Определение факторов, лежащих в основе экономического роста городов и оказывающих влияние на его динамику

Для того, чтобы построить показатель оценки созданной добавленной стоимости необходимо иметь два показателя: показатель количества занятых и средней оплаты труда. В базе данных мультистат показатель занятости отсутствует, но имеется показатель среднесписочной численности работников организаций, который может быть использован как показатель занятости. В качестве показателя средней заработной платы взят показатель среднемесячной оплаты труда работников.

Таким образом, Оценка созданной добавленной стоимости (руб.) = Среднесписочная численность работников организаций (чел.) Х Среднемесячная оплата труда работников (руб.).

В качестве показателя инвестиций взят показатель инвестиций в основной капитал. Данный показатель, как и все показатели раздела инвестиций, рассчитан на период до 2011 года, что накладывает определенные ограничения на выборку.

Для того, чтобы оценить влияние бюджетных вливаний на рост города было принято решение взять за основу показатель инвестиций в город из бюджетов вышестоящих уровней. При этом, возможно было бы наиболее показательным проанализировать объем субсидий из бюджетов вышестоящих уровней, но данная статистика отсутствует в базе мультистат. В этом случае, осуществляющим схожую функцию является показатель бюджетных инвестиций, которые равен: Бюджетные инвестиции (тыс. руб.) = федеральные бюджетные инвестиции (тыс. руб.) + региональные бюджетные инвестиции (тыс. руб.).

В предыдущей главе при рассмотрении неоклассической теории роста городов была рассмотрена модель роста с техническими изменениями, согласно которой НТП оказывает воздействие на рабочую силу через приобретение нового опыта и знания, которые повышают производительность. В этих целях принято решение ввести в модель сводный показатель «Оценки темпов роста капиталовооруженности труда», который равен отношению темпов прироста инвестиций и темпа прироста занятости - 1. Если брать логику данного показателя, то, чем выше капиталовооруженность труда, тем выше должна быть производительность труда и тем выше заработная плата. Следовательно, показатель «темпов роста капиталовооруженности труда» посчитанный таким образом, должен быть значимым для темпов роста заработной платы.

Еще одним важным фактором, который может выступать как причиной, так и следствием роста городов, является показатель чистого миграционного прироста, посчитанный в промилле.

Для того, чтобы оценить ресурсную зависимость городов и структуру экономики, принято решение оценить занятость по секторам: занятость в промышленном секторе, занятость в секторе строительства, занятость в секторе услуг (как долю 1 - занятость в промышленном секторе и секторе строительства). Такой подход к занятости в секторе услуг включает в сектор услуг также занятых в секторе транспорта и связи.

Занятость в промышленности представляет собой сумму количества занятых людей в добыче полезных ископаемых, в обрабатывающих производствах, а также в производстве электроэнергии, воды и газа. Для того, чтобы данный индикатор не был привязан к количеству населения - его необходимо перевести к долям занятости:

Доля занятости в промышленности = Занятость в промышленности (чел.)/ Количество занятых (чел.).

Доля занятых в строительстве = Занятость в строительстве (чел.)/Количество занятых (чел.).

Доля занятых в секторе услуг = 1 - Доля занятых в промышленности - Доля занятых в строительстве.

При этом, необходимо отметить, что по занятости в промышленности данных в базе Мультистат до 2006 года не имеется.

Для того, чтобы оценить качество рынка жилья, принято решение включить в выборку два индикатора: количества квартир на одного жителя и долю аварийного жилья в общем количестве.

Количество жилых квартир на одного человека можно оценить следующим образом: количество жилых квартир / количество населения.

Ввиду того, что показателя доли аварийного жилья нет в базе данных мультистат, то его можно рассчитать, взяв три других показателя: общая площадь жилых помещений, общая площадь ветхого жилья, общая площадь аварийного жилья.

Таким образом, для ветхого и аварийного жилья = (площадь ветхого жилья (тыс. кв. м.)+ площадь аварийного жилого фонда (тыс. кв. м.))/общая площадь жилых помещений. Как и показатели раздела инвестиций, показатели раздела жилья представлены до 2011 года включительно.

Для проверки гипотезы о том, каким образом качество образования влияет на рост города (через рост заработной платы), принято решение о том, чтобы ввести показатель количества учебных заведений на 100 000 чел. населения города, который равен (количество высших учебных заведений/ количество населения) Х 100 000. Показатель количества высших учебных заведений рассчитан до 2011 года. При интерпретации данного показателя считается, что большинство людей закончивших ВУЗ в городе остаются в нем жить после его окончания. Безусловно, показатель доли людей с высшим образованием в городе был бы наиболее подходящим для анализа, но в базе данных Мультистат данный показатель на уровне города отсутствует. При этом анализировать показатель региональный считается не очень верным, так как понятно, что относительное большинство людей с высшим образованием скапливается в региональном центре, а в городах, не являющихся региональными центрами значение данного показателя ниже среднего.

В качестве показателя, характеризующего развитость транспортной сети общественного транспорта принято решение включить в выборку показатель плотности транспортной сети общественного транспорта (км/км2). При этом данный показатель может быть посчитан, как отношение суммарной величины эксплуатационной длины трамвайных, троллейбусных и автобусных маршрутов/площадь города.

При этом, показатель плотности линий метрополитена вынесен в отдельный показатель, так как метрополитен по сути является иной транспортной сетью, которая в своей эксплуатации не задействует существующую дорожную инфраструктуру.

