ПРОМЫШЛЕННЫЙ РОСТ И ОТРАСЛЕВАЯ СПЕЦИАЛИЗАЦИЯ: ВЛИЯНИЕ ИНСТРУМЕНТОВ ГОСУДАРСТВЕННОЙ ПОДДЕРЖКИ

Стариков Е. Н.; Евсеева М. В.; Наумов И. В.

DOI: 10.29141/2658-5081-2022-23-3-5 EDN: GZNFED JEL classification: L60, L61

Е. Н. Стариков"'6 Уральский государственный экономический университет;

Институт экономики УрО РАН, г. Екатеринбург, РФ М. В. Евсеева" Уральский государственный экономический университет, г. Екатеринбург, РФ И. В. Наумов6 Институт экономики УрО РАН, г. Екатеринбург, РФ

Промышленный рост и отраслевая специализация: влияние инструментов государственной поддержки

Аннотация. Концепция умной специализации в последнее десятилетие стала основой для реализации принципа избирательности в применении инструментов промышленной политики. Статья посвящена изучению влияния избирательной государственной поддержки на промышленный рост и оценке ее качественного соответствия промышленной специализации регионов РФ. В этом контексте рассмотрена деятельность Фонда развития промышленности (ФРП) как инструмента промышленной политики. Методологическая база исследования представлена положениями современных концепций промышленного роста и политики новых приоритетов. Методы работы включали корреляционный анализ и АШМА-моделирование. Информационной базой послужили сведения о 924 проектах, реализованных с использованием средств ФРП, панельные данные об индексе промышленного производства (ИПП) за период 2015-2021 гг., экспертные мнения о промышленной специализации регионов РФ. Были выделены три группы российских регионов в зависимости от поддержки, оказываемой ФРП. В первой группе, характеризующейся наибольшим объемом поддержки, выявлена обратная зависимость показателя ИПП от удельного веса выделенных средств, в остальных группах зафиксирована положительная связь. Предположительно высокая степень связности отраслей в регионах первой группы обусловливает появление сетевых эффектов: эти территории являются саморазвивающимися, поэтому государственная поддержка не оказывает воздействия на их промышленный рост. В остальных регионах, напротив, наблюдается узкая специализация и низкая степень связности отраслей. Сделан вывод о том, что приоритетом для ФРП должно быть кредитование проектов развития новых производств в регионах второй и третьей групп на основе модели умной специализации.

Ключевые слова: промышленный рост; индекс промышленного производства; Фонд развития промышленности; промышленная специализация; инструменты политики; регионы; проекты промышленного развития.

Благодарности: Статья подготовлена: апри финансовой поддержке РФФИ и Свердловской области в рамках научного проекта № 20-410-660032 р_а «Инновационно-технологическое развитие промышленности региона в контексте трансформации архитектуры бизнеса и управленческих технологий, продуцирующих знания и общие ценности: институциональный и стейкхолдерский аспекты»; бв соответствии с государственным заданием для Института экономики УрО РАН на 2022 г.

Для цитирования: Starikov E. N., Evseeva M. V., Naumov I. V. (2022). Industrial growth and specialisation: The impact of the government support tools.. Journal of New Economy, vol. 23, no. 3, pp. 86-108. DOI: 10.29141/2658-5081-2022-23-3-5. EDN: GZNFED. Информация о статье: поступила 24 апреля 2022 г.; доработана 7 июня 2022 г.; одобрена 16 июня 2022 г.

Evgeny N. StarikoV,b Ural State University of Economics, Institute of Economics (Ural branch

of RAS), Ekaterinburg, Russia Marina V. Evseevaa Ural State University of Economics, Ekaterinburg, Russia

Ilya V. Naumovb Institute of Economics (Ural branch of RAS), Ekaterinburg, Russia

Industrial growth and specialisation: The impact of the government support tools

Abstract. In the past decade, the concept of smart specialisation has become the basis for incorporating the principle of selectivity while using the tools of industrial policy. The paper studies the impact of the selective government support on industrial growth and assesses its qualitative correspondence with the industrial specialisation of Russian regions. Against this backdrop, considering the activity of the Industrial Development Fund (IDF) is at the center of the study. Modern concepts of industrial growth and the policy of new priorities constitute the methodological basis of the research. The methods include correlation analysis and ARIMA modelling. The research uses the information about 924 projects implemented with the funding from the IDF, panel data on the industrial production index (IPI) for 2015-2021, expert opinions on industrial specialisation of the Russian regions to identify three groups of Russian regions depending on the support provided by the IDF. The first group is characterised by the highest amount of support and displays an inverse relationship between IPI and the share of allocated funding, whereas other groups demonstrate a direct relationship. Presumably, high degree of intercon-nectedness of industries in the regions belonging to the first group leads to the network effects: these territories are self-developing and therefore, the government support does not much influence their industrial growth. On the contrary, other regions feature narrow specialisation and a small degree of interconnectedness of industries. The paper concludes that the IDF should prioritise loans for projects aimed at developing new production in the regions of the second and third groups based on the model of smart specialisation.

Keywords: industrial growth; industrial production index; Industrial Development Fund; industrial specialisation; policy tools; regions; industrial development projects.

Acknowledgements: The research is prepared awith the financial support of the Russian Foundation for Basic Research (RFFI) and Sverdlovsk oblast within the framework of the research project no. 20-410-660032 r_a "Innovation-technological development of regional industry in the context of the transformation of business architecture and management technologies that produce knowledge and common values: Institutional and stakeholder aspects"; bin accordance with the state assignment for the Institute of Economics (Ural branch of RAS) for 2022.

For citation: Starikov E. N., Evseeva M. V., Naumov I. V. (2022). Industrial growth and specialisation: The impact of the government support tools. Journal of New Economy, vol. 23, no. 3, pp. 86-108. DOI: 10.29141/2658-5081-2022-23-3-5. EDN: GZNFED.

Article info: received April 24, 2022; received in revised form June 7, 2022; accepted June 16, 2022

Введение

В последние годы происходит усиление роли государства в процессах формирования

и реализации промышленной политики, в том числе посредством развития и совершенствования инструментов поддержки инвестиционных проектов технологической модернизации предприятий и создания в стране новых производств. Такая стратегия предоставляет регионам РФ новые возможности по привлечению государственных ресурсов федерального уровня в сферу промышленного развития для решения конкретных территориально локализованных задач, а также позволяет соответствующим образом модернизировать и совершенствовать механизмы региональной промышленной политики.

Одной из стратегических национальных задач является сокращение межрегиональных различий в уровне и качестве жизни населения, ускорение темпов экономического и технологического роста регионов, в том числе за счет создания условий для развития производства товаров и услуг в отраслях перспективных экономических специализаций субъектов РФ1. Практика применения стратегии умной специализации (regional innovation strategies of smart specialization, RIS3) в странах Евросоюза показала свою эффективность в деле усиления экономической активности в отстающих регионах [D'Adda, Iacobucci, Perugini, 2022].

Суть этой специализации заключается в том, что каждый регион должен выбрать ряд приоритетных секторов, в которых он может получить устойчивое конкурентное преимущество за счет разработки и внедрения инноваций [Audretsch, 1998]. В редких случаях такая специализация может возникнуть спонтанно [Boschma, 2013], но чаще всего это результат государственной политики по модернизации материально-производственной базы, поддержке инноваций, совершенствованию технологий и созданию новых направлений деятельности, часто на стыке с уже существующими в регионе [Balland et al., 2018].

Исследователи также указывают на то, что RIS3 по своей сути является регионоцен-тричной экономической моделью, отражающей вклад государственной политики в стимулирование частных инвестиций в инновационную деятельность и развитие новых производств [McCann, Ortega-Argiles, 2013].

В российской практике, согласно результатам исследований, к реализации стратегий умной специализации готовы менее половины регионов [Земцов, Баринова, 2016; Куцен-ко, Исланкина, Киндрась, 2018], и в большинстве случаев сформулированные цели и задачи носят формальный, декларативный характер [Репичев и др., 2018; Гасфорд, 2019]. Кроме того, в отечественных стратегических документах не закреплены подходы к определению перспективных региональных специализаций. Слишком широкое и достаточно размытое определение специализаций делает их непригодными для практического применения в региональных стратегиях [Коломак и др., 2018; Калюжнова, Виолин, 2020].

