о
X
о
О
О К
о
1G
Kuritskiy A. B. Gosudarstvennoe regulirovanie informatsion-noy ekonomiki v Rossii [State regulation of the information economy in Russia]. Vestnik Sankt-Peterburgskogo univer-siteta. Ser. 5. Ekonomika [Herald of St. Petersburg University. Ser. 5. Economics], 2004, no. 1, pp. 34-42. Chen Y-N., Png I. Information goods pricing and copyright enforcement: Welfare analysis. Information Systems Research, 2003, vol. 14, no. 1, pp. 107-123. Gayer A., Shy O. Copyright protection and hardware taxation. Information Economics and Policy, 2003, vol. 15, no. 4, pp. 467-483. DOI: 10.1016/S0167-6245(03)00023-4. Banerjee D. S. Software piracy: A strategic analysis and policy instruments. International Journal of Industrial Organization, 2003, vol. 21, no. 1, pp. 97-127. DOI: 10.1016/ S0167-7187(01)00090-X.
Banerjee D. S., Khalid A., Sturm J.-E. Socio-economic development and software piracy. An empirical assessment. Applied Economics, 2005, vol. 37, no. 10, pp. 2091-2097. DOI: 10.1080/00036840500293276.
Fischer J. Andrés A. Is software piracy a middle class crime? Investigating the inequality-piracy channel. University of St. Gallen, Department of Economics, Discussion Paper, 2005, no. 18, pp. 1-43.
Poddar S. Why software piracy rates differ — A theoretical analysis. National University of Singapore, Department of
Economics, Working Paper, 2005, no. 0515, pp. 1-22. Available at: http://www.fas.nus.edu.sg/ecs/pub/wp/wp0515. pdf.
12. Poddar S. Network externality and commercial software piracy. National University of Singapore, Department of Economics, Working Paper, 2005, no. 0516, pp. 1-10. Available at: http://pdf.aminer.org/000/244/120/effect_of_net-work_externalities_on_software_pricing.pdf.
13. Brynjolfsson E., Kemerer C. F. Network externalities in microcomputer software: An econometric analysis of the spreadsheet market. Management Science, 1996, vol. 42, no. 12, pp. 1627-1647.
14. Conner K. R., Rumelt R. P. Software piracy: An analysis of protection strategies. Management Science, 1991, vol. 37, no. 2, pp. 125-139.
15. Givon M., Mahajan V., Muller E., Software piracy: Estimation of lost sales and the impact on software diffusion. Journal of Marketing, 1995, vol. 59, no. 1, pp. 29-33.
16. Shy O., Thisse J. F. A strategic approach to software protection. Journal of Economics and Management Strategy, 1999, vol. 8, no. 2, pp. 163-190.
17. Takeyama L. N. The welfare implications of unauthorized reproduction of intellectual property in the presence of Denmark network externalities. Journal of Industrial Economics, 1994, no. 2, pp. 155-165.
8
Построение статистической модели затрат на корпоративную социальную ответственность бизнеса
A Statistical Model of Construction Costs: Its Corporate-Social-Responsibility Focus
УДК 330.3
0.322:005
Чулакова Александра Леонидовна
преподаватель Юго-западного государственного университета (г. Курск) 305040, г. Курск, ул. 50 лет Октября, д. 94
Chulakova Aleksandra Leonidovna
Southwestern State University (Kursk) 50 Let Octyabrya Str. 94, Kursk, Russian Federation, 305040
Вертакова Юлия Владимировна
заведующий кафедрой Юго-западного государственного университета ( .Курск), доктор экономических наук, профессор 305040, г. Курск, ул. 50 лет Октября, д. 94
Vertakova Yuliya Vladimirovna
Southwestern State University (Kursk) 50 Let Octyabrya Str. 94, Kursk, Russian Federation, 305040
Интерес к проблеме социально ответственного поведения бизнеса, его роль в социально-экономическом развитии страны, эффективность взаимодействия с обществом и властью порождают все новые и новые исследования в этой области. Международная практика корпоративного управления исходит из того, что для реализации долгосрочных стратегий развития компания должна соблюдать баланс всех интересов заинтересованных сторон. Компания, которая занимается инвестированием в развитие не только производства, но и образования, медицины, науки, социальной инфраструктуры, а также проявляет заботу об окружающей среде, получает определенные выгоды от этой деятельности и является социально ответственной. В этой связи в статье рассматриваются основные принципы финансирования объектов корпоративной социальной ответственности и подходы к созданию моделей такого инвестирования.