Для оценки эффектов притяжения крупного города и/или влияния агломерационных эффектов на рост городов в выборку принято решение включить показатели расстояния до федерального центра и регионального центра. При этом автор понимает, что возможно в целях оценки агломерационных эффектов следовало бы брать показатель, который бы учитывал расстояние до города с населением больше чем в исходном городе, население соседствующего города, количество других городов рядом. Так, например, для города Яранска Кировской области с населением 17 000 человек влияние города Йошкар-Олы с 260 тыс. населения, находящегося в 83 км от Яранска., может быть более значимо, чем значение регионального центра г. Кирова с 483 тыс. населения, находящегося на расстоянии в 253 км.. Но в целях данного исследования принято решение использовать статистически доступный показатель, чем разрабатывать другой показатель, который бы учитывал другие близ лежащие города, по той причине, что в чистом миграционном приросте учитываются общие данные о миграциях, а тот вопрос, куда направлены миграционные потоки для цели данной работы является второстепенным.

В качестве показателя отражающего климатические условия в городе принято решение взять показатель средней температуры января, так как этот показатель показывает «суровость» зимы в городе. Показатель средней температуры июля мог бы не показать разницу в климатических условиях городов, так как в континентальном климате лето в сибирской части страны по температуре может быть близко к температуре в европейской части страны, а вот по зимним температурам отличия должны быть более показательны.

Кроме всего прочего, для того, чтобы из экономического роста и других показателей исключить инфляционную составляющую было принято решение учитывать денежные показатели в ценах 1999 года. Так как в базе данных мультистат дефлятор отсутствует, было принято решение взять в качестве дефлятора индекс потребительских цен из сборника «Регионы России» по регионам России, и присвоить соответствующий дефлятор городам в зависимости от их принадлежности к регионам..

Таким образом использование индекса дефлятора помогает избавиться от инфляционной составляющей в последующие за базовым периодом годы.

Индекс дефлятор в 1999 год = 1.

Индекс дефлятор в 2000 год = Темп прироста ИПЦ 1999 Х 1.

Индекс дефлятор в 2001 год = Темп прироста ИПЦ 2000 Х Темп прироста ИПЦ 1999 и т.д..

Использование индекса дефлятора позволяет избавиться от инфляционной составляющей, но в показателях связанных с денежным эквивалентом, остаются суммы с учетом дефлятора. Так как суммы в зависимости от городов могут существенно отличаться и тем самым искажать данные о росте городов, то принято решение перевести эти данные в темпы роста и прироста:

1. для общей модели к темпу роста год к году: (Значение показателя в году Х+1/Значение показателя в году Х) - 1.

2. Для модели динамики, которую возможно придется считать для городов отдельно к темпам накопленного прироста: Значение показателя в году Х + 1,2,3…,n/Значение показателя в году Х.

Согласно этой же логике произведен перевод данных о количестве занятых в темп прироста год к году,

Таким образом, для общей модели будут анализироваться следующие показатели:

Табл. 5. Переменные базы данных по городам.

Обозначение	Показатель	Как считается	Что отражает	Ограничения в использовании
Y	Оценка созданной добавленной стоимости	Занятость*Средняя реальная заработная плата (переведенный в темп роста год к году)	Оценка созданной добавленной стоимости	Отсутствуют
X1	Кол-во населения	Кол-во населения	Население как переменная: зависимость темпов экономического роста города от количества проживающих.	Отсутствуют
X2	Темп прироста занятых (год/к году)	Количество занятых в году (x+1)/количество занятых в году (х)	Изменение количества занятых за год.	Отсутствуют.
X3	Темп роста инвестиций (год/к году)	Объем инвестиций в году (x+1)/ Объем инвестиций в году (х)	Изменение кол-ва инвестиций по сравнению с предыдущим годом	1999-2011 годы
X4	Доля бюджетных инвестиций	Объем бюджетных инвестиций/объем инвестиций	Доля бюджетных инвестиций в общей структуре инвестиций	1999-2011 годы.
X5	Оценка темпа роста капиталовооруженности труда	(Темп прироста инвестиций (дефл.)/темп роста занятости) - 1	Увеличение затрат капитала на одного работника	1999-2011 годы.
X6	Чистый миграционный прирост	Сальдо въехавших и уехавших с территории города за год в промилле к количеству населения города	Увеличение/уменьшение населения города за счет миграции	отсутствуют
X7	Количество жилых квартир на одного человека	Количество квартир/количество населения	Обеспеченность населения города жильем	1999-2011
X8	Доля ветхого и аварийного жилья	Площадь ветхого и аварийного жилья/общая площадь жилых помещений	Изношенность жилого фонда города	1999-2011
X9	Количество высших учебных заведений на 100 000 чел.	Количество ВУЗов х 100 000/ кол-во населения	Уровень «востребования» высшего образования	1999-2011
X10	Плотность транспортной сети общественного транспорта	Суммарная эксплуатационная длина маршрутов/площадь города	Доступность общественного транспорта и охват города маршрутами общественного транспорта	1999-2011
X11	Плотность сети метрополитена	Эксплуатационная длина линий метрополитена/площадь города	Уровень развития общественного транспорта, который не затрагивает существующую дорожную сеть.	1999-2011
X12	Расстояние до Москвы	Км.	Расстояние до федерального центра	Отсутствуют
X13	Расстояние до регионального центра	Км.	Расстояние до регионального центра	Отсутствуют
X14	Средняя температура января	В градусах	Интерпретирует «суровость» климатических условий	Отсутствует

В связи с тем, что для многих индикаторов последним годом за которые доступны данные является 2011 год, принято решение рассчитывать общую регрессионную модель за периоды 1999-2011 годы. В противном случае пришлось бы отказаться от восьми из четырнадцати переменных.

2.2 Анализ динамики экономического роста городов и выбранных факторов

В данном параграфе будут проанализированы факторы, выбранные в прошлом параграфе для анализа, а также связи между ними и другие возможные закономерности в росте городов.

Зависимой переменной является темп экономического роста городов, поэтому анализ факторов логично начать именно с анализа поведения зависимой переменной (Рис №6).

Рис №6. Накопленный темп роста городов России с населением более 100 000 чел за период 1999-2012 годов.

