CC BY
57
DOI: 10.17747/2618-947X-2019-4-360-381
(с):
Оценка экономических эффектов от развития, обеспечения сохранности и повышения качества обслуживания автомобильных дорог
И.Ю. Золотова1, Н.А. Осокин1, В.А. Карле1
1 ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации»
аннотация
Т Целью настоящей статьи является разработка предложения по расширению инструментов повышения инвестиционной привлекательности территорий за счет стимулирования сохранности автомобильных дорог. В статье проанализированы ключевые отечественные и зарубежные научные публикации, посвященные техническим и экономическим аспектам автодорожного обслуживания и содержания. Авторы сумели установить, что в отечественной науке наблюдается существенный пробел, связанный с изучением экономических последствий, возникающих в результате развития и обеспечения качества автомобильных дорог. В частности, слабо исследованы вопросы влияния дорожного обслуживания на инвестиционную привлекательность и деловую активность территорий, а также на качество жизни граждан.
На основе проведенного анализа теоретических и эмпирических исследований была сформирована классификация потенциальных экономических эффектов от повышения сохранности автомобильных дорог. В первую очередь были выделены макроэкономические эффекты в результате обеспечения нормативного уровня содержания автомобильных дорог, которые выражаются в увеличении инвестиционной привлекательности и деловой активности территорий. Качество и уровень автодорожной сети территории определяют скорость и объем протекающих внутри нее экономических процессов.
В автодорожном обслуживании особую роль играют косвенные эффекты. Отдельным аспектом изучения в работе стала сохранность автомобильных дорог как один из факторов качества жизни граждан. В статье предлагается расчетная модель (инструментарий) для количественной оценки экономических эффектов от развития и обеспечения сохранности автомобильных дорог регионального и межмуниципального значения. Инструментарий был разработан на основе трех расчетных блоков в зависимости от вида автодорожных работ: развитие дорожной сети, уровень нормативного содержания дорог и технология их содержания. Расчетная модель позволяет осуществлять количественную оценку прямых эффектов, возникающих в результате применяемой технологии содержания автомобильных дорог, а также косвенных. Под косвенными эффектами понимается влияние на ВРП и инвестиционную привлекательность на макроуровне, а также на качество жизни граждан на микроуровне. Результаты анализа зависимости между уровнем развития автодорожной сети и макроэкономическими индикаторами показали, что экономический эффект может существенно разниться в зависимости регионов от минерально-сырьевого комплекса. Было установлено, что так называемые сырьевые регионы не сумеют получить экономической выгоды от развития региональной сети автомобильных дорог.
ключевые словА:
сохранность автомобильных дорог, содержание автомобильных дорог, качество обслуживания автодорог, экономические эффекты сохранности автодорог.
для цитирования:
Золотова И.Ю., Осокин Н.А., Карле В.А. (2019). Оценка экономических эффектов от развития, обеспечения сохранности и повышения качества обслуживания автомобильных дорог // Стратегические решения и риск-менеджмент. Т. 10. № 4. С. 360-381. DOI: 10.17747/2618-947X-2019-4-360-381
Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию Финуниверситета. В рамках темы НИР «Расширение инструментов повышения инвестиционной привлекательности территории путем создания механизмов экономического стимулирования сохранности автомобильных дорог».
Assessment of economic effects of development, ensuring safety and improvement of quality of service of highways
I.Yu. Zolotova1, N.A. Osokin1, V.A. Karle1
1 Financial University under the Government of the Russian Federation
ABSTRACT
he purpose of this paper is development of the offer on expansion of instruments of increase of investment appeal of territories due to stimulation of safety of highways. In article the key domestic and foreign scientific publications devoted to technical and economic aspects of road service and the contents are analysed. Authors have managed to establish that in domestic science the essential gap connected with studying of economic consequences, resulting development and ensuring quality of highways is observed. In particular, questions of influence of road service on investment appeal and business activity of territories, and also on quality of life of citizens are poorly investigated.
On the basis of the carried-out analysis of theoretical and empirical researches authors have created classification of potential economic effects of increase of safety of highways. First of all macroeconomic effects as a result of providing standard level of the maintenance of highways which are expressed in increase in investment appeal and business activity of territories have been allocated. Quality and level of a road network of the territory determine the speed and volume of economic processes proceeding in her.
In road service the special role is played by indirect effects. Safety of highways as one of factors of quality of life of citizens became separate aspect of studying in work. In article the settlement model (tools) for a quantitative assessment of economic effects of development and ensuring safety of highways of regional and intermunicipal value is offered. The tools have been developed on the basis of three settlement blocks depending on a type of road works: development of a road network, level of the standard maintenance of roads and technology of their contents. The settlement model allows to carry out a quantitative assessment of the direct effects resulting applied technology of the maintenance of highways, and also indirect. Indirect effects are understood as influence on VRP and investment appeal at macrolevel, and also on quality of life of citizens at microlevel.
Results of the analysis of dependence between a level of development of a road network and macroeconomic indicators have shown that economic effect can significantly differ in dependence of regions on a mineral and raw complex. It has been established that so-called raw regions won't manage to receive an economic benefit from development of a regional network of highways.
KEYWORDS:
safety of highways, maintenance of highways, quality of service of highways, economic effects of safety of highways.
FOR CITATION:
Zolotova I.Yu., Osokin N.A., Karle V.A. (2019). Assessment of economic effects of development, ensuring safety and improvement of quality of service of highways. Strategic Decisions and Risk Management, 10(4), 360-381. DOI: 10.17747/2618-947X-2019-4-360-381
The article was prepared based on the results of studies carried out at the expense of budget funds on the state order of the Financial University. In the framework of the research topic "Expanding tools to increase the investment attractiveness of the territory by creating mechanisms for economic incentives for the preservation of roads".
1. введение
Обеспечение безопасных и качественных автомобильных дорог вошло в перечень приоритетных национальных целей стратегического развития Российской Федерации в соответствии с Указом Президента Российской Федерации от 07.05.2018 № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года»1. Вопросы сохранности автомобильных дорог в отечественных исследованиях в большей степени рассматриваются с точки зрения технических наук, однако экономические аспекты автодорожного обслуживания освещены российскими учеными в меньшей степени. При этом за рубежом именно экономические последствия повышения качества дорожных работ служат основой для принятия стратегических решений в отрасли. Как отмечалось в работе Олега Скворцова [Скворцов, 2012], улучшение дорожных условий имеет множество положительных последствий: повышение транспортной доступности, повышение спроса на услуги дорожного сервиса, развитие туризма, сокращение времени на осуществление перевозок, снижение частоты ДТП и др. Зарубежные исследования подтверждают, что вопросы развития автодорожной сети должны оцениваться комплексно с учетом прямых и косвенных эффектов [Fan, Chan-Kang, 2005]. Именно такой подход применяется для оценки потенциальных экономических эффектов, которые могут возникать на региональном уровне, от развития и повышения качества автодорожной сети территории Российской Федерации.
Технология автодорожного обслуживания в России разделяется на весенне-летний и осенне-зимний периоды. Подобная классификация вызвана климатическими условиями страны, которые предполагают значительные различия в технологических процессах обеспечения надлежащего качества автомобильных дорог. Таким образом, существенно будет разниться структура затрат автодорожного обслуживания, а также потенциальные эффекты. Для российской действительности особую актуальность в контексте обеспечения сохранности автомобильных дорог носит процесс зимнего обслуживания автомобильных дорог. В первую очередь это вызвано тем, что именно в осенне-зимний период наносится наибольший ущерб автодорожному полотну. В месяцы, когда температура принимает отрицательные значения, повышается риск разрушения автомобильных дорог от ям, трещин и щелей. Талая вода заполняет образующиеся отверстия на автодорожной «одежде» и разрушает ее, расширяясь во время замерзания [Ухин, 2010].
Далее будут рассмотрены методологические подходы к расчету эффектов от мероприятий по противодействию зимней скользкости.
2. теоретический обзор
В научной литературе можно найти несколько методологических подходов к расчету эффектов от мероприятий по противодействию зимней скользкости. Например, Джордж Джанг и соавторы [Zhang et al., 2009] для проведения анали-
за экономической эффективности зимнего содержания автодорог анализировали необходимые затраты на обеспечение работы соответствующей техники (стоимость оборудования, его установка и монтаж, содержание) и затраты на ее использование при зимнем содержании дорог (оплата труда водителей и закупка материалов).
Специалисты Adirondack Watershed Institute [Kelting, Laxon, 2010] классифицировали эффекты от мероприятий по противодействию зимней скользкости по признаку объекта влияния: затраты, связанные с эксплуатацией специализированной техники, воздействие на окружающую среду, воздействие на износ автомобилей и дорожного покрытия. Группа исследователей из Университета штата Вашингтон [Ye et al., 2013] оценивали выгоды от зимнего содержания автодорог в зависимости от характера воздействия. Авторы разделяли все последствия от устранения гололедицы и утилизации снега на прямые и косвенные.
Интерес представляет шведская практика создания модели по оптимизации зимнего обслуживания дорог, при разработке которой наиболее полно учтены основные факторы. При ее создании использовались данные о погоде, потоках движения, классе дорог, стоимости обслуживания. Также был учтен риск возникновения аварий и их последствия, влияние на окружающую среду в виде загрязнения придорожных территорий от используемых реагентов и выбросов вредных веществ в атмосферу.
На сегодня мероприятия по зимнему обслуживанию автомобильных дорог невозможно эффективно осуществлять без привлечения специализированной автомобильной техники. В частности, для механического очищения дорог от снега и льда, а также с целью распространения противогололедных материалов (ПГМ) используются оснащенные грузовые автомобили. Данный тип техники потребляет большое количество горюче-смазочных материалов (ГСМ) с выделением соответствующего объема углекислого газа в атмосферу [Сушков, 2012].
Объем потребляемого этими автомобилями топлива напрямую зависит от размера обрабатываемой площади и протяженности пути при проведении противогололедных мероприятий. Решение задачи совершенствования маршрутов движения снегоуборочных машин позволит достичь несколько эффектов:
1) снижение общего объема потребления ГСМ в рамках снегоуборочной кампании;
2) сохранение экологии окружающей среды;
3) экономия рабочего времени и снижение затрат на оплату труда;
4) повышение качества предоставляемых коммунальных услуг;
5) повышение мобильности населения в неблагоприятных погодных условиях.
Группа ученых университета г. Марибор (Словения) [Lukman, 2018] предложила для построения оптимальных маршрутов движения использовать математические методы. В частности, речь идет о построении сети дорог с использованием теории графов и задаче почтальона, смоделиро-
1 Указ Президента «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года» // Администрация Президента Российской Федерации. URL: http://kremlin.ru/events/president/news/57425 (дата обращения: 02.09.2019).
ванной в качестве примера. Целью использования данных методов является нахождение такого алгоритма движения транспорта, при котором повторный проезд по одной и той же улице исключается или сводится к минимуму. Разработанная модель получила практическую апробацию на улицах городов Словении. Результатом ее использования стало сокращение длины маршрута на 28,3%. В результате сокращения длины маршрута было сэкономлено 210 литров дизельного топлива за пятнадцать выездов снегоуборочных машин по разработанному маршруту. Кроме того, наблюдалось сокращение использования ПГМ на 9,8%.
Одной из важнейших технических характеристик специализированной техники, участвующей в противогололедных мероприятиях, является способность механизированного распределения ПГМ с регулированием нормы посыпки. Как отмечают Алена Кошелева с соавторами [Кошелева и др., 2016], при распределении ПГМ немеханизированным способом нет возможности соблюсти технологические условия противодействия скользкости (в частности, плотность и равномерность распределения материалов на дорожном покрытии). В этом случае существенно снижаются качество зимней обработки и положительный эффект от противогололедных мероприятий в целом. Более того, превышение рекомендуемого уровня плотности распределения ПГМ на поверхности автомобильных дорог отрицательно влияет на окружающую среду, повышает износ шин автомобилей и дорожного полотна.
В работе [Трофимова, 2011] отмечается, что, как правило, основные затраты на содержание снегоуборочной техники ложатся на компании, непосредственно отвечающие за зимнее содержание объекта дорожного хозяйства. Структура затрат для компаний с одинаковым количеством единиц автомобилей может существенно разниться в зависимости от:
- принадлежности техники (в собственности или арендуется);
- срока эксплуатации автомобилей;
- технических свойств и потребности в регулярном обслуживании.
Ирина Трофимова [Трофимова, 2011] предлагала разделять эксплуатационные расходы техники на единовременные и текущие. Под единовременными подразумеваются затраты, которые не зависят от объемов работ и времени эксплуатации техники: наладка, амортизационные отчисления, техническое обслуживание и иные работы. Текущие затраты предполагают учет заработной платы водителей, стоимости электроэнергии, топлива и смазочных материалов.