В статье рассматривается методика оценки объема инвестиций в объекты социальной инфраструктуры для определения места корпоративной социальной ответственности в бизнесе. Использован математический аппарат для формализации признаков и уровней корпоративной социальной ответственности. Осуществлен прогноз объемов финансирования объектов корпоративной социальной ответственности на 2014-2018 гг. с целью построения статистической модели выбора целевых ориентиров ее развития.
The article has presented a statistical model of construction costs, highlighting the role played by corporate social responsibility (CSR). It suggests at this stage that socially responsible business behavior should be a functional component of every nation's socio-economic development, raising the efficiency of business-societal interactions.
Business ventures, the critique posits, should maintain a "balance of interests" among all major stakeholders
(including the government), since international corporate governance practices are based upon the successful implementation of long-term development strategies. Consequently, CSR should appear not only at the investment stage but also in the related production, education, medicine, science and social infrastructures. All of these phases, the review states, should exhibit suitable social behavior manifesting environmental concern. Subsequently, the study shifts its focus to the financial principles of CSR and the approaches for creating such investment models. In so doing, the commentary proposes a method that could estimate the social infrastructure's investment volume and reliance on CSR doctrines. Here the document observes that this method contains a mathematical apparatus designed to formalize the CSR signs and to project the volume of CSR activities in the 2014-2018 timespan. This apparatus, the blueprint claims, would be an initial step toward suitable CSR and CSR-related target development.
Ключевые слова: корпоративная социальная ответственность, инвестиции, объекты социальной инфраструктуры
Keywords: corporate social responsibility investments, social infrastructure
В современных условиях происходит заметное повышение роли регионов в развитии социально-экономических процессов в стране, ее функциональных и отраслевых подсистемах. Это обуславливает необходимость фокусирования внимания органов власти федерального и регионального уровня, бизнеса на ключевых направлениях социального развития страны [1]. Действующие в настоящее время модели социальной ответственности бизнес-структур в стране не учитывают особенностей регионов [2].
Различная степень развития уровня и качества жизни населения вынуждает крупный, малый и средний бизнес к выполнению социально ответственных мероприятий. Такая социально-экономическая дифференциация регионов побуждает разрабатывать все новые и новые модели оценки уровня социальной ответственности и определения качественных характеристик ее мероприятий [3-5].
Мы рассмотрим вопрос социально ответственного поведения бизнеса на примере конкретной территории — г. Железногорск Курской области. Его экономическое и социальное развитие находится под влиянием ряда крупных предприятий, в числе которых ОАО «Михайловский ГОК».
ОАО «Михайловский ГОК» включено в перечень социально-значимых предприятий регионального значения Курской области решением правительственной комиссии по повышению устойчивости развития российской экономики [6], что подчеркивает его особую значимость для экономики города.
Для анализа практики корпоративной социальной ответственности (КСО) курских предприятий эмпирическим путем мы провели стандартизованное экспертное интервью «Корпоративная социальная ответственность в оценке представителей Курского бизнеса». Градообразующим предприятием г. Желез-ногорска является ОАО «Михайловский ГОК» (входит в состав горно-металлургического холдинга «Метал-лоинвест»). Для полноты исследования нами были выбраны 20 крупнейших предприятий г. Железногор-ска Курской области. Из выборки пять предприятий отказались от опроса, ссылаясь на то, что данные сведения представляют коммерческую тайну, а еще три не предоставили информацию без объяснения причин — окончательная выборка составила 12 предприятий. В статистическую выборку попали предприятия, особо значимые для города: ОАО «Михай-
ловский ГОК», ЗАО «ГОТЭК», ЗАО «ТПК Флакс», ООО «ЭСТ-Океан», ЗАО «Завод ЖБИ-3», ООО «Железно-горская МСО», ЗАО «Полипак», ООО ПО «Вагонмаш», ЗАО «Железногорские городские телефонные коммуникации», ЗАО «Железногорский кирпичный завод», ООО «Нипромтекс», ЗАО «Железногорская швейная фабрика „Финист"».
