DOI: 10.29141/2658-5081-2022-23-2-6 EDN: EQVMZL JEL classification: 010, O47, P51
Д. С. Бенц Челябинский государственный университет, г. Челябинск, Российская Федерация
Долгосрочные тренды межрегиональной дифференциации: Свердловская vs Челябинская область
Аннотация. Угрозы усиления межрегиональной дифференциации, ставшие причиной неэффективного пространственного развития, все чаще оказываются в фокусе внимания ученых. Как правило, регион, находящийся на позиции периферии, не способен занять место центра. На Урале1 это место давно принадлежит Свердловской области, опережающей соседние регионы по ряду социально-экономических показателей. В предшествующих исследованиях автором выявлен феномен, обозначенный как «синхронизация экономик». Так, Челябинская область во многом повторяет тренды Свердловской области, тем не менее оставаясь на периферии. В этой связи приобретает актуальность изучение межрегиональной дифференциации двух экономик. Статья посвящена конструированию долгосрочных трендов дифференциации регионов на примере Свердловской и Челябинской областей. Методология работы основана на теориях пространственного развития и кумулятивного роста. Использовались методы статистического сравнения и анализ динамик. Информационной базой послужили данные, публикуемые на сайте Росстата и портале «ЕМИСС. Государственная статистика», а также сведения, генерируемые информационно-аналитической системой FIRA PRO ООО «Первое независимое рейтинговое агентство». Предложена методика оценки межрегиональной дифференциации, включающая 12 индикаторов. Установлено, что за 2001-2019 гг. размах вариации между регионами по уровню ВРП на душу населения в ценах 2001 г. увеличился, а по уровню заработной платы, фиксированной в ценах того же года, напротив, сократился. По величине реального ВРП на душу населения Свердловская область почти сохраняет свои позиции по отношению к региону-аутсайдеру, в отличие от Челябинской области, которая становится к аутсайдеру ближе. При этом обе области за период 2001-2020 гг. приблизились и к региону-лидеру. По уровню реальной заработной платы их позиции стали примерно равными, «превосходство» над регионом-аутсайдером сократилось.
Ключевые слова: межрегиональная дифференциация; Свердловская область; Челябинская область; реальный ВРП на душу населения; реальная заработная плата; коэффициенты дифференциации.
Для цитирования: Bents D. S. (2022). Long-term trends in differentiation between regions: Sverdlovsk oblast vs Chelyabinsk oblast. Journal of New Economy, vol. 23, no. 2, pp. 102-124. DOI: 10.29141/2658-5081-2022-23-2-6. EDN: EQVMZL.
Информация о статье: поступила 25 января 2022 г.; доработана 21 февраля 2022 г.; одобрена 5 марта 2022 г.
1 Речь идет не об Уральском федеральном округе, в котором по ряду позиций Тюменская область с ХМАО и ЯНАО может и опережать Свердловскую область, а скорее об Уральском макрорегионе.
Daria S. Bents Chelyabinsk State University, Chelyabinsk, Russia
Long-term trends in differentiation between regions: Sverdlovsk oblast vs Chelyabinsk oblast
Abstract. Threats of increased differentiation across regions, which have caused inefficient spatial development, are progressively coming into the scientists' focus. By and large, a peripheral region is unlikely to take the place of the center. In the Urals1, the Sverdlovsk oblast has long been the center and stayed ahead of its neighbours in terms of socioeconomic performance. Our previous research revealed a phenomenon called 'synchronisation of economies'. Accordingly, the Chelyabinsk oblast in many instances repeats the trends of the Sverdlovsk oblast, but remains at the periphery. In this regard, studying the differentiation between the two economies becomes a relevant issue. The research aims to construct long-term trends of differentiation between regions using the case of the Sverdlovsk and Chelyabinsk oblasts. The theories of spatial development, including the theory of cumulative growth, constitute the methodological basis of the research. Applying the methods of statistical comparison and times series analysis, the study interprets the data published by Russia's Federal State Statistics Service (Rosstat), the Unified Interdepartmental Statistical Information System (UISIS), and generated by FIRA PRO information analytics system (OOO "First Independent Rating Agency"). The author proposes a method for assessing differentiation across regions based on 12 indicators. The findings demonstrate that for 2001-2020, the variation between the regions in terms of GRP per capita (in 2001 prices) has increased, whereas in terms of wages in prices of the same year it decreased. In relation to the outsider region, the Sverdlovsk oblast has kept its position in terms of the real GRP per capita compared to the Chelyabinsk oblast, which is approaching the outsider. At the same time, for 2001-2020, both regions have become closer to the leader. With regard to the real wages, the positions of the regions have nearly equalized, the 'superiority' over the outsider has decreased.
Keywords: differentiation across regions; Sverdlovsk oblast, Chelyabinsk oblast; real GRP per capita; real wages; differentiation coefficients.
For citation: Bents D. S. (2022). Long-term trends in differentiation between regions: Sverdlovsk oblast vs Chelyabinsk oblast. Journal of New Economy, vol. 23, no. 2, pp. 102-124. DOI: 10.29141/2658-5081-2022-23-2-6. EDN: EQVMZL.
Article info: received January 25, 2022; received in revised form February 21, 2022; accepted March 5, 2022
1 Here under the Urals we mean the Ural macroregion, not the Ural Federal District, where the Tyumen oblast taken together with Khanty-Mansi Autonomous Okrug - Yugra and Yamalo-Nenets Autonomous Okrug can outperform the Sverdlovsk oblast in a number of aspects.
Введение
Проблема пространственного развития приобрела особую актуальность во второй половине XX в. С учетом этого обстоятельства стали формироваться многие стратегические документы. Одним из ключевых препятствий для эффективного пространственного развития является усиление межрегиональной дифференциации. Более того, в Стратегии пространственного развития РФ высказаны опасения по поводу роста территориального неравенства в случае реализации инерционного сценария в данной сфере.
Концепция территориального неравенства была оформлена в теорию «центр - периферия» Дж. Фридманном в 1966 г. [Friedman, 1966]. Центр, аккумулирующий все ресурсы, с одной стороны, подпитывается резервами периферии, а с другой стороны - выступает разработчиком инноваций, потребляемых в том числе и периферией. Отдельное направление пространственного развития с течением времени оформилось в виде кумулятивных теорий [Myrdal, 1957; Hirshman, 1958], описывающих факторы успешной специализации и положительного эффекта масштаба как преимущество для дальнейшего ускоренного роста. Дж. Г. Уильямсон показал нелинейную зависимость межрегиональной дифференциации от уровня развития территории [Williamson, 1965]. О разных темпах роста диспропорций говорил и С. Кузнец. Согласно его теории, эти диспропорции нивелируются, когда система достигает более высокого уровня развития [Kuznets, 1955]. Вклад в рассмотрение проблемы пространственного развития внесла и концепция новой экономической географии. Ее автор П. Кругман разделил факторы регионального роста на факторы первой и второй природы. В первую группу он включил географию и природные ресурсы территории, во вторую - агломерационные эффекты [Krugman, 1991].
Многие российские ученые также обращали внимание на вопросы пространственного развития, межрегиональной и внутрирегиональной дифференциации, центра и периферии. Оформились целые «географические» школы, занимающиеся региональными исследованиями в целом и вопросами пространственного развития в частности. Их ключевыми фигурами являются представители научных сообществ центральной (Е. М. Бухвальд [2020], Н. В. Зубаревич [2019]) и северо-западной части России (С. В. Кузнецов, Н. М. Межевич, С. С. Лачининский [2015], В. В. Окрепилов [2020]), Сибири (Е. А. Коломак [2020]) и Дальнего Востока (П. А. Минакир [2021]).
Указанной проблематикой занимаются многие ученые из северной части Урала: Е. Г. Анимица, Н. Ю. Власова [2021], А. А. Куклин, А. Г. Леонтьева [2011], Е. В. Куруши-на, М. Б. Петров [2018], Ю. Г. Лаврикова, В. В. Акбердина, А. В. Суворова [2019, 2020], А. И. Татаркин [2016] и др. Проблему межрегиональной дифференциации не обошли вниманием и коллеги автора из Челябинской области В. С. Антонюк, Е. Л. Корниенко, Э. Р. Вансович [2020], В. И. Бархатов, Ю. Ш. Капкаев, Д. А. Плетнёв [2019], И. В. Данилова, А. В. Резепин [2021]. Более полный перечень исследователей приведен в одной из предшествующих публикаций [Бенц, 2021].
Цель исследования - конструирование долгосрочных трендов межрегиональной дифференциации на примере Свердловской и Челябинской областей.
Задачи исследования:
• раскрыть специфику социально-экономического развития указанных регионов;
• предложить методику оценки межрегиональной дифференциации, отвечающую поставленным далее задачам;
• оценить глубину дифференциации между Свердловской и Челябинской областями;
• проанализировать, усиливается или ослабевает дифференциация в долгосрочной динамике;
• выявить позиции указанных регионов в общероссийском пространстве;
• проанализировать с учетом долгосрочной динамики степень их приближения к лидерам и аутсайдерам.
