Главная Коллекция "Revolution" Экономика и экономическая теория Детерминанты инвестиционной привлекательности регионов: анализ отраслевых особенностей

Детерминанты инвестиционной привлекательности регионов: анализ отраслевых особенностей

Обзор потенциальных детерминант инвестиционной привлекательности российских регионов. Характеристика расчета агломерационного эффекта и уровня концентрации. Выявление корреляции между регионами с различным уровнем инвестиций в отдельные отрасли.

Рубрика Экономика и экономическая теория
Вид дипломная работа
Язык русский
Дата добавления 30.08.2016
Размер файла 1,3 M
рефераты на заказ со скидкой

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Страница:

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

ПЕРМСКИЙ ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО АВТОНОМНОГО ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ
ВЫСШЕГО ОБРАЗОВАНИЯ

«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ

«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»

Факультет экономики, менеджмента и бизнес-информатики

Выпускная квалификационная работа

МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ

ДЕТЕРМИНАНТЫ ИНВЕСТИЦИОННОЙ ПРИВЛЕКАТЕЛЬНОСТИ РЕГИОНОВ: АНАЛИЗ ОТРАСЛЕВЫХ ОСОБЕННОСТЕЙ

по направлению подготовки 38.04.08 Финансы и кредит

образовательная программа «Финансы»

Кочкина Татьяна Васильевна

Рецензент Е.О. Сучкова

Руководитель к.э.н. Р.Н. Божья-Воля

Пермь 2016

Оглавление

  • Введение
  • Теоретическое обоснование
  • Постановка исследовательской проблемы
  • Методология исследования
  • Описание результатов
  • Заключение
  • Список использованной литературы
  • Приложение 1
  • Приложение 2
  • Приложение 3

Введение

Инвестиции в основной капитал являются одним из основных факторов технологического развития и экономического роста регионов. В современных условиях инвестиционное пространство России характеризуется межрегиональными различиями объемов привлекаемых инвестиций на конкретную территорию. В период экономической и политической нестабильности особенно важно учитывать факторы, формирующие инвестиционную привлекательность субъектов Российской Федерации, и способствовать привлечению инвестиционных потоков в различные отрасли экономики регионов.

Стоит заметить, что в последние два года зафиксирован рост инвестиционного риска в России, который является одним из составляющих инвестиционной привлекательности (Рис. 1). В 2015 г. показатель вырос на 2,9%, по сравнению с ростом на 1,3% год назад. Причиной эскалации является неэффективность моделей экономического развития регионов, которые основаны в большей степени на масштабных государственных проектах, сырьевой ренте и потребительском буме.

Рис.1. Динамика инвестиционного риска в России 2005-2015 гг.

(Сост. по данным Рейтингового Агентства «Эксперт»)

Новые потенциалы для развития регионов, обусловленные девальвацией национальной валюты и системой импортозамещения, на данном этапе продолжают свое формирование и в краткосрочной перспективе не могут быть полностью реализованы.

Таким образом, адаптация регионов к новым экономическим реалиям будет протекать в крайне жестких условиях, а инвестиционные риски для многих субъектов будут лишь возрастать. В сложившихся условиях крайне важно при формировании экономической структуры региона учитывать все возможные потенциалы для роста и развития.

Факторы, определяющие инвестиционную привлекательность того или иного субъекта, широко обсуждаются в экономической литературе. В России инвестиции в различные сектора экономики распределены по территории страны неравномерно, чему способствует множество факторов, сила действия которых имеет существенные территориальные различия.

Кроме того, структура инвестиционных вложений указывает на существенную долю собственных средств предприятий и снижение доли бюджетных средств.

Рис. 2. Структура инвестиционных вложений по видам собственников 2005 -2014 гг.

(Составлено по данным Росстата)

Инвестиционная привлекательность регионов определяется в первую очередь наличием экономических ресурсов, необходимых для долгосрочного развития компаний, а также отраслевой структурой экономики региона, которая соответствует интересам бизнеса. В условиях снижения доли федеральных трансфертов в доходах бюджета регионов (Рис.3), крайне важно наличие производственной и социальной инфраструктуры, концентрации производства, внутреннего рынка и эффекта агломерации в формировании инвестиционной привлекательности региона.

инвестиционный привлекательность агломерационный регион

Рис. 3. Динамика доли федеральных трансфертов в доходах бюджетов регионов 2011-2015 гг., % (без учета Крыма и Севастополя)

(Составлено по данным Минфина)

Различия в уровне экономического развития субъектов Российской Федерации обуславливают необходимость создания сбалансированной инвестиционной политики регионов, важность стимулирования и регулирования региональными органами инвестиционных процессов, формирования благоприятных условий для привлечения необходимого объема инвестиций в экономику региона.

В ходе данного исследования будут выявлены основные детерминанты инвестиционной привлекательности регионов в различных отраслях экономики, определено влияние агломерационных факторов и эффекта концентрации производств на привлечение инвестиций в регионы, и выявлена пространственная корреляция между регионами.

Комплексная и системная оценка состояния региона, выявление отраслевых особенностей привлечения инвестиций способствуют не только развитию экономики отдельных регионов, но и снижению межрегиональной социально-экономической дифференциации. Кроме того, необходимость определения факторов, способствующих привлечению инвестиций, обусловлена, в том числе созданием стимулов для привлечения частных инвестиций.

Пространственно-инвестиционный аспект российской экономики актуален в первую очередь по причине существующей проблемы территориальной диспропорции и существенных контрастов экономического развития регионов России. Кроме того, в долгосрочной перспективе повышение инвестиционной активности оказывает влияние на эффективность производства и предпринимательства.