Из рисунка №6 мы видим, что в среднем накопленный темп экономического роста городов за период с 1999 по 2012 год составляет 152%, то есть в среднем анализируемый нами параметр вырос примерно в 2,5 раза. Это значит, что в среднем экономика городов росла с темпом по 6,6% в год. Такие высокие темпы роста могут связаны с эффектом низкой базы, который был после кризиса 1998 года, а также с достаточно благоприятной внешней конъюнктурой для экспортных отраслей экономики вплоть до 2008 года - девальвация рубля обеспечивала сравнительно низкие внутренние издержки, а рост цен на сырьевые товары давал хорошую рентабельность экспортно-ориентированным отраслям.

При этом на графике видно, как отразился кризис 2008 года на экономике городов. Максимум падения накопленного темпа роста составил до 127% в 2009-2010 годах со 152% в 2008 году, что составляет около 10% (2,27/2,52).

Также на графике представлены два наилучших и два наихудших по темпу роста города. К наилучшим городам относятся Химки и Краснодар. Можно предположить, что Химки показывал наилучшую динамику по темпам роста в связи с тем, что за последние 14 лет город полностью интегрировался в Московскую агломерацию, соответственно этому городу должны быть присуще высокие объемы строительства, а также конвергенция заработных плат, с заработными платами столицы. Краснодар может демонстрировать высокие темпы роста в связи со своим выгодным географическим положением, статусом города регионального значения, региона в котором заложен наибольший курортный потенциал в России, а также региональным центром, который генерировал финансовые потоки во время подготовки к Олимпиаде. По Рис. №1 видно, что экономический рост в Химках и Краснодаре после кризиса вышел на новые уровни, в то время как в среднем по России темпы роста городов вышли только на посткризисные уровни, а наихудшие по динамике города и во все продолжают показывать отрицательные темпы роста.

Среди наихудших по темпам роста городов можно выделить Тольятти и Дзержинск. Оба города являются промышленными, не являются региональными центрами, и находятся в непосредственной близости от региональных центров (менее 100 км.). Можно предположить, что основной экономический рост приходится на города региональные центры, рядом с которыми находятся данные города и в период после кризиса, данные города не смогли показать положительных темпов роста, потому что экономически наиболее привлекательными выглядят города-соседи регионального значения. В обоих городах нейтральный или положительный показатель чистого миграционного прироста сменился на слабоотрицательный после 2008 года. И хотя для Химок Москва тоже является центром притяжения трудовых ресурсов, с г. Химки ситуация другая: Московская агломерация выходит за границы Москвы и развивается вне зависимости от административных границ столицы, в то время как Самара и Дзержинск в большей степени представляют из себя города-спутники с промышленной ориентацией в структуре экономики.

Анализ средних темпов экономического роста городов (среднее от темпов роста) и темпов экономического роста в среднем (среднее от абсолютного значения доходов городов) позволяет сделать выводы о сходимости, расходимости экономики городов, то есть их конвергенции или дивергенции. Другими словами, сравнение средних темпов роста с темпом роста в среднем позволяет нам понять происходит ли выравнивание экономических показателей городов - конвергенция, или же их экономические показатели увеличивают свои различия - дивергенция.

Данные на рисунке №7 показывают, что в среднем за рассматриваемый период экономика городов выросла на 180%, в то время как средний темп роста составил - 152%. Это значит, что города с более высоким абсолютным показателем дохода росли быстрее, чем с более низким.

Причем данная тенденция стала выражаться, начиная с 2005 года (см. Рис №7 темпы роста конвергенция накопленная), максимальное расхождение в 13% было показано в 2010 году, после чего конвергенция год к году перешла в положительную зону.

Рассмотрим, как изменялась динамика показателей, которые формируют темп роста города: изменение темпов роста занятости и заработной платы.

Средний темп роста заработной платы за период 1999-2012 год составил 207%, то есть реальные заработные платы за указанный период выросли более, чем втрое. Наибольший рост по городам показан среди городов Махачкалой, при этом к ценам 2012 года данный город не является рекордсменом по заработным плата, что означает, что высокие темпы роста заработной платы обеспечивались за счет низкой базы в начале анализируемого периода.

Рис. №9. Средний темп роста заработной платы, темп роста в среднем, конвергенция.

При этом заметна тенденция к конвергенции заработных плат в городах с более низкой заработной платой по отношению к городам с более высокой заработной платой (рис №9), за 14 лет накопленный уровень конвергенции составил более 5%, при этом тенденция к сближению заработной платы была практически устойчивой за весь рассматриваемый период.

Средний темп роста занятости составил -18,7% за 14 лет, а темп роста занятости в среднем составил - 13,7%. Это значит, что за период 1999-2012 годов количество занятых в городах с численностью населения более 100 000 чел. сократилось на 13,7%. Причем наихудшие значения по данному показателю показывают города Дзержинск (который входит в число аутсайдеров по темпам экономического роста) и Находка -55,5% и -47,2% соответственно, наибольший рост занятости показывают города Химки и Ставрополь, 97,6 и 46,4% роста занятости соответственно.

Также достаточно ярковыраженной является дивергенция по занятости населения в городах с населением более 100 000 человек. В городах с большим населением темп роста занятых стабильно выше и эта тенденция стабильна, исключением является только 2011 год. При этом, так как темпы роста занятости отрицательны, то более верным будет сказать, что в городах с более высоким количеством занятости уменьшение количества занятых происходит медленнее, чем в городах с более низким количеством занятых (рис. №11). Причем падение средних темпов роста занятости в городах было наиболее серьезным в 2006 году и в посткризисном 2009 году. В 2006 году сокращение занятых в среднем составило -4,5% по отношению к 2005 году, в 2009 году -4,9% по отношению к 2008 году.

Понятно, что сокращение количества занятых происходило на фоне сокращения населения России, но тем не менее, темпы падения занятости не соизмеримы с темпами сокращения населения и более того начиная с 2009 года население страны увеличивалось, а занятость в крупных городах ввиду кризиса снижалась.

