CC BY
44
Журавлев Д.М., Чаадаев К.В.
Модель оценки влияния внешнеторгового оборота субъекта Российской Федерации на производительность труда
Журавлев Денис Максимович — кандидат экономических наук, ведущий специалист Управления информации и медиакоммуникаций, МГУ имени М.В. Ломоносова, Москва, РФ.
E-mail: molnet2025@gmail. com SPIN-код РИНЦ: 2455-8832
Чаадаев Кирилл Витальевич — ведущий программист, ООО «Научно-производственное предприятие «Информационные и медийные технологии», Москва, РФ. E-mail: vchaadaev@yandex.ru SPIN-код РИНЦ: 9161-4750
Аннотация
Цифровизация экономики предполагает в первую очередь наличие инструментария стратегического планирования устойчивого развития социально-экономической системы региона. Поэтому актуальным представляется формирование и практическое применение методологических основ проведения количественной оценки системных экономических процессов. В статье определяется смысловое содержание категории «внешняя торговля», являющейся одной из составляющих фундамента социально-экономической системы региона и оказывающей существенное влияние на показатели ее деятельности. Формализация категории «внешняя торговля» предполагает проведение оценки влияния внешнеторгового оборота субъекта Российской Федерации на производительность труда. В качестве методического аппарата исследования использовались методы сравнительного анализа, экономико-математического моделирования (регрессионного анализа, корреляционного анализа, факторного анализа, индексные методы), статистические методы обработки данных (использовались официальные данные Федеральной государственной службы статистики за период 20072018 гг.), а также специально разработанное прикладное программное обеспечение. В процессе исследования решены следующие задачи: с учетом мирового опыта проведена фиксация состава категории «внешняя торговля»; осуществлена компоновка количественных индексов, характеризующих показатели производительности труда и торгового оборота; экспериментальным методом на примере субъектов Российской Федерации, входящих в состав Сибирского и Дальневосточного федеральных округов, подтверждена работоспособность предложенной модели. Разработанный инструментарий (модель) может быть использован для проведения системного анализа макроэкономических показателей регионов и при выработке рекомендаций по достижению целей устойчивого развития.
Ключевые слова
Внешняя торговля, инструменты стратегического планирования, региональная экономика, производительность труда, социально-экономическая система, управление развитием, экономико-математическая модель.
DOI: 10.24411/2070-1381-2020-10032 Введение
Прошедшие экономические кризисы последнего десятилетия показали необходимость опережающего развития национальной экономики в направлении системной модернизации производительных сил и производственных отношений [Шпакова 2019]. «Особое место занимают национальные проекты, связанные с укреплением конкурентоспособности экономики. Эти направления —
производительность труда и поддержка занятости, наука, цифровая экономика, малое и среднее предпринимательство и поддержка индивидуальной предпринимательской инициативы, международная кооперация и экспорт — должны обеспечивать ускорение технологического развития, способствовать созданию высокопроизводительного экспортоориентированного сектора, внедрению цифровых технологий в экономике и социальной сфере. <...> Процесс технологической трансформации и повышения эффективности будет сопровождаться структурными изменениями в экономике. Так, говоря об импортозамещении, необходимо, чтобы создаваемые в России продукты и услуги успешно конкурировали на внешнем рынке» [Медведев 2018, 14-22]. Решение поставленных задач влечет за собой необходимость совершенствования методологических принципов выявления факторов, оказывающих влияние на системные экономические процессы, для обеспечения обоснованности процедур стратегического целеполагания [Глазьев 2019] и системного планирования [Бузгалин 2016, ВгуБОп й а1. 2017]. Разработка инструментов, методов и форм управления развитием региона должна проходить в виде реализации комплекса мероприятий, включающих в себя создание баз данных [Пискун и др. 2019], организацию сбора информации, обработку данных на основе доступных эконометрических методов, построение экономико-математических моделей с целью дальнейшей выдачи обоснованных рекомендаций [Кудина 2018] по методам и способам воздействия на выявленные реперные точки региональной экономической системы. В частности, актуальность исследования процессов межрегиональной и международной торговли представляется значимой, поскольку последние оказывают существенное влияние на социально-экономическое развитие субъектов Российской Федерации, представляющих собой основу национальной экономики. Наличие спроса на производимые продукты, товары и услуги формирует предложение, проявляющееся в создании новых рабочих мест, а накладываемые ограничения стимулируют производителей к модернизации производства, внедрению новых технологий, снижению себестоимости.
