CC BY
24
УДК 338.2
РЕСУРСЫ КАК ФАКТОР ЭКОНОМИЧЕСКОЙ СИСТЕМАТИКИ ПРИ АНАЛИЗЕ ПОТЕНЦИАЛА РАЗВИТИЯ СТРАН И ТЕРРИТОРИЙ
Маргарита Евгеньевна Морозова
Институт экономики и организации промышленного производства СО РАН, 630090, Россия, г. Новосибирск, пр. Академика Лаврентьева, 17, аспирант, тел. (383)330-09-62, e-mail: margarita.e.morozova@gmail.com
Владимир Витальевич Шмат
Институт экономики и организации промышленного производства СО РАН, 630090, Россия, г. Новосибирск, пр. Академика Лаврентьева, 17, кандидат экономических наук, ведущий научный сотрудник, тел. (383)330-09-62; Новосибирский национальный исследовательский государственный университет, 630090, Россия, г. Новосибирск, ул. Пирогова, 2, доцент, e-mail: petroleum-zugzwang@yandex.ru
Ресурсный фактор сочетает в себе разные, противоборствующие аспекты воздействия на экономическое развитие. Экономическая систематика (на принципах, схожих с биологической) с использованием методов многомерного статистического анализа позволяет учесть множество факторов, включая ресурсные и нересурсные. Проведенный авторами анализ охватывает представительную выборку из 165 стран мира. Признаки систематики — это факторы ресурсной обеспеченности и зависимости от ресурсов, основанные на статистических данных; показатели уровня экономического развития и темпов роста; индексные показатели, характеризующие качество экономики, состояние человеческого капитала и институтов. Экономическая систематика позволила не только иерархическим образом классифицировать страны мира, но и выявить характеристики развития и функционирования экономик ресурсного и нересурсного типов. В частности установлено, что высокий уровень развития экономики у ресурсных стран достигается только за счет очень крупных размеров ресурсного богатства. Страны, обладающие умеренно большим ресурсным богатством характеризуются средним уровнем экономического развития и сталкиваются с проблемой зависимости от ресурсов, а как следствие, с необходимостью диверсификации экономики.
Ключевые слова: экономическая систематика, кластерный анализ, экономическое развитие, индексы, ресурсная обеспеченность, зависимость от ресурсов.
RESOURCES AS A FACTOR OF ECONOMIC TAXONOMY
IN THE ANALYSIS OF DEVELOPMENT OF COUNTRIES AND TERRITORIES
Margarita E. Morozova
Institute of Economics and Organization of Industrial Production, 17, Prospect Аkademik
Lavrentiev St., Novosibirsk, 630090, Russia, Ph. D. Student, phone: (383)330-09-62, e-mail: margarita.e.morozova@gmail.com
Vladimir V. Shmat
Institute of Economics and Organization of Industrial Production, 17, Prospect Аkademik Lavrentiev St., Novosibirsk, 630090, Russia, Ph. D., Leading Researcher, phone: (383)330-09-62; Novosibirsk National Research State University, 2, Pirogova St., Novosibirsk, 630073, Russia, Associate Professor, e-mail: petroleum-zugzwang@yandex.ru
The resource factor combines different, opposing aspects of the impact on economic development. Economic taxonomy (on principles similar to biological) using methods of multivariate
statistical analysis allows to take into account a variety of factors, including resource and non-resource. The authors' analysis covers a representative sample of 165 countries. Signs of systemat-ics are the factors of resource provision and resource dependency, based on statistical data; indicators of economic development and growth rates; index indicators characterizing the quality of the economy, the state of human capital and institutions. Economic taxonomy made it possible not only to classify the countries of the world in a hierarchical way, but also to reveal the characteristics of the development and functioning of economies of resource and non-resource types. In particular, it is established that a high level of economic development in resource countries is achieved only due to the very large size of resource wealth. Countries with moderately large resource wealth are characterized by an average level of economic development and face the problem of resource dependence and, as a consequence, the need to diversify the economy.
Key words: economic taxonomy, cluster analysis, economic development, indices, resource abundance, resource dependence.
Введение. В экономической науке вопрос о том, являются ли ресурсы благом или злом стал едва ли не сакраментальным. Негативная роль ресурсов для экономики занимает центральное место в тезисе о «ресурсном проклятии» в различных его формулировках (сильной, слабой, условного проклятия). Объяснения данного феномена находятся в гипотезе Пребиша — Зингера, связываются с идеями о ловушке сырьевой специализации и провалах рынка («голландской болезнью», с эффектом перехлеста и политэкономическими аспектами (провалом государства, ориентированного на получение ренты)) [1]. Существует и противоположный тезис о «ресурсном благословении», доказанный целым рядом исследований на основе «классических» эконометрических моделей, а также моделей анализа панельных данных.
По нашему мнению, более правомерной выглядит гипотеза, что ресурсный фактор сочетает в себе разные, противоборствующие аспекты влияния на экономическое развитие. Требуется более основательно подойти к вопросу о выявлении истоков «проклятия» и «благословения», а не наклеивать ярлыки.