В другом исследовании [Трофимова, Баловнев, 2015] авторы смогли установить зависимость между свойствами снегоуборочной техники и экономическими показателями зимнего обслуживания автодорог. Авторы выявили, что между массой автомобиля и скоростью осуществления одного полного цикла механизированной уборки существует параболическая зависимость (ветви параболы направлены вверх). На базе этого вывода было отмечено нелинейное влияние массы автомобиля на стоимость осуществления противогололедных мероприятий. Тем самым учеными предлагается максимизировать экономическую эффективность зимнего обслуживания дорог за счет использования техники, имеющей массу, близкую к оптимальной (в исследовании - примерно
30 тонн). Стоит отметить, что выводы работы [Трофимова, Баловнев, 2015] необходимо интерпретировать осторожно, поскольку авторами слабо была описана методика исследования, в частности опасения вызывает недостаточное число наблюдений и игнорирование иных факторов, которые также могли влиять на стоимостные показатели зимнего обслуживания автодорог.
В зависимости от вида используемого ПГМ может существенно изменяться как технологический процесс зимнего обслуживания автодорог, так и структура его затрат. Среди работ зарубежных авторов чаще всего упоминаются следующие виды ПГМ:
1) хлорид натрия (техническая соль, NaCl). Наиболее дешевое вещество, используемое для борьбы с гололедом. Является основным компонентом песко-соляной смеси (ПСС). В последнее время использование данного реагента снижается, что обусловлено пагубным влиянием на окружающую среду и высокой коррозийной активностью технической соли;
2) хлорид кальция (CaCl2). Обладает гигроскопическими свойствами, низкими показателя токсичности и быстро вступает в реакцию со снегом и льдом. Раствор хлорида кальция чаще всего применяется для смачивания технической соли, он повышает эффективность реагента. Однако усиление плавящих свойств смеси наблюдается только в течение первых 10-15 минут использования;
3) хлорид магния (MgCl2). Используется, как правило, для смачивания твердых солей. Обладает химическими свойствами, схожими с хлоридом натрия. Наиболее эффективен при добавлении антикоррозийных веществ [Shi, Jungwirth, 2016];
4) ацетат калия (KAc). Эффективный реагент, который является мягким веществом по отношению к чувствительным к коррозии сооружениям. Его недостатком для использования в качестве противогололедного средства является относительно высокая стоимость [Nazari et al., 2016];
5) ацетат кальция-магния (CMA). Экологичная альтернатива технической соли с более низкой рабочей температурой. Используется преимущественно в форме зерен. Имеет очень низкую коррозийную активность к распространенным металлам.
Разные виды ПГМ могут иметь существенно различающиеся технические характеристики в зависимости от погодных условий. Некоторые материалы (например, ацетат калия) целесообразно использовать в суровых погодных условиях, другие, напротив, наиболее эффективны в наименее холодных температурных диапазонах.
Стоит отметить, что в отечественной практике одним из наиболее распространенных видов ПГМ остается ПСС с концентрацией соли в смеси от 11 до 25% [Твердохлебов, 2016]. При этом практика применения песочно-соляной смеси неоднократно критиковалась в работах отечественных ученых, которые отмечали низкую результативность ПСС для повышения дорожно-транспортной безопасности и потенциальный вред для окружающей среды [Желтобрюхов, 2013].
Как отмечается в работе Софьи Аржанухиной и коллег [Аржанухина, 2013], ледяной слой на дорожных поверхно-
Рис. 1. Влияние количества формиата натрия, присутствующего в ПГМ, на коррозию металла
а.*
А ю л ю « а ы 1а к к 1»
Фйрмнс ]гл}чш, ^
Источник: [Розов и др., 2017].
стях заметно снижает коэффициент сцепления шин автомобилей. Таким образом, повышается риск возникновения дорожно-транспортных происшествий. В результате исследования [Аржанухина, 2013] были установлены следующие ключевые технологически и физико-химические свойства ПГМ:
- снижение температуры замерзания воды после растворения в ней ПГМ;
- способность ПГМ плавить уже выпавший снег и ледяной покров;
- минимальная вариация компонентов в составах ПГМ;
- отсутствие посторонних и балластных частиц в составе ПГМ;
- способность ПГМ начинать полезное действие моментально после распределения;
- способность удерживать положительные свойства при различных температурных условиях;
- длительная эффективность применения;
- способность равномерно распределяться по дорожному покрытию при посыпке при минимальных потерях.
Не менее важен при осуществлении противогололедных мероприятий экологический аспект. В работе [Розов и др., 2017] было установлено, что применение хлоридов влечет сразу несколько потенциальных негативных последствий:
- износ металлических и бетонных элементов автодорог (дорожное покрытие, мостовые и иные искусственные сооружения);
- вред для окружающей среды (почва, воздух и вода).
Исследования РосдорНИИ [Розов и др., 2017] показывают, что добавление формиата натрия в формулу смеси для противогололедной обработки существенно снижает вред для дорожного покрытия и окружающей среды. На рис. 1 представлен график изменения коррозийной активности ПГМ в зависимости от уровня концентрации в них формиата натрия. Помимо этого, формиаты быстрого разлагаются, за счет чего хлоридсодержащие реагенты становятся удобрением для почвы.
Современные тенденции автодорожного обслуживания указывают на эффективность применения многокомпонентных ПГМ [Коденцева, Божескул, 2019]. Подобный подход
позволяет найти баланс между результативностью противогололедных мероприятий, экономической целесообразностью и воздействием на экологию. Таким образом, нивелируются потенциальные финансовые потери, связанные с необходимостью проведения ремонтных работ на объектах дорожного хозяйства и рекультивацией прилегающих к дороге природных объектов.
На основе проведенного обзора в следующем разделе статьи будут описаны действия по формированию расчетной модели и инструментария для количественной оценки описанных эффектов.
3. оценка экономических эффектов от развития, обеспечения сохранности и повышения качества обслуживания автомобильных дорог
В данном разделе будут описаны действия по формированию расчетной модели и оценке количественной зависимости между обеспечением сохранности и развитием автодорожной сети и инвестиционной привлекательностью территорий в Российской Федерации.
3.1. формирование расчетной модели (инструментария) оценки экономических эффектов от обеспечения сохранности автомобильных дорог
В рамках формирования расчетной модели (инструментария) особую важность приобретает необходимость четкого описания аналитических блоков, на основе которых будет производиться количественная оценка эффектов от обеспечения сохранности и развития автодорожной сети. Согласно классификации Всемирного банка3, работы по обеспечению сохранности автомобильных дорог могут быть разделены на четыре категории:
- рутинные ежегодные;
- капитальные;
- непредвиденные;
- работы по развитию автодорожной сети.
В рамках настоящего исследования предлагается адаптировать подход Всемирного банка под особенности отечественной практики обеспечения сохранности автодорог. В работе будут рассмотрены и оценены потенциальные экономические эффекты, возникающие в результате деятельности территорий по развитию, обеспечению сохранности и повышению качества автомобильных дорог. Концептуально предлагается разделить предлагаемый расчетный инструментарий на три основных блока:
3 Construction and Maintenance // World Bank. URL: http://web.worldbank.org/WBSITE/EXTERNAL/TOPICS/EXTTRANSPORT/EXTROADSHIGHWAYS/0,,contentMDK:20596 514~menuPK:1476380~pagePK:148956~piPK:216618~theSitePK:338661,00.html (дата обращения: 13.06.2019).
Рис. 2. Концептуальное описание расчетной модели (инструментария)
Рис. 3. Концептуальное описание взаимосвязи показателей развития и повышения качества автодорожной сети
- развитие автодорожной сети;
- обеспечение нормативного содержания автомобильных дорог;
- качество обслуживания автомобильных дорог.
Основной переменной воздействия на данные факторы
является ресурсное обеспечения территорий (рис. 2).
Мы рассматриваем взаимосвязи различных работ по содержанию автодорожной сети с инвестиционной привлекательностью территорий и качеством жизни граждан. В рамках предлагаемой методики будут оценены как детерминированные, так и стохастические связи между факторами и показателями экономического развития территорий. Концептуальное описание данных зависимостей представлено на рис. 3.
Сначала будут описаны действия по анализу стохастических связей между уровнем развития и сохранности автомобильных дорог и инвестиционной привлекательностью территории. Далее будет представлено описание детерминированных и стохастических связей между показателями, определяющими качество автодорожного обслуживания и эффектами микро- и макроуровня для территорий.
3.2 методика оценки уровня инвестиционной привлекательности территорий и экономических эффектов от автодорожного обслуживания
Оценка инвестиционной привлекательности территорий - комплексная процедура, которая должна проводиться с учетом широкого диапазона факторов. Без всестороннего рассмотрения ситуации, сложившейся на конкретной территории, итоговые результаты могут быть искажены, что повлечет за собой принятие ошибочных инвестиционных решений. В то же время использование избыточного числа показателей значительно увеличивает трудозатраты на проведение анализа и может снижать степень интуитивного восприятия результатов. Проблематику оптимальной си-
стемы оценки инвестиционной привлекательности в своих исследованиях рассматривают многие авторы; рейтинговые агентства и государственные организации постоянно совершенствуют используемую методику.
В настоящее время существует три основных подхода к оценке инвестиционной привлекательности территории.
1) Формирование фундаментального показателя, определяющего инвестиционную привлекательность. В работах разных авторов такими показателями являются: рыночная реакция региона, институты общества, имидж региона, динамика ВВП (ВРП) и др.
2) Оценка влияния нескольких факторов, которые в равной степени участвуют в формировании инвестиционной привлекательности территории. При этом факторы характеризуются вполне конкретным набором показателей, например общими условиями хозяйствования, развитостью рыночной инфраструктуры, политической обстановкой, социокультурными особенностями, правовым климатом.
3) Рассмотрение инвестиционной привлекательности в качестве агрегированного показателя, определяемого двумя характеристиками: инвестиционным потенциалом и инвестиционным риском4.
В качестве зависимых переменных для описания инвестиционной привлекательности и деловой активности регионов были использованы валовый региональный продукт и индекс инвестиционный потенциала, рассчитанный рейтинговым агентством РАЭКС. В рамках анализа были использованы наиболее актуальные данные на момент проведения исследования (2017 год). Данные о ВРП были выгружены из базы данных Федеральной службы государственной статистики5, а показатели инвестиционного потенциала регионов - с официального сайта РАЭКС6.
Методика «РАЭКС-Аналитика» по оценке инвестиционной привлекательности была разработана в 1996 году7. Подход предполагает учет двух фундаментальных факторов, для каждого из которых формируется собственный субиндекс:
4 Инвестиционная привлекательность региона // Репозиторий Самарского университета URL: http://repo.ssau.ru/bitstream/Uchebnye-posobiya/INVESTICIONNAYa-PRIVLEKATELNOST-REGIONA-68140/3/%D0%90%D0%B3%D0%B0%D0%B5%D0%B2%D0%B0%20%D0%9B.%D0%9A.%2C%20%D0%90%D0%BD%D0%B8%D1%81 %D0%B8%D0%BC%D0%BE%D0%B2%D0%B0%20%D0%92.%D0%90.%20%D0%98%D0%BD%D0%B2%D0%B5%D1%81%D1%82%D0%B8%D1%86%D0%B8%D0%BE %D0%BD%D0%BD%D0%B0%D1%8F%20%D0%BF%D1%80%D0%B8%D0%B2%D0%BB%D0%B5%D0%BA%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD% D0%BE%D1%81%D1%82%D1%8C%20%D1%80%D0%B5%D0%B3%D0%B8%D0%BE%D0%BD%D0%B0.pdf (дата обращения: 21.08.2019).
5 Национальные счета // Федеральная служба государственной статистики URL: http://www.gks.rU/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/accounts/# (дата обращения: 21.08.2019).
6 Российский региональный инвестиционный конгресс // Рейтинговое агентство РАЭКС URL: https://raex-a.ru/project/regcongress/2017/resume (дата обращения: 21.08.2019).
7 Инвестиционные рейтинги регионов // Рейтинговое агентство РАЭКС URL: https://raex-a.ru/rankings/#r_1108 (дата обращения: 21.08.2019).
стратегические
решени'
- инвестиционный потенциал - количественная характеристика совокупности возможностей, которыми располагает регион; включает следующие частные потенциалы: природно-ресурсный, трудовой, производственный, инфраструктурный, потребительский, инновационный, институциональный, финансовый и туристический;
- инвестиционный риск - качественно-количественная характеристика, отражающая общую ситуацию в регионе; состоит из нескольких частных рисков: экономического, социального, финансового, управленческого, экологического и криминального.
