CC BY
0
I ВСЕРОССИЙСКАЯ НАУЧНО-ПРАКТИЧЕСКАЯ КОНФЕРЕНЦИЯ «ВЗАИМОДЕЙСТВИЕ БИЗНЕСА И ГОСУДАРСТВА»
Федорова С.О.
студентка 4 курса факультета социальных наук Высшей Школы Экономики
sophie.fedorova@mail. ги
ПРОБЛЕМЫ РЕАЛИЗАЦИИ ГОСУДАРСТВЕННОЙ ПОЛИТИКИ В СФЕРЕ СТИМУЛИРОВАНИЯ ИНВЕСТИЦИОННОЙ ДЕЯТЕЛЬНОСТИ БИЗНЕСА
Аннотация: отрасль легкой промышленности заметно развивается в России последние годы, однако имеет определенную специфику и проблемы, затрудняющие ее развитие. В связи с этим она нуждается в качественной государственной поддержке.
С целью анализа эффективности государственной поддержки легкой промышленности было проведено это исследование. Результаты данного исследования могут иметь важные последствия для понимания правильных способов осуществления субсидиарной поддержки бизнеса с целью повышения инвестиционной активности бизнеса.
Гипотезой в данном исследовании выступает тезис «Субсидии оказывают значимое положительное влияние на инвестиционную активность предприятий легкой промышленности в России», предметом являются предприятия легкой промышленности, получавшие субсидии от Министерства промышленности и торговли РФ за 2017-2018 гг.
Цель данной работы: оценить эффективности субсидиарных механизмов государственной поддержки легкой промышленности на основе анализа их влияния на уровень инвестиционной активности, выработать рекомендации по совершенствованию качественных и количественных параметров субсидиарной поддержки в сфере легкой промышленности. Методы: логическое моделирование, анализ, синтез, обобщение и сравнение, контент-анализ, сравнительный анализ, построение корреляционной матрицы, моделирование множественной линейной регрессии.
Результаты исследования показали, что государственные субсидии оказали сильное влияние на инвестиционную активность предприятий легкой промышленности. Субсидии, предоставляемые субъектам легкой промышленности, эффективны, однако получателей субсидий крайне мало в связи с высокими административными и бюрократическими барьерами. Таким образом государство не обеспечивает комплексную поддержку, необходимую отрасли легкой промышленности.
Ключевые слова: легкая промышленность, субсидии, инвестиционная активность
Введение
В современной экономике инвестиции играют ключевую роль в развитии бизнеса и обеспечении экономического роста государства в целом. В связи с этим, государственная политика в области стимулирования инвестиционной деятельности бизнеса становится все более актуальной и значимой для общества. Однако, несмотря на разработку и реализацию соответствующих программ и мер поддержки со стороны государства, эффективность государственной политики по стимулированию инвестиционной деятельности бизнеса часто остается недостаточной.
Инвестиционная активность предприятий является важным фактором развития любой отрасли, включая легкую промышленность. Инвестиции позволяют предприятиям модернизировать свое производство, увеличить эффективность использования ресурсов, внедрить новые технологии и повысить качество продукции. Более того, инвестиции в основной капитал могут приводить к увеличению производственных мощностей и расширению производства, что положительно влияет на экономический рост страны в целом.
Важность инвестиционной активности предприятий заключается в том, что в процессе крупномасштабных изменений в политике или экономике, большое внимание уделяется инвестиционной активности предприятий. Именно проблема повышения инвестиционной активности является одной из наиболее важных аспектов реформирования экономики [4].
Заместитель Председателя Правительства Российской Федерации- министр промышленности и торговли Российской Федерации, Денис Мантуров, отмечает, что «Сложившаяся сегодня ситуация создаёт беспрецедентные возможности для экспансии наших производителей на российском рынке. Масштабирование производств, повышение узнаваемости и качества продукции, развитие компетенций по международным стандартам - основные направления работы на ближайшее время по всей цепочке кооперации - от сырья до готовой продукции. Особое внимание уделим обеспечению текстильного и швейного производства сырьем».1 Действительно, на данный момент сферы производства в России, в связи с санкционными ограничениями и уходом компаний из России должны подстроиться и научиться выживать в новых реалиях, однако, сложная экономическая ситуация не позволит компаниям самостоятельно усиливать и укреплять свои позиции на рынке. Поэтому для качественного развития предпринимательства в России бизнесу необходима государственная поддержка.
На сегодняшний день отрасль легкой промышленности России составляет 20 тысяч предприятий. От общего объема рынка легкая промышленность составляет 1,04%.
Согласно статистике 2022 г., 51% производств занят в производстве текстильных изделий, 36% процентов рынка занято производством одежды, а остальные 31% производит кожу и изделия из кожи2. Легкая промышленность в России обеспечивает около 1% годового ВВП, однако из-за импорта товаров, теряется 1,1% ВВП 3.
Согласно данным Министерства промышленности и торговли Российской Федерации, объем рынка легкой промышленности России составлял 1 836,2 млрд. рублей. Доля российского производства на рынке всей легкой промышленности России в 2021 г. составляло 36%4.
Сегодня мировая легкая промышленность развивается в направлении производства синтетических тканей, в России преобладающими направлениями на сегодняшний день остаются хлопчатобумажные и синтетические. Россия имеет достаточно высокий потенциал в развитии производства синтетических производств [2]. Развитая инфраструктура нефтяной и химической промышленности, а также наличие отраслей потребления являются одними из важных факторов, создающих потенциал для развития конкурентоспособности5.
Важность развития легкой промышленности заключается в том, что предприятия производят продукцию товарного, специального и производственно-технологического направлений, так как в данную отрасль включено более 20 различных видов производств, использующихся в различных сферах, например авиастроение, автомобилестроение, медицина, сельское хозяйство, строительство, спорт и военное дело. От общего объемы
1 Государство окажет поддержку легпрому для масштабной кампании по импортозамещению. URL: https://dmitryshishkin.com/news/ (дата обращения: 18.04.2023).
