry (eds.). Theory, Policy and Dynamics in International Trade. Cambidge: Cambridge University Press, 29 - 37. 37. Krugman P. Venables A. (1995) Globalization and the Inequality of Nations.

Quarterly Journal of Economics, 60, p.857 – 880. 38. Krugman P. Venables A. (1996) Integration, Specialization, and Adjustment.

European Economics Review, 40, 959 – 967. 39. Manski C.F.(1995) Identification problems in the Social Sciences. Harvard

University Press. Cambridge, Massuchusetts. – 172 p. 40. Markusen J.R., Venables A.J. (1997) Foreign Direct Investment as a Catalyst for

Industrial Development. NBER, Working Paper, 6241. 41. Martin P. Ottaviano G.I. (1996) Growth and Agglomeration. Center for Economic

Policy Research (CEPR), Discussion Paper 1529. 42. Martin P. Ottaviano G.I. (1998) Growing Location: Industry Location in a model

of Endogenous Growth. European Economics Review, forthcoming. 43. Matsuyama K. (1991) Increasing returns, Industrialization and Indeterminacy of

equilibrium. Quarterly Journal of Economics, 106, 2, p. 617 – 650. 44. Ottaviano G.I. (1996) Monopolistic Competition, Trade and Endogenous Spatial

Fluctuations. Center for Economic Policy Research (CEPR), Discussion Paper 1327. 45. Ottaviano G.I., Puga D. (1998) Agglomeration in the Global Economy: A Survey

of the ‘New Economic Geography’. Blackwell Publishers Ltd, p. 707 – 731.

109

46. Popov V. Reform Strategies and Economic Performance of Russia’s Regions.

Institute of European and Rassian Studies (EURUS). Carleton University. Working Paper. 47. Prasnikar J., Sveinar J. (2000) Investment, Wages and Ownership during the

Transition to a Market Economy: Evidence from Slovenian Firms. CEPR. WDI Annual International Conference on Transition Economics. 2000. 48. Puga D. (1998) The rise and fall of regional inequalities. European Economics

Review, forthcoming. 49. Venables A. (1996) Equilibrium location with vertically linked industries.

International Economics Review. 37, 341 – 359. 50. Verbeek M. (2000) A Guide to Modern Econometrics. John Wiley & Sons. 386 p. 51. Wheeler D., Mody A. (1992) International Investment Location Decisions.

Journal of International Economics, 33, p. 57 – 76. 52. Аркин В., Сластников А., Шевцова Э. Налоговое стимулирование

инвестиционных проектов в российской экономике. М.: РПЭИ, 1999. 68 с. 53. Волчкова Н.А. (2000) Финансово промышленные группы России: влияет ли

участие в ФПГ на инвестиции предприятий в основные средства. EERC, Финальный отчет по проекту. 54. Коломак Е.А. Субфедеральные налоговые льготы и их влияние на

привлечение инвестиций. Эмпирический анализ. Серия научных докладов РПЭИ, 2К/07. 55. Михеева Н.Н. (2000) Дифференциация социально-экономического

положения регионов России и проблемы региональной политики. Серия научных докладов РПЭИ, 99/09. 56. Регионы России. М.: Госкомстат. 1996, 1997, 1998, 1999, 2000, 2001.

110

57. Российский статистический ежегодник. М.: Госкомстат, 1994, 1998, 1999

111

Приложение 1 Обозначения переменных и параметров теоретической модели Индексы: X – индекс региона с растущей отдачей; A – индекс региона с постоянной отдачей t – время. Переменные: I – объем инвестиций в экономику страны; IX , IA – объем инвестиций в регионы X и A соответственно; Y - национальный доход; YX, YA – валовый региональный продукт в регионах X и A соответственно; π - отдача от инвестиций в регионе X относительно региона A; R – доход инвестора; m – темп перемещения инвестиций в регион X; q – теневая цена инвестиций в X по отношению к A; h – теневая цена инвестиций в экономику. Параметры: r – процентная ставка на мировых рынках; β – сила внешней экономии от агломерации; I X* – объем инвестиций в X, при котором равна доходность инвестиций в X и в A; γ – индекс, обратный к издержкам приспособления инвестиций (характеризует скорость приспособления инвестиций); µ - фондоемкость;

112

µ x , µ A – фондоемкость в регионах X и A соответственно; λ – скорость приспособления желаемого и фактического капитала; λ x , λ A – скорость приспособления желаемого и фактического капитала в регионах X и A соответственно; δ - скорость затухания лаговых связей;

Приложение 2 Условия первого порядка для задачи центра

Уравнение скорости изменения инвестиций в экономике   a −1 I& = ηθI −  π′(I x )I x + π − 1 − aµ x λ x  

  a−b  I x  ,  γq −  δ(π − 1) − aµ x    

(П.2.1)

уравнение скорости изменения теневой цены инвестиций в экономике h& = (r − ηθ )h − 1 − l ,

(П.2.2)

условие дополняющей нежесткости:

(I − I x ) ≥ 0,

l ≥ 0,

(I − I x ) l =0,

(П.2.3)

условие трансверсальности: lim e − rt hI = 0 .