Основными задачами данного исследования являются обзор потенциальных детерминант инвестиционной привлекательности российских регионов, расчет агломерационного эффекта и уровня концентрации, формирование базы данных для выявления и подтверждения влияния определенных факторов, выявление корреляции между регионами с различным уровнем инвестиций в отдельные отрасли, анализ эмпирических данных, разработка, построение, реализация моделей согласно полученным результатам.

В ходе данного исследования инвестиционной привлекательности регионов решаются две основные задачи. Во-первых, в рамках проведения регрессионного анализа изучается влияние различных характеристик региона на привлечение инвестиций в регион, и выявляются отраслевые особенности. Во-вторых, на основе разработанной системы ранжирования регионов, определяются регионы с высокими и низкими инвестиционными показателями для каждой отрасли и выявляются основные характеристики, соответствующие различным группам регионов.

Результаты данного исследования помогут обозначить экономические, политические, структурные и инфраструктурные характеристики, изменение которых приводит к росту инвестиционной привлекательности субъектов Российской Федерации в различных отраслях, что позволит сформировать критерии для оценки эффективности политики правительства и местных властей в отношении привлечения инвестиций в регион. Кроме того, регулируя факторы, формирующие инвестиционную привлекательность регионов, можно воздействовать на размещение производств и способствовать привлечению дополнительных инвестиций, в том числе средств частных инвесторов.

Для изучения отраслевых особенностей размещения инвестиций по российским регионам разработана эконометрическая модель, учитывающая динамику инвестиций. На основе данной модели протестированы гипотезы о роли агломерационных факторов, концентрации, пространственной корреляции, показателей инфраструктуры и других характеристик региона в привлечении инвестиций в различные отрасли экономик регионов России.

Теоретическое обоснование

Теоретическому анализу факторов, оказывающих влияние на конкурентные преимущество тех или иных областей, посвящено множество работ, в том числе исследования по систематизации конкурентных преимуществ территорий. В результате исследований было выделено две основные группы факторов: факторы «первой природы» и факторы «второй природы». Первая группа включает в себя показатели обеспеченности природными ресурсами, которые необходимы рынку, и географическое положение. Данные характеристики напрямую не зависят от деятельности людей. К факторам второй группы относятся созданные человеком и обществом преимущества, в том числе развитая инфраструктура, агломерационный эффект, институты, которые улучшают инвестиционный климат, человеческий капитал (Krugman, 1992).

Широкое распространение в научной литературе получили модели новой экономической географии (Fujita et al., 2002; Fingleton, 2002). Основу данного положения составляет эффект положительной отдачи от масштаба, который был описан механизмом монополистической конкуренции Диксита-Стиглица во взаимосвязи с экономико-географическими факторами и транспортными расходами (Dixit and Stiglitz, 1977). Решения компаний о территориальном размещении производства приобретают особую важность в условиях несовершенной конкуренции. Снижая транспортные расходы, фирмы выбирают местоположения вблизи больших рынков сбыта и территорий с высоким потенциальным спросом на производимую ими продукцию при прочих равных условиях.

Следует отметить, что степень экономического взаимодействия между рассматриваемым регионом и всеми остальными субъектами экономической системы играет ключевую роль в новой экономической географии. Данный подход базируется на концепции рыночного потенциала, основой которого является гравитационная модель торговли. Согласно данной модели корреляция товарооборота и интенсивности экономических связей между двумя регионами с произведенным ВРП положительна (ВРП в данном случае является отражением «экономической массы») и отрицательна с квадратом расстояния между данными субъектами, что связано с транспортными издержками. Рыночный потенциал в данном случае определяется для каждого региона как сумма ВРП остальных регионов, взвешенных на обратные квадраты расстояний до рассматриваемого региона:

где: рассматриваемый регион;

- ВРП остальных регионов;

- квадрат расстояний от региона до других регионов.

Отметим, что согласно данному подходу рыночный потенциал является показателем совокупного спроса регионов, который они предъявляют на товары и услуги, производимые в рассматриваемом регионе, включая издержки по транспортировке (Isard, 1960).

Таким образом, теоретический анализ новой экономической географии позволяет сделать вывод о наличии пространственной корреляции, которую необходимо учитывать при исследовании инвестиционной привлекательности регионов. Следует сказать, что чем динамичнее развиваются соседние регионы и чем ближе исследуемые регионы располагаются друг к другу, тем сила такого взаимодействия будет больше при прочих равных. Другими словами, при меньших расстояниях сила тесноты связей между регионами будет больше вследствие минимизации транспортных издержек.

Идея, которая лежит в основе моделей пространственной эконометрики, заключается в следующем - при моделировании различных макроэкономических показателей регионов необходимо учесть не только воздействие факторов этого региона, но и значения данных показателей в других регионах. Важно заметить, что главным ограничением, которое способствовало стремительному распространению пространственной эконометрики, был тот факт, что при включении отдельного параметра для учета влияния каждого региона на показатели исследуемого региона количество степеней свободы в общей модели оказывается слишком маленьким для оценивания. Именно поэтому число оцениваемых параметров стремятся сократить (модель Ш.Алмон, модель Койка).

Для учета влияния других регионов в моделях пространственной эконометрики вводят взвешивающую матрицу (матрицу расстояний, граничную матрицу или матрицу торговых потоков (Beck, 2006)). Таким образом, данный коэффициент пространственной корреляции отражает влияние других регионов. В случае если коэффициент оказывается значимым, то делают вывод о наличии положительных или отрицательных экстерналий в зависимости от знака. Таким образом, какое-либо изменение, которое произошло в соседнем регионе, приводит к подобному по действию (или противоположному в случае отрицательного знака) изменению в ближайших регионах.

Следует заметить, что исследований по пространственной эконометрике с использованием российских данных не много. В интересной эмпирической работе (Коломак, 2010) была выявлена неоднородность российских регионов: для западных регионов были выявлена положительные экстерналии, для восточных - отрицательные.