Особенности социально-экономического развития Свердловской и Челябинской областей
Территории Урала, в частности Свердловскую и Челябинскую области, принято относить к старопромышленным регионам. Промышленная история Урала началась три столетия назад, когда во времена преобразований Петра I был заложен ее горно-металлургический «фундамент». С тех пор металлургическая промышленность, в том числе с опорой на добычу местных полезных ископаемых, стала базовой [Гордеев, 2017, с. 76].
Ключевые социально-экономические показатели, отражающие текущее состояние исследуемых регионов, приведены в табл. 1. Несмотря на то, что площадь Свердловской области превышает площадь Челябинской области более чем в два раза, численность населения в первом регионе лишь на 20 % больше, чем во втором. Среднегодовая численность занятого населения имеет еще меньшее расхождение. При том, что инвестиций в основные фонды в Свердловской области больше лишь на 20 %, а основных фондов в стоимостном объеме - на 40 %, область производит на 60 % больше регионального продукта. По показателю ВРП на душу населения Свердловская область опережает Челябинскую на 30 %.
По всем видам промышленности (в соответствии с ОКВЭД 2) Свердловская область производит на 44 % больше Челябинской, за исключением раздела «добывающая промышленность», - здесь объемы в Челябинской области на 51 % больше, чем в Свердловской, несмотря на то, что в регионе меньше крупных добывающих предприятий.
Изучая долгосрочные тренды, некоторые авторы констатируют проявление в Свердловской области тенденций промышленной деспециализации, которых не наблюдается в соседнем регионе [Гребёнкин, 2020, с. 76]. Если же обратиться к цифрам, фиксирующим отраслевую структуру добавленной стоимости, то в долгосрочной перспективе картина получится следующая: в 2001 г. доля промышленности в валовом региональном продукте составляла в Челябинской области 43,7 %, в Свердловской области - 42,9 %, к 2019 г. значения сократились и составили 39,1 и 39,0 % соответственно1.
Существует множество типологий регионов, но термины «старопромышленный регион» или «традиционно-промышленный регион» нашли свое место в научном дискурсе. Исследуемые субъекты РФ являются типичными представителями традиционно-промышленных регионов, поскольку обладают такими характерными для них свойствами, как эволюционность, устойчивость, индустриальность [Дворядкина, Джалилов, 2021, с. 54].
Еще одна особенность долгосрочного развития рассматриваемых регионов - синхронизация динамик развития. Особенно тесной связь оказалась в части темпов роста среднедушевых доходов населения, промышленного производства, номинального ВРП на душу населения. Все остальные ключевые показатели социально-экономического развития также демонстрируют наличие синхронизирующих эффектов, пусть и в несколько меньшей степени [Бенц, 2020Ь]. Если рассчитать коэффициенты корреляции
1 По данным Росстата (https://rosstat.gov.ru).
Таблица 1. Основные социально-экономические показатели Свердловской и Челябинской областей Table 1. The most important socioeconomic indicators of Sverdlovsk and Chelyabinsk oblasts
№ Показатели Абсолютные величины Соотношение значений показателей Свердловской и Челябинской областей
УрФО Свердловская область Челябинская область
1 Площадь территории, тыс. км2 1 818,5 194,3 88,5 2,2
2 Численность населения (на 1 января 2021 г.), тыс. чел. 12 329,5 4 290,0 3 442,8 1,2
3 Среднегодовая численность занятых, тыс. чел. 6 177,7 1 954.9 1 717,0 1Д
4 Среднедушевые денежные доходы, руб. в месяц 37 204,0 37 374,0 26 628,0 1,4
5 Потребительские расходы в среднем на душу населения, руб. в месяц 27 217,0 29 868,0 20 457,0 1,5
6 Среднемесячная номинальная начисленная заработная плата работников организаций, руб. 54 603,0 43 256,0 39 349,0 1,1
7 Инвестиции в основной капитал, млрд руб. 3 146,9 381,1 322,2 1,2
8 Основные фонды в экономике (по полной учетной стоимости), млрд руб. 49 847,6 8 183,2 5 810,1 1,4
9 Количество крупных промышленных предприятий (на 1 января 2021 г.) добыча полезных ископаемых 96 10 7 1,4
10 обрабатывающие производства 211 94 72 1,3
11 обеспечение электрической энергией, газом и паром; кондиционирование воздуха 49 12 9 1,3
12 водоснабжение; водоотведение, организация сбора и утилизации отходов, деятельность по ликвидации загрязнений 28 14 8 1,8
13 Объем отгруженных товаров собственного производства, выполненных работ и услуг собственными силами по видам экономической деятельности, млрд руб. добыча полезных ископаемых 5 435,8 92,5 139,6 0,7
14 обрабатывающие производства 5 134,9 2 072,2 1 412,2 1,5
15 обеспечение электрической энергией, газом и паром; кондиционирование воздуха 722,1 245,2 129,5 1,9
16 водоснабжение; водоотведение, организация сбора и утилизации отходов, деятельность по ликвидации загрязнений 174,0 77,6 37,2 2,1
17 Валовой региональный продукт, млрд руб. 13 227,7 2 529,5 1 545,6 1,6
18 Валовой региональный продукт на душу населения, тыс. руб. 1 070,6 586,5 445,3 1,3
Составлено по данным Росстата (пп. 1-8 и 13-18) и информационно-аналитической системы FIRA PRO ООО «Первое независимое рейтинговое агентство» (пп. 9-12).
Примечание. Если не указано иное, данные приведены по состоянию на 1 января 2020 г.
между темпами их роста, то практически все значения превысят 0,7. В табл. 2 приведены результаты корреляционного анализа, упорядоченные по степени убывания связи.
Таблица 2. Результаты корреляционного анализа Table 2. Correlation analysis results
Показатель Значение коэффициента корреляции
Темпы роста среднедушевых денежных доходов населения* 0,95
Индексы промышленного производства* 0,91
Темпы роста номинального ВРП на душу населения** 0,90
Индексы физического объема ВРП*** 0,87
Темпы роста номинального ВРП*** 0,86
Темпы роста инвестиций в основной капитал* 0,78
Темпы роста потребительских расходов на душу населения* 0,76
Темпы роста среднегодовой численности занятых* 0,70
Темпы роста выбросов в окружающую среду* 0,62
Темпы роста стоимости основных фондов* 0,47
Составлено по данным Росстата. В выборку вошли годовые значения за следующие периоды: * - 1996-2020 гг.; ** - 1998-2019 гг.; *** - 1996-2019 гг.
Существуют и другие исследования, в которых показано, что рассматриваемые области демонстрируют аналогичные результаты. Например, С. П. Земцовым и В. А. Бари-новой оба уральских региона отнесены к «специализированным креативным регионам», которые авторы определяют как «регионы среднего потенциала с сохранением высокого научно-производственного потенциала» [Земцов, Баринова, 2016, с. 74-75]. С точки зрения перспектив инновационного развития региональных экономик Свердловская и Челябинская области входят в группу регионов с рейтингом выше среднего [Валентей и др., 2014].
Ранее построенные регрессионные модели позволили установить, что источником долгосрочного социально-экономического роста исследуемых территорий служит промышленное производство [Бенц, 2020а, с. 119-120]. Для Челябинской области этот фактор более значим - его эластичность относительно темпов роста ВРП выше. Высокоэластичное влияние на экономический рост этого региона показал также трудовой фактор.
Материалы и методы исследования
В экономической литературе существует большое количество исследований, в которых содержится обзор методов количественной оценки межрегиональных различий [Глу-щенко, 2015] или применяются эти методы [Кривошлыков, Жахов, 2017; Малкина, 2017; Жаромский, Мигранова, Токсанбаева, 2018; УогоэЬПоу, виЬапоуа, 2018; МаШпа, 2019]. Часто авторы используют следующие показатели оценки уровня территориального неравенства: коэффициент фондов; коэффициенты дифференциации доходов с учетом де-цильных групп; индексы Аткинсона, Джини, Хэчмана, коэффициенты Тэйла, вариации, осциляции и др.
Методика исследования позволяет решить поставленные выше задачи: во-первых, оценить уровень межрегиональной дифференциации исследуемых регионов по отношению друг к другу; во-вторых, показать их место по отношению к регионам-лидерам,
регионам-аутсайдерам, среднероссийским регионам; в-третьих, оценить оба указанных параметра в динамике - с целью выстраивания долгосрочных трендов. Представляется целесообразным опираться на индикаторы, измеряемые в денежных единицах (абсолютные), и индикаторы, имеющие безразмерные единицы измерения (относительные). Методика включает два индикатора: размах вариации и коэффициент дифференциации. Автором предложено по шесть версий каждого индикатора (табл. 3).