В 2021 г. НИУ ВШЭ представил Атлас экономической специализации регионов России [Гохберг, Куценко, 2021]. Его отличительная особенность заключается в том, что каждая

1 Стратегия пространственного развития Российской Федерации на период до 2025 года: распоряжение Правительства Российской Федерации от 13.02.2019 № 207-р.

специализация выявлена исходя из 55 отраслевых группировок, сформированных на основе кластерного подхода, а не на базе традиционных видов деятельности по ОКВЭД-2. Значимую информацию представляет также оценка степени связности отраслевых группировок, позволяющая судить о силе проявления в регионе сетевых эффектов.

Данная статья продолжает серию наших научных изысканий, посвященных оцениванию такого инструмента промышленной политики, как Фонд развития промышленности (далее - ФРП, Фонд) [Евсеева, Стариков, Воронов, 2021; Стариков, Евсеева, Наумов, 2022].

Цель исследования - выяснить, в какой степени задачи стратегии умной специализации регионов РФ обеспечены господдержкой в виде выделяемых Фондом средств на реализацию инвестиционных проектов предприятиями и каким образом это может влиять на промышленный рост территории. Деятельность Фонда мы рассматриваем как механизм избирательной государственной поддержки.

Для достижения поставленной цели предстояло решить две основные задачи:

• сопоставить состав отраслей промышленной специализации российских регионов и отраслевую структуру проектов, реализованных в этих регионах с использованием средств ФРП;

• оценить влияние деятельности Фонда на промышленный рост, характеризующийся индексом промышленного производства.

В качестве основы работы мы использовали уже упоминавшийся Атлас экономической специализации регионов России [Гохберг, Куценко, 2021], ограничивая при этом область рассмотрения только промышленной специализацией, так как направления работы Фонда исключают иные виды экономической деятельности.

Теоретический обзор

В современной теории и практике регионального промышленного развития наибольшее внимание получили три концепции - региональной промышленной идентичности, умной специализации и регионального промышленного пути (подробнее см. обзор: [Акбердина, Романова, 2021]).

Концепция региональной промышленной идентичности базируется на идее о том, что привлекательность региона для инвестиций и квалифицированного труда определяется восприятием его внешнего окружения. E. Романелли и O. Хэссина отмечают, что регионы с позитивно воспринимаемым потенциалом роста могут быть привлекательными даже при отсутствии уникальных ресурсов или же их ограниченном предложении [Romanelli, Khessina, 2005]. Потенциал роста, в свою очередь, воспринимается на основе отраслевой специализации территории [Dvoryadkina, Dzhalilov, 2021] и перспектив развития данной конфигурации отраслей с точки зрения конкурентоспособности на мировых рынках [Khessina, Romanelli, 2007].

Согласно концепции умной специализации регионов, любой регион может найти собственный уникальный путь промышленного развития, избегая простого копирования компетенций и приоритетов других, более успешных территорий [Giannitsis, 2009]. Эту задачу можно решить, если концентрировать ресурсы и усилия на ограниченной совокупности направлений, четко определяя, в какой сфере экономики вероятно достичь лидерства [McCann, Ortega-Argilés, 2016; Foray, 2017].

В первоначальном, концептуальном варианте умная специализация означала поиск скрытых возможностей и концентрацию ресурсов на развитии сильных сторон региона [Foray, David, Hall, 2009]. Эта концепция противопоставлялась стратегии догоняющего развития, предусматривающей копирование стратегии лидирующих регионов, что, как

показал опыт европейских стран, приводит к закреплению отставания [Foray, Goenaga, 2013].

В дальнейшем концепция превратилась в конкретные стратегии и модели умной специализации. Д. Форэй к главным стратегическим целям относит стимулирование развития новых видов деятельности, обладающих инновационным потенциалом, и расширение возможностей для производства и диверсификации региональных экономик [Foray, 2017]. Данная трансформация осуществляется путем освоения новых технологий, компетенций и ресурсов [Asheim, 2018]. С. Радошевич отмечает, что успех стратегии умной специализации определяется способностью региона создавать новые производственные и сервисные отрасли [Radosevic, 2017]. А. Бош и Н. Вонортас указывают на то, что стратегия призвана трансформировать структуру региональной экономики за счет освоения новых профильных направлений [Бош, Вонортас, 2019].

Наконец, концепция регионального промышленного пути является продолжением идеи зависимости от предшествующего развития (path dependence) в русле теории эволюционной экономической географии [Martin, Sunley, 2006]. «Региональный промышленный путь - это траектория развития региональной промышленности, обусловленная сложившейся отраслевой структурой и многомерным множеством технологических решений, созданных посредством накопления человеческих знаний и существующих в одном информационном поле, включающем в себя экономические отношения и институциональную среду» [Акбердина, Романова, 2021, с. 722]. Выделяют два сценария трансформации регионального промышленного пути - усиление отраслевой диверсификации территории за счет повышения разнообразия применяемых технологий [Isaksen et al., 2019; Frangenheim, Trippl, Chlebna, 2020] и углубление специализации региона в узком сегменте высокотехнологичных производств [Grillitsch, 2016].

Безусловно, эти концепции нельзя воспринимать изолированно. Дж. Мудиссон отмечает, что «целью концепции "умной специализации" в конечном счете является планирование нового регионального промышленного пути для обеспечения фундаментальных структурных изменений в региональной промышленности» [Moodysson, Trippl, Zukaus-kaite, 2017, c. 388]. В этой связи Д. Форэй акцентирует внимание на соблюдении принципа приоритетности и избирательности применения инструментов промышленной и инновационной политики, выдвигая на первый план вертикальные модели и отводя моделям горизонтальным второстепенную роль [Foray, 2018].

Основным источником государственной поддержки обрабатывающих производств России является Фонд развития промышленности, который выступает как институт развития, - в данном случае финансовый инструмент государственной промышленной политики, призванный стимулировать приток прямых инвестиций в технологическую модернизацию обрабатывающего сектора [Ивантер и др., 2017]. Фонд позиционирует себя в качестве катализатора частных инвестиций в приоритетных промышленных секторах и отраслях экономики1. Основу механизма его функционирования составляет базовый принцип государственной политики новых приоритетов - избирательная поддержка сильных, эффективных производств, имеющих потенциал роста и претендующих на лидирующие роли в отрасли.

Вместе с тем наши предыдущие исследования показали, что деятельность Фонда не производит существенного эффекта в сфере развития материальной базы предприятий обрабатывающего сектора [Евсеева, Стариков, Воронов, 2021], а в наиболее

1 Фонд развития промышленности: официальный сайт. https://frprf.ru/.

индустриально развитых регионах оказывает слабое отрицательное влияние на динамику выпуска обрабатывающего сектора [Стариков, Евсеева, Наумов, 2022].

Согласно первичной гипотезе нашего исследования, одна из причин этой ситуации -отсутствие учета промышленной специализации региона в процессе отбора предприятий и их проектов для господдержки, что не позволяет получить системного эффекта роста.

Материалы и методы

В соответствии с поставленными задачами мы выделили следующие этапы работы:

1) группировка регионов по размеру среднегодовой стоимости поддержанных ФРП инвестиционных проектов. Это необходимо для учета пространственной неоднородности предоставляемой Фондом помощи и построения корректных, достоверных регрессионных моделей с робастными оценками, устойчивыми к различного рода выбросам, помехам;

2) качественная оценка соответствия отраслевой принадлежности поддержанных Фондом проектов отраслевым профилям промышленной специализации по субъектам РФ;

3) оценка корреляции и степени влияния объема выделенных Фондом средств на региональный промышленный рост, выражаемый динамикой показателя индекса промышленного производства; прогноз показателей ИПП на период до 2024 г. путем авторегрессии на основе метода АШМА-моделирования.

Для выполнения первого этапа исследования и осуществления группировки регионов РФ была использована эмпирическая база данных, сформированная из панельных баз данных1, в которые входят:

• стоимостные показатели 924 проектов, включенных в портфель ФРП в 2015-2021 гг. для предоставления мер финансовой поддержки, сгруппированных в региональном разрезе;

• показатели объема инвестиций в основной капитал по полному кругу предприятий обрабатывающих отраслей промышленности в 2015-2021 гг. за счет всех источников финансирования по 73 субъектам РФ.