(П.2.4)

t →∞

Приложение 3 Характеристическое уравнение для задачи центра

После разложения в ряд Тейлора в стационарной точке уравнение (3.25) принимает вид

113

     a −1 b − a b−a I x*  I& = η − βI x* q + ηθ I − − δβI x*  I x − I x* + ηγ  b − aδµ x     aµ x λ x   aµ x

(

)

(П.3.1)

Характеристическое уравнение системы (3.5), (3.9), (П.3.1) имеет вид

0 −ρ γ 0 = 0, r −ρ −β  a −1  a−b  − β I x*  ηθ − ρ − δβI x*  ηγ  η  aµ x λ x   aµ x 

(П.3.2)

или

(ηθ − ρ)(ρ 2 − rρ + γβ) = 0

(П.3.3)

Приложение 4 Вывод модели гибкого акселератора с ожиданиями инвесторов Ожидаемые чистые

(

инвестиции I t*+e1 определяются желаемым приростом

)

основных фондов K te+1 − K t и скоростью приспособления капитала λ

(

)

I t*+e1 = λ K te+1 − K t ,

(П.4.1)

где K te+1 - желаемый или оптимальный уровень капитала. Подставив в (П.4.1) выражение для акселератора K te+1 = µYt e+1 ,

(П.4.2)

где Yt e+1 - ожидаемый уровень производства, получим I t*+e1 = λµYt e+1 − λK t . При

рациональных

ожиданиях

чистые

ожидаемые

(П.4.3) инвестиции

равны

действительному приросту капитала I t*+e1 = K t +1 − K t ,

(П.4.4)

тогда

114

λµYt e+1 − λK t = K t +1 − K t .

(П.4.5)

Что позволяет выразить действительный уровень капитала в году t + 1 через ожидаемый выпуск K t +1 = λµYt e+1 + (1 − λ ) K t .

(П.4.6)

Пусть δ - постоянный темп устаревания капитала, тогда уравнение валовых ожидаемых инвестиций I te+1 с учетом (П.4.5) принимает вид I te+1 = K t +1 − (1 − δ) K t = λµYt e+1 + (δ − λ ) K t .

(П.4.7)

Для валовых инвестиций текущего года t можно записать I t = λµYt + (δ − λ) K t −1 ,

(П.4.8)

где I t и Yt - текущие инвестиции и выпуск. Вычтем (П.4.8), умноженное на (1- δ), из (П.4.7) и получим I te+1 − (1 − δ) I t = λµYt e+1 + (δ − λ ) K t − (1 − δ)λµYt − (1 − δ)(δ − λ ) K t −1 , тогда с учетом (П.4.8) I te+1 = λµYt e+1 − (1 − δ)λµYt + (1 − λ ) I t .

(П.4.9)

Выразим ожидаемый уровень производства через текущий выпуск и ожидаемые и текущие инвестиции: Yt e+1 = (1 − δ)Yt +

1 e (1 − λ ) I t +1 − It . λµ λµ

(П.4.10)

115

Приложение 5 Таблица П5 Распределение регионов по группам Регионы с высокой долей добывающей промышленности

Регионы с преобладанием обрабатывающей промышленности

Северные регионы

Вологодская

Санкт-Петербург

Пензенская

Карелия

Ленинградская

Новгородская

Самарская

Коми

Рязанская

Псковская

Саратовская

Архангельская

Тульская

Брянская

Ульяновская

Мурманская

Белгородская

Владимирская

Адыгея

Тюменская

Липецкая

Ивановская

Дагестан

Красноярский

Татарстан

Калужская

Кабардино-Балкарская

Саха

Волгоградская

Костромская

Карачаево-Черкесская

Чукотский

Башкортостан

Москва

Северная Осетия - Алания

Оренбургская

Московская

Краснодарский

Пермская

Орловская

Ставропольский

Свердловская

Смоленская

Ростовская

Челябинская

Тверская

Удмуртская

Кемеровская

Ярославская

Курганская

Омская

Марий Эл

Алтай

Томская

Мордовия

Алтайский

Хакасия

Чувашская

Новосибирская

Иркутская

Кировская

Бурятия

Читинская

Нижегородская

Тыва

Хабаровский

Воронежская

Еврейская

Амурская

Курская

Приморский

Магаданская

Тамбовская

Камчатская

Калмыкия

Сахалинская

Астраханская

Калининградская

Приложение 6 Взаимосвязь параметров эконометрической и теоретической моделей Параметры теоретической модели рассчитывались на основе оценок параметров эконометрической модели с переключением режимов ожиданий с дифференциацией по группам регионов (4.20). Учитывая обозначения (4.2), формулы для

расчета параметров теоретической модели принимают

следующий вид.

