CC BY
28
DOI: 10.29141/2658-5081-2020-21-1-2
JEL classification: O14, O47, O57
О. С. Сухарев Институт экономики Российской академии наук, г. Москва, Российская
Федерация
Е. Н. Ворончихина Пермский государственный национальный исследовательский университет, г. Пермь, Российская Федерация
Структурная политика роста в России: ресурсы, технологичность, риск и индустриализация
Аннотация. В российской экономике преодоление ресурсных ограничений развития с целью повышения его эффективности возможно в рамках мер структурной политики, связанных с перемещением ресурсов. В статье рассматриваются возможности экономического роста в результате развития обрабатывающего сектора, обмена ресурсами между секторами. В качестве методологии исследования принята теория экономического роста кейнсианско-структуралистского содержания как наиболее приемлемая для изучения структурных особенностей роста и распределения ресурсов в экономике. Основным методом является структурный анализ, а также элементы эконометрического моделирования. Общий и специальный критерии индустриализации позволяют установить, является ли экономика индустриальной по структуре или по уровню технологического развития. На основе полученных моделей оценивается, как влияет соотношение рисков и доходности секторов на перемещение капитала и труда между ними. Если в рамках структурной политики воздействовать на соотношение рисков и доходности, а также уровень технологичности сектора за счет активизации инвестиций в новые технологии (при снижении риска), то обрабатывающий сектор получит добавочный ресурс, улучшая собственную динамику и увеличивая вклад в темп роста ВВП страны. Сценарный прогноз критериев индустриализации в зависимости от риска в обрабатывающем секторе приводит к выводу о необходимом снижении риска для повышения вклада обрабатывающего сектора в темп роста ВВП и интенсификации при этом процесса технологической индустриализации.
Ключевые слова: экономический рост; структурные пропорции; перемещение ресурсов; технологичность; риск; индустриализация; общий критерий индустриализации; специальный критерий индустриализации; сектора экономики.
Для цитирования: Сухарев О. С., Ворончихина Е. Н. (2020). Структурная политика роста в России: ресурсы, технологичность, риск и индустриализация // Journal of New Economy. Т. 21, № 1. С. 29-52. DOI: 10.29141/2658-5081-2020-21-1-2 Дата поступления: 24 июля 2019 г.
Введение
В эпоху глобальных изменений экономическая структура разных стран претерпевает быструю трансформацию. Такие изменения выражаются в смене экономических институтов - правил ведения и организации хозяйственной жизни, агентских взаимодействий, а также технологий, как производственных, так и виртуальных (трансакцион-ный сектор). Скорость технологического обновления повышается, страны входят в режим «технологической гонки», которая, в свою очередь, зависит от исходного состояния экономической системы, ее основного капитала, человеческого потенциала, макроэкономической политики и базовых институтов, а также институциональных коррекций
(управляемой смены или модификации институтов), стимулирующих или блокирующих появление новых комбинаций в шумпетерианском смысле, новаторов [Шумпетер, 2007; Маевский, 2011; Сухарев, 2016, 2018]. Однако далеко не всегда исключительно новаторы обеспечивают устойчивую положительную экономическую динамику: важны тиражирование, готовность использовать новые технологии, образование, накопленный человеческий капитал и другие условия. Чувствительность системы к мерам экономической политики, быстрота реакции агентов, очередность ввода новых мер, уровень конфликтности со стандартными рецептами макроэкономической политики, масштаб трансакций и их эффективность, сложившиеся структурные диспропорции и институциональные ограничения будут определять потенциал и успешность экономических изменений, темп и устойчивость экономического роста.
Структурные пропорции экономики стали изменяться значительно быстрее, что является особенностью современного этапа функционирования мировой экономической системы. Однако, несмотря на возросшую скорость изменений, они какое-то время сохраняются стабильными и выступают своеобразным правилом, влияющим на распределение ресурсов. В передовых странах уже несколько десятилетий доминируют трансак-ционные секторы. Производственные секторы имеют подчиненное значение по вкладу в валовой внутренний продукт. Вместе с тем технологический уровень производственных секторов неуклонно растет, причем с большой скоростью. Новая промышленная революция 4.0. определяет облик экономик передовых стран, воздействуя на структуру занятых [Alonso-Carrera, Raurich, 2015], человеческий капитал, происходящие структурно-технологические и институциональные изменения [Saviotti, Pyka, Jun, 2016; Teixeira, Queirós, 2016; Romano, Trau, 2017].
Неоклассические модели роста и структурных изменений [Shaikhet, 2019; Guerrini, Matsumoto, Szidarovszky, 2019; Carroll, Young, 2018; Banerjee, 2017; Brinca, 2014] позволяют оценить влияние факторов на рост экономики, но не проясняют связи риска, воплощающего институциональные характеристики системы, и перемещения ресурсов между секторами, а также то, как структура становится правилом перемещения ресурсов, обеспечивая возможности технологической модернизации (индустриализации). Эволюционные модели [Dosi, Roventini, Russo, 2019; Nelson, Winter, 2000], в отличие от неоклассических, исследуют аспекты реструктуризации экономики, например, в рамках неошумпетерианского направления за счет появления новых комбинаций [Buenstorf et al., 2013; Pyka, Hanusch, 2014; Шумпетер, 2007]. Вместе с тем сложившиеся макроструктурные пропорции и их влияние на размещение ресурсов почти не учитываются. К тому же применение подобных моделей ограничивает их действенность, так как требует дополнительной верификации. В связи с этим нами используется эмпирико-эконометрический подход, т. е. подбираются модели, связывающие основные параметры функционирования секторов с поиском ответа на вопрос о распределении ресурсов (труда и капитала), влиянии технологичности и инвестиций на технологическую структуру, зависящую от соотношения риска, что позволяет использовать структурную политику как инструмент экономического роста.
Для российской экономики, имеющей значительные проблемы в области использования новых технологий и индустриального развития [Глазьев, 2017; Силин, Анимица, Новикова, 2019], структурная политика представляет собой возможный инструмент реализации новой модели экономического роста. Решение поставленных задач сводится к технологическому обновлению, ускоренному развитию обрабатывающих секторов, изменению структуры рынка труда и повышению эффективности использования
и наращения человеческого капитала в российской экономике. В журнале «Вопросы экономики»1 под научным руководством профессора Е. Ясина опубликован обстоятельный доклад экспертов Высшей школы экономики, в котором аккумулируются различные подходы к структурной политике в разных странах в зависимости от задач и специфических черт их развития. В нем отмечается локальность успехов проводимой структурной политики, а также то, что в развивающихся странах перемещение труда уже не играет определяющей роли в развитии по сравнению с прошлым периодом, а главные меры сводятся к повышению эффективности (производительности) функционирования секторов, а не к перемещению ресурсов между ними. В российской экономике, как будет показано ниже, фактор труда оказывает серьезное влияние на обрабатывающий сектор и экономику в целом, а возможность повышения производительности детерминируется состоянием капитала и уровнем технологичности.
Представляется важным отметить, что внутрисекторальное развитие полностью определяется состоянием располагаемых ресурсов, и если имеются ограничения по обеспечению добавочными ресурсами, то развитие данных секторов благодаря ставке на внутренние стимулы будет также ограничено. Этот дополнительный ресурс может быть получен именно за счет перемещения из тех секторов, которые являются избыточными либо в силу сложившейся пропорции забирают значительную долю ресурса на поддержание своего функционирования.