Кроме того, важной составляющей многих макроэкономических исследований является эффект агломерации, который рассматривается в ряде научных публикаций, основанных на теории эндогенного роста. В результате проведенных исследований было показано влияние агломераций на экономический рост, что обусловлено в основном концентрацией инновационной деятельности, высоким уровнем квалификации рабочей силы и человеческим капиталом, ускоренным развитием в области разработок и исследований (Fujita, Thisse, 2002; Baldwin, Martin, Ottaviano, 2001).

Важно отметить, что агломерационный эффект, способствуя экономическому росту страны, может приводить к нарастанию неравенства в экономическом развитии регионов. В долгосрочной перспективе данная ситуация выгодна для всех субъектов экономической системы при условии мобильности физического и человеческого капиталов. Развитые регионы растут за счет специализации в производстве более инновационных и технически сложных продуктов и агломерационного эффекта и возможных других преимуществ, в том числе экономико-географического положения. Менее развитие регионы специализируются на выпуске традиционных товаров, получая выгоды от роста экономики страны в целом, роста доходов низко квалифицированной рабочей силы. Данные наблюдения позволяют сделать вывод, что агломерационный эффект способен давать Парето-улучшение, поскольку менее развитые регионы в результате сложившегося неравенства оказываются в выигрыше, нежели при равномерном распределении доходов между регионами (Экономико-географические и институциональные аспекты экономического роста в регионах, 2007).

Таким образом, важно определить направление воздействия межрегиональной корреляции при оценке факторов, оказывающих влияние на привлечение инвестиций и учесть влияние агломерационного эффекта внутри региона.

Далее в работе при проверке эмпирических гипотез использованы модели, включающие переменные пространственной корреляции между регионами и агломерационного эффекта внутри изучаемого региона, протестировано их влияние на инвестиционную привлекательность российских регионов.

Заметим, что исследования особенностей привлечения инвестиций в регионы и субъекты учитывают формирование пространственной структуры инвестиций, в которой значительную роль играют ожидания инвесторов. Проблемы теоретического анализа пространственной концентрации экономической активности, а также связанные с ней ожидания агентов исследуются во многих работах, развивающихся, в том числе в рамках экономической географии (Baldwin et. al., 2003; Krugman, 1991a; Krugman, Venables, 1996). Теоретические модели показывают, что ожидания экономических агентов в определенных условиях могут влиять на привлечение инвестиций, усиление пространственной концентрации производства, повышение уровня занятости, что в итоге приводит экономику к новому равновесному состоянию.

В исследовании изменений структуры экономики и выявлении влияния факторов концентрации производства преобладает эконометрический анализ. Так исследования, проведенные в Мексике, США и Европе, которые базировались на использовании данных добавленной стоимости и промышленной занятости, подтвердили гипотезу влияния пространственной концентрации, эффекта масштаба и способа привлечения инвестиций на размещение предприятий и уровень занятости (Antweiler, Trefler, 2000; Hanson, 1998; Kim, 1995).

Кроме того, стоит отметить эмпирические исследования, нацеленные на выявление факторов, оказывающих влияние на привлечение прямых иностранных инвестиций. В ходе проведенных исследований было доказано, что на привлечение иностранных инвестиций оказывают влияние показатели политической, макроэкономической и институциональной стабильности, издержек по оплате труда и общие затраты на персонал, а также размер внутреннего рынка (Helpman et. al.,2003; Helpman, 2006; Wang et. al., 2012; Kolstad, Wiig, 2012).

Исследования факторов развития экономики России указывают не только на значимую взаимосвязь между темпами роста и объемом прямых иностранных инвестиций, но и важность отраслевых особенностей привлечения инвестиций в регионы. Так, было доказано воздействие концентрации инвестиций в регионах на добавленную стоимость, однако динамические аспекты в работе рассмотрены не были (Brown, 2000). Часть работ, направленных на выявление детерминант экономического роста России, указывают на важность различия региональных темпов роста, в том числе начальной структуры экономики, трудовых ресурсов, конкурентоспособности (Михеева, 2010). Таким образом, при определении основных детерминант инвестиционной привлекательности необходимо учитывать не только региональные характеристики, но и отраслевые особенности.

Согласно результатам исследований, формирование внутреннего рынка, развитие инвестиционной и социальной инфраструктуры способствуют растущей отдаче на инвестиции, внешней экономии.

Однако результаты исследований, проведенных в российской экономической среде и направленных на изучению факторов, оказывающих влияние на привлечение инвестиций в регионы, показали, что помимо необходимости развития социально значимых отраслей экономики в менее развитых регионах страны существует следующее противоречие: зачастую государство привлекает инвестиции в те региональные комплексы, которые менее благоприятны для частных инвесторов и ожидаемая доходность активов которых ниже требуемой, инвестиционные потоки нестабильные, с недостаточной инфраструктурной обеспеченностью и низкой величиной внешней экономии (Лапо, 2010).

Возникающие противоречия связаны в первую очередь со спецификой российской экономики, во-вторых, с отраслевыми особенностями факторов, оказывающих влияние на привлечение инвестиций.

Стоит отметить интересную часть исследований по изучению инвестиционной привлекательности, которые направлены на анализ эффективности мер государственного стимулирования инвестиций в различных регионах. Так, исследователи выделяют инструменты, с помощью которых региональные власти стимулируют инвестиционную активность и повышают инвестиционную привлекательность региона. Выявление наиболее действенных мер привлечения инвестиций возможно при использовании моделей с ограниченными зависимыми переменными, релевантность данного метода доказана на примере лесопромышленного комплекса (Лапо, 2014). Основная особенность предложенных моделей - зависимые переменные представляют собой ожидаемые, а не фактические величины.