Чтобы найти корреляционную связь между размерностью предпринимательских структур и уровнем КСО, которым они обладают, мы провели исследование по двум признакам: «форма собственности» и «градо-образуемость» предприятий. На основе фактических и расчетных данных можно провести некоторые вычисления, используя анализ кроссекционных и временных рядов, с целью определения статистической управляемости процессов финансирования объектов КСО.
В нашем исследовании в кроссекционных рядах в качестве наблюдений используются порядковые номера предприятий, а в качестве переменных — показатели КСО: относительный показатель структуры финансирования объектов КСО (ОПС_ФОКСО), относительный показатель интенсивности финансирования объектов социальной инфраструктуры (ОПИ_ФОСИ), относительный показатель интенсивности текучести кадров (ОПИ_ТК), относительный показатель интенсивности прибыли предприятия (ОПИ_ПП), прибыль (тыс. руб.), средняя заработная плата (СЗП), общее количество сотрудников (ОКС), число уволившихся сотрудников за год, объем финансирования объектов КСО из прибыли (тыс. руб.) (ОПИ_ФОКСО) [7].
Также были введены две дополнительные фиктивные переменные, позволяющие учитывать качественную информацию о предприятиях: • форму собственности предприятия:
1,если форма собственности предприятия — государственная,
0 в противном случае;
статус «градообразуемости» предприятия:
[1, если предприятие — градообразующее, 0 в противном случае.
Описательные статистики переменных ОПИ_ТК, ОПИ_ПП, средней заработной платы и ОПС_ФОК-СО по каждому году обследования такие, как среднее (mean), максимальное (maximum) и минимальное (minimum) значения признака и стандартное отклонение (std. dev.), расчет числовых характеристик исследуемых данных производился в пакете Statistica 6.0.
Нами были сделаны следующие предварительные выводы: переменные финансирования объектов социальной ответственности (ОСО), прибыли и зарплаты со временем имеют тенденцию к повышению, а текучесть кадров — к понижению. Предположение о наличии тренда во всех рассматриваемых временных рядах подтвердилось также на основании теста Форстера-Стюарта. Данный тест основан на выдвижении нулевой гипотезы Н0 об отсутствии тренда, которая проверяется с помощью вспомогательных функций:
L = £lv lt = Ut - Vt,
t=2
где T — общий временной интервал, а 1, если yt < yt-1 < yi,
о
(1)
Ut =
0, если наоборот;
< <
о х о
<
со О
Расчетные значения по методике Форстера-Стюарта относительных показателей интенсивности и средней
заработной платы на исследуемых предприятиях
ОПИ_ПП ОПИ_ТК ОПИ_ФОКСО СЗП
Верхняя и нижняя границы расчетных значений статистики Форстера-Стюарта (для 12 предприятий) 5,65 12,89 26,10 6,07 14,12 18,86 21,98 62,65
V =
0, если yt < yt< уг,
1, если наоборот.
Н0 эквивалентна тому, что L = 0. Для проверки строится ¿-статистика, которая имеет распределение Стьюдента с Т _ 1 степенями свободы:
Ь
О ь ' где
t =
= 2Х1.
(2)
t=2
Гипотеза об отсутствии тенденции отклоняется, если расчетное значение по модулю больше табличного на выбранном уровне доверия р = 0,95 (¿табл = 4,30). Результаты проверки теста Форстера-Стюарта для всех переменных приведены в табл. 1.
Также наличие тенденции практически во всех временных рядах в виде линейной функции подтвердилось на основе спектрального анализа, проведенного в ППП 6.0. На основе полученных данных
составим уравнение множественной регрессии с введением дополнительных фиктивных переменных «гра-дообразуемость» и «форма собственности».