Кроме того, если сложилась пропорция, согласно которой имеются очень доходные секторы, риск ведения бизнеса в которых невысок, и низко доходные секторы, где высок риск ведения хозяйственной деятельности, то повышение эффективности локально внутри данного сектора не может быть достигнуто именно по причине ресурсных ограничений. Их преодоление видится в рамках мер структурной политики, влияющих на перемещение ресурсов, совместно с теми мерами, которые способствуют повышению производительности (технологичности) внутри рассматриваемого сектора. Рассмотрим возможный вариант решения структурных проблем стимулирования экономического роста посредством анализа взаимодействия секторов (перемещения ресурсов между ними) и процесса технологического обновления (инвестиции в новые и старые технологии) так называемой технологической индустриализации.
Целью исследования выступает определение возможностей роста за счет развития обрабатывающего сектора, перемещения ресурсов между секторами за счет выравнивания рисков ведения хозяйственной деятельности и сценарная оценка процесса индустриализации в России.
Далее в исследовании для достижения поставленной цели осуществляется решение задач по следующему алгоритму.
1. Производится эмпирический анализ с использованием официальных статистических данных сложившегося режима обмена ресурсами двух секторов (обрабатывающего и тран-сакционно-сырьевого). Такое выделение обусловлено тем, что необходимо определить вклад в темп роста обрабатывающего сектора, а также дать оценку процессу индустриализации.
2. Подбираются эконометрические модели, описывающие перемещение капитала и труда, с оценкой их статистической значимости и достоверности, включающие управляющие параметры, на которые можно влиять методами экономической политики, различными институциональными коррекциями и т. д. Перемещение капитала и труда оценивается по подобранной модели, предполагающей, что перемещение капитала зависит от исходных технологических возможностей, задаваемых отношением инвестиций в старые
1 Структурная политика в России: новые условия и возможная повестка: доклад НИУ ВШЭ // Вопросы экономики. 2018. № 6. С. 5-28. DOI: https://doi.org/10.1016/10.32609/0042-8736-2018-6-5-28.
технологии к валовой добавленной стоимости (-^р) (далее - ВДС), отношения рисков 1 (с1\\
и доходности1 в двух секторах, а перемещение труда между секторами - отношением рисков и доходности в секторах.
3. Оценивается изменение перемещения капитала и труда в рассматриваемых секторах, с учетом которого измеряется их влияние на развитие сектора и вклад его в темп роста.
4. Подбирается эконометрическая модель ВДС обрабатывающего сектора (методом отбраковки моделей получена производственная функция, связывающая капитал, труд и технологичность2, типа У = Ь Ка Ьв ус, где К - капитал, Ь - труд, у - технологичность)3. Уровень технологичности принимается как функция отношения инвестиций в новые и старые технологии. Функционально это можно представить в виде технологичности первого и второго сектора, зависящей от соотношения инвестиций в новые и старые технологии в первом и во втором секторе: у! у! Инвестиции в новые и старые технологии соответственно определяются риском в секторах - использовались показательные функции. Аналогичная связь была подобрана для связи риска и доходности, инвестиций и риска в секторах экономики. Эта связь предстает в виде: г = а йЬ, I = И г" (где г -риск, й - доходность (рентабельность), I - инвестиции, а, Ь, И, и - параметры модели4). Все модели подбирались методом отбраковки по наилучшим статистикам, которые приводятся по каждой модели. Тем самым в агрегатном виде была сформулирована модель, позволяющая оценить влияние риска и доходности, инвестиций в повышение технологичности на перемещение основных факторов производства между секторами, динамику секторов и их вклад в общий темп экономического роста в России. Данная модель позволяет дать некоторый сценарный прогноз изменения ВДС и процесса индустриализации (по общему и специальному критериям в зависимости от изменения риска в обрабатывающем и/или трансакционно-сырьевом секторе).
5. Дается изменение создаваемого продукта (по ВДС) в зависимости от перемещения ресурсов и воздействующих управляющих параметров в обрабатывающем секторе. Осуществляется расчет общего и специального критериев индустриализации с оценкой развития обрабатывающих секторов в зависимости от риска (дается сценарный прогноз) в обрабатывающем секторе. Уровень индустриализации оценивается по критериям, изложенным в работе [Сухарев, 2016]. Общий критерий дает представление об изменении доли индустрии в ВВП, специальный - учитывает технологическую структуру. Эти критерии позволяют дать мониторинг общей ситуации, идентифицировать состояние экономической системы по уровню развития ее индустрии (средств производства), а также показывают, какой процесс индустриализации или деиндустриализации преобладает на рассматриваемом интервале времени.
Интервал времени для рассмотрения принимается авторами с 2006 г. по 2016 г., за исключением некоторых отклонений в пределах одного года, вызванных статистическими данными или условиями расчета. Все стоимостные параметры сводятся к ценам 2004 г.
1 Под доходностью понимается рентабельность проданных товаров, работ, услуг.
2 Под технологичностью понимается отношение объема производства на новых технологиях к объему производства на старых технологиях. Под новыми понимаются вновь созданные передовые технологии. Объем производства на старых технологиях определяется вычитанием из общего объема производства выпуска на новых технологиях.
3 В данном исследовании получены и используются модели валовой добавленной стоимости обрабатывающего сектора: У = 29773 К0-28 Ь02 у0-45 - 0,0003 К Ь у (Я2 = 0,85; Я2а^ = 0,79; Р-критерий = 195,3;
критерий = 1,68; Тест Уайта: х2 расчет. = 3,01, х2 крит. = 5,99) и трансакционно-сырьевого сектора: У = 0,44 К3'03 Ь0'97 (Я2 = 0,88; Я2^ = 0,84; Р-критерий = 64,7; О-^критерий = 1,03; Тест Уайта: х2 расчет. = 2,87; X2 крит. = 5,99).
4 Подобранные модели представлены на соответствующих графиках (рис. 4, 6-7).
Реализация представленного алгоритма исследования предполагает подготовку исходных моделей и данных для дальнейшего расчета, а также эмпирический анализ на основе имеющейся статистики изменений в конкретных видах деятельности и секторах. Прежде всего, требуется ввести эконометрическую модель зависимости риска и доходности (рентабельности), а также риска и процентной ставки. Полезным будет рассмотреть зависимость технологичности и инвестиций в новые и старые технологии от величины риска в секторе. Если функция кредитования зависит от денежной массы и процентной ставки, а также величины активов банковского сектора, то на риск влияют институциональные условия, которые индивидуальны для каждого сектора экономики. Также на него влияют используемые технологии, процентная ставка, число долгосрочных проектов, реализуемых в данном виде деятельности, сложность сделок (проектов) и многие другие институциональные параметры. Получение факторной модели риска для каждого сектора представляет собой самостоятельную задачу, которую упрощенно можно сформулировать по эконометрической модели, связывающей риск и процентную ставку, риск и инвестиции в новые и старые технологии. Представим реализацию обозначенных шагов исследования.
Распределение ресурсов в российской экономике: эмпирический анализ1
Решение структурных проблем развития российской экономики (как и любой другой экономической системы), к которым относится и проблема технологического развития, не может быть осуществлено без диагностики состояния экономической структуры (включая технологии), эмпирического анализа взаимодействия основных экономических секторов, в том числе измерения обмена ресурсами между секторами. Именно подобное перемещение образует структурные сдвиги, обеспечивая доминирование одних видов деятельности относительно других, влияет на возможности и характер технологического обновления экономики [Сорокин, 2017].
Ресурс перемещается из одного сектора в другой по причине того, что имеется понуждающее условие, т. е. более высокая отдача2 [Белкин, 2015] от его применения (рентабельность инвестиций, капитала; заработная плата - оценка труда), либо институциональные условия, облегчающие применение ресурса, в том числе нематериальные стимулы труда и др. Все влияющие условия учесть проблематично, но наиболее сильное влияние оказывает общая рентабельность сектора, обеспечивая более высокий технологический уровень, приемлемый риск ведения хозяйственной деятельности.