2 Об отрасли легкой промышленности. URL: https://www.ruslegprom.ru/ (дата обращения: 18.04.2023).
3 Стратегия развития легкой промышленности на период до 2020 года. Постановление Правительства РФ от 15.09.2011 № 1822-р. URL: https://ivgpu.ru/images/docs/nauka/dokumenty/strategiya-razvitiya-leg-prom.pdf (дата обращения: 15.04.2023).
4 Меры государственной поддержки отрасли легкой промышленности России. URL: https://www.ruslegprom.ru/wp-content/uploads/Брошюра мер господдержки.pdf (дата обращения: 18.04.2023).
5 Стратегия развития легкой промышленности на период до 2020 года. Постановление Правительства РФ от 15.09.2011 № 1822-р. URL: https://ivgpu.ru/images/docs/nauka/dokumenty/strategiya-razvitiya-leg-prom.pdf (дата обращения: 15.04.2023).
рынка, легкая промышленность занимает 1,04%. А количество людей, занятых в отрасли, близко к 300 тысячам1.
Одним из самых важных и основополагающих документов по развитию текстильной промышленности является Стратегия развития легкой промышленности в Российской Федерации до 2025 года, принятая Министерством промышленности и торговли Российской Федерации. Целью стратегии является развитие устойчивости производств, задействованных в легкой промышленности, и их интеграция в мировую систему. Согласно данной стратегии, объем легкой промышленности в ВВП планируется увеличить до 360 млрд. рублей.
Приоритетными направлениями данной стратегии являются:
1) Развитие технологичности цепочек ресурсов и материалов.
2) Развитие существующих успешных предприятий, их сохранение.
3) Расширение доли «белого импорта» за счет снижения нелегальной части производства и торговли [5].
Одной из главных проблем российского рынка одежды и легкой промышленности является большая доля нелегальной продукции на рынке, развитие теневого рынка происходит по причине несоответствия реализуемых товаров запросам российских потребителей, низкий уровень развития индустрии моды, низкий уровень заработных плат в сфере, несмотря на высокую трудоемкость, сложные и высокие требования со стороны государства к оборудованию, аккредитации рабочих мест, и др [6].
Одним из важных показателей является степень износа основных фондов. Показатель износа основных фондов является важным показателем для легкой промышленности в России по нескольким причинам.
Во-первых, износ основных фондов (зданий, сооружений, оборудования и т. д.) свидетельствует о том, что эти активы достигли определенного возраста и потребуют замены или модернизации, чтобы продолжать обеспечивать необходимый уровень производственной мощности и качества продукции.
Во-вторых, высокий уровень износа основных фондов может оказывать отрицательное влияние на производительность и конкурентоспособность предприятий легкой промышленности в России. Устаревшее оборудование и технологии могут не только замедлять процесс производства, но и увеличивать расходы на энергию и ресурсы, что отрицательно влияет на прибыльность предприятий.
Наконец, показатель износа основных фондов может служить индикатором необходимости инвестирования в обновление производственных активов. Высокий уровень износа может свидетельствовать о том, что предприятие должно совершить значительные инвестиции в замену или модернизацию оборудования и других основных фондов, чтобы оставаться конкурентоспособным и успешным на рынке.
По состоянию на 2021 г. степень износа основных фондов в производстве текстильных изделий, одежды и кожи более 50%, что является крайне высоким показателем. В частности, показатель изношенности машин и оборудования в производстве одежды и кожи более 70%, изношенность оборудования в производстве текстильных изделий ниже, чем в производстве одежды, однако он превышает 60%. Таким образом на производствах легкой промышленности в России оборудование является старым и изношенным, вследствие этого предприятиям вскоре необходимо будет организовывать замену, а государство, для обеспечения развития предприятий и их конкурентоспособности, должно разрабатывать меры поддержки бизнеса для замены изношенного оборудования2.
Другим важным статистическим показателем инвестиционной активности легкой промышленности является показатель инвестиций в основной капитал.
1 Об отрасли легкой промышленности. URL: https://www.ruslegprom.ru/ob-otrasli/ (дата обращения: 18.04.2023).
2 Социально-экономическое положение субъектов Российской Федерации. URL: https://rosstat.gov.ru/folder/14304 (дата обращения: 12.04.2023).
109
Инвестиции в основной капитал — это вложения средств в приобретение и модернизацию основных средств организации, таких как здания, оборудование, машины и технологии. Это может быть сделано в рамках любой экономической деятельности и для любой организации.
Например, в странах с развитой промышленностью может быть больше инвестиций в основной капитал в промышленности, в то время как в странах, где доминирует сектор услуг, инвестиции могут быть более распределены по этому сектору.
Согласно государственной статистике инвестиции в основной капитал в 2017 г. инвестиции в производстве текстильных изделий составили 10 млрд. руб., а в производстве одежды 4 млрд. руб. Что является достаточно низким показателем1.
Низкие инвестиции в основной капитал легкой промышленности могут привести к нескольким негативным последствиям.
Во-первых, оборудование и машины, которые используются в производстве, могут стать устаревшими и менее эффективными. Это может привести к снижению производительности, увеличению затрат на производство и снижению конкурентоспособности на рынке.
Во-вторых, недостаточные инвестиции в основной капитал могут означать, что компании не могут увеличить объем производства, что может снизить их способность удовлетворять растущий спрос на товары и услуги.
В-третьих, отсутствие инвестиций в основной капитал может свидетельствовать о недостатке долгосрочных стратегий управления бизнесом, что может негативно повлиять на финансовую устойчивость компании в будущем.
В свете этих рисков низкие инвестиции в основной капитал легкой промышленности могут негативно сказаться на ее конкурентоспособности и долгосрочной успешности.
Одной из главных особенностей легкой промышленности в России является ее развитие в условиях серьезной конкуренции со стороны зарубежных производителей, которые в последние годы активно входят на российский рынок. В связи с этим, компании легкой промышленности вынуждены не только постоянно совершенствовать технологии производства и повышать качество товаров, но и активно искать новые рынки сбыта и формы сотрудничества с иностранными партнерами.