Строго говоря, ресурсы — это не благо и не зло, — а один из факторов экономического развития, один из видов капитала (природный капитал). Влияние ресурсов как особого вида капитала на экономическое развитие (и экономический рост в частности) имеет определенную специфику, отличающую данный фактор от других. Специфика ресурсов проявляется в двойственном, противоречивом характере влияния на экономику, которое предстает в неразрывно связанных друг с другом влиянии ресурсного богатства («благо») и влиянии зависимости от ресурсов («зло»).
Ресурсное богатство. Но прежде всего значима роль уровня ресурсной обеспеченности, размеров ресурсного богатства, которое, скорее всего, с неизбежностью вызывает зависимость от ресурсов в той или иной форме и степени. Однако, как показывает пример многих стран мира, ресурсозависимость может сложится и при сравнительно низком уровне обеспеченности ресурсами. Таким образом, оказываются возможным два сочетания факторов:
1) ресурсное богатство, вызывающее в качестве побочного эффекта ресур-созависимость;
2) ресурсозависимость без ресурсного богатства (или при его весьма скромных размерах).
Тот факт, что экономическое богатство ресурсных стран прямо зависит от степени их ресурсной обеспеченности, выявляется при помощи даже несложного эконометрического анализа. На выборке, составленной из 41 стран мира, которые имеют собственную добычу нефти и газа, наблюдается сильнейшая корреляция между показателями добычи углеводородов на душу населения и подушевого ВВП, исчисленного в паритетных ценах, с коэффициентом 0,92. Распределение нефтегазовых стран по показателю подушевого ВВП в зависимости от объема производства углеводородов хорошо аппроксимируется с помощью линейной регрессии с коэффициентом детерминации, равным 0,89. При этом, как можно увидеть на диаграмме, имеет место высокая плотность результатов и в распределении практически отсутствуют «выбросы» (рис. 1).
140 ООО
н -
I
X й Н о
Я *
Е
о
н
к §"
с
ас ас
ж
о *
и Е
П
120 ООО
100 000
80 000
60 000
40 000
20 000
у — 1212,9х + 8763,8 = 0,89084
О
о о о
Россия^ О гФ о о
V о
20 40 60 80
Добыча нефти и газа на душу населения, тн.э.
100
120
Рис. 1. Распределение нефтегазовых стран по показателю подушевого ВВП в зависимости от объема производства углеводородов, 2012 г.
Аналогичным образом рассчитанный коэффициент корреляции между величиной подушевого ВВП и оценкой степени экономической свободы Фрезера (как индикатора состояния институтов [2]) составил 0,55. Иными словами, оказалось, что корреляция между состоянием институтов и уровнем экономического развития нефтегазовых стран статистически выглядит весьма слабой. Качество соответствующей линейной регрессии оказывается очень низким = 0,27); имеется большое количество «выбросов» вверх и вниз от графика регрессии [3].
Однако действие ресурсов на экономику двоякое. И если степень ресурсного богатства вне всяких сомнений положительно влияет на уровень экономического развития (по крайней мере — статистически измеримый в показателях душевого ВВП), то по вопросу о зависимости от ресурсов напрашивается противоположный ответ.
Зависимость от ресурсов. Мы полагаем, что главный недостаток большинства эконометрических моделей, используемых для оценки влияния ресурсного фактора на экономическое развитие, состоит в том, данный фактор рассматривается в «обезличенном» виде. Не учитывается специфика влияния ресурсов на экономическое развитие, различия в характере ресурсозависимо-сти. Между тем, у каждой страны, чье благополучие связано с освоением минерально-сырьевых ресурсов, формируется свой специфический характер ресур-созависимости, подчиняющийся некоторым общим закономерностям и укладывающийся в рамки нескольких сравнительно общих типов
Качественный анализ ситуации, складывающийся в различных нефтегазовых странах, позволяет назвать основные типы ресурсозависимости: латиноамериканский, персидский, африканский, голландский, норвежский, российский [4].
Остановимся на последних трех типах.
Голландский — по своему уникальный, связан с неблагоприятными макроэкономическими последствиями ресурсного бума, проистекающими из-за провалов рынка. Сильные институты позволяют сравнительно легко преодолеть негативные последствия, особенно на стадии сокращения доходов от экспорта сырья.
Норвежский — характеризует ресурсозависимость, опосредованную действием сильного ресурсного мультипликатора. Хорошие институты демократического общества позволяют избежать безрассудного расходования ренты и обратить ее на цели экономического и технологического развития страны. Главная опасность связана с истощением ресурсов, сокращением добычи и объемов работ в ресурсном секторе.
Российский — особый тип ресурсозависимости большой страны с большой экономикой, располагающей значительными ресурсами полезных ископаемых. Тем не менее, показатель добычи нефти и газа на душу населения в России составляет всего 7,4 т н.э., что меньше не только норвежского (38 т), но и канадского (9,3 т). Т.е. у России нет даже теоретических шансов стать чем-то вроде «очень большого Кувейта»
Основные формальные признаки ресурсозависимости «по-российски»:
• высокая доля сырьевых товаров (главным образом — нефти и газа) в структуре экспорта;
• высокая доля ресурсной ренты в структуре доходов государственного (федерального) бюджета.