Таким образом, среднее темп сокращения населения составил 1%, а средний темп сокращения занятости - 18%. Возможно частично произошло старение население, но в целом тенденция такова, что занятость в среднем снижается, а реальная заработная плата в среднем растет темпами, которые в целом позволяют говорить об экономическом росте городов. То есть, несмотря на сокращение занятых, в среднем за 14 лет экономическое благосостояние населения должно было увеличиться.

Из видно, что также как и аналогично показателю занятости между городами с большим населением и городами с меньшим населениям имеется дивергенция по численности населения. Причем в среднем города с населением более 100 000 населения показали за 14-летний период рост населения на 6%, причем как видно из графика произошло это за счет более крупных городов, в меньших городах из выборки в среднем наблюдается тенденция к сокращению населения (темп роста в среднем по городам России с населением более 100 000 чел. составляет - 1%). При этом в целом по России темп роста населения за 14 лет еще ниже порядка -3%. Это значит, что для населенных пунктов в целом характерно увеличение численности в более крупных городах за счет меньших населенных пунктов.

Различные сочетания городов относительно средних темпов роста населения, средних темпов роста заработных плат, средних темпов роста занятости (а также показателя занятости выше нуля) позволяет разделить города в выборке на группы (Рис. №14). Такое деление позволяет четко понять картину происходящего внутри выборки по городам (Таб.№4, Рис. №15). город конвергенция регрессионный экономический

Рис. 14. Количество городов выше и ниже средних относительно анализируемых показателей темпов экономического роста и показателей его составляющих.



Таб.4 Классификация городов по отношению к средним показателям.

Группа	В среднем экономический рост города (накопленный)	Средний темп роста заработной платы (накопленный)	Средний темп роста занятости (накопленный)
	152,3%	207,5%	-18,7%	Количество
1	Рост выше среднего	Темпы роста з/п выше среднего	Темпы роста занятости выше нуля	15
2		Темпы роста з/п ниже среднего	Темпы роста занятости выше нуля	6
3		Темпы роста з/п выше среднего	Темпы роста занятости ниже нуля, выше среднего	16
4		Темпы роста з/п ниже среднего	Темпы роста занятости ниже нуля, выше среднего	12
5		Темп роста з/п выше среднего	Темпы роста занятости ниже среднего	16
6	Рост ниже среднего	Темпы роста з/п ниже среднего	Темпы роста занятости выше нуля	2
7		Темпы роста з/п ниже среднего	Темпы роста занятости выше среднего, ниже нуля	18
8		Темп роста з/п выше среднего	Темпы роста занятости ниже среднего	21
9		Темпы роста з/п ниже среднего	Темпы роста занятости ниже среднего	62
			ИТОГО	168

Рис. №15. Структура городов по классификации относительно средних показателей экономического роста, занятости и заработной платы.



Как видно из Рис.№15 почти треть городов попала в группу неустойчивого отстающего роста, в которых темпы роста занятости и темпы роста заработных плат ниже средних. Также в число городов, где темп роста занятости выше нуля попало всего 23 города из 168. Разбивка городов по группам согласно данной методике представлена в ПРИЛОЖЕНИИ 3.

В качестве одного из факторов в выборку вошел темп роста инвестиций. Динамика средних темпов роста инвестиций и темпа роста инвестиций в среднем представлена на рис. №16. Анализ темпов роста позволяет сделать выводы о том, что в городах России с населением выше 100 000 наблюдается конвергенция объемов инвестиций (схождение) это означает, что города с большим объемом инвестиций отстают в темпах их роста по сравнению с городами с меньшим объемом инвестиций.

Анализ доли бюджетных инвестиций в структуре инвестиций позволяет сделать вывод, что в среднем по городам России объем бюджетных инвестиций за период 2000-2011 года находится в диапазоне от 20 до 25%. При этом значение средней доли бюджетных инвестиций в город колеблется на уровне от 15 до 21%. Сравнение этих данных позволяет сделать вывод, что имеется тенденция к тому, что в городах с большим объемом бюджетных инвестиций их доля в структуре инвестиций в среднем выше, чем в городах с меньшим объемом инвестиций.

При этом динамика конвергенции/дивергенции долей бюджетных инвестиций не имеет ярко выраженного тренда.

Тенденция к конвергенции объемов инвестиции (рис. №16), а также конвергенция заработной платы и дивергенция занятости позволяет сделать вывод, что возможно конвергенция заработной платы, а также высокие темпы ее роста могут быть следствием роста капиталовооруженности труда, оценка которого статистически выражается в отношении темпов роста инвестиций к темпам роста занятости.

На представлена диаграмма количества попаданий городов в топ-5 городов с максимальной долей бюджетных инвестиций за период 1999-2011 годов. Согласно приведенным выше данным по темпам экономического роста городов из 20 городов, которые хотя бы раз попали в топ-5 с максимальной долей бюджетных инвестиций в топ-15 городов устойчивого опережающего роста попали всего два города: административный центр республики Тыва г. Кызыл с абсолютно максимальной долей бюджетных инвестиций и Москва - федеральный центр. Из этого на первоначальном этапе анализа можно сделать вывод, что наличие большой доли бюджетных инвестиций в структуре инвестиций города не оказывает положительного влияния на темпы экономического роста города.

Рис. №19 Количество попаданий в топ-5 городов с максимальной долей бюджетных инвестиций за период 1999-2011 годы (раз).

Еще одним из важных факторов является показатель чистого миграционного прироста. Данный показатель показывает сальдо между переехавшими в город и уехавшими из него.

Большинство городов по данному показателю имеют смешанную динамику. Число городов, которые как минимум один раз показали отрицательное значение при общем среднем положительном, или как минимум раз имели положительное сальдо при среднем отрицательном равно 154.