Важно сказать, что особую роль в оценке инвестиционной привлекательности и изучении распределения инвестиций в России играют исследования, построенные посредством рейтинговых оценок факторов инвестиционного климата страны, субъекта и отрасли. Наиболее значимыми в данном блоке исследований являются разработанные методики рейтингового агентства «Эксперт».

На основе результатов проведенных ранее исследований в области анализа инвестиционной привлекательности различных регионов можно выделить следующие основные факторы, оказывающие влияние на привлечение инвестиций: отраслевая структура экономики региона, приближение производств к источникам ресурсов (ресурсообеспеченность региона), транспортная и общая рыночная инфраструктура, приближение производств к рынкам сбыта (в том числе агломерационный эффект и пространственная корреляция), обеспеченность трудовыми ресурсами и качество человеческого капитала.

Более того, важной переменной при исследовании инвестиционной привлекательности является концентрация промышленных объектов в субъектах Российской Федерации.

Как известно, многие отрасли имеют свои специфические особенности, которые могут оказать существенное влияние на формирование инвестиционной привлекательности. Развитие исследовательского вопроса в данной сфере возможно путем выявления отраслевых особенностей привлечения инвестиций в российские регионы. Более того, при определении детерминант инвестиционной привлекательности важно учесть агломерационные эффекты, концентрацию производств для отдельных отраслей, пространственную корреляцию.

Постановка исследовательской проблемы

Инвестиционная привлекательность определяется совокупностью объективных экономических, природно-географических, социальных и других характеристик региона, возможностей и ограничений, которые определяют приток инвестиций в регион, и оценивается инвестиционной активностью. Также инвестиционная активность субъекта определяется как интенсивность инвестиционных потоков.

Согласно методике Федеральной службы государственной статистики, основным индикатором инвестиционной активности в регионах является объем инвестиций в основной капитал. В соответствии с методологическими пояснениями Росстата, инвестиции в основной капитал - совокупность затрат, направленных на строительство, реконструкцию, расширение и модернизацию объектов, которые приводят к увеличению их первоначальной стоимости, приобретение оборудования, транспортных средств, машин, инвентаря, в том числе затраты предприятий сельского хозяйства по формированию рабочего, продуктивного стада, насаждение и выращивание многолетних культур.

Как известно, инвестиционные потоки в различные сектора экономики распределены по территории страны неравномерно. В качестве показателя, который позволит показать региональную неоднородность инвестиционных потоков, можно использовать индекс концентрации Херфиндаля-Хиршмана (HHI):

где: количество регионов;

- объем инвестиций в основной капитал в регионе ;

- общий объем инвестиций в России.

На рисунке 1 представлена динамика индекса Херфиндаля-Хиршмана за период с 2005 по 2013 гг.

Рис. 4. Динамика индекса Херфиндаля-Хиршмана в России 2005-2013 гг.(Рассчитано по данным УИС Россия)

Максимальное значение индекса в теории равно 10 000 % и достижимо в том случае, если когда весь объем инвестиций страны приходится на один регион. Минимальное значение индекса Херфиндаля-Хиршмана достижимо при равномерном распределении инвестиций по всем регионам. В данном случае, минимальное значение равно 121,95 % (10 000/82 = 121,95) и представлено на рисунке прямой линией.

Исходя из результатов, полученных при расчете индекса, при разработке модели необходимо учитывать неоднородность и подбирать для оценивания соответствующую зависимую переменную, коэффициент вариации которой будет находиться в допустимых пределах.

Важно отметить, что согласно динамике индекса Херфиндаля-Хиршмана в период с 2006 г. по 2011 г., на территории страны наблюдается тенденция снижения концентрации инвестиций российских компаний в определенных регионах, что связано с повышением роли отношений собственности, восприятием собственности как механизма долгосрочной консолидации активов и формированием новой модели управления (в том числе сетевой формы организации). Кроме того, в данный период имеет место отраслевая диверсификация, выход крупного российского бизнеса на финансовый рынок для получения внешнего финансирования, начинающийся процесс транснационализации.

Несмотря на незначительный рост региональной неоднородности инвестиционных потоков в последние годы, основными тенденциями развития является возрастающая роль государства как гаранта платежеспособности, расширение внутриэкономических связей, структурирование согласно отраслевой географической направленности государственных программ по стимулированию инвестиций, в том числе в развитие инфраструктуры.

В качестве основных характеристик инфраструктурной развитости регионов, согласно теоретическому обзору литературы по смежным тематикам, используется ряд показателей, распределенных по различным инфраструктурным секторам.

Так, показатели инфраструктуры, оказывающие влияние на привлечение инвестиций в регионы разделены на: транспортную инфраструктуру (плотность автодорог, густота железнодорожных путей, количество транспортно-логистических комплексов и т.д.), инновационную инфраструктуру (затраты на технологические инновации в регионе, число используемых передовых производственных технологий, количество технопарков и т.д.), информационно-коммуникационную инфраструктуру (затраты на информационные и коммуникационные технологии в регионе, число зарегистрированных абонентских терминалов сотовой связи, персональных компьютеров, точек доступа в сеть Интернет и т.д.) и финансовую инфраструктуру (количество кредитных организаций и страховых организаций в регионе, сумма страховых взносов, количество институтов развития и т.д.).

В долгосрочном периоде инфраструктура развивается вместе с экономическим ростом региона, на который, в свою очередь, оказывает влияние объем поступающих в субъект инвестиций. В качестве переменных, отражающих уровень развития и качество инфраструктуры, в работе используется плотность автодорог, густота железнодорожных путей, удельный вес домашних хозяйств, имеющих доступ к сети Интернет и некоторые другие показатели финансовой инфраструктуры, значимость влияния которых будет проверена в ходе исследования.