Главный неформальный признак проявляется в слабом ресурсном мультипликаторе, что с некоторой натяжкой позволяет говорить о параллельном существовании двух экономик — нефтегазовой и остальной, — непосредствен-
ные взаимосвязи между которыми не отличаются высокой интенсивностью (воздействие нефтегазовой экономики на остальную в значительной степени опосредовано бюджетно-финансовыми потоками).
Наблюдается ярко выраженная регионализация ресурсозависимости, поскольку % нефтегазового потенциала, включая добычу углеводородов, приходится на Западную Сибирь, а новые ресурсные источники «приурочены» к слабо освоенным территориям на востоке и севере страны. Подавляющее большинство регионов - субъектов Федерации вообще не имеют сколько-нибудь значимого непосредственного отношения к освоению нефтегазовых ресурсов и к первичному распределению рентного дохода. Тесная интеграция нефтегазового сектора с другими отраслями («прямой» и «обратный» мультипликатор) имеет место лишь в экономике старых добывающих регионов Урало-Поволжья.
Можно отметить, что регионализированная ресурсозависимость имеет место в Австралии (шт. Западная Австралия), Канаде (пров. Альберта, Онтарио) и в США (шт. Аляска, Сев. Дакота), т.е. в странах с национальными экономиками отнюдь не ресурсно-сырьевого типа. Рискнем даже выдвинуть гипотезу, что в США в настоящее время складывается специфический тип ресурсозави-симости — «сланцевая зависимость», — вызванная бурным освоением нетрадиционных источников углеводородного сырья, которое характеризуется экстремально сильным мультипликативным воздействием на экономику (включая инновационно-технологическую сферу). Пока что наблюдаются в основном позитивные последствия, но чтобы пролонгировать их в будущее, потребуется и дальше наращивать добычу или, по крайней мере, не допустить ее заметного падения. Чем не «сланцевая игла» для территорий?
Необходимо оговориться, что рассмотренные типы ресурсозависимости в «чистом» виде представляют, скорее, теоретические образцы и демонстрируют наиболее характерные признаки, имевшие место в прошлом и наблюдаемые сегодня. В реальной же действительности чаще встречается ресурсозависи-мость смешанного типа. Например, в настоящее время ресурсозависимость по норвежскому типу распространяется, по-видимому, на Мексику и Бразилию, с той лишь разницей, что все происходит на стадии растущей добычи глубоководной нефти.
Но приведенный анализ говорит только о качественном воздействии ресурсных факторов и не позволяет выявить количественную степень влияния. Чтобы решить задачу количественной оценки и выявить, как классифицируются ресурсные страны, мы решили провести их экономическую систематику с учетом ресурсных и нересурсных факторов с использованием методов многомерного статистического анализа (факторного и кластерного). К сожалению, из-за ограниченности объема статьи, мы можем лишь в очень кратком виде охарактеризовать результаты этого масштабного исследования, остановившись на некоторых наиболее важных моментах.
Экономическая систематика с использованием методов многомерного статистического анализа. Прежде всего отметим, что применение кластерного анализа широко распространено в различных областях знания: психологии
и других социальных науках, статистике, биологии, распознавании образов, машинного обучения, интеллектуального анализа данных и других отраслях, где необходимо анализировать множество объектов, требующих классификации. В экономике также существует большое количество работ, использующих в качестве инструмента кластерный анализ, что свидетельствует о способности данного метода к исследованию совершенно разных проблем экономического развития [5; 6; 7].
Естественно задаться вопросом, зачем нужна специальная систематика с учетом ресурсных признаков? Дело в том, что известные классификации на межстрановом уровне очень специфичны и служат для конкретных исследовательских целей [см. например: 8; 9; 10; 11], нет универсальных классификаций и, тем более, таких, которые учитывают действие фактора ресурсов. По этой причине для целей анализа проблем ресурсозависимости мы построили свою систематику, включающую необходимое нам множество объектов и признаков.
Основу исследования составила выборка из 165 стран мира, достаточно представительная по своему составу, т.к. охватывает 99% населения планеты, почти 100% нефтегазовой ренты, 99% мирового ВВП, 99 и 95%, соответственно, производства нефти и газа. Т.е. мы сделали акцент на одном виде ресурсов — углеводородном сырье, — исходя из того, что именно нефть и газ являются наиболее ликвидными ресурсами и приносящими около 70% мировой ресурсной ренты [12].
Систематика проводилась по 18 признакам, отражающим: уровень и темпы экономического развития стран; показатели обеспеченности ресурсами и зависимости от ресурсов; рейтиногово-индексные показатели, на основе которых можно судить о качестве экономического развития, уровне социального развития и состоянии институтов (табл. 1).
Кластеризация по методу к-средних дала следующие результаты при разбиении страновой выборки на 10 кластеров (оптимальное число, полученное при построении дендрограммы). В кластеры с первый по третий вошли 25 ресурсных стран, население которых составляет всего 10,2% от мирового. Однако эти страны обладают крупными ресурсными запасами, что позволяет им получать 73,5% мировой ресурсной ренты. Доля ресурсных стран в мировом ВВП не такая уж и большая: 11,9%; а у самых богатых ресурсных стран — 2,6%. Причем если рассматривать богатые ресурсами страны, то у них уровень ВВП на душу населения настолько высокий, что проблема темпов экономического роста вообще не стоит (табл. 2). Чем выше база, тем, при прочих равных условиях, ниже темпы роста экономики. Это характерно и для наиболее развитых стран. А наиболее высокие темпы роста показывают страны, имеющие доходы ниже среднего.