Целью настоящей работы является формализация категории «внешняя торговля», являющейся одной из составляющих базы социально-экономической системы региона, а также разработка модели и проведение оценки влияния внешнеторгового оборота субъекта Российской Федерации на производительность труда для формирования основ инструментария стратегического планирования развития территории как ключевого инструмента решения задач модернизации национальной экономики.
Методология
В рамках настоящей работы в качестве самого общего ориентира для категоризации процесса внешней торговли региональной экономической системы взята методика Мирового банка1. Но применительно к субъекту Российской Федерации как трактовка деталей смыслового содержания, так и, естественно, выбор состава, способа использования и формулировка применяемых количественных индексов существенно отличаются от соответствующих подходов в исследовании Мирового банка. Это обусловливается не столько различием основных целей настоящей работы и исследований Мирового банка, сколько спецификой генезиса, а также условий формирования текущего статуса и развития региональных экономических систем субъектов Российской Федерации, являющихся не независимыми субъектами мировых экономических отношений, а субъектами федеративного государства. Кроме того, учитываются возможности (прежде всего в плане наличия необходимых исходных данных) для количественного оценивания факторов (как детализирующих компонентов), потенциально управляемых на уровне субъекта Российской Федерации.
Ниже с учетом приведенных замечаний описан состав и содержательная структура категории «внешняя торговля», при этом особое внимание уделено финансовой трактовке фактора2 и индикатора3, используемых для числовой характеристики.
Внешняя торговля рассматривается как система товарно-денежных отношений и представляет собой торговые операции экспорта-импорта как между регионами внутри страны, так и между регионами и зарубежными странами [Сычева 2018]. Внешняя торговля составляет внешнеторговый оборот между всеми ее участниками [Абросимова 2011]. Глобализация современной экономики находит отражение и в российской экономике, проявляясь в усилении взаимной торговой зависимости между субъектами Российской Федерации. На характер и способы производимой в регионах продукции накладывают отпечаток их географическое положение, климатические условия, ресурсная обеспеченность, что естественным образом влияет на их
1 The Global Competitiveness Report 2017-2018 // World Economic Forum [Электронный ресурс]. URL: http://www3.weforum.org/docs/GCR2017-
2018/05FullReport/TheGlobalCompetitivenessReport2017%E2%80%932018.pdf (дата обращения: 21.10.2019).
2 Фактор — управляемый параметр, характеризующий использование ограниченных материальных, информационных, трудовых и других ресурсов. Управляемое изменение численного значения фактора приводит к достижению стратегических целей социально-экономического развития региона, отслеживаемое через систему индикаторов.
3 Индикатор — результирующий показатель, отображающий изменения экономического процесса вследствие изменения связанного управляемого параметра (фактора).
специализацию и социально-экономическое развитие [Никифоров 2017]. Нивелировать такие различия удается через развитие торговых [Каргина 2014] и экономических связей, причем наибольший эффект достигается при открытости экономик, что способствует удовлетворению разнообразных потребностей населения, усиливает связи между хозяйствующими субъектами, увеличивает налоговые поступления в бюджет, а в конечном итоге способствует проникновению новых технологий [Красюк, Медведева 2019]. В совокупности все эти факторы ведут к росту производительности региональной экономики [Степанов и др. 2019].
Показатели внешней торговли характеризуют эффективный (приведенный к численности занятых) размер совокупного (внутреннего и внешнего) регионального рынка. В свою очередь, эффективный размер рынка определяет возможности субъекта Российской Федерации использовать механизмы повышения удельной (на одного занятого) производительности труда за счет эффектов масштабирования производств. На это, в частности, указывают результаты анализа (проведенного Мировым банком) обширных эмпирических данных, из которых следует, что рост внешней торговли территориальных субъектов положительно коррелирует с ростом удельной производительности труда, особенно для регионов с небольшими абсолютными объемами внутреннего рынка (экспортно-ориентированная модель).