Таблица 3. Методика оценки межрегиональной дифференциации
Table 3. The method for assessing differentiation between regions
Версия Абсолютные индикаторы Относительные индикаторы
1 РВ1 = ХСО — ХЧО КД1 = ХСО/ХЧО
2 РВ2 ХСО — Xmax рег-аут; РВ2 ХЧО — Xmax рег-аут КД2 XCO/Xmax рег-аут; КД2 X40/Xmax рег-аут
3 РВ Xmin рег-лид- XС0; РВ3 Xmin рег-лид — ХЧО КД3 = Xmin рег-лид^^ КД3 = Xmin рег-лид^ЧО
4 РВ4 = ХсО — Хср рег-аут; РВ4 = ХЧО — Хср рег-аут КД4 = ^р рег-аут; КД4 = -ХчО^ср рег-аут
5 РВ5 = Хср рег-лид — ХСО; РВ5 = Хср рег-лид — ХЧО КД5 = ^р рег-лид^^ КД5 = Xср рег-лид/XЧ0
6 РВ6 = ХСО —Хср 80 % ; РВ6 = ХЧО — Хср 80 % КД6 = ^О^ср 80 %; КД6 = ^О^ср 80 %
Примечания: РВ - размах вариации; КД - коэффициент дифференциации; ХСО - показатель, характерный для Свердловской области; ХЧО - показатель, характерный для Челябинской области; Хтах рег-аут - показатель, характерный для «лучшего аутсайдера» (в нижней децильной группе); Хт;п рег-лид - показатель, характерный для «худшего лидера» (в верхней децильной группе); Хср рег-аут - среднее значение показателя среди 10 % регионов-аутсайдеров (в нижней децильной группе); Хср рег-лид - среднее значение показателя среди 10 % регионов-лидеров (в верхней децильной группе); Хср 80 % - среднее значение показателя среди 80 % регионов центральной выборки (за вычетом 10 % регионов-лидеров и 10 % регионов-аутсайдеров, но с учетом «худшего лидера» и «лучшего аутсайдера»).
Для определения глубины межрегиональной дифференциации фактически можно использовать любые социально-экономические показатели, характеризующие состояние и развитие регионов. В данной работе применяются два показателя: 1) реальный валовой продукт на душу населения; 2) размер реальной начисленной заработной платы по полному кругу организаций (далее - реальная заработная плата). Источником статистических данных послужила информация Росстата. Для формирования относительно долгосрочных трендов во временную выборку включался период с 2001 г. по тот год, для которого на сегодняшний момент доступны данные. Выборка в отношении ВРП на душу населения включала 2001-2019 гг., в отношении начисленной заработной платы -2001-2020 гг.
С целью нивелирования влияния цен принято решение перейти от номинальных значений к реальным. Это особенно важно, если необходимо оценить межрегиональную дифференциацию при помощи абсолютных величин. С этой целью на портале «ЕМИСС. Государственная статистика» была сформирована подборка индексов цен, характерных для конкретного региона. В связи с отсутствием некоторых данных (индексов потребительских цен, и/или ВРП на душу населения, и/или размера номинальной начисленной заработной платы) в отношении ряда территорий в выборку включены 79 регионов. Так, в нее не попали Республика Крым, город Севастополь, Чеченская республика. Архангельская область включает данные по Ненецкому автономному округу, Пермский край - по Коми-Пермяцкому округу, Тюменская область - по ХМАО - Югра и ЯНАО.
Таким образом, алгоритм работы был следующим:
1) формирование подборки данных по показателям номинального ВРП на душу населения и размера начисленной номинальной заработной платы по полному кругу организаций по выборке с 2001 г. для 79 регионов;
2) формирование подборки данных с региональными индексами потребительских цен за исследуемый период (также начиная с 2001 г.);
3) расчет индексов потребительских цен по отношению к базовому году - за базу принят стартовый 2001 г. (назовем эти индексы региональными дефляторами);
4) расчет значений ВРП на душу населения и заработной платы для каждого из 79 регионов с учетом региональных дефляторов (назовем эти значения реальными);
5) расчет индикаторов по двум исследуемым показателям - «реальный ВРП на душу населения» и «реальная заработная плата» (табл. 3);
6) оформление полученных результатов (рис. 1-12 и приложения 1, 2).
Версия 1 как размаха вариации, так и коэффициента дифференциации показывает уровень дифференциации между исследуемыми регионами. Если считать, что в отношениях «центр - периферия» роль центра отведена Свердловской области, а роль периферии - Челябинской области, то это объясняет расстановку показателей в предлагаемых формулах. С большей долей вероятности исследуемые показатели в Свердловской области будут выше, чем в Челябинской.
Версии размаха вариации и коэффициента дифференциации 2 и 4 показывают позиционирование исследуемых регионов Урала по отношению к аутсайдерам; версии 3 и 5 - к лидерам; версия 6 - к среднестатистическому региону России.
В экономической литературе, посвященной рассматриваемой проблематике, распространен так называемый «децильный подход» [Бахтизин, Бухвальд, Кольчугина, 2016], согласно которому из расчета следует убирать крайние регионы в пространственной выборке. Иными словами, для получения статистически значимой картины необходимо отбрасывать 10 % регионов-лидеров и 10 % регионов-аутсайдеров. Поэтому считается корректным сопоставлять полученные по исследуемому региону значения не с «лучшим лидером» или «худшим аутсайдером», а с «худшим лидером» и «лучшим аутсайдером». Исходя из объема нашей пространственной выборки (79 регионов), 10 % - это восемь регионов. Поэтому индикаторы по версиям 2 и 3 предполагают следующее: «худший лидер» занимает в рейтинге 8-е место (если результаты упорядочены от наибольших к наименьшим), а «лучший аутсайдер» - 8-е место с конца, т. е. 72-е).
Автором принято решение добавить индикаторы, позволяющие сопоставить показатели по исследуемым регионам со «средними лидерами» и «средними аутсайдерами». Сравнение результатов расчета индикаторов по версиям 2 и 4, а также 3 и 5 позволит получить более полную картину. Если результаты, полученные по версиям 2 и 3, окажутся относительно далеки от результатов, полученных по версиям 4 и 5, это будет свидетельствовать о высокой дифференциации внутри крайних децильных групп.
Версия 6 предлагаемых индикаторов даст возможность показать место регионов Урала по отношению к среднестатистическому региону, значение для которого рассчитывается по «срединной» выборке полученного рейтинга, а именно по 80 % регионов, за исключением крайних децильных групп.
Результаты исследования и обсуждение
Динамика рейтингов Свердловской и Челябинской областей по двум исследуемым показателям приведена на рис. 1, 2. Для обеих областей характерно, что связи между тем, какое место занимает область по показателям реального ВРП на душу населения и
реальной заработной платы, практически нет. С одной стороны, можно констатировать некую долгосрочную стабильность. Например, Свердловская область в 2001 г. занимала 22-е место в рейтинге регионов по размеру реального ВРП на душу населения и спустя 19 лет осталась примерно на тех же позициях (23-е место). По уровню заработной платы в реальном измерении произошло снижение на пять позиций - с 23-го на 28-е место. Обратная ситуация характерна для Челябинской области: в отношении ВРП на душу населения регион переместился с 29-го места на 34-е, а по показателю реальной заработной платы почти сохранил свои позиции (27-е место в 2001 г., 29-е место в 2020 г.). Что касается соотношения сил регионов между собой, то по уровню ВРП на душу населения Челябинская область, за исключением 2004 г., всегда уступала соседнему региону. Иная картина в отношении размера заработной платы в реальном измерении: с 2015 г. Челябинская область занимает более высокие места. В номинальном измерении заработная плата в этом регионе за период с 2015 г. ниже, но здесь речь идет о ценах 2001 г. И действительно, с 2001 г. по 2021 г. в Челябинской области цены выросли в 4,81 раза, в то время как в Свердловской области - в 5,37 раза.
г* CN со ООО ООО
cn es cn
Свердловская область Челябинская область
Рис. 1. Динамика рейтингов Свердловской и Челябинской областей по показателю реального ВРП на душу населения Fig. 1. Dynamics of the Sverdlovsk and Chelyabinsk oblasts' ranks by the indicator of real GRP per capita
<u r-1 M s
H
=s
<u
&Ч
n о
H
и <u
s
35 30 25 20 15 10 5 0
77 30 29 26 31 31 30 30 28 26 28 28 —♦— 28 29
25 26 26 26 26 27
23 25 25 24 27 25 25 28
22 19 19 20 18 /21 21 22 23 21
17 16
о о
CS СП
о о о о
1Л VO
о о
N (N (N N М (N
Г^ 00 о\ О О О О »-и О О О о
CN СП
m \о
ся <n
CS
о
<N
ООО
CSCNCNCNCS<N<N<SI<NCN
<N
Свердловская область -■- Челябинская область
Рис. 2. Динамика рейтингов Свердловской и Челябинской областей по показателю реальной
заработной платы
Fig. 2. Dynamics of the Sverdlovsk and Chelyabinsk oblasts' ranks by the indicator of real wages
На рис. 3, 4 приведены значения исследуемых показателей для Свердловской и Челябинской областей.