Из анализа были исключены 12 субъектов РФ, в которых в рассматриваемом периоде не было реализовано ни одного проекта с участием средств Фонда2, а также еще 23 региона, в которых деятельность Фонда носила эпизодический характер, поскольку фрагментарно реализуемые отдельные проекты с небольшим инвестиционным потенциалом вряд ли способны оказать влияние на промышленный рост в регионе. Отметим, что данная группа из 35 регионов представляет интерес для изучения факторов промышленного роста в отсутствие воздействия на него такой составляющей, как инвестиции при поддержке ФРП, но эта задача не находится в фокусе настоящего исследования.

1 Указанные базы данных были сформированы студентами кафедры региональной экономики, инновационного предпринимательства и безопасности Школы государственного управления и предпринимательства Института экономики и управления Уральского федерального университета Ю. В. Грачевой (группа ЭУ-203830), П. В. Банниковой (ЭУ-393805), А. А. Барышевой (ЭУ-393805), Т. И. Сусловой (ЭУ-393805) и А. Н. Белокуром (ЭУ-393805) во втором семестре 2021/2022 учебного года в рамках научно-исследовательского практикума.

2 Амурская область, Кабардино-Балкария, Калмыкия, Мурманская область, Ненецкий автономный округ, Республика Саха (Якутия), Сахалинская область, Северная Осетия - Алания, Тыва, Хакасия, Чечня, Чукотский автономный округ.

Группировка оставшихся 50 регионов РФ была осуществлена с использованием стандартных статистических методов - путем расчета среднероссийского медианного уровня среднегодовой стоимости реализованных за указанный период при участии ФРП проектов в обрабатывающей промышленности = 731,6 млн руб.) и расчета среднеква-дратического отклонения для получения верхней границы разброса данных выборки относительно среднего (Утах = 1 774,9 млн руб.):

C = (1)

где Vmax - верхняя граница разброса среднегодовой стоимости инвестиционных проектов, реализованных при поддержке ФРП, относительно среднероссийского медианного уровня, млн руб.; Vt - размер среднегодовой стоимости реализованных при поддержке ФРП инвестиционных проектов в сфере обрабатывающей промышленности г-го региона, млн руб.; Vi - размер среднегодовой стоимости реализованных с участием ФРП инвестиционных проектов.

В итоге были получены три группы регионов для анализа (табл. 1):

1) регионы с высоким размером среднегодовой стоимости реализованных с участием ФРП инвестиционных проектов, превышающим верхнюю границу разброса данных (Vi > Vmax);

2) регионы, в которых размер среднегодовой стоимости реализованных с участием ФРП инвестиционных проектов выше среднероссийского медианного уровня

(V- > V)

3) регионы с низким размером среднегодовой стоимости реализованных с участием ФРП инвестиционных проектов - ниже указанного уровня (Vi < Vj).

Таблица 1. Группировка регионов по размеру среднегодовой стоимости

инвестиционных проектов, реализованных ФРП в 2015-2021 гг. Table 1. Grouping of regions by the amount of the average annual cost of investment projects implemented

by the IDF in 2015-2021

Регион Среднегодовая стоимость реализованных инвестиционных проектов, млн руб. Удельный вес привлеченных в регион инвестиций в общем объеме финансирования проектов в РФ, %

Первая группа

Московская область 5 177,7 9,47

Пермский край 3 431,4 6,28

Республика Татарстан 3 153,1 5,77

Санкт-Петербург 2 797,2 5,12

Москва 2 706,8 4,95

Иркутская область 2 215,9 4,05

Нижегородская область 2 198,8 4,02

Челябинская область 2 186,0 4,00

Республика Башкортостан 2 122,8 3,88

Свердловская область 1 861,6 3,41

Тульская область 1 823,3 3,34

Вторая группа

Ленинградская область 1 702,3 3,11

Окончание таблицы 1

Table 1 (concluded)

Регион Среднегодовая стоимость реализованных инвестиционных проектов, млн руб. Удельный вес привлеченных в регион инвестиций в общем объеме финансирования проектов в РФ, %

Калужская область 1 621,1 2,97

Ставропольский край 1 380,0 2,52

Ярославская область 1 298,7 2,38

Чувашская Республика 1 292,6 2,36

Ростовская область 1 178,2 2,16

Самарская область 1 133,7 2,07

Воронежская область 1 086,6 1,99

Красноярский край 996,8 1,82

ХМАО - Югра 960,5 1,76

Омская область 931,6 1,70

Новосибирская область 871,7 1,59

Владимирская область 871,0 1,59

Ивановская область 784,2 1,43

Третья группа

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Брянская область 678,9 1,24

Пензенская область 665,3 1,22

Республика Мордовия 642,1 1,17

Ульяновская область 615,0 1,13

Саратовская область 561,4 1,03

Курганская область 522,1 0,96

Удмуртская Республика 506,9 0,93

Курская область 438,7 0,80

Белгородская область 407,3 0,75

Тюменская область 404,9 0,74

Волгоградская область 384,6 0,70

Рязанская область 345,8 0,63

Тверская область 342,2 0,63

Республика Бурятия 339,1 0,62

Смоленская область 323,2 0,59

Кировская область 309,4 0,57

Хабаровский край 306,0 0,56

Новгородская область 275,4 0,50

Архангельская область 166,9 0,31

Томская область 152,6 0,28

Краснодарский край 141,8 0,26

Алтайский край 123,3 0,23

Липецкая область 91,3 0,17

Кемеровская область 88,2 0,16

Калининградская область 41,2 0,08

В качестве информационной базы для реализации второго этапа был использован Атлас экономической специализации регионов России [Гохберг, Куценко, 2021] и годовые отчеты Фонда. В Атласе применяется подход, предполагающий разделение всех видов экономической деятельности на две большие группы - торгуемые (авиастроение, фармацевтика, металлообработка и др.) и неторгуемые (например, сфера ЖКХ, кинотеатры) отрасли. В состав торгуемого сектора вошли 55 функционально связанных друг с другом производственных и сервисных видов деятельности (отраслевые группировки). Поскольку объектом нашего рассмотрения является обрабатывающая промышленность, мы выделили те группировки, ядро которых относится к сектору обрабатывающих производств, - 21 группу. Для оценки соответствия отраслевой направленности поддержанных Фондом проектов промышленной специализации региона мы структурировали их аналогичным образом.

Задачи третьего этапа решались путем применения регрессионного анализа панельных данных по методу наименьших квадратов в среде вгей. В качестве зависимой переменной выступил индекс производства обрабатывающей промышленности за период 2015-2021 гг.1, являющийся ключевым интегральным показателем Сводной стратегии развития обрабатывающей промышленности России (далее - Стратегия)2. Факторным признаком стал удельный вес поддержанных Фондом инвестиционных проектов в общем объеме привлеченных инвестиций в основной капитал в обрабатывающей промышленности, показывающий относительный вклад совокупности проектов Фонда в накопленный инвестиционный потенциал региона за период:

Х1 = ^ 100, (2)

где ^ — факторный признак, %; Pi — общая стоимость инвестиционных проектов в обрабатывающей промышленности региона, реализуемых при поддержке ФРП, за год, млн руб.; VI — объем инвестиций в основной капитал в обрабатывающей промышленности региона за счет всех источников финансирования за год, млн руб.

Использование авторегрессионного АШМА-моделирования на данном этапе позволило наиболее точно, с учетом наблюдаемых в прошлом тенденций, спрогнозировать динамику индекса производства обрабатывающей промышленности в регионах России, а сопоставление полученных прогнозных значений данного показателя с общероссийскими индикаторами, определенными в Стратегии, помогло оценить вклад проектов, поддержанных Фондом, в достижение целевых значений к 2024 г. Кроме того, полученные регрессионные модели дали возможность выделить регионы, промышленные предприятия которых больше всего нуждаются в инвестиционной поддержке со стороны Фонда.