Указанные соображения, применимы и к российским регионам, но с учетом ряда специфических ограничений. Это, во-первых, условная (ограниченная) открытость торговли, связанная с нормами регулирования внешней торговли на федеральном уровне, причем в привязке к типу внешних партнеров (дальнее зарубежье, страны Содружества независимых государств, страны Таможенного союза и т.п.). Во-вторых, это объективные различия регионов [Петросян 2015] с точки зрения возможностей для развития внешней торговли, обусловленные существенными различиями в системообразующих типах производств в различных регионах: добыча природных ископаемых ресурсов, электроэнергетика, сельское хозяйство, металлургия, тяжелая промышленность, производство высокотехнологичных товаров и услуг и т.д. В этой связи подход к оценке характеристик размера рынка, основанный на балансе внутренней и внешней торговли (например, используемые в описании экспортно -ориентированных моделей), не может быть эффективно применен для российских регионов. Поэтому в настоящей работе в качестве основы для такой оценки предлагается использовать показатели суммарного внешнеторгового оборота, то есть выраженный в долларах США объем всех годовых экспортно-импортных операций со всеми странами вне зависимости от регламентирования типа партнерства.
Нормирование внешнеторгового оборота на среднегодовую численность занятых позволяет получить индекс, пригодный для универсального использования применительно к региональной экономической системе любых регионов, вне зависимости от их абсолютных объемов внешнеторгового оборота и характера источников его формирования. Таким образом, в качестве фактора для данной категории используется индекс внешнеторгового оборота, определяемый суммарным (по всем типам внешних партнеров), выраженным в долларах США внешнеторговым оборотом региона за год, нормированным на среднегодовую численность занятых. При этом предполагается, что этот фактор может управляться на уровне региона через различные стимулирующие механизмы (например, бюджетное со-инвестирование в экспортно-ориентированные производства, региональные тарифные и налоговые льготы и т.п.).
В исходной статистике4 все характеристики внешнеторгового оборота непосредственно задаются в долларах США, поэтому фактор (индекс внешнеторгового оборота) и индикатор (производительность) логично задавать в сопоставимых единицах. Соответственно, в качестве индикатора выбран среднегодовой валютный индекс производительности труда, определяемый как («совокупный», единственно доступный и заданный в млн руб. в исходных данных Росстата) валовый региональный продукт (ВРП), выраженный в долларах США и отнесенный к показателю среднегодовой численности занятых. Следует заметить, что как в случае фактора, так и индикатора используется официальный среднегодовой курс доллара США от Центрального банка РФ, обеспечивающий соответствующую ценовую сопоставимость для статистики разных годов.
Наиболее тесная статистически значимая зависимость рассматриваемого индикатора от выбранного главного фактора, очевидно, имеет место в регионах, где экономическая система находится на этапе целенаправленного перехода от технологической к инновационной модели развития, что надежно подтверждается результатами соответствующих методических исследований. Однозначно также подтверждается и характер зависимости индикатора от фактора — среднегодовой валютный индекс производительности труда всегда имеет положительный тренд при условии роста индекса торгового оборота.
4 Например, Федеральная служба государственной статистики. Регионы России. Социально-экономические показатели — 2018 год // Федеральная служба государственной статистики [Электронный ресурс]. URL: https://gks.ru/bgd/regl/B18 14p/Main.htm (дата обращения: 11.02.2020).
Фактор (X) — индекс внешнеторгового оборота (ИВТО), долл. США/(чел. год).
ИВТО = с_ГВТО*ЖО СГЧЗ
где: - СРВТО — суммарный внешнеторговый оборот, млн долл. США;
- 1000 — числовая нормировка, млн долл. -> тыс. долл.;
- СГЧЗ — среднегодовая численность занятых в регионе, тыс. чел.;
- 100 — переводной коэффициент «от. ед. в проценты», для числовой сопоставимости фактора и индикатора.
Суммарный внешнеторговый оборот (СРВТО) определяется по формуле: СРВТО = ЭСНГ+ИСНГ+ЭСДЗ+ИСДЗ где: - ЭСНГ — объем годового экспорта в страны СНГ, млн долл. США;
- ИСНГ — объем годового импорта в страны СНГ, млн долл. США;
- ЭСДЗ — объем годового экспорта в страны дальнего зарубежья (СДЗ), млн долл. США;
- ИСДЗ — объем годового импорта в СДЗ, млн долл. США.