На основании проведенного теста можно сделать заключение о том, что все панельные переменные имеют тренд и являются интегрируемыми процессами первого порядка (/(1)).
Изучение причинно-следственной зависимости переменных ОПИ_ФОКСО| и ОПИ_ПП| ^ = 1, 2), представленных в виде панельных данных, достаточно сложно, так как все переменные имеют свою собственную тенденцию долговременного развития. Следовательно, предпочтительно использовать метод, когда тенденция фиксируется через включение фактора времени (¿) в модель в качестве независимой переменной, так как взятие разностей первого порядка аналогично процедуре удаления линейного тренда.
Очевидно, что планируемые на текущий период расходы зависят от доходов в текущий и предыдущий периоды, т. е. целесообразно выдвинуть гипотезу о зависимости ОПИ_ФОКСО^ от ОПИ_ПП| и ОПИ_ПП^ _ г Также текущие расходы во многом определяются расходами в предыдущий период времени ОПИ_ФОКСО| _ 11.
В ходе спецификации модели для каждой из групп предприятий была получена панельная авторегрессионная модель с распределенными лагами PADL(1, 1) с фиксированными эффектами2:
ОПИ_ФОКТО* = а к ■ ОПИ_ФОКТО* 1 +
+ в к ■ ОПИ_ПП* + у к ■ ОПИ_ПП* ! + 5 кг+ок + £„,
1 Существенность лаговых переменных только первого порядка подтвердилась на основании информационных критериев Акайке и Шварца.
2 Здесь порядок авторегрессии — 1 (максимальная продолжительность переменной ОПИ_ФОКСОкг) и порядок распределенных лагов — 1 (максимальная продолжительность лага переменной ОПИ_ППкг).
ОПИ_ФОКСОк = а к ■ ОПИ_ФОКСОк 1 + + ß к ■ ОПИ_ПП* + Y к ■ ОПИ_ПП* 1 + 5 kt + с к + ги
(3)
где k — индекс изменения статуса «градообразу-емости» предприятия ^ = 1,2), i — индекс номера предприятия (для k = 1 i = 1, 2, ..., 6, для k = 2 i = 1, 2, ..., 12), г — время (£ = 1, 2, 3).
Существенность фиксированных эффектов по времени и значимость индивидуальных эффектов по предприятиям (Окг =ок, k = 1, 2) для модели (4) подтвердились в результате проведения спецификации между обобщенной моделью, моделью с фиксированными эффектами и моделью со случайными эффектами на основании ^-теста и теста Хаусмана.
В правой части модели (4) находятся переменные, между которыми существует зависимость, т. е. имеет место мультиколлинеарность факторов, и, следовательно, нельзя проводить оценку параметров панельным методом наименьших квадратов. Поэтому в качестве метода расчета параметров модели был выбран метод инструментальных переменных, сущность которого состоит в замене переменной из правой части модели, для которой нарушаются предпосылки МНК, на новую переменную, включение которой в модель РАй_ не приводит к нарушению его предпосылок. В качестве инструмента выбрали следующую модель:
ОПИ_ФОКСО4 _ 1 = d0 + d1 ОПИ_
ПП4 _ 1 + d2 ОПИ_ПП4 _ 2 + d3 t.
(4)
Оценку параметров модели методом инструментальных переменных для каждой из групп предприятий мы проводили в статистическом пакете Eviews 5.1. После оценивания получили следующие модели прогнозирования расходов на содержание объектов КСО:
• для «градообразующих» предприятий:
ОПИ_ФОКСОи = 0,7324 ОПИ_ФОКСОй _ 1 + + 0,01420ПИ_ППЙ + 0,0090ПИ_ППЙ _ 1 + + 0,0083t + с1 + eit; (5)
• для «неградообразующих» предприятий:
ОПИ_ФОКСОгt = 0,6369ОПИ_ФОКСОй- 1 + + 0,02540ПИ_ППи + 0,0140ПИ_ППи _ 1 + + 0,0078t + с 2 + sit, (6)
где <1 — среднее квадратичное значение показателей по годам для каждого предприятия; ей — коэффициент эластичности показателя ОПИ_ФОКСО по отношению к норме прибыли предприятий.