Городами с устойчиво-положительной динамикой чистого миграционного прироста являются Балашиха, Белгород, Владимир, Волгоград, Воронеж, Железнодорожный, Зеленодольск, Люберцы, Москва, Новокузнецк.

Городами с устойчиво отрицательной динамикой чистого миграционного прироста являются Белово, Воркута, Набережные Челны, Нерюнгри.

Средний чистый миграционный прирост городов с населением более 100 000 чел. составил 1,45 промилле (средняя ежегодная величина за анализируемый период).

Из рисунка №20 видно, что большая часть городов по среднему показателю чистого миграционного прироста сосредоточена в диапазоне от [-3,55;+4,45) - всего 117 городов. 51 город не попадает в выше указанный диапазон: 17 городов со средним чистым миграционным приростом менее - 3,45 в год и 34 города со средним миграционным приростом выше 4,45 в год.

Показатель чистого миграционного прироста будет более подробно анализироваться в третьей главе данной работы в случае, если окажется статистически значимым для экономического роста городов.

Рис №20. Распределение городов по показателю среднего за все года чистого миграционного прироста.

Структура занятости является одним из важных факторов, который может влиять на рост города. В связи с тем, что в базе данных Мультистат данные по количестве занятых в сфере производства, строительства и пр. доступны только с 2002 по 2007 год, принято решение не включать данный показатель в выборку, но возможно использовать его как фильтр, в случае, если общая выборка не даст статистически значимых факторов.

Из выборки рассчитана средняя доля занятости по городам в промышленном производстве, строительстве и секторе услуг включая транспорт и связь (в выборке отсутствуют данные по городу Благовещенск и Новошахтинск). Средняя доля занятости в среднем по городам выборки в промышленности составляет 30,6%; доля занятости в строительстве 4%, доля занятости в сфере услуг 65,2%.

Показатель количества жилых квартир на одного человека отображает уровень обеспеченности проживающего на территории города населения жильем. Средняя обеспеченность жильем на одного человека составляет 0,39, минимальная - 0,19 в Махачкале, Максимальная в Орехово-Зуево 0,69. График распределения обеспеченности жильем на одного жителя представлен на рис. №16. Основной объем обеспеченности квартирами сосредоточен в диапазоне от 0,35 до 0,45 на одного человека - 129 городов (77% выборки).

Рис. №21. Распределение городов по количеству квартир на одного жителя.

По средней доле аварийного жилья большинство городов попадают в диапазон от 0 до 4,02% - 142 города - 85% выборки. 25 городов имеют долю аварийного жилья более 5,35% (Рис. №22).

Рис. 22. Распределение средней по годам доли аварийного жилья в городах выборки.

Еще одним показателем выборки является удаленность от Москвы. График распределения городов по расстоянию от Москвы представлен на рис. №19. Основная масса городов с населением более 100 000 сосредоточена на удаленности до двух тысяч километров от Москвы - 127 городов из 167 (за вычетом г. Москва), что составляет 76% выборки.

Рис. № 23. Распределение удаленности городов с населением более 100 000 чел. от Москвы.

Индикатором, косвенно отражающим уровень образования населения был выбран показатель количества высших учебных заведений на 100 000 чел. В большинстве городов, анализируемой выборки, количество ВУЗов на 100 000 чел. населения колеблется в диапазоне от 1 до 3 - 118 городов (70,2%) (рис. №24). Максимальное значение данного показателя имеют города Смоленск, Усть-Илимск, Якутск (более 5). Анализ корреляции по сравнению с доходами по всем годам показывает отсутствие явных зависимостей между количеством ВУЗов на 100 000 и темпом роста заработной платы в городе - уровень корреляции 0,22.

Рис. №24. Распределение городов по показателю кол-ва ВУЗов на 100 000 населения.

В качестве индикатора развития транспортной инфраструктуры в городе рассматривается индикатор плотности сети общественного транспорта. Логикой данного индикатора является, то, что чем большую плотность транспортной сети имеет город, тем меньше затраты времени на передвижение, тем ниже транзакционные издержки, сильнее агломерационные связи и т.д. Для большинства городов данный показатель не превышает 5 - 94% выборки (рис. №24). Данный показатель не имеет корреляции с доходом города (Коэффиц. Корреляции = 0,03).



Рис. №25. Распределение городов по плотности сети общественного транспорта (км/км2).

В данном параграфе рассмотрены динамика основных экономических показателей города за период 1999 - 2012 (2011 год для инвестиций), к которым относятся темпы изменения количества занятых, реальной заработной платы, оценки экономического роста, инвестиций.

По результатам анализа динамики факторов можно сделать вывод, что в городах с населением более 100 000 чел. имеется конвергенция по заработным платам, темпу роста инвестиций, дивергенция по занятости и темпам экономического роста городов, конвергенции/дивергенции в доле бюджетных инвестиций не наблюдается.

Также проанализированы распределения городов по основным факторам, вошедшим в базу данных.



Глава 3. Регрессионные модели экономического роста городов и анализ значимых факторов модели

3.1 Регрессионная модель экономического роста городов

На этапе построения регрессионной модели, необходимо очистить выборку от факторов, по которым мало данных, а также от городов, по которым мало данных по факторам.

Первоначально из выборки удаляем 2012 год, по которому нет данных по инвестициям, доли ветхого и аварийного жилья.

По городу Благовещенску нет данных по плотности транспортной сети, количеству ВУЗов, кол-ву жилых квартир, поэтому этот город придется удалить из выборки.

По 94 элементам выборки (комбинация года и города) отсутствуют данные по доле аварийного и ветхого жилья, поэтому данный показатель тоже придется исключить из выборки.

По плотности сети общественного транспорта полные данные только по 44 городам. С учетом низкой отсутствием выраженной корреляции с доходом города, данный фактор необходимо исключить из выборки.

