CC BY
11
DOI: 10.29141/2658-5081-2023-24-3-5 EDN: WKGNWP JEL classification: R10, R15, L61
Д. С. Бенц Челябинский государственный университет, г. Челябинск, Российская Федерация
А. В. Резепин Южно-Уральский государственный университет, г. Челябинск, Российская Федерация
Среднесрочные тренды экономического и технологического развития регионов металлургического профиля
Аннотация. Регионы металлургического профиля в силу зависимости от локализации производственных ресурсов и инфраструктуры, а также высокой капиталоемкости производства характеризуются медленно меняющейся отраслевой и технологической структурой производства. Согласно гипотезе исследования, отличия в динамике их экономического развития определяются указанной структурой производства обрабатывающей промышленности. Статья посвящена исследованию среднесрочных трендов и закономерностей экономического и технологического развития регионов металлургического профиля. Методологической основой работы послужили положения структурно-динамического подхода к изучению экономического развития регионов. Методы исследования включали многомерный анализ данных и алгоритмы кластеризации, оценку временных рядов и корреляционный анализ. Информационной базой послужили данные о крупных и средних региональных предприятиях в разрезе видов экономической деятельности за 2006-2021 гг., содержащиеся в Информационно-аналитической системе FIRA PRO. Выявлены регионы с металлургическим профилем экономики: Челябинская, Свердловская, Липецкая, Вологодская и Тульская области. Определение среднесрочных трендов их экономического развития позволяет говорить о различной динамике результирующих и ресурсных показателей производства как по всем видам деятельности, так и в части металлургии. Обосновано, что динамические характеристики развития регионов со специализацией экономики на металлургии в значительной мере зависят от технологического профиля обрабатывающего производства. Результаты исследования вносят вклад в понимание механизмов адаптации промышленных комплексов регионов к меняющимся условиям внешней среды.
Ключевые слова: моноспециализированный регион; регионы РФ; технологический профиль; металлургия; обрабатывающая промышленность .
Благодарности: Исследование выполнено за счет гранта Российского научного фонда и Челябинской области (№ 23-28-10167, https://rscf.ru/project/23-28-10167/). Для цитирования: Bents D. S., Rezepin A. V. (2023). Medium-term trends in economic and technological development of metals industry regions. Journal of New Economy, vol. 24, no. 3, pp. 91-118. DOI: 10.29141/2658-5081-2023-24-3-5. EDN: WKGNWP.
Информация о статье: поступила 27 февраля 2023 г.; доработана 22 мая 2023 г.; одобрена 23 июня 2023 г.
Daria S. Bents Chelyabinsk State University, Chelyabinsk, Russia
Aleksandr V. Rezepin South Ural State University, Chelyabinsk, Russia
Medium-term trends in economic and technological development of metals industry regions
Abstract. Since metals industry regions are dependent on the location of production resources and infrastructure, as well as have highly capital-intensive production, they usually feature a slowly changing industrial and technological structure of production. In line with the hypothesis of the study, the technological structure of the manufacturing industry determines the differences in their economic development. The study aims to explore the medium-term trends and patterns in economic and technological development of the metals industry regions. The methodological basis of the research is the structural dynamic approach to studying regional economic development. The methods include multivariate data analysis and clustering algorithms, time series estimation and correlation analysis. The study uses the data on large and medium-sized enterprises by types of economic activities for 2006-2021 taken from an information and analytics system FIRA PRO. According to the findings, the Chelyabinsk, Sverdlovsk, Lipetsk, Vologda and Tula oblasts are metals industry regions. The identified medium-term trends in their economic development show different dynamics of input and output indicators of production both by all types of economic activities and in metals industry in particular. The study proves that the dynamics of metals industry regions' development largely depends on technological characteristics of the manufacturing industry. The results of the research contribute to the understanding of the adaptation mechanisms of regions' industry to the changing conditions of external environment.
Keywords: mono-industrial region; Russia's regions; technological structure; metals industry; manufacturing industry.
Acknowledgements: The research is funded by the grant of the Russian Science Foundation and the Chelyabinsk oblast (project no. 23-28-10167, https://rscf.ru/project/23-28-10167/). For citation: Bents D. S., Rezepin A. V. (2023). Medium-term trends in economic and technological development of metals industry regions. Journal of New Economy, vol. 24, no. 3, pp. 91-118. DOI: 10.29141/2658-5081-2023-24-3-5. EDN: WKGNWP.
Article info: received February 27, 2023; received in revised form May 22, 2023; accepted June 23, 2023
Введение
Регионы, традиционно специализирующиеся на металлургии и производстве готовых металлических изделий, такие как Челябинская область, в силу высокой зависимости от локализации сырьевой базы, производственной и транспортной инфраструктуры, высокой капиталоемкости и ригидности технологий производства, как правило, отличаются медленно меняющейся отраслевой и технологической структурой производства.
Несмотря на объективную тенденцию ускорения технологических изменений, научный интерес представляют анализ среднесрочных (от 6 до 16 лет) трендов развития регионов металлургического профиля и исследование зависимости этих регионов от внутренней программы развития, влияния наследуемых признаков и «эффекта колеи».
Логично предположить, что изменения общей внешней среды могут обусловливать отличия в динамике экономического и технологического развития указанных территорий. Гипотеза исследования состоит в том, что эти отличия определяются технологической структурой производства продукции базовых отраслей.
Предмет исследования - среднесрочные тренды экономического и технологического развития регионов металлургического профиля, схожих с Челябинской областью. Сходство определяется двумя критериями: металлургической специализацией региона и уровнем технологичности обрабатывающей промышленности.
Цель исследования состоит в определении среднесрочных трендов экономического и технологического развития регионов металлургического профиля.
Для достижения указанной цели решались следующие задачи:
- определение регионов металлургического профиля экономики, схожих с Челябинской областью по совокупности критериев технологичности обрабатывающих производств и уровню моноспециализации;
- выявление среднесрочных трендов технологичности регионов металлургического профиля и их сравнительная оценка;
- определение места указанных регионов в экономическом пространстве Российской Федерации;
- оценка степени синхронизации экономического развития этих регионов друг с другом и национальной экономикой в целом;
- определение зависимости динамики ресурсных факторов и результирующих показателей экономической деятельности исследуемых регионов.
Исследование не претендует на всеобъемлющий учет факторов, влияющих на среднесрочные тренды экономического и технологического развития регионов металлургического профиля, и строится на нескольких предпосылках.
В качестве критерия технологичности обрабатывающего производства использована доля средней численности работников, фактически занятых в производстве продукции различного уровня технологичности (в «чистых ОКВЭД»).
Так как сведения о фактическом виде деятельности работников обобщаются только по юридическим лицам и не включают субъекты малого предпринимательства, исследование проведено на статистических данных по среднему и крупному бизнесу.
Поскольку виды деятельности «Производство металлургическое» и «Производство готовых металлических изделий», согласно применяемой методике, относятся к одному уровню технологичности - средненизкотехнологичное производство, тренды металлургического производства рассмотрены обобщенно, без выделения производства готовых металлических изделий, черной и цветной металлургии.
Обзор литературы
Какие факторы определяют универсальность экономического развития регионов одного кластера - вопрос сложный и дискуссионный. Даже среди моноотраслевых территорий нет единообразия. Нет той универсальной модели, согласно которой развивались бы и регионы металлургической специализации [Данилова, Салимоненко, 2020].
О необходимости и возможности перепозиционирования металлургического комплекса Урала в целом и Свердловской области в частности говорят О. А. Романова и Д. В. Сиротин. Сегодня, по их мнению, технологический образ металлургической отрасли ассоциируется с крупнотоннажным типом экологически неблагоприятного производства и преобладанием продукции с низкой добавленной стоимостью [Романова,
Сиротин, 2017]. Однако существует обоснованный потенциал развития металлургической отрасли как наукоемкого, высокотехнологичного комплекса [Романова, Сиротин, 2019].
Металлургическую промышленность рассматривают как некогда неплохую основу для перехода ко второму и третьему технологическим укладам и одновременно как ту промышленность, что «застряла» на этапе перехода к более поздним технологическим укладам [Сорокина, Латов, 2018]. Институциональную инерцию, препятствующую необходимым изменениям региона, исследователи называют «эффектом колеи» [Гордеев, Зырянов, Подопригора, 2019]. В зарубежной литературе подобный эффект именуют Path Dependence - зависимость от предшествующего развития [Martin, Sunley, 2006]. «Эффект колеи» проявляет себя в длительной перспективе. В определенные моменты он помогает противостоять негативным тенденциям, но наряду с этим мешает динамичному росту региона. Анализ среднесрочных трендов регионального развития позволяет «нащупать» этот эффект.
Это явление не впервые попадает в поле зрения одного из авторов статьи. Д. С. Бенц были построены долгосрочные тренды межрегиональной дифференциации в отношении Челябинской и Свердловской областей [Bents, 2022] и показано, что долгосрочное развитие первой приближает ее к аутсайдерам по уровню реального ВРП на душу населения, в то время как вторая сохраняет стабильную позицию. Кроме того, автором определено сближение экономик указанных регионов - по многим показателям долгосрочные тенденции демонстрируют синхронизирующий эффект.