Объяснение модели осуществим на основе частных коэффициентов эластичности, которые позволяют ранжировать факторы по их силе влияния, оказываемого на переменную ОПИ_ФОКСО. Коэффициент эластичности по ^му фактору показывает, на
Расчетные значения коэффициентов эластичности для «градообразующих» и «неградообразующих» предприятий г.Железногорска Курской области по отношению к норме их прибыли
ш —
О
О ш
Таблица 3 ^Е
Прогнозные значения показателей ОПИ_ПП в 2014-2018 гг. для предприятий г. Железногорска Курской области ^
Год ОПИ_ППН
1 2 3 4 5 6 7 8 9 10 11 12
2014 2,78 750,15 588,18 14,69 36,48 57,26 193,28 165,66 22,65 79,32 56,69 0,77
2015 3,42 753,29 796,28 11,00 44,86 72,66 221,02 176,53 24,17 8,48 74,48 0,93
2016 4,06 756,43 1004,38 7,30 53,23 88,05 248,77 187,40 25,70 62,36 92,27 1,10
2017 4,70 759,57 1212,49 3,60 61,61 103,45 276,51 198,27 27,22 133,20 110,06 1,27
2018 5,34 762,70 1420,59 -0,09 69,99 118,84 304,26 209,14 28,74 204,04 127,85 1,43
Объясняющие факторы Частные коэффициенты эластичности, %
«градообразующие» предприятия «неградообразующие» предприятия
ОПИ_ФОКСОы 69,622 60,548
опи_ппк 12,730 22,768
ОПИ_ПП1М 7,451 11,517
t (время) 2,196 2,0994
сколько процентов увеличится в среднем значение зависимой переменной при изменении ¿-го фактора на 1% относительно своего среднего значения, при условии что остальные факторы имеют фиксированные значения. Частные коэффициенты эластичности рассчитываются для каждой из независимых переменных по формулам:
Е = ду_х^ 1 дх1 у '
(7)
где х1 — среднее значение ¿-го фактора, у — среднее значение зависимой переменной.
Результаты расчета частных коэффициентов эластичности для каждого из объясняющих факторов моделей (6) и (7) сведены в табл.2.
Из табл. 2 видно, что коэффициент эластичности переменной ОПИ_ФОКСО4 _ 1 для градообразующих предприятий составил 69,62%, то есть увеличение затрат на содержание ОСО в среднем около 69% объясняется увеличением затрат на содержании КСО в предыдущий год. Получается, что КСО весьма инерционна. Для «неградообразующих» предприятий, в отличие от градообразующих, коэффициент эластичности переменной ОПИ_ФОКСО4 _ х меньше на 9%, однако показатель текущей прибыли наоборот более чем на 10% оказывает влияние на формирование расходов по социальной инфраструктуре и составляет 22,76%.
Отметим также, что найденные модели (6) и (7) можно использовать при прогнозировании расходов на содержание объектов социальной инфраструктуры, для чего следует задать соответствующий период упреждения прогноза и прогнозные значения аргументов модели. Вопрос надежности прогноза сводится к проблеме нахождения доверительных интервалов прогноза моделей (6) и (7), которые рассчитываются на основании стандартных ошибок коэффициентов моделей.
С помощью построенных регрессионных моделей спрогнозируем относительный показатель интенсивности финансирования объектов КСО на период 2014-2018 гг. с целью выявления тенденции развития КСО на исследуемых предприятиях. Для этих целей проанализируем фактические значения пока-
зателей ОПИ_ФОКСО ретроспективного периода 2011-2013 гг. и составим на основе этих данных прогноз ОПИ_ФОКСО на 2014-2018 гг. период (построим регрессионную модель).
Для оценки объемов финансирования объектов корпоративной социальной ответственности в будущем целесообразно для начала рассчитать значения частных показателей на прогнозируемый период. Методом нормативного прогнозирования (экстраполяция динамического ряда) рассчитаем показатели ОПИ_ПП на 2014-2018 гг. (табл. 3).