В рамках методики прослеживается логика следования от частного к общему. В первую очередь производится оценка частных инвестиционных потенциалов и рисков для каждого региона. На их основе с учетом экспертных весов производится оценка суммарного инвестиционного потенциала и интегрального инвестиционного риска соответственно. После проведения расчетов все регионы ранжируются по величине одного из двух агрегированных показателей. Итогом методики становится присвоение каждому региону одной из двенадцати рейтинговых категорий на основе соотношения величины совокупного потенциала и интегрального инвестиционного риска.
Иные экономические эффекты от автодорожного обслуживания. В работе Люка Коннели и Ричарда Супан-гана [Connelly, Supangan, 2006] приводилась классификация затрат, возникающих в результате ДТП на автомобильных дорогах. Были выделены три укрупненные группы экономических последствий: для граждан, для автомобилей и общие. Одним из наиболее важных показателей, на взгляд авторов, является влияние на качество жизни. При этом унифицированного подхода к количественной оценке качества жизни на данный момент не существует.
Оценка воздействия качества автодорожного обслуживания на качество жизни граждан будет произведена при помощи эффектов, возникающих в результате ДТП по причине ненадлежащего дорожного управления (НДУ). В рамках на-
стоящей научно-исследовательской работы будет применена методика [Сосенкина и др.., 2019] по оценке экономических последствий от гололедного травматизма (табл. 1).
Эффекты для работника рассчитаны как сумма ущерба в части неполученной заработной платы (ДЗП), полученной оплаты по больничным листам (Дбол) и затрат на лекарственные препараты8 (Слек):
Дпостр = ДЗП + Дбол + Слек. (1)
Ущерб в части неполученной заработной платы пострадавших рассчитывается следующим образом:
АОТТ ТУ* ЗП * (1 — Гндфл) ДЛ1 =-„ „д„-* t,
(2)
п мес
Полученная оплата по больничным листам складывается из оплаты работодателем больничных листов за первые три дня болезни и оплаты ФСС последующих дней болезни и равна рассчитанным ранее показателям:
Дбол= а (3)
фсс бол. 4 7
Затраты на лекарственные препараты складываются следующим образом:
Слек = N * ИЪ, * Р,) (4)
где Ъ. - количество лекарственного препарата определенного вида (шт.),
Р. - цена соответствующего лекарственного препарата (руб.).
Расчеты проведены исходя из среднего периода нетрудоспособности, равного 45 дням. Сделано следующее допущение: при расчете эффекта для работодателя заработная плата сотрудников, выполняющих частично обязанности пострадавшего (при такой возможности), остается на неизменном уровне, то есть работодатель не несет дополнительных издержек по оплате сверхурочной работы (при ее наличии) заменяющих пострадавшего работника.
Эффекты для работодателя рассчитаны как сумма упущенной выгоды работодателя в связи с отсутствием работника, пострадавшего в результате ДТП, на рабочем месте, оплаты больничных листов и экономии на оплате труда:
ДРаб = УВ „ + С + ЗП , (5)
раб бол эк' 4 7
где УВраб - упущенная выгода работодателя от отсутствия пострадавшего на рабочем месте (руб.);
Таблица 1
Данные, использованные при оценке экономических последствий от травматизма в результате ДТП по причине НДУ
Демографический показатель Экономический показатель
Численность населения территории Валовой региональный продукт территории
Количество пострадавших Рентабельность проданных товаров, продукции (работ, услуг)
Количество госпитализированного населения Ставка НДФЛ
Численность занятого населения Ставки страховых взносов на пенсионное, социальное и медицинское страхование
Структура занятого населения по возрастным группам Ставка налога на прибыль
Структура занятого населения по уровню образования Данные о расходах муниципального и регионального бюджетов
Величина прожиточного минимума (руб./мес.) Данные о доходной части бюджета территории, в том числе доход от получения НДФЛ
Среднемесячная номинальная начисленная заработная плата (руб.) Данные о расходах бюджетов ФСС, ФОМС, ПФР
Дополнительный показатель
Нормативы финансовых затрат на единицу объема оказываемой медицинской помощи Перечень лекарственных препаратов, используемых при травмах, и их цена
Источник: подготовлено авторами.
8 Использован стандартный минимальный набор лекарственных препаратов, применяемых при травмах.
366
Сбол - оплата больничных листов пострадавших в соответствии с законодательством (руб.),
ЗПэк - экономия работодателя по оплате труда пострадавшего (руб.).
Упущенная выгода работодателя может быть рассчитана следующим образом:
Таблица 2
Формирование эффекта для хозяйствующих субъектов
(лг • у • |ïï •<•*,) +(jv • z • ™ • í • (t4)j
(6)
где «мес - количество дней в месяце,
Гфот - доля фонда оплаты труда в себестоимости продукции в зависимости от вида экономической деятельности (%).
Для более точного расчета эффекта для работодателя предусмотрена возможность изменения вида экономической деятельности, преобладающего в рассматриваемом городе: сфера услуг и материалоемкое производство как два «пограничных» вида деятельности, исходя из критерия доли фонда оплаты труда в себестоимости продукции, следствием чего является различная потенциальная упущенная выгода работодателя из-за разного вклада работника (то есть пострадавшего) в итоговые результаты деятельности организации.
Согласно Федеральному закону от 29.12.2006 № 255-ФЗ «Об обязательном социальном страховании на случай временной нетрудоспособности и в связи с материнством»9, оплата больничных листов пострадавших работодателем осуществляется за первые три дня болезни и рассчитывается по формуле:
' ^^ % ч. и -I- /V * Iл *-
х (7)
пт )
Св..-| N. к « 0,6 + N. к « ЗП '' (1Г ГВДФД) »0,8 +
Экономия работодателя по оплате труда пострадавшего может быть рассчитана по следующей формуле:
зПзк=лг*зп + (;у.зп.7^ (8)
fiase
где Т - суммарная ставка страховых взносов, отчисляемая в ФСС, ФОМС и ПФР (%).
Расходы на медицинское обслуживание (вызов скорой медицинской помощи, госпитализация в медицинские организации и оказание медицинской помощи в амбулаторных условиях) пострадавшего рассчитаны по формуле:
C = XN. * НФЗ., (9)
где N - количество пострадавшего (в случае госпитализации - госпитализированного) населения в г'-м регионе (чел.),
НФЗ. - нормативы финансовых затрат на единицу объема медицинской помощи: соответственно, на вызов скорой медицинской помощи, госпитализацию в медицинские организации и оказание медицинской помощи в амбулаторных условиях (руб./обращение).
В рамках инструментария эффекты для муниципального и регионального бюджетов, Фонда социального страхования и Фонда обязательного медицинского страхования рассчитаны как сумма расходов на медицинское обслуживание и недополученных налоговых поступлений (табл. 2).
Разделение затрат на медицинское обслуживание пострадавшего между ФОМС и региональным бюджетом происхо-
Хозяйствующий субъект Эффект для хозяйствующего субъекта
Фонд обязательного медицинского страхования Увеличение расходов на медицинское обслуживание пострадавших: • оплата вызова скорой медицинской помощи; • оплата госпитализации в медицинские организации (26% от затрат на одну госпитализацию); • оплата оказания медицинской помощи в амбулаторных условиях (47% от затрат на одно посещение) Снижение поступления страховых взносов в ФОМС
Фонд социального страхования Компенсация по больничным листам пострадавших Снижение поступления страховых взносов в ФСС
Пенсионный фонд РФ Снижение поступления страховых взносов в ПФР
Региональный бюджет Увеличение расходов на медицинское обслуживание пострадавших: • оплата вызова скорой медицинской помощи; • оплата госпитализации в медицинские организации (74% от затрат на одну госпитализацию); • оплата оказания медицинской помощи в амбулаторных условиях (53% от затрат на одно посещение) Снижение поступления налога на прибыль
Муниципальный бюджет Снижение поступления НДФЛ
Источник: подготовлено авторами.
дит путем умножения результата, полученного по формуле (1), на соответствующую долю затрат, отнесенных к расходам ФОМС или регионального бюджета (представлены в табл. 3).
Снижение поступления взносов в ФОМС, ФСС и ПФР рассчитываются по общей формуле:
АФОНД = — * Тфош *t*N,
/2дн
(10)
где ЗП - среднемесячная номинальная начисленная заработная плата (руб./чел./мес.),
п - количество дней в месяце,
Тфонд - тариф страхового взноса в соответствующий фонд
(ФОМС/ФСС/ПФР) (%),
I - длительность нетрудоспособности пострадавшего (дней),
N - количество пострадавших (чел.). Расходы Фонда социального страхования, направленные на компенсацию по больничным листам пострадавших, рассчитаны по формуле:
\ пт л».
N*h
ЗП» (1 - Гндфл)
)»(í-íp4
(11)
где N - количество пострадавших (чел.),
11 - доля занятых в экономике по возрастной группе менее 24 лет (%),
9 Федеральный закон от 29.12.2006 № 255-ФЗ (ред. от 27.06.2018) «Об обязательном социальном страховании на случай временной нетрудоспособности и в связи с материнством».
^ - доля занятых в экономике по возрастной группе 2529 лет (%),
13 - доля занятых в экономике по возрастной группе 30 лет и более (%),
пм - величина прожиточного минимуму на душу населения (руб./мес.),
Тндфл - ставка НДФЛ (%),
t - длительность нетрудоспособности пострадавшего (дней), /раб - количество дней временной нетрудоспособности, оплачиваемое работодателем.
Снижение поступления налога на прибыль может быть рассчитано по формуле:
ДНП=НП - НП , (12)
сниж тек' 4 7
где НПсниж - объем поступлений в бюджет от налога на прибыль при снижении ВРП в результате приостановления экономической активности граждан, получивших ранения и травмы в результате ДТП, в регионе (млн руб.),
НПтек - объем поступлений в бюджет от налога на прибыль при фактическом объеме ВРП (млн руб.).
Стоит отметить, что, согласно гл. 25 Налогового кодекса Российской Федерации, разделение объема налоговых поступлений между региональным и федеральным бюджетами следующее: 17% объема поступает в региональный бюджет, 3% - в федеральный.
При этом объем поступлений в бюджет налога на прибыль при фактическом объеме ВРП рассчитывается по следующей формуле:
(13)
365
где ВРП - валовой региональный продукт в основных ценах (млн руб.),
I - средняя длительность нетрудоспособности пострадавших в регионах (дней),
RIIр - рентабельность проданных товаров, продукции (работ, услуг) (%),
Т - ставка налога на прибыль (%).
Объем поступлений в бюджет от налога на прибыль при снижении ВРП в результате приостановления экономической активности травмированных рассчитывается по следующей формуле:
НПснкк — ( ^ у с * t- ВРПупущ) * * 7Г„:,
(14)
л 365
где ВРПупущ - потенциальная упущенная выгода в объеме недополучения части ВПР в результате приостановления экономической активности травмированных в регионе.
Оценка размера упущенной выгоды для экономики региона имеет ряд методологических особенностей. На формирование ВРП оказывает влияние множество факторов, таких, как стоимость основных фондов, инвестиции в основной капитал, среднегодовая численность занятых в экономике, и прочие. Однако в современных экономических условиях, где большую ценность приобретает интеллектуальный труд, одним из основных факторов, влияющих на экономическое развитие, является человеческий капитал. Понятие человеческого капитала включает в себя множество факторов: воспитание, здоровье, культуру, качество и уровень жизни, при этом ключевым фактором развития человеческого капитала является образование [Прокофьева и др., 2012; Лапочкин, 2009; Ваганова, 2014].
В рассмотренных зарубежных и российских исследованиях отмечается, что существенное влияние на ВРП оказывает уровень образования населения, занятого в экономике региона. В исследовании [Игнатьев, 2015] было установлено, что при увеличении инвестиций в образование на 1 руб. ВРП на душу населения увеличивается почти на 12 руб. Таким образом, предлагается рассчитывать потенциальный негативный эффект на ВРП исходя из вклада пострадавшего в ВРП с поправкой на уровень образования:
ВРПущд = (врп.Ь/М..*. ». ,)+(ВРП. ым-* .