Долгосрочные тренды процессов индустриализации в экономическом пространстве Уральского макрорегиона исследованы Я. П. Силиным, Е. Г. Анимицей и Н. В. Новиковой [2019]. Они последовательно показали длительные изменения в области развития промышленной индустрии, начавшиеся в период доиндустриальной эпохи (1710-1855 гг.), и завершили работу демонстрацией характерных для 2018 г. тенденций. Верхней границей исследования стал период 2035-2040 гг., по достижении которого регионы Урала в полной мере смогут использовать результаты четвертой промышленной революции. Стоит отметить, что, изучая доиндустриальный (протоиндустриальный) период, авторы показали динамику становления Урала как металлургической территории. С 1720 по 1860 г. доля Урала в общероссийском пространстве по объему выплавки чугуна возросла с 21,6 до 79,7 %. Опять же следует понимать, что, когда говорится о сохранении промышленной специализации Урала, его технологическое развитие прогнозируется не за счет металлургической отрасли, а за счет производства автотранспортных средств, машин, оборудования, готовых изделий, электрического оборудования и т. д. [Силин, Анимица, Новикова, 2019].
Такой фактор, как «технологии», все чаще становится предметом внимания ученых, изучающих особенности регионального развития территорий [Гамбеева, Смей, 2021; Antonyuk, Kornienko, 2022], причем технологическая составляющая исследуется и в разрезе «креативных индустрий». Ю. Н. Гамбеева и В. М. Смей констатируют наличие большого потенциала креативной экономики и недостаточность его реализации.
Традиционно Челябинскую область многие исследователи относят к старопромышленным регионам. Особенностям их развития посвятили свою работу В. С. Антонюк и Е. Л. Корниенко [Antonyuk, Kornienko, 2022]. В целом они выделили 41 старопромышленный регион и разделили эту группу на 24 срединных и 17 приграничных регионов. Ученые обнаружили отставание приграничных старопромышленных регионов по показателю ВРП на душу населения от территорий, которые не являются старопромышленными. Кроме того, авторы предложили интегральный показатель, характеризующий
уровень развития экономических факторов (труд / капитал / технологии), на основе которого составили рейтинг старопромышленных приграничных регионов. Согласно данному рейтингу Челябинская область является лидером среди всех приграничных регионов, однако характеризуется негативным состоянием по экономическому фактору «капитал».
Ю. А. Дорошенко, М. С. Старикова и В. Н. Ряпухина определили Челябинскую область как индустриально развитый регион с относительно высокими результатами инновационной деятельности. В ту же группу попали Липецкая и Тульская области (оказавшиеся и в нашей выборке), однако авторы не формировали группы регионов по критерию «доля металлургического производства». Показателями выступили доля продукции обрабатывающей промышленности в общем объеме ВРП; доля организаций, осуществляющих технологические инновации; доля инновационных товаров, работ, услуг в общем объеме отгруженных товаров, выполненных работ, услуг [Дорошенко, Старикова, Ряпухина, 2022].
Особенности размещения отраслей промышленного производства изучались Н. Г. Джурка [2018]. Пространственное распределение отраслей обрабатывающей промышленности поставлено в зависимость от внутреннего спроса. В сфере металлургии эффект внутреннего рынка не является столь ощутимым, как например, в нефтеперерабатывающей отрасли.
Челябинская область - регион, характеризующийся высоким уровнем моноспециализации. Он отличается не просто высоким удельным весом обрабатывающей промышленности, а большой долей именно металлургического производства. Монопрофильность ставит развитие региона под угрозу - его экономику нельзя назвать высокодиверсифи-цированной. Утрата отраслевого многообразия - риск, присущий индустрии [Трейвиш, 2019]. О таком риске говорят И. П. Савельева, И. В. Данилова и Н. В. Правдина [2022], которые провели диагностику структуры экономики Челябинской области и констатировали рост доли средненизкотехнологичных отраслей в регионе за период 2014-2018 гг.
Вместе с тем, быть может, не стоит рассматривать моноспециализацию как отягчающий фактор развития территории, так как металлургический кластер Урала демонстрирует неплохую конкурентоспособность даже на мировом уровне [Самарина, Мартиросян, Ильичева, 2019; Емельянов, Кельчевская, Пелымская, 2020]. Эта конкурентоспособность усиливается и за счет объективных преимуществ, в частности наличия собственных месторождений руды и угольных шахт [Орехова, Дубровский, 2018]. Кроме того, если ориентироваться на тенденции перемещения экономической активности из добывающих регионов в обрабатывающие [Коломак, 2019], то, вероятно, обрабатывающий профиль региона сам по себе может служить драйвером его экономического развития.
Если территорию отличает невысокий темп роста капитальных затрат (позиции изучаемых нами регионов металлургического профиля в общероссийском пространстве в отношении доли внеоборотных активов ослабевают), то для выхода на путь «Индустрии 4.0» необходимо придерживаться модели трудоемкого роста, иначе технологический уровень региона останется неизменным или даже будет снижаться [Sukharev, 2022]. И тут опять налицо риски - риски нарастающего технологического отставания Челябинской области.
Высокие технологии и инновации легли в основу так называемой умной специализации, проект которой был запущен в Европейском союзе. Те регионы, которые разрабатывают «инновационные стратегии развития умной специализации», могут претендовать на получение субсидий из соответствующего фонда [Asheim, 2019]. Можно говорить о том, что страны Европы пошли по пути наднационального достижения результатов в инновационном развитии регионов [Bailey, Christos, Tomlinson, 2018].
Необходимость диверсифицировать региональное производство, чтобы уйти от рисков моноспециализации, отмечают и зарубежные ученые. Ключевые позиции в технологической диверсификации будут занимать связанные отрасли. Определяющая роль отводится действующим в регионе фирмам и отраслям [Neffke, Henning, Boschma, 2011]. Новые виды деятельности формируются на базе уже существующих [Boschma, 2016]. Этим и предопределяется вектор развития региона. В основу концепции умной специализации легла экономика знаний, которой достаточно давно уделяется много внимания. Зарубежные исследователи утверждают, что значимость низкотехнологичных отраслей в региональном развитии нельзя недооценивать, но их будущее развитие ограничено. Им следует трансформироваться в высокотехнологичные, иначе они быстро утратят конкурентоспособность в силу легкой возможности копировать их технологии [Hirsch-Kreinsen, Jacobson, Robertson, 2006].
Чем определяются особенности среднесрочного экономического развития территории - отраслевыми или же пространственными факторами? Значимость соседства регионов не должна быть исключена в вопросах изучения их социально-экономического развития [Котов, 2021]. По результатам кластерного анализа в выборку исследования попали регионы металлургического профиля, причем среди них только Свердловская область является «соседом» Челябинской. Сравнительный анализ трендов экономического развития выбранных областей и позволит понять, какой фактор в большей степени предопределяет общность этого развития - отраслевой или же пространственный.
Материалы и методы
Решение заявленных задач достигалось методами, приведенными в табл. 1. Статистической базой исследования послужили данные Информационно-аналитической системы FIRA PRO1 о крупных и средних предприятиях регионов в разрезе видов экономической деятельности за 2006-2021 гг.
Первая задача исследования состоит в определении субъектов Российской Федерации, обладающих схожим с Челябинской областью профилем обрабатывающих производств. Для решения данной задачи применена методика кластерного анализа, позволяющего группировать объекты на основе близости их свойств и определять кластеры (группы) регионов, имеющих сходство между собой и отличных от остальных субъектов Российской Федерации. Кластерный анализ широко и результативно применяется для типологизации территорий в рамках одного региона [Anselin, Rey, 2010], при оценке неравномерности экономического пространства страны в целом [Okunev, Lopatina, 2022], а также для идентификации регионов по совокупности статистических характеристик [Сиренко, Рычкова, 2020] и динамических показателей [Пискун, Хохлов, 2019; Aralbaeva, Berikbolova, 2021].
Для выявления регионов, обладающих схожим с Челябинской областью профилем обрабатывающих производств, мы использовали два критерия.
Первый критерий - общий уровень технологичности обрабатывающих производств, локализованных на территории региона. Для агрегирования видов обрабатывающей промышленности в соответствии с технологической интенсивностью на основе двузначных кодов ОКВЭД 2 использовалась методика Евростата, которая позволяет распределить обрабатывающие производства согласно четырем уровням технологичности (табл. 2).
По нашему мнению, в качестве основного показателя технологичности обрабатывающей промышленности регионов целесообразно использовать долю средней численности
1 Информационно-аналитическая система FIRA PRO. https://pro.fira.ru/search/index.html#company.