Руб. 118 000,00 108 000,00 98 000,00 88 000,00 78 000,00 68 000,00 58 000,00 48 000,00 38 000,00 28 000,00
123 089,84
39216,50
' (N СО ООО ООО (N (N (N
О
о
<ч
LO
о о
(N
VO О
о
CN
irv О
о
ГЧ
00 о о
<N
О
о о
<N
О
(N
О CN
<4
О
<4
О
(N
О
<4
о
(Ч
VO
о
СЧ
О
IN
О
<4
ON
О
CN
Свердловская область
Челябинская область
Рис. 3. Динамика размера реального ВРП на душу населения в Свердловской и Челябинской областях Fig. 3. Dynamics of real GRP per capita in the Sverdlovsk and Chelyabinsk oblasts
Свердловская область Челябинская область
Рис. 4. Динамика размера реальной заработной платы в Свердловской и Челябинской областях Fig. 4. Dynamics of real wages in the Sverdlovsk and Chelyabinsk oblasts
Геометрия графиков позволяет сделать следующие выводы.
Во-первых, налицо синхронизирующие эффекты, о которых уже упоминалось. Графики практически повторяют друг друга, если сравнивать регионы по каждому показателю. Более высокий уровень синхронизации характерен для динамики реальной заработной платы. Ситуация повторяется из года в год: если значение растет в одном регионе, то же происходит и в другом, и наоборот. Только в отношении реального ВРП на душу населения в период с 2012 г. по 2015 г. наблюдается некая разбалансировка: показатель в Челябинской области растет, тогда как в соседнем регионе он снижается.
Во-вторых, фиксируется разный уровень дифференциации регионов по двум исследуемым показателям. Если по значению ВРП Челябинская область лишь единожды,
в 2004 г., опередила Свердловскую, то в отношении заработной платы наблюдается несколько иной тренд. Начиная с 2015 г. Челябинская область опережает Свердловскую по данному значению. Однако к 2020 г. это опережение устойчиво падает, что видно из значений размаха вариации 1 (приложение 2).
В-третьих, можно констатировать разнонаправленные тренды в отношении исследуемых показателей: если по показателю ВРП размах вариации в долгосрочной перспективе растет, то по показателю реальной заработной платы он, наоборот, падает. Вместе с тем по показателю реального ВРП не всё так однозначно - с одной стороны, в 2019 г. он был выше, чем в начале 2000-х гг., с другой стороны, максимальный размер дифференциации характерен не для сегодняшних дней, а для 2012 г. (приложение 1), что показывает величина расстояния между графиками на рис. 3.
Ввиду большого объема проработанного статистического материала показать тренды по всем предложенным в табл. 3 индикаторам не представляется возможным. Поэтому продемонстрируем лишь некоторые графики. Все остальные результаты аккумулированы в приложениях 1, 2. Примем, что размах вариации несколько менее наглядно проявляет тренды межрегиональной дифференциации, чем коэффициенты. Потому далее обозначим тренды, полученные по итогам расчетов относительных показателей, т. е. коэффициентов дифференциации.
На рис. 5 показана динамика коэффициента дифференциации 1, представляющего собой соотношение ВРП в ценах 2001 г. на душу населения Свердловской области к аналогичному показателю Челябинской области. Визуально видна некая цикличность. Каждые 4-7 лет значение коэффициента растет, достигая некоего максимума, а затем снижается. В период 2001-2004 гг. можно увидеть нисходящую часть этой условной параболы, а в период с 2015 г. по 2019 г. - восходящую. Два полных цикла представлены в 2004-2008 гг. и 2008-2015 гг. Долгосрочная динамика в целом восходящая: если в 2001 г. Свердловская область генерировала на 13 % ВРП больше Челябинской, то в 2019 г. превышение составило 19 %. Если говорить о среднесрочных периодах, то с 2012 г., когда уровень дифференциации достиг максимума, значение коэффициента уменьшилось с 1,37 до 1,19 к 2019 г.
1,17 1,18 U9 ♦—
<4<NC4<N<4<N(N<N
Рис. 5. Динамика коэффициента дифференциации 1 по показателю реального ВРП
на душу населения Fig. 5. Dynamics of differentiation coefficient (1) for the indicator of real GRP per capita
Анализ реальной заработной платы (рис. 6) не выявил каких-либо циклов. Общий долгосрочный тренд является снижающимся. В период с 2015 г. по 2019 г. коэффициент
дифференциации КД1 и вовсе был ниже единицы, что говорит о том, что периферия обогнала центр. К 2020 г. коэффициент достиг единицы, что фактически свидетельствует об отсутствии как таковой межрегиональной дифференциации по показателю реальной заработной платы.
Ед.
'-iCNcnTtiinvorvOOONO'-ifNfnTfLnvolNOOOSO OOOOOOOOOi—ii—iii—I I—11 i i—i 1—I,—ii—i i—its
oooooooooooooooooooo
fN(N<NCN«N<NfNra(N(N<N(N(N(N<N(N(Nr<l<N(N
Рис. 6. Динамика коэффициента дифференциации 1 по показателю реальной заработной платы Fig. 6. Dynamics of differentiation coefficient (1) for the indicator of real wages
Коэффициенты дифференциации КД2 и КД3 показывают позиции регионов Урала по отношению к «лучшему аутсайдеру» и «худшему лидеру» согласно размерам реального ВРП на душу населения. Динамика этих коэффициентов приведена на рис. 7, 8. Вновь отметим феномен синхронизации соседних регионов - геометрия представленных графиков почти одинакова. Это означает, что оба исследуемых региона одновременно либо усиливают позиции по отношению к другим регионам, либо одновременно их теряют. Исключение составляет период 2009-2015 гг. В то время как Свердловская область в 2009-2012 гг. наращивает отставание от «лучшего аутсайдера», опережает его, Челябинская область, наоборот, сокращает этот разрыв, т. е. становится ближе к аутсайдеру. Это говорит о том, что в посткризисный период Свердловская область показала более «сильную» способность к росту.
Эта ситуация несколько отличается от представленной в некоторых исследованиях [Бахтизин, Бухвальд, Кольчугина, 2016]. В экономической литературе существует гипотеза, согласно которой во время кризиса сильные регионы демонстрируют меньшую способность к росту, чем более слабые, поэтому в периоды экономического роста дифференциация нарастает, в периоды стагнации и кризиса - сокращается. Обычно это объясняется реализацией выравнивающей политики. Но в рассматриваемом случае мы видим иную тенденцию, хотя и относительно краткосрочную: спустя три года векторы развития поменялись, и в 2012-2015 гг. Свердловская область сокращала опережение аутсайдера, а Челябинской области удалось нарастить это опережение с 1,71 раза в 2013 г. до 2,02 раз в 2015 г. (рис. 7).
В этот же период, с 2009 г. по 2015 г., наблюдается асинхронизация регионов и в отношении их позиций к «худшему лидеру». Челябинская область теряет эти позиции: коэффициент дифференциации КД3 растет, а это значит, что регион-лидер увеличивает показатель (ВРП на душу населения) в большей степени. Свердловская область, напротив, сокращает разрыв - к 2012 г. лидер лишь на 30 % опережает ВРП Свердловской области (рис. 8).
2,83
2,75
1,91
-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1
I-r~
^«sirriTtmvot^oooNO^rNifOTtiLnvorvooo OOOOOOOOO»—I"—^Ii—It—I t-H t-HIt—1,-Hi-HI t-H OOOOOOOOOOOOOOOOOOO <N(N(N<N<NrN<N<N(NfN(N(NCNr<l<NfN(N(NfN
Свердловская область
Челябинская область
Рис. 7. Динамика коэффициента дифференциации 2 по показателю реального ВРП
на душу населения Fig. 7. Dynamics of differentiation coefficient (2) for the indicator of real GRP per capita
^HtNcn-^invOt^OOONO^tNcO'^mvorvOOON OOOOOOOOOf-it—it—it—it—it—it—it—it—I 1—( OOOOOOOOOOOOOOOOOOO (N(N(N(N(N(N(N(N<N<N<N<N<N<N<N<N(N<N(N
Свердловская область
Челябинская область
Рис. 8. Динамика коэффициента дифференциации 3 по показателю реального ВРП
на душу населения Fig. 8. Dynamics of differentiation coefficient (3) for the indicator of real GRP per capita
Есть еще один момент, наглядно показанный на рис. 7, 8. С одной стороны, присутствует определенная закономерность: если увеличивается опережение аутсайдеров, то сокращается отставание от лидеров. Но эта зависимость не столь линейна. Например, по показателям экономического роста Свердловская область максимально опередила аутсайдеров в 2006 г., когда значение КД2 составило 2,83. При этом отставание от лидеров минимальным было в 2012 г. - КД3 оказался равен 1,30. У Челябинской области ситуация аналогичная: максимальное превосходство над аутсайдером составило 2,46 в 2004-2005 гг. (см. рис. 7), а минимальное отставание от лидера - 1,30 в 2008 г. (см. рис. 8).