116

Скорость затухания лаговых связей вычисляется по формуле δ = 1 − β1 .

(П6.1)

Фондоемкость в регионе с постоянной отдачей равна µA =

1 , α 1k λ A

(П6.2a)

(+ )

где k = 1, 3 в эконометрической модели соответствует регионам с преобладанием добывающей промышленности и северной группе регионов, в которых также преобладает добывающая промышленность. Оценки для двух указанных групп регионов позволяют рассчитать параметры для региона с постоянной отдачей в теоретической модели; фондоемкость в регионе с растущей отдачей определяется как µX =

1 , α 1k λ X

(П6.2b)

(+ )

где k = 2 соответствует группе регионов с преобладанием обрабатывающей промышленности и дает оценку параметров для региона с растущей отдачей. Скорость

приспособления

желаемого

и

фактического

капитала

можно

вычислить следующим образом λA =

β2 + 1 ; (П6.3a) α1(+k )

λX =

β2 + 1 , (П6.3b) α 1(+k )

где k = 1, 3 в (П6.3a) и k = 2 в (П6.3b) соответствуют индексам групп регионов с преобладанием добывающей промышленности, северной группе регионов и группе регионов с преобладанием обрабатывающей промышленности. С учетом соотношений (3.20) – (3.22) вычисляются значения параметров r, γ и β, определяющие особенности процессов агломерации.

117

Приложение 7 Результаты эконометрического анализа моделей Таблица П7.1 Оценки параметров уравнений регрессии для показателей концентрации производства в промышленности (регрессия с переключением режимов ожиданий инвесторов)1 1

yll idplus idminus il transptp transptm tareatp tareatm tdisttp tdisttm p-lev Sar

0,6916* (0,0926) 0,3868 (0,2684) 0,1245 (0,2510) -0,0963 (0,1917) -0,0819 (0,8474) 0,0216 (0,3816) -0,0269 (0,3102) -0,0129 (0,1326) 0,0171 (0,1497) -0,0000 (0,4283) 1

prom2

aggl2

2

3 0,4873* (0,0606) 0,0379 (0,0371) -0,1784* (0,0416) 0,0357 (0,0325) 0,3021 (0,2202) 0,1767 (0,1601) -0,1008*** (0,0595) -0,0708*** (0,0406) -0,0200 (0,0331) -0,0082 (0,0231) 1

scale23 4

1,1658* (0,1133) 0,0565 (0,1743) -0,7453* (0,2604) -0,0785 (0,1512) -2,5339* (1,0198) -2,1158* (0,7440) 0,2216 (0,2742) 0,2097 (0,1895) 0,2525*** (0,1535) 0,2099** (0,1073) 1

1

* - 1%, ** - 5%, *** - 10%, модель с фиксированными эффектами, оценки региональных фиксированных эффектов не приводятся. Верхняя цифра соответствует оценке параметра, нижняя цифра в круглых скобках показывает ошибку. 2 Инструменты deltay, dplus, dmin13 3 Инструменты deltay, dplus, dmin2

Таблица П7.2 Оценки параметров уравнений регрессии для показателей относительной концентрации в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов)1 locto2 locen2 locch2 loccv2 loch2i 2 3 4 5 6 0,3913* 0,6297* 0,2346* 0,3739* yl 0,8273* (0,0496) (0,0676) (0,0657) (0,0910) (0,0728) 0,0739 0,1222** -0,0852 0,0750 idplus 0,1760* (0,0676) (0,0701) (0,0574) (0,1710) (0,0959) -0,1497** -0,0469 -0,3631** -0,1959** idminus -0,1007*** (0,0597) (0,0688) (0,0506) (0,1695) (0,0994) 0,0038 -0,0961** 0,1548 -0,0397 il -0,0191 (0,0512) (0,0576) (0,0443) (0,1416) (0,0810) -0,3825 -0,3841 0,3454 0,1055 transptp -0,0478 (0,3521) (0,3981) (0,3003) (0,9700) (0,5571) -0,1111 -0,2043 0,1399 0,0689 transptm -0,0660 (0,2560) (0,2884) (0,2180) (0,7043) (0,4045) -0,2040*** -0,0710 0,4171*** -0,0660 tareatp -0,0138 (0,0965) (0,1082) (0,0775) (0,2340) (0,1553) -0,1353*** -0,0249 0,3316** -0,0496 tareatm 0,0019 (0,0657) (0,0736) (0,0525) (0,1585) (0,1056) 0,1073*** 0,0658 -0,1549 -0,0108 tdisttp 0,0106 (0,0533) (0,0598) (0,0448) (0,1430) (0,0843) 0,0511 0,0304 -0,0985 -0,0082 tdisttm 0,0075 (0,0371) (0,0417) (0,0312) (0,0985) (0,0587) 1 1 1 1 1 p-lev Sar 1 * - 1%, ** - 5%, *** - 10%, модель с фиксированными эффектами, оценки региональных фиксированных эффектов не приводятся. Верхняя цифра соответствует оценке параметра, нижняя цифра в круглых скобках показывает ошибку. 2 Инструменты deltay, dplus, dmin6 1