/ВГП»Ь№,»ЛГ«у \ | (ВРП*1ь/Ы„*М*г
365
Г
365
4
(15)
где k , k , k3, k4 - коэффициенты влияния уровня образования -высшего, среднего профессионального, среднего общего, основного общего (отсутствия) соответственно на ВРП (показывает долю вклада фактора «уровень образования» на ВРП), N - количество занятого в экономике населения с выс-
во
шим образованием (чел.),
N - количество занятого в экономике населения со
спо
средним профессиональным образованием (чел.),
N - количество занятого в экономике населения со средним образованием (чел.),
N - количество занятого в экономике населения с основно
ным общим/отсутствием образования (чел.), N - количество пострадавших (чел.), w, x, у, z - структура занятых по уровню образования -высшего, среднего профессионального, среднего общего, основного общего (отсутствия) соответственно (%),
I - средняя длительность нетрудоспособности пострадавших в регионах (дней).
3.3. оценка количественных показателей развития инвестиционной привлекательности территорий и автодорожного обслуживания
ВРП является одним из ключевых показателей, описывающих уровень экономического развития регионов. Описательные статистики ВРП регионов Российской Федерации за 2017 год представлены в табл. 3.
Наибольшее значение ВРП зафиксировано в Москве -примерно 15,7 трлн руб. Коэффициент вариации во всех федеральных округах, кроме Сибирского и Северо-Кавказского, составляет больше 1, значение коэффициента по России равно 2,05. Подобный результат говорит о существенной диспропорции в распределении числовых значений по показателю ВРП.
Описательные статистики второй зависимой переменной в рамках исследования - индекса инвестиционной привлекательности РАЭКС представлены в табл. 4.
Максимальным значением доли в общероссийском инвестиционном потенциале обладает Москва - 14,44%, что неудивительно, учитывая уровень социально-экономического развития столицы. Второе место с большим отставанием (8,28 п.п. при значении 6,01%) занимает Московская область, за ними следует Санкт-Петербург (4,97%). Необходимо отметить, что Ненецкий административный округ, являясь лидером по среднедушевому ВРП, обладает мини-
Таблица 3
Описательные статистики показателя ВРП, 2017 год (млн руб.)
Территория Среднее Максимальный Минимальный СКО
Российская Федерация 881 491,67 15 724 909,70 44 571,90 1 809 653,46
ДФО 993 298,61 3 511 127,50 68 729,00 1 077 912,50
ПФО 366 044,58 1 396 411,20 44 571,90 390 542,40
СЗФО 667 161,97 2 225 917,70 74 670,60 736 764,63
СибФО 763 154,88 2 142 514,30 281 852,60 573 608,47
СКФО 737 631,06 1 191 101,50 214 310,00 364 517,56
УРФО 702 797,92 2 114 176,10 59 094,80 838 334,04
ЦФО 1 491 616,84 15 724 909,70 52 640,90 3 653 829,39
ЮФО 959 530,53 3 802 953,20 157 626,40 1 209 391,73
Таблица 4
Описательные статистики показателя индекса инвестиционного потенциала РАЭКС, 2017 год
Источник: подготовлено авторами.
мальной долей в общероссийском инвестиционном потенциале. Развитие региона осуществляется преимущественно за счет добычи полезных ископаемых, в которую направлен основной инвестиционный поток - более 90% [Скотаренко, 2013]. Уровень развития других отраслей экономики относительно невысок, а потенциал их становления для получения приемлемой доходности недостаточен, что объясняет низкий интерес со стороны инвесторов.
Валовые экономические показатели развития территорий неразрывно связаны с численностью проживающего населения. Описательные статистики численности населения в регионах России представлены в табл. 5.
Аналогично оценке распределения данных по переменным инвестиционной привлекательности наибольшее числовое значение численности населения можно наблюдать в Москве. Асимметрия распределения данных для показателя численности населения также прослеживается (более 1 для всей страны).
Описательные статистики по второй контрольной независимой переменной - площадь регионов - представлена в табл. 6. Данный показатель особенно актуален в контексте оценки экономической целесообразности развития автодорожной сети, поскольку также позволяет определить пределы для строительства новой транспортной инфраструктуры.
Республика Саха (Якутия) является регионом с наибольшей занимаемой сухопутной площадью - 3,08 млн км2. Наименьшей площадью обладает город федерального значения Севастополь - 864 км2. Относительно распределения данных
Таблица 5
Описательные статистики показателя численности населения, проживающего в регионах России, 2017 год (чел.)
Территория Среднее (%) Максимальный (%) Минимальный (%) СКО (п.п.)
Российская Федерация 1,17 14,44 0,15 1,72
ДФО 0,65 1,24 0,21 0,36
ПФО 1,14 2,48 0,39 0,67
СЗФО 1,04 4,97 0,15 1,32
СибФО 1,03 2,34 0,18 0,70
СКФО 0,62 1,12 0,32 0,32
УрФО 1,43 2,56 0,42 0,75
ЦФО 1,85 14,44 0,40 3,38
ЮФО 1,07 2,92 0,21 0,92
Источник: подготовлено авторами.
о занимаемой площади субъектами Российской Федерации можно также говорить о существенной диспропорции. Коэффициент вариации составляет более 2. Таким образом, мы можем констатировать, что в региональном разрезе подходы к развитию автодорожной сети будут существенно различаться. В табл. 7 представлены показатели среднедушевых доходов населения в субъектах России.
Данные по показателю среднедушевых доходов населения показывают наименьшую дисперсию. Наибольшие месячные доходы мы можем наблюдать в Ямало-Ненецком и Чукотском автономных округах. Среди федеральных округов наименьшее среднее значение по среднедушевым доходам показал Поволжский федеральный округ Наименьшее значение среднеквадратического отклонения было зафиксировано в Сибирском федеральном округе.
Описательные статистики показателя объема инвестиций в основные фонды регионов России представлены в табл. 8.
Описательные статистики показателей, описывающих уровень развития автодорожной сети в субъектах Российской Федерации, представлены в табл. 9 и 10.
Как можно видеть, для регионов характерны значительные диспропорции в уровне протяженности автодорожного полотна. Так, для Дальневосточного федерального округа коэффициент вариации равен 79,89%, что объясняется существенным разбросом значений протяженности автомобильных дорог в
Таблица 6
Описательные статистики показателя площади регионов России (кв. км)
Территория Среднее Максимальный Минимальный СКО
Российская Федерация 1 727 557,67 12 443 566,00 43 967,00 1 784 504,16
ДФО 748 563,55 1 918 076,00 49 585,00 580 476,90
ПФО 2 113 545,36 4 065 132,00 683 509,00 1 134 741,12
СЗФО 1 265 968,73 5 316 757,00 43 967,00 1 413 077,47
СибФО 1 724 661,80 2 875 899,00 217 535,00 1 074 860,60
СКФО 1 399 946,43 3 052 892,00 466 369,00 1 094 122,13
УрФО 2 058 502,67 4 327 299,00 537 298,00 1 515 593,88
ЦФО 2 181 138,78 12 443 566,00 645 741,00 2 975 837,09
ЮФО 2 054 394,38 5 587 182,00 276 608,00 1 959 152,40
Источник: подготовлено авторами.
Территория Среднее Максимальный Мини-маль-ный СКО
Российская Федерация 195 282,1 3 083 523 864 437 126,6
ДФО 623 107,4 3 083 523 36271 891 455,7
ПФО 74 069,6 160 236 18343 47 460,8
СЗФО 153 364,4 416 774 1439 143 063,8
СибФО 436 172,7 2 366 797 61569 709 322,2
СКФО 24 348,4 66 160 3628 23 928,4
УрФО 303 082,8 769 250 71488 283 881,9
ЦФО 36 119,7 8 4201 2511 17 758,4
ЮФО 55 977,6 112 877 864 41 910,3
Источник: подготовлено авторами.
Таблица 7 Таблица 8
Описательные статистики показателя среднедушевых дохо- Описательные статистики показателя объема инвестиций
дов регионов России, 2017 год (руб./мес.) в основные фонды регионов России, 2017 год (млн руб.)
Территория Среднее Максимальный Минимальный СКО
Российская Федерация 28 750,15 71 705,00 14 048,00 11 468,92
ДФО 37 298,36 70 904,00 18 065,00 15 660,00
ПФО 23 306,79 31 719,00 17 892,00 4 547,54
СЗФО 34 083,00 70 121,00 16 086,00 16 837,70
СибФО 23 053,60 28 047,00 14 048,00 3 814,95
СКФО 24 711,29 40 033,00 17 142,00 7 290,24
УрФО 37 389,33 71 705,00 20 777,00 18 928,55
ЦФО 28 107,50 41 803,00 23 988,00 5 251,09
ЮФО 24 810,88 33 136,00 15 131,00 5 771,18
Источник: подготовлено авторами.
Территория Среднее Максимальный Минимальный СКО
Российская Федерация 153 284,37 2 424 050,00 26 889,00 336 208,98
ДФО 323 286,09 1 990 738,00 29 752,00 578 700,14
ПФО 105 673,21 433 370,00 31 200,00 109 136,27
СЗФО 310 729,91 2 424 050,00 38 773,00 701 876,11
СибФО 76 021,00 240 560,00 26 889,00 61 599,46
СКФО 89 992,86 163 920,00 42 453,00 46 218,31
УрФО 62 590,33 90 160,00 45 155,00 15 365,47
ЦФО 116 993,00 303 055,00 45 339,00 67 634,93
ЮФО 83 462,88 146 350,00 40 573,00 37 431,68
Источник: подготовлено авторами на основе данных Росстат.
близлежащих регионах - до 15 раз. Наименьшее среднее значение дорог регионального или межмуниципального значения общего пользования, не соответствующих нормативным требованиям, имеет Северо-Кавказский федеральный округ. Данный факт можно объяснить самой низкой протяженностью автомобильных дорог среди всех федеральных округов (88 тыс. км), а также наибольшим значением показателя несоответствия дорог нормативным требованиям (40,9%).
Анализ распределения данных по всем переменным показал наличие высокого уровня асимметрии. С целью исключения искажений оценок регрессионной модели в связи с отсутствием нормального распределения все переменные были логарифмированы с использованием натурального логарифма в соответствии с общепризнанными методическими рекомендациями по эконометрическому анализу [Beauchamp, Olson, 1973].
4. результаты
регрессионного анализа
Результаты регрессионного анализа рассмотренных выше переменных с использованием всех регионов России представлены в табл. 11. Как видно, характер зависимостей одинаков как для модели с использованием ВРП в качестве зависимой переменной, так и в случае с индексом инвести-Таблица 9
Описательные статистики показателя протяженности автомобильных дорог регионального и межмуниципального значения, 2017 год (км)
ционного потенциала РАЭКС. Однако во втором случае мы можем наблюдать более высокое значение скорректированного коэффициента детерминации (скорректированный R2), то есть рассматриваемые факторы описывают инвестиционный потенциал регионов России на 93%.
В обеих моделях показатель протяженности автомобильных дорог регионального и межмуниципального значения имеет положительный бета-коэффициент, а показатель, описывающий протяженность автодорог, не соответствующих нормативным требованиям содержания, - отрицательное значение регрессора. Подобный результат можно интерпретировать следующим образом: строительство дополнительных автодорог регионального и межмуниципального значения положительно сказывается на инвестиционной привлекательности регионов, тогда как низкое качество автодорожного обслуживания негативно сказывается на экономике российских регионов. В обоих случаях мы можем говорить о том, что маржинальный эффект показателей развития дорожной сети составляет меньше 1.
При этом необходимо также учитывать, что экономическая конъюнктура регионов в России может существенно разниться.