Таблица 1. Методика исследования Table 1. Description of the research method
№ Задача исследования Индикаторы Показатели Методы и материалы
1 Определение регионов, близких к профилю Челябинской области 1. Средняя численность работников крупных и средних предприятий. 2. Стоимость отгруженных товаров собственного производства крупных и средних предприятий. 3. Стоимость внеоборотных активов крупных и средних предприятий* 1-4. Доля средней численности работников, занятых в различных видах деятельности обрабатывающей промышленности по уровню технологичности, в общей численности занятых в обрабатывающей промышленности. 5. Доля средней численности работников, занятых в металлургическом производстве (24) и производстве готовых металлических изделий, кроме машин и оборудования (25)**, в общей численности работников по всем отраслям экономики. 6. Доля стоимости отгруженных товаров собственного металлургического производства в общей стоимости отгруженных товаров собственного производства по всем отраслям экономики. 7. Доля стоимости внеоборотных активов металлургического производства в общей стоимости внеоборотных активов по всем отраслям экономики Кластерный анализ. Выборка: все регионы России, 2021 г.
2 Определение уровня технологичности регионов металлургического профиля Средняя численность работников 1. Доля средней численности работников, занятых в высокотехнологичных видах деятельности обрабатывающей промышленности, в общей численности занятых в обрабатывающей промышленности. 2. Доля средней численности работников, занятых в средневысокотех-нологичных видах деятельности обрабатывающей промышленности, в общей численности занятых в обрабатывающей промышленности. 3. Доля средней численности работников, занятых в средненизкотех-нологичных видах деятельности обрабатывающей промышленности, в общей численности занятых в обрабатывающей промышленности. 4. Доля средней численности работников, занятых в низкотехнологичных видах деятельности обрабатывающей промышленности, в общей численности занятых в обрабатывающей промышленности Сравнительный анализ регионов металлургического профиля. Выборка: регионы металлургического профиля, 2017-2021 гг.
3 Демонстрация трендов технологичности регионов металлургического профиля Средняя численность работников 1. Доля средней численности работников, занятых в высокотехнологичных видах деятельности обрабатывающей промышленности, в общей численности занятых в обрабатывающей промышленности. 2. Доля средней численности работников, занятых в средневысокотех-нологичных видах деятельности обрабатывающей промышленности, в общей численности занятых в обрабатывающей промышленности Построение трендов. Сравнение с общероссийскими трендами. Выборка: регионы металлургического профиля, 2006-2021 гг.
№ Задача исследования Индикаторы Показатели Методы и материалы
4 Определение места регионов металлургического профиля в общероссийском пространстве 1. Средняя численность работников (СЧР). 2. Стоимость внеоборотных активов (ВОА). 3. Стоимость отгруженных товаров собственного производства (ОТСП) 1-3. Доля соответствующего индикатора региона металлургического профиля в общероссийском объеме соответствующего индикатора Построение трендов. Выборка: регионы металлургического профиля, 2005-2021 гг.
5 Поиск процессов синхронизации экономического развития регионов металлургического профиля Темпы роста соответствующего индикатора, рассчитанные за период 2005-2021 гг. для каждого исследуемого региона металлургического профиля Корреляционный анализ. Выборка: регионы металлургического профиля, 2006-2021 гг.
6 Поиск ответа на вопрос, действуют ли универсальные законы экономического развития Соотнесение темпов роста ресурсных индикаторов с результирующим за период 2006-2021 гг. Выборка: все исследуемые регионы металлургического профиля.
* Далее упоминание о крупных и средних предприятиях опустим, однако в расчет принимаются только они. " Далее сумму разделов (24) и (25) ОКВЭД 2 будем называть «металлургическое производство» или «металлургическая отрасль».
Таблица 2. Виды обрабатывающей промышленности в зависимости от уровня технологичности
Table 2. Types of the manufacturing industry by the technological intensity
Уровень технологичности Виды экономической деятельности по ОКВЭД 2
Высокотехнологичное производство (21) Производство лекарственных средств и материалов, применяемых в медицинских целях. (26) Производство компьютеров, электронных и оптических изделий. (30.3) Производство летательных аппаратов, включая космические, и соответствующего оборудования
Средневысокотехноло-гичное производство) (20) Производство химических веществ и химических продуктов. (25.4) Производство оружия и боеприпасов. (27) Производство электрического оборудования. (28) Производство машин и оборудования, не включенных в другие группировки. (29) Производство автотранспортных средств, прицепов и полуприцепов. (30) Производство прочих транспортных средств и оборудования, за исключением (30.1) Корабли, суда и лодки и (30.3) Производство летательных аппаратов, включая космические, и соответствующего оборудования. (32.5) Производство медицинских инструментов и оборудования
Уровень технологичности Виды экономической деятельности по ОКВЭД 2
Cp едненизкотехноло -гичное производство (18.2) Копирование записанных носителей информации. (19) Производство кокса и нефтепродуктов. (22) Производство резиновых и пластмассовых изделий. (23) Производство прочей неметаллической минеральной продукции. (24) Производство металлургическое. (25) Производство готовых металлических изделий, кроме машин и оборудования, за исключением (25.4) Производство оружия и боеприпасов. (30.1) Корабли, суда и лодки. (33) Ремонт и монтаж машин и оборудования
Низкотехнологичное производство (10) Производство пищевых продуктов. (11) Производство напитков. (12) Производство табачных изделий. (13) Производство текстильных изделий. (14) Производство одежды. (15) Производство кожи и изделий из кожи. (16) Обработка древесины и производство изделий из дерева и пробки, кроме мебели, производство изделий из соломки и материалов для плетения. (17) Производство бумаги и бумажных изделий. (18) Деятельность полиграфическая и копирование носителей информации, за исключением (18.2) Копирование записанных носителей информации. (31) Производство мебели. (32) Производство прочих готовых изделий, за исключением (32.5) Производство медицинских инструментов и оборудования
Составлено по: Eurostat. High-tech classification of manufacturing industries. https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Glossary:Hightech classification_of_manufacturing_industries.
работников, занятых в различных видах обрабатывающей промышленности, в общей численности занятых в этой промышленности. Данный показатель не в полной мере отражает отличия в уровне производительности труда в различных видах деятельности (которые являются общими для всех регионов), однако позволяет нивелировать воздействие изменения обменного курса и динамики мировых цен на продукцию обрабатывающих производств (которое связано с уровнем экспортоориентированности и зависимости от импорта региональной экономики).
Для учета иерархии технологичности производства предлагаем расчет кумулятивных показателей:
T1 - доля средней численности работников, занятых в высокотехнологичных видах деятельности обрабатывающей промышленности (в «чистых ОКВЭД»), в средней численности работников, занятых в обрабатывающей промышленности, %;
T2 - доля средней численности работников, занятых в высокотехнологичных и сред-невысокотехнологичных видах деятельности обрабатывающей промышленности (в «чистых ОКВЭД»), в средней численности работников, занятых в обрабатывающей промышленности, %;
T3 - доля средней численности работников, занятых в высокотехнологичных, средне-высокотехнологичных и средненизкотехнологичных видах деятельности обрабатывающей промышленности (в «чистых ОКВЭД»), в средней численности работников, занятых в обрабатывающей промышленности, %.
Второй критерий - уровень специализации региональной экономики на традиционных для Челябинской области видах обрабатывающей промышленности - (24) Производство металлургическое; (25) Производство готовых металлических изделий, кроме машин и оборудования.
Для комплексной оценки металлургического профиля предлагаем расчет показателей, характеризующих объем отгруженной продукции, а также отраслевую специализацию трудовых и капитальных ресурсов:
M1 - доля средней численности работников, занятых в производстве металлургическом и производстве готовых металлических изделий, кроме машин и оборудования (в «чистых ОКВЭД»), в общей средней численности работников по всем отраслям экономики, %;
M2 - доля стоимости внеоборотных активов по видам деятельности «Производство металлургическое» и «Производство готовых металлических изделий, кроме машин и оборудования», в общей стоимости внеоборотных активов по всем отраслям экономики, %;
M3 - доля стоимости отгруженных товаров собственного производства по видам деятельности «Производство металлургическое» и «Производство готовых металлических изделий, кроме машин и оборудования», в общей стоимости отгруженных товаров собственного производства по всем отраслям экономики, %.
Классификация субъектов РФ проводилась методом иерархического кластерного анализа с помощью программного статистического пакета IBM SPSS Statistics1, метрика -квадрат евклидова расстояния, расстояние между кластерами определялось посредством метода Варда. Критерии кластеризации - показатели T1, T2, T3, M1, M2, M3.
Дополнительно на основании метрики квадрата евклидова расстояния определялась интегральная оценка отличий профилей обрабатывающей промышленности для каждой пары регионов:
1 Statistical Package for the Social Sciences (IBM SPSS Statistics). https://www.ibm.com/products/spss-statistics.
L(x,y) = Z (x - yi)2 , (1)
где x = (x1, x2 ... x6 ) и y = (y1, y2 ... y6) - векторы значений критериев кластеризации регионов X и Y; i = (Т1, T2, T3, М1, M2, M3) - критерии кластеризации.