Рассмотрим секторальное перемещение ресурсов (капитала и труда) по двум секторам - обрабатывающему и трансакционно-сырьевому3. В качестве управляющих пара-
1 Представленные в статье эконометрические модели прошли проверку на статистическую значимость, в том числе по критериям, исключающим автокорреляцию (критерий Дарбина-Уотсона) и гетероскеда-стичность (тест Уайта).
2 Профессор В. Д. Белкин считал, что соотношение рентабельности и образующиеся пропорции цен определяют перемещение ресурсов. Однако еще и соотношение рисков, отражающее влияние всего набора институтов, также влияет на перемещение ресурсов между секторами экономики.
3 В состав обрабатывающего сектора включены виды деятельности (по ОКВЭД): раздел Б - Обрабатывающие производства; раздел Б - Строительство. В состав трансакционно-сырьевого сектора включены виды деятельности (по ОКВЭД): раздел А - Сельское хозяйство, охота и лесное хозяйство; раздел В - Рыболовство, рыбоводство; раздел С - Добыча полезных ископаемых; раздел Е - Производство и распределение электроэнергии, газа и воды; раздел О - Оптовая и розничная торговля; ремонт автотранспортных средств, мотоциклов, бытовых изделий и предметов личного пользования; раздел Н - Гостиницы и рестораны; раздел I - Транспорт и связь; раздел ] - Финансовая деятельность; раздел К - Операции с недвижимым имуществом, аренда и предоставление услуг; раздел Ь - Государственное управление и обеспечение военной безопасности; социальное обеспечение; раздел М - Образование; раздел N - Здравоохранение и предоставление социальных услуг; раздел О - Предоставление прочих коммунальных, социальных и персональных услуг.
метров примем соотношение рисков, величины доходности секторов (рентабельности), инвестиций в новые и старые технологии в каждом секторе и их отношение, от которого зависит технологичность.
Текущая структура секторов России по их доле в валовом внутреннем продукте такова, что трансакционно-сырьевой сектор за период 2006-2016 гг. занимает в среднем 78 % ВДС, а обрабатывающий сектор - 22 %.
Фактическое перемещение ресурсов между обрабатывающим и трансакционно-сырь-евым секторами России в период 2006-2016 гг. показано на рис. 1 (изменение в структуре среднегодовой численности занятых в обрабатывающем и трансакционно-сырьевом секторе - 1а, изменение в структуре основных фондов в этих же секторах в процентах к предыдущему году - 1б).
-*- Обрабатывающий сектор
-•- Трансакционно-сырьевой сектор
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
а)
0,8
—- Обрабатывающий сектор
-•- Трансакционно-сырьевой сектор
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
б)
Рис. 1. Изменение в структуре занятости (а) и основных фондов (б) России, в % к предыдущему году
Fig. 1. Change in the structure of employment (a) and fixed assets (b) of Russia, in % to the previous year
Как видно из рис. 1, приток1 персонала в трансакционно-сырьевой сектор равен оттоку из обрабатывающего сектора, и наоборот. Аналогичная ситуация наблюдается по основному капиталу. Суммарный отток труда из обрабатывающего сектора за рассматриваемый период составил -3,4 %, соответственно приток в трансакционно-сырьевой сектор отмечается со знаком плюс и равен +3,4 %. Отток капитала из обрабатывающего сектора составил -0,7 %, приток в трансакционно-сырьевой сектор +0,7 %.
Осуществим эмпирический анализ по официальным статистическим данным2 сложившегося режима обмена ресурсами указанных секторов. Нами вводятся и используются эконометрические модели, описывающие перемещение капитала и труда, с оценкой
1 Термины «приток» и «отток» ресурса (капитала, труда) означают увеличение или уменьшение данного ресурса для этого сектора. Определение величины притока и оттока осуществляется по изменению доли ресурса (труда, капитала) для данного сектора в обшей структуре ресурса (капитала, труда) двухсекторной экономики.
2 Данные Росстата за 2006-2016 гг. Расчеты осуществлены для периода с 2006 г. по 2016 г. Все стоимостные параметры сводятся к ценам 2004 г.
их статистической значимости и достоверности, включающие управляющие параметры, на которые можно влиять методами экономической политики - институциональными коррекциями и др.
Влияние инвестиций в технологическое обновление на структурную динамику российской экономики потребует оценки ВДС секторов по капиталу, труду и технологичности.
Кроме того, будем использовать зависимость риска и доходности (рентабельности), а также зависимость технологичности и инвестиций в новые и старые технологии от величины риска в секторе.
Таким образом, на довольно длительном интервале времени1 наблюдается эффект потери ресурсов (труда, капитала) в обрабатывающем секторе. Это в определенном смысле уникальная ситуация, когда рост показывал сектор, теряющий ресурсы. Планируя политику индустриализации и технологического опережающего развития, требуется учитывать отток ресурсов из обрабатывающего сектора, а на первой фазе реализации такой структурной политики роста необходимо предусмотреть меры по элиминированию оттока и затем обеспечению сектора необходимыми для развития ресурсами - труда и капитала, что потребует наращение инвестиций.
Инвестиции в повышение технологичности и риск2
Одним из условий экономического роста выступает стимулирование инвестиций. Вместе с тем распределение инвестиций между новыми и старыми технологиями определяет процесс технологического обновления, а распределение между обрабатывающим и трансакционно-сырьевым секторами определяет экономическую динамику. Исследование роста без оценки межсекторного перемещения ресурсов не учитывает «структурный фактор» роста. Изменение состояния секторов и возможности их развития и вклада в общий темп роста зависят от того, каким образом перемещаются ресурсы.
Так, обрабатывающий сектор в период 2015-2016 гг. терял труд (наблюдается отток), но имел приток капитала. Трансакционно-сырьевой сектор показывал обратную закономерность. То же самое свойство обнаруживается и в период кризиса в 2009 г. Также нужно отметить, что приток-отток капитала чередовался для обрабатывающего и трансакци-онно-сырьевого секторов, хотя в результате имелся отток из обрабатывающего сектора капитала за указанный период. Что касается труда, то только в 2012 г. отмечается приток в обрабатывающий сектор. На всем интервале преобладает отток труда. Этот феномен требует объяснений. Таким объяснением может быть то, что в обрабатывающем секторе происходило технологическое обновление, вытесняющее труд, даже при условии, что данное обновление шло неравномерно и технологический уровень возрос в два раза, но в диапазоне низких значений. Уровень технологичности российской экономики остается довольно низким, его увеличение не может дать такого эффекта вытеснения труда, который наблюдался в период 2006-2016 гг. (рис. 2).
Кроме того, явно выделяются периоды синхронного оттока капитала и труда, например, в 2006-2009 гг. и в 2016 г. Приток капитала в обрабатывающий сектор в 2009-2010 гг. сопровождался оттоком труда, как и приток в 2014-2015 гг. сопровождался оттоком труда. Поскольку общий технологический уровень остается довольно низким, можно
1 Начиная с 1990-х гг. и по 2016 г. происходил отток ресурсов из обрабатывающего сектора - труда и капитала, но с разной интенсивностью. Однако в отдельные годы наблюдался приток, но в целом за период сектор характеризуется тем, что ресурсы его покидают.
2 Риск оценивается по стандартному квадратичному отклонению валовой прибыли в секторах российской экономики.