Используя уравнения регрессии путем подстановки для «градообразующего» предприятия и остальных (не градообразующих) всех форм собственности, рассчитаем прогнозируемый объем финансирования объектов корпоративной социальной ответственности. Расчеты представим в табл. 4.
Практический смысл найденных моделей заключается в возможности использования их руководством предприятия при планировании будущих расходов на содержание объектов социальной ответственности. На основании полученных расчетов можно сделать вывод, что уровень корпоративной социальной ответственности тем выше, чем равномернее распределены ресурсы на финансирование объектов корпоративной социальной ответственности. Т. е., например, предприятия, имеющие статус «градообразуемости», в прогнозном периоде сокращают объемы финансирования, и их обязательства переходят на другие предприятия, заставляя тем самым остальные предприятия работать в направлении развития корпоративной социальной ответственности.
Результатом деления предприятий на группы согласно статусу «градообразуемости» стало повышение надежности оценок при параметризации моделей. К тому же те предприятия, у которых уровень «гра-дообразумости» высок, свидетельствуют о высоком уровне КСО в целом, но в то же время относительный уровень социальной ответственности неуклонно снижается по остальным предприятиям. Необходимо «уходить» от показателя «градообразуемости» и в дальнейших исследованиях находить способ такого отклонения, так как уровень КСО должен быть равномерно распределен между предприятиями региона и при этом находиться в статистически управляемом
Прогнозные значения показателей ОПИ_ФОКСО в 2014-2018 гг. для предприятий г. Железногорска
Курской области
Показатели 2014 2015 2016 2017 2018 Предприятия
«Неградообразующие предприятия»
ОПИ_ФОКСОй + 1 16 363,97 16 363,97 16 378,04 16 369,88 16 364,23 1
«Градообразующие предприятия»
ОПИ_ФОКСОй + 1 389 348,05 389 344,75 389 344,89 389 345,02 389 345,15 2
ОПИ_ФОКСОй _ 1 24 151,07 24 158,77 24 166,98 24 175,18 24 183,39 3
ОПИ_ФОКСОй _ 1 4790,41 4790,28 4790,15 4790,01 4789,87 4
ОПИ_ФОКСОй _ 1 6871,52 6871,85 6872,18 6872,52 6872,86 5
ОПИ_ФОКСОй _ 1 2093,33 2093,88 2094,50 2095,11 2095,73 6
ОПИ_ФОКСОй _ 1 35 119,23 35 120,34 35 121,44 35 122,54 35 123,64 7
ОПИ_ФОКСОй _ 1 94 643,20 94 617,07 94 617,51 94 617,94 94 618,38 8
ОПИ_ФОКСОй 934,28 934,39 934,46 934,52 934,59 9
ОПИ_ФОКСОй 50 124,63 50 121,26 50 121,65 50 124,21 50 127,01 10
ОПИ_ФОКСОй 13 326,69 13 327,39 13 328,10 13 328,81 13 329,52 11
ОПИ_ФОКСОй 301,94 301,96 301,97 301,99 302,00 12
состоянии. Переход к моделям по панельным данным дал возможность:
• увеличить общее число наблюдений и, как следствие, повысить число степеней свободы;
• временной порядок панельных данных позволил построить динамические модели с распределенными лагами;
• кросс-секционный порядок панельных данных позволил учесть индивидуальные особенности каждого из предприятий, что дало возможность перейти при формировании выборки от отраслевого принципа к территориальному.
Данные модели могут быть использованы при разработке стратегий развития корпоративной социальной ответственности предприятий, а также формирования системы КСО муниципального образования г. Железногорска и Курской области в целом.
Литература
1. Тарасевич А. Л., Камышова А. Б. Плановые и рыночные регуляторы в современной экономике России // Известия Санкт-Петербургского университета экономики и финансов. 2013. № 1 (79). С. 7-15.
2. Никитина Л. М. Факторы формирования механизма управления корпоративной социальной ответственностью // Регион: системы, экономика, управление. 2011. № 1. С. 65-71.