В работе Анатолия Токарева [Токарев, 2016] была осуществлена классификация регионов Российской Федерации по степени ресурсоемкости ВРП. Автором было выявлено, что на территории страны находятся 26 субъектов, где пре-
Таблица 10
Описательные статистики показателя протяженности автомобильных дорог регионального
и межмуниципального значения, не соответствующих нормативным требованиям, 2017 год (км)
Территория Среднее Максимальный Минимальный СКО
Российская Федерация 6 011,41 16 155,70 229,00 3 985,00
ДФО 4 235,61 12 632,50 483,30 3 680,96
ПФО 6 893,49 13 598,70 1 539,90 4 401,90
СЗФО 5 992,65 10 847,70 229,00 3 297,01
СибФО 8 324,81 16 155,70 2 523,80 5 280,40
СКФО 3 077,17 7 522,30 973,10 2 313,45
УрФО 6 708,12 10 990,90 1 257,40 3 833,79
ЦФО 6 565,19 15 369,00 1 981,90 3 448,61
ЮФО 4 842,48 10 064,60 1 095,60 3 786,83
Территория Среднее Максимальный Минимальный СКО
Российская Федерация 3 418,56 11 417,36 189,38 2 594,07
ДФО 2 360,12 8 855,42 265,82 2 679,38
ПФО 4 418,69 9 298,00 947,04 2 892,72
СЗФО 3 891,97 7 600,26 189,38 2 418,84
СибФО 4 690,22 8 795,54 878,82 2 959,43
СКФО 1 298,99 3 234,60 304,87 985,56
УрФО 3 207,10 5 483,00 426,12 2 288,77
ЦФО 3 507,50 11 417,36 196,13 2 475,35
ЮФО 2 696,25 6 237,00 679,50 2 075,89
Таблица 11
Результаты регрессионного анализа с использованием всех регионов России
Валовой региональный продукт Инвестиционный потенциал региона
Фактор Код переменной Бета Стандартизирован-ный Бета Значение Доверительный интервал 95% Бета Стандартизирован-ный Бета Значение Доверительный интервал 95%
нижняя граница верхняя граница нижняя граница верхняя граница
Константа -12,056*** 0,000 -15,765 -8,347 -22,092*** 0,000 -23,967 -20,217
Контрольные ln Population 0,299** 0,262 0,013 0,065 0,532 0,536*** 0,677 0,000 0,418 0,654
переменные ln Land mass -0,032 -0,042 0,352 -0,099 0,036 -0,057*** -0,108 0,001 -0,091 -0,023
Базовые экономиче- ln Dohodi 0,533** 0,156 0,022 0,081 0,986 0,646*** 0,272 0,000 0,417 0,875
ские характеристики ln Investment 0,536*** 0,540 0,000 0,350 0,721 0,104** 0,151 0,030 0,010 0,198
Сохранность автомо- ln Road 0 454*** 0,348 0,004 0,150 0,758 0,320*** 0,354 0,000 0,166 0,474
бильных дорог ln_NT_Road -0,207* -0,182 0,065 -0,427 0,014 _0 ¡93*** -0,245 0,001 -0,304 -0,081
R2 0,883 0,938
Скорректированный R2 0,875 0,933
F 98,583 196,844
N 85 85
*, **, *** - уровень статистической значимости на уровне p<0,1, p<0,05, p<0,01 соответственно.
Источник: подготовлено авторами.
валирует добыча полезных ископаемых как вид экономической деятельности. На основе этой классификации в рамках нашей работы также были построены отдельные модели для сырьевых и несырьевых регионов России (табл. 12).
С учетом этой классификации в рамках нашей работы были сформированы раздельные регрессионные модели для сырьевых и несырьевых регионов. Результаты анализа представлены в табл. 13-14. В первую очередь, прослеживается разница между выявленными зависимостями для сырьевых и несырьевых регионов. Более того, в обеих моделях (ВРП и инвестиционный потенциал) значимость показали переменные сохранности автомобильных дорог только для несырьевых регионов.
Интерпретация бета-коэффициентов регрессионной модели, где зависимая и независимые переменные логарифмированы, может проводиться по принципу процентного изменения зависимой переменой в зависимости от процентного изменения независимой переменной и значения соответствующего ей регрессора [Benoit, 2011]. Таким образом,
Таблица 12
Распределение сырьевых регионов по федеральным округам Российской Федерации
Федеральный округ Количество сырьевых регионов
ДФО 5
ПФО 5
СЗФО 3
СибФО 5
СКФО 1
УРФО 3
ЦФО 2
ЮФО 2
Итого 26
Источник: подготовлено авторами.
Таблица 13
Результаты регрессионного анализа факторов, влияющих на ВРП несырьевых и сырьевых регионов
Контрольные переменные
Базовые экономические характеристики
Сохранность автомобильных дорог
Валовый региональный продукт (несырьевые регионы) | Валовый региональный продукт (сырьевые регионы) |
Код переменной Бета Стандартизирован- Значение Доверительный интервал 95% Бета Стандартизирован- Значение Доверительный интервал 95%
ный Бета I Нижняя I Верхняя ный Бета I Нижняя I Верхняя I
Константа -10,311*** 0,000 -13,721 -6,902 -10,987 0,143 -26,035 4,061
ln Population 17 0,477*** ,364 0,001 0,200 0,755 0,294 0,352 0,421 -0,453 1,041
ln Land mass -0,010 -0,011 0,788 -0,081 0,062 -0,188* -0,249 0,062 -0,386 0,010
ln Dohodi 0,361 0,082 0,124 -0,102 0,824 0,656 0,260 0,376 -0,860 2,172
ln Investment 0,415*** 0,396 0,001 0,186 0,644 0,551** 0,586 0,035 0,042 1,059
ln Road 0,513*** ,0347 0,004 0,176 0,850 0,372 0,381 0,266 -0,308 1,053
ln_NT_Road -0,236*** -0,186 0,049 -0,471 -0,001 -0,211 -0,239 0,440 -0,769 0,348
R2 0,936 0,697
Скорректированный R2 0,928 0,77
F 126,250 10,593
N 59 26
*, **, *** - уровень статистической значимости на уровне p<0,1, p<0,05, p<0,01 соответственно.
Источник: подготовлено авторами.
Таблица 14
Результаты регрессионного анализа факторов, влияющих на инвестиционный потенциал несырьевых и сырьевых регионов
Код переменной
| Инвестиционный потенциал (несырьевые регионы) | Инвестиционный потенциал (сырьевые регионы) |
Бета Стандартизированный Бета Значение Доверительный интервал 95% Бета Стандартизирован-ный Бета Значение Доверительный интервал 95%
I Нижняя I Верхняя I Нижняя I Верхняя I
Константа -20,910*** 0,000 -23,078 -18,742 -28,017*** 0,000 -33,246 -22,788
Контрольные пере- ln Population 17 0 499*** 0,543 0,000 0,322 0,675 0,804*** 1,348 0,000 0,545 1,064
менные ln Land mass -0,069*** -0,113 0,003 -0,115 -0,024 -0,018 -0,033 0,595 -0,087 0,051
Базовые экономи- ln Dohodi 0 473*** 0,154 0,002 0,178 0,767 ] 309*** 0,727 0,000 0,783 1,836
ческие характеристики ln Investment 0,152** 0,207 0,042 0,006 0,297 -0,091 -0,136 0,294 -0,268 0,086
Сохранность авто- ln Road 0 354*** 0,343 0,002 0,140 0,569 0,160 0,229 0,173 -0,076 0,397
мобильных дорог ln_NT_Road -0,227*** -0,255 0,004 -0,377 -0,078 -0,028 -0,045 0,764 -0,222 0,166
R2 0,947 0,945
Скорректированный R2 0,941 0,928
F 154,944 54,899
N 59 26
*, **, *** - уровень статистической значимости на уровне р<0,1 р<0,05, р<0,01 соответственно.
Источник: подготовлено авторами.
в случае несырьевых регионов увеличение протяженности автомобильных дорог регионального и межмуниципального значения на 1% может привести к повышению уровню ВРП на 0,354%, а снижение протяженности автодорог, не соответствующих нормативным требованиям, на 1% даст дополнительный рост ВРП несырьевого региона на 0,277%. В случае же сырьевых субъектов развитие и повышение качества автодорожной сети регионального значения не даст изменений на статистически значимом уровне.
Подобный результат может объясняться тем, что дороги регионального и межмуниципального значения в первую очередь обеспечивают связи внутри субъектов страны, тогда как в случае сырьевых регионов приоритет лежит в области развития межрегиональных связей. В сырьевых регионах доминирующим видом экономической деятельности является добыча природных ресурсов и ископаемых, которые могут реализоваться и перерабатываться в других регионах страны. Таким образом, можно сделать вывод, что развитие автодорожной инфраструктуры регионального и межмуниципального значения на национальном уровне приоритетно именно для несырьевых регионов. При этом иные виды транспортной инфраструктуры (железнодорожный, судоходный транспорт и т. д.) могут иметь более высокую значимость для несырьевых регионов. Однако данный вопрос не входит в рамки настоящей работы и может стать предметом будущих исследований в этой области.
В случае сравнения моделей, где в качестве зависимой переменной используется ВРП, мы можем наблюдать отличия в значении коэффициента детерминации: 0,928 для несырьевых и 0,77 - для сырьевых. Подобный факт может объясняться тем, что экономика сырьевых регионов будет иметь слабую дифференциацию по видам деятельности. Таким образом, их ВРП будет определяться факторами объема запасов природных ископаемых и способностью регионов извлечь из них добавленную стоимость.
5. апробация расчетной модели оценки эффектов от качества автодорожного обслуживания
Для сбора данных по зимнему обслуживанию автомобильных дорог в городах России нами была разработана анкета, состоящая из пяти разделов:
1) характеристика обслуживаемого объекта дорожного хозяйства (ОДХ): площадь обрабатываемого участка, а также число баз ПГМ, размещенных на ОДХ;
2) характеристика автопарка, используемого для осуществления снегоуборочных и противогололедных работ: количество и технические свойства задействованных автомобилей;
3) погодно-климатические условия: объем осадков и температурные диапазоны, характерные для ОДХ в осенне-зимний период;
4) прямые расходы на осуществление борьбы с зимней скользкостью: объем и стоимость закупаемых противогололедных и иных материалов для осуществления работ;
5) иная деятельность в ОЗП: ресурсозатраты на осуществление работ, косвенно связанных с зимним обслуживанием автодорог.
Данные по техническим характеристикам противогололедных материалов были предоставлены ООО «Уральский завод противогололедных материалов». В результате проведенного анкетирования были получены данные по трем регионам Российской Федерации: Новосибирской области, Санкт-Петербургу, Ярославской области. Основные показатели по этим регионам, которые были использованы при расчетах, представлены в табл. 15-17.
Мы можем наблюдать, что наиболее высокие значения по основным экономическим показателям демонстрирует Санкт-Петербург. При этом данный субъект обладает наименее протяженной автодорожной сетью среди всех анализируемых регионов. Однако также необходимо отметить, что в Новосибирской и Ярославской областях наблюдается высокая доля ненормативного содержания автодорог (63-64%). В Санкт-Петербурге данный показатель находится на уровне 36%.
Таблица 15
Сравнение основных экономических и демографических показателей по Новосибирской области, Санкт-Петербургу, Ярославской области
Субъект Население ВРП в основных Расходы региональных отделений (млн руб.)
(тыс. чел.) ценах (млн руб.) ФОМС I ФСС 1 ПФР 1
Новосибирская область 2 788 849 1 084 635,00 28 258,2 17 089,03 141 000,0
г. Санкт-Петербург 5 351 935 3 742 182,00 80 500,00 6 743,61 36 182,0
Ярославская область 1 270 736 510 631,00 11 939,00 6 500,0 72 601,0
Источник: подготовлено авторами.
Таблица 16
Сравнение основных показателей состояния автодорожной сети по Новосибирской области, Санкт-Петербургу, Ярославской области
Субъект Протяженность автодорог регионального и межмуниципального значения (км) Доля автодорог регионального значения, не соответствующих нормативным требованиям (%) Обслуживаемая площадь автодорожной сети административных центров субъектов (тыс. м2)
Новосибирская область 12 732,9 63,29 7 474,59
г. Санкт-Петербург 3 433,6 36,01 40 349,77
Ярославская область 6 285,194 64,58 6 235,29
Источник: подготовлено авторами.
Среди анализируемых субъектов наименьшее количество ДТП по причине ненадлежащего дорожного управления зарегистрировано за осеннее-зимний период 2018/19 годов в Ярославской области (320 случаев). За последние три года мы можем наблюдать положительную динамику дорожно-транспортной безопасности во всех регионах. Однако в Новосибирской области увеличилась тяжесть ДТП в сезоне 2018/19.
6. результаты оценки потенциальных эффектов первого порядка от автодорожного обслуживания
В табл. 18-20 будут представлены сводные результаты оценки экономической эффективности применения инновационных технологий дорожного обслуживания.
Наиболее экономически обосновано в Новосибирской области использование двухфазных материалов. За счет этой меры совокупные расходы на зимнее обслуживание автомобильных дорог не претерпят существенных изменений. При этом будут достигнуты положительные эффекты в виде увеличения скорости уборки города более чем в 3 раза, потенциального снижения ДТП в 2,4 раза, снижения объемов закупки ПГМ более чем в 8 раз.
Таб
Показатели травматизма и смертности
Для Санкт-Петербурга при переходе на инновационные виды реагентов совокупные расходы на зимнее обслуживание автомобильных дорог могут снизиться более чем на 26%, или на 600 млн руб., а количество ДТП - примерно в 2,4 раза.
Совокупные расходы на зимнее обслуживание автомобильных дорог в Ярославле при переходе на инновационные реагенты могут снизиться более чем в 1,4 раза, или более чем на 130 млн руб., а количество ДТП - примерно на 28%. Более того, Ярославль стал единственным городом, где экономически целесообразен переход на комбинированную технологию (совмещение инновационных реагентов с иными ПГМ).