0,12
— yi
— У2
Рис. 2. Изменение уровня технологичности по секторам: У! - обрабатывающий, у2 - трансакционно-сырьевой Fig. 2. Change in the level of technology-intensity by sector: Y1 - manufacturing sector, y2 -transaction and raw materials sector
сделать вывод, что не технологии вытесняют труд. Развиваемая здесь идея касается того, что соотношение рисков в секторах, их рентабельности, следовательно, и заработной платы будет в большей степени влиять на отток труда из обрабатывающего сектора на рассматриваемом интервале времени.
Динамика риска (а) и рентабельности (б) в секторах российской экономики показана на рис. 3.
о, о H ю
«
и и
о
с «
и
s
Он
Он
s
Ц 55
350 ООО 300 ООО 250 000 200 000 150 000 100 000 50 000
Обрабатывающий сектор
Трансакционно-сырьевой сектор
0
+
ю чо
о о
о о
<N <N
+
+
tv О
о
см
00 о о
(N
ON О О
о о
<N СО
О
га
ГО
о
ГО
а)
о
СО
О
es
ю
о
СО
VO
О
(N
О CS
Обрабатывающий сектор
Трансакционно-сырьевой сектор
б)
Рис. 3. Динамика риска, млн руб. (а) и рентабельности по секторам, % (б) Fig. 3. Dynamics of risk, million rubles (a) and profitability, % (b) by sector
Как видно из рис. 3, в трансакционном-сырьевом секторе наблюдается наименьший риск и наибольшая рентабельность, в обрабатывающем - наибольший риск и наименьшая рентабельность. В период 2014-2016 гг. рентабельность сырьевого сектора существенно возросла при росте риска ведения хозяйственной деятельности. Риск
в обрабатывающем секторе в эти годы снижался, рентабельность существенно не возросла, оставаясь устойчиво ниже 10 % с 2009 г. по 2016 г. Рентабельность трансакци-онно-сырьевого сектора возросла и составила выше 25 % (рис. 3б). Обратим внимание, что риск в обрабатывающем секторе снижается, в трансакционно-сырьевом - немного растет. Тем самым именно соотношение рентабельности и риска становится правилом, закрепляющим сформировавшуюся экономическую структуру и предопределяющим ее динамику. Исходная рентабельность и риск воздействуют и на возможность технологического обновления, так как влияют на инвестиции в новые технологии.
На рис. 4 показана модель для инвестиций и риска по каждому сектору - обрабатывающему и трансакционно-сырьевому.
<и о
H «
U • Я ^
s ^ s я
и <и И В
S
1 200 000 800 000 400 000 0
<u Он
о H 6 000 000
M <L> 5 000 000
U M 4 000 000
s я Cl, m 3 000 000
ET S 4 5 2 000 000
H < > 1 000 000
<u M 0
s
S
1= 15 413 г0'33 R2 = 0,70 С = 0,66
Расчет Факт
50 000 100 000 150 000 200 000 250 000 300 000 350 000 Риск в секторе, млн руб.
а)
1-27 610 г0'33 R2 = 0,71 С, = 0,70
Расчет Факт
20 000 40 000 60 000 80 000 100 000 120 000 140 000 Риск в секторе, млн руб. б)
Рис. 4. Модель «инвестиции - риск» для обрабатывающего сектора (а)1
и трансакционно-сырьевого (б)2 сектора, млн руб. Fig. 4. 'Investment - risk' model for the manufacturing sector (a) and the transaction and raw materials sector (b), million rubles
С ростом инвестиций растет риск в трансакционно-сырьевом и обрабатывающем секторах, однако инвестиции в трансакционно-сырьевом секторе в 3-4 раза выше, при том что риск в 2-2,5 раза ниже. Прирост риска при росте инвестиций на одну и ту же величину в обрабатывающем и трансакционно-сырьевом секторах существенно выше.
Для решения задачи управления перемещением ресурсов между секторами важным аспектом выступает связь риска и рентабельности, а также то, как изменяется технологичность при росте инвестиций в новые и старые технологии. Получим модели связи между данными параметрами системы и отдельно рассматриваемых секторов.
1 Статистики модели: Я2 = 0,7; Я2^ = 0,66; Р-критерий = 6,7; критерий = 1,7; тест Уайта: Хртгает. = 5,87;
X крит. = 5,99.
2 Статистики модели: Л2 = 0,71; Я2а щ = 0,7; Р-критерий = 4,96; D-W критерий = 1,73; тест Уайта:
х расчет. = 4,4; х крит. = 5,99.
Рис. 5 отражает изменение технологичности для трансакционно-сырьевого и обрабатывающего секторов.
s
н о
д о
« £
<D Сг1
« S
a s & §
»
X о H
0,12 0,10 0,08 0,06 0,04 0,02 0,00
Г®)-«'©"
R2 = 0,78 ^, = 0,75
Расчет Факт
0,15 0,17 0,19 0,21 0,23 0,25 0,27 0,29
In Is
а)
s н о о S
с s
(н
о ^ §
я
<и H
0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0,00
Г®)- «да©*
R = 0,9
= 0,89 ^--^
Расчет Факт
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
In Is
б)
Рис. 5. Изменение уровня технологичности в обрабатывающем (а) и трансакционно-сырьевом секторах (б)1 от ^
Fig. 5. Change in the levels of technology-intensity
in the manufacturing sector (a) and the transaction and raw materials sector (b) depending on ^
Как видим, технологичность в существенной степени определяется инвестициями в новые технологии, причем в обрабатывающем секторе она значительно выше, чем в трансакционно-сырьевом, но растет медленнее. В обрабатывающем секторе зависимость от инвестиций в новые технологии на порядок больше, чем в трансакционно-сырьевом, где отношение инвестиций в новые технологии к инвестициям в старые технологии принимает самое большое значение 0,06 на интервале 2005-2016 гг., в то время как в обрабатывающем - 0,29, что почти в пять раз выше. Это говорит о том, что в трансакцион-но-сырьевом секторе детерминируют повышение технологичности старые технологии, в обрабатывающем - преобладает влияние новых технологий.
Таким образом, трансакционно-сырьевой сектор экономики России, несмотря на более высокий темп роста технологичности, характеризуется очень низкой величиной технологичности. Только осуществив наращивание инвестиций в новые технологии, можно повысить общий уровень технологичности каждого сектора.
Связь риска и рентабельности для российской экономики, обрабатывающего и трансакционно-сырьевого секторов задается полученной на рис. 6 зависимостью.
1 Основные статистики по обрабатывающему сектору (а): Л2 = 0,78; Л2^ = 0,75; Р-критерий = 36,9; D-W критерий = 1,63; Критерий Пирсона: Хркчег. = 0,01; х21срит. = 16,92; основные статистики по трансакционно-сырьевому сектор (б): Л2 = 0,9; Л2^ = 0,89; Р-критерий = 90,7; D-W критерий = 1,37; Критерий Пирсона: Храотет. = 0,02; х2крит. = 16,92.
\о
Рч
X к
м
и S Он
350 ООО 300 ООО 250 ООО 200 ООО 150 ООО 100 ООО
г = 166 d3-8 334 d2 + 120 069 à - 288 159 R2 = 0,81
Расчет Факт
10 15
Рентабельность, % Рис. 6. Соотношение риска и рентабельности в экономике России1 Fig. 6. Risk and profitability in the Russian economy
Исходя из рис. 6, связь риска и рентабельности для секторов такова, что с ростом рентабельности в обрабатывающем секторе до 10 % растет и риск, затем он немного снижается при росте рентабельности до 12 %. В трансакционно-сырьевом секторе в области относительно низкой рентабельности при ее росте до 20 % можно говорить о снижении риска, затем при росте рентабельности растет и риск.