Еще одной особенностью легкой промышленности в России является высокая доля малого и среднего бизнеса в отрасли. Многие компании легкой промышленности создаются и развиваются благодаря индивидуальному предпринимательству, что способствует разнообразию и динамичности рынка товаров народного потребления.
К главным проблемам отрасли легкой промышленности в России относится следующие: технологическое отставание, низкий уровень инвестиционной и инновационной активности и слабое развитие среды. На данный момент возможностями решения данных проблем могут являться инвестиции, направленные на перевооружение производств, инвестиции в исследования, повышение квалификации работников, цифровизация и внедрение технологических инноваций. Одним из эффективных шагов для развития отрасли может стать создание экосистемы по развитию инновационной, инвестиционной и технологической составляющей отрасли. Внедрение государственных мер поддержки, инвестиции в инфраструктуру, поддержка государством научных исследований в рамках деятельности субъектов легкой промышленности. Помимо этого, создание экосистемы может послужить фактором внедрения в цепи производств крупных предприятий малого и среднего бизнеса.
В России легкая промышленность занимает значительную долю в структуре промышленности страны и имеет высокий потенциал для развития. Тем не менее, в отрасли
1 Федеральная служба государственной статистики. URL: https://fedstat.ru/indicator/59047 (дата обращения: 12.04.2023).
существует ряд проблем, связанных с устаревшим оборудованием, отсутствием инноваций, низкой эффективностью производства и др.
Исследование Иванова В., Львовой Н., и Покровской Н. показало, что предприятия, пользовавшиеся налоговыми льготами, имели больший уровень инвестиционной активности. В ходе проведения исследование авторами были получены следующие выводы: инвестиционная активность предприятий напрямую влияет на их развитие и успех на рынке, повышает их конкурентоспособность и способствует улучшению качества продукции, что влияет на удовлетворенность потребителей и росту прибыльности бизнеса [3].
Субсидии являются важным механизмом поддержки легкой промышленности в России. Они могут применяться для финансирования научно-исследовательских работ, модернизации оборудования, повышения квалификации персонала и др. Существуют различные подходы к определению субсидий, например субсидии «по добыче» и «инвестиционные субсидии». Также можно выделить либеральный подход к субсидиям, в рамках которого субсидии воспринимаются как механизм, препятствующий эффективной работе экономики и кейнсианский, в рамках которого субсидии являются важным механизмом стимулирования экономики.
Однако существует ряд специфических особенностей, связанных с применением субсидий в отрасли, например, связанных с проблемой оценки эффективности инвестиций и использования субсидий для финансирования текущих расходов. Эффективность субсидий для повышения инвестиционной активности легкой промышленности также подтверждается в зарубежных исследованиях [7].
В целом можно сделать вывод, что субсидии являются важным инструментом развития легкой промышленности в России, но их использование должно быть сбалансированным и эффективным. Необходимо учитывать специфику отрасли и осуществлять мониторинг эффективности использования субсидий в легкой промышленности. Кроме того, разработка инноваций и повышение квалификации персонала также являются важными аспектами развития отрасли, на которые необходимо обращать внимание.
Методология исследования
Субсидии могут быть важным механизмом для оценки инвестиционной активности предприятий по нескольким причинам. Во-первых, получение субсидий может свидетельствовать о том, что предприятие заинтересовано в развитии своей деятельности и готово вкладывать в нее дополнительные ресурсы. Во-вторых, условия получения субсидий могут быть связаны с выполнением определенных инвестиционных проектов, что может способствовать увеличению инвестиционной активности предприятия. В-третьих, получение субсидий может дать предприятию дополнительные финансовые возможности для инвестирования в развитие производства.
Инвестиционная активность может изменяться в натуральном выражении в виде показателя "Платежи по инвестиционной деятельности" ОДДС или в относительном выражении в виде Платежей/Выручку или Платежей/Чистую прибыл. В данном исследовании под инвестиционной активность понимаются затраты предприятий на инвестиционную деятельность.
Однако, необходимо учитывать, что получение субсидий не всегда является достаточным критерием для оценки инвестиционной активности предприятия. Например, предприятие может получить субсидии без наличия стратегии развития, что может привести к нерациональному использованию полученных средств. Также, субсидии не являются единственным механизмом оценки инвестиционной активности предприятия, и необходимо учитывать и другие факторы.
С целью анализа влияния субсидий на инвестиционную активность предприятий, в данном исследовании будет проведено количественное исследование. Количественный
метод анализа, используемый в данном исследовании, заключается в анализе финансовой отчетности компаний легкой промышленности, а также в анализе влияния полученных предприятиями субсидий на их финансовые показатели и результаты. Данные для анализа, представляющие из себя названия фирм и их финансовые показатели, собираются в системе СПАРК, а также на сайте агрегатора субсидий - Министерства промышленности и торговли.
Оценка связи субсидий с инвестиционной активностью конкретного предприятия может проводиться с помощью следующих методов:
1. Сравнительный анализ: сравниваются показатели инвестиционной активности предприятий, которые получили субсидии, с аналогичными показателями предприятий, которые не получали субсидии. Если предприятия, получившие субсидии, показывают более высокие показатели инвестиционной активности, чем те, которые не получали субсидии, можно предположить связь между субсидиями и инвестиционной активностью.
2. Метод расчета коэффициента корреляции: рассчитывается коэффициенты корреляции Спирмена и Кендалла между бинарным индикатором наличия субсидий и показателями инвестиционной активности конкретного предприятия. Если коэффициент корреляции положительный и является значимым, можно предположить, что между субсидиями и инвестиционной активностью существует связь.
3. Метод множественной регрессии: используется для определения взаимосвязи между субсидиями и инвестиционной активностью, учитывая при этом влияние других факторов, таких как рентабельность активов, выручка, коэффициент обеспеченности собственными средствами и т. д. Результаты анализа могут показать, какую долю дисперсии целевой переменной можно предсказать с помощью полученных нами регрессоров, а также какие из коэффициентов (регрессоров) являются значимыми для построения модели.