Результаты исследования и обсуждение

По результатам группировки регионов (см. табл. 1) в первую группу вошли 11 субъектов РФ, аккумулирующие около 54 % стоимости всех инвестиционных проектов предприятий обрабатывающей промышленности, поддержанных Фондом в исследуемом периоде. При этом наиболее высокая стоимость проектов зафиксирована в Московской области

1 Временной период учитывает начало функционирования ФРП - с 2015 г.

2 Об утверждении Сводной стратегии развития обрабатывающей промышленности РФ до 2024 г. и на период до 2035 г.: распоряжение Правительства РФ от 06.06.2020 № 1512-р. https://www.garant.ru/products/ 1ро/рпшеМос/74142592/.

(9,5 % от всей совокупной стоимости проектов, поддержанных ФРП), Пермском крае (6,3 %), Республике Татарстан (5,8 %), г. Санкт-Петербург (5,1 %) и г. Москва (4,9 %).

Во вторую группу регионов вошли 14 субъектов РФ, при этом совокупный размер финансирования проектов промышленного развития в них составил всего 29,5 % от стоимости всех инвестиционных проектов, поддержанных Фондом.

Наконец, третью группу составили 25 субъектов РФ, на долю которых пришлись оставшиеся 16,2 % стоимости поддержанных ФРП инвестиционных проектов. В большинстве регионов из этой группы удельный вес привлеченных инвестиций для реализации портфеля проектов Фонда не превышал 1 % в общем объеме их финансирования.

На втором этапе исследования мы выделили промышленную специализацию регионов в разрезе обрабатывающих производств (табл. 2). Цветом отмечены отрасли промышленной специализации регионов РФ, цифрами обозначено количество поддержанных Фондом проектов в той или иной отрасли. Состав отраслей подробно раскрыт в приложении 2 Атласа экономической специализации регионов России [Гохберг, Куценко, 2021].

В подавляющем большинстве регионов из первой группы (в 10 из 11) количество проектов, поддержанных ФРП и реализованных в отраслях региональной промышленной специализации, превышает количество проектов, реализованных в иных отраслях. Причем в двух субъектах - Московской области (52 проекта) и г. Санкт-Петербург (30 проектов) - все проекты реализованы в отраслях промышленной специализации. Исключение составляет только Иркутская область, где 8 из реализуемых в общей сложности 25 проектов промышленного развития выполнено в отраслях промышленной специализации области, а 17 - в непрофильных секторах регионального промышленного комплекса.

Картина проектов, реализованных в регионах второй группы, существенно отличается. В этой группе можно выделить две равные подгруппы - по 7 регионов каждая. Так, в Ленинградской, Калужской, Омской, Новосибирской, Самарской, Ярославской областях и Чувашской Республике большинство проектов (свыше половины, наименьший показатель в Самарской области - 56 %) реализованы в отраслях региональной промышленной специализации, причем в Чувашской Республике на 100 % (но общее количество проектов невелико - всего 5). В остальных субъектах РФ из данной группы проекты промышленного развития, поддержанные ФРП, выполняются в непрофильных для регионов секторах промышленного производства, при этом в двух регионах - ХМАО - Югра (9 проектов) и Ивановской области (11 проектов) - в отраслях непрофильной специализации.

В третьей группе регионов подгруппа с проектами, выполняемыми в таких отраслях, существенно превышает другую подгруппу регионов. Большинство проектов, поддержанных Фондом, в 17 регионах реализуются в непрофильных отраслях региональной промышленности и только в 7 регионах соответствует отраслям региональной промышленной специализации. В Кемеровской области из общего числа реализованных проектов (4) 2 проекта относятся к отраслевой специализации региона и 2 проекта - к непрофильной для него отрасли тяжелого машиностроения. В четырех регионах - Тюменской (6 проектов), Тверской (12 проектов), Смоленской (8 проектов) и Калининградской (3 проекта) областях - все проекты реализуются в непрофильных отраслях промышленности, а в трех регионах - Волгоградской (9 проектов), Новгородской (3 проекта) и Архангельской (3 проекта) областях все проекты, напротив, соответствуют отраслевой специализации региона.

Таблица 2. Промышленная специализация регионов РФ и распределение поддержанных Фондом проектов Table 2. Industrial specialisation of the regions of the Russian Federation and the distribution of projects supported by the Fund

№ п/п Субъект РФ Отраслевые группировки

Авиастроение и космос Автомобилестроение Бытовая техника Вторичные металлические изделия Изделия из дерева + Лесная промышленность Химические вещества + Химические продукты Целлюлозно- бумажные изделия Мебель Электрооборудование и осветительные приборы Металлообрабатывающая промышленность Первичные металлические изделия Огнеупорные материалы и резиновые изделия Офисное оборудование и товары для досуга Микроэлектроника и приборостроение Пластмассовые изделия Производство коммуникационного оборудования Производство строительных материалов Судостроение и водный транспорт Тяжелое машиностроение Фармацевтическая продукция Медицинское оборудование

1 Московская область 1 2 1 3 2 1 5 3 4 5 25

2 Пермский край 4 1 1 2 7 1 4 10 4 1 3 5 1 1 2 4 2 2

3 Республика Татарстан 2 5 2 2 1 6 3 2 2 1 3 3 2 1 4 1 2 2 2

4 г. Санкт-Петербург 2 1 1 1 4 2 1 2 2 4 2 3 2 1 2

5 г. Москва 1 2 1 4 1 3 2 5 1 3

6 Иркутская область 1 4 12 3 5

7 Нижегородская область 1 1 2 2 2 1 4 1 4 2 4

8 Челябинская область 1 2 1 1 5 2 2 1 3 3 2 1

9 Республика Башкортостан 1 4 2 1 2 2 3 1 1 2

10 Свердловская область 1 2 1 1 4 3 2 2 3 3 2 2 4 3 2 4 5 3 2

11 Тульская область 2 5 2 2 2 4 4

12 Ленинградская область 4 1 1 2 1

13 Калужская область 1 1 2 1 3 3

14 Ставропольский край 2 2 5 1 1 1

15 Ярославская область 1 2 1 1 1 2 1 2 1 5

16 Чувашская Республика 1 3 1

17 Ростовская область 2 4 1 1

18 Самарская область 2 2 1 2 1 2 2 1 1 2 1 4 2 2

19 Воронежская область 1 1 3 2 1 1 3

20 Красноярский край 1 4 1 1 1 4

21 ХМАО - Югра 2 7

22 Омская область 9 1 1

23 Новосибирская область 1 1 2 1 3 1 2 3 2

24 Владимирская область 1 2 2 1 2 2 3

25 Ивановская область 3 2 3 3

26 Брянская область 1 1 2 1 2 1 1 1

27 Пензенская область 1 1 4 2 2

28 Республика Мордовия 4 2 1 1

29 Ульяновская область 2 3 1 1

30 Саратовская область 1 1 1 2 1 4 1 1

31 Курганская область 1 2 2 3

32 Удмуртская Республика 1 3 2 2 3 2 1 3 1 1

33 Курская область 2 5 1 1

34 Белгородская область 3 2 1 1 3

35 Тюменская область 1 1 4

36 Волгоградская область 1 3 3 2

37 Рязанская область 1 3 1 1 1 2

38 Тверская область 1 2 2 1 2 4

39 Республика Бурятия 1 1 1 1

40 Смоленская область 1 6 1

41 Кировская область 3 3 1 1 4

42 Хабаровский край 4 2

43 Новгородская область 3

44 Архангельская область 2 1

45 Томская область 1 1 1 1

46 Краснодарский край 2 2 1 2

47 Алтайский край 1 1 1

48 Липецкая область 3 2 2

49 Кемеровская область 2 2

50 Калининградская область 1 1 1

Анализ данных, представленных в табл. 3, показывает высокую пространственную неоднородность инвестиций в проекты промышленного развития, реализуемые с участием средств Фонда. В этой связи с целью корректной оценки влияния деятельности ФРП на динамику изменения индекса производства обрабатывающей промышленности в регионах России построение регрессионных моделей целесообразно проводить в рамках выделенных групп регионов, что позволяет повысить однородность распределения данных и достоверность моделей, обладающих робастными оценками и устойчивостью к различного рода выбросам и помехам1.