Рис. 7 отражает варианты моделей «риск - рентабельность» в секторах без учета связи секторов, т. е. с получением зависимости отдельно для каждого сектора. Такой подход также может быть применен при анализе перемещения ресурсов между секторами экономики, оценке влияния на экономический рост. Он будет давать упрощенную картину связи секторов и требовать дополнительной интерпретации полученных результатов.
Расчет Факт
350 000
? 300 000
Ян 250 000
к к 200 000
S 150 000
« и 100 000
S Рн 50 000
0
6 8 Рентабельность,1
а)
140 000
120 000
о, 100 000
я к 80 000
S 60 000
« 40 000
s Ol 20 000
0
r = 50 607 d 0,28 .—«=^7
R2 - 0 77
R% = 0,75
Расчет Факт
0
20
25
30
5 10 15
Рентабельность, % б)
Рис. 7. Зависимость «риск - рентабельность» в обрабатывающем (а) и трансакционно-сырьевом (б) секторах экономики России2 Fig. 7. 'Risk - profitability' dependence in the manufacturing sector (a) and the transaction and raw materials sector (b) of the Russian economy
1 Статистики для модели: Я2 = 0,81; Я2^ = 0,80; Р-критерий = 71,3; D-W критерий = 1,3; Тест Уайта: Хрютег. — 3,64; х врит. = 5,99.
2 Для обрабатывающего сектора (а) статистики: Я2 = 0,86; Я2^ = 0,84; Р-критерий = 56,2; D-Wкритерий = = 2,77; Тест Уайта: Хркчег. = 3,38; х2Ерит. = 5,99. Для трансакционно-сырьевого сектора (б) статистики: Я2 = 0,77; Я2а1) = 0,67; Р-критерий = 25,5; D-W критерий = 1,23; Тест Уайта: х2ркчет. = 3,77; х2крит.= 5,99.
Такой вид связи «риск - рентабельность» даже при хорошей статистической значимости дает усеченное представление об изменении риска и рентабельности в секторе, поскольку не учитывает влияние другого сектора. При росте рентабельности растет риск, обратное соотношение тоже выполняется, но только для полученного диапазона, т. е. в том интервале, где связаны рентабельность и риск данного сектора.
На наш взгляд, часто неучитываемое обстоятельство в рамках структурной политики для решения структурных задач развития - это ресурсы, сосредоточенные в самих секторах, и их перемещение между секторами. Покажем влияние перемещения труда и капитала на изменение ВДС в обрабатывающем секторе, а также влияние технологичности и риска. С помощью данных управляющих параметров можно влиять не только на перемещение ресурсов, но и на изменение процесса индустриализации экономики.
Влияние перемещения1 труда и капитала на валовую добавленную стоимость обрабатывающего сектора
Прежде чем выяснить влияние перемещения ресурсов на ВДС обрабатывающего сектора, необходимо определить закономерность перемещения капитала и труда на рассматриваемом периоде времени.
Модель перемещения капитала для обрабатывающего сектора подбиралась посредством включения параметров соотношения рисков двух секторов, их доходности, а также величины инвестиций в старые технологии к ВВП Перемещение труда зависит от соотношения рентабельности секторов и рисков ведения хозяйственной деятельности в них.
Располагая моделями для перемещения капитала и труда, оценим изменение перемещения труда и капитала при изменении соотношения рисков и доходности для обрабатывающего сектора. Представим результат на рис. 8 (8а - по капиталу, 8б - по труду).
Из рис. 8, демонстрирующего перемещение труда и капитала в обрабатывающем секторе, получаем следующее:
1. Самый существенный приток капитала в обрабатывающий сектор из трансакцион-но-сырьевого будет наблюдаться при росте риска r2 в трансакционно-сырьевом секторе и одновременном снижении риска ri в обрабатывающем секторе, причем снижение риска в обрабатывающем секторе выступает самым важным условием дальнейшего развития сектора в аспекте проведения политики индустриализации российской экономики.
2. Если воздействовать только на риск в обрабатывающем или в трансакционно-сы-рьевом секторе, то наилучший результат - приток капитала в обрабатывающий сектор - даст снижение риска ri в данном секторе, чем когда риск не изменяется, а r2 в трансакционно-сырьевом секторе возрастает на ту же величину, на которую снижается риск ri. Для расчетов взята величина 10 % от исходного значения риска для каждой точки.
3. По труду произойдет замедление оттока из обрабатывающего сектора при снижении на i0 % риска в секторе и увеличении на эту же величину риска в трансакционно-сырьевом секторе. Однако, что касается раздельного изменения рисков, то снижение ri на i0 % в обрабатывающем секторе не даст столь хорошего результата по уменьшению оттока, чем повышение r2 на 10 % - риска в трансакционно-сырьевом секторе.
Если в обрабатывающем секторе остается больше капитала и труда либо приходит ресурс в сектор, то это позволяет увеличить ВДС, при некоторых условиях увеличить и темп экономического роста. Учитывая проведенный эмпирический анализ, для российской экономики не всегда приток капитала сопровождается увеличением ВДС. Так, при оттоке капитала из обрабатывающего сектора ВДС в ценах 2004 г. была несколько выше
1 Под перемещением понимается «приток» и «отток» ресурса (капитала, труда).
Факт
-1,0
-•- Факт — г1/г2
(рост г2, г-с1 связаны) -м- г1/г2
(снижение г1, г-^ связаны)
-и- г1/г2
(снижение г1 и рост г2, г-й связаны)
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
а)
0,5 0,0
и
rf -0.5
s
1-1,0
<u
С
-1,5 -2,0
A —
\ / Факт
\ <=-4ЙГВ ¡1-15,17 2}
—- Факт
Расчет - условие: рост г2, г-<1 связаны
Расчет - условие: снижение г1, г-й связаны -м- Расчет - условие:
снижение г1 и рост г2, г-й связаны
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
б)
Рис. 8. Изменение перемещения капитала (а) и труда (б) для обрабатывающего сектора России Fig. 8. Changes in the movement of capital (a) and labour (b) for Russia's manufacturing sector
либо такой же, как и при притоке капитала. Поскольку притока труда в обрабатывающий сектор практически не наблюдалось за указанный период, то связанного изменения перемещения труда и ВДС по фактическим данным не обнаруживается. Темп роста ВДС также слабо связан с перемещением труда. По капиталу снижение его оттока из обрабатывающего сектора сопровождалось увеличением темпа роста ВДС, а увеличение притока капитала в сектор - сокращением темпа роста ВДС.
Таким образом, обобщая проведенный анализ, результаты эмпирических сопоставлений и эконометрического моделирования, можно утверждать, что, воздействуя на риск (при том что он связан с доходностью, как было показано выше) ведения хозяйственной деятельности, а также на инвестиции в новые и старые технологии, удастся изменить динамику ВДС. Данным процессом можно управлять, соизмеряя действенность инструментов макроэкономической политики с изменением указанных релевантных агрегированных параметров секторов. На динамику ВДС будет оказывать влияние риск ведения экономической деятельности в секторах и изменение уровня их технологичности.
Динамика валовой добавленной стоимости: влияние риска и технологичности
Формирование новой модели роста российской экономики потребует определения влияния на динамику ВДС риска и технологичности экономики, так как технологический рывок должен стать драйвером роста, и без оценки чувствительности динамики к изменению уровня технологичности не обойтись.
Покажем изменение ВДС в экономике России и ее секторах (расчет в ценах 2004 г.). Изменение риска положим на 10, 30 и 50 % (от исходного значения); на такую же величину изменяем соотношение рисков и доходности (рентабельности) двух секторов:
Й и £ (рис. 9).