Результаты расчетов показывают разнящиеся итоги для всех рассматриваемых регионов. Подобный факт объясняется различным оснащением городов специализированной техникой, количеством баз хранения ПГМ, которые определяют величину транспортного плеча, а также загруженностью автодорожной сети. Однако выгоды при использовании более технически совершенных ПГМ для зимнего обслуживания автодорог очевидны, это:
- увеличение скорости обработки города более чем в 3 раза;
- сокращение затрат на ГСМ и оплату труда водителей более чем в 2 раза;
- потенциальное снижение количества раненых и травмированных в результате ДТП в 2,4 раза;
- снижение тоннажа закупаемых ПГМ более чем в 8 раз.
17
дан в результате ДТП по причине НДУ
1 Осенне-зимний период 1 Показатель 1 Новосибирск 1 Ярославль 1 Санкт-Петербург I Россия 1
Число ДТП по причине НДУ 792 320 906 32 297
2018/19 Число раненых 1 056 431 1 158 41 104
Число погибших 30 22 39 2 842
Число ДТП по причине НДУ 832 409 982 37 960
2017/18 Число раненых 1 028 527 1 180 47 526
Число погибших 40 37 55 3 607
Число ДТП по причине НДУ 830 479 1 138 43 045
2016/17 Число раненых 1 041 643 1 396 55 296
Число погибших 39 44 64 4 459
являются одновременно доходами других. Например, расходы на оплату больничных листов за счет средств ФСС и средств работодателя являются доходами пострадавших по больничным листам. По той же причине не следует суммировать возможные эффекты микроуровня.
Детализация укрупненных показателей по каждому из анализируемых городов при виде экономической деятельности «сфера услуг» представлена в табл. 23-24. Количество пострадавших в Новосибирской области составляет 1028 человек за осенне-зимний период 2017/18 годов.
При выборе материалоемкого производства как преобладающего вида экономической деятельности эффект для работодателя снижается и становится равным 3,22 млн руб. (упущенная выгода при данном варианте, наоборот, возрастает и составляет -58,83 млн руб.).
Совокупный негативный эффект для Фонда социального страхования составляет -38,85 млн руб. за 45 дней, при этом потенциальный объем поступлений в ФСС от величины травмированных граждан составляет 11,55 млн руб. за год.
Потенциальные эффекты для Санкт-Петербурга от травматизма, связанного с зимней скользкостью, при используемых по умолчанию настройках, представлены в табл. 22. Количество травмированного населения в городе за осенне-зимний период 2017/18 годов составило 1180 человек, или 0,022% населения.
При выборе материалоемкого производства как преобладающего вида экономической деятельности эффект для работодателя отсутствует (упущенная выгода при данном варианте, наоборот, возрастает и равна -146,49 млн руб.).
Таблица 18
Сводка затрат на осуществление зимнего обслуживания всех автомобильных дорог г. Новосибирска с учетом постоянных затрат и косвенных эффектов
Группа показателей Показатель Текущая технология Твердые инновационные реагенты Двухфазные инновационные реагенты
1. Прямые эффекты
Закупка ПГМ Средняя цена ПГМ (руб./т) 764 20 914 20 914
Расходы на закупку ПГМ (млн руб.) 154,11 508,86 508,86
Расходы на утилизацию снега (млн руб.) 621,98 573,91 561,12
Расходы на ежегодный вывоз песка (млн руб.) 31,10 0,00 0,00
Уборка снега и иные работы Стоимость закупки истираемого элемента (пластина на плуг) (млн руб.) 4,08 2,04 2,04
Расходы на очистку ливневой канализации, связанную с зимним содержанием дорог (млн руб.) 69,31 34,65 34,65
Расходы на ГСМ при посыпке (млн руб.) 158,55 69,13 69,13
Работа автомо- Расходы на оплату труда при посыпке (млн руб.) 33,91 9,57 9,57
билей Фактическое время для полной обработки участка с учетом возможностей автопарка (час.) 27,15 7,72 7,72
Постоянные расходы Уплата земельного налога для хранения ПСС (млн руб.) 0,07 0,00 0,00
Уплата земельного налога для полигона для утилизации снега (млн руб.) 5,02 4,26 3,85
2. Косвенные эффекты
Расходы на уплату штрафов за НДУ (млн руб.) 657,10 276,84 276,84
Последствия Число ДТП 672,00 283,00 283,00
от качества работ Число раненых (чел.) 911 384 384
Число погибших (чел.) 26 11 11
ИТОГО операционные расходы Итого на 1 м2 (руб.) 232,15 228,57 222,72
Результаты апробации инструментария на основе эмпирических данных по трем городам показывают, что совокупный экономический эффект от использования инновационных технологий дорожного содержания можно оценить в снижении стоимости работ на 1 м2 в 4% и более. Конкретные значения разнятся в зависимости от территориальной специфики.
7. результаты оценки потенциальных эффектов второго порядка от автодорожного обслуживания
Моделирование потенциальных эффектов для работодателей граждан, получивших травмы, представлены в табл. 21. Как видно, последствия будут существенно разниться в зависимости от вида экономической деятельности предприятий. Ощутимые потери могут возникать для компаний в сфере услуг.
Потенциальные результаты последствий для различных участников экономической деятельности в случае получения травмы от зимней скользкости для рассматриваемых регионов представлен в табл. 22. Важно отметить, что полученные возможные эффекты макро- и микроуровня для отдельных субъектов не могут быть суммированы прямым счетом, так как расходы одних участников экономических отношений
Таблица 19
Сводка затрат на осуществление зимнего обслуживания автомобильных дорог г. Санкт-Петербурга
Группа показателей Показатель Текущая технология Твердый инновационный Двухфазный инновационный
Средняя цена ПГМ (руб./т) 1 379,1О 16 ООО 16 ООО
Закупка ПГМ Расходы на закупку ПГМ (млн руб.) 24О,81 1 117,52 1 117,58
Ориентировочные объемы ПГМ (т) 174 614,ОО 69 845,ОО 69 845,ОО
Расходы на утилизацию снега (млн руб.) 63О,8О 556,56 512,48
Уборка снега Расходы на ежегодный вывоз песка (млн руб.) 692,ОО О,ОО О,ОО
и иные работы Стоимость закупки истираемого элемента (пластина на плуг) (млн руб.) 9,96 5,О6 5,О6
Работа автомобилей Расходы на ГСМ при посыпке (млн руб.) 26,18 9,26 9,26
Расходы на оплату труда при посыпке (млн руб.) 6,8О 2,67 2,67
Техническое обслуживание автомобилей (млн руб.) 13,7О 8,2О 8,2О
Расходы на уплату штрафов за НДУ (млн руб.) 885 373 373
Последствия от качества Число ДТП из-за неудовлетворительных дорожных условий зимой 3 554 1 499 1 499
Число раненых (чел.) 4 21О 1 775 1 775
работ в том числе детей 565 238 238
Число погибших (чел.) 139 59 59
в том числе детей 5 2 2
ИТОГО Итого на 1 м2 (руб.) 72,25 58,11 57,О2
операционные расходы Итого стоимость зимнего содержания в год, млн руб. 2 9О9,44 2 34О,19 2 296,17
Источник: подготовлено авторами.
Таблица 20
Сводка затрат на осуществление зимнего обслуживания всех автомобильных дорог г. Ярославля
Группа показателей Показатель Текущая технология обработки Новая комбинированная технология
1. Прямые эффекты
Закупка ПГМ Средняя цена ПГМ (руб./т) 2 576 8 147
Расходы на закупку ПГМ (млн руб.) 2О6,52 142,59
Расходы на утилизацию снега (млн руб.) 63,39 62,33
Уборка снега Расходы на ежегодный вывоз песка (млн руб.) 1,27 О,ОО
и иные работы Стоимость закупки истираемого элемента (пластина на плуг) (млн руб.) 3,42 1,71
Группа показателей Показатель Текущая технология Твердый инновационный
Расходы на ГСМ при посыпке (млн руб.) 42,О8 25,О3
Работа Расходы на оплату труда при посыпке (млн руб.) 6,52 4,О1
автомобилей Фактическое время для полной обработки участка с учетом возможностей автопарка (ч) 25,7О 15,83
2. Косвенные эффекты
Расходы на уплату штрафов за НДУ (млн руб.) 151 96
Число ДТП 52О 371
Шследствия Число раненых (чел.) 65О 463
от качества работ в том числе детей 2О 8
Число погибших (чел.) 1О 7
в том числе детей 1 1
ИТОГО операци- Итого на 1 м2 (руб.) 76,О5 53,19
онные расходы Итого стоимость зимнего содержания в год (млн руб.) 474,19 331,65
Таблица 21
Сравнение экономических эффектов для работодателя при различных видах деятельности
Регион Эффекты для работодателя, сфера услуг (млн руб.) Эффекты для работодателя, материа-лоемкое производство, (млн руб.)
Новосибирская область 36,84 3,22
Санкт-Петербург 63,89 0
Ярославская область 16,47 0
Источник: подготовлено авторами.
Таблица 22
Потенциальные экономические эффекты от гололедного травматизма, 2017/18 годы, млн рублей
№ п.п. Показатель Новосибирская область Санкт-Петербург Ярославская область
1 Макроуровень -256,63 -411,99 -126,82
1.1 Влияние на ВРП города (удельный вес в ВРП) -102,53 (-0,009%) -182,05 (-0,005%) -49,42 (-0,010%)
1.2 Эффект для бюджета, города, субъекта, ФСС, ФОМС, ПФР -154,10 -229,94 -77,40
2 Микроуровень
2.1 Эффекты для работодателя 36,8463,8916,47
2.2 Эффекты для работника -4,79 -8,54 -2,32
Примечание. Потенциальный условно негативный эффект для субъекта отмечен знаком «-», потенциальный условно положительный эффект отмечен знаком «+».
Источник: подготовлено авторами.
Таблица 23
Потенциальные экономические эффекты от гололедного травматизма в Новосибирской области, 2017/18 годы
№ п.п. Показатель Эффект (млн руб.) В отношении чего рассчитывается эффект % от соответствующих показателей
1 Макроуровень -256,63
1.1 Макроэкономический эффект -102,53 Валовой региональный продукт -0,009%
1.2 Бюджетный эффект -154,10
1.2.1 Расходы на медицинское обслуживание -131,13
1.2.1.1 оплата вызова скорой медицинской помощи -1,80 ФОМС -0,006%
1.2.1.2 оплата госпитализации в медицинские организации -91,93 Региональный бюджет (74%), ФОМС (26%) -0,234%
1.2.1.3 оплата оказания медицинской помощи в амбулаторных условиях 0,00 Региональный бюджет (53%), ФОМС (47%) 0,000%
1.2.1.4 оплата больничных листов пострадавших за счет средств ФСС -37,40 Бюджет ФСС -0,219%
1.2.2 Налоговые поступления -8,03
1.2.2.1 снижение платы НДФЛ -6,47 Муниципальный бюджет -0,056%
1.2.2.2 снижения налога на прибыль -1,56 Региональный бюджет (17%), Федеральный бюджет (3%) -0,002%
1.2.3 Снижение платы страховых взносов ФСС и ФОМС, ПФ -14,94 ФСС, ФОМС, ПФ
1.2.3.1 снижение платы страховых взносов в ФСС -1,44 Бюджет ФСС -0,008%
1.2.3.2 снижение платы страховых взносов в ФОМС -2,54 Бюджет ФОМС -0,009%
1.2.3.3 снижение платы страховых взносов в ПФ -10,95 Бюджет ПФ -0,008%
2 Микроуровень —
2.1 Эффекты для работодателя 36,84 — —
2.1.1 упущенная выгода от отсутствия работника -25,21 —
2.1.2 оплата больничных листов -2,67 — —
2.1.3 экономия на оплате заработной платы 64,72 —
2.2 Эффекты для работника -4,79 — —
2.2.1 ущерб в части неполученной заработной платы -43,31 —
2.2.2 полученная оплата по больничным листам 40,07 — —
2.2.3 затраты на лекарственные препараты -1,55 Доходы пострадавшего -4,680%
Таблица 24
Возможные эффекты для бюджетов разных уровней и организаций г. Санкт-Петербурга при выборе сферы услуг как
преобладающего вида экономической деятельности
№ п.п. Показатель Эффект (млн руб.) Показатель субъекта, в отношении которого рассчитывается эффект % от соответствующих показателей субъекта
1 2 3 4 5
1 Макроуровень -411,99 — —
1.1 Влияние на ВРП города -182,05 Валовой региональный продукт -0,005%
1.2 Эффект для бюджета, города, субъекта, ФСС -229,94 — —
1.2.1 Расходы на медицинское обслуживание -183,48 —
1.2.1.1 оплата вызова скорой медицинской помощи -2,06 ФОМС -0,003%
1.2.1.2 оплата госпитализации в медицинские организации -105,52 Региональный бюджет (74%), ФОМС (26%) -0,110%
1.2.1.3 оплата оказания медицинской помощи в амбулаторных условиях 0,00 Региональный бюджет (53%), ФОМС (47%) 0,000%
1.2.1.4 оплата больничных листов за счет средств ФСС -75,89 Бюджет ФСС -1,125%
1.2.2 Налоговые поступления -15,98 — —
1.2.2.1 снижение платы НДФЛ -13,21 Муниципальный бюджет -0,006%
1.2.2.2 снижения налога на прибыль -2,77 Региональный бюджет (17%), Федеральный бюджет (3%) -0,007%
1.2.3 Снижение платы страховых взносов в ФСС, ФОМС, ПФ -30,48 ФСС, ФОМС, ПФ —
1.2.3.1 снижение платы страховых взносов в ФСС -2,95 Бюджет ФСС -0,044%
1.2.3.2 снижение платы страховых взносов в ФОМС -5,18 Бюджет ФОМС -0,006%
1.2.3.3 снижение платы страховых взносов в ПФ -22,36 Бюджет ПФ -0,062%
2 Микроуровень — — —
2.1 Эффекты для работодателя 63,89 —
2.1.1 упущенная выгода от отсутствия работника -62,78 — —
2.1.2 оплата больничных листов -5,42 —
2.1.3 экономия на оплате заработной платы 132,10 — —
2.2 Эффекты для работника -8,54 —
2.2.1 ущерб в части неполученной заработной платы -88,40 — —
2.2.2 полученная оплата по больничным листам 81,31 —
2.2.3 затраты на лекарственные препараты -1,45 Доходы пострадавшего -2,136%
Источник: подготовлено авторами.