Кроме того, необходимо учитывать влияние налоговой политики на инвестиции. Первым масштабным исследованием влияния налоговой политики в рамках неоклассической модели инвестиционного поведения является работа Роберта Хола «Налоговая политика и инвестиционное поведение» (Hall, 1967). Таким образом, в работе необходимо определить влияние налоговых послаблений для предприятий различных секторов экономики на инвестиционную привлекательность региона и установить их значимость.

Для выявления детерминант инвестиционной привлекательности регионов в работе рассматривается ряд переменных, которые описывают экономические особенности региона, институты, агломерационные эффекты, показатели пространственной корреляции и другие факторы.

Далее приведем описание и обоснование выбора конкретных переменных, выдвинем исходные гипотезы о влиянии показателей на инвестиционную привлекательность российских регионов.

Как отмечалось ранее, агломерационный эффект может оказать существенное влияние на инвестиционную привлекательность региона, воздействуя на размещение предприятий в различных отраслях (Fujita, Krugman, Venables, 2002). Для более крупных городов имеет место положительный эффект масштаба, что дает сравнительные преимущества большим городам в привлечении рабочей силы, инвестиций, и способствует общему экономическому росту региона.

Согласно результатам многих исследований, общий тренд развития страны представляет собой относительный рост более крупных субъектов и окружающих их территорий и упадок большинства сельских территорий, которые не стянуты сетью больших городов.

Отметим, что российские статистические центры не ведут официальной статистики по данным о метрополитенских статистических ареалах, которые отражают урбанизированные зоны вокруг города-ядра или нескольких больших городов-ядер, характеризующихся высокой плотностью населения и тесными экономическими связями. Таким образом, в данном случае для анализа эффекта агломерации будет использован показатель численности населения самого крупного города региона по отношению к численности населения региона в целом. Гипотеза заключается в том, что инвестиционная привлекательность регионов с более крупными агломерациями будет выше.

Необходимо учесть, что административные центры субъектов Российской Федерации зачастую являются самыми крупными региональными центрами. Исключениями являются Вологодская область (агломерационным центром является город Череповец, «Северсталь») и Кемеровская область (Новокузнецк), что связано с высокой степенью централизации управления и экономики, оставшейся со времен советской власти. Исходя из инертности территориальной структуры хозяйствования и расселения, можно сделать вывод, что показатели агломерации являются экзогенными переменными, которые в некоторой степени отражают размещение производства, управления, а также структуру расселения, которые страна получила от предшествующего периода.

Кроме того, необходимо учесть воздействие регионов на развитие друг друга. Для анализа пространственных взаимосвязей рассмотрим матрицы пространственных весов, на основе которых в дальнейшем будет определен показатель, отражающий пространственную корреляцию регионов.

Данные матрицы отражают предположение, что регион связан с некоторыми соседними регионами. Существует насколько видов пространственных матриц: матрица граничных соседей, матрица ближайших соседей, матрица расстояний и матрица расстояний с учетом размера или мощности региона (Fingleton, 2003).

Основным недостатком первой группы матриц является предположение, что влияние оказывают только регионы, имеющие общие границы, воздействие же более отдаленных регионов считается несущественным, что в некоторых случаях противоречит экономическим реалиям. Однако матрицы ближайших соседей широко распространены в европейских исследованиях экономического роста и инвестиционной привлекательности. Тем не менее, для регионов России данная методика расчета воздействия может работать нестабильно, поскольку российские регионы не однородны, в том числе по площади (более полное описание расчетов матрицы расстояний представлено в разделе «Методология исследования»).

Первым шагом по выявлению пространственной корреляции является расчет глобальной пространственной корреляции (Global Moran's Index). Для расчета данного показателя была использована граничная матрица.

,

где: - сумма весов пространственной матрицы;

- отклонение коэффициента инвестиций региона от среднего значения инвестиций;

- число регионов.

Для расчета индекса используется одна взвешивающая матрица - граничная матрица, диагональные элементы которой равны нулю, поскольку она отражает влияние других регионов. В граничной матрице элемент , если регионы и имеют общую границу, , если регионы общей границы не имеют.

Данный показатель отражает силу линейной взаимосвязи между отклонением коэффициента инвестиций в регионе от среднего уровня и пространственно взвешенных показателей в соседних регионах.

Значение статистики отражает положительную пространственную корреляцию в случае, если большим значениям отклонений от среднего уровня инвестиций в соседних регионах, взвешенных в соответствии с матрицей, соответствуют большие значения инвестиций в рассматриваемом регионе. Соответственно, меньшие значения - отрицательная пространственная корреляция.

Таблица 1Индексы Морана для инвестиций

Годы

2010

2011

2012

2013

2014

Граничная матрица весов

Вся Россия

0,067

0,095

0,104

0,081

0,142

Устойчиво положительные показатели статистики Морана для инвестиций свидетельствуют о наличии пространственной корреляции, что позволяет сделать предположение о наличии краткосрочных пространственных эффектов для российских регионов.

Следует отметить, что с помощью статистики Морана можно лишь сделать начальные предположения о наличии пространственных эффектов. Таким образом, положительный коэффициент Морана для инвестиций свидетельствует о том, что на объем инвестиций в одном регионе России воздействуют объемы инвестиций в других регионах. Однако этого недостаточно для интерпретации полученного результата, поскольку следует учесть влияние других объясняющих переменных в рассматриваемом регионе.