Если же анализировать лишь крайние значения КД2 и КД3 (в 2001 г. и в 2019 г.), то долгосрочный тренд рассматриваемых уральских регионов одинаков: сокращение их «превосходства» над аутсайдером и сокращение «превосходства» лидера над регионами Урала. Хотя эта динамика не демонстрирует существенных изменений. Такой тренд можно расценивать как сигнал к сокращению межрегиональной дифференциации в масштабах всей национальной экономики.
Динамика коэффициентов КД4 и КД5 приведена выше (см. табл. 4). Эти коэффициенты также показывают опережение или отставание уральских регионов от регионов-аутсайдеров и регионов-лидеров, но здесь речь идет о среднем значении ВРП среди 10 % регионов-лидеров и 10 % регионов-аутсайдеров. И если долгосрочный тренд в отношении КД4 сопоставим с тем трендом, что показан на рис. 7 (КД2), то долгосрочная динамика КД5 не является аналогичной динамике КД3 (см. рис. 8). Значение КД3 с 2001 г. по 2019 г. сокращается, а значение КД5, наоборот, растет. И в целом все значения КД5 выше значений КД3. Это говорит о том, что среди 10 % регионов-лидеров наблюдается высокий уровень дифференциации и за рассматриваемый период «средний» лидер стал еще сильнее опережать регионы Урала.
На рис. 9, 10 также приведена динамика коэффициентов КД2 и КД3, но теперь уже по показателю реальной заработной платы. Сравнивая динамику этих же коэффициентов, рассчитанных для реального ВРП на душу населения, можно выявить некоторые сходства, хотя присутствуют и немногочисленные различия. Опять же налицо синхронизация трендов двух уральских регионов - графики на рис. 9, 10 практически одинаковы. И долгосрочные тренды (как КД2, так и КД3) являются снижающимися. Иными словами, очевидно сокращение опережения по уровню заработной платы от регионов-аутсайдеров (рис. 9). Что касается долгосрочной динамики КД3, то для Челябинской области она опять же нисходящая. Опережение Челябинской области «худшим лидером» сокращается. При этом в 2020 г. Свердловскую область регион-лидер опережает в большей степени, чем в 2001 г. (1,60 против 1,53). Это объясняется достаточно высоким темпом роста цен в Свердловской области по сравнению как с Челябинской областью, так и с целым рядом других регионов, в том числе лидеров.
Ед. 1,90 1,80 1,70 1,60 1,50 1,40 1,30 1,20 1,10 1,00
1,85 | «J4
1,81 1,80W
1,83 1,84
48 1,45 1,45
1,54 1,53 1,50 1,51 i>4S 1,48
1,46 1 м 1,46 1,45 1,45
OOOOOOOOO'-H'—ii—I ii-Hi—ii—I !—I i—ii—ICS OOOOOOOOOOOOOOOOOOOO CSCNCSCSCSCSCSCSCSCSCSCNCSCSCSCSCSCSCSCS
Свердловская область
Челябинская область
Рис. 9. Динамика коэффициента дифференциации 2 по показателю реальной заработной платы Fig. 9. Dynamics of differentiation coefficient (2) for the indicator of real wages
1,68
1,66
1,60
1,59
1,33
1,32
1,29 1,26 1,22
,40 _Z__ » ад 1>40 1,40 1,37 1 36 ' 1,37
1,35 '
-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-
^iNrO-^imvor^OOONO'-ifNrO'iiiLrivotvOOONO
OOOOOOOOOi—Ii—it-Hi—It-hi—i^hi—it—it—
OOOOOOOOOOOOOOOOOOOO
<N(NfN(N(N(N(N(N(N(N(N(N(N(NCN(NfNfN<N<N
Свердловская область
Челябинская область
Рис. 10. Динамика коэффициента дифференциации 3 по показателю реальной заработной платы Fig. 10. Dynamics of differentiation coefficient (3) for the indicator of real wages
В отношении коэффициентов КД4 и КД5 ситуация практически аналогична той, что наблюдалась по показателю реального ВРП на душу населения. Данные в табл. 5 показывают, что долгосрочная динамика КД4 является нисходящей, т. е. сокращение разрыва с регионом - «средним аутсайдером» налицо. Но при этом значения индикатора КД5 существенно выросли за двадцатилетний период. Если в 2001 г. «средний лидер» опережал Свердловскую область в 1,99 раза, а Челябинскую область - в 2,18 раза, то к 2020 г. разрыв для регионов Урала составил уже 2,78 раза.
Графики регионов на рис. 9, 10 размещены ближе друг к другу, чем на рис. 7, 8, и в динамике это расстояние только сокращается. После 2014 г. происходит почти наложение графиков друг на друга. Это говорит о практически одинаковом положении исследуемых регионов как по отношению к аутсайдерам, так и по отношению к лидерам.
Динамика коэффициентов дифференциации КД6 по двум исследуемым показателям приведена на рис. 11, 12. КД6 показывает позиционирование регионов Урала по отношению к среднестатистическому российскому региону - по выборке 80 % регионов, чьи значения не относятся к лидерам или аутсайдерам. По ВРП на душу населения геометрия графиков не является полностью синхронной (рис. 11). В обеих областях коэффициент выше единицы, что говорит о превышении значений реального ВРП на душу населения над среднероссийским регионом. Но в Челябинской области этот ресурс не слишком значителен: в 2019 г. значение реального ВРП на душу населения лишь на 3 % превышало значение «срединного региона». Позиции Свердловской области более устойчивы и сохраняются с течением времени: в 2001 г. она производила на 22 % регионального ВРП больше среднестатистического региона России, к 2019 г. это превышение составило 23 %. Челябинская область в долгосрочной перспективе несколько сдала свои позиции: отрыв от «срединного региона» снизился с 8 до 3 %.
По заработной плате оба региона потеряли свое «превосходство» (рис. 12): Свердловская область сократила отрыв с 20 % в 2001 г. до 5 % в 2020 г., Челябинская -с 9 до 5 % соответственно.
ООООООООО^н^н
ооооооооооо
<Ч(Ч(ЧСЧ(Ч(Ч<ЧСЧ(Ч<Ч<Ч
1,01 0,99 1,03
<ч со
о СЧ о сч о сч
Свердловская область -■- Челябинская область
Рис. 11. Динамика коэффициента дифференциации 6 по показателю реального ВРП на душу населения Fig. 11. Dynamics of differentiation coefficient (6) for the indicator of real GRP per capita
1,05 - ^О^иО^Ш i o8 Ш 1,00 1,06 ^ '
1'09I,O8i'09imt^: hU/ 1,1
^ сч ro ooo
ООО
(N <N CN
О О
<4
LD О О СЧ
VO О
о
СЧ
о о
<4
00 о о
(N
О
о о
<М
(N СО
LT) VO
О
<4
О
СЧ
о
(N
О
сч
о
сч
о
СЧ
о
СЧ
о
сч
00 о о
г* 1-н СЧ ООО
(Ч СЧ (N
Свердловская область Челябинская область
Рис. 12. Динамика коэффициента дифференциации 6 по показателю реальной заработной платы Fig. 12. Dynamics of differentiation coefficient (6) for the indicator of real wages
Отметим еще раз, что показатели, которые не были продемонстрированы на рисунках, но фигурируют в авторской методике, приведены в приложениях 1, 2.
Заключение
Построение долгосрочных трендов межрегиональной дифференциации рассматриваемых областей позволило сделать следующие выводы. По показателю реального ВРП на душу населения по состоянию на 2019 г. Свердловская область занимает 23-е место в рейтинге 79 регионов, Челябинская область - 34-е место. Свердловская область с 2001 г. потеряла лишь одно место, а Челябинскую область, которая в 2001 г. находилась на 29-м месте, опередили пять регионов. Изменения, касающиеся размера реальной заработной платы, оказались иными: Челябинская область практически сохранила свое место в рейтинге, тогда как Свердловская область потеряла пять позиций.
Все коэффициенты, полученные по итогам исследования, демонстрируют разные и порой даже противоположные результаты в отношении двух показателей: реального ВРП на душу населения и реальной заработной платы. Если по первому показателю в долгосрочной динамике регионы отдаляются друг от друга, то по второму они, наоборот, сближаются. Однако долгосрочная и среднесрочная динамики опять же разнятся. Наибольший размах вариации в отношении уровня реального ВРП на душу населения пришелся на 2012 г. С того времени размах лишь сократился. Что касается дифференциации по уровню заработной платы, то здесь, наоборот, примерно в тот же период, а именно к 2014 г., размах вариации становится минимальным, после чего Челябинская область начинает опережать Свердловскую по уровню реальной заработной платы, хотя и уступает ей по уровню номинальной заработной платы.