Таблица 3. Сводные результаты полученных регрессионных моделей Table 3. The summary of the obtained regression models

Показатель модели Регрессионная модель

по первой группе регионов по второй группе регионов по третьей группе регионов

const 4,638328455 (1,54E-109***) 4,638232 (0,0000***) 4,63092 (0,00***)

X -0,006870279 (0,042495***) 0,000408 (0,0939*) 0,003823 (0,0584*)

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

^-squared 0,408431186 - -

F-значимость 0,001291*** - -

Критерий Шварца - 219,9247345 -204,845 - 477,618

Критерий Акаике - 246,201 -209,706 - 483,6393959

Критерий Хеннана - Куинна - 235,818 -207,752 - 481,193145

Статистика Дарбина - Уотсона 1,508114 1,492779 1,483669308

Р-значение Chow test (нуль-гипотеза - наличие структурных сдвигов) 0,440525 0,924231 0,26933

Р-значение Non-linearity test (нуль-гипотеза - наличие нелинейности) 0,201211406 0,559037 0,002138

Р-значение Wooldridge test (нуль-гипотеза - наличие автокорреляции остатков) 0,35684602 0,1349 0,08841

Р-значение White's test (нуль-гипотеза - наблюдается гетероскедастичность) 0,55808 0,726263 0,46308

Р-значение теста по критерию Хи-квадрат (нуль гипотеза - нормальное распределение) 0,667526 0,85024 3,22E-10

Примечание. В скобках указаны Р-значения коэффициентов регрессии.

1 Проведенный Non-linearity test зависимости переменных в каждой группе регионов показал, что их распределение является нелинейным. Поэтому для получения коэффициентов эластичности изменения динамики индекса производства обрабатывающей промышленности от удельного веса поддержанных Фондом инвестиционных проектов в общем объеме привлеченных в основной капитал инвестиций в обрабатывающей промышленности в различных группах регионов было принято решение преобразовать исходные данные с помощью натурального логарифмирования.

Полученные нами регрессионные модели имеют следующий вид1:

• для регионов первой группы (66 наблюдений):

7 = е4,638 х X -°,°069; (3)

• для регионов второй группы (84 наблюдения):

7 = е4,638 х X °,00041; (4)

• для регионов третьей группы (150 наблюдений):

7 = е4,631 х X °,°038) (5)

где У - индекс производства обрабатывающей промышленности в регионе в текущем периоде по сравнению с предыдущим, %; X - отношение стоимости инвестиционных проектов, реализуемых в регионе при поддержке ФРП, к общему объему привлеченных инвестиций в основной капитал в регионе, %.

Таким образом, результаты моделирования (табл. 3, формулы 3-5) показывают обратную зависимость между исследуемыми показателями для регионов первой группы и положительную взаимосвязь между ними для регионов второй и третьей групп, менее значимую во второй группе.

Результаты АШМА-моделирования и прогнозирования динамики индекса промышленного производства представлены в табл. 4.

Таблица 4. Прогноз динамики индекса производства обрабатывающей промышленности в регионах РФ, %*

Table 4. Forecast of the manufacturing industry production indices in the regions of the Russian Federation, %

Субъект РФ 2022 2023 2024

Регионы первой группы

Иркутская область 101,61 102,04 103,73

г. Москва 102,96 103,28 102,87

Московская область 102,75 102,36 102,64

Нижегородская область 101,84 101,62 101,40

Пермский край 101,57 101,09 101,13

Республика Башкортостан 101,38 101,02 100,97

Республика Татарстан 103,09 102,43 102,36

г. Санкт-Петербург 102,75 102,19 102,69

Свердловская область 103,36 103,47 103,61

Тульская область 103,09 103,21 102,73

Челябинская область 103,47 102,86 103,14

Регионы второй группы

Владимирская область 105,90 110,43 98,46

Воронежская область 113,52 113,97 114,52

1 Данные регрессионные модели с фиксированными и случайными эффектами построены по объединенному (pooled) методу наименьших квадратов и с корректировкой на гетероскедастичность. Для выбора оптимальной модели проводился панельный анализ с использованием теста Хаусмана и информационных критериев Шварца, Акаике и Хеннана - Куинна, достоверность основных параметров модели оценивалась с помощью стандартных ошибок и Р-значений, а надежность параметров регрессии - с помощью методики Чоу для проверки наличия структурных сдвигов в выборке наблюдений. Достоверность моделей оценивалась также с помощью коэффициента детерминации и вероятности выполнения нуль-гипотезы его незначимости (F-значимость). Анализ наличия гетероскедастичности в модели проводился с помощью теста Уайта, автокорреляции между остатками - посредством тестов Вулдриджа и Дарбина - Уотсона, а также нормальности распределения ошибок модели.

Окончание таблицы 4

Table 4 (concluded)

Субъект РФ 2022 2023 2024

Ивановская область 103,04 100,51 99,27

Калужская область 103,43 103,40 103,39

Красноярский край 103,36 103,39 103,37

Ленинградская область 94,13 97,14 100,26

Новосибирская область 103,39 103,40 103,40

Омская область 103,42 103,34 103,38

Ростовская область 103,42 103,40 103,36

Самарская область 100,82 99,48 99,12

Ставропольский край 107,74 101,22 95,10

ХМАО 97,56 94,40 100,83

Чувашская Республика 101,00 103,73 97,02

Ярославская область 103,46 103,43 103,32

Регионы третьей группы

Республика Мордовия 110,5 112,1 113,4

Брянская область 106,5 109,1 108,8

Новгородская область 103,5 103,6 103,7

Пензенская область 103,5 103,6 103,7

Алтайский край 101,4 100,4 101,1

Волгоградская область 101,8 102,3 102,9

Калининградская область 102,7 102,9 102,9

Кировская область 102,5 102,6 102,7

Томская область 102,8 103,5 103,1

Тверская область 102,6 102,7 102,9

Белгородская область 102,6 103,3 102,7

Архангельская область 102,6 102,4 102,6

Курская область 103,7 103,2 102,4

Тюменская область 102,1 102,6 102,8

Ульяновская область 102,7 102,6 102,7

Хабаровский край 103,2 102,6 102,6

Республика Бурятия 96,4 84,0 96,4

Кемеровская область 99,9 102,0 103,1

Краснодарский край 95,9 95,8 95,6

Курганская область 99,0 101,8 100,4

Липецкая область 101,7 99,7 99,7

Рязанская область 98,9 103,4 101,1

Саратовская область 105,9 102,9 100,4

Смоленская область 102,3 104,2 99,0

Удмуртская Республика 96,3 93,7 104,5

Прогнозные значения ИПП в России согласно Стратегии 101,7 103,5 106,5

* С целью корректного сопоставления прогнозных индексов промышленного производства, рассчитанных как относительные показатели с переменной базой сравнения, с указанными в Стратегии, имеющими постоянную базу сравнения (2019 г.), была осуществлена корректировка последних путем их преобразования в цепные индексы.

Полученные нами оценки показывают, что обозначенные в Стратегии прогнозные значения индекса промышленного производства в регионах первой группы не будут достигнуты ни в 2023 г., ни в 2024 г. Только по итогам 2022 г. в отдельных регионах первой группы целевые стратегические ориентиры, возможно, будут выполнены, однако с учетом санкционных мер, в условиях которых приходится сегодня функционировать промышленному комплексу России, невозможность достижения указанных в Стратегии параметров развития обрабатывающей промышленности очевидна.

В то же время большинство регионов второй группы смогут выполнить определенные в Стратегии целевые значения по индексу промышленного производства и в 2022 г., и 2023 г. Только в отдельных регионах этой группы, а именно Ленинградской, Ивановской, Самарской областях и ХМАО - Югра, достичь целевых ориентиров не получится. Промышленные предприятия данных территорий реализуют инвестиционные проекты, стоимость которых незначительно превышает среднероссийский медианный уровень, на их реализацию привлекается всего 29,5 % общего объема инвестиций в рамках портфеля проектов Фонда. В этой связи считаем важным организовать работу по привлечению дополнительных финансовых ресурсов для развития предприятий и реализации дополнительных проектов промышленного развития в регионах из второй группы.