Следующими задачами являлись определение уровня технологичности регионов металлургического профиля и построение трендов технологичности. Уровень технологичности по вышеуказанной методике Евростата в разрезе всех четырех видов технологичности определялся только за 2017-2021 гг., поскольку Информационно-аналитическая система FIRA PRO до 2016 г. содержит данные не по всем отраслевым позициям. В связи с этим нет возможности корректно определить доли численности работников, занятых в средненизкотехнологичных и низкотехнологичных видах деятельности обрабатывающей промышленности. Вместе с тем определить доли численности работников, занятых в высокотехнологичных и средневысокотехнологичных видах деятельности, напротив, представляется возможным. Эти тренды будут показаны в следующем разделе публикации.
Результаты исследования и обсуждение
Согласно результатам кластерного анализа статистических данных о деятельности крупных и средних предприятий в 2021 г. по 82 субъектам РФ, схожим с Челябинской областью профилем обрабатывающих производств обладают четыре региона - Вологодская, Липецкая, Свердловская и Тульская области. На рис. 1 представлена дендрограмма с использованием метода Варда, построенная по матрице мер близости и отражающая взаимные связи между профилями обрабатывающих производств регионов.
Регионы, входящие в один кластер с Челябинской областью (отмечен рамкой на рис. 1), значительно отличаются от остальных субъектов РФ. К такому же выводу можно прийти на основе интегральной оценки отличий профилей обрабатывающей промышленности регионов России и профиля Челябинской области. Фрагмент результатов оценки отличий по 20 наиболее схожим субъектам РФ представлен на рис. 2. Интегральная оценка отличий определена как квадрат евклидова расстояния по формуле (1) и является безразмерной величиной. Наиболее близким к Челябинской области отраслевым профилем характеризуется Свердловская область, далее идут Липецкая, Вологодская и Тульская области. Затем фиксируется скачок значения интегральной оценки отличия, и уже следующий по уровню близости регион - Красноярский край - попадает в другой кластер.
Красноярский край с точки зрения отраслевой специализации относится к типичным регионам металлургического монопрофиля и рассматривается в сравнении с Вологодской, Липецкой и Челябинской областями [Данилова, Правдина, 2022], однако учет фактора технологической интенсивности позволяет выявить отличия профилей обрабатывающей промышленности данных регионов.
На рис. 3 представлена сравнительная оценка региональных профилей по нормированным значениям критериев кластеризации. Максимальное значение по каждому показателю среди исследуемых регионов - 100 %. Красноярский край в целом характеризуется более низкими по сравнению с Челябинской областью значениями показателей специализации на металлургическом производстве (M1, M2, M3). При этом в Красноярском крае доля высокотехнологичной продукции (T1) значительно выше, а доля средневысокотехнологичной продукции (T2) значительно ниже, чем в Челябинской области, что указывает на различную структуру продукции обрабатывающих производств.
Республика Саха (Якутия) 74
Еврейская автономная область 81
Чеченская Республика 42
Тюменская область 60
Республика Ингушетия 38
Курская область 8
Карачаево-Черкесская Республика 40
Республика Карелия 19
Краснодарский край 32
Ивановская область 5
Кабардино-Балкарская Республика 39
Камчатский край 75
Чукотский автономный округ 82
Республика Алтай 62
Республика Тыва 63
Республика Коми 20
Сахалинская область 80
Республика Адыгея 29
Воронежская область 4
Ставропольский край 43
Тамбовская область 14
Республика Северная Осетия - Алания 41
Саратовская область 56
Новосибирская область 69
Московская область 10
Иркутская область 67
Республика Марий Эл 45
Пензенская область 54
Город Санкт-Петербург 28
Республика Башкортостан 44
Ярославская область 17
Самарская область 55
Рязанская область 12
Омская область 70
Республика Дагестан 37
Город Москва 18
Ульяновская область 57
Хабаровский край 77
Республика Бурятия 72
Псковская область 27
Республика Крым 31
Город Севастополь 36
Магаданская область 79
Ленинградская область 24
Алтайский край 65
Амурская область 78
Костромская область 7
Астраханская область 33
Приморский край 76
Калининградская область 23
Новгородская область 26
Брянская область 2
Тверская область 15
Орловская область 11
Республика Мордовия 46
Смоленская область 13
Томская область 71
Архангельская область 21
Забайкальский край 73
Республика Калмыкия 30
Республика Татарстан 47
Чувашская Республика 49
Пермский край 50
Курганская область 58
Калужская область 6
Нижегородская область 52
Ростовская область 35
Кировская область 51
Владимирская область 3
Удмуртская Республика 48
Волгоградская область 34
Кемеровская область 68
Оренбургская область 53
Республика Хакасия 64
Белгородская область 1
Мурманская область 25
Красноярский край 66
Свердловская область Челябинская область Липецкая область Вологодская область Тульская область
П"
59 61 9 22 16
10
15
20
25
Совмещение кластера перемасштабированных расстояний Рис. 1. Результаты кластерного анализа регионов России Fig. 1. Cluster analysis results of Russian regions
Свердловская область Липецкая область Вологодская область Тульская область Красноярский край Республика Хакасия Мурманская область Волгоградская область Удмуртская Республика Нижегородская область Владимирская область Кемеровская область - Кузбасс Свердловская область Липецкая область Московская область Пермский край Вологодская область Республика Мордовия Томская область Саратовская область
0,440
0,794 0,964 0,999
1,195 1,218
1,290 1,319
1,609 1,744 1,865 1,877 1,879 1,956 1,968 1,975
0,0
0,5
1,0
1,5
2,0
Рис. 2. Интегральная оценка отличий профилей обрабатывающей промышленности регионов
России от профиля Челябинской области Fig. 2. Composite assessment of differences between the manufacturing industry's specialisations of Russian
regions and the Chelyabinsk oblast
M3 91
Челябинская область Свердловская область
М3
М2
— Челябинская область
— Красноярский край
Рис. 3. Сравнительная оценка региональных профилей обрабатывающей промышленности, % Fig. 3. Comparative assessment of the manufacturing industry's specialisations in regions, %
Результаты сравнения регионов металлургического профиля показаны в табл. 3.
Таблица 3. Сравнительная характеристика регионов металлургического профиля Table 3. Comparative characteristics of the metals industry regions
Субъект РФ Показатели технологичности обрабатывающих производств, % Показатели специализации на металлургическом производстве, %
Ti T2 T3 M1 M2 M3
Челябинская область 6,1 30,9 86,1 9,9 52,5 51,4
Свердловская область 7,0 35,5 90,4 9,1 45,8 45,1
Липецкая область 0,9 17,2 71,7 11,5 53,5 56,8
Вологодская область 0,2 14,8 67,7 8,5 54,7 35,8
Тульская область 7,6 29,0 79,3 11,7 35,5 32,1
Среднее значение по кластеру 4,4 25,5 79,0 10,2 48,4 44,3
Среднее значение по всем субъектам РФ 14,0 40,7 74,3 2,6 10,0 4,5
Составлено по: Информационно-аналитическая система FIRA PRO. https://pro.fira.ru/search/ index.html#company.
В табл. 3 приведены значения показателей технологичности, полученные с помощью кумулятивного метода. Если же говорить об уровнях технологичности, ориентируясь на четыре типа таковой без применения кумулят, то результат мы получим следующий (рис. 4).
2021
Челябинская область | 6,14
Свердловская область Щ 6,98
Липецкая область | 0,88 Вологодская область 0,23
Тульская область Щ 7,63
Россия В 14,00
24,78 28,50 16,29 14,60 21,40 26,73
Челябинская область Свердловская область Липецкая область Вологодская область Тульская область Россия
6,61 6,95 0,53 0,34 9,10 13,63
2017
25,12 27,75 18,02 17,39 21,55 26,62
53,94 14,32
55,36 9,94
54,46 26,99
50,77 31,49
49,12 20,23
34,08 ■ 25,67
Виды деятельности ■ Высокотехнологичные Средневысокотехнологичные
Средненизкотехнологичные ■ Низкотехнологичные
Рис. 4. Уровень технологичности регионов металлургического профиля в 2017 и 2021 гг., % Fig. 4. Technological intensity of the metals industry regions in 2017 and 2021, %
Если в среднем по стране за пять лет доля высокотехнологичного производства пусть незначительно, но все же выросла, то в Челябинской, Вологодской и Тульской областях
она, наоборот, сократилась. В Челябинской, Липецкой, Вологодской и Тульской областях снизилась и доля средневысокотехнологичных отраслей. Но эта динамика настолько несущественна, что заявлять о каких-то изменениях было бы некорректно.
В целом данные на рис. 4 показывают, что за рассмотренный период расстановка сил не изменилась. Во всех пяти исследуемых регионах металлургического профиля абсолютное большинство работников крупных и средних предприятий трудится в сред-ненизкотехнологичных отраслях. И доля этих отраслей практически во всех регионах металлургического профиля, за исключением Свердловской области, за пять лет лишь выросла. Таким образом, по критерию высокотехнологичности производства можно выделить две пары близких регионов: Челябинскую и Свердловскую, а также Липецкую и Вологодскую области.