Анализ финансовой отчетности компаний легкой промышленности является важным инструментом для оценки эффективности субсидий, так как позволяет определить текущее состояние компаний и их финансовую устойчивость. Например, путем анализа отчетности можно определить, достаточно ли компания получает прибыли и может ли она себе позволить инвестировать в новое оборудование или расширение производства без дополнительной помощи от государства.
Анализ финансовой отчетности также позволяет определить эффективность использования предыдущих субсидий и помощи от государства. Если компания не показывает улучшения в финансовых показателях, несмотря на получение субсидий, это может указывать на неэффективное использование субсидий или на неспособность компании эффективно управлять своими ресурсами.
Таким образом, анализ финансовой отчетности компаний легкой промышленности является необходимым шагом в определении эффективности субсидий и оценки того, какие виды поддержки могут быть наиболее эффективными для конкретных компаний.
Выборка исследования включает в себя 709 компании легкой промышленности. Данные по компаниям были собраны из системы СПАРК за 2019 - 2022 гг. Эта выборка была отобрана чтобы провести исследование, связанное с отраслевыми тенденциями, экономическими и финансовыми показателями, эффективностью использования ресурсов и другими важными характеристиками.
Исходная выборка данных состояла из 16735 компаний, однако в системе СПАРК информация об инвестиционной активности содержится только в 709 компаниях. Выборка включает компании разного размера и с разным уровнем доходов, что позволяет получить более полное представление о состоянии отрасли в целом. Ограничением выборки служит то, что не все компании имеют полностью заполненные ОДДС (отчеты о движении денежных средств), соответственно данные по ним получить невозможно и на общий анализ они не влияют.
Помимо этого, была собрана выборка компаний, получавших федеральные субсидии в 2017, 2018, 2019 гг. Решение об анализе субсидий за 2017, 2018 и 2019 гг. было принято на основании того, что субсидии, как механизм поддержки, имеет определенный временной лаг и ее результат на инвестиционную активность фирмы не моментальный, а проявляющийся через определенные период времени.
Таким образом в результате поиска получателей субсидий за 2017-2019 гг. от Министерства промышленности и торговли, в выборке из 709 компаний из СПАРК присутствуют 71 компания, получившие субсидии.
Финансовые показатели, рассматриваемые в рамках анализа, включают в себя 27 показателей.
Результаты исследования
С целью анализа инвестиционной активности предприятий легкой промышленности на территории РФ была построена корреляционная матрица по описанной ранее выборке. Анализ будет проводиться по одной целевой переменной: платежи по инвестиционным операциям.
Платежи по инвестиционным операциям отражают движение денежных средств, связанных с приобретением, созданием или продажей долгосрочных активов, таких как недвижимость, оборудование, патенты, лицензии и т. д.
Такие платежи могут включать в себя приобретение или продажу акций или долей в других компаниях, а также инвестиции в исследования и разработки новых продуктов или технологий. Платежи по инвестиционным операциям могут также включать расходы на приобретение или улучшение долгосрочных активов, а также поступления от продажи таких активов. Этот показатель является важным компонентом отчета о движении денежных средств (ОДДС) и помогает понять, как компания использует свои денежные средства на инвестиции.
Для анализа связи финансовых показателей с целевой переменной (платежами по инвестиционным операциям) строится корреляционная матрица. Корреляционная матрица -это квадратная матрица, в которой каждый элемент является коэффициентом корреляции между двумя соответствующими переменными в наборе данных. В нашем случае, так как это финансовые показатели, переменные являются непрерывными, поэтому используется корреляция Пирсона.
Однако если мы хотим оценить взаимосвязь между бинарной переменной, отражающей наличие субсидии (индикатор субсидии), и платежами по инвестиционным операциям (инвестиционные расходы), то более целесообразно будет использовать ранговые корреляции Спирмена и Кендалла.
Таким образом удалось получить следующую корреляционную матрицу по 2019 г. (см. рис. 1).
Платежи по инвестиционным операциям имеют слабую положительную корреляцию с нераспределенной прибылью. Примерно такие же значения корреляции целевая переменная имеет с объемом прочих внеоборотных активов, чистых активов и объема капиталов и резервов.
Если смотреть на корреляцию индикатора субсидий с платежами по инвестиционным операциям, корреляция Спирмена равна 0.206, корреляция Кендалла равна 0.203, при этом значения p-value коэффициентов стремятся к нулю, что свидетельствует о значимости данных корреляционных показателей. P-value - вероятность ошибки при том, что мы отклоняем нулевую гипотезу в случае, если она верна (ошибка первого рода). В данном случае нулевая гипотеза гласит, что коэффициенты равны нулю. Так как p- value равна нулю, мы принимаем альтернативную гипотезу, что коэффициенты не равны нулю.
Всего было построено 4 корреляционные матрицы по 2019, 2020, 2021 и 2022 гг., все они выдали одинаковые результаты и значимые переменные.
Таким образом, существует несколько значимых переменных, которые коррелируют с платежами по инвестиционным операциям, индикатор субсидий является одной из данных значимых переменных. Соответственно, наличие субсидий положительно влияет на увеличение инвестиционных расходов организации.
Также мы можем посмотреть на график инвестиционных расходов в разрезе компаний, получавших и не получавших субсидии (см. рис. 2).
По графику заметно, что компании, получавшие субсидии, в среднем имеют большие инвестиционные расходы. Расходы компаний, получавших субсидии, ежегодно стабильно растут, а за 4 года выросли примерно в 6 раз. Более того, ежегодно разрыв между средними в двух группах увеличивается. Это подтверждает гипотезу о положительном влиянии субсидий на инвестиционную активность предприятий.
Для оценки того, какие переменные имеют значимое влияние на платежи по инвестиционным операциям, можно построить множественную линейную регрессию. Линейные регрессии будут также построены и проанализированы по годам.