Таким образом, мы имеем следующую выборку по 167 городам за период 1999-2011 года:

Таб.6 Переменные в eviews и их интерпретация.

Переменная	Интерпретация переменной
Y	Темп роста реальной оценки добавленной стоимости города год к году
X1	Численность населения чел.
X2	Темп роста реальных инвестиций год к году
X3	Доля бюджетных инвестиций в структуре инвестиций
X4	Темп роста капиталовооруженности труда год к году
X5	Чистый миграционный прирост (1 на 1000 чел.)
X6	Количество жилых квартир на одного человека
X7	Количество высших учебных заведений на 100 000 чел.
X8	Плотность линий метрополитена
X9	Расстояние до Москвы (км.)
X10	Расстояние до регионального центра (км.)
X11	Средняя температура января

Проверим переменные на мультиколлинеарность, построив корреляционную матрицу зависимой и независимых переменных (таб.№7).

Таб.№7. Корреляционная матрица зависимой и независимых переменных.

	Y	X1	X2	X3	X4	X5	X6	X7	X8	X9	X10	X11
Y	1,00	0,03	0,13	-0,02	0,03	0,02	-0,06	-0,03	0,03	-0,03	-0,02	0,03
X1	0,03	1,00	-0,04	0,15	-0,04	0,08	-0,04	-0,05	0,93	-0,08	-0,14	0,09
X2	0,13	-0,04	1,00	-0,05	0,97	0,04	0,00	-0,01	-0,02	-0,01	0,02	0,04
X3	-0,02	0,15	-0,05	1,00	-0,04	0,05	-0,11	0,23	0,13	0,14	-0,28	0,03
X4	0,03	-0,04	0,97	-0,04	1,00	0,03	0,02	0,00	-0,03	-0,01	0,02	0,03
X5	0,02	0,08	0,04	0,05	0,03	1,00	0,02	-0,02	0,07	-0,12	-0,36	0,20
X6	-0,06	-0,04	0,00	-0,11	0,02	0,02	1,00	-0,04	-0,02	-0,07	0,02	-0,01
X7	-0,03	-0,05	-0,01	0,23	0,00	-0,02	-0,04	1,00	-0,06	0,18	0,03	-0,05
X8	0,03	0,93	-0,02	0,13	-0,03	0,07	-0,02	-0,06	1,00	-0,08	-0,09	0,07
X9	-0,03	-0,08	-0,01	0,14	-0,01	-0,12	-0,07	0,18	-0,08	1,00	0,14	-0,49
X10	-0,02	-0,14	0,02	-0,28	0,02	-0,36	0,02	0,03	-0,09	0,14	1,00	-0,42
X11	0,03	0,09	0,04	0,03	0,03	0,20	-0,01	-0,05	0,07	-0,49	-0,42	1,00

Как видно из корреляционной матрицы, большинство переменных взаимнонезависимы. Высокий коэффициент зависимости имеют только показатели инвестиций (X3) и капиталовооруженности труда (X5) - «0,97», а также численности населения (X1) и плотности линий метрополитена (X8) - «0,93». Среднюю корреляционную зависимость имеет показатель средней температуры января с показателем расстояния до Москвы (-0,49) и расстояния до регионального центра (-0,42).

Высокая корреляция между показателями темпа роста инвестиций и темпа роста капиталовооруженности труда объясняется тем, что в формуле расчета темпа роста капиталовооруженности труда в качестве одного из двух множителей заложен показатель инвестиций. Высокая корреляция между плотностью сете метрополитена и численностью населения объясняется тем, что метрополитены имеются в городах с высокой численностью населения, и среди тех городов, где имеется метрополитен, плотность его ети выше в городах с более высокой численностью населения (Санкт-Петербург, Москва).

Таким образом, по результатам корреляционного анализа из модели на предварительном этапе необходимо исключить показатели капиталовооруженности труда и плотности сети метрополитена.

Построим модель линейной множественной регрессии для выбранных показателей:

У= С(1) + С(2)*Х1 + С(3)*Х2 + С(4)*Х3 + С(5)*Х5 + С(6)*Х6 + С(7)*Х7 + С(8)*Х9 + С(9)*Х10 + С(10)*Х11

Получим оценки модели методом наименьших квадратов: оценки а и b такие, чтобы min дисперсии приходился на остатки (о).

Выдвигается нулевая гипотеза о незначимости коэффициентов. Гипотеза отвергается, если |t-Statistic|>2, probability<0,05.

Гипотеза о незначимости коэффициентов подтверждается для коэффициентов X1,X3, X4, X5, X7, X9, X10,X11.

В данной модели темп роста 9,4% год к году является константой, положительная связь темпом роста инвестиций при увеличении темпа роста инвестиций на 1%, темп роста дохода города изменяется на 0,019%.

При увеличении обеспеченности жильем на 0,01 квартир на человека темп экономического роста города уменьшается на 0,008%.

Результаты данной модели нельзя считать показательными ввиду малого количества факторов, влияющих на экономический рост города, а также их незначительного влияния на зависимую переменную. Такие результаты моделирования могут быть связаны с возможными флуктуациями и временными лагами с которыми факторы оказывают влияние на экономический рост города. В целях исключения данных временных лагов необходимо построить модель по усредненным показателям факторов за период 1999-2011 годов, где в качестве зависимой переменной будет выступать средний темп экономического роста города за 13 летний период (темп роста накопленный за весь период^(1/t), где t - 13 лет).

Данное усреднение позволит дополнительно включить в модель следующие факторы, по которым данные имеются не по всем годам, но учитывая, что значения этих показателей изменяются медленно, то автор считает, что можно дополнительно добавить в модель показатели средней доли занятости в промышленности, средней доли ветхого и аварийного жилья, плотности транспортной сети общественного транспорта.

Таким образом, анализируются следующие факторы в модели линейной регрессии:

Таб. 10. Факторы модели линейной регрессии и их условные обозначения (усредненная модель).