Для того чтобы оценить позиционирование регионов металлургического профиля в среднесрочной перспективе, покажем динамику доли занятых в высокотехнологичных и средневысокотехнологичных отраслях за период 2006-2021 гг. (рис. 5, 6).
%
0 09 о
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
-Челябинская область Свердловская область -Липецкая область
Вологодская область -Тульская область -Россия
Рис. 5. Динамика доли средней численности работников, занятых в высокотехнологичных видах деятельности обрабатывающей промышленности,
в общей численности занятых в обрабатывающей промышленности, 2006-2021 Fig. 5. Share of average number of employees in the high-tech manufacture in the total number of people
employed in manufacturing industry, 2006-2021
В среднесрочной перспективе тенденции иные, нежели в пятилетней (см. рис. 5): во всех исследуемых регионах наблюдается устойчивый рост доли занятых в высокотехнологичных отраслях. Однако он не столь существенный, как в стране в целом. Со среднетехнологичными видами деятельности не все так однозначно (см. рис. 6). Общероссийское значение увеличилось несущественно - с 24,2 до 26,73 %. Наибольший рост за исследуемые 15 лет демонстрирует Липецкая область: доля занятых в средневысокотехнологичных отраслях выросла в 2,8 раза. В Челябинской, Свердловской и Вологодской областях соответствующий рост равен 168, 149 и 131 % соответственно.
И лишь в Тульской области показатель упал на 43 %. Тем не менее, если оценивать его в статике - по состоянию на 2021 г., то эта область не является аутсайдером среди изучаемых регионов - она превосходит по данному показателю Липецкую и Вологодскую области, причем существенно.
11,0 11,4 10,5 8,1 8,1 15,4 14,6
11,1
5,8 5,3 6,3 6,0 7,3 7,4
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
Челябинская область Вологодская область
Свердловская область -Липецкая область
Тульская область -Россия
Рис. 6. Динамика доли средней численности работников, занятых в средневысокотехнологичных видах деятельности обрабатывающей промышленности, в общей численности занятых в обрабатывающей промышленности, 2005-2021 Fig. 6. Share of the average number of employees in the medium-high-tech manufacture in the total number of people employed in manufacturing industry, 2005-2021
Определим место регионов металлургического профиля в общероссийском пространстве. Для этого покажем, как менялась доля отгруженных товаров собственного производства соответствующего региона в общероссийском значении. И сделаем это как по всем отраслям (рис. 7), так и исключительно по отрасли металлургического производства (рис. 8).
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
-Челябинская область -Липецкая область Свердловская область
Вологодская область -Тульская область
Рис. 7. Динамика доли отгруженных товаров собственного производства регионов металлургического профиля в общероссийском объеме товаров собственного производства (все отрасли), 2005-2021 Fig. 7. Share of metals industry regions' own produced goods shipped in Russia's total (all industries), 2005-2021
-Челябинская область -Липецкая область Свердловская область
Вологодская область -Тульская область
Рис. 8. Динамика доли отгруженных товаров собственного производства регионов металлургического профиля в общероссийском объеме товаров собственного производства (металлургическая отрасль), 2005-2021
Fig. 8. Share of metals industry regions' own produced goods shipped in Russia's total (metals industry),
2005-2021
Свердловская область является устойчивым лидером - это показывают данные как на рис. 7 (за исключением лишь 2005 г.), так и на рис. 8. Однако этот тренд устойчиво снижается (см. рис. 7). Нельзя назвать положительной и картину, представленную на рис. 8. Несмотря на разный отраслевой срез, явно просматривается группировка регионов: геометрия графиков Челябинской и Свердловской областей является похожей. И, кроме того, сами линии ближе друг к другу (в особенности на рис. 8), что говорит о близости экономик регионов, и прежде всего тенденций металлургической отрасли. В среднесрочной перспективе доля практически всех исследуемых регионов в общероссийском металлургическом производстве падает (см. рис. 8). Лишь Тульская область демонстрирует рост - с 2,02 % в 2005 г. до 3,61 % в 2021 г. Но доля этой области за весь исследуемый период является самой низкой в сравнении с остальными регионами металлургического профиля.
Если показатель «стоимость отгруженных товаров собственного производства» является результирующим, то есть позволяющим оценить состояние экономического развития региона, то такие показатели, как «стоимость внеоборотных активов» и «средняя численность работников» можно рассматривать как ресурсные. Проанализируем, как менялись доли ресурсных показателей за тот же исследуемый период (рис. 9-12).
Позиции всех исследуемых регионов в отношении доли стоимости внеоборотных активов в общероссийском значении ослабились, что вполне логично - такие же тренды мы видим и по показателю доли стоимости отгруженных товаров собственного производства. Если говорить не обо всех отраслях экономики, а лишь о металлургическом производстве (рис. 10), то можно заключить, что позиции регионов по отношению друг
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
-Челябинская область - Липецкая область Свердловская область
Вологодская область - Тульская область
Рис. 9. Динамика доли стоимости внеоборотных активов регионов металлургического профиля в общероссийском значении стоимости внеоборотных активов (все отрасли), 2005-2021 Fig. 9. Share of the metals industry regions' fixed assets in Russia's total cost of fixed assets (all industries),
2005-2021
-1-1-1-1-1-1-1-1-1-1-1-1-1-1-12005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
-Челябинская область -Липецкая область Свердловская область
Вологодская область -Тульская область
Рис. 10. Динамика доли стоимости внеоборотных активов регионов металлургического профиля в общероссийском значении стоимости внеоборотных активов (металлургическая отрасль), 2005-2021 Fig. 10. Share of the metals industry regions' fixed assets in Russia's total cost of fixed assets (metals industry),
2005-2021
2,0 1,5 1,0 . 0,5 0,0
1711
1,07 1,05
0,90 0,88
0,85
1,01
0,82
1,00
1,01
1,01
1,02
1,01 0,81
0,79
0,78
0,77 0,77
0,76
-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
-Челябинская область - Липецкая область Свердловская область
Вологодская область - Тульская область
Рис. 11. Динамика доли средней численности работников регионов металлургического профиля в общероссийском значении средней численности работников (все отрасли),
2005-2021
Fig. 11. Share of the metals industry regions' average number of employees in Russia's average number
of employees (all industries), 2005-2021
18 16 14 12 10 8 6 4 2 0
15,65
15,08
13,60 13>17_ 13,68 13,43
11,74 12>19 11,77
9,97
10,59 10,45 10,58
Ю
1,95 U>48
9,19 9'53
9,09
4,56
3,35
2,67
4,15
4,06
4,29
3,97
4,06
4,28
4,17
4,47
1,71
1,89
1,98
1,84
1,94
1,91
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
-Челябинская область -Липецкая область Свердловская область
Вологодская область -Тульская область
Рис. 12. Динамика доли средней численности работников регионов металлургического профиля в общероссийском значении средней численности работников (металлургическая
отрасль), 2005-2021
Fig. 12. Share of the metals industry regions' average number of employees in Russia's average number
of employees (metals industry), 2005-2021
к другу не всегда были одинаковыми. С 2006 по 2010 г. Вологодская область показывала наибольший удельный вес основного капитала в общестрановом размере, чего нельзя сказать о стоимости отгруженных товаров собственного производства (см. рис 8). Тренды, показанные на рис. 10, не являются линейными. Лишь Тульская область демонстрирует устойчивую тенденцию к росту, и то нелинейную - существенный всплеск значения начинается с 2016 г. Липецкой, Челябинской и Свердловской областям свойственны параболические динамики. Устойчивое снижение показателя характерно для Вологодской области (если не принимать во внимание 2005 г.). Оценка среднесрочной перспективы позволяет утверждать, что за последние пять лет позиции регионов по отношению друг к другу не менялись.
Если говорить о кадровой составляющей, то наблюдается устойчивое, хотя и несущественное, снижение доли работников регионов всех отраслей в общероссийской численности работников (рис. 11). Но для металлургической отрасли характерны несколько большие колебания значений. Самое существенное падение доли численности работников металлургических производств в общероссийском объеме показала Свердловская область. И падение это является устойчивым начиная с 2005 г. Если соотносить границы рассматриваемого периода - сравнивать 2021 и 2005 г., то и для Челябинской области характерно снижение показателя. Но тренд здесь не был устойчивым. До 2015 г. область, напротив, демонстрировала рост доли работников указанного производства в общероссийском значении.
Что касается тех задач, которые мы предлагаем решить посредством корреляционного анализа, то определить синхронизацию экономического развития регионов металлургического профиля возможно путем оценки корреляции между темпами роста заявленных индикаторов (ОТСП, ВОА, СЧР) всех регионов металлургического профиля.
Результаты корреляционного анализа, который проводился по временной выборке 2006-2021 гг., показаны в табл. 4-9 (выделены значения коэффициентов корреляции, характеризующие высокую статистическую зависимость). По всем видам деятельности большинству пар регионов свойственна высокая положительная статистическая зависимость динамики стоимости отгруженных товаров собственного производства (табл. 4), при этом такая же высокая зависимость динамики стоимости отгруженных товаров металлургической отрасли характерна только для пары регионов, близких по технологической структуре производства (см. рис. 4), - Вологодской и Липецкой областей (табл. 5).