В первую очередь рассмотрим линейную регрессию за 2019 г. (см. рис. 3). Всего было сделано 3 итерации на каждой из которых удалялись незначимые регрессоры. В итоге значимыми регрессорами оказались: Индикатор субсидии, доходы, расходы, прочие внеоборотные активы, запасы, чистые активы, оборотные активы, активы всего, капитал и резервы, долгосрочные обязательства, чистая прибыль и рентабельность капитала.
Коэффициент при переменной индикатора субсидии отражает своего рода среднее различие в инвестиционных расходах между компаниями, получавшими и не получавшими субсидии (в среднем 81,4 млн руб). Так как этот коэффициент больше нуля, то наличие субсидии положительно сказывается на объеме платежей по инвестиционным операциям.
При этом модели равен 0,858, соответственно, 85,8% дисперсии зависимой переменной (платежей по инвестиционным операциям) может быть объяснено линейной зависимостью от независимых переменных. Это является хорошим показателем для модели линейной регрессии.
В результате построения множественной регрессии за 2020 г. в ходе двух итераций были получены следующие значимые переменные: индикатор субсидии, доходы, расходы, нематериальные активы, основные средства, прочие внеоборотные активы, запасы, чистые активы, добавочный капитал, нераспределенная прибыль, долгосрочные обязательства, выручка, валовая прибыль, чистая прибыль, сальдо денежных потоков от текущих операций (см. рис. 4).
Таким образом индикатор субсидий, доходы, расходы, прочие внеоборотные активы, запасы, чистые активы, чистая прибыль заново оказались значимыми переменными.
В результате построения множественной регрессии за 2021 г. в ходе трех итераций, были получены следующие значимые переменные: индикатор субсидии, доходы, расходы, основные средства, внеоборотные активы, чистые активы, оборотные активы, долгосрочные обязательства, выручка, чистая прибыль (см. рис. 5).
Таким образом значимыми повторяющимися переменными снова оказались: индикатор субсидий, доходы, расходы, чистые активы, чистая прибыль.
В результате построения множественной регрессии за 2022 г. в ходе трех итераций были получены следующие значимые переменные: индикатор субсидии, расходы, нематериальные активы, прочие внеоборотные активы, чистые активы, оборотные активы, добавочный капитал, капитал и резервы, долгосрочные обязательства, краткосрочные обязательства, чистая прибыль (см. рис. 6).
Таким образом в результате построения множественной регрессии можно сделать следующий вывод: к переменным, оказывающим влияние на целевую переменную (платежи
по инвестиционным операциям), относятся индикатор субсидий, расходы, чистые активы, чистая прибыль.
Описание результатов исследования
В ходе сравнительного анализа, построения корреляционной матрицы и построения модели линейной множественной регрессии гипотеза о прямом положительном влиянии субсидий на инвестиционную активность была подтверждена. Следующие регрессоры оказались значимыми в результате построения 4 моделей линейной регрессии по 4 анализируемым годам (2019, 2020, 2021, 2022).
• Индикатор субсидий. Индикатор субсидий является одной из наиболее значимых переменных, оказывающих постоянное положительное и значительное влияние на платежи по инвестиционным операциям. Это свидетельствует о том, что субсидирование компании влечёт за собой повышение её расходов на инвестиционную деятельность.
• Расходы. Высокие расходы могут означать большие инвестиции в активы, что может увеличить платежи по инвестиционным операциям. Однако, если расходы не сопровождаются достаточной прибыльностью, это может привести к снижению инвестиционной активности из-за недостаточности собственных средств предприятия.
• Чистые активы. Высокие чистые активы могут свидетельствовать о хорошей финансовой устойчивости компании, что способствует повышению инвестиционной активности. Однако, это также может привести к увеличению платежей по инвестиционным операциям, если компания использует чистые активы для приобретения новых активов.
• Чистая прибыль. Высокая чистая прибыль может означать хорошую финансовую устойчивость компании и ее возможность увеличения инвестиций. Однако, если компания не инвестирует достаточно средств в развитие и приобретение новых активов, это может привести к низкой инвестиционной активности.
Выводы
В настоящее время легкая промышленность является одной из важнейших отраслей экономики во многих странах, включая Россию. Однако, в условиях растущей конкуренции и экономических трудностей, инвестиционная активность в этой отрасли становится все более ограниченной. Это подтверждают и статистические данные, использованные в данной работе: показатель изношенности оборудования в сфере легкой промышленности приближен к 70%, а инвестиции компаний в собственный капитал равен 10 млрд. рублей.
Легкая промышленность в России - это одна из ключевых отраслей национальной экономики, которая занимается производством широкого спектра товаров народного потребления, таких как текстиль, одежда, обувь, кожгалантерея, мебель, игрушки, посуда, товары для дома и многое другое. Особенностью легкой промышленности в России является ее высокая диверсификация, что позволяет производить множество различных товаров, удовлетворяющих потребности широкого круга потребителей.
Для государства предоставление субсидий является своеобразной инвестицией, поскольку рост предприятий означает их развитие, представляющее собой рост выручки и прибыли, что в свою очередь напрямую ведет к росту налогооблагаемой базы.
Государственные субсидии являются одним из главных механизмов поддержки и стимулирования развития предприятий, а именно их инвестиционной активности. Существующих на данный момент субсидий для легкой промышленности достаточно много, однако, в ходе анализа мер поддержки было установлено, что данные меры имеют специфические ограничения и высокие барьеры для входа, поэтому мало компаний могут их получить, в связи с этим компании-получатели субсидий ежегодно повторяются, что ведет к их развитию, а не к равномерному развитию всей отрасли в целом.