118

Таблица П7.3 Оценки параметров уравнений регрессии для показателей относительной концентрации в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов)1 locma2 locls2 locpsm2 locle2 locpi2 1 2 3 4 5 6 0,1691** 0,5138* 0,6914* 0,5765* yl 0,2940* (0,1025) (0,0824) (0,1001) (0,0748) (0,0541) 0,1348 0,4019*** 0,5414** 0,0639 idplus 0,0823 (0,0980) (0,2596) (0,2327) (0,2288) (0,0717) -0,5193** -0,0834 0,1093 -0,1913** idminus -0,0808 (0,1002) (0,2561) (0,2211) (0,2123) (0,0799) 0,1987 -0,2288 -0,4363** 0,1188*** il -0,0109 (0,0848) (0,2139) (0,1894) (0,1872) (0,0646) 0,7405 0,1543 0,3472 -0,0213 transptp -0,4002 (0,5829) (1,4744) (1,3020) (1,2601) (0,4277) 0,3340 0,0402 0,4288 -0,1807 transptm -0,2655 (0,4184) (1,0693) (0,9411) (0,9117) (0,3115) -0,1504 -0,3866 -0,0057 -0,1551 tareatp 0,0245 (0,1353) (0,4090) (0,3599) (0,3429) (0,1109) -0,1152 -0,1214 0,0323 -0,0959 tareatm 0,1178 (0,0910) (0,2779) (0,2434) (0,2335) (0,0753) -0,0783 -0,0827 -0,0328 0,0394 tdisttp 0,0479 (0,0856) (0,2232) (0,1979) (0,1901) (0,0640) -0,0165 0,0241 -0,0552 0,04978 tdisttm 0,0330 (0,0583) (0,1553) (0,1366) (0,1321) (0,0447) 1 1 1 1 1 p-lev Sar 1 * - 1%, ** - 5%, *** - 10%, модель с фиксированными эффектами, оценки региональных фиксированных эффектов не приводятся. Верхняя цифра соответствует оценке параметра, нижняя цифра в круглых скобках показывает ошибку. 2 Инструменты deltay, dplus, dmin6

Таблица П7.4 Оценки параметров уравнений регрессии для показателей абсолютной концентрации в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов)1 Otrto2 otren2 otrch2 otrcv2 otrhi2 2 3 4 5 6 0,2197* 0,8403* 05262* 0,4575* yl 1,0961* (0,0457) (0,0611) (0,0788) (0,0588) (0,0677) 0,4263* 0,1900 0,0810 0,0854 idplus 0,5110* (0,1736) (0,1405) (0,1624) (0,2411) (0,1521) 0,0336 -0,0711 -0,5627** -0,3348** idminus 0,0708 (0,1579) (0,1380) (0,1519) 0,2575() (0,1603) -0,1400 -0,1613 0,0329 0,1342 il -0,4175* (0,1373) (0,1192) (0,1357) (0,2084) (0,1311) -1,6838** -0,8981 -0,1452 -0,3334 transptp -0,1107 (0,9330) (0,8213) (0,8852) (1,4181) (0,8902) -0,3714 -0,5976 -0,0446 -0,6223 transptm -0,1877 (0,6775) (0,5930) (0,6402) (1,0333) (0,6480) -0,0188 -0,0901 1,2123* 0,0478 tareatp 0,2027 (0,2600) (0,2198) (0,2215) (0,3945) (0,2410) -0,0518 -0,0112 0,5388** -0,0403 tareatm 0,2032 (0,1762) (0,1496) (0,1495) (0,2706) (0,1638) 0,2433** 0,1403 -0,2194 0,0339 tdisttp 0,0368 (0,1415) (0,1226) (0,1317) (0,2141) (0,1342) 0,0662 0,0790 -0,0987 0,0846 tdisttm 0,0272 (0,0984) (0,0852) (0,0910) (0,1494) (0,0937) 1 1 1 1 1 p-lev Sar 1 * - 1%, ** - 5%, *** - 10%, модель с фиксированными эффектами, оценки региональных фиксированных эффектов не приводятся. Верхняя цифра соответствует оценке параметра, нижняя цифра в круглых скобках показывает ошибку. 2 Инструменты deltay, dplus, dmin6 1