Для проверки устойчивости результатов в общей сложности было построено 25 вариантов кластеризации — на основе разных комбинаций признаков и их агрегатов, полученных путем факторного анализа по методу главных компонент. Многовариантный подход в нашем случае необходим и для того, чтобы оценить значимость факторов (признаков) и отсечь несущественные.
Статистически измеримые и рейтингово-индексные признаки объектов,
подлежащих классификации
Код признака Группа Описание признака
GDP PPP Pop Уровень и темпы экономического развития* ВВП на душу населения в ценах 2011 г. по паритету покупательной способности (1111С)
GDP Growth Среднегодовой темп роста ВВП за период 1991—2014 гг.
Rents PPP Pop Ресурсная обеспеченность* Нефтегазовая рента на душу населения в ценах по ППС
O&G Prod Pop Производство нефти и газа на душу населения
O&G Res Pop Доказанные запасы нефти и газа на душу населения
O&G Rents % GDP Зависимость от ресурсов* Доля нефтегазовой ренты в ВВП (%)
Fuel % Exp Доля топлива в стоимости товарного экспорта (%)
Rent % Budg Отношение величины нефтегазовой ренты к сумме бюджетных доходов (%)**
GCI Качество экономического развития Индекс глобальной конкурентоспособности / Global Competitiveness Index (World Economic Forum [13])
GII Глобальный индекс инноваций / Global Innovation Index (Cornell University, INSEAD, UN World Intellectual Property Organization [14])
IOG Индекс уровня глобализации / Index of Globalization (KOF Swiss Economic Institute, Swiss Federal Institute of Technology [15])
HDI Социальное развитие Индекс развития человеческого потенциала / Human Development Index (UN Development Programme [16])
CPI Индекс социального прогресса / Social Progress Index (Social Progress Imperative [17])
LQI Индекс качества жизни / Quality of Life Index (Numbeo, The Economist Intelligence Unit [18])
EFI Институциональное развитие Индекс экономической свободы / Economic Freedom of the World (Fraser Institute [2])
RLI Индекс верховенства закона / Rule of Law Index (WJP - World Justice Project [19])
WGI Индекс эффективности работы правительства / Government Effectiveness Indicators (World Bank [20])
HPI Несистемный Международный индекс счастья / Happy Planet Index (New Economics Foundation [21])
Примечания:
* — для расчета значений показателей использовались источники [12; 22; 23] ** — показатель характеризует рентозависимость бюджетов стран и используется вместо более точного показателя доли рентных налогов в бюджетных доходах, сбор исходных данных для расчета которого слишком трудоемок.
Состав групп стран, выявленных в процессе кластеризации (разбивка на 10 кластеров)
Вид Состав вида
1** Катар, Кувейт, Бруней, ОАЭ, Саудовская Аравия (5)*
2** Бахрейн, Оман, Экваториальная Гвинея, Тринидад и Тобаго, Казахстан, Габон, Азербайджан, Иран, Туркменистан, Ирак, Респ. Конго, Нигерия (12)
3** Россия, Венесуэла, Ливия, Алжир, Колумбия, Эквадор, Ангола, Йемен (8)
4*** ЦАР, Дем. респ. Конго, Бурунди, Либерия, Нигер, Гвинея, Гвинея-Бисау, Того, Мадагаскар, Гамбия, Гаити, Зимбабве, Сьерра-Леоне, Бенин, Камерун, Берег Слоновой Кости, Джибути, Мавритания, Сирия, Свазиленд (20)
5*** Мозамбик, Малави, Эфиопия, Буркина-Фасо, Уганда, Мьянма, Афганистан, Чад, Восточный Тимор, Мали, Непал, Танзания, Лесото, Судан, Пакистан, Боливия (16)
6*** Руанда, Сенегал, Таджикистан, Папуа - Новая Гвинея, Кения, Кыргызстан, Замбия, Гана, Гондурас, Молдова, Узбекистан, Армения, Украина, Парагвай, Намибия, Египет, Тунис, Монголия, Южная Африка, Ливан, Ботсвана, Суринам, Беларусь (23)
7*** Бангладеш, Камбоджа, Лаос, Вьетнам, Индия, Гайана, Бутан, Босния и Герцеговина, Шри-Ланка, Китай (10)
8*** Никарагуа, Филиппины, Гватемала, Марокко, Сальвадор, Белиз, Ямайка, Грузия, Индонезия, Албания, Иордания, Перу, Доминиканская Республика, Сербия, Коста-Рика, Таиланд, Бразилия, Барбадос, Мексика, Турция, Аргентина, Куба, Панама, Пуэрто-Рико (24)
9*** Македония, Черногория, Болгария, Румыния, Уругвай, Хорватия, Чили, Латвия, Венгрия, Польша, Малайзия, Греция, Литва, Португалия, Словакия, Эстония, Словения, Чехия, Мальта, Кипр, Испания, Италия, Респ. Корея, Тайвань (24)
10*** Израиль, Новая Зеландия, Япония, Франция, Великобритания, Финляндия, Бельгия, Исландия, Канада, Дания, Австралия, Германия, Австрия, Швеция, Нидерланды, Ирландия, США, Гонконг, Швейцария, Норвегия, Сингапур, Лихтенштейн, Люксембург (23)
Примечания:
* — в скобках указано число стран, вошедших в кластер;