В связи с этим, государство может использовать инструмент субсидирования для стимулирования инвестиционной деятельности в легкой промышленности, так как данный механизм подтвердил свою эффективность, однако для интенсивного и качественного
развития отрасли, государство должно снизить барьеры для участия в конкурсах на получение субсидий компаниями, что позволит большему числу участников попасть в отбор и получить государственную поддержку для развития предприятий, в ходе проведенного анализа было выявлено, что только 70 компаний за 3 года получали субсидию, более того, большое количество компаний получало субсидии повторно. Отрасль легкой промышленности включает в себя гораздо большее число компаний и организаций, поэтому на данный момент отрасль не развивается, поскольку получатели субсидий одни и те же.
Государству стоит создавать возможность получения субсидий большему числу компаний, снижая административные барьеры и, возможно, запрещая повторное участие в конкурсе 2 и более года подряд. Помимо этого, государство должно предоставлять субсидии, которые соответствуют специфике отрасли. Одной из важнейших специфик отрасли легкой промышленности является высокая доля ручного труда и высокая потребность в высококвалифицированных работниках. К сожалению, на данный момент отсутствуют меры поддержки, направленные на данную специфику, что ведет к замедлению развития отрасли и ее отставанию.
Литература:
1. Бонцевич Т. Поиск форм сотрудничества при реализации проектов экономического развития регионов. - Гомель: ГГУ, 2013.
2. Бутов А.М. Рынок продукции текстильного производства. - М.: Институт «Центр развития», НИУ ВШЭ, 2017. - 62 с.
3. Иванов В., Львова Н., Покровская Н. Факторы, определяющие налоговые стимулы для инвестиционной деятельности предприятий// Журнал налоговых реформ, 2018. № 2. Т. 4. С. 125-141.
4. Какора М.И. Классификация факторов, оказывающих влияние на инвестиционную деятельность организации// Вестник Могилевского университета им. А. А. Куляшова, 2009. № 1(32). С. 83-91.
5. Каукин А. Инвестиционная активность предприятий: ключевой фактор развития и конкурентоспособности. - М.: Бизнес-менеджмент, 2014.
6. Литвинова А. Анализ ситуации в российской легкой промышленности// Вестник Российского университета дружбы народов. Серия: Экономика, 2014. № 2. С. 18-28.
7. Чжан Ю., Лю С., Ван М. Эффективность государственных субсидий на производственные инновации: данные индустрии новых энергетических транспортных средств в Китае // Устойчивое развитие, 2018. № 10(6).
References:
1. Boncevich T. Poisk form sotrudnichestva pri realizacii proektov ekonomicheskogo razvitiya regionov. - Gomel': GGU, 2013.
2. ButovA.M. Rynok produkcii tekstil'nogo proizvodstva. - M.: Institut «Centr razvitiya», NIU VSHE, 2017. - 62 s.
3. Ivanov V., L'vova N., Pokrovskaya N. Faktory, opredelyayushchie nalogovye stimuly dlya investicionnoj deyatel'nosti predpriyatij// ZHurnal nalogovyh reform, 2018. № 2. T. 4. S. 125-141.
4. Kakora M.I. Klassifikaciya faktorov, okazyvayushchih vliyanie na investicionnuyu deyatel'nost' organizacii// Vestnik Mogilevskogo universiteta im. A. A. Kulyashova, 2009. № 1(32).
5. 83-91.
5. Kaukin A. Investicionnaya aktivnost' predpriyatij: klyuchevoj faktor razvitiya i konkurentosposobnosti. - M.: Biznes-menedzhment, 2014.
s о
I
I
к о
X
а §
о
к Ö К)
к*
VO
Со
2019, Поступления от инвестиционных операций. RUB 2019. Доходы. RUB 2019. Запасы. RUB 2019, Чистые активы. RUB 2019. Активы всего. RUB 2019, Капитал и резервы. RUB 2019, Прочие внеоборотные активы, RUB 2019. Внеоборотные активы. RUB 2019, Пассивы всего. RUB 2019. Платежи по инвестиционным операциям. RUB 2019. Сальдо денежных потоков от инвестиционных операций. RUB 2019. Нераспределенная прибыль (непокрытый убыток). RUB 2019. Выручка. RUB 2019. Основные средства . RUB 2019, Налоги. RUB 2019. Валовая прибыль (убыток). RUB 2019, Оборотные активы. RUB 2019, Расходы. RUB
§ ? !» I
¥ 3
g 2
(О
S *
z n
г ш
o а
э s
<0 D
"Я г
M а
со 'г 3 § CD го о «о
в э ? JC fj §
i 1 I СО
1 5 я g _
? О f
Я я С
С
Я
■в s
и
о
%
re
я s
п
ça з N 3 < О
5-' ^
^ О
ю Fr
о ^
00 fa 3
ío> ^
^ <т>
с
3
<'
сг>
On
3 С
(Л
3
I
4
Я
s;
о\
fa
3
0
<
3"
<т> 3
01
CIQ О
о" 3"
<т>
И
З1
N 3"
а*
^
3
fa
О
о
<
^ хл Ö m
£
fa
^ О fa з:
3 о
3
О
3
о
< 3
о
И
to о
Н-. И
(v ïv fa ,0
fa 3
И
43 О
Л
3
^
3"
<т>
(Л
CIQ О
(Л
С
fa
(Л <
fC 3
3
^
3"
И
С Стел
О
CIQ (V
43 О
. 3
00 g-к> аГ
-- з
з о
(Л
ю сл
00
W 3 S.-
fa —¡
а 42
С
(Л
N
<
О
О 3"
<
Ol < §
0 ^
01 Ol
< Ol
(Л
3
я1 ф
о
(Л (Л
ïv о
CIQ О
Ь3
л ÏÏ
I ф
a a
о> St
S
a «
Ьв g
£ I
S St
^ Sri
* О
if» S
u» §
^ s K> S
^ S
N ?