Совокупный негативный эффект для Фонда социального страхования составляет -78,84 млн руб. за 45 дней, при этом потенциальный объем поступлений в ФСС от величины травмированных граждан составляет 23,57 млн руб. за год.
Потенциальные эффекты для Ярославской области от травматизма, связанного с зимней скользкостью, при используемых по умолчанию настройках, представлены в табл. 25. Количество травмированного населения за осенне-зимний период 2017/18 годов составило 527 человек, или 0,041% населения города.
При выборе материалоемкого производства как преобладающего вида экономической деятельности эффект отсутствует (упущенная выгода при данном варианте, наоборот, возрастает и равна -32,22 млн руб.).
Совокупный негативный эффект для Фонда социального страхования составляет -18,86 млн руб. за 45 дней, при этом потенциальный объем поступлений в ФСС от величины травмированных граждан составляет 5,63 млн руб. за год (табл. 26).
Далее будут описаны предлагаемые нами механизмы экономического стимулирования сохранности автомобильных дорог и потенциальные эффекты от их внедрения с учетом полученных результатов.
8. механизмы экономического стимулирования сохранности автомобильных дорог
Апробация сформированного инструментария на примере трех российских городов показала, что переход на более инновационные технологии автодорожного обслуживания может повышать экономическую эффективность проводимых работ. В работе рассматривается экономическая эффективность зимнего содержания автомобильных дорог, поскольку именно этот вид работ является одним из наиболее сложных с точки зрения построения технологических процессов. Полученные в результате апробации инструментария выводы легли в основу предложенных механизмов экономического стимулирования сохранности автомобильных дорог.
На наш взгляд, наиболее эффективны будут три механизма, за счет которых предлагается осуществлять стимулирование сохранности автомобильных дорог регионального и межмуниципального значения. Первый из них - механизм стимулирующих контрактов, который предлагается бази-
Таблица 25
Возможные эффекты для бюджетов разных уровней и организаций Ярославской области при выборе сферы услуг как преобладающего вида экономической деятельности
№ п.п. Показатель Эффект (млн руб.) Показатель субъекта, в отношении которого рассчитывается эффект % от соответствующих показателей субъекта
1 Макроуровень -126,82 — —
1.1 Влияние на ВРП города -49,42 Валовой региональный продукт10 -0,010%
1.2 Эффект для бюджета, города, субъекта, ФСС -77,40 — —
1.2.1 Расходы на медицинское обслуживание -66,21
1.2.1.1 оплата вызова скорой медицинской помощи -0,92 ФОМС -0,008%
1.2.1.2 оплата госпитализации в медицинские организации -47,13 Региональный бюджет (74%), ФОМС (26%) -0,247%
1.2.1.3 оплата оказания медицинской помощи в амбулаторных условиях 0,00 Региональный бюджет (53%), ФОМС (47%) 0,000%
1.2.1.4 оплата больничных листов за счет средств ФСС -18,16 Бюджет ФСС -0,279%
1.2.2 Налоговые поступления -3,91 — —
1.2.2.1 снижение платы НДФЛ -3,16 Муниципальный бюджет -0,083%
1.2.2.2 снижения налога на прибыль -0,75 Региональный бюджет (17%), Федеральный бюджет (3%) -0,005%
1.2.3 Снижение платы страховых взносов ФСС, ФОМС, ПФ -7,29 ФСС, ФОМС, ПФ —
1.2.3.1 снижение платы страховых взносов в ФСС -0,70 Бюджет ФСС -0,011%
1.2.3.2 снижение платы страховых взносов в ФОМС -1,24 Бюджет ФОМС -0,010%
1.2.3.3 снижение платы страховых взносов в ПФ -5,34 Бюджет ПФ -0,007%
2 Микроуровень — —
2.1 Эффекты для работодателя 16,47 — —
2.1.1 упущенная выгода от отсутствия работника -13,81 — —
2.1.2 оплата больничных листов -1,30 — —
2.1.3 экономия на оплате заработной платы 31,57 — —
2.2 Эффекты для работника -2,32 — —
2.2.1 ущерб в части неполученной заработной платы -21,13 —
2.2.2 полученная оплата по больничным листам 19,45 — —
2.2.3 затраты на лекарственные препараты -0,65 Доходы пострадавшего -4,020%
Источник: подготовлено авторами.
снижению износа автодорожного покрытия и минимизации вреда для окружающей среды.
Второй предлагаемый механизм предусматривает осуществление регулярной независимой оценки технологических альтернатив автодорожного обслуживания. За счет внедрения этого механизма ответственные органы власти на региональном и муниципальном уровнях смогут постоянно осуществлять оценку экономической целесообразности инновационных практик содержания автомобильных дорог.
В рамках третьего механизма предлагается осуществлять дифференциацию финансирования из федерального бюджета на развитие и повышение уровня сохранности автомобильных дорог в субъектах Российской Федерации. Приоритетность адресной поддержки регионов предлагается осуществлять на основе сырьевой зависимости экономики и факта использования дорожными службами субъекта инновационных технологий.
Оценка степени влияния разработанных механизмов показала, что потенциальные экономические эффекты могут быть существенными. В частности, при сохранении теку-
ровать на системе ключевых показателей эффективности (КПЭ). Помимо покрытия прямых расходов, связанных с автодорожным обслуживанием, в подобных договорах будут предусмотрены стимулирующие выплаты за выполнение КПЭ по обеспечению надлежащего качества жизни граждан,
Таблица 26
Эффекты для Фонда социального страхования (млн руб.)
Город Совокупный негативный эффект (оплата больничных листов и снижение поступления страховых взносов) Объем финансовых поступлений в ФСС оценочно в расчете за год (от количества пострадавших)
Новосибирская область -38,85 11,55
г. Санкт-Петербург -78,84 23,57
Ярославская область -18,86 5,63
Источник: подготовлено авторами.
10 Здесь и далее ВВП города рассчитан исходя из ВРП региона пропорционально численности населения за неимением других данных.
378
щей протяженности автомобильных дорог для выполнения целевого показателя национального проекта «Безопасные качественные автодороги (БКАД)» потребуется привести к нормативному уровню содержания 39 218 км автодорог При сохранении нынешней процедуры распределения финансирования в рамках национального проекта совокупный эффект для ВРП субъектов оценивается в 731,061 млрд руб., при внедрении предлагаемых механизмов - в 3,7 раза больше. Инвестиционная привлекательность несырьевых регионов при внедрении разработанных механизмов может быть увеличена в зависимости от экономической конъюнктуры конкретного региона.
Реализация предложенных механизмов потребует совершенствования действующей нормативно-правовой базы, регулирующей сферу автодорожного обслуживания. Нами предлагаются дополнения в национальный проект БКАД, расширяющие перечень целевых показателей, чтобы предусмотреть применение на региональном уровне передовых технологий содержания автомобильных дорог. Помимо этого, необходимо скорректировать декомпозицию целевых показателей национального проекта на региональном уровне. В частности, нужно реализовывать мероприятия по повышению сохранности автомобильных дорог регионального и межмуниципального значения приоритетно в несырьевых регионах, где может быть достигнут максимальный экономический эффект от развития автодорожной инфраструктуры. Соответствующие поправки необходимо внести в Федеральный закон № 257 «Об автомобильных дорогах и о дорожной деятельности в Российской Федерации и о внесении изменений в отдельные законодательные акты Российской Федерации» и отраслевые нормативные акты. Следует отметить необходимость формирования нового отраслевого дорожного методического документа, который установит на федеральном уровне основные концептуальные подходы к оценке экономических эффектов от содержания автомобильных дорог и ключевые показатели эффективности.
Полученные результаты могут быть применены:
- Минтрансом России: именно данный орган отвечает за реализацию национального проекта БКАД;
- Росавтодором: этот орган исполнительной власти курирует разработку отраслевых методических документов в области автодорожного обслуживания;
- Министерством экономического развития Российской Федерации: результаты исследования указывают на необходимость дифференциации подходов к стимулированию экономического развития на региональном уровне за счет развития автодорожной сети;
- Министерством финансов Российской Федерации: результаты исследования указывают на необходимость совершенствования бюджетной политики в области развития автодорожной инфраструктуры субъектов РФ, а именно - учета сырьевой зависимости региональной политики.
Среди потенциальных направлений будущих исследований в данной области целесообразно отметить необходимость проведения анализа влияния развития дорог федерального значения в рамках стимулирования межрегионального экономического взаимодействия. Особый интерес также представляют дороги муниципального значения, ко-
торые напрямую связаны с деловой активностью субъектов Российской Федерации и качеством жизни граждан городов. Более детальной проработки требует вопрос влияния транспортной инфраструктуры на инвестиционную привлекательность сырьевых регионов. Потенциально их экономическое развитие будет зависеть от логистических маршрутов, не предусматривающих автомобильные перевозки: железнодорожных, судоходных и авиационных.
литература
1. Аржанухина С.П., Гарибов Р.Б., Янковский Л.В., Глу-хов Т.А., Бобков А.В., Кочетков А.В. (2013). Выбор требований к противогололедным материалам для зимнего содержания автомобильных дорог мегаполиса // Вода: химия и экология. № 4. С. 106-115.
2. Ваганова А.С. (2014). Оценка влияния высшего образования на социально-экономическое развитие регионов // Проблемы экономики и менеджмента. № 1 (29). С. 23-26.
3. Желтобрюхов В.Ф., Ильинкова Ю.Н., Колодниц-кая Н.В., Осипов В.М. (2013). Преимущества применения новой антигололедной композиции над традиционной пескосоляной смесью на объектах дорожного хозяйства // Инженерный вестник Дона. Т. 26. № 3 (26).
4. Игнатьев В.М. (2015). Валовой региональный продукт: факторы влияния // Наука, техника и образование. № 4 (10). С. 146-148.
5. Коденцева Ю.В., Божескул Ю.Д. (2019). Оценка эффективности стратегий зимнего содержания дорог с использованием метеорологических параметров // Архитектурно-строительный и дорожно-транспортный комплексы: проблемы, перспективы, инновации. Сб. материалов III Междунар. науч.-практ. конф. Омск, СибАДИ. С. 504-511.
6. Кошелева А.А., Тагиева Н.К., Пруидзе Е.А. (2016). Анализ методов и материалов, применяемых при противогололедной обработке асфальтобетонных дорожных покрытий // Автомобиль. Дорога. Инфраструктура. № 2 (8).
7. Лапочкин Л.В. (2009). Влияние уровня образования работающего населения на экономическое развитие регионов России // Региональная экономика: теория и практика. Т. 37. С. 65-69.
8. Прокофьева А.В., Рыбаков Л.Н., Пчелкина В.В. (2012). Влияние образования на формирование качественного уровня человеческого капитала региональной экономики // Вестник Чувашского университета. Т. 1. С. 418-421.