средний темп экономического роста города в год (%)	Y
численность населения города (чел.)	X1
Средний объем инвестиций на душу населения накопленные (тыс. руб. в ценах в 1999 года)	X2
Средняя доля бюджетных инвестиций	X3
средний темп роста капиталовооруженности труда	X4
Среднегодовой чистый миграционный прирост (промилле)	X5
Средняя доля занятости в промышленности	X6
Среднее количество квартир на одного жителя	X7
Доля ветхого и аварийного жилья	X8
Количество высших учебных заведений на 100 000 чел	X9
Плотность линий метрополитена	X10
Плотность транспортной сети общественного транспорта (км/км2)	X11
Расстояние до Москвы (тыс. км.)	X12
Город региональный центр (1 - да, 0 - нет)	X13
Средняя температура января	X14

Корреляционный анализ факторов модели показывает сильную зависимость между показателем среднего количества населения города и плотностью сети метрополитена, поэтому последний показатель необходимо исключить из модели, так как он менее репрезентативен для всей выборки, чем количество населения.

Последовательно исключим из модели факторы, которые являются статистически незначимыми. Гипотеза о незначимости факторов отвергается, если |t-Statistic|>1,7, probability<0,1.

В данной модели все факторы являются статистически значимыми, уравнение линейной регрессии имеет вид:

Y = 0,0889 + 0,0521*X4 + 0,0015*X5 - 0,0797*X6 - 0,002833*X12,

Темп экономического роста городов в рассматриваемой выборке в 8,9% является константой, имеется положительная связь с темпом роста капиталовооруженности труда и среднегодовым чистым миграционным приростом, а также отрицательная связь с долей занятых в промышленности и расстоянием города от Москвы.

Интерпретация коэффициентов значимых факторов:

1. при увеличении темпа роста капиталовооруженности труда на 1%, темп роста экономического дохода города увеличивается на 0,05%;

2. при увеличении среднегодового чистого миграционного прироста на 10 чел на 1000, темп экономического роста города увеличивается на 0,01%;

3. при уменьшении доли занятости в промышленности на 1%, темп экономического роста города увеличивается на 0,08%;

4. при удаленности города от Москвы на 1000 км, темп экономического роста города уменьшается на 0,3% по сравнению с городом, который находится в непосредственной близости от Москвы.

Исходя из обзора литературы, приведенного в первой главе, выдвинем гипотезу о том, что диверсификация экономики является признаком устойчивого развития города. Будем считать, что доля промышленности в среднем является оптимальной, а любое отклонение от среднего увеличивает зависимость города либо от промышленного производства, либо увеличиваются доли других отраслей, что также оказывает негативное влияние на его устойчивое развитие.

Таким образом, преобразуем показатель средней доли занятости в промышленности в модуль разницы доли занятых в промышленности в городе к средней доле занятых в промышленности по всем городам выборки. Для подтверждения данной гипотезы в показателе отклонения доли занятых в промышленности от среднего мы должны получить отрицательную связь с зависимой переменной.

Последовательно исключим из модели факторы, которые являются статистически незначимыми. Гипотеза о незначимости факторов отвергается, если |t-Statistic|>1,7, probability<0,1.

В данной модели все факторы являются статистически значимыми, уравнение линейной регрессии имеет вид:

Y = 0,0375 + 0,0005*X2 + 0,0422*X3 + 0,0838*X4 + 0.0020*X5 + 0.0817*X6 - 0,00281*X12 + 0,0095*X13.

Среднегодовой темп экономического роста городов в рассматриваемой выборке в 3,7% является константой, имеется положительная связь с средним объемом инвестиций на душу населения (в ценах 1999 года), долей бюджетных инвестиций, темпом роста капиталовооруженности труда, среднегодовым чистым миграционным приростом, а также с принадлежностью города к региональному центру. Отрицательная связь имеется с удаленностью от Москвы. Взятое в качестве гипотезы предположение о положительном влиянии на экономический рост города средней занятости в промышленности (для выборки 30%) не подтверждается.

Интерпретация коэффициентов значимых факторов модели:

1. при увеличении объемов инвестиций в основной капитал на человека на 1000 руб. в год показатель экономического роста города увеличивается на 0,05%;

2. при увеличении доли бюджетных инвестиций на 1% показатель экономического роста города увеличивается на 0,042%;

3. при увеличении темпа роста капиталовооруженности труда на 1%, показатель экономического роста города увеличивается на 0,08%;

4. При увеличении среднегодового чистого миграционного прироста на 10 человек на 1000 населения, показатель экономического роста города увеличивается на 0,002%.

5. При отклонении доли занятости в промышленности от среднего (на уровне 30%) на 1%, показатель экономического роста города увеличивается на 0,08%.

6. Если город 1 ближе к Москве чем город 2 на 1000 км, при остальных идентичных показателях, то среднегодовой темп экономического роста города 1 выше на 0,28%, чем у города 2.

7. Если город относится к числу региональных центров, то его среднегодовой темп экономического роста выше на 0,95%.

В данной модели коэффициент доли промышленности является статистически значимым, при этом со знаком противоположным базовой гипотезе, это значит, что при большем отклонении от среднего по показателю занятости в промышленности это является более значимым для экономического роста города. Учитывая рассматриваемую нами первую усредненную модель, в которой показатель доли занятых в промышленности оказывает отрицательное влияние на экономический рост города можно сделать вывод об убывании данной функции. В целях уточнения данных выводов, построим распределение для показателя экономического роста городов в зависимости от доли занятых в промышленности (Рис №26).

Рис. Зависимость среднегодовых темпов экономического роста городов от доли занятых в промышленности.

Таким образом, мы имеем две модели линейной регрессии экономического роста городов (см. табл. №12). Произведем оценки данных моделей и на основании данных оценок выберем наиболее подходящую модель.