Кроме того, для выявления основных детерминант инвестиционной привлекательности необходимо выявить сырьевую специализацию российских регионов. Природная рента, возникающая при разработке полезных ископаемых, представляет собой дополнительный доход региона и дает субъекту сравнительное преимущество в производительности (в расчете на единицу затрат труда и капитала). Для учета сырьевой специализации региона в исследовании используются следующие показатели: во-первых, в используемую для анализа базу данных включается переменная, отражающая объем выпуска топливной промышленности на одного человека, во-вторых, доля сырьевой промышленности в объеме выпуска региона.

Регионы с высоким уровнем развития сырьевой промышленности располагают запасами сырья и осуществляют его добычу, что является для региона особенностью отраслевой специализации. В исследованиях основных детерминант экономического роста и развития инвестиционной активности стран на длительном промежутке времени доля сырья в экспорте зачастую отрицательно влияет на средние показатели темпа роста страны (Sachs, Warner, 1997). Данную закономерность объясняют нестабильностью цен на сырье, что порождает проблему государственных финансов, эффект «голландской болезни» (Айвазян и др., 2014).

Однако в период с 2010 г. по 2014 г. имеют место существенные конкурентные преимущества отрасли сырьевой промышленности на внешнем рынке, что позволяет предположить обратный эффект - сырьевая специализация региона может способствовать росту инвестиционной привлекательности региона. Более того, рассматриваемый в исследовании временной отрезок характеризуется благоприятными ценами на углеводороды.

Тем не менее, направление и силу влияния сырьевой специализации региона на инвестиции в другие отрасли на данном этапе предположить сложно, поскольку не найдено соответствующих и достоверных взаимосвязей. Данная переменная будет включена в базу данных, ее значимость и степень влияния будет проверена в ходе регрессионного анализа.

Для исследования отраслевых особенностей привлечения инвестиций в регионы важно учитывать показатели человеческого капитала. Стоит ожидать, что регионы с высококвалифицированными трудовыми ресурсами имеют большой инвестиционный потенциал и степень их инвестиционной привлекательности выше. В первую очередь данная гипотеза относится к сектору услуг и обрабатывающей промышленности.

В качестве переменных для определения влияния человеческого капитала на инвестиционную привлекательность региона были рассмотрены следующие показатели - соотношение студентов вузов к числу занятых в регионе и численность аспирантов. Однако в связи с недостатками последнего показателя, он был исключен из исследования (в связи с тем, что для большого количества молодых людей аспирантура является одним из способов избежать военной службы). Используемый в исследовании показатель - численность студентов вузов по отношению к численности занятых косвенным образом отражает научно-исследовательский потенциал региона, потенциал высококвалифицированной рабочей силы.

Рыночные процессы в экономике России стремительно развиваются и сила их развития с каждым годом увеличивается. Следует сказать, что одним из важнейших факторов, который определяет объем инвестиций в основной капитал, является фондоотдача. Данный коэффициент показывает объем валового регионального продукта, который приходится на 1 руб. основных фондов.

Кроме того, ключевыми параметрами инвестиционной привлекательности являются агломерационный эффект и концентрация предприятий в отрасли. Направление и силу взаимосвязи данных факторов на текущем этапе определить сложно, возможно, для каждой рассматриваемой отрасли данные показатели получат различную силу и характер влияния.

Методология исследования

Как показал анализ, инвестиции на территории страны распределены крайне неоднородно. Для показателей инвестиций и инвестиций в расчете на одного жителя региона коэффициент вариации превышает рекомендуемый порог в два и более раз. Известно, что использование неоднородной выборки может привести к гетероскедостичности в эконометрических моделях, смещенным и неэффективным оценкам. Таким образом, для получения репрезентативных результатов в качестве целевой следует использовать переменную, коэффициент вариации которой будет находиться в допустимых пределах.

Коэффициент реновации может выступать в качестве зависимой переменной, поскольку это поможет снизить эффекты масштаба, инфляции, а также снизить вероятность выявления гетероскедастичность в эконометрических моделях. Данный показатель представляет собой объем инвестиций в основной капитал, деленный на объем основного капитала (Johnston, DiNardo, 1997). В таблице 2 представлен коэффициент вариации данной переменной для всех отраслей.

Таблица 2Коэффициент вариации для показателя инвестиций, скорректированного на величину основных фондов

2011

2012

2013

2014

Среднее значение

0,113

0,119

0,122

0,108

Стандартное отклонение

0,046

0,043

0,042

0,036

Коэффициент вариации (%)

40,3

36,3

34,7

33,6

Согласно полученным результатам, коэффициент вариации для данной переменной незначительно превышает пороговое значение для однородной выборки (33,3%), однако, в рамках текущего исследования данный уровень однородности является допустимым, поскольку исключение из выборки некоторых регионов может способствовать исключению из анализа важных региональных особенностей. Более того, при исследовании региональных данных крайне сложно сформировать однородную выборку в связи со спецификой российской экономики.

Немаловажным является тот факт, что большая часть инвестиций периода является результатом решений, которые были приняты в периоде и ранее. Экономическое состояние этого года, текущие характеристики регионов не оказывают существенного влияния на объем инвестирования в этом году (Берндт, 2005). Таким образом, для рассматриваемого периода объем инвестиций будет изначально включаться с лагом с целью сохранения наблюдений.

Для периода коэффициент реновации имеет вид:

где: - объем инвестиций в основной капитал в регионе в период ;

- объем основного капитала в регионе .

Согласно методологии системы национальных счетов, инвестиции в основной капитал рассчитаны в сопоставимых ценах, в качестве которых приняты цены предыдущего года.

Выборка включает все регионы России, г. Санкт-Петербург и г. Москва, Тюменская область исследовалась отдельно от автономных округов (в выборку отдельно включены Ханты-Мансийский автономный округ, Ямало-Ненецкий автономный округ), прочие автономные образования включены в состав краев и областей (всего 82 региона).