119

Таблица П7.5 Оценки параметров уравнений регрессии для показателей абсолютной концентрации в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов)1 otrma2 otrls2 otrpsm2 otrle2 otrpi2 1 2 3 4 5 6 0,1490*** 0,5497* 0,5041* 0,5807* yl 0,0434 (0,0864) (0,0865) (0,0983) (0,0823) (0,0801) 0,0667 0,4287** 0,4416** 0,2224** idplus 0,0035 (0,1520) (0,2084) (0,1892) (0,1860) (0,1037) -0,4999** -0,0936 0,0315 -0,0770 idminus -0,3429** (0,1693) (0,2301) (0,1897) (0,1770) (0,1049) 0,1931 -0,2013 -0,3641** -0,1090 il 0,1607 (0,1324) (0,1804) (0,1610) (0,1528) (0,0903) 0,5726 0,9686 0,7279 -0,5374 transptp -2,8662* (0,8993) (1,2346) (1,1487) (1,0847) (0,6114) 0,5127 -0,5594 -0,5545 -1,3327* transptm -2,2988* (0,6564) (0,8971) (0,8100) (0,7640) (0,4446) -0,0134 0,4286 0,3609 0,3779** tareatp 0,6254* (0,2350) (0,3411) (0,3007) (0,2878) (0,1645) 0,1706 0,1646 0,1493 0,2237** tareatm 0,3704** (0,1592) (0,2320) (0,2037) (0,1957) (0,1117) -0,0832 -0,2417 -0,1917 -0,0399 tdisttp 0,1939 (0,1349) (0,1865) (0,1730) (0,1628) (0,0912) -0,1018 -0,0222 0,0312 0,1138*** tdisttm 0,1909** (0,0941) (0,1302) (0,1170) (0,1104) (0,0637) 1 1 1 1 1 p-lev Sar 1 * - 1%, ** - 5%, *** - 10%, модель с фиксированными эффектами, оценки региональных фиксированных эффектов не приводятся. Верхняя цифра соответствует оценке параметра, нижняя цифра в круглых скобках показывает ошибку. 2 Инструменты deltay, dplus, dmin6

Таблица П7.6 Оценки параметров уравнений регрессии для показателей концентрации производства в промышленности (регрессия с переключением режимов ожиданий инвесторов и дифференциацией по группам регионов)1 prom2 2

1

aggl2 3

scale22 4

0,6872* 0,4682* 1,2191* (0,1747) (0,0619) (0,1088) -0,0489 0,4215 idpre 0,5306 (0,7490) (0,1126) (0,5030) -0,3711* -0,2665 idmre 0,2212 (0,5892) (0,1197) (0,5931) 0,0564 0,0796 idpma 0,3578 (0,4792) (0,0394) (0,1684) -0,1038** -0,8598* idmma 0,1072 (0,4584) (0,0470) (0,3964) 0,0018 -0,0011 idpno 0,3548 (0,7869) (0,1096) (0,4183) -0,2930* -0,9691*** idmno 0,1120 (0,5684) (0,0956) (0,5569) 0,0214 -0,1250 il -0,1005 (0,3350) (0,0321) (0,1361) 0,3013 -2,1871** transptp -0,0815 (0,3839) (0,2168) (0,9144) 0,1965 -1,7915* transptm 0,0175 (0,6187) (0,1578) (0,6649) -0,1118*** 0,2602 tareatp -0,0279 (0,5041) (0,0592) (0,2609) -0,0743*** 0,2396 tareatm -0,0147 (0,2154) (0,0400) (0,1754) -0,0172 0,2050 tdisttp 0,0176 (0,2435) (0,3260) (0,1390) -0,0102 0,1655*** tdisttm 0,0012 (0,1095) (0,0233) (0,0966) 1 1 1 p-lev Sar 1 * - 1%, ** - 5%, *** - 10%, модель с фиксированными эффектами, оценки региональных фиксированных эффектов не приводятся. Верхняя цифра соответствует оценке параметра, нижняя цифра в круглых скобках показывает ошибку. 2 Инструменты deltay, dpre, dmre, dpma, dmma, dpno, dmno yl