9. Розов С.Ю., Паткина И.А., Розов Ю.Н., Шестаченко А.Ю. (2017). Использование солей муравьиной кислоты для улучшения свойств противогололедных материалов // European Journal of Analytical and Applied Chemistry. № 1. С. 21-30.
10. Скворцов О.В. (2012). Автомобильные дороги как фактор экономического развития страны // Наука и транспорт. Транспортное строительство. № 4. С. 12-16.
11. Скотаренко О.В. (2013). Прогнозирование ВРП в регионах на основе эконометрических моделей // Международный научно-исследовательский журнал. № 8 (15). С. 64-68.
12. Сосенкина И.М., Осокин Н.А., Климентова А.Ю. (2019). Экономические последствия гололедного травматизма в регионах РФ // Стратегические решения и риск-менеджмент. Т. 10. № 1.
13. Сушков А.С. (2012). Методические основы параметров процессов модели управления системой «Дорожные условия - транспортные потоки» // Политематический сетевой электронный научный журнал КубГАУ № 84.
14. Твердохлебов В.А. (2016). Анализ технологии содержания и уборки улично-дорожной сети городов РФ в зимний период. Новая наука: проблемы и перспективы: материалы Междунар. науч.-практ. конф. 26 ноября 2016 года. Стерлитамак: АМИ. С. 220-225.
15. Токарев А.Н. (2016). Подход к анализу особенностей социально-экономического развития ресурсных регионов // Интерэкспо Гео-Сибирь. Т. 3. № 3.
16. Трофимова И.Ф. (2011). Экономическое обоснование эффективности методики определения оптимального количества снегоуборочных машин для очистки городских территорий от снега и наледи // Вестник МАДИ. № 2. С. 50-53.
17. Трофимова И.Ф., Баловнев В.И. (2015). Плужный снегоочиститель для скоростной очистки автомобильных дорог от снега // Технология колесных и гусеничных машин. № 4. С. 49-55.
18. Ухин Д.В. (2010). Математическая модель расчета температуры многослойной конструкции дорожной одежды в условиях перемены температур // Вестник ВолгГАСУ. Строительство и архитектура. № 17. С. 66-69.
19. Beauchamp J. J., Olson J. S. (1973). Corrections for bias in regression estimates after logarithmic transformation // Ecology. Vol. 54. No 6. P. 1403-1407.
20. Benoit K. (2011). Linear regression models with logarithmic transformations // London School of Economics. Vol. 22. No 1. P. 23-36.
21. Connelly L.B., Supangan R. (2006). The economic costs of road traffic crashes: Australia, states and territories // Accident Analysis&Prevention. Vol. 38. No 6. P. 1087-1093.
22. Fan S., Chan-Kang C. (2005). Road development, economic growth, and poverty reduction in China // Intl Food Policy Res Inst. Т. 12.
23. Kelting D.L., Laxon C.L. (2010). Review of effects and costs of road de-icing with recommendations for winter road management in the Adirondack Park. Adirondack Watershed Institute.
24. Lukman R.K., Cerinsek М., Horvat В. (2018). Improving efficient resource usage and reducing carbon dioxide emissions by optimizing fleet management for winter services // Journal of Qeaner Production. Vol. 177. P. 1-11.
25. Nazari M.H., Shi X., Jackson E., Zhang Y. (2016). Laboratory investigation of washing practices and bio-based additive for mitigating metallic corrosion by magnesium chloride deicer // Journal of Materials in Civil Engineering. Vol. 29. No 1. P. 61-87.
26. Shi X., Jungwirth S. (2018). The search for «greener» materials for winter road maintenance operations // Sustainable Winter Road Operations. Wiley. P. 378-401.
27. Ye Z., Veneziano D., Shi X. (2013). Estimating statewide benefits of winter maintenance operations // Transportation
Research Record: Journal of the Transportation Research Board. No 2329. P. 17-23.
28. Zhang J., Das D.K., Peterson R. (2009). Selection of effective and efficient snow removal and ice control technologies for cold-region bridges // Journal of Civil, Environmental, and Architectural Engineering. T. 3. No 1. P. 1-14.
references
1. Arzhanukhina S.P., Garibov R.B., Yankovskiy L. V., Gluk-hov T. A., Bobkov A. V., Kochetkov A. V. (2013). Vybor trebovaniy k protivogololednym materialam dlya zimne-go soderzhaniya avtomobil'nykh dorog megapolisa. Voda: khimiya i ekologiya, 4, 106-115.
2. Vaganova A.S. (2014). Otsenka vliyaniya vysshego obra-zovaniya na sotsial'no-ekonomicheskoe razvitie regionov. Problemy ekonomiki i menedzhmenta, 1 (29), 23-26.
3. Zheltobryukhov V.F., Ilinkova Yu.N., Kolodnitskaya N.V., Osipov V.M. (2013). Preimushchestva primeneniya novoy antigololednoy kompozitsii nad traditsionnoy peskosoly-anoy smes'yu na ob"ektakh dorozhnogo khozyaystva. In-zhenernyy vestnik Dona, 26, 3 (26).
4. Ignatev V.M. (2015). Valovoy regional'nyy produkt: faktory vliyaniya. Nauka, tekhnika i obrazovanie, 4 (10), 146-148.
5. Kodentseva Yu.V., Bozheskul Yu.D. (2019). Otsenka ef-fektivnosti strategiy zimnego soderzhaniya dorog s is-pol'zovaniem meteorologicheskikh parametrov. Arkhitek-turno-stroitel'nyy i dorozhno-transportnyy kompleksy: problemy, perspektivy, innovatsii. Sb. materialov III Mezh-dunar. nauch.-prakt. konf. Omsk, SibADI, 504-511.
6. Kosheleva A.A., Tagieva N.K., Pruidze E.A. (2016). Analiz metodov i materialov, primenyaemykh pri protivogololed-noy obrabotke asfal'tobetonnykh dorozhnykh pokrytiy. Avtomobil'. Doroga. Infrastruktura, 2 (8).
7. Lapochkin L.V. (2009). Vliyanie urovnya obrazovaniya rabotayushchego naseleniya na ekonomicheskoe razvitie re-gionov Rossii. Regional'naya ekonomika: teoriya i praktika, 37, 65-69.
8. Prokofeva A.V., Rybakov L.N., Pchelkina V. V. (2012). Vli-yanie obrazovaniya na formirovanie kachestvennogo urovn-ya chelovecheskogo kapitala regional'noy ekonomike. Vestnik Chuvashskogo universiteta, 1, 418-421.
9. Rozov S.Yu., Patkina I.A., Rozov Yu.N., Shestachenko A.Yu. (2017). Ispol'zovanie soley murav'inoy kisloty dlya uluchsheniya svoystv protivogololednykh materialov. European Journal of Analytical and Applied Chemistry, 1, 21-30.
10. Skvortsov O.V. (2012). Avtomobil'nye dorogi kak faktor ekonomicheskogo razvitiya strany. Nauka i transport. Trans-portnoe stroitel'stvo, 4, 12-16.
11. Skotarenko O.V. (2013). Prognozirovanie VRP v regionakh na osnove ekonometricheskikh modeley. Mezhdunarodnyy nauchno-issledovatel'skiy zhurnal, 8 (15), 64-68.
12. Sosenkina I.M., Osokin N.A., Klimentova A.Yu. (2019). Ekonomicheskie posledstviya gololednogo travmatizma v regionakh RF. Strategicheskie resheniya i risk-menedzh-ment, 10, 1.
13. Sushkov A.S. (2012). Metodicheskie osnovy parametrov protsessov modeli upravleniya sistemoy "Dorozhnye us-
loviya - transportnye potoki". Politematicheskiy setevoy elektronnyy nauchnyy zhurnal KubGAU, 84.
14. Tverdokhlebov V.A. (2016). Analiz tekhnologii soderzhani-ya i uborki ulichno-dorozhnoy seti gorodov RF v zimniy period. Novaya nauka: problemy i perspektivy: materialy Mezhdunar. nauch.-prakt. konf. 26 noyabrya 2016 goda. Sterlitamak, AMI, 220-225.
15. Tokarev A.N. (2016). Podkhod k analizu osobennostey sot-sial'no-ekonomicheskogo razvitiya resursnykh regionov. Interekspo Geo-Sibir', 3, 3.
16. Trofimova I.F. (2011). Ekonomicheskoe obosnovanie effe-ktivnosti metodiki opredeleniya optimal'nogo kolichestva snegouborochnykh mashin dlya ochistki gorodskikh terri-toriy ot snega i naledi. Vestnik MADI, 2, 50-53.
17. Trofimova I.F., Balovnev V.I. (2015). Pluzhnyy snegoochis-titel' dlya skorostnoy ochistki avtomobil'nykh dorog ot snega. Tekhnologiya kolesnykh i gusenichnykh mashin, 4, 49-55.
18. Ukhin D.V. (2010). Matematicheskaya model' rascheta tem-peratury mnogosloynoy konstruktsii dorozhnoy odezhdy v usloviyakh peremeny temperature. Vestnik VolgGASU. Stroitel'stvo i arkhitektura, 17, 66-69.
19. Beauchamp J.J., Olson J.S. (1973). Corrections for bias in regression estimates after logarithmic transformation. Ecology, 54 (6), 1403-1407.
20. Benoit K. (2011). Linear regression models with logarithmic transformations. London School of Economics, 22 (1), 23-36.
21. Connelly L.B., Supangan R. (2006).The economic costs of road traffic crashes: Australia, states and territories. Accident Analysis&Prevention, 38 (6), 1087-1093.
22. Fan S., Chan-Kang C. (2005). Road development, economic growth, and poverty reduction in China. Intl Food Policy Res Inst, 12.
23. Kelting D.L., Laxon C.L. (2010). Review of effects and costs of road de-icing with recommendations for winter road management in the Adirondack Park. Adirondack Watershed Institute.
24. Lukman R.K., Cerinsek M., Horvat B. (2018). Improving efficient resource usage and reducing carbon dioxide emissions by optimizing fleet management for winter services. Journal of Cleaner Production, 177, 1-11.
25. Nazari M.H., Shi X., Jackson E., Zhang Y. (2016). Laboratory investigation of washing practices and bio-based additive for mitigating metallic corrosion by magnesium chloride deicer. Journal of Materials in Civil Engineering, 29 (1), 61-87.
26. Shi X., Jungwirth S. (2018). The search for "greener" materials for winter road maintenance operations. In: Sustainable Winter Road Operations. Wiley, 378-401.
27. Ye Z., Veneziano D., Shi X. (2013). Estimating statewide benefits of winter maintenance operations. Transportation Research Record: Journal of the Transportation Research Board, 2329, 17-23.
28. Zhang J., Das D.K., Peterson R. (2009). Selection of effective and efficient snow removal and ice control technologies for cold-region bridges. Journal of Civil, Environmental, and Architectural Engineering, 3 (1), 1-14.
ИНФОРМАЦИЯ ОБ АВТОРАХ
Ирина Юрьевна Золотова
Директор Центра отраслевых исследований и консалтинга, ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации».
Область научных интересов: экономика электроэнергетики, ценообразование, инвестиционная деятельность в электроэнергетике, система государственного регулирования естественных монополий. E-mail: IYZolotova@fa.ru
Никита Андреевич Осокин
Заместитель директора Центра отраслевых исследований и консалтинга, ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации». Область научных интересов: эконометрический анализ, управление эффективностью и результативностью, экономика спорта.
E-mail: NAOsokin@fa.ru
Вадим Александрович Карле
Заместитель директора Центра отраслевых исследований и консалтинга, ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации». Область научных интересов: система государственного регулирования естественных монополий, ценообразование, модели прогнозирования цен, электроэнергетика и иные инфраструктурные отрасли. E-mail: VAKarle@fa.ru
ABOUT THE AUTHORS
IrinaYu. Zolotova
Director at the Center of Sectoral Research and Consulting, Financial University under the Government of the Russian Federation.
Research interests: electric energy economics, pricing, investments in electric energy, government regulation of natural monopolies.
E-mail: IYZolotova@fa.ru
Nikita А. Osokin
Deputy director at the Center of Sectoral Research and Consulting, Financial University under the Government of the Russian Federation.
Research interests: econometric analysis, performance management, sports economics. E-mail: NAOsokin@fa.ru
Vadim А. Karle
Deputy director at the Center of Sectoral Research and Consulting, Financial University under the Government of the Russian Federation.
Research interests: government regulation of natural monopolies, pricing, price prediction modelling, electric energy and other infrastructure sectors. E-mail: VAKarle@fa.ru