5 400 000 vd 5 300 000 ^ 5 200 000 | 5 100 000 U 5 000 000 м 4 900 000
4 800 000
0 50000 100000 150000 200000 250000 300000 350000 Риск, млн руб.
а)
5 400 000 vo 5 300 000 ^ 5 200 000 | 5 100 000 U 5 000 000 М 4 900 000
4 800 000
0,0 5,0 10,0 15,0 20,0 25,0
dl, %
б)
Рис. 9. Изменение ВДС обрабатывающего сектора при изменении риска (а), доходности (б), в ценах 2004 г. Fig. 9. Changes in GVA of the manufacturing sector under change in risk (a) and profitability (b), in 2004 prices
Снижение риска увеличивает ВДС обрабатывающего сектора (рис. 9а), рост доходности увеличивает ВДС обрабатывающего сектора (рис. 9б).
Технологичность обрабатывающего сектора при снижении риска в секторе влияет на ВДС нелинейно. С увеличением уровня технологичности при уменьшении риска на 10 % до величины 0,055 исходная ВДС выше, затем на интервале 0,05-0,08 ВДС при пониженном на 10 % риске выше, чем исходное значение. На интервале 0,08-0,09 вновь становится ниже, нежели исходное значение ВДС. Ситуация, когда риск снижен на 30 и 50 %, характеризуется большей технологичностью.
При уровне технологичности в пределах 0,08-0,1 имеется в среднем превосходство в ВДС при пониженном риске, чем при исходном значении. Лишь отдельные точки не дают такого превосходства (рис. 10).
Перемещение капитала и труда при уменьшении риска в обрабатывающем секторе на 10, 30 и 50 % (рис. 11) оказывает следующее влияние на ВДС сектора.
При снижении риска перемещение капитала в обрабатывающий сектор возрастает -имеется приток капитала, при этом ВДС с ростом притока может как увеличиваться, так и уменьшаться, однако в среднем она выше исходного значения - для ситуации, когда риск не уменьшается. Если сравнить снижение риска на 30 и 50 %, учитывая приток капитала, то уже при снижении риска на 50 % приток капитала не обеспечит значительного увеличения ВДС в обрабатывающем секторе (хотя некоторое увеличение наблюдается)
Исходное Расчет при г1 - 10 ' Расчет при г1 - 30' Расчет при г1 - 501
Исходное
Расчет при г1 - 10 % Расчет при г1 - 30 % Расчет при г1 - 50 %
5 400 000
5 300 000
к 5 200 000
X
ч s 5 100 000
и 5 000 000
t=r
та 4 900 000
4 800 000
3
-—^ M
0,04 0,05 0,06 0,07 0,08 Уровень технологичности
0,09
-•- Исходный -•- Расчет при г1 - 10 % -*- Расчет при г1 - 30 % -*- Расчет при г1 - 50 %
0,10
Рис. 10. ВДС обрабатывающего сектора и уровень технологичности
при изменении риска на 10, 30 и 50 %, в ценах 2004 г. Fig. 10. GVA of the manufacturing sector and the level of technology-intensity under change in risk by 10, 30 and 50%, in 2004 prices
Cl,
X
К
s
и «
та
5 400 000 5 300 000 5 200 000 5 100 000 5 000 000 4 900 000 4 800 000
f\
L с/,
* MJ
V
-•- Исходное —Расчет при г1 - 101 -*- Расчет при г1 - 301 -*- Расчет при г1 - 501
-1
2 3 4 Перелив капитала,1
а)
5 400 000
vd 5 300 000
& 5 200 000
X
к Я 5 100 000
и 5 000 000
fcL та 4 900 000
4 800 000
\ t
——К *kt\
—-—-— J й
1 ----
-•- Исходное —Расчет при г1 - 10 % — Расчет при г1 - 30 % -*- Расчет при г1 - 50 %
-2,0
-1,5
0,0
0,5
-1,0 -0,5
Перелив труда, % б)
Рис. 11. Влияние перемещения капитала (а) и труда (б) на ВДС обрабатывающего сектора,
в ценах 2004 г.
Fig. 11. Impact of the capital (a) and labour (b) movement on GVA in the manufacturing sector, in 2004 prices
относительно ситуации с уменьшением риска на 30 %. Это говорит о том, что капитал, притекающий в обрабатывающий сектор, постепенно будет становиться избыточным.
Подводя итог, отметим, что перемещение капитала, труда, технологичность секторов экономики (задаваемое структурой «старые-новые» технологии) способны повлиять на ВДС каждого сектора и темп ее роста.
Как показывают наши количественные оценки [Сухарев, Ворончихина, 2019], при отрицательном и положительном темпе роста капитала рост обрабатывающего сектора может достигать не выше 2-3 %, даже если снижается риск в секторе. В трансакци-онно-сырьевом секторе темп роста ВДС существенно выше, доходит до 6 %. Это ниже наибольших значений в исходном варианте, когда темп достигал 8 %. Для планомерного
развития обрабатывающего сектора, как видим, необходим темп роста капитала выше 5 % и снижение риска хотя бы на 30 % (лучше - более 50 %). Следовательно, проблема состоит в качественном изменении ситуации в обрабатывающих производствах за счет обновления основного капитала и ввода новых технологий.
Проведенный выше анализ (рис. 11) позволяет сформулировать следующие основные позиции, которые полезно учитывать при построении новой модели роста российской экономики:
1. Отрицательный темп роста труда сопровождается отрицательным темпом роста ВДС, положительный темп роста труда - соответственно положительным темпом роста ВДС. Это связано с тем, что труд наиболее сильно влияет на ВДС, причем и в обрабатывающем, и в трансакционно-сырьевом секторе. При снижении риска в обрабатывающем секторе темп роста ВДС экономики России при темпе роста труда в 1-2 % становится ниже по сравнению с исходной величиной. Однако при темпе роста труда выше 4 % модель с более низким риском в обрабатывающем секторе дает более высокий темп роста ВДС экономики России по сравнению с исходным расчетом.
2. В обрабатывающем секторе снижение риска не дает преимущества для темпа роста ВДС за счет темпа роста труда, за исключением зоны очень малого темпа роста труда (ниже 0,5 %). Общая величина труда при перемещении (снижении оттока в обрабатывающем секторе), видимо, недостаточная, чтобы существенно увеличить темп роста ВДС в обрабатывающем секторе.
3. Трансакционно-сырьевой сектор обнаруживает аналогичную по своим качественным характеристикам ситуацию. Причиной такой динамики является то, что снижение риска существенно не влияет на перемещение труда, лишь только замедляя отток труда из обрабатывающего сектора (при текущем соотношении рисков в секторах).
Представив темп роста ВДС российской экономики согласно структурной формуле, оценим вклад секторов в темп экономического роста на рассматриваемом интервале времени 2006-2016 гг.
Оценка вклада секторов экономики в темпы роста и сценарный прогноз
индустриализации при снижении риска в обрабатывающем секторе
Структурная политика роста экономики, на наш взгляд, предполагает подбор мер, направленных на изменение вклада экономических секторов в темп роста экономики. В связи с этим необходимо учитывать то, какая структурная динамика сложилась к текущему моменту формирования такой политики. Структурная формула для оценки вклада секторов в темп роста имеет вид:
Ят = 71 + ЯУ2 У2,
где £т, £т1, £т2 - соответственно темп роста ВДС экономики России обрабатывающего и трансакционно-сырьевого секторов; у1, у2 - соответственно доля обрабатывающего и трансакционно-сырьевого секторов в ВВП.