3. Шокола Я. В. Эволюция факторов развития корпоративной социальной ответственности в условиях российской рыночной экономики // Известия Санкт-Петербургского университета экономики и финансов. 2013. № 5 (83). С. 161-164.
4. Вертакова Ю. В., Емельянов С. Г., Зубарев А. С., Харчен-ко Е. В. Эффективная структура инвестиций как доминанта инновационного сценария развития регионального хозяйственного комплекса // Известия Юго-Западного государственного университета. 2011. № 2. С. 13-19.
5. Кокорев П. А. Реализация концепции корпоративной социальной ответственности бизнеса в сфере туризма // Известия Санкт-Петербургского университета экономики и финансов. 2010. № 6. С. 110-113.
6. Модернизации монопрофильного муниципального образования «город Железногорск» Курской области на 20102020 гг.: Комплексный инвестиционный план: [Электронный ресурс]. Режим доступа: http://feradmin.rkursk.ru/ index.php?mun_obr=536&sub_menus_id=18948&print=1&id_ т^=2930.
7. Чулакова А. Л., Широкова Л. В. Измерение уровня корпоративной социальной ответственности бизнеса в регионе // Известия Юго-Западного государственного университета. Серия: Экономика. Социология. Менеджмент. 2011. № 2. С. 75-82.
References
1. Tarasevich A. L., Kamyshova A. B. Planovye i rynochnye regu-lyatory v sovremennoy ekonomike Rossii [Planned and market regulators in modern Russian economy]. Izvestiya Sankt-Peterburgskogo universiteta ekonomiki i finansov [Bulletin of St. Petersburg Univ. of Economics and Finance], 2013, no. 1 (79), pp. 7-15.
2. Nikitina L. M. Faktory formirovaniya mekhanizma upravleniya korporativnoy sotsial'noy otvetstvennost'yu [Factors of formation of the mechanism of management the corporate social responsibility]. Region: sistemy, ekonomika, upravlenie, 2011, no. 1, pp. 65-71.
3. Shokola Ya. V. Evolyutsiya faktorov razvitiya korporativnoy sotsial'noy otvetstvennosti v usloviyakh rossiyskoy rynochnoy ekonomiki [Evolution of the main corporate social responsibility drivers in the Russian market economy]. Izvestiya Sankt-Peterburgskogo universiteta ekonomiki i finansov [Bulletin of St. Petersburg Univ. of Economics and Finance], 2013, no. 5 (83), pp. 161-164.
4. Vertakova Yu. V., Emel'yanov S. G., Zubarev A. S., Kharchen-ko E. V. Effektivnaya struktura investitsiy kak dominanta in-novatsionnogo stsenariya razvitiya regional'nogo khozyay-stvennogo kompleksa [Effective structure of investments as a dominant of the innovative scenario of development of a regional economic complex]. Izvestiya Yugo-Zapadnogo go-sudarstvennogo universiteta [Bulletin of the Southwestern State University], 2011, no. 2, pp. 13-19.
5. Kokorev P. A. Realizatsiya kontseptsii korporativnoy sotsial'noy otvetstvennosti biznesa v sfere turizma [Implementation of the concept of corporate social responsibility of business in tourism]. Izvestiya Sankt-Peterburgskogo universiteta ekonomiki i finansov [Bulletin of St. Petersburg Univ. of Economics and Finance], 2010, no. 6, pp. 110-113.
6. Comprehensive investment plan of the modernization of monoprofile municipality "The city of Zheleznogorsk" of the Kursk Region for 2010-2020. Available at: http://feradmin. rkursk.ru/index.php?mun_obr=536&sub_menus_
id=18948&print=1&id_mat=2930. (in Russ.).
7. Chulakova A. L., Shirokova L. V. Izmerenie urovnya korporativnoy sotsial'noy otvetstvennosti biznesa v regione [Measurement of the level of corporate social responsibility of business in region]. Izvestiya Yugo-Zapadnogo gosudarstvennogo universiteta. Ser.: Ekonomika. Sotsiologiya. Menedzhment [Bulletin of the Southwestern State University. Ser.: Economics. Sociology. Management], 2011, no. 2, pp. 75-82.