Индикатор (У) — среднегодовой валютный индекс производительности труда (СГВПТ), долл США/(чел. год).
СГВПТ ВРП^юОО
СГЧЗхСГКД
где: - ВРП — валовый региональный продукт, млн руб.;
- СГЧЗ — среднегодовая численность занятых в регионе; тыс. чел.;
- СГКД — среднегодовой курс доллара США5, руб./долл.;
- 1000 — числовая нормировка, млн руб. -> тыс. руб.
Для исследования экономической модели предполагается парная линейная аппроксимация зависимости индикаторов от управляемых факторов с аддитивным учетом случайной компоненты:
V = Ъ0 + ЪХ + е = а + ЬХ где: - У — скалярный индекс-индикатор, результирующий признак категории, характеризующий состояние исследуемого экономического процесса;
- X — скалярный индекс-фактор, объясняющий (управляемый) параметр, изменение которого приводит к управляемому изменению экономического процесса;
- а — скалярный свободный член парной линейной аппроксимации, аддитивно
5 Курс доллара берется по данным Центрального Банка Российской Федерации.
включающий в себя среднее значение индикатора при отсутствии влияния (изменения) фактора (bo), а также случайную аддитивную компоненту оценки Y, (e), обусловленную иными неоцениваемыми факторами и ошибками измерений; - b — коэффициент парной линейной регрессии, определяющий среднее изменение индикатора при изменении фактора на одну установленную единицу измерения.
Количественные характеристики качества (статистическая значимость, сила и теснота связи и т.п.) построенной аппроксимации в целом и по отдельным параметрам оцениваются на основе стандартного набора показателей корреляционно-регрессионного анализа, применяемых для случая построения парной линейной регрессии [Shuling et al. 2014]. Поскольку использование стандартных критериев корреляционно-регрессионного анализа основано на предположениях о том, что выборочный набор et составляют независимые случайные величины с нулевым средним значением, имеющие одинаковую постоянную дисперсию и нормальное распределение, задача регрессионного анализа предполагает проверку указанных предпосылок с целью соответствия оценок параметров построенной регрессии определенным критериям, а именно — несмещенности, состоятельности и эффективности. В частности, соответствие этим критериям обуславливается выполнением ряда условий (так называемых условий Гаусса-Маркова), сводящихся к выполнению следующих требований к характеру зависимости et от значений фактора Xi и оценок индикатора [Dougherty 2011]:
1) случайный характер величин е£, соответствующий их фактической независимости от оценок .
2) наличие нулевой средней величины набора et, а также независимости et от Xt, то есть математическое ожидание случайной величины М(е{) = 0 для всех наблюдений, и случайные (неконтролируемые) факторные отклонения в среднем не оказывают влияния на зависимую переменную Y.
3) наличие гомоскедастичности остатков, означающее в том числе постоянство дисперсий е2для всех значений Xt.
4) отсутствие автокорреляции остатков, то есть et как случайные величины должны иметь независимое друг от друга распределение.
5) е^ как случайные величины должны подчиняться нормальному закону распределения (распределение Гаусса).
Результаты
Доказательство правильности формализации пары «фактор-индикатор» категории «внешняя торговля» было проведено экспериментальным методом и включало в расчеты показатели субъектов Российской Федерации, входящих в состав Сибирского и Дальневосточного федеральных округов, с использованием правила, приведенного в Таблице 1.
Таблица 1. Правило для проведения количественной оценки6
Математический параметр Значение
Коэффициент корреляции, Гху > 0,7
Коэффициент детерминации, К2 > 0,5
Число степеней свободы, ё/ > 5
^-критерий (критерий Фишера) Fфакт > F'табл
Г-критерий (критерий Стьюдента) \t\ < t-табл
Средняя ошибка аппроксимации, А < 15%
Условия Гаусса-Маркова Выполнение условий
Расчеты проводились с помощью специального разработанного программного приложения, в качестве информационной базы были взяты данные Росстата за период 2007-20187 гг.