При уменьшении риска ведения экономической деятельности в обрабатывающем секторе на 10, 30 и 50 % от исходной величины на рассматриваемом интервале 2006-2016 гг. происходит изменение доли секторов, как показывает рис. 12, а именно: увеличивается доля обрабатывающего сектора в ВДС экономики России и снижается доля трансакци-онно-сырьевого сектора.
До 2011 г. доля обрабатывающего сектора возрастает более чем на 1 %, затем ее увеличение происходит на меньшую величину при уменьшении риска в обрабатывающем
+ yl
— yl расчет при rl - 101 -•- у\ расчет при rl - 301 -— у 1 расчет при rl - 501
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
а)
-— у2 расчет при rl - 101 -•- у2 расчет при rl - 30 ' -•- у2 расчет при rl - 50 '
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
б)
Рис. 12. Изменение доли секторов при уменьшении риска в обрабатывающем секторе на 10, 30 и 50 %, обрабатывающий сектор (а), трансакционно-сырьевой сектор (б) Fig. 12. Changes in the share of the sectors under decreased risk in the manufacturing sector by 10, 30 and 50%, manufacturing sector (a), transaction and raw materials sectors (b)
секторе на 10, 30 и 50 %. Вместе с тем доля обрабатывающего сектора все равно понижается, только при уменьшении риска величина самой доли становится больше, чем исходное значение. Уменьшение доли обрабатывающего сектора говорит о том, что действуют другие факторы, помимо риска в обрабатывающем секторе, которые обеспечивают такую структурную динамику. Доля трансакционно-сырьевого сектора немного возрастает при уменьшении риска в обрабатывающем секторе, она становится ниже по величине, нежели в исходном варианте (рис. 12б).
Вклад каждого сектора в общий темп роста экономики России отражает рис. 13, причем обрабатывающий сектор при снижении риска увеличивает вклад, за исключением 2010-2012 гг. и 2007 г., трансакционно-сырьевой сектор - за исключением 2007-2008 гг. и 2012-2013 гг.
На рис. 14 дан прогноз по общему (а) и специальному (б) критериям индустриализации на базе исходной зависимости, а также представлен прогноз до 2021 г. Если не предпринимать никаких мер экономической политики, то по обоим критериям процесс деиндустриализации в период 2019-2021 гг. усилится (как видно на рис. 14а-15а).
Если снизить риск в обрабатывающем секторе на 30 % (рис. 14б-15б), то процесс индустриализации усилится, а вклад обрабатывающего сектора в темп экономического роста России увеличится, тем самым институциональные коррекции российской экономики требуется направить на изменение соотношения рисков ведения хозяйственной деятельности в рассматриваемых секторах экономики.
На рис. 14б-15б при снижении риска ситуация явно улучшается, процесс индустриализации активизируется и по специальному критерию. Следовательно, снижение
■^gnyl
-■- gYl у 1 расчет при rl -и- gYl yl расчет при rl gYl yl расчет при rl
10% 30 % 50 %
2007 2008 2009 2010 2011 2012
2013 а)
2014 2015 2016
+ gY2y2
-— gY2y2 расчет при rl -*- gY2y2 расчет при rl —- gY2y2 расчет при rl
10% 30 % 50%
2007 2008 2009 2010 2011 2012
2013 б)
2014 2015 2016
Рис. 13. Вклад обрабатывающего (а) и трансакционно-сырьевого секторов (б) в темп роста ВДС экономики России Fig. 13. Contribution of the manufacturing sector (a) and the transaction and raw materials sector (b) to the growth rate of GVA for the Russian economy
25 20 15 10 5 0 -5 -10
6 4 2 0 -2 -4 -6 -8 -10 -12 -14
— К исходный
-•- -— исходный A + s
\o о о
СО
N » 0\ ООО ООО MMN
о
<ч
о
CS
СО
о
СО
er, Tt 1Л КО Г^ ООО 0\ о Оо ^н о
I 1-н I—I 1—1 1—I ■-н£'-н§со§со§
О О О О О Оо Оо ОО ОО
es <N es (N сомёсо&соёсо!-
а)
К расчет при rl - 301
—— расчет Л + s
при rl - 30 %
tv
о о
CS
00 о\ о
О О 1-н ООО СО CS СО
es m
о
CN
о
es
о
СО
О
CS
in чо N OOS о\3 оВ нЗ
1-1 Н» и» (48
О OS OS OS OS
CS ГО д4 СО CS CS в
о
(N
о со
б)
Рис. 14. Общий критерий индустриализации - исходный (а), прогноз по исходным значениям (б) Fig. 14. General industrialisation criterion - initial (a), forecast based on initial values (b)
7 6 5 4 3 2 1 О
-— К исходный
_S_
i^ + H + s a at г
исходный
VO
о о см
IN 00 ON ООО ООО CN (N (N
О
СМ
о
ГЧ
см
о
см
о
(Ч
О CS
О ГО
О
(N
rv 00о OS о Оо т—l о
О Оо Оо оо оо <N CNg-CMS-CNg-CNg-
а)
5 4 3 2 1 О -1
К расчет при rl - 30 %
_s_
i^ + H + s a at г
расчет при rl - 30 %
in
о о
см
00 о о <ч
о\ о
О т-Н
о о
CN (N
<4 со
1Л VO
о
(Ч
о
<4
о
(Ч
О
см
о
CN
О СМ
О W
СМ CN
_СО _ ■ СО _и - _ СО , 09
00 о ON о Оо I—<о
н« ГН « (Ч g CMS
OS оо OS оо
a CMg- (Ng* CM g"
б)
Рис. 15. Специальный критерий индустриализации - исходный (а), прогноз при снижении риска в обрабатывающем секторе на 30 % (б) Fig. 15. Special industrialisation criterion - initial (a), forecast under decreased risk in the manufacturing sector by 30% (b)
риска оправданно начиная с текущего момента. Перспектива сводится к получению модели для риска в обрабатывающем секторе от факторов, влияющих на величину риска, чтобы осуществить его снижение конкретными способами воздействия на обрабатывающий сектор. Это потребует исследования чувствительности институциональных коррекций и мер воздействий на обрабатывающий и другие секторы экономики, но такое исследование выходит за рамки поставленной задачи и может быть осуществлено отдельно.
Пересчет критериев индустриализации - общего и специального - при снижении риска либо наращивании капитала в обрабатывающем секторе и снижении оттока труда показывает, что будет наблюдаться усиление процесса индустриализации в отличие от исходного значения (рис. 14а-15а).
Если не предпринимать подобных усилий в рамках рассматриваемой здесь структурной политики, то существенных улучшений в плане индустриального роста ожидать не приходится (структура будет сохраняться в целом прежней и сохранит свое институциональное влияние на динамику секторов и их вклад в темп роста). Отдельные успехи, которые могут наблюдаться по некоторым направлениям, что подтверждается количественными оценками, не позволят получить системных улучшений в соответствии с заявленными целями ускорения роста и проведения политики технологического рывка в российской экономике [Глазьев, 2017].
Заключение
Подводя итог проведенному исследованию, отметим целесообразность разработки мер структурной политики, воздействующих на перемещение ресурсов между секторами экономики, сводимыми к росту доходности обрабатывающего сектора при снижении общей величины риска с относительным снижением доходности трансакционно-сырье-вого сектора при относительном увеличении риска ведения деятельности либо без увеличения этого риска.
Обычно при разработке экономической политики изыскиваются ресурсы для решения задачи стимулирования роста [Аганбегян, 2016], при этом «структурный фактор» упускается из виду, не учитывается, что эти ресурсы имеются в самих функционирующих секторах и структурная политика как особый вид воздействия на экономику может использовать их с целью обеспечения более устойчивого роста экономической системы в целом и выравнивания вклада секторов в общий темп роста экономики.