Данные охватывают следующий временной период: для объема инвестиций с 2011 г. по 2014 г., для объясняющих переменных с 2010 г. по 2013 г. Данный временной промежуток исключает период финансового кризиса.

Кроме того, изначально все регионы были разделены на восточные (27 регионов) и западные (55 регионов), поскольку согласно результатом одного из ранее упомянутых исследований (Коломак, 2010), есть основания полагать, что для данных групп регионов можно выявить разные взаимосвязи.

Во-первых, следует привести некоторую описательную статистику для зависимой переменной. На рисунке приведен график среднего уровня реновации для рассматриваемых регионов за 2011-2014 гг. отдельно для западных и восточных регионов, для всех регионов России.

Рис. 4. Средний уровень реновации по всем российским регионам, для восточных регионов, для западных регионов (в процентах)

Комментируя рисунок, необходимо отметить, что несмотря на некоторое различие абсолютных величин для восточных и западных регионов, прослеживается сходность динамики для различных групп регионов.

Ряд проблем, возникающих при анализе региональных данных, изучается в рамках пространственной эконометрики. В стандартных моделях взаимодействия различных показателей не рассматривается возможность пространственного взаимодействия. В рамках данных моделей существует неявное предположение, что регионы являются независимыми единицами в рассматриваемой экономической системе. Однако межрегиональное взаимодействие существует. Сообразно с этим, близко расположенные регионы, вероятнее всего, оказывают большее влияние на развитие друг друга нежели регионы, которые расположены на значительном расстоянии. Одной из основных причин является наличие транспортных затрат.

Таким образом, важной предпосылкой пространственной эконометрики является наличие коррелированности изучаемых показателей в пространстве - динамика исследуемых показателей определяется в том числе и региональной принадлежностью.

При наличии пространственной корреляции нарушаются следующие предпосылки теоремы Гаусса-Маркова: некоррелированность ошибок модели, независимость ошибок модели, поскольку ошибки могут быть пространственно коррелированы между собой. В данном случае использование метода наименьших квадратов приведет к смещенности, неэффективности, несостоятельности оценок. Помимо этого, смещенность оценок может быть связана с наличием пропущенных переменных в модели. Одной из мер по предотвращению смещенности оценок является учет пространственных лагов в модели, которые могут оказаться значимыми.

Для проверки пространственной корреляции эндогенной переменной в исследовании был рассчитан индекс пространственной автокорреляции (индекс Морана). Таким образом, была сформулирована гипотеза о влиянии уровня инвестиций в соседних регионах на инвестиционную активность в рассматриваемом субъекте.

Следует заметить, что выявление положительного пространственного эффекта для инвестиций в регионах свидетельствует о том, что регион с большими инвестициями «тянет за собой» соседние регионы. Отрицательный эффект для инвестиций соответствует тому, что рассматриваемый регион «стягивает» все ресурсы и не дает развиваться ближайшим регионам. Кроме того, пространственные эффекты могут иметь некоторую временную динамику. Таким образом, есть смысл в разделении краткосрочных и долгосрочных пространственных эффектов.

Для учета влияния других регионов в работе будет использована матрица расстояний. В качестве меры веса, с которой соседние регионы влияют на рассматриваемый, в работе использован коэффициент обратного расстояния. Коэффициенты стандартной матрицы расстояний рассчитываются по следующей формуле:

,

где: - расстояние между регионами;

- квантили расстояний.

Коэффициент в данном случае равняется двум. Таким образом, матрица весов - это некий аналог гравитации: степень взаимодействия регионов обратно пропорциональна расстоянию между ними в квадрате. Чем больше расстояние между регионами, тем меньше они влияют друг на друга.

Модификацией ранее описанного метода учета пространственных коэффициентов является матрица расстояний, которая учитывает мощность соседних регионов:

где: - показатель мощности региона (в данном случае объем инвестиций в основной капитал).

Для определения расстояния в данном исследовании использовано минимальное расстояние, необходимое для перемещения по автомобильным дорогам до другого регионального центра. Использование данного показателя позволяет отразить кратчайшее экономическое расстояние между субъектами. Расчет осуществлялся при помощи программы по расчету расстояний (Интернет-система АвтоТрансИнфо).

Для дальнейшего анализа по определению факторов, оказывающих влияние на привлечение инвестиций в различные отрасли, в исследовании использованы данные государственной и региональной статистики. В качестве основного метода определения влияния исследуемых факторов объемы привлекаемых инвестиции выбрана двухшаговая процедура. На первом шаге производится расчет показателя взаимодействия регионов без учета остальных факторов. На втором шаге производится построение регрессий, в которых в качестве зависимой переменной, описывающей инвестиционную привлекательность региона в конкретной отрасли, выступает коэффициент реновации (3), предикторами являются те или иные наборы факторов в зависимости от значимости и качества моделей.

В первую очередь, необходимо вычислить коэффициент пространственной автокорреляции для отдельного региона в каждом периоде времени и построить диаграмму рассеяния.

Вторым шагом анализа пространственной корреляции является проверка гипотез о характере взаимодействия регионов. Для определения влияния инвестиций соседних регионов на инвестиционную привлекательность субъекта рассмотрим классическую множественную регрессию, в которой в качестве переменной, характеризующей взаимосвязь регионов, используется:

где: - инвестиции соседнего региона;

- расстояние от соседнего региона до региона ;

- количество соседних регионов.

Рассмотрим разброс значений данного показателя относительно среднего значения, рассчитанного за весь период наблюдений по всем российским регионам.