** — страны в кластере упорядочены по убыванию душевого ВВП, то есть по уровню богатства
*** — страны в кластере упорядочены по возрастанию душевого ВВП.
С использованием программного пакета 81айв11са определилось минимальное число кластеров для сформированного массива данных (18 индикаторов для 165 стран), равное четырем. Разбивка всех стран выборки на 4 кластера позволяет выявить более агрегированные группы стран, или по аналогии с биологической систематикой перейти от таксонов нижнего уровня (видов) к таксонам более высокого уровня (родам и классам). Результаты кластеризации таковы, что все страны с ресурсной (нефтегазовой) экономикой собрались в отдельный
кластер (класс, включающий 23 страны), а прочие страны разделились на три кластера (рода), все вместе образующие класс нересурсных экономик.
Для построения систематики помимо кластеризации страновой выборки большой интерес представляет и двухфакторная агрегация признаков, т.е. сведение их к двум синтетическим признакам-факторам, характеризующим каждую из стран, включенных в выборку. В результате такой агрегации безусловно подтверждается значимость ресурсных признаков. Содержательная интерпретация двух синтетических факторов на основе анализа значений факторных нагрузок позволяет практически однозначно определить их как «Ресурсы» и «Развитие» (в широком смысле слова — с учетом статистических показателей и индикаторов качества экономики). Показатели «Ресурсы» и «Развитие» для каждой страны определяются в виде факторных весов. Положительные значения факторных весов соответствуют тем наблюдениям (странам в нашей выборке), которые обладают степенью проявления свойств больше средней, а отрицательные факторные веса соответствуют тем наблюдениям, для которых степень проявления свойств меньше средней (при проведении факторного анализа факторы определяются как стандартизованные показатели с нулевым средним и единичной дисперсией). Важно, что имея результаты двухфакторной агрегации признаков, мы можем в усредненном виде получить количественные индикаторы для каждого таксона выстраиваемой классификации стран.
На основе анализа результатов многовариантной кластеризации и используя данные по агрегатным признакам «Ресурсы» и «Развитие», полученные с использованием факторного анализа, мы формируем трехуровневую экономическую классификацию 165 стран мира (рис. 2).
Таксоны на всех уровнях классификации весьма прозрачно дифференцируются по используемым синтетическим показателям. При этом из числа нересурсных стран (класс Н-2) хочется обратить особое внимание на вид Н-2-2-2, имеющий сравнительно низкое значение показателя «Развитие», но включающий развивающиеся страны с наиболее высокими темпами экономического роста (в т.ч. Китай, Индию, Вьетнам, Шри-Ланку).
Естественно, что особый интерес у нас вызывают ресурсные страны (класс Р-1), который подразделяется на три рода (в зависимости от значимости фактора «Ресурсы») и 6 видов (в зависимости от сочетания факторов «Ресурсы и «Развитие»). Хорошо видно, что высокие показатели развития имеют только два вида ресурсных стран (Р-1-1-1 и Р-1-1-2), обладающие наибольшим ресурсным богатством. Все остальные ресурсные страны — прежде всего в силу умеренно высокой степени ресурсной обеспеченности — имеют показатели развития близкие к средним (около нуля) или ниже средних (отрицательные).
Особо отметим, что Россия относится к виду Р-1-3-1 с самым низким значением показателя «Ресурсы» из числа всех видов ресурсных стран, но при этом достигающему среднего уровня развития. В известном смысле можно утверждать, что страны данного вида получают наибольшую отдачу от имеющегося ресурсного потенциала — довольно крупного (в расчете на душу населения), но существенно меньшего, чем у других ресурсных стран.
Ресурсы Развитие
ю
Ресурсы Развитие
Р-1-1 (5)
4,058 1,302
Р-1 Ресурсные (25 стран)
1,810
-0,153
Р-1-2 (12)
1,627
-0,447
Н-2 Нересурсные (140 стран) -0,323 0,027
Р-1-3 (8) 0,680 -0,620
Ресурсы Развитие
Р-1-1-1 (2)
6,252 1,553
Р-1-1-2 (3)
2,595 1,135
Р-1-2-1 (6) 1,600 0,077
Р-1-2-2 (6) 1,654 -0,971
Р-1-3-1 (3) 0,456 -0,065
Р-1-3-2 (5) 0,814 -0,952
Н-2-1-1 (20) Н-2-1-2 (16) Н-2-1-3 (11) Н-2-2-1 (12) Н-2-2-2 (10) Н-2-2-3 (24) Н-2-3-1 (24) Н-2-3-2 (23)
-0,154 -0,100 -0,321 -0,219 -0,352 -0,429 -0,471 -0,405
-1,157 -1,097 -0,524 -0,269 -0,498 0,006 0,779 1,724
Рис. 2. Трехуровневая экономическая классификация стран мира на основе признаков «Ресурсы» и «Развитие»
Теоретический вывод. Что же в целом дает построенная классификация для понимания проблематики стран с ресурсной экономикой?