120

Таблица П7.7 Оценки параметров уравнений регрессии для показателей относительной концентрации производства в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов и дифференциацией по группам регионов)1 locto2 locen2 locch2 loccv2 lochi2 1 2 3 4 5 6 0,4185* 0,6790* 0,2969* 0,4501* yl 0,8391* (0,0472) (0,0641) (0,0618) (0,0693) (0,0693) 0,3568*** -0,0869 0,0414 1,0725* idpre 0,3889** (0,1672) (0,2034) (0,1580) (0,3500) (0,3146) -0,0925 -0,4504* -0,5470 0,1494 idmre -0,0617 (0,1805) (0,1891) (0,1401) (0,3666) (0,2692) 0,0146 0,1080*** -0,0637 0,0338 idpma 0,0547 (0,0789) (0,0708) (0,0599) (0,1284) (0,0969) -0,2343* 0,0008 -0,1737 -0,1654 idmma -0,0340 (0,0620) (0,0742) (0,0502) (0,1323) (0,1080) 0,2486 -0,0734 0,3852 -0,0167 idpno 0,0175 (0,1397) (0,1912) (0,1107) (0,3002) (0,2087) 0,1479 -0,2338** -0,2814 -0,0578 idmno -0,3202** (0,1320) (0,1608) (0,1192) (0,2889) (0,2146) 0,0051 -0,0619 0,1097 -0,0239 il -0,0351 (0,0485) (0,0543) (0,0411) (0,0980) (0,0773) -0,3256 -0,3215 -0,0046 0,0593 transptp 0,0174 (0,3292) (0,3747) (0,2734) (0,6771) (0,5206) -0,0918 -0,1889 -0,1090 0,0237 transptm -0,0120 (02396) (0,2717) (0,1982) (0,4950) (0,3784) -0,1543 -0,0812 0,3398*** -0,0660 tareatp 0,0014 (0,0920) (0,1040) (0,0770) (0,1862) (0,1479) -0,1073 -0,0258 0,2887** -0,0387 tareatm 0,0166 (0,0627) (0,0702) (0,0518) (0,1258) (0,0996) 0,0887 0,0594 -0,0887 -0,0035 tdisttp -0,0024 (0,0502) (0,0566) (0,0414) (0,1021) (0,0790) 0,0423 0,0291 -0,0538 -0,0034 tdisttm -0,0023 (0,0349) (0,0393) (0,0287) (0,0713) (0,0549) 1 1 1 1 1 p-lev Sar 1 * - 1%, ** - 5%, *** - 10%, модель с фиксированными эффектами, оценки региональных фиксированных эффектов не приводятся. Верхняя цифра соответствует оценке параметра, нижняя цифра в круглых скобках показывает ошибку. 2 Инструменты deltay, dpre, dmre, dpma, dmma, dpno, dmno

121

Таблица П7.8 Оценки параметров уравнений регрессии для показателей относительной концентрации производства в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов и дифференциацией по группам регионов)1 locma2 locls2 locpsm2 locle2 locpi2 1 2 3 4 5 6 0,1750*** 0,5141* 0,6998* 0,5723* yl 0,3325* (0,0832) (0,0915) (0,0803) (0,0604) (0,0554) 0,1199 0,3929 0,3441 0,0265 idpre 0,1337 (0,2796) (0,8737) (0,5608) (0,5559) 0,2427() -0,6594 -0,0341 0,1194 -0,2024 idmre -0,1961 (0,2767) (0,8527) (0,5500) (0,5115) (0,2262) 0,1397 0,3482*** 0,6540* 0,0798 idpma 0,1274 (0,0987) (0,3043) (0,1993) (0,2028) (0,0813) -0,5955*** -0,2418 0,0430 -0,2089** idmma -0,2894* (0,1080) (0,3270) (0,1984) (0,1885) (0,0979) -0,0533 0,6432 0,4288 0,0288 idpno -0,0195 (0,2070) (0,7081) (0,6509) (0,4352) (0,1769) -0,4856 0,3966 0,2507 -0,1700 idmno -0,0568 (0,2157) (0,6420) (0,4424) (0,4274) (0,1962) 0,2379 -0,2506*** -0,4682* 0,1386** il 0,0924 (0,0788) (0,2396) (0,1526) (0,1537) (0,0704) 0,7073 0,0754 0,2135 -0,1345 transptp -0,5157 (0,5242) (1,6173) (1,0398) (1,0148) (0,4431) 0,2782 -0,0160 0,4138 -0,2619 transptm -0,1722 (0,3800) (1,1736) (0,7516) (0,7333) (0,3219) -0,1475 -0,3106 -0,0243 -0,1670 tareatp 0,0108 (0,1482) (0,4559) (0,2924) (0,2811) (0,1248) -0,1072 -0,0957 -0,0029 -0,0968 tareatm -0,0282 (0,0997) (0,3071) (0,1969) (0,1907) (0,0842) -0,0750 0,0791 -0,0118 0,0560 tdisttp 0,0692 (0,0798) (0,2454) (0,1582) (0,1534) (0,0671) 0,0112 0,0267 -0,0456 0,0598 tdisttm 0,0335 (0,0552) (0,1704) (0,1091) (0,1063) (0,0468) 1 1 1 1 1 p-lev Sar 1 * - 1%, ** - 5%, *** - 10%, модель с фиксированными эффектами, оценки региональных фиксированных эффектов не приводятся. Верхняя цифра соответствует оценке параметра, нижняя цифра в круглых скобках показывает ошибку. 2 Инструменты deltay, dpre, dmre, dpma, dmma, dpno, dmno