Результаты методических исследований формализации пар «фактор-индикатор» категории «внешняя торговля» для региональной экономической системы субъекта Российской Федерации представлены в Таблице 2.
6 Составлено авторами.
7 Официальная статистика // Федеральная служба государственной статистики [Электронный ресурс]. URL: https://gks.ru/folder/10705 (дата обращения: 11.02.2020).
Таблица 2. Результаты методических исследований8
Наименование региона Категория «Внешняя торговля»
Итог гху Я2 ^-критерий А df
1 2 3 4 5 6 7
Сибирский федеральный округ
Республика Алтай • 0,84 0,71 12,25 5,02 6
Республика Тыва 0 0,42 0,18 1,67 17,49 10
Республика Хакасия • 0,74 0,58 8,42 9,86 8
Алтайский край • 0,77 0,59 8,49 11,78 7
Красноярский край • 0,82 0,68 12,23 7,05 7
Иркутская область • 0,94 0,87 62,88 5,127 10
Кемеровская область 0 0,47 0,20 2,29 14,86 10
Новосибирская область • 0,80 0,64 15,12 9,09 9
Омская область • 0,70 0,49 6,77 12,09 8
Томская область • 0,71 0,50 9,03 13,66 10
Дальневосточный федеральный округ
Республика Бурятия • 0,79 0,60 7,69 8,18 6
Забайкальский край • 0,73 0,53 6,79 14,52 7
Республика Саха (Якутия) • 0,91 0,82 30,12 7,24 10
Камчатский край • 0,78 0,60 8,12 09,28 10
Приморский край • 0,77 0,59 13,20 11,85 10
Хабаровский край • 0,74 0,54 8,30 9,31 8
Амурская область • 0,74 0,55 11,00 10,86 10
Магаданская область • 0,80 0,64 16,12 11,72 10
Сахалинская область • 0,97 0,95 143,43 5,24 9
Еврейская АО 0 0,14 0,02 0,10 17,28 10
Чукотский АО • 0,80 0,64 12,59 11,39 8
8 Составлено авторами. Числовые значения коэффициента корреляции гху показывают значимость связи между фактором Х и индикатором Y; например, на пересечении столбца 3 и строки «Республика Алтай» значение гху = 0,83, что означает доказанную взаимосвязь фактора X (индекс внешнеторгового оборота) с индикатором Y (среднегодовой валютный индекс производительности труда); аналогичным образом интерпретируются значения коэффициента детерминации, F-критерия, средней ошибки аппроксимации и числа степеней свободы; в столбце 2 итоговое решение правильности формализации пар «индикатор-фактор», знаком «•» отмечено положительное решение, знаком «0» — отрицательное; итоговое решение, значение «•» устанавливается в случае доказуемости статистически значимости пары «фактор-индикатор», то есть полного соответствия правилу (см. Таблицу 1); итоговое решение, значение «0» не означает, что для исследуемой категории пара «фактор-индикатор» для конкретной региональной экономической системы имеет другую формализацию; это означает, что процесс имеет какие-либо отклонения объективного и/или субъективного характера от общепринятых тенденций.
Далее, в качестве примера проиллюстрируем количественную оценку категории «внешняя торговля» социально-экономической системы Камчатского края.
В Таблице 3 представлены данные регрессионного и дисперсионного анализа, в Таблице 4 приведены расчетные значения фактора ИВТО — индекса внешнеторгового оборота — и индикатора СГВПТ — среднегодового валютного индекса производительности труда — в динамике, модельные характеристики категории представлены на Рисунке1 и 2.
Таблица 3. Данные регрессионного и дисперсионного анализа категории «внешняя торговля» для Камчатского края9
Регрессионный анализ Дисперсионный анализ
Число наблюдений, п 11 Дисперсия, X 1154828,16
Число степеней свободы, ё/ 9 Среднеквадратичное отклонение, X 957,36
Коэффициент детерминации, К2 0,60 Дисперсия, У 8764652,71
Коэффициент корреляции, Гху 0,78 Среднеквадратичное отклонение, У 2824,65
Критерий Фишера (^бл = 5.32) 8,12 Случайная ошибка, а 2357,89
Коэффициент, а 12612,08 Предельная ошибка, а 5218,62
Коэффициент, Ь 1,92 Случайная ошибка, Ь 0,612
^фактор а (2.2622) 5,04 Предельная ошибка, Ь 1,504
^фактор Ь (2.2622) 2,86 Случайная ошибка, Гху 0,232
Коэффициент эластичности, Е 0,37 Случайная ошибка, У 2254,26
9 Составлено авторами.