Доказывается, что высокая степень обеспеченности ресурсами является первым важнейшим фактором, определяющим благополучие ресурсных стран.
Все остальные факторы, в том числе и институты, система управления, коррупция и т.д. — оказываются все-таки на втором плане. Но не менее любопытно посмотреть на ситуацию с обратной стороны, с точки зрения развития. При таком взгляде напрашивается вывод, что в современных условиях при достижении достаточно высокого уровня развития появляются возможности более эффективного использования ресурсного потенциала. То есть, с одной стороны, сначала ресурсы определяют возможности развития и достижения какого-то уровня богатства, а, с другой стороны, впоследствии включается обратная связь, и уже достигнутый уровень развития и накопленное богатство являются факторами, влияющими на возможности эффективного использования ресурсов сегодня.
Двоякий характер влияния ресурсов на экономику проявляется в том, что для богатых ресурсами стран значима проблема эффективного использования ресурсной ренты. Страны же с умерено высоким уровнем ресурсной обеспеченности сталкиваются с проблемой зависимости от ресурсов и необходимостью диверсификации экономики. Данный дуализм влияния ресурсов можно представить с помощью двух теоретических кривых, отражающих значимость проблемы зависимости от ресурсов и эффективного использования последних в зависимости от уровня ресурсной обеспеченности и экономического развития (рис. 3).
Рис. 3. Соотношение значимости ресурсных проблем в зависимости от уровня обеспеченности ресурсами и экономического развития
Выводы для России. Как соотносятся данные ресурсные проблемы применительно к России? Прежде всего следует указать на то, что степень ресурсного богатства России, если измерять его в расчете на душу населения, сильно преувеличена. Тем не менее, ресурсы и ресурсная рента являются очень важными факторами экономического развития страны. Поэтому при имеющейся ресурсной обеспеченности и достигнутом уровне развития весьма остро стоят обе ресурсные проблемы: и зависимости от ресурсов, и эффективного использования ресурсов для целей социально-экономического развития.
В настоящее время освоение ресурсов (при всей их значимости) не дает желаемых и потенциально достижимых эффектов из-за больших разрывов между секторами экономики, т. е. чрезмерного тяготения ресурсного сектора к импорту и недостаточного развития нересурсного сектора (прежде всего в технологическом отношении).
Как можно исправить ситуацию? Что нужно сделать, дабы освоение ресурсов приносило гораздо более ощутимые результаты для экономики без усиления ее ресурсозависимости?
Сейчас возлагаются большие надежды на освоение новых ресурсных источников — ареалов Восточной Сибири, Ямала и Арктического шельфа, ресурсов высоковязкой нефти и слабопроницаемых коллекторов и проч. Но есть основания полагать, что ставка на новые ресурсы себя не оправдает, если сохранится современная модель освоения с «мегапроектами» и доминантой крупнейших компаний, без конкуренции, с чрезмерным государственным вмешательством. Модель развития ресурсного сектора, которая формировалась в 2000-е годы, нацелена на извлечение ренты государством в условиях высоких цен. Т.е. это фискальная модель, слабыми сторонами которой являются недостаточное стимулирующее воздействие на процессы освоения ресурсов и слабость взаимосвязей между ресурсным и нересурсным секторами экономики.
В самом общем виде ответ на поставленные вопросы может звучать так: необходимо принципиальным образом скорректировать сложившуюся модель развития ресурсного сектора с учетом изменившихся внутренних и внешних условий. Нужно разнообразить и дифференцировать ее структуру, усиливая конкуренцию и сочетая элементы государственного участия и частной инициативы независимых компаний. И самое главное: в развитии экономики нельзя делать ставку только на ресурсы (и даже на ресурсный мультипликатор). Необходима диверсификация с ускоренным развитием «независимого», если можно так сказать, нересурсного сектора, а ресурсы следует рассматривать в качестве одного из важнейших факторов экономического роста, но не главного и, тем более, не единственного.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Полтерович В.М., Попов В.В., Тонис А.С. Экономическая политика, качество институтов и механизмы "ресурсного проклятия". - М.: Изд. дом ГУ-ВШЭ, 2007. - 98 с.
2. Economic Freedom of the World: 2016 Annual Report. The Fraser Institute, 2016. 320 p. - Режим доступа: https://www.fraserinstitute.org/studies/economic-freedom-of-the-world-2016-annual-report (дата обращения: 21.03.2018).
3. Садовская В., Шмат В. Парадокс «ресурсного проклятия»: межстрановой анализ // Мировая экономика и международные отношения. - 2017. - № 3, т. 61. - С. 25-35. DOI: 10.20542/0131-2227-2017-61-3-25-35.
4. Шмат В.В. Ресурсы в «западне» глобализации // ЭКО. - 2015. - № 7. - С. 163-178.
5. Agarwal S., Divya. Classification of Countries based on Macro-Economic Variables Using Fuzzy Support Vector Machine. International Journal of Computer Applications, 2011, vol. 27, no. 6, p. 41-44. - Режим доступа: http://www.ids.ac.uk/files/dmfile/Wp404.pdf (дата обращения: 21.03.2018).