В третьей группе также далеко не все регионы смогут обеспечить установленные Стратегией прогнозные значения индекса промышленного производства в 2023 и 2024 гг. Среди таких территорий республики Бурятия и Удмуртия, Кемеровская, Курганская, Липецкая, Рязанская области и Краснодарский край. В целом регионы данной группы привлекают незначительный объем инвестиций для реализации проектов развития обрабатывающей промышленности - всего 16,2 % от общего объема инвестиций в рамках портфеля проектов ФРП. В этой связи вероятно, что темпы роста индекса промышленного производства, установленные Стратегией, также не смогут быть достигнуты. При этом в данной группе можно выделить ряд субъектов РФ, инвестиционная активность которых в секторе обрабатывающей промышленности будет способствовать ускоренному развитию предприятий. К ним относятся, в частности, Республика Мордовия, Брянская, Новгородская, Пензенская и Смоленская области. Спрогнозированные на основе АШМА-моделирования значения динамики индекса промышленного производства в данных регионах и в 2022 г., и 2023 г. значительно превышают целевые показатели Стратегии. В связи с этим для активизации промышленного развития и увеличения темпов промышленного роста в регионах третьей группы целесообразно привлечение дополнительных объемов инвестиционных ресурсов и использование кредитных инструментов финансирования проектов промышленного развития ФРП.

Таким образом, складывается следующая картина. В регионы, традиционно являющиеся индустриально развитыми с полиотраслевой промышленной структурой (первая группа, 11 регионов) направлено 54 % от всего объема выделенных средств Фонда. При этом мы выявили отрицательную связь с индексом промышленного развития, т. е. в данном случае государственная поддержка не оказывает эффекта в сфере промышленного роста. Вторая и третья группы регионов - это территории с менее развитой промышленностью, на обе эти группы (39 регионов) приходится 46 % выделенных средств Фонда. И мы наблюдаем положительную связь - государственная поддержка предприятий этих регионов стимулирует рост промышленного производства. Причем более выражена связь в третьей группе, в которую входят регионы с размером среднегодовой стоимости реализованных с участием ФРП инвестиционных проектов ниже среднероссийского медианного уровня.

Региональные профили, представленные в Атласе экономической специализации регионов России [Гохберг, Куценко, 2021], демонстрируют существенные различия в степени связности видов экономической деятельности в выделенных нами регионах первой группы и двух других групп (примеры на рис. 1, 2). Это позволяет предположить, что регионы первой группы являются саморазвивающимися1, их развитие и промышленный рост осуществляются за счет сетевых эффектов [Орехова, Заруцкая, Кислицын, 2021], генерируемых множественными связями между отраслевыми группировками. Поэтому, вероятно, государственная поддержка в виде средств Фонда, выделяемых отдельным предприятиям на реализацию инвестиционных проектов, не дает ожидаемого эффекта.

Сельскохозяйственные

услуги Животноводство

и производство и смешанное удобрений сельское хозяйство

Мясная продукция

РУД

Изделия из дерева

Медицинские услуги

Авиастроение и космос I

Добыча неметаллических

из дерева

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Лесная промышленность Огнеупорные материалы Электрооборудование и резиновые изделия и осветительные приборы Строительство

и строительные материалы

Офисное оборудование и товары для досуга

Киноиндустрия Культура

Туризм

Издательское дело, дизайн и маркетинг

Страхование

Очистка^^ и распределение воды; обработка отходов

Микроэлектроника и приборостроение Деятельность в области

Вторичные металлические

связи

Транспорт и логистика

Медоборудование изделия ^^^ Пластмассовы _ 1ая изделия

W и

Оптовая торговля

9 Мебель Металлообрабатывающая промышленность

и электронная коммерция

Химические

Образование

продукты ' Фармацевтическая

продукция

„ „ ./Наука Деловые

и ИТ-услуги Полиграфия

и печать

Тяжелое машиностроение Первичные металлические изделия

Автомобилестроение

Бытовая техника Продукты питания

Одежда

Финансовые услуги

Целлюлозно-бумажные изделия

Ш Текстильное производство

Производство и передача Обувь электроэнергии

Отрасль национальной и локальной значимости Высокий уровень взаимосвязи отраслей

Отрасль национальной значимости

Рис. 1. Связность отраслевых группировок: Московская область2 Fig. 1. Interconnectedness of industry groupings: the Moscow oblast

1 Под саморазвитием понимается способность региона в условиях сложившейся в обществе макросреды обеспечивать расширенное воспроизводство валового регионального продукта за счет собственных доходных источников [Татаркин, 2013; Татаркин, Дорошенко, 2011].

2 Источник: Атлас экономической специализации регионов России [Гохберг, Куценко, 2021].

Ювелирные изделия

Авиастроение и космос

<

Электрооборудование Судостроение и водный транспорт и осветительные приборы

Огнеупорные материалы и резиновые изделия

Табачные изделия

Деловые и ИТ-услуги

Пластмассовые изделия Туризм Химические продукты

Фармацевтическая продукция

Наука

в Полиграфия и печать • Обувь

Тяжелое машиностроение

Автомобилестроение

Отрасль национальной и локальной значимости Отрасль национальной значимости

Отрасль локальной значимости Высокий уровень взаимосвязи отраслей

Рис. 2. Связность отраслевых группировок: Ярославская область1 Fig. 2. Interconnectedness of industry groupings: the Yaroslavl oblast

Напротив, в регионах второй и третьей групп часто связность отраслей отсутствует вообще либо незначительна. Кроме того, в половине случаев проекты, поддержанные Фондом, реализовывались в непрофильных для этих территорий отраслях. И тот факт, что зафиксировано позитивное влияние господдержки на показатель ИПП в данных регионах, свидетельствует о том, что инициирование развития нового для региона, непрофильного вида деятельности позволяет конвертировать ресурсы данной территории в промышленный рост.

Мы приходим к выводу о том, что приоритетным направлением для Фонда является избирательная поддержка проектов в регионах с невысоким уровнем индустриального развития с целью формирования на территории новых отраслевых группировок и усиления связности между ними. Это позволит стимулировать появление сетевых эффектов и придать импульс экономическому развитию территории в целом. И в данном случае модель умной специализации даст возможность определить реперные точки для применения государственной поддержки в виде кредитных средств ФРП.

Заключение

Усиливая свою роль в реализации промышленной политики, государство как ее активный субъект объективно заинтересовано в эффективном расходовании ресурсов господдержки с целью получения системных эффектов промышленного роста и осуществления структурных преобразований в промышленности страны.

1 Источник: Атлас экономической специализации регионов России [Гохберг, Куценко, 2021].

Для достижения этой цели в последние несколько лет были разработаны и приняты к реализации отраслевые стратегии развития, задающие направления и определяющие целевые показатели развития отдельных отраслей и секторов отечественной промышленности1, а также Стратегия, на контрольные показатели которой мы ориентировались в нашем исследовании для оценки потенциальных возможностей промышленного роста. Такое положение вещей приводит к необходимости определить соответствие и достаточность используемого инструментария промышленной политики для выполнения заявленных в стратегических документах целей промышленного развития.

Однако, как показывает анализ данных документов, аспект пространственной неоднородности промышленного роста, в том числе специализация региона, не учитывается их разработчиками. Вследствие этого реализуемая государством промышленная политика начинает приобретать декларативный характер, а расходование ресурсов государственной поддержки становится фрагментарным и дискретным, что подтверждается и результатами настоящего исследования.

Для устранения этих недостатков необходима определенная коррекция подходов к формированию портфеля инвестиционных проектов промышленного развития, поддерживаемых ФРП, с учетом пространственных особенностей промышленного ландшафта России.

Источники

Акбердина В. В., Романова О. А. (2021). Региональные аспекты индустриального развития: обзор подходов к формированию приоритетов и механизмов регулирования // Экономика региона. Т. 17, вып. 3. С. 714-736. https://doi.org/10.17059/ekon.reg.2021-3-1.

Бош А., Вонортас Н. (2019). «Умная специализация» как стимул инновационной экономики в развивающихся странах. Уроки Бразилии // Форсайт. № 1. С. 32-47. Б01: 10.17323/25002597.2019.1.32.47.