Коэффициент дифференциации, выраженный через соотношение значений показателей Свердловской области к значениям аналогичных показателей Челябинской области, демонстрирует те же тренды. По уровню реального ВРП на душу населения соотношение в долгосрочной перспективе растет, пусть и несущественно, по уровню реальной заработной платы - снижается и становится равным единице. Иными словами, если сопоставлять благосостояние населения регионов, ориентируясь на заработную плату в ценах 2001 г., то сегодня оно одинаково. В этой сфере мы наблюдаем практически строгий нисходящий тренд, тогда как по уровню ВРП тренд является циклическим.
Исследуемые регионы Урала становятся ближе к лидеру, занимающему последнее место в рамках децильной группы, по показателю реального ВРП на душу населения. Опять же это тренд в долгосрочной перспективе, и он строго восходящий. Если в 2003 г. регион - «худший лидер» опережал Свердловскую область на 38 %, то к 2019 г. это опережение составило уже 57 %. Для Челябинской области характерны те же тенденции: соответствующие значения равнялись 41 % в 2003 г. и 87 % в 2019 г. Опережение уральскими регионами аутсайдеров имеет примерно, хотя и не абсолютно, зеркальное отражение. В долгосрочной динамике уральские регионы почти сохраняют свои позиции по отношению к региону - «лучшему аутсайдеру», немного сокращая разрыв. Если же сравнивать текущую ситуацию с максимальным разрывом, то здесь наблюдается более сильное ослабление позиций. Обе области достигли максимального «превосходства» над аутсайдером в 2006 г., когда соотношение показателей составляло 2,83 раза и 2,46 раза соответственно. К 2019 г. в первом случае соотношение составило 2,12, во втором - 1,78 раза.
По заработной плате опять же наблюдаются более устойчивые тренды, нежели по уровню реального ВРП, для которого характерна цикличность. Речь идет скорее о позиционировании регионов по отношению к аутсайдерам и о сокращении разрыва с ними. По отношению же к региону - «худшему лидеру» позиции остаются практически неизменными, но долгосрочная динамика характеризуется параболическим трендом. С 2001 г. по 2007 г. он является нисходящим. Например, в 2007 г. лидер опережал Свердловскую область лишь на 22 %. После 2007 г. тренд меняется на восходящий -и лидеры опять наращивают свое опережение, возвращаясь примерно на уровень стартового 2001 г.
Вышесказанное позволяет сделать следующие выводы. С одной стороны, уральские регионы сохраняют некоторую устойчивость позиций и по отношению к лидерам, и по отношению к аутсайдерам. С другой стороны, дифференциация между регионами как углубилась - по уровню реального ВРП на душу населения, так и сократилась - по уровню реальной заработной платы.
Приложение 1. Результаты оценки межрегиональной дифференциации по показателю реального ВРП на душу населения
Appendix 1. Assessment results of differentiation between regions by real GRP per capita
Показатели Регион 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
РВЬ руб. 4 903 3 262 865 -231 5 173 12 795 10 734 6 733 9 909 17 345 24 778 30 436 29 441 22 513 11 276 16 323 17911 17 793 19 934
РВ2, руб. СО 23 616 24 685 28 453 34 837 43 244 56 842 62 447 59 864 41 756 52 178 63 059 67 343 63 641 58 879 57 595 61 171 64 921 67 389 65 116
чо 18 714 21 423 27 588 35 068 38 071 44 047 51 713 53 131 31 847 34 834 38 281 36 907 34 200 36 366 46 319 44 847 47 010 49 595 45 183
РВ3, руб. со 31 416 20 601 19 383 31 386 29 072 22 894 18 180 20 344 37 700 44 421 44 164 34 598 37 046 39 677 51 199 50 203 55 526 64 412 70 031
чо 36 318 23 863 20 248 31 155 34 245 35 689 28 914 27 076 47 609 61 765 68 942 65 034 66 487 62 190 62 474 66 526 73 437 82 205 89 964
РВ4, руб. со 28 314 28 777 32317 38 664 47 359 61 986 68 282 64 710 47 424 59 271 70 253 74 567 70 376 66 545 64 854 69 639 74 187 77 004 76 033
чо 23 412 25 515 31 452 38 895 42 187 49 191 57 548 57 977 37 515 41 926 45 474 44 131 40 934 44 032 53 578 53 316 56 276 59 211 56 099
РВ5, руб. со 71 614 73 084 80 298 87 541 99 697 99 260 113 127 130 541 137 452 138 355 155 040 150 818 150 062 163 857 163 725 162 355 167 635 217 685 223 705
чо 76 517 76 346 81 163 87 310 104 870 112 055 123 861 137 274 147 361 155 700 179 818 181 254 179 504 186 370 175 000 178 678 185 546 235 478 243 639
РВ6, руб. со 7 844 7 372 8 506 10 580 16 434 27 160 31 124 24 982 14 293 21 617 26 931 31 211 28 823 25 055 21 201 24 733 26 434 24 631 22 763
чо 2 942 4 109 7 642 10811 11 262 14 365 20 390 18 250 4 384 4 272 2 152 775 -618 2 542 9 925 8 409 8 523 6 838 2 829
кд4 со 2,79 2,68 2,78 2,91 3,16 3,40 3,28 3,04 2,49 2,84 2,96 2,92 2,69 2,65 2,71 2,62 2,69 2,71 2,62
чо 2,48 2,49 2,73 2,92 2,92 2,90 2,92 2,83 2,18 2,30 2,27 2,13 1,98 2,09 2,41 2,24 2,29 2,31 2,19
кд5 со 2,62 2,59 2,59 2,49 2,44 2,13 2,15 2,35 2,73 2,51 2,46 2,33 2,34 2,53 2,59 2,44 2,42 2,78 2,82
чо 2,95 2,79 2,64 2,48 2,64 2,49 2,42 2,53 3,13 3,10 3,21 3,18 3,18 3,21 2,91 2,86 2,85 3,26 3,36
Табл. 4, 5 составлены по данным Росстата (https://rosstat.gov.ru).
Приложение 2. Результаты оценки межрегиональной дифференциации по показателю реальной заработной платы
Appendix 2. Assessment results of differentiation between regions by real wages
Показатели Регион Период
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
РВь руб. 287 497 525 641 705 776 923 921 664 568 532 554 143 1 -359 -350 -115 -131 -44 -9
PB2, руб. СО 1 494 1 760 1 976 2 250 2 426 2 748 3 287 3 597 2 769 2 964 3 077 3 061 2 946 2 760 2 358 2 266 2 636 2 597 2 665 2 687
чо 1 207 1 263 1 451 1 609 1 721 1 973 2 364 2 676 2 105 2 396 2 545 2 507 2 803 2 759 2 717 2 616 2 751 2 728 2 709 2 696
PB3, руб. со 1 733 1 777 1 770 1 645 1 769 1 849 1 627 2 040 2 880 2 767 2 779 2 975 3 242 3 271 3 245 3 500 3 827 4 359 4 754 5 192
чо 2 020 2 273 2 295 2 286 2 474 2 625 2 550 2 960 3 544 3 335 3 311 3 529 3 385 3 272 2 886 3 150 3 712 4 228 4 710 5 183
PB4, руб. со 1 633 1 914 2 128 2 428 2 636 2 992 3 592 3 948 3 016 3 275 3 479 3 409 3 236 3 023 2 736 2 712 2 930 2 948 3 070 2 991
чо 1 345 1 418 1 603 1 788 1 931 2 216 2 669 3 027 2 352 2 707 2 947 2 855 3 092 3 023 3 095 3 062 3 045 3 079 3 114 3 000
РВ5, руб. со 3 199 3 501 3 764 3 750 4 069 4 155 4 339 4 894 5 492 5 604 5 993 6 449 7 008 7 454 7 293 7 616 7 761 8 194 8 902 15 528
чо 3 486 3 998 4 289 4 391 4 774 4 930 5 262 5 815 6 156 6 172 6 525 7 003 7 151 7 455 6 934 7 265 7 646 8 063 8 858 15 519
РВ6, руб. со 541 695 832 1 023 1 118 1 292 1 629 1 675 971 1 073 1 153 1 098 946 862 649 542 627 595 550 379
чо 254 198 307 382 413 516 706 754 307 505 621 543 803 862 1 008 892 742 726 594 388
кд4 со 2,01 1,95 1,92 1,97 1,91 1,91 1,98 2,00 1,72 1,79 1,80 1,70 1,61 1,58 1,57 1,57 1,60 1,55 1,55 1,52
чо 1,83 1,70 1,70 1,71 1,67 1,67 1,73 1,77 1,57 1,65 1,68 1,59 1,59 1,58 1,65 1,64 1,62 1,58 1,56 1,52
кд5 со 1,99 1,89 1,85 1,76 1,74 1,66 1,60 1,62 1,77 1,75 1,76 1,78 1,82 1,91 1,97 2,02 1,99 1,99 2,03 2,78
чо 2,18 2,16 2,10 2,02 1,99 1,89 1,83 1,83 1,95 1,90 1,89 1,91 1,85 1,91 1,88 1,93 1,96 1,96 2,02 2,78
Источники
Анимица Е. Г., Власова Н. Ю. (2021). Крупные и крупнейшие города в пространственном развитии Урала // Настоящее и будущее России в меняющемся Мире: общественно-географический анализ и прогноз: материалы международной научной конференции. г. Ижевск, 13-18 сентября 2021 г. С. 111-116.