OLS Regression Results
)ер. Variable:
■lodel:
•lethod :
)ate:
Time:
Jo. Observations: )f Residuals: )f Model: lovariance Type:
Платежи по инвестиционным операциям, RUB
OLS
Least Squares Tue, 16 May 2023 02:55:38 8936 8924 12
nonrobust
R-squared (uncentered):
Adj. R-squared (uncentered):
F-statistic:
Prob (F-statistic):
Log-Likelihood:
AIC:
BIC:
coef
std err
p>iti
Индикатор субсидии 8.138е407 9.39е+0б 8.665
2019, Доходы, RUB -0.5275 0.121 -4.363
2019, Расходы, RUB 0.5498 0.122 4.489
2019, Прочие внеоборотные активы, RUB 8.4870 0.279 30.456
2019, Запасы, RUB -0.2633 0.017 -15.955
2019, Чистые активы, RUB -0.5044 0.188 -2.680
2019, Оборотные активы, RUB 0.2605 0.015 17.012
2019, Активы всего, RUB -0.1499 0.012 -12.163
2019, Капитал и резервы, RUB 0.6423 0.188 3.408
2019, Долгосрочные обязательства, RUB 0.0721 0.012 6.100
2019, Чистая прибыль (убыток), RUB 0.7124 0.131 5.417
2019, Рентабельность капитала (ROE), * -6143.7897 2039.753 -3.012
0.000 0.000 0.000 0.000 0.000 0.007 0.000 0.000 0.001 8.000 0.000 8.003
ómnibus: 23861. .919 Durbin-Watson: 2.010
'rob(Omnibus): 8. .888 3arque-Bera (ЭВ): 703469680.718
Skew: 32. ,891 РгоЬ(ЗВ): 0.00
(urtosis: =========================== 1376. ,839 Cond. No. 7.09e+09
0.858 0.858 192.0 0.00 -1.7240е+05 3.448е+05 3.449е+05
[0.025
0.975]
6.3е+07 -0.765 0.310 7.941 -0.296 -0.873 0.230 -0.174 0.273 0.849 0.455 -1.01е+04
9.98е+07 -0.290 0.790 9.033 -0.231 -0.135 0.290 -0.126 1.012 0.895 8.970 -2145.485
totes:
[1] Ra is computed without centering (uncentered) since the model does not contain a constant.
[2] Standard Errors assume that the covariance matrix of the errors is correctly specified.
[3] The condition number is large, 7.89e+89. This might indicate that there are strong multicollinearity or other numerical problems.
Рисунок 3. Результат построение множественной линейной регрессии на
данных 2019 года.
lis
OLS Regression Results
Dep. variable:
Model:
Method:
Date:
Tine:
no. Observations: Df Residuals: Df Model: Covariance Type:
платежи no инвестиц»ом**м операциям, rub OLS
Least Squares Sun, 14 мау 2023 19:26:28 8866 88S1 IS
nonrobust
R-squared (uneentered): 0.856
Adj. R-squared (uncentered): 0.849
P-statistic: 196.4
Prob (F-statistic): 0.00
Log-Likelihood: -l.6783e*65
aic: 3.3S7e*05
Bic: 3.3S8e*65
соef std err t R>|t| [8.825 6.975]
ИНДИКВТ0Р субсидии 4.33е*87 6•02e+06 7.195 6.688 3.1SM7 5.51е*07
2еге, дохода, Rue -в, 6495 6.676 -8.558 е.686 -8.793 -0.581
геге, Расход», Rue 6. .5334 6.075 7.138 6.680 8.387 6.686
2б2е, нематериальные активы, RUB -в. 2ве5 6.678 -2.559 6.611 -8.354 -8.647
2626, oenoewe средства , чив •в. .6187 6.869 -2.154 6.831 -8.636 -6.682
262е, прочие внеоборотное активы, RUB -в. .5817 6.853 -9.481 е.ееб -8.686 -в.397
2626, эапасм, RUB •в. .6S3S 0.889 -9.286 6.600 -8.181 -8.666
2626, ЧИСТые Э "СТИВЫ, яие -в .6369 6.815 -2.388 0.017 -8.867 -8.687
2626, добавочный капитал, чие е. . 6.827 14.364 е.еее 8.338 в. 435
2626, нераспределенная прибыль (непокрытый убыток), =ие е. .2124 6.615 14.258 б.евб е.Ш 8.242
2626, долгосрочна обязательства, RUB в. .1613 6.887 14.498 0.680 6.888 8.115
2626, Ввручка, Rue е. .1638 6.814 11.888 6.686 0.137 8.191
262е, валовая прибыль (убыток), яив -е. .6485 6.811 -4.484 6.600 -8.878 -8.027
262в, чистая прибыль (убыток), чив 6. .5295 6.682 6.481 0.ев0 0.369 8.698
2626, сальдо денеюмх потоков от текущих операций, RUB е. .1687 6.614 12.271 е.веб 0.142 8.196
Oonibus: 23922.162 Durtjln.watson: 1.999
Prob(omnibus):
Skew:
Kurtosis:
32.752 1685.812
larque-Bera (3B): Prob(JB): Cond. NO.
1647719573.879
Notes :
[1] R2 is computed without centering (uncentered) since the model does not contain a constant.
[2] standard Errors assume that the covariance matrix of the errors is correctly specified.
[3] The condition number is large, 7e+09. This might indicate that there are strong multicollinearity or other numerical problems.
Рисунок 4. Результат построение множественной линейной регрессии на
данных 2020 года.
ois degression results
Dep. variable:
Model:
«ethoe:
Date:
Tine:
tic. Observations: Df Residuals: Df Model: covariance Type:
Тлатеки по имвестишо«»«я* операцией, Rui
OLS
Least sauares Sun, 14 May 2023 19:22:90 MM
8814
19
nonrcoust
R.squared (uncentered): 9.839
Adj. R-sauared (uncentered): 9.82?