Таблица 4. Оценка связи темпов роста стоимости отгруженных товаров собственного производства всех отраслей экономики Table 4. Assessment of the relationship between the growth rates of the own produced goods shipped in all industries
Область Челябинская Липецкая Свердловская Вологодская Тульская Россия
Челябинская 1 - - - - -
Липецкая 0,93 1 - - - -
Свердловская 0,93 0,88 1 - - -
Вологодская 0,94 0,89 0,84 1 - -
Тульская 0,77 0,80 0,67 0,76 1 -
Россия 0,92 0,86 0,89 0,89 0,69 1
Таблица 5. Оценка связи темпов роста стоимости отгруженных товаров собственного
производства металлургической отрасли Table 5. Assessment of the relationship between the growth rates of the own produced goods shipped in the metals industry
Область Челябинская Липецкая Свердловская Вологодская Тульская Россия
Челябинская 1 - - - - -
Липецкая 0,40 1 - - - -
Свердловская 0,50 0,63 1 - - -
Вологодская 0,43 0,95 0,46 1 - -
Тульская -0,025 0,04 -0,10 0,09 1 -
Россия 0,56 0,46 0,41 0,46 0,32 1
Высокая статистическая зависимость темпов роста стоимости внеоборотных активов по всем отраслям экономики (табл. 6) и в металлургической отрасли (табл. 7) наблюдается только в парах регионов со схожей технологической структурой производства - Вологодской и Липецкой, а также Свердловской и Челябинской областях.
Таблица 6. Оценка связи темпов роста стоимости внеоборотных активов
всех отраслей экономики Table 6. Assessment of the relationship between the growth rates of fixed assets cost in all industries
Область Челябинская Липецкая Свердловская Вологодская Тульская Россия
Челябинская 1 - - - - -
Липецкая 0,27 1 - - - -
Свердловская 0,71 0,47 1 - - -
Вологодская 0,05 0,78 0,18 1 - -
Тульская 0,56 -0,41 0,37 -0,50 1 -
Россия 0,70 0,17 0,55 -0,03 0,45 1
Таблица 7. Оценка связи темпов роста стоимости внеоборотных активов
металлургической отрасли Table 7. Assessment of the relationship between the growth rates of fixed assets cost in the metals industry
Область Челябинская Липецкая Свердловская Вологодская Тульская Россия
Челябинская 1 - - - - -
Липецкая 0,40 1 - - - -
Свердловская 0,50 0,63 1 - - -
Вологодская 0,43 0,95 0,46 1 - -
Тульская -0,03 0,04 -0,10 0,09 1 -
Россия 0,56 0,46 0,41 0,46 0,32 1
Для большинства пар регионов характерна высокая положительная зависимость динамики численности занятых по всем отраслям экономики (табл. 8), при этом наиболее схожая динамика численности занятых в металлургической отрасли наблюдается только у пар регионов с максимально близкой технологической структурой (табл. 9).
Таблица 8. Оценка связи темпов роста численности работников всех отраслей экономики Table 8. Assessment of the relationship between the growth rates of the number of employees in all industries
Область Челябинская Липецкая Свердловская Вологодская Тульская Россия
Челябинская 1 - - - - -
Липецкая 0,86 1 - - - -
Свердловская 0,82 0,83 1 - - -
Вологодская 0,79 0,80 0,76 1 - -
Тульская 0,61 0,82 0,62 0,69 1 -
Россия 0,89 0,90 0,90 0,89 0,77 1
Таблица 9. Оценка связи темпов роста численности работников металлургической отрасли Table 9. Assessment of the relationship between the growth rates of the number of employees in the metals industries
Область Челябинская Липецкая Свердловская Вологодская Тульская Россия
Челябинская 1 - - - - -
Липецкая 0,25 1 - - - -
Свердловская 0,79 0,54 1 - - -
Вологодская 0,48 0,37 0,70 1 - -
Тульская 0,41 0,43 0,67 0,42 1 -
Россия 0,61 0,50 0,84 0,59 0,93 1
С целью определить, действуют ли универсальные законы экономического развития, опять же обратимся к корреляционному анализу. Результаты расчета коэффициентов корреляции между темпами роста ресурсных показателей (ВОА, СЧР) и темпами роста результирующего показателя (ОТСП) приведены в табл. 10.
Таблица 10. Результаты корреляционного анализа Table 10. Results of the correlation analysis
Корреляция Область Россия
Челябинская Свердловская Липецкая Вологодская Тульская
между темпами роста ОТСП и ВОА все отрасли 0,06 0,32 0,22 0,42 0,27 0,15
металлургическое производство -0,03 0,35 0,07 0,02 0,07 0,13
между темпами роста ОТСП и СЧР все отрасли 0,60* 0,63* 0,24 0,35 -0,04 0,33
металлургическое производство 0,63* 0,54* 0,21 0,34 0,89** 0,57*
* - средняя статистическая зависимость; ** - высокая статистическая зависимость.
Для всех регионов металлургического профиля характерна слабая статистическая зависимость динамики производства и стоимости внеоборотных активов как по всем видам деятельности, так и в разрезе металлургического производства, что косвенно
указывает на наличие обозначенных выше региональных и отраслевых особенностей инвестиционной деятельности. Для регионов металлургического профиля (за исключением Тульской области) характерно совпадение уровня корреляционной зависимости динамики производства и занятых по всем отраслям экономики и в металлургическом секторе, что не свойственно экономике страны в целом, не имеющей металлургической специализации. При этом у регионов с максимально похожими технологическими профилями значения коэффициентов корреляции близки: средняя статистическая зависимость присуща Свердловской и Челябинской областям, слабая - Вологодской и Липецкой. Тульская область, имеющая отличительный технологический профиль, характеризуется очень низкой зависимостью динамики производства и численности работников по всем секторам экономики при очень высокой аналогичной зависимости в металлургическом производстве.
Таким образом, динамика экономического развития с точки зрения объемов производства всех отраслей экономики является практически одинаковой во всех изучаемых регионах. Это подтверждают результаты расчетов коэффициента корреляции, приведенные в табл. 4, - практически все попарные значения демонстрируют синхронизирующий эффект экономического развития исследуемых территорий. Кроме того, синхронизирующий эффект развития металлургической отрасли наблюдается в паре областей «Липецкая - Вологодская» по показателям «темпы роста ОТСП» (см. табл. 5) и «темпы роста ВОА» (см. табл. 7). По показателю «темпы роста СЧР» синхронизацию демонстрируют Челябинская и Свердловская области (см. табл. 9).
Можно предположить, что динамические характеристики развития регионов с металлургической специализацией экономики в определенной мере зависят от технологического профиля обрабатывающего производства и близости регионов по уровню технологичности (см. рис. 4). Максимально тесный синхронизирующий эффект роста металлургического производства (см. табл. 5) характерен только для пары областей «Липецкая - Вологодская». Они являются близкими по уровню высокотехнологичности обрабатывающих производств (см. рис. 4).
Заключение
Кластерный анализ субъектов Российской Федерации по критериям общего уровня технологичности обрабатывающих производств и уровня специализации региональной экономики на металлургическом производстве позволил выявить регионы с металлургическим профилем экономики, схожие с Челябинской областью, - это Свердловская, Липецкая, Вологодская и Тульская области.
Заметные изменения структуры производства обрабатывающих отраслей по уровню технологичности можно определить только путем построения среднесрочных трендов развития.
Во-первых, в среднесрочной перспективе во всех исследуемых регионах наблюдается устойчивый рост доли занятых в высокотехнологичных отраслях. Для Вологодской и Липецкой областей характерен рост доли средней численности работников, занятых в средневысокотехнологичных видах деятельности. Тульской области присуще снижение уровня технологичности производства.
Во-вторых, вклад регионов металлургического профиля в общий объем отгруженной продукции национальной экономики снижается как по всем видам деятельности (10,17 % в 2005 г., 8,36 % в 2021 г.), так и по производству металлургической продукции (47,24 % в 2005 г., 40,37 % в 2021 г.). Лишь Тульская область демонстрирует усиление локализации металлургического производства (в первую очередь за счет низкотехнологичной
продукции) с 2,02 % в 2005 г. до 3,61 % в 2021 г. Рост объема производства металлургической продукции в Тульской области сопровождается ростом локализации ресурсов (увеличением доли внеоборотных активов и доли средней численности занятых в металлургическом производстве, локализованном на территории региона).
В-третьих, в Вологодской и Липецкой областях наблюдается снижение локализации капитальных и трудовых ресурсов металлургического производства. Наиболее ригидная динамика результирующих и ресурсных показателей этого производства характерна для Челябинской и Свердловской областей. Данную разницу можно объяснить отличиями в технологической структуре производства обрабатывающих отраслей.