Антонюк В. С., Корниенко Е. Л., Вансович Э. Р. (2020). Закономерности пространственного развития производительных сил Российской Федерации в современных условиях // Журнал экономической теории. Т. 17, № 2. С. 314-327. https://doi.Org/10.31063/2073-6517/2020.17-2.6.
Бархатов В. И., Капкаев Ю. Ш., Плетнёв Д. А. (2019). Центры и периферия Урала и Поволжья в условиях «новой нормальности» // Социум и власть. № 5 (79). C. 65-82. DOI: 10.22394/1996-05222019-5-65-83.
Бахтизин А. Р., Бухвальд Е. М., Кольчугина А. В. (2016). Выравнивание регионов в России: иллюзии программы и реалии экономики // Вестник Института экономики Российской академии наук. № 1. С. 76-91.
Бенц Д. С. (2020a). Моделирование факторов экономического роста регионов Урала и РФ // Journal of New Economy. Т. 21, № 3. С. 112-131. DOI: 10.29141/2658-5081- 2020-21-3-6.
Бенц Д. С. (2020b). О синхронизации экономик Свердловской и Челябинской областей // Вестник Челябинского государственного университета. № 11 (445). С. 244-253. DOI: 10.47475/19942796-2020-11129.
Бенц Д. С. (2021). Эффективность пространственного развития территории как индикатор оценки деятельности региональной власти: кейс Челябинской области // Управленец. Т. 12, № 6. С. 49-66. D0I:10.29141/2218-5003-2021-12-6-4.
Бухвальд Е. М. (2020). Управление пространственным развитием российской экономики: цели и инструменты // Управленец. Т. 11, № 6. С. 2-14. DOI: 10.29141/2218-5003-2020-11-6-1.
Валентей С. Д., Бахтизин А. Р., Бухвальд Е. М., Кольчугина А. В. (2014). Тренды развития российских регионов // Экономика региона. № 3 (39). С. 9-22.
Глущенко К. П. (2015). Об оценке межрегионального неравенства // Пространственная экономика. № 4. С. 39-58. DOI: 10.14530/se.2015.4.039-058.
Гордеев С. С. (2017). Точки роста и новый тренд индустриального развития Урала // Социум и власть. № 5 (67). C. 74-82.
Гребёнкин И. В. (2020). Тенденции изменения промышленной специализации и динамика развития российских регионов // Экономика региона. Т. 16, вып. 1. С. 69-83. https://doi. org/10.17059/2020-1-6.
Данилова И. В., Резепин А. В. (2021). Пространственные экономические системы: методология и теоретические подходы к исследованию // Вестник Алтайской академии экономики и права. № 7-1. С. 24-32. DOI: 10.17513/vaael.1776.
Дворядкина Е. Б., Джалилов Э. В. (2021). Свойства экономического пространства традиционно-промышленного региона: теоретические основания // Journal of New Economy. Т. 22, № 4. С. 45-61. DOI: 10.29141/2658-5081-2021-22-4-3.
Жаромский В. С., Мигранова Л. А., Токсанбаева М. С. (2018). Социально-экономическое неравенство в России: динамика и методы оценки // Народонаселение. Т. 21, № 4. С. 79-95. https://doi. org/10.19181/population.2020.23.4.3.
Земцов С. П., Баринова В. А. (2016). Смена парадигмы региональной инновационной политики в России: от выравнивания к «умной специализации» // Вопросы экономики. № 10. С. 65-81. https://doi.org/10.32609/0042-8736-2016-10-65-81.
Зубаревич Н. В. (2019). Стратегия пространственного развития: приоритеты и инструменты // Вопросы экономики. № 1. С. 135-145. https://doi.org/10.32609/0042-8736-2019-1-135-145.
Коломак Е. А. (2020). Урбанизация и неравенство доходов: причина или решение проблемы? // Прикладная эконометрика. № 3 (59). С. 55-70. DOI: 10.22394/1993 7601 2020 59 55-70.
Кривошлыков В. С., Жахов Н. В. (2017). Экономика и управление межрегиональной дифференциацией // Вестник НГИЭИ. № 1 (68). С. 119-129.
Кузнецов С. В., Межевич Н. М., Лачининский С. С. (2015). Пространственные возможности и ограничения модернизации российской экономики: пример Северо-Западного макрорегиона // Экономика региона. № 3 (43). С. 25-38. DOI: 10.17059/2015-3-3.
Куклин А.А., Леонтьева А.Г. (2011). Дифференциация доходов населения и проблема бедности (на примере Тюменской области) // Экономика региона. № 1 (25). С. 93-98.
Курушина Е. В., Петров М. Б. (2018). Критерии успешности проектов пространственного развития на основе межрегиональной интеграции // Экономика региона. Т. 14, № 1. С. 176-189. DOI: 10.17059/2018-1-14
Лаврикова Ю. Г., Акбердина В. В., Суворова А. В. (2019). Согласование приоритетов научно-технологического и пространственного развития индустриальных регионов // Экономика региона. Т. 15, № 4. С. 1022-1035. https://doi.org/10.17059/2019-4-5.
Лаврикова Ю. Г., Суворова А. В. (2020). Оптимальная пространственная организация экономики региона: поиск параметров и зависимостей // Экономика региона. 2020. Т. 16, вып. 4. С. 1017-1030. https://doi.org/10.17059/ekon.reg.2020-4-1.
Малкина М. Ю. (2017). Социальное благополучие регионов Российской Федерации // Экономика региона. Т. 13, № 1. С. 49-62. DOI: 10.17059/2017-1-5.
Минакир П. А. (2021). Стратегии для России и в России // Пространственная экономика. Т. 17, № 1. С. 7-17. https://dx.doi.org/10.14530/se.2021.L007-017.
Окрепилов В. В., Кузнецов С. В., Лачининский С. С. (2020). Приоритеты экономического развития регионов Северо-Запада в контексте стратегии пространственного развития России // Проблемы прогнозирования. № 2 (179). С. 72-81.
Татаркин А. И. (2016). Региональная направленность экономической политики Российской Федерации как института пространственного обустройства территорий // Экономика региона. Т. 12, № 1. С. 9-27.
Friedmann J. (1966). Regional development policy: A case study of Venezuela. Cambridge: MIT Press. 279 p.
Hirshman A. (1958). The strategy in economic development. New Haven: Yale University Press. 217 p.
Krugman P. R. (1991). Geography and trade. Cambridge: The MIT Press. 156 p.
Kuznets S. (1955). Economic growth and income inequality. The American Economic Review, vol. XLV, no. 1, pp. 1-28.
Malkina M. (2019). Spatial wage inequality and its sectoral determinants: The case of modern Russia. Oeconomia Copernicana, vol. 10, no. 1, pp. 69-87. D0I:10.24136/oc.2019.004.
Myrdal G. (1957). Economic theory and underdeveloped regions. London: G. Duckworth. 168 p.
Voroshilov N. V., Gubanova E. S. (2018). Territorial differentiation and mechanism for its reduction. Economic and Social Changes: Facts, Trends, Forecast, vol. 11, no. 6, pp. 57-72. DOI: 10.15838/ esc.2018.6.60.4.
Williamson J. G. (1965). Regional development and the process of national development: A description of the patterns. Economic Development and Cultural Change, vol. 13, no. 4, pp. 1-84. https://doi. org/10.1086/450136.
Информация об авторе Бенц Дарья Сергеевна, кандидат экономических наук, доцент, профессор кафедры экономики отраслей и рынков Челябинского государственного университета, 454001, РФ, г. Челябинск, ул. Братьев Кашириных, 129
Контактный телефон: +7 (351) 799-71-46; e-mail: benz@csu.ru
■ ■ ■
References
Animitsa E. G., Vlasova N. Yu. (2021). Large and largest cities in the spatial development of the Urals. Proc. Int. Sci. Conf. "The Present and Future of Russia in a Changing World: Socio-Geographical Analysis and Forecast" (pp. 111-116). Izhevsk. (In Russ.)