6. Ahlquist J.S., Breunig C. Country Clustering in Comparative Political Economy. Max Planck Institute for the Study of Societies, 2009, MPIfG Discussion Paper no. 09/5, 39 p. - Режим доступа: http://www.mpifg.de/pu/mpifg_dp/dp09-5.pdf (дата обращения: 21.03.2018).
7. Artis M.J., Zhang W. Membership of EMU: A Fuzzy Clustering Analysis of Alternative Criteria. Journal of Economic Integration, 2002, vol. 17, no. 1 pp. 54-79. DOI: 10.11130/jei.2002.17.1.54.
8. Kolasa-Wiecek A. The Use of Cluster Analysis in the Classification of Similarities in Variables Associated with Agricultural Greenhouse Gases Emissions in OECD Countries. Wies i Rolnictwo [Village and Agriculture], 2013, no. 1(158), p. 59-66. - Режим доступа: http://kwartalnik.irwirpan.waw.pl/179/the-use-of-cluster-analysis-in-the-classification-of-similarities-in-variables-associated-with-agricultural-greenhouse-gases-emissions-in-oecd-countries (дата обращения: 21.03.2018).
9. Fucec A.A. Building The Knowledge Economies: Principal Component Analysis And Clustering of The EU Countries. Proceedings of the 8th International Management Conference IMC. Bucharest, Romania, 2014, p. 772-779. - Режим доступа: http://conferinta.management.ase.ro/archives/2014/pdf/76.pdf (дата обращения: 21.03.2018).
10. Littrell R.F. Clustering National Cultures: A Fallacy, or Not, or Not Always? Proceedings of the 54th Annual Meeting of the Academy of International Business "Rethinking the Roles of Business, Government and NGOs in the Global Economy". Washington, DC, 2012, 85 p. (Abstract). - Режим доступа: http://crossculturalcentre.homestead.com/WorkingPapers.html (дата обращения: 21.03.2018).
11. Grein, A.F., Sethi S.P., Tatum L.G. A Dynamic Analysis of Country Clusters, the Role of Corruption, and Implications for Global Firms. East-West Journal of Economics and Business, 2010, vol. 13, no. 2, p. 33-60. - Режим доступа: URL: https://www.u-picardie.fr/eastwest/stat_doc.php?doc=86 (дата обращения: 21.03.2018).
12. World Bank Open Data (2018). - Режим доступа: https://data.worldbank.org/indicator (дата обращения: 21.03.2018).
13. The Global Competitiveness Report 2016-2017. Geneva, World Economic Forum, 2016. 383 p. - Режим доступа: https://www.weforum.org/reports/the-global-competitiveness-report-2016-2017-1 (дата обращения: 21.03.2018).
14. The Global Innovation Index 2017. Cornell University, INSEAD and the World Intellectual Property Organization, 2017. - Режим доступа: https://www.globalinnovationindex.org (дата обращения: 21.03.2018).
15. Index of Globalization 2017. Zurich, KOF Swiss Economic Institute, 2017. - Режим доступа: https://www.kof.ethz.ch/en/forecasts-and-indicators/indicators/kof-globalisation-index.html (дата обращения: 21.03.2018).
16. Human Development Index 2016. New York, United Nations Development Programme, 2016. - Режим доступа: http://hdr.undp.org/en/content/human-development-index-hdi (дата обращения: 21.03.2018).
17. 2017 Social Progress Index. The Social Progress Imperative, 2017. - Режим доступа: http://www.socialprogressindex.com (дата обращения: 21.03.2018).
18. Quality of Life Index 2017. Numbeo, 2017. - Режим доступа: https://www.numbeo.com/quality-of-life/rankings_by_country.jsp (дата обращения: 21.03.2018).
19. Rule of Law Index 2017. World Justice Project, 2017. - Режим доступа: https://worldjusticeproject.org/our-work/wjp-rule-law-index (дата обращения: 21.03.2018).
20. The Worldwide Governance Indicators 1996-2016. World Bank, 2017. - Режим доступа: http://info.worldbank.org/governance/wgi/#home (дата обращения: 21.03.2018).
21. Happy Planet Index. New Economics Foundation, 2017. - Режим доступа: http://happyplanetindex.org/ (дата обращения: 21.03.2018).
22. Statistical Review of World Energy 2017. - Режим доступа: https://www.bp.com/en/ global/corporate/energy-economics/statistical-review-of-world-energy.html (дата обращения: 21.03.2018).
23. The World Factbook 2017. Washington, D.C., Central Intelligence Agency, 2017. - Режим доступа: https://www.cia.gov/library/publications/resources/the-world-factbook/ (дата обращения: 21.03.2018).
REFERENCES
1. Polterovich V.M., Popov V.V., Tonis A.S. Ekonomicheskaya politika, kachestvo institutov i mekhanizmy "resursnogo proklyatiya" [Economic Policy, Quality of Institutions, and Mechanisms of Resource Curse]. Moscow, HSE Publ., 2007, 98 p.
2. Economic Freedom of the World: 2016 Annual Report. The Fraser Institute, 2016. 320 p. Available at: https://www.fraserinstitute.org/studies/economic-freedom-of-the-world-2016-annual-report (accessed: 21.03.2018).