122

Таблица П7.9 Оценки параметров уравнений регрессии для показателей абсолютной концентрации производства в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов и дифференциацией по группам регионов)1 otrto2 otren2 otrch2 otrcv2 otrhi2 1 2 3 4 5 6 0,1943* 0,8392* 0,5564* 0,4908* yl 1,1201* (0,0501) (0,0530) (0,0762) (0,0482) (0,0638) 1,4131* 0,6235 0,3291 1,32226* idpre 0,7352 (0,4612) (0,3579) (0,4719) (0,6134) (0,4828) 0,7261** -0,2685 -0,4593 0,1954 idmre -0,2483 (0,5101) (0,3532) (0,4307) (0,6855) (0,4219) 0,3154** 0,1283 -0,0462 0,0066 idpma 0,2884 (0,1875) (0,1409) (0,1682) (0,2199) (0,1523) -0,0412 0,0086 -0,1793 -0,3273*** idmma 0,0916 (0,1650) (0,1252) (0,1505) (0,2316) (0,1703) 0,5182** 0,0266 0,0085 0,0287 idpno 0,7344*** (0,4502) (0,2640) (0,3625) (0,5067) (0,3359) 0,2402 -0,1668 -2,0458* -0,1930 idmno -0,0286 (0,3771) (0,2780) (0,4243) (0,4566) (0,3303) -0,1402 -0,1232 0,1759 0,0936 il -0,3452* (0,1356) (0,1170) (0,1251) (0,1719) (0,1209) -1,5430** -0,7041 -0,7821 -0,3731 transptp -0,0476 (0,8910) (0,6837) (0,8198) (1,1562) (0,8209) -0,2593 -0,5611 -0,5385 -0,6820 transptm -0,2219 (0,6468) (0,4933) (0,5969) (0,8416) (0,5976) 0,0077 -0,0876 0,9833* 0,0944 tareatp 0,2566 (0,2533) (0,1879) (0,2225) (0,3289) (0,2321) -0,0379 0,0034 0,4470** -0,0054 tareatm 0,2447 (0,1705) (0,1271) (0,1503) (0,2231) (0,1566) 0,2206** 0,1102 -0,0994 0,0310 tdisttp -0,0613 (0,1352) (0,1024) (0,1234) (0,1751) (0,1245) 0,0501 0,0688 -0,0237 0,0862 tdisttm -0,0321 (0,0937) (0,0710) (0,0862) (0,1218) (0,0867) 1 1 1 1 1 p-lev Sar 1 * - 1%, ** - 5%, *** - 10%, модель с фиксированными эффектами, оценки региональных фиксированных эффектов не приводятся. Верхняя цифра соответствует оценке параметра, нижняя цифра в круглых скобках показывает ошибку. 2 Инструменты deltay, dpre, dmre, dpma, dmma, dpno, dmno.

123

Таблица П7.10 Оценки параметров уравнений регрессии для показателей абсолютной концентрации производства в отраслях промышленности (регрессия с переключением режимов ожиданий инвесторов и дифференциацией по группам регионов)1 otrma2 otrls2 otrpsm2 otrle2 otrpi2 1 2 3 4 5 6 0,1817** 0,5581* 0,5166* 0,6182* yl 0,0684 (0,0801) (0,0806) (0,0911) (0,0773) (0,0776) 1,5687* 0,5936 0,5238 0,4446 idpre 0,4345 (0,4257) (0,6308) (0,5135) (0,5285) (0,2924) 0,6634 -0,1702 0,1170 -0,0416 idmre -0,0911 (0,4247) (0,6066) (0,5278) (0,4938) (0,3031) -0,0703 0,4241** 0,4816* 0,2593** idpma 0,0304 (0,1516) (0,2057) (0,1914) (0,1913) (0,1107) -0,5859** -0,1684 -0,0271 -0,1390 idmma -0,3925** (0,1721) (0,2610) (0,1863) (0,1823) (0,1082) 0,3875 0,4470 0,3351 0,3715*** idpno -0,0283 (0,3543) (0,4826) (0,4024) (0,4049) (0,2231) -0,2313 0,2784 0,1540 0,3118 idmno -0,1003 (0,4554) (0,4454) (0,3949) (0,3825) (0,2484) 0,1634 -0,2079 -0,3849* -0,1555*** il 0,1537 (0,1218) (0,1662) (0,1468) (0,1450) (0,0870) 0,4701 1,0218 0,7007 -0,5088 transptp -2,7469* (0,8201) (1,1276) (1,0372) (1,0059) (0,5773) 0,4419 -0,5040 0,5437 -1,2857* transptm -2,1981* (0,5972) (0,8196) (0,7307) (0,7086) (0,4199) 0,0302 0,4809*** 0,3609 0,4679* tareatp 0,6339* (0,2310) (0,3152) (0,2777) (0,2721) (0,1624) 0,1907 0,1958 0,1377 0,2863* tareatm 0,3880** (0,1562) (0,2130) (0,1867) (0,1835) (0,1096) -0,0780 -0,2576*** -0,1875 -0,0595 tdisttp 0,1795 (0,1244) (0,1705) (0,1565) (0,1515) (0,0865) -0,0973 0,0104 0,0324 0,0964 tdisttm 0,1758** (0,0869) (0,1189) (0,1055) (0,1024) (0,0604) 1 1 1 1 1 p-lev Sar 1 * - 1%, ** - 5%, *** - 10%, модель с фиксированными эффектами, оценки региональных фиксированных эффектов не приводятся. Верхняя цифра соответствует оценке параметра, нижняя цифра в круглых скобках показывает ошибку. 2 Инструменты deltay, dpre, dmre, dpma, dmma, dpno, dmno