Гасфорд А. О. (2019). Принципы применения «умной специализации» к региональному развитию России // Экономика: вчера, сегодня, завтра. Т. 9, № 3А. С. 441-447. Б01: 10.34670/ AR.2019.893.048.

Гохберг Л. М., Куценко Е. С. (ред.). (2021). Атлас экономической специализации регионов России. Москва: НИУ ВШЭ, 2021. 264 с. Б01: 10.17323/978-5-7598-2379-7.

Евсеева М. В., Стариков Е. Н., Воронов М. П. (2021). Уровень технологического развития индустриальных регионов: экосистемный подход // Управленец. Т. 12, № 3. С. 13-30. Б01: 10.29141/2218-5003-2021-12-3-2.

Земцов С. П., Баринова В. А. (2016). Смена парадигмы региональной инновационной политики в России: от выравнивания к «умной специализации» // Вопросы экономики. № 10. С. 65-81. https://doi.org/10.32609/0042-8736-2016-10-65-81.

Ивантер В. В., Порфирьев Б. Н., Широв А. А., Шокин И. Н. (2017). Основы структурно-инвестиционной политики в современных российских условиях // Вестник Финансового университета. № 1. С. 6-15.

Калюжнова Н. Я., Виолин С. И. (2020). Умная специализация российских регионов: возможности и ограничения // Экономика, предпринимательство и право. Т. 10, № 10. С. 2457-2472. Б01: 10.18334/ерр.10.10.111061.

1 Об утверждении Стратегии развития станкоинструментальной промышленности на период до 2035 года: распоряжение Правительства РФ от 05.11.2020 № 2869-р; Об утверждении Стратегии развития электронной промышленности Российской Федерации на период до 2030 года: распоряжение Правительства Российской Федерации от 17.01.2020 № 20-р; Об утверждении Стратегии развития лесного комплекса Российской Федерации до 2030 года: распоряжение Правительства РФ от 11.02.2021 № 312-р; и др.

Коломак Е. А., Крюков В. А., Мельникова Л. В. и др. (2018). Стратегия пространственного развития России: ожидания и реалии // Регион: экономика и социология. Т. 98, № 2. С. 264-287. DOI: 10.15372/REG20180212.

Куценко Е. С., Исланкина Е. А., Киндрась А. А. (2018). Можно ли быть умным в одиночестве? Исследование инновационных стратегий российских регионов в контексте «умной специализации»// Форсайт. № 1. С. 25-45. DOI: 10.17323/2500-2597.2018.1.25.45.

Орехова С. В., Заруцкая В. С., Кислицын Е. В. (2021). Эмпирическое исследование сетевого взаимодействия на рынке // Управленец. Т. 12, № 1. С. 32-46. DOI: 10.29141/2218-5003-2021-12-1-3.

Репичев А. И., Тугачева Л. В., Воробьева А. В., Авдеева Д. А. (2018). Возможности разработки региональных инновационных стратегий на принципах «умной специализации» // Вопросы управления. Т. 51, № 2. С. 37-45.

Стариков Е. Н., Евсеева М. В., Наумов И. В. (2022). Управление промышленным ростом: эффективность фондов развития // Управленец. Т. 13, № 3. С. 16-29. DOI: 10.29141/2218-5003-202213-3-2.

Татаркин А. И. (2013). Саморазвитие территориальных социально-экономических систем как потребность федеративного обустройства России // Экономика региона. № 4. С. 9-26.

Татаркин А. И., Дорошенко С. В. (2011). Регион как саморазвивающаяся социально-экономическая система: переход через кризис // Экономика региона. № 1. С. 15-23.

Asheim B. T. (2018). Smart specialisation, innovation policy and regional innovation systems: What about new path development in less innovative regions? Innovation: The European Journal of Social Science Research, vol. 32, no. 1, pp. 8-25. https://doi.org/10.1080/13511610.2018.1491001.

Audretsch D. B. (1998). Agglomeration and the location of innovative activity. Oxford Review of Economic Policy, vol. 14, no. 2, pp. 18-29.

Balland P.-A., Boschma R., Crespo J., Rigby D. L. (2018). Smart specialization policy in the European Union: Relatedness, knowledge complexity and regional diversification. Regional Studies, vol. 35, no. 4, pp. 1-17. https://doi.org/10.1080/00343404.2018.1437900.

Boschma R. (2013). Constructing regional advantage and smart specialization: Comparison of two European policy concepts (Papers in Evolutionary Economic Geography no. 13.22). Utrecht: Utrecht University. 16 p.

D'Adda D., Iacobucci D., Perugini F. (2022). Smart Specialisation Strategy in practice: Have regions changed the allocation of Structural Funds? Regional Studies, vol. 56, issue 1, pp. 155-170. DOI: 10.1080/00343404.2021.1890326.

Dvoryadkina E. B., Dzhalilov E. V. (2021). Properties of traditional industrial regions' economic space: Theoretical foundations. Journal of New Economy, vol. 22, no. 4, pp. 45-61. DOI: 10.29141/26585081-2021-22-4-3.

Foray D. (2017). The economic fundamentals of smart specialization strategies. In: Radosevicet S., Curaj A., Gheorghiu R., Andreescu L., Wade I. (eds.) Advances in the theory and practice of smart specialization (pp. 38-50). Amsterdam: Academic Press.

Foray D. (2018). Smart specialisation strategies and industrial modernisation in European regions -theory and practice. Cambridge Journal of Economics, no. 42, issue 6, pp. 1505-1520. DOI: 10.1093/cje/ bey022.

Foray D., David P. A., Hall B. H. (2009). Smart specialization - the concept (Knowledge Economists Policy Brief no. 9). Brussels: European Commission. 5 p.

Foray D., Goenaga X. (2013). The goals of smart specialisation (S3 Policy Brief Series no. 01/2013). Luxembourg: Publications Office of the European Union. 18 p. DOI:10.2791/20158.

Frangenheim A., Trippl M., Chlebna C. (2020). Beyond the Single Path View: Inter-path dynamics in regional contexts. Economic Geography, no. 96, issue 1, pp. 31-51. https://doi.org/10.1080/00130095.20 19.1685378.

Giannitsis T. (2009). Technology and specialisation: Strategies, options and risks (Knowledge Economists Policy Brief no. 8). Brussels: European Commission. 7p.

Grillitsch M. (2016). Institutions, smart specialisation dynamics and policy. Environment and Planning C: Government and Policy, vol. 34, issue 1, рр. 22-37. https://doi.org/10.1177/0263774X15614694

Isaksen A., Jakobsen S.-E., Nj0s R., Normann R. (2019). Regional industrial restructuring resulting from individual and system agency. Innovation: The European Journal of Social Science Research, no. 32, issue 1, pp. 48-65. DOI: 10.1080/13511610.2018.1496322.

Khessina O., Romanelli E. (2007). Regional industrial identity and spatial arrangements in the U.S. Biotherapeutics industry, 1976-2004 (Johnson School Research Paper Series no. 07-07). 56 p. http://dx.doi. org/10.2139/ssrn.1019307.

Martin R., Sunley P. (2006). Path dependence and regional economic evolution. Journal of Economic Geography, vol. 6, issue 4, pp. 395-437. https://doi.org/10.1093/jeg/lbl012.

McCann P., Ortega-Argiles R. (2013). Smart specialization, regional growth and applications to European Union cohesion policy. Regional Studies, vol. 49, no. 8, pp. 1291-1302. https://doi.org/10.1080/0 0343404.2013.799769.

McCann P., Ortega-Argiles R. (2016). The early experience of smart specialization implementation in EU cohesion policy. European Planning Studies, vol. 24, no. 8, pp. 1407-1427. https://doi.org/10.1080 /09654313.2016.1166177.

Moodysson J., Trippl M., Zukauskaite E. (2017). Policy learning and smart specialization: Balancing policy change and continuity for new regional industrial paths. Science and Public Policy, vol. 44, no. 3, pp. 382-391. DOI: 10.1093/scipol/scw071.

Radosevic S. (2017). Advancing theory and practice of smart specialization: Key messages. In: Ra-dosevicet S., Curaj A., Gheorghiu R., Andreescu L., Wade I. (eds.) Advances in the theory and practice of smart specialization (pp. 345-355). Amsterdam: Academic Press.