По результатам корреляционного анализа установлено, что динамические характеристики развития регионов с металлургической специализацией экономики в значительной мере зависят от технологического профиля обрабатывающих производств.
В статье обозначены среднесрочные тренды экономического и технологического развития регионов металлургического профиля, а также зависимость динамики экономического развития от технологической структуры обрабатывающих производств. Однако за рамками исследования остался широкий круг региональных и отраслевых факторов, определяющих индивидуальные особенности трендов экономического развития регионов, что является предметом дальнейших научных изысканий.
Полученные результаты представляют интерес для органов государственного управления, осуществляющих стратегическое управление отраслевым развитием регионов, а также определяют перспективность изучения механизмов адаптации региональных промышленных комплексов к меняющимся условиям внешней среды.
Источники
Гамбеева Ю. Н., Смей В. М. (2021). Роль креативных индустрий в социально-экономическом развитии территории // Вестник Челябинского государственного университета. № 6 (452). С. 89-96. Б01: 10.47475/1994-2796-2021-10610.
Гордеев С. С., Зырянов С. Г., Подопригора А. В. (2019). «Эффект колеи» в развитии социально-экономического пространства региона. Ч. 1: «Эффект колеи» и локальный кризис в Челябинской области // Социум и власть. № 5 (79). С. 84—97. Б01: 10.22394/1996-0522-2019-5-84-97.
Данилова И. В., Правдина Н. В. (2022). Развитие монопрофильных регионов экономического пространства России: сравнительный анализ // Вестник Южно-Уральского государственного университета. Серия «Экономика и менеджмент». Т. 16, № 2. С. 21-34. Б01: 10.14529/ет220202.
Данилова И. В., Салимоненко Е. Н. (2020). Экономика открытых моноспециализированных регионов: поиск модели развития // Вестник Южно-Уральского государственного университета. Серия «Экономика и менеджмент». Т. 14, № 3. С. 17-29. Б01: 10.14529/ет200302.
Джурка Н. Г. (2018). Пространственная концентрация промышленного производства в России: тестирование эффекта внутреннего рынка // Пространственная экономика. № 3. С. 19-42. Б01: 10.14530/зе.2018.3.019-042.
Дорошенко Ю. А., Старикова М. С., Ряпухина В. Н. (2022). Выявление моделей индустриально-инновационного развития региональных экономических систем // Экономика региона. Т. 18, № 1. С. 78-91. Б01: 10.17059/екоп^.2022-1-6.
Емельянов А. А., Кельчевская Н. Р., Пелымская И. С. (2020). Оценка конкурентоспособности региональных горно-металлургических кластеров // Экономика региона. Т. 16, № 1. С. 213-227. Б01: 10.17059/2020-1-16.
Коломак Е. А. (2019). Пространственное развитие России в XXI в. // Пространственная экономика. Т. 15, № 4. С. 85-106. Б01: 10.14530/зе.2019.4.085-106.
Котов А. В. (2021). Пространственный анализ структурных сдвигов как инструмент исследования динамики экономического развития макрорегионов России // Экономика региона. Т. 17, № 3. С. 755-768. Б01: 10.17059/екоп^.2021-3-3.
Орехова С. В., Дубровский В. Ж. (2018). Новая индустриально-технологическая политика: пример металлургического производства // Новая индустриализация России: стратегические приоритеты страны и возможности Урала. Екатеринбург: Уральский государственный экономический университет. С. 210-232.
Пискун Е. И., Хохлов В. В. (2019). Экономическое развитие регионов Российской Федерации: факторно-кластерный анализ // Экономика региона. Т. 15, № 2. С. 363-376. DOI: 10.17059/20192-5.
Романова О. А., Сиротин Д. В. (2017). Образ желаемого будущего экономики индустриального региона: тенденции развития и методология оценки // Экономика региона. Т. 13, № 3. С. 746-763. DOI: 10.17059/2017-3-9.
Савельева И. П., Данилова И. В., Правдина Н. В. (2022). Реструктуризация экономики моноспециализированных регионов на основе оценки технологичности экономических специализаций // Актуальные проблемы экономики и менеджмента. № 1 (33). С. 125-138.
Самарина В. П., Мартиросян А. Т., Ильичева Е. В. (2019). Состояние и перспективы развития российского металлургического комплекса // Фундаментальные исследования. № 8. С. 81-85.
Силин Я. П., Анимица Е. Г., Новикова Н. В. (2019). Уральский макрорегион: большие циклы индустриализации: монография. Екатеринбург: Издательство Уральского государственного экономического университета. 371 с.
Сиренко Л. Ю., Рычкова Е. С. (2020). Кластерный анализ в оценке экономической безопасности региона // Естественно-гуманитарные исследования. № 29 (3). С. 310-314. DOI: 10.24411/23094788-2020-10279.
Сорокина Н. Ю., Латов Ю. В. (2018). Эволюция старопромышленных регионов в экономике России // Journal of Economic Regulation. Т. 9, № 1. С. 6-22. DOI: 10.17835/2078-5429.2018.9.1.006022.
Трейвиш А. И. (2019). Неравномерность и структурное разнообразие пространственного развития экономики как научная проблема и российская реальность // Пространственная экономика. Т. 15, № 4. С. 13-35. DOI: 10.14530/se.2019.4.013-035.
Anselin L., Rey S. (2010). Perspectives on spatial data analysis. In: Anselin L., Rey S. (eds.) Perspectives on spatial data analysis. advances in spatial science (pp.1-20). Berlin, Heidelberg: Springer-Verlag. DOI: 10.1007/978-3-642-01976-0_1.
Antonyuk V. S., Kornienko E. L. (2022). Economic development of Russia's old industrial border regions. Journal of New Economy, vol. 23, no. 2, pp. 45-63. DOI: 10.29141/2658-5081-2022-23-2-3.
Aralbaeva G. G., Berikbolova U. D. (2021). Cluster analysis of the regions of Kazakhstan by the level of innovative development. Mezhdunarodnyy nauchno-issledovatel'skiy zhurnal = International Research Journal, no. 9-2(111), pp. 133-137. DOI: 10.23670/IRJ.2021.9.111.059.
Asheim B. T. (2019). 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. 1-18. DOI:10.1080/13511610.2018.1491001.
Bailey D., Christos P., Tomlinson P. R. (2018). A place-based developmental regional industrial strategy for sustainable capture of co-created value. Cambridge Journal of Economics, vol. 42, issue 6, pp.1521-1542.
Bents D. S. (2022). Long-term trends in differentiation between regions: Sverdlovsk oblast vs Chelyabinsk oblast. Journal of New Economy, vol. 23, no. 2, pp. 102-124. DOI: 10.29141/2658-5081-202223-2-6.
Boschma R. (2016). Relatedness as driver of regional diversification: a research agenda. Regional Studies, vol. 51, issue 3, pp. 351-364. DOI: 10.1080/00343404.2016.1254767.
Hirsch-Kreinsen H., Jacobson D., Robertson P. L. (2006). 'Low-tech' industries: Innovativeness and development perspectives - A summary of a european research project. Prometheus: Critical Studies in Innovation, vol. 24, no. 1, pp. 3-21. DOI: 10.1080/08109020600563762.
Martin R., Sunley P. (2006). Path dependence and regional economic evolution. Journal of Economic Geography, vol. 6, issue 4, pp. 395-437. DOI: 10.1093/jeg/lbl012.
Neffke F., Henning M., Boschma R. (2011). How do regions diversify over time? Industry relatedness and the development of new growth paths in regions. Economic Geography, vol. 87, issue 3, pp. 237-265. https://doi.org/10.1111/j.1944-8287.2011.01121.x.
Okunev I. Yu., Lopatina V. R. (2022). The neighbourhood effect in Russian regional policies: Autocorrelation and cluster analysis. RUDN Journal of Political Science, vol. 24, no. 4, pp. 634-650. DOI: 10.22363/2313-1438-2022-24-4-634-650.
Romanova O. A., Sirotin D. V. (2019). Metallurgical complex of Central Urals in the conditions of development under Industry 4.0: The road map for repositioning the complex. Studies on Russian Economic Development, vol. 30, no. 2, pp. 136-145. DOI: 10.1134/S1075700719020187.
Sukharev O. S. (2022). Industrial growth and technological perspective. Journal of New Economy, vol. 23, no. 1, pp. 6-23. DOI: 10.29141/2658-5081-2022-23-1-1.
Информация об авторах Бенц Дарья Сергеевна - кандидат экономических наук, доцент, профессор кафедры экономики отраслей и рынков. Челябинский государственный университет, г. Челябинск, РФ. E-mail: benz@ csu.ru
Резепин Александр Владимирович - кандидат экономических наук, доцент, доцент кафедры экономической теории, региональной экономики, государственного и муниципального управления. Южно-Уральский государственный университет, г. Челябинск, РФ. E-mail: avrezepin@susu.ru
■ ■ ■
References
Gambeeva Yu. N., Smey V. M. (2021). The role of creative industries in socio-economic development of the territory. Vestnik Chelyabinskogo gosudarstvennogo universiteta = Bulletin of Chelyabinsk State University. Economic Sciences, no. 6 (452), pp. 89-96. DOI: 10.47475/1994-2796-2021-10610. (In Russ.)