3. Sadovskaya V., Shmat V. Paradoks "resursnogo proklyatiya": mezhstranovoy analiz [Paradox of "Resource Curse": Cross-Country Analysis]. Mirovaya ekonomika i mezhdunarodnye otnosheniya, 2017, no 3, vol. 61, pp. 25-35. DOI: 10.20542/0131-2227-2017-61-3-25-35.
4. Shmat V.V. Resursy v "zapadne" globalizatsii [Resources in the "Trap" of Globalization]. ECO, 2015, No. 7. - pp. 163-178.
5. Agarwal S., Divya. Classification of Countries based on Macro-Economic Variables Using Fuzzy Support Vector Machine. International Journal of Computer Applications, 2011, vol. 27, no. 6, pp. 41-44. Available at: http://www.ids.ac.uk/files/dmfile/Wp404.pdf (accessed 21.03.2018).
6. Ahlquist J.S., Breunig C. Country Clustering in Comparative Political Economy. Max Planck Institute for the Study of Societies, 2009, MPIfG Discussion Paper no. 09/5, 39 p. Available at: http://www.mpifg.de/pu/mpifg_dp/dp09-5.pdf (accessed 21.03.2018).
7. Artis M.J., Zhang W. Membership of EMU: A Fuzzy Clustering Analysis of Alternative Criteria. Journal of Economic Integration, 2002, vol. 17, no. 1 pp. 54-79. DOI: 10.11130/jei.2002.17.1.54.
8. Kolasa-Wiecek A. The Use of Cluster Analysis in the Classification of Similarities in Variables Associated with Agricultural Greenhouse Gases Emissions in OECD Countries. Wies i Rolnictwo [Village and Agriculture], 2013, no. 1(158), pp. 59-66. Available at: http://kwartalnik.irwirpan.waw.pl/179/the-use-of-cluster-analysis-in-the-classification-of-similarities-in-variables-associated-with-agricultural-greenhouse-gases-emissions-in-oecd-countries (accessed 21.03.2018).
9. Fucec A.A. Building The Knowledge Economies: Principal Component Analysis And Clustering of The EU Countries. Proceedings of the 8th International Management Conference IMC. Bucharest, Romania, 2014, pp. 772-779. Available at: http://conferinta.management.ase.ro/archives/ 2014/pdf/76.pdf (accessed 21.03.2018).
10. Littrell R.F. Clustering National Cultures: A Fallacy, or Not, or Not Always? Proceedings of the 54th Annual Meeting of the Academy of International Business "Rethinking the Roles of Business, Government and NGOs in the Global Economy". Washington, DC, 2012, p. 85 (Ab-
stract). Full text available at: http://crossculturalcentre.homestead.com/WorkingPapers.html (accessed 21.03.2018).
11. Grein, A.F., Sethi S.P., Tatum L.G. A Dynamic Analysis of Country Clusters, the Role of Corruption, and Implications for Global Firms. East-West Journal of Economics and Business, 2010, vol. 13, no. 2, pp. 33-60. Available at: URL: https://www.u-picardie.fr/eastwest/stat_doc.php?doc=86 (accessed: 21.03.2018).
12. World Bank Open Data (2018). Available at: https://data.worldbank.org/indicator (accessed 28 February 2018).
13. The Global Competitiveness Report 2016-2017. Geneva, World Economic Forum, 2016. 383 p. Available at: https://www.weforum.org/reports/the-global-competitiveness-report-2016-2017-1 (accessed: 21.03.2018).
14. The Global Innovation Index 2017. Cornell University, INSEAD and the World Intellectual Property Organization, 2017. Available at: https://www.globalinnovationindex.org (accessed: 21.03.2018).
15. Index of Globalization 2017. Zurich, KOF Swiss Economic Institute, 2017. Available at: https://www.kof.ethz.ch/en/forecasts-and-indicators/indicators/kof-globalisation-index.html (accessed: 21.03.2018).
16. Human Development Index 2016. New York, United Nations Development Programme, 2016. Available at: http://hdr.undp.org/en/content/human-development-index-hdi (accessed: 21.03.2018).
17. 2017 Social Progress Index. The Social Progress Imperative, 2017. Available at: http://www.socialprogressindex.com (accessed: 21.03.2018).
18. Quality of Life Index 2017. Numbeo, 2017. Available at: https://www.numbeo.com/ quali-ty-of-life/rankings_by_country.jsp (accessed: 21.03.2018).
19. Rule of Law Index 2017. World Justice Project, 2017. Available at: https://worldjusticeproject.org/our-work/wjp-rule-law-index (accessed: 21.03.2018).
20. The Worldwide Governance Indicators 1996-2016. World Bank, 2017. Available at: http://info.worldbank.org/governance/wgi/#home (accessed: 21.03.2018).
21. Happy Planet Index. New Economics Foundation, 2017. Available at: http://happyplanetindex.org/ (accessed: 21.03.2018).
22. Statistical Review of World Energy 2017. Available at: https://www.bp.com/en/ glob-al/corporate/energy-economics/statistical-review-of-world-energy.h21.03.2018tml (accessed 28 February 2018).
23. The World Factbook 2017. Washington, D.C., Central Intelligence Agency, 2017. Available at: https://www.cia.gov/library/publications/resources/the-world-factbook/ (accessed: 21.03.2018).
© М. Е. Морозова, В. В. Шмат, 2018