Romanelli E., Khessina O. (2005). Regional industrial identity: Cluster configurations and economic development. Organization Science, vol. 16, no. 4, pp. 344-358. DOI: 10.1287/orsc.1050.0131.

Информация об авторах Стариков Евгений Николаевич - кандидат экономических наук, доцент, доцент кафедры шахматного искусства и компьютерной математики. Уральский государственный экономический университет, г. Екатеринбург, РФ; старший научный сотрудник отдела региональной промышленной политики и экономической безопасности. Институт экономики УрО РАН, г. Екатеринбург, РФ. E-mail: starik1705@yandex.ru

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Евсеева Марина Викторовна - кандидат экономических наук, доцент кафедры экономической теории и корпоративного управления. Уральский государственный экономический университет, г. Екатеринбург, РФ. E-mail: m.evseeva@inbox.ru

Наумов Илья Викторович - кандидат экономических наук, заведующий лабораторией моделирования пространственного развития территорий. Институт экономики УрО РАН, г. Екатеринбург, РФ. E-mail: ilia_naumov@list.ru

■ ■ ■

References

Akberdina V. V., Romanova O. A. (2021). Regional industrial development: review of approaches to regulation and determining of priorities. Ekonomika regiona = Economy of Region, vol. 17, issue 3, pp. 714-736. https://doi.org/10.17059/ekon.reg.2021-3-1. (In Russ.)

Bosch A., Vonortas N. (2019). Smart specialization as a tool to foster innovation in emerging economies: Lessons from Brazil. Forsayt = Foresight and STI Governance, no. 1, pp. 32-47. DOI: 10.17323/25002597.2019.1.32.47. (In Russ.)

Gasford A. O. (2019). Principles of the application of "smart specialization"

to regional development of Russia. Ekonomika: vchera, segodnya, zavtra = Economics: Yesterday, Today and Tomorrow, no. 3-1, pp. 441-447. DOI: 10.34670/AR.2019.89.3.048. (In Russ.)

Gokhberg L. M., Kutsenko E. S. (eds.). (2021). Atlas of economic specialisation of Russian regions. Moscow: Higher School of Economics. 264 p. DOI: 10.17323/978-5-7598-2379-7. (In Russ.)

Evseeva M. V., Starikov E. N., Voronov M. P. (2021). Technological development of industrial regions: The ecosystem approach. Upravlenets = The Manager, vol. 12, no. 3, pp. 13-30. DOI: 10.29141/22185003-2021-12-3-2. (In Russ.)

Zemtsov S. P., Barinova V. A. (2016). The paradigm changing of regional innovation policy in Russia: From equalization to smart specialization. Voprosy ekonomiki = The Issues of Economics, no. 10, pp. 65-81. https://doi.org/10.32609/0042-8736-2016-10-65-81. (In Russ.)

Ivanter V. V., Porfiryev B. N., Shirov A. A., Shokin I. N. (2017). Basis of structural-investment policy in modern conditions of Russian economy. Vestnik finansovogo universiteta = Bulletin of the Financial University, no. 1, pp. 6-15. (In Russ.)

Kalyuzhnova N. Ya., Violin S. I. (2020). Smart specialization of Russian regions: Prospects and limitations. Ekonomika, predprinimatelstvo i parvo = Economy, Entrepreneurship and Law, vol. 10, no. 10, pp. 2457-2472. DOI: 10.18334/epp.10.10.111061. (In Russ.)

Kolomak E.A., Kryukov V.A., Melnikova L.V., Seliverstov V.E., Suslov V.I., Suslov N.I. (2018). Spatial development strategy of Russia: Expectation and reality. Region: ekonomika i sotsiologiya = Region: Economics and Sociology, no. 2 (98), pp. 264-287. DOI: 10.15372/REG20180212. (In Russ.)

Kutsenko E. S., Islankina E. A., Kindras A. A. (2018). Smart by oneself? An analysis of Russian regional innovation strategies within the RIS3 framework. Forsayt = Foresight and STI Governance, no. 1, pp. 25-45. DOI: 10.17323/2500-2597.2018.1.25.45. (In Russ.)

Orekhova S. V., Zarutskaya V. S., Kislitsyn E. V. (2021). An empirical investigation of network relationships in the market. Upravlenets = The Manager, vol. 12, no. 1, pp. 32-46. DOI: 10.29141/2218-50032021-12-1-3. (In Russ.)

Repichev A. I., Tugacheva L. V., Vorobyeva A. V., Avdeeva D. A. (2018). Opportunities for the development of regional innovation strategies based on the principles of "smart specialization". Voprosy upravleniya = Management Issues, no. 2 (51), pp. 37-45. (In Russ.)

Starikov E. N., Evseeva M. V., Naumov I. V. (2022). Managing industrial growth: The role of development funds. Upravlenets = The Manager, vol. 13, no. 3, pp. 16-29. DOI: 10.29141/2218-5003-2022-13-32. (In Russ.)

Tatarkin A. I. (2013). Self-development of regional socioeconomic systems as the need for Russia's federal development. Ekonomika regiona = Economy of Region, no. 4, pp. 9-26. (In Russ.)

Tatarkin A. I., Doroshenko S. V. (2011). Region as a self-developing socio-economic system: Crossing the crisis. Ekonomika regiona = Economy of Region, no. 1, pp. 15-23. (In Russ.)

Asheim B. T. (2018). Smart specialisation, innovation policy and regional innovation systems: What about new path development in less innovative regions? Innovation: The European Journal of Social Science Research, vol. 32, no. 1, pp. 8-25. https://doi.org/10.1080/13511610.2018.1491001.

Audretsch D. B. (1998). Agglomeration and the location of innovative activity. Oxford Review of Economic Policy, vol. 14, no. 2, pp. 18-29.

Balland P.-A., Boschma R., Crespo J., Rigby D. L. (2018). Smart specialization policy in the European Union: Relatedness, knowledge complexity and regional diversification. Regional Studies, vol. 35, no. 4, pp. 1-17. https://doi.org/10.1080/00343404.2018.1437900.

Boschma R. (2013). Constructing regional advantage and smart specialization: Comparison of two European policy concepts (Papers in Evolutionary Economic Geography no. 13.22). Utrecht: Utrecht University. 16 p.

DAdda D., Iacobucci D., Perugini F. (2022). Smart Specialisation Strategy in practice: Have regions changed the allocation of Structural Funds? Regional Studies, vol. 56, issue 1, pp. 155-170. DOI: 10.1080/00343404.2021.1890326.

Dvoryadkina E. B., Dzhalilov E. V. (2021). Properties of traditional industrial regions' economic space: Theoretical foundations. Journal of New Economy, vol. 22, no. 4, pp. 45-61. DOI: 10.29141/26585081-2021-22-4-3.

Foray D. (2017). The economic fundamentals of smart specialization strategies. In: Radosevicet S., Curaj A., Gheorghiu R., Andreescu L., Wade I. (eds.) Advances in the theory and practice of smart specialization (pp. 38-50). Amsterdam: Academic Press.

Foray D. (2018). Smart specialisation strategies and industrial modernisation in European regions -theory and practice. Cambridge Journal of Economics, no. 42, issue 6, pp. 1505-1520. DOI: 10.1093/cje/ bey022.

Foray D., David P. A., Hall B. H. (2009). Smart specialization - the concept (Knowledge Economists Policy Brief no. 9). Brussels: European Commission. 5 p.

Foray D., Goenaga X. (2013). The goals of smart specialisation (S3 Policy Brief Series no. 01/2013). Luxembourg: Publications Office of the European Union. 18 p. DOI:10.2791/20158.

Frangenheim A., Trippl M., Chlebna C. (2020). Beyond the Single Path View: Inter-path dynamics in regional contexts. Economic Geography, no. 96, issue 1, pp. 31-51. https://doi.org/10.1080/00130095.20 19.1685378.

Giannitsis T. (2009). Technology and specialisation: Strategies, options and risks (Knowledge Economists Policy Brief no. 8). Brussels: European Commission. 7p.

Grillitsch M. (2016). Institutions, smart specialisation dynamics and policy. Environment and Planning C: Government and Policy, vol. 34, issue 1, pp. 22-37. https://doi.org/10.1177/0263774X15614694