Рис. 5. График рассеяния показателя взаимосвязи регионов по уровню инвестиций и средний уровень показателя для всех российских регионов

Согласно графику рассеяния, для большинства регионов России показатель взаимосвязи регионов по инвестициям ниже среднего макроэкономического показателя, что связано в первую очередь с большими расстояниями между регионами, и, следовательно, большим размером транспортных издержек. Таким образом, для дальнейшего анализа важно оценить влияние данного показателя на инвестиционную привлекательность регионов, выявить значимость и силу взаимосвязи.

На основании оценки модели тестируется гипотеза об отсутствии пространственной автокорреляции, которая либо отвергается, и тогда данный показатель является незначимым, либо не отвергается, и тогда показатель статистически значим и окончательной спецификацией модели является модель со включением показателя взаимосвязи регионов.

Помимо коэффициента пространственной корреляции, независимыми переменными в исследовании выступают различные показатели, которые были разделены на группы. Данные группы включают инфраструктурные, экономические, социально-экономические показатели, а также показатели агломерационных эффектов, человеческого капитала, бюджетной обеспеченности, концентрации и ценовые индексы.

В качестве объясняющих факторов в моделях выбраны следующие переменные:

1) Влияние агломерационных процессов, концентрации и эффекта рынка учитывается с помощью переменных:

- розничный товарооборот на душу населения (с помощью данного показателя учитывается влияние рынка);

- количество организаций и предприятий, зарегистрированных в регионе в каждой отрасли (данная переменная аппроксимирует влияние концентрации организаций и позволяет отобразить влияние рынка, связанного с внутриотраслевым оборотом товаров, зачастую данная переменная выступает как альтернатива работающему капиталу в агломерационных моделях).

Кроме того, будет использован показатель численности населения самого крупного города региона по отношению к численности региона в целом, с помощью которого отражается мощность агломерации региона;

2) Переменные, связанные с развитием инфраструктуры соответствуют показателям транспортной и информационно-коммуникационной инфраструктуры, отражают эффект внешней экономии в регионе. К ним относятся:

- удельный вес домохозяйств, имеющих персональный компьютер и доступ к сети Интернет, в общем числе домашних хозяйств соответствующего региона;

- плотность автомобильных дорог;

- густота железнодорожных путей.

Предполагается, что регионы с более развитой инфраструктурой являются более инвестиционно привлекательными;

3) Для формирования и устойчивого развития некоторых отраслей крайне важно развитие энергетического комплекса в регионе, именно поэтому переменная производства электроэнергии включена в уравнение регрессии;

4) Динамика социальной инфраструктуры характеризуется переменной, отражающей удельный вес студентов вузов в общем числе занятого населения региона. Данный показатель отражает качество человеческого капитала региона;

5) Политику правительства региона отражает индекс бюджетной обеспеченности, определяющийся как отношение расходов консолидированного бюджета к численности населения региона;

6) Влияние транспортных издержек отражает переменная индекса тарифов на грузовые перевозки;

7) Важным фактором, определяющим объем инвестиций в основной капитал является фондоотдача, выраженная через объем валового регионального продукта, приходящегося на 1 рубль основных фондов;

8) Коэффициент, характеризующий взаимосвязь регионов (6);

9) Специфические переменные для отрасли (например, посевные площади всех сельскохозяйственных культур, доля строительства и др.);

10) Инвестиции в отрасль в периоде t-2.

Кроме того, в модель были включены другие показатели, однако при их использовании качество моделей существенно снижалось, именно поэтому из дальнейшего анализа данные переменные были исключены. Полный список и описание переменных представлено в Приложении 3.

Влияние данных переменных на показатель инвестиционной привлекательности региона и значимость взаимосвязей будет проверяться с помощью регрессионного анализа.

Как отмечалось ранее, в случае использования матрицы весов и пространственного коэффициента корреляции для каждого наблюдения, параметры уравнения нельзя оценивать методом наименьших квадратов, поскольку нарушается условие некоррелированности возмущений и факторов.

Однако в данном случае оценивание происходит двухшаговым методом (для оценки влияния регионов введена отдельная переменная (6)), значимость которой можно проверить с помощью метода наименьших квадратов, который и используется далее.

Влияние описанных факторов на зависимую переменную оценивается с помощью моделей вида:

где: - матрица объясняющих переменных, за исключением коэффициента, характеризующего объем инвестиций в соседних регионах с учетом корректировки на расстояние (6);

- вектор оцениваемых коэффициентов при объясняющих переменных;

- показатель, характеризующий объем инвестиций в ближайших регионах с учетом их удаленности (6);

- вектор при коэффициенте ;

- вектор возмущений.

Перед этапом построения качественных моделей, способных описать большой объем имеющейся выборки, проведем корреляционный анализ, необходимый в первую очередь для предварительного подтверждения ранее выдвинутых гипотез и исключения возможной мультиколлинеарности в уравнениях регрессии. Построим поля корреляции для зависимой переменной и всех рассматриваемых факторов с целью выявления взаимосвязей. Поля корреляции представлены в Приложении 2.

На основе графического анализа можно сделать вывод, что большинство первоначально поставленных гипотез может быть подтверждено, однако предстоит выявить отраслевые особенности.

Рассчитаем коэффициенты корреляции Пирсона. На данном этапе исследования в анализируемых данных отсутствуют ранговые и бинарные переменные, именно поэтому был выбран именно такой метод расчета корреляции. Для количественных переменных значение данного коэффициента существенно не отличается от величин коэффициента корреляции Спирмена. Взаимосвязь факторов инвестиционной привлекательности инвестиций без учета отраслевых особенностей представлена в таблице 3.

Таблица 3 Взаимосвязь инвестиционных потоков региона и факторов инвестиционной привлекательности

Показатель инвестиций

Эффект агломерации

Бюджетная обеспеченность

Инвестиции в периоде t-2

...

Страница:


Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.

© 2000 — 2023, ООО «Олбест» Все права защищены