Antonyuk V. S., Kornienko E. L., Vansovich E. R. (2020). The spatial development patterns of the Russian Federation productive forces in the current context. Zhurnal ekonomicheskoy teorii = Russian Journal of Economic Theory, vol. 17, no. 2, pp. 314-327. https://doi.org/10.31063/2073-6517/2020.17-2.6. (In Russ.)
Barkhatov V. I., Kapkaev Yu. Sh., Pletnev D. A. (2019). The Ural and Volga regions' centers and periphery in the context of "new normality". Sotsium i vlast = Society and Power, no. 5 (79), pp. 65-82. DOI: 10.22394/1996-0522-2019-5-65-83. (In Russ.)
Bakhtizin A. R., Bukhvald E. M., Kolchugina A. V. (2016). Alignment of regions in Russia: Illusions of the program and reality of the economy. Vestnik Instituta ekonomiki Rossiyskoy akademii nauk = Vestnik of the Institute of Economics of the Russian Academy of Sciences, no. 1, pp. 76-91. (In Russ.)
Bents D. S. (2020a). Modelling of the economic growth factors: The case of the Ural regions and the Russian Federation. Journal of New Economy, vol. 21, no. 3, pp. 112-131. DOI: 10.29141/2658-50812020-21-3-6. (In Russ.)
Bents D. S. (2020b). On synchronization of the Sverdlovsk and Chelyabinsk region economies. Vestnik Chelyabinskogo gosudarstvennogo universiteta = Bulletin of the Chelyabinsk State University, no. 11 (445), pp. 244-253. DOI: 10.47475/1994-2796-2020-11129. (In Russ.)
Bents D. S. (2021). The effectiveness of a territory's spatial development as an indicator of regional authorities performance: The case of Chelyabinsk oblast. Upravlenets = The Manager, vol. 12, no. 6, pp. 49-66. DOI:10.29141/2218-5003-2021-12-6-4. (In Russ.)
Bukhvald E. M. (2020). Managing the spatial development of the Russian economy: Goals and tools. Upravlenets = The Manager, vol. 11, no. 6, pp. 2-14. DOI: 10.29141/2218-5003-2020-11-6-1. (In Russ.)
Valentey S. D., Bakhtizin A. R., Bukhvald E. M., Kolchugina A. V. (2014). Development trends of the Russian regions. Ekonomika regiona = Economy of Region, no. 3 (39), pp. 9-22. (In Russ.)
Glushchenko K. P. (2015). On estimation of inter-regional inequality. Prostranstvennaya ekonomika = Spatial Economics, no. 4, pp. 39-58. DOI: 10.14530/se.2015.4.039-058. (In Russ.)
Gordeev S. S. (2017). Growth points and new trend of industrial development of Ural. Sotsium i vlast = Society and Power, no. 5 (67), pp. 74-82. (In Russ.)
Grebenkin I. V. (2020). Trends in industrial specialization and development dynamics in the Russian regions. Ekonomika regiona = Economy of Region, vol. 16, issue 1, pp. 69-83. https://doi. org/10.17059/2020-1-6. (In Russ.)
Danilova I. V., Rezepin A. V. (2021). Spatial economic systems: Methodology and theoretical approaches to research. Vestnik Altayskoy akademii ekonomiki i prava = Bulletin of the Altai Academy of Economics and Law, no. 7-1, pp. 24-32. DOI: 10.17513/vaael.1776. (In Russ.)
Dvoryadkina E. B., Dzhalilov E. V. (2021). Properties of traditional industrial regions' economic space: Theoretical foundations. Journal of New Economy, vol. 22, no. 4, pp. 45-61. DOI: 10.29141/26585081-2021-22-4-3. (In Russ.)
Zharomskiy V. S., Migranova L. A., Toksanbaeva M. S. (2018). Methods of estimating the level and differentiation of population income. Narodonaselenie = Population, vol. 21, no. 4, pp. 79-95. https://doi. org/10.19181/population.2020.23.4.3. (In Russ.)
Zemtsov S. P., Barinova V. A. (2016). The paradigm changing of regional innovation policy in Russia: From equalization to smart specialization. Voprosy ekonomiki = The Issues of Economics, no. 10, pp. 65-81. https://doi.org/10.32609/0042-8736-2016-10-65-81. (In Russ.)
Zubarevich N. V. (2019). Spatial development strategy: Priorities and instruments. Voprosy ekonomiki = The Issues of Economics, no. 1, pp. 135-145. https://doi.org/10.32609/0042-8736-2019-1-135-145. (In Russ.)
Kolomak E. A. (2020). Urbanization and income inequality: Cause or solution? Prikladnaya ekono-metrika = Applied Econometrics, no. 3 (59), pp. 55-70. DOI: 10.22394/1993-7601-2020-59-55-70. (In Russ.)
Krivoshlykov V. S., Zhakhov N. V. (2017). Economics and management of interregional differentiation. Vestnik NGIEI = Bulletin of NGII, no. 1 (68), pp. 119-129. (In Russ.)
Kuznetsov S. V., Mezhevich N. M., Lachininskiy S. S. (2015). The spatial recourses and limitations of the Russian economy modernization: The example of the North-West Macro Region. Ekonomika regiona = Economy of Region, no. 3 (43), pp. 25-38. DOI: 10.17059/2015-3-3. (In Russ.)
Kuklin A. A., Leontyeva A. G. (2011). Differentiation of population incomes and the problem of poverty (the case of the Tyumen oblast). Ekonomika regiona = Economy of Region, no. 1 (25), pp. 93-98. (In Russ.)
Kurushina E. V., Petrov M. B. (2018). Performance criteria of spatial development projects based on interregional integration. Ekonomika regiona = Economy of Region, vol. 14, no. 1, pp. 176-189. DOI: 10.17059/2018-1-14. (In Russ.)
Lavrikova Yu. G., Akberdina V. V., Suvorova A. V. (2019). Coordinating the priorities of scientific, technological and spatial development of industrial regions. Ekonomika regiona = Economy of Region, vol. 15, no. 4, pp. 1022-1035. https://doi.org/10.17059/2019-4-5. (In Russ.)
Lavrikova Yu. G., Suvorova A. V. (2020). Optimal spatial organisation of the regional economy: Search for parameters and dependencies. Ekonomika regiona = Economy of Region, vol. 16, issue 4, pp. 1017-1030. https://doi.org/10.17059/ekon.reg.2020-4-1. (In Russ.)
Malkina M. Yu. (2017). Social well-being of the Russian Federation regions. Ekonomika regiona = Economy of Region, vol. 13, no. 1, pp. 49-62. DOI: 10.17059/2017-1-5. (In Russ.)
Minakir P. A. (2021). Strategies for Russia and Russia. Prostranstvennaya ekonomika = Spatial Economics, vol. 17, no. 1, pp. 7-17. https://dx.doi.org/10.14530/se.2021.L007-017. (In Russ.)
Okrepilov V. V., Kuznetsov S. V., Lachininskiy S. S. (2020). Priorities of economic development of North-West regions in the context of the strategy of spatial development of Russia. Problemy prognoziro-vaniya = Problems of Forecasting, no. 2 (179), pp. 72-81. (In Russ.)
Tatarkin A. I. (2016). Regional targeting of the economic policy of the Russian federation as an institution of regional spatial development. Ekonomika regiona = Economy of Region, vol. 12, no. 1, pp. 9-27. (In Russ.)
Friedmann J. (1966). Regional development policy: A case study of Venezuela. Cambridge: MIT Press. 279 p.
Hirshman A. (1958). The strategy in economic development. New Haven: Yale University Press. 217 p.
Krugman P. R. (1991). Geography and trade. Cambridge: The MIT Press. 156 p.
Kuznets S. (1955). Economic growth and income inequality. The American Economic Review, vol. XLV, no. 1, pp. 1-28.
Malkina M. (2019). Spatial wage inequality and its sectoral determinants: The case of modern Russia. Oeconomia Copernicana, vol. 10, no. 1, pp. 69-87. DOI:10.24136/oc.2019.004.
Myrdal G. (1957). Economic theory and underdeveloped regions. London: G. Duckworth. 168 p.
Voroshilov N. V., Gubanova E. S. (2018). Territorial differentiation and mechanism for its reduction. Economic and Social Changes: Facts, Trends, Forecast, vol. 11, no. 6, pp. 57-72. DOI: 10.15838/ esc.2018.6.60.4.
Williamson J. G. (1965). Regional development and the process of national development: A description of the patterns. Economic Development and Cultural Change, vol. 13, no. 4, pp. 1-84. https://doi. org/10.1086/450136.
Information about the author
Darya S. Bents, Cand. Sc. (Econ.), Associate Prof., Prof. of Industries and Markets Dept., Chelyabinsk State University, 129 Bratyev Kashirinykh St., Chelyabinsk, 454001, Russia Phone: +7 (351) 799-71-46, e-mail: benz@csu.ru
© Bенц fl. C., 2022