Таблица 4. Расчетные значения фактора и индикатора10
Год Значение фактора ИВТО, долл. США/(чел. год). Значение индикатора СГВПТ, долл. США/(чел. год)
2007 1316,089 14325,240
2008 1627,117 17671,348
2009 3393,598 16774,317
2010 3948,274 19161,555
2011 3984,746 21631,903
2012 4556,413 23205,836
2013 3967,440 23329,426
2014 3428,630 21375,543
2015 3426,842 15859,828
2016 3753,504 16710,687
2017 4739,118 20205,758
2018 5939,56 23034,12
25000
• • • • •
20000
• • •
15000 10000 5000
о00 0ооО
о о
0
2006 2008 2010 2012 2014 2016 2018 2020
о Значение фактора ИВТО, от. ед. • Значение индикатора СГВПТ, от. ед.
Рисунок 1. Числовые значения фактора X и индикатора У в динамике11
10 Составлено авторами. ИВТО — индекс внешнеторгового оборота, СГВПТ — среднегодовой валютный индекс производительности труда.
11 Составлено авторами.
24000
23000 — 22000
21000 — 20000
19000 —
18000 —
17000 —
16000 —
15000 — 14000
1000
Рисунок 2. Эконометрическая модель категории «внешняя торговля»12
Оценка категории «внешняя торговля» для Камчатского края свидетельствует о способности органов власти и управления обеспечить необходимый импульс для поступательного развития социально-экономической системы региона за счет наращивания производства конкурентоспособных товаров и услуг, организации новых рабочих мест и создания необходимых стимулов для привлечения квалифицированной рабочей силы. Это находит подтверждение в соответствии динамики среднегодового валютного индекса производительности труда (индикатора У) его целевому назначению (росту), сопровождающейся положительной динамикой индекса внешнеторгового оборота (фактора X), то есть процесс определяется прямым влиянием фактора на индикатор. Для сохранения темпов роста рекомендуется увеличение значения фактора (текущий средний коэффициент эластичности, определяющий характер процесса, равен Е = 0,37, то есть при изменении значения фактора на 1% значение индикатора увеличится на 0,4%).
Заключение
Задача анализа макроэкономических показателей региона состоит в формировании его экономического профиля, определении места и роли в национальной экономике, а также в адекватной оценке достигнутого уровня развития и определении наиболее значимых направлений роста. В настоящей работе одним из таких направлений был взят суммарный внешнеторговый оборот субъекта Российской Федерации. Нормирование на среднегодовую численность занятых позволило получить
12 Составлено авторами.
2000 3000 4000 5000 6000 7000
индекс, пригодный для его универсального использования применительно к экономическим системам любых регионов вне зависимости от их абсолютных объемов торговых отношений и характера источников его формирования. Детальный анализ сформированной модели зависимости производительности труда от внешнеторгового оборота позволяет осуществлять процедуры регионального стратегирования, соотнести имеющиеся ресурсы с целями и задачами опережающего развития региона. Применение на практике теоретических и методологических подходов к оценке уровня эффективности принимаемых управленческих решений позволит обоснованно формировать долгосрочные целевые программы, подкрепленные соответствующими организационно-техническими мероприятиями.
В целом предложенный инструментарий может быть востребован при проведении системного анализа макроэкономических показателей субъектов Российской Федерации и выработке рекомендаций по достижению целей устойчивого развития в качестве механизма независимого анализа социально-экономического развития территорий и проведения публичной экспертизы деятельности региональных органов власти.
Список литературы:
Абросимова Е.А. Организаторы торгового оборота и их функциональное значение // Государство и право. 2011. № 10. С. 109-112.
Бузгалин А.В., Колганов А.И. Планирование: потенциал и роль в рыночной экономике XXI века // Вопросы экономики. 2016. № 1. С. 63-80.