Gordeev S. S., Zyryanov S. G., Podoprigora A. V. (2019). "Path dependence" in developing socioeconomic space of the region. Part 1: "Path dependence" and the local crisis in the Chelyabinsk region. Sotsium i vlast = Society and Power, no. 5 (79), pp. 84-97. DOI: 10.22394/1996-0522-2019-5-84-97. (In Russ.)
Danilova I. V., Pravdina N. V. (2022). Development of single-industry regions in the economic space of Russia: Comparative analysis. Vestnik Yuzhno-Uralskogo gosudarstvennogo universiteta. Ser. Ekono-mika i menedzhment = Bulletin of South Ural State University. Ser. Economics and Management, vol. 16, no. 2, pp. 21-34. DOI: 10.14529/em220202. (In Russ.)
Danilova I. V., Salimonenko E. N. (2020). Economy of open monospecialized regions: Search for a development model. Vestnik Yuzhno-Uralskogo gosudarstvennogo universiteta. Ser. Ekonomika i menedzhment = Bulletin of South Ural State University. Ser. Economics and Management, vol. 14, no. 3, pp. 17-29. DOI: 10.14529/em200302. (In Russ.)
Dzhurka N. G. (2018). Spatial concentration of industrial production in Russia: Testing the home market effect. Prostranstvennaya ekonomika = Spatial Economics, no. 3, pp. 19-42. DOI: 10.14530/ se.2018.3.019-042. (In Russ.)
Doroshenko Yu. A., Starikova M. S., Ryapukhina V. N. (2022). Identification of industrial and innovative development models of regional economic systems. Ekonomika regiona = Economy of Region, vol. 18, no. 1, pp. 78-91. DOI: 10.17059/ekon.reg.2022-1-6. (In Russ.)
Emelyanov A. A., Kelchevskaya N. R., Pelymskaya I. S. (2020). Assessment of competitiveness of regional mining and metallurgical clusters. Ekonomika regiona = Economy of Region, vol. 16, no. 1, pp. 213-227. DOI: 10.17059/2020-1-16. (In Russ.)
Kolomak E. A. (2019). Spatial development of Russia in XXI century. Prostranstvennaya ekonomika = Spatial Economics, vol. 15, no. 4, pp. 85-106. DOI: 10.14530/se.2019.4.085-106. (In Russ.)
Kotov A. V. (2021). Spatial shift-share analysis as a tool for studying the economic development of Russia's macroregions. Ekonomika regiona = Economy of Region, vol. 17, no. 3, pp. 755-768. DOI: 10.17059/ekon.reg.2021-3-3. (In Russ.)
Orekhova S. V., Dubrovskiy V. Zh. (2018). New industrial and technological policy: An example of metallurgical production. In: Bodrunov S. D., Silin Ya. P., Ryazanov V. T., Animitsa E. G. (eds.) New industrialization of Russia: Strategic priorities of the country and the possibilities of the Urals (pp. 210-232). Ekaterinburg: Ural State University of Economics. (In Russ.)
Piskun E. I., Khokhlov V. V. (2019). Economic development of the Russian Federation's regions: Factor-cluster analysis. Ekonomika regiona = Economy of Region, vol. 15, no. 2, pp. 363-376. DOI: 10.17059/2019-2-5. (In Russ.)
Romanova O. A., Sirotin D. V. (2017). The desired image of the future economy of the industrial region: Development trends and evaluation methodology. Ekonomika regiona = Economy of Region, vol. 13, no. 3, pp. 746-763. DOI: 10.17059/2017-3-9. (In Russ.)
Savelyeva I. P., Danilova I. V., Pravdina N. V. (2022). Restructuring the economy of monospecial-ized regions based on the assessment of economic specializations manufacturability. Aktual'nye problemy ekonomiki i menedzhmenta = Actual Problems of Economics and Management, no. 1 (33), pp. 125-138. (In Russ.)
Samarina V. P., Martirosyan A. T., Ilyicheva E. V. (2019). The state and development prospects of Russia 's metallurgical complex. Fundamental'nye issledovaniya = Fundamental Research, no. 8, pp. 81-85. (In Russ.)
Silin Ya. P., Animitsa E. G., Novikova N. V. (2019). Ural macroregion: Large cycles of industrialization. Ekaterinburg: Ural State University of Economics. 371 p. (In Russ.)
Sirenko L. Yu., Rychkova E. S. (2020). Cluster analysis in assessing the economic security of the region. Estestvenno-gumanitarnye issledovaniya = Natural Humanities Research, no. 29 (3), pp. 310-314. DOI: 10.24411/2309-4788-2020-10279. (In Russ.)
Sorokina N. Yu., Latov Yu. V. (2018). Evolution of old industrial regions in the economy of Russia. Journal of Economic Regulation, vol. 9, no. 1, pp. 6-22. DOI: 10.17835/2078-5429.2018.9.1.006-022. (In Russ.)
Treyvish A. I. (2019). Uneven and structurally diverse spatial development of economy as a scientific problem and Russian reality. Prostranstvennaya ekonomika = Spatial Economics, vol. 15, no. 4, pp. 13-35. DOI: 10.14530/se.2019.4.013-035. (In Russ.)
Anselin L., Rey S. (2010). Perspectives on spatial data analysis. In: Anselin L., Rey S. (eds.) Perspectives on spatial data analysis. advances in spatial science (pp.1-20). Berlin, Heidelberg: Springer-Verlag. DOI: 10.1007/978-3-642-01976-0_1.
Antonyuk V. S., Kornienko E. L. (2022). Economic development of Russia's old industrial border regions. Journal of New Economy, vol. 23, no. 2, pp. 45-63. DOI: 10.29141/2658-5081-2022-23-2-3.
Aralbaeva G. G., Berikbolova U. D. (2021). Cluster analysis of the regions of Kazakhstan by the level of innovative development. Mezhdunarodnyy nauchno-issledovatel'skiy zhurnal = International Research Journal, no. 9-2(111), pp. 133-137. DOI: 10.23670/IRJ.2021.9.111.059.
Asheim B. T. (2019). 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. 1-18. DOI:10.1080/13511610.2018.1491001.
Bailey D., Christos P., Tomlinson P. R. (2018). A place-based developmental regional industrial strategy for sustainable capture of co-created value. Cambridge Journal of Economics, vol. 42, issue 6, pp.1521-1542.
Bents D. S. (2022). Long-term trends in differentiation between regions: Sverdlovsk oblast vs Chelyabinsk oblast. Journal of New Economy, vol. 23, no. 2, pp. 102-124. DOI: 10.29141/2658-5081-2022-23-2-6.
Boschma R. (2016). Relatedness as driver of regional diversification: a research agenda. Regional Studies, vol. 51, issue 3, pp. 351-364. DOI: 10.1080/00343404.2016.1254767.
Hirsch-Kreinsen H., Jacobson D., Robertson P. L. (2006). 'Low-tech' industries: Innovativeness and development perspectives - A summary of a european research project. Prometheus: Critical Studies in Innovation, vol. 24, no. 1, pp. 3-21. DOI: 10.1080/08109020600563762.
Martin R., Sunley P. (2006). Path dependence and regional economic evolution. Journal of Economic Geography, vol. 6, issue 4, pp. 395-437. DOI: 10.1093/jeg/lbl012.
Neffke F., Henning M., Boschma R. (2011). How do regions diversify over time? Industry relatedness and the development of new growth paths in regions. Economic Geography, vol. 87, issue 3, pp. 237-265. https://doi.org/10.1111/j.1944-8287.2011.01121.x.
Okunev I. Yu., Lopatina V. R. (2022). The neighbourhood effect in Russian regional policies: Autocorrelation and cluster analysis. RUDN Journal of Political Science, vol. 24, no. 4, pp. 634-650. DOI: 10.22363/2313-1438-2022-24-4-634-650.
Romanova O. A., Sirotin D. V. (2019). Metallurgical complex of Central Urals in the conditions of development under Industry 4.0: The road map for repositioning the complex. Studies on Russian Economic Development, vol. 30, no. 2, pp. 136-145. DOI: 10.1134/S1075700719020187.
Sukharev O. S. (2022). Industrial growth and technological perspective. Journal of New Economy, vol. 23, no. 1, pp. 6-23. DOI: 10.29141/2658-5081-2022-23-1-1.
Information about the authors
Darya S. Bents, Cand. Sc. (Econ.), Associate Prof., Prof. of Industries and Markets Dept. Chelyabinsk State University, Chelyabinsk, Russia. E-mail: benz@csu.ru
Aleksandr V. Rezepin, Cand. Sc. (Econ.), Associate Prof., Associate Prof. of Economic Theory, Regional Economy, State and Municipal Governance Dept. South Ural State University, Chelyabinsk, Russia. Email: avrezepin@susu.ru
© Bенц fl. C., Pe3enuH A. B., 2023