F-statlstic: 61.33
Prob [R-statistic;: S.12e-121
log-Likelihood: -i.si39e-94
AIC: 3.626f«5
■1С: 3.627e*5
■шддеаroo c/So
2921, Доход», Rue
2921, Расходы, Rue
2921, OcnoBtM средства , »lb
2921, Виеобсоот>««е агтивы, RUB
2921, чистые акт««, sus
2921, оворотяве активы, Rue
2921, Долгосоочте обязательства, rue
2921, вдуика, Rue
2921, чистая приОхль (увьгок), Rue
сое* std err t P>|t| [9.925 9.97S]
3.57?e^es 3.15« >«7 12.639 9.699 3.36e»«8 4.59e-98
l.sees 9.392 4.962 9.999 о M 2.693
-1.1427 9.319 -3.S83 9.999 -1.768 -9.S17
-9.4638 9.982 -S. 992 9.999 -9.644 -9.323
9.7897 9.979 9.»<2 3.000 9.632 9.942
-9.2968 9.932 -«.413 9.еде -9.279 -9.144
9.318« 9.931 19.245 9.999 9.258 9.389
-9.1877 9.942 -4.473 9.999 -9.279 -9.195
-9.S119 9.9SS -8.733 9.999 -9.626 ■9.397
-1.1811 9.31« -3.734 9.999 -1.891 -9.561
oaribus: Rrpe(Oenlbus): Ske»: Kurtosis:
32913.288 Curbin.watscn: 9.999 JarQue-iera (38::
al. 691 ProdCi):
72S3.899 Cond. 40.
1.999 i»seo322te¿.4st 9.99 g,¿¿e*99
notes:
[1] RJ Is computed xlthout centering (uncentered) since the aooel does not cortam a constant.
[2] standard trrors assune that tne covariance natrix of tne errors is correctly specified. [31 The condition пцлОег is large, s.44e-99. This might indicate that there are
strong ^ilticollinearity or other numerical problems._
Рисунок 5. Результат построение множественной линейной регрессии на
данных 2021 года.
OLS Regression Results
Dep. variable:
Model:
Method:
Date:
Time:
No. Observations: Df Residuals: of Hödel: Covariance Type:
платежи по инвестиционным операция«, rub OLS
least squares Sun, 14 May 2823 19:25:55
m
8316 14
nonrcbust
R-squared (uncentered): 0.857
fldj. R-squared (uncentered): e.857
F-statistic: 6S.11
prob (F-statistic): 2.25e-184
Log-Likelihood: -i.862Se*05
AIC: 3.726e+05
BIC: 3.727e*es
coef std err t ""ti [0.825 8.975]
индикатор субсидии 6.i62e»08 5.24e+87 11.757 e.eee S.13e*08 7.19e+0S
2022, Расхода, rub 8.9413 0.882 11.492 e.eee 0.781 1.102
2022, нематериальные активы, RUB 1.9794 0.468 4.230 e.eee 1.062 2.897
2022, прочие внеоборотные активы, RUB 21.8857 1.329 15.865 e.eee 18.480 23.691
2822, Внеоборотные активы, Rue 0.2901 0.105 2.759 е.евб 8.884 0.496
2022, запасы, RUB -8.9600 0.0S8 18.875 e.eee -1.133 -0.787
2822, чистые активы, Rue -4.3677 8.759 -5.758 e.eee -5.855 -2.881
2822, оборотные активы, RU8 8.5403 0.878 7.719 e.eee 0.402 0.678
2022, добавочный капитал, rub -8.2309 8.891 -2.527 e.ei2 -e.4ie -e.652
2822, капитал и резервы, rub 4.0316 0.757 S. 329 e.eee 2.549 5.S15
2822, долгосрочное обязательства, RUB -0.4113 0.097 -4.258 e.eee -e.eei •8.222
2022, Краткосрочные обязательства, RUB 0.2635 0.069 3.831 e.eee 8.129 0.398
2822, Вьеучка, Rue -1.1041 8.886 -12.864 e.eee -1.272 -e.936
2822, чистая прибыль (убыток), rub 1.5918 e.iee 9.92S e.eee 1.277 1.986
Omnibus : Prob(Ornnibus): Skea: Kurtosis:
29844.998 Durbin-watson :
0.600 larque-Bera (IB)
60.897 Prob(38) :
4522.805 Cond. 40.
1.998 7521493372.221
(totes:
[1] R1 is computed without centering (uncentered) since the model does not contain a constant.
[2] Standard Errors assune that the covariance matrix of the errors is correctly specified.
[3] The condition number is large, 7.59e+«9. This night indicate that there are strong nulticollinearitv or other numerical problems.
Рисунок 6. Результат построение множественной линейной регрессии на
данных 2022 года.
IMPLEMENTING STATE SUPPORT TO STIMULATE BUSINRSS INVESTMENT ACTIVITY IN TEXTILE INDUSTRY: A CASE OF RUSSIA
Fedorova S. O.
4th year student of the Faculty of Social Science Higher School of Economics sophie.fedorova@mail.ru
The textile industry sector has been noticeably developing in Russia in recent years, but it faces specific challenges. Therefore, it requires quality government support.
To analyze the effectiveness of government support for the textile industry, this study was conducted. The results of this research can have important implications for understanding the proper ways to implement subsidiary support for businesses to enhance their investment activity. The hypothesis of this study is that "Subsidies have a significant positive impact on the investment activity of textile industry enterprises in Russia." The subjects of the study are textile industry enterprises that received subsidies from the Ministry of Industry and Trade in 2017-2018. The aim of this work is to assess the effectiveness of subsidy mechanisms of government support for the textile industry based on the analysis of their influence on the level of investment activity and to provide recommendations for improving the subsidy support in the field of textile industry. The methods used include logical modeling, analysis, synthesis, generalization and comparison, content analysis, comparative analysis, construction of a correlation matrix, and multiple linear regression modeling. The research results have shown that government subsidies have had a strong impact on the investment activity of textile industry enterprises. Consequently, subsidies provided to textile industry entities are effective. However, the number of subsidy recipients is extremely low due to high administrative and bureaucratic barriers. Thus, the government does not provide the comprehensive support that the textile industry sector requires. Keywords: textile industry, subsidies, investment activity
Для цитирования: Федорова С.О. Проблемы реализации государственной политики в сфере стимулирования инвестиционной деятельности бизнеса// Архонт, 2023. № 3(36). С. 107-120.