Глазьев С.Ю. Приоритеты опережающего развития Российской экономики в условиях смены технологических укладов // Экономическое возрождение России. 2019. № 2(60). С. 12-16.
Каргина Л.А. Электронный маркетинг как инструмент повышения конкурентоспособности компании // Вестник Академии. 2014. № 4. С. 70-74. Красюк И.А., Медведева Ю.Ю. Концептуальные основы формирования модели инновационного развития торгово-технологических систем // Проблемы современной экономики. 2019. № 1(69). С. 22-25.
Кудина М.В. Экономика знаний как основа инновационного развития // Проблемы теории и практики управления. 2018. № 5. С. 111-119.
Медведев Д.А. Россия-2024: Стратегия социально-экономического развития // Вопросы экономики. 2018. № 10. С. 5-28. DOI: https://doi.org/10.32609/0042-8736-2018-10-5-28.
Никифоров В.А. Тенденции развития сложноструктурных комплексов норм, создаваемых для регулирования мирового торгового оборота // Ученые записки Орловского государственного университета. Серия: Гуманитарные и социальные науки. 2017. № 2(75). С. 53-58.
Петросян А.Д. Совершенствование организации управления внешнеторговой деятельностью в региональном промышленном комплексе // Аудит и финансовый анализ. 2015. № 1. С. 398-403.
Пискун Е.И., Хохлов В.В., Каруна К.И. Методологические аспекты управления развитием регионов в условиях цифровизации // Региональная экономика: теория и практика. 2019. Т. 17. № 1(460). С. 4-15. DOI: https://doi.Org/10.24891/re.17.1.4. Степанов Е.А., Килина И.П., Постаушкина К.Ю. Оценка внешнеторгового потенциала регионов дальневосточного федерального округа России // Вестник Челябинского государственного университета. 2019. № 7(429). С. 69-79.
DOI: https://doi.org/10.24411/1994-2796-2019-10708.
Сычева К.Г. Система государственного управления в сфере российского экспорта: пути совершенствования // Государственное управление. Электронный вестник. 2018. № 69. С. 177-197. DOI: 10.24411/2070-1381-2018-00062.
Шпакова Р.Н. Генеральные цели стратегического развития регионов Российской Федерации // Государственное управление. Электронный вестник. 2019. № 77. С. 311— 336. DOI: https://doi.org/10.24411/2070-1381-2019-10030.
Bryson J.M., Edwards L.H., Van Slyke D.M. Getting Strategic about Strategic Planning Research // Public Management Review. 2017. P. 1-23.
DOI: https://doi.org/10.1080/14719037.2017.1285111.
Dougherty С. Introduction to Econometrics. Oxford: Oxford University Press, 2011. Shuling Wang S., ZhengL., Dai J. Empirical Likelihood Diagnosis of Modal Linear Regression Models // Journal of Applied Mathematics and Physics. 2014. № 2. P. 948-952. DOI: doi.org/10.4236/jamp.2014.210107.
Дата поступления: 19.11.2019
Zhuravlev D.M., Chaadaev K. V.
Model for Assessing Impact of Russian Federal Subjects Foreign Trade Turnover on Labor Productivity
Denis M. Zhuravlev — PhD, Leading Specialist, Information and Media Communications Department, Lomonosov Moscow State University, Moscow, Russian Federation. E-mail: molnet2025@gmail. com
Kirill V. Chaadaev — Leading Programmer, "Scientific Production Enterprise "Information and Media Technologies", Moscow, Russian Federation. E-mail: vchaadaev@yandex.ru
Abstract
Digitalization of the economy requires availability of sustainable development planning tools. In this regard, it seems relevant to formulate the methodological foundations for conducting a quantitative assessment of economic processes. The article formalizes the content of the «external market» category, which is one of the constituents of the basis for the regional economic system and has a significant impact on its performance. Fixing the category involves conducting a study which evaluates the impact of the region's foreign trade on labor productivity. The methodological apparatus of the study used methods of comparative analysis, economic and mathematical modeling (regression analysis, correlation analysis, factor analysis, index methods), statistical data processing methods, as well as a specially developed application. In the research process, the following tasks were solved: taking into account world experience, the composition of the category «external market» was fixed; the layout of quantitative indices characterizing the indicators of labor productivity and trade was performed; the experiment on a number of subjects of the Russian Federation confirmed the efficiency of the proposed model. The developed tools can be used to conduct a systematic analysis of macroeconomic indicators and develop recommendations for achieving sustainable development goals.