124

Приложение 8 Обозначения индексов и переменных эконометрической модели Индексы: i – индекс региона, i = 1,2, …, n; t – индекс года, t = 1,2, …, Т. Зависимые переменные (Yit+1) prom - производство промышленной продукции в ценах 1990 г. на одного жителя региона, млн. руб. на 1 чел. аggl – коэффициент агломерации промышленного производства в регионе; определяется как коэффициент вариации коэффициентов локализации отраслей в регионе; scale2 – отношение объема выпуска отраслей промышленности в регионе, имеющих в РФ более 2,6% выпуска, к объему промышленного производства РФ. Отраслевые коэффициенты концентрации производства Показатели Показатели абсолютной Перечень отраслей

относительной концентрации отраслей концентрации отраслей locen

otren

энергетика

locto

otrto

топливная промышленность

locch

otrch

черная металлургия

loccv

otrcv

цветная металлургия химическая и нефтехимическая

lochi

otrhi

промышленность

125

locma

otrma

машиностроение и металлообработка лесная, деревообрабатывающая и целлюлозно-бумажная

locls

otrls

промышленность промышленность строительных материалов

locpsm

otrpsm

locle

otrle

легкая промышленность

locpi

otrpi

пищевая промышленность

Объясняющие переменные I

Инвестиции в основной капитал в ценах 1990 г. на одного жителя региона, млрд. руб.

idpus

Объем инвестиций в экономику региона в случае позитивных ожиданий инвесторов

idminus

Объем инвестиций в экономику региона в случае негативных ожиданий инвесторов

idpre,

Инвестиции, продифференцированные по группам регионов:

idpma,

регионов с преобладанием добывающих отраслей,

idpno

обрабатывающих отраслей, северных регионов соответственно для позитивных ожиданий инвесторов

idmre, idmma, idmno

Инвестиции, продифференцированные по группам регионов с преобладанием добывающих отраслей, обрабатывающих отраслей, северных регионов соответственно для негативных ожиданий инвесторов

Переменные, продифференцированные в зависимости от изменения транспортных

126

тарифов transptp, transptm

Отношение индекса тарифов на грузовые перевозки к индексу цен производителей промышленной продукции соответственно в случае снижения и в случае роста транспортных тарифов

taretp,tareatm

Произведение транспортных тарифов на натуральный логарифм радиуса площади региона соответственно для случая снижения и для случая роста транспортных тарифов

tdisttp, tdisttm

Произведение транспортного тарифа на натуральный логарифм расстояния от центра региона до Москвы соответственно для случая снижения и для случая роста транспортного тарифа

Инструменты для инвестиций в регрессии с переключением режимов ожиданий инвесторов и дифференциацией по группам регионов dpre = dplus*resourc*lnemp; dmre = dminus*resourc*lnemp; dpma = dplus*manuf*lnemp; dmma = dminus* manuf *lnemp; dpno = dplus*north*lnemp; dmno = dminus* north *lnemp, где

resourc, manuf, north – фиктивные переменные для регионов с

преобладанием добывающей промышленности, для регионов с преобладанием обрабатывающей

промышленности

и

северной

группы

регионов

соответственно. Значения переменной равно единице, если регион принадлежит к указанной группе, и равно нулю в противном случае; lnemp – натуральный логарифм численности занятых в экономике региона.

127