Таб.16. Сравнение результатов моделей линейной регрессии (усредненная модель 1 и усредненная модель 2),значимость факторов на 10% уровне.

ПОКАЗАТЕЛЬ		Модель 1	Модель 2
средний темп роста дохода города в год (%)	Y
Константа	С	0,0889	0,0375
численность населения города (чел.)	X1	Не значим	Не значим
средние инвестиции на душу населения накопленные (тыс. руб. в ценах в 1999 года)	X2	Не значим	0,0005
Средняя доля бюджетных инвестиций	X3	Не значим	0,0422
средний темп роста капиталовооруженности труда	X4	0,0521	0,0838
Среднегодовой чистый миграционный прирост (промилле)	X5	0,0015	0.0020
Средняя доля занятости в промышленности (для модели 2 отклонение по модулю от средней доли занятости по всем городам выборки равной 30%)	X6	0,0797	0.0817
Среднее количество квартир на одного жителя	X7	Не значим	Не значим
Доля ветхого и аварийного жилья	X8	Не значим	Не значим
Количество высших учебных заведений на 100 000 чел	X9	Не значим	Не значим
Плотность линий метрополитена	X10	Не значим	Не значим
Плотность транспортной сети общественного транспорта (км/км2)	X11	Не значим	Не значим
Расстояние до Москвы (тыс. км.)	X12	- 0,0028	0,00281
Город региональный центр (1 - да, 0 - нет)	X13	Не значим	0,0095
Средняя температура января	X14	Не значим	Не значим

Объясняемая способность имеющихся моделей низкая, но при этом у модели 2 коэффициент детерминации ближе к 1: 0,29 против 0,27, как и скорректированный на число регрессоров коэффициент детерминации 0,26 против 0,25. Оценка среднеквадратического отклонения ошибки регрессии ниже для модели№2, чем для модели 1: 0,0260 против 0,0262, как и среднеквадратические отклонения для коэффициентов регрессии: 0,108 против 0,111.

Таким образом, исходя из вышеприведенного анализа сравнения двух моделей, для дальнейшего анализа нами будет использоваться модель 2:

Y = 0,0375 + 0,0005*X2 + 0,0422*X3 + 0,0838*X4 + 0.0020*X5 + 0.0817*X6 - 0,00281*X12 + 0,0095*X13, где

· Y - среднегодовой темп экономического роста города;

· X2 - объем инвестиций на душу населения (тыс. руб.);

· X3 - средняя доля бюджетных инвестиций;

· X4 - средний темп роста капиталовооруженности труда;

· X5 - среднегодовой чистый миграционный прирост (промилле);

· X6 - отклонение по модулю доли занятости в промышленности в городе от среднего по выборке (30%).

· X12 - расстояние до Москвы (тыс. км.).

· X13 - принадлежность города к региональному центру (1 - город региональный центр, 0 - город не региональный центр).

3.2 Анализ значимых факторов регрессионной модели экономического роста городов

В предыдущем параграфе на основании множественной линейной регрессионной модели нами были выделены основные факторы, которые оказывали влияние на рост городов России с населением более 100 000 чел в период 1999 - 2011 годов. К данным факторам относятся:

1. Размер инвестиций на душу населения;

2. Доля бюджетных инвестиций в структуре инвестиций;

3. Чистый миграционный прирост;

4. Доля занятости в промышленности.

5. Расстояние до Москвы;

6. Принадлежность города к региональному центру.

В данном параграфе будет предпринята попытка разобраться, от чего зависят значимые для экономического роста города вышеперечисленные факторы.

Фактор №5. Расстояние города до Москвы можно рассматривать как константу для города. Другими словами город не может повлиять на изменение данной характеристики. Изменение ее качества, которое выражается в усилении экономических инфраструктурных связей с Москвой, возможно в случае реализации крупных инфраструктурных проектов таких как строительство скоростных магистралей, усиление железнодорожного сообщения, развития системы региональных аэропортов и пр.

Но тем не менее, не стоит преувеличивать роль влияния развития инфраструктуры в целях усиления экономических связей с Москвой по следующим причинам:

1. Вышеобозначенные инфраструктурные меры сближения перемещения до Москвы играют значение для городов по большей мере европейской части, развитие инфраструктуры в городах далеких от Москвы (более 1000 км) должно происходить с точки зрения развития государственной инфраструктуры для укрепления связей между совокупностью городов в целом, а не отдельного города с федеральным центром.

2. Влияние близости города к Москве играет не столь значительную роль для развития города: исходя из выбранной нами модели оно оценивается в 0,283% в год на 1000 км расстояния от Москвы.

3. Большое количество городов выборки принадлежат Московской агломерации (расстояние до Москвы менее 150 км) - 17 городов, что составляет 10% от выборки, в число которых входят 15 городов Московской области, Москва и г. Обнинск Калужской области. При этом города Московской агломерации росли вместе с Москвой в связи с тем, что Московская агломерация расширялась за пределы административных границ Москвы, как например, город Химки формально является отдельным городом, а по факту является частью агломерации. Исходя из вышеизложенного, можно сделать предположения, что близость города к Москве как фактор роста города играет существенное значение для города находящегося в пределах Московской агломерации, но не за ее пределами.

4. В дополнение к предыдущему пункту можно также отметить, что города Московской агломерации могут показывать опережающую динамику в связи с тем, что существенная часть населения осуществляют трудовую маятниковую миграцию на территорию Москвы, а полученную заработную плату тратит на территории города проживания, создавая в нем добавочный продукт.

Данные предположения подтверждаются имеющимися эмпирическими исследованиями. Например, в статье исследования ВШЭ «Маятниковая миграция снижает качество жизни в регионе» [32] показывается корреляция между удаленностью района от Москвы и маятниковой миграцией (Рис.№27), а также качества жизни населения в зависимости от удаленности района от Москвы (Рис №28). Данные показатели имеют между собой положительную связь, о которой можно ...