Keywords
Development management, economic and mathematical model, foreign trade, labor productivity, regional economy, socio-economic system, strategic planning tools.
DOI: 10.24411/2070-1381-2020-10032
References:
Abrosimova E.A. (2011) The Organizers of Trade — Commercial Organizers and Its of Functional Purpose. Gosudarstvo ipravo. No. 10. P. 109-112.
Buzgalin A.V., Kolganov A.I. (2016) Planification: Potential and Role in XXI Century Market Economy. Voprosy Ekonomiki. No. 1. P. 63-80.
Glazev S.Y. (2019) Priorities of the Russian Economy's Accelerated Development during the Transition to a New Technological Mode. Ekonomicheskoe vozrozhdenie Rossii. No. 2(60). P. 32-37.
Kargina L.A. (2014) Internet Marketing as a Tool to Enhance the Competitiveness of the Company. Vestnik akademii. No. 4. P. 70-74.
Krasjuk I.A., Medvedeva Yu.Yu. (2019) The Model of Innovative Development of Trade-And-Technology Systems: Conceptual Foundations of Formation. Problemy sovremennoy ekonomiki. No. 1(69). P. 22-25.
Kudina M.V. (2018) Knowledge Economy as Innovative Development Fundament. Problemy teorii ipraktiki upravleniya. No. 5. P. 111-119.
Medvedev D.A. (2018) Russia-2024: The Strategy of Social and Economic Development. Voprosy Ekonomiki. No. 10. P. 5-28. DOI: https://doi.org/10.32609/0042-8736-2018-10-5-28.
Nikiforov V.A. (2017) Tendencies of Development of Complex Structural Complexes of Norms Created for Regulation of the World Trade Turnoover. Uchenyye zapiski Orlovskogo gosudarstvennogo universiteta. Seriya: Gumanitarnyye i sotsial'nyye nauki. No. 2(75). P. 5358.
Petrosyan A.D. (2015) Improvement of the Organization of Management of the Foreign Trade Activity in the Regional Industrial Complex. Audit i finansovyy analiz. No. 1. P. 398-403. Piskun E.I., Khokhlov V.V., Karuna K.I. (2019) Methodological Aspects of Regional Development Management during the Digitization. Regional'naya ekonomika: teoriya i praktika. Vol. 17. No. 1(460). P. 4-15. DOI: https://doi.org/10.24891/re.17.1.4. Stepanov E.A., Kilina I.P, Potaushkina K.U. Assessment of Foreign Trade Potential of the Regions (on the Example of Far Eastern Federal District Subjects). Vestnik Chelyabinskogo gosudarstvennogo universiteta. No. 7(429). P. 69-79. DOI: https://doi.org/10.24411/1994-2796-2019-10708.
Sycheva K.G. (2018) System of Public Administration in the Sphere of Russian Exports: Ways to Improve. Gosudarstvennoye upravleniye. Elektronnyy vestnik. No. 69. P. 177-197. Shpakova R.N. (2019) General Targets for Strategic Development Russian Federation Regions. Gosudarstvennoye upravleniye. Elektronnyy vestnik. No. 77. P. 311-336. DOI: https://doi.org/10.24411/2070-1381-2019-10030.
Bryson J.M., Edwards L.H., Van Slyke DM. (2017) Getting Strategic about Strategic Planning Research. Public Management Review. P. 1-23.
DOI: https://doi.org/10.1080/14719037.2017.1285111.
Dougherty С. (2011) Introduction to Econometrics. Oxford: Oxford University Press. Shuling Wang S., Zheng L., Dai J. (2014) Empirical Likelihood Diagnosis of Modal Linear Regression Models. Journal of Applied Mathematics and Physics. 2014. No. 2. P. 948-952. DOI: doi.org/10.4236/jamp.2014.210107.
Received: 19.11.2019