Здесь показан один из возможных способов проектирования мер структурной политики, который предполагает детализацию инструментов правительственной политики, влияющих на соотношение рисков и технологичность, отдачу на инвестиции в секторах экономики.
Конечно, накопительные эффекты влияния и лаги действия применяемых инструментов потребуется учитывать в дальнейшем [Alonso-Carrera, Raurich, 2015; Zeira, Zoa-bi, 2015; Samaniego, Sun, 2016; Andergassen, Nardini, Ricottilli, 2017], но важность общего подхода к макроструктурной политике роста находит подтверждение на уровне проведенного анализа. Остается протестировать весь набор имеющихся институциональных и других мер политики на чувствительность к перемещению ресурсов, риску и технологичности, причем нам представляется такая задача актуальной не только для российской экономики [Chen, Jefferson, Zhang, 2011; Vu, 2017].
Источники
Аганбегян А. Г. (2016). Сокращение инвестиций - гибель для экономики, подъем инвестиций - ее спасение // Экономические стратегии. № 4. С. 74-83.
Белкин В. Д. (2015). Избранные труды: в 3 т. / Цены единого уровня и экономические измерения на их основе. Т. 1. М.: ЦЭМИ РАН. 352 с.
Глазьев С. Ю. (2017). Битва за лидерство в XXI веке. Россия, США, Китай. Семь вариантов ближайшего будущего. М.: Книжный мир. 352 с.
Маевский В. И. (2011). Эволюционная теория и технологический прогресс // Вопросы экономики. № 11. С. 4-16.
Силин Я. П., Анимица Е. Г., Новикова Н. В. (2019). Теории экономического роста и экономического цикла в исследовании региональных процессов новой индустриализации // Journal of New Economy. Т. 20, № 2. С. 5-29. DOI: 10.29141/20731019-2019-20-2-1.
Сорокин Д. Е. (2017). Технологическое обновление российской экономики: необходимость и ограничения // Экономика. Налоги. Право. № 1. С. 20-28.
Сухарев О. С. (2016). Теория реструктуризации экономики. М.: Ленанд. 256 с.
Сухарев О. С. (2018). Структурный анализ технологических изменений и стратегия экономического роста // Известия Уральского государственного экономического университета. № 3. С. 26-41. DOI: 10.29141/2073-1019-2018-19-3-4.
Сухарев О. С., Ворончихина Е. Н. (2019). Стратегия индустриализации экономики. Исследование структуры экономического роста и технологического развития. М.: Ленанд. 320 с.
Шумпетер Й. (2007). Теория экономического развития. Капитализм, социализм и демократия. М.: Эксмо. 864 с.
Alonso-Carrera J., Raurich X. (2015). Demand-based structural change and balanced economic growth. Journal of Macroeconomics, vol. 46, pp. 359-374. DOI: 10.1016/j.jmacro.2015.10.005.
Andergassen R., Nardini F., Ricottilli M. (2017). Innovation diffusion, general purpose technologies and economic growth. Structural Change and Economic Dynamics, vol. 40, no. 9, pp. 72-80. DOI: 10.1016/j.strueco.2016.12.003.
Banerjee K. (2017). Suppes-Sen maximality of cyclical consumption: The neoclassical growth model. Journal of Mathematical Economics, vol. 70, pp. 51-65.
Brinca P. (2014). Distortions in the neoclassical growth model: A cross-country analysis. Journal of Economic Dynamics and Control, vol. 47, pp. 1-19. DOI: 10.1016/j.jedc.2014.07.013.
Buenstorf G., Cantner U., Hanusch H., Hutter M, Lorenz H-W., Rahmeyer F. (2013). The two sides of innovation: Creation and destruction in the evolution of capitalist economies. Switzerland: Springer International Publishing. 309 p.
Carroll D. R., Young E. R. (2018). Neoclassical inequality. Journal of Macroeconomics, vol. 57, pp. 83-109. DOI: https://doi.org/10.1016/jjmacro.2018.05.004.
Chen S., Jefferson G. H., Zhang J. (2011). Structural change, productivity growth and industrial transformation in China. China Economic Review, vol. 22, no. 1, pp. 133-150.
Dosi G., Roventini A., Russo E. (2019). Endogenous growth and global divergence in a multi-country agent-based model. Journal of Economic Dynamics and Control, vol. 101, pp. 101-129. DOI: 10.1016/j. jedc.2019.02.005.
Guerrini L., Matsumoto A., Szidarovszky F. (2019). Neoclassical growth model with multiple distributed delays. Communications in Nonlinear Science and Numerical Simulation, vol. 70, pp. 234-247. DOI: https://doi.org/10.1111/meca.12257.
Nelson R. R., Winter S. G. (2000). An evolutionary theory of economic change. Cambridge: Harvard University Press. 454 p.
Pyka A., Hanusch H. (2014). Applied evolutionary economics and the knowledge-based economy. Cheltenham: Edward Elgar Publishing. 278 p.
Romano L., Trau F. (2017). The nature of industrial development and the speed of structural change. Structural Change and Economic Dynamics, vol. 42, no. pp. 26-37. DOI: 10.1016/j.strueco.2017.05.003.
Samaniego R. M., Sun J. Y. (2016). Productivity growth and structural transformation. Review of Economic Dynamics, vol. 21, pp. 266-285.
Saviotti P. P., Pyka A., Jun B. (2016). Education, structural change and economic development. Structural Change and Economic Dynamics, vol. 38, pp. 55-68. DOI: 10.1016/j.strueco.2016.04.002.
Shaikhet L. (2019). Stability of the zero and positive equilibria of two connected neoclassical growth models under stochastic perturbations. Communications in Nonlinear Science and Numerical Simulation, vol. 68, pp. 86-93.
Teixeira A. A., Queiros A. S. (2016). Economic growth, human capital and structural change: A dynamic panel data analysis. Research Policy, vol. 45, no. 8, pp. 1636-1648.
Vu K. M. (2017). Structural change and economic growth: Empirical evidence and policy insights from Asian economies. Structural Change and Economic Dynamics, vol. 41, pp. 64-77.
Zeira J., Zoabi H. (2015). Economic growth and sector dynamics. European Economic Review, vol. 79, pp. 1-15. DOI: 10.1016/j.euroecorev.2015.06.007.
Информация об авторах Сухарев Олег Сергеевич, доктор экономических наук, профессор, главный научный сотрудник Института экономики Российской академии наук, 117218, Россия, г. Москва, Нахимовский пр-т, 32 Контактный телефон: +7 (499) 724-27-61, е-mail: [email protected]
Ворончихина Екатерина Николаевна, кандидат экономических наук, старший преподаватель кафедры мировой и региональной экономики, экономической теории Пермского государственного национального исследовательского университета, 614990, Россия, г. Пермь, ул. Букирева, 15 Контактный телефон: +7 (342) 239-64-35, е-mail: [email protected]
O. S. Sukharev Institute of Economics of RAS, Moscow, Russia
E. N. Voronchikhina Perm State National Research University, Perm, Russia
Structural growth policy in Russia: Resources, technology-intensity, risk, and industrialisation
Abstract. One way to overcome resource constraints in the Russian economy, which could boost its efficiency, is implementing measures of structural policy that affect resource movement. The paper studies opportunities of growth through the development of the manufacturing sector and movement of the resources between sectors. Methodologically the research relies on the Keynesian approach to economic growth, which is of structural nature and appears to be the most relevant for scrutinizing structural specifics of growth and resources distribution within the economy. In terms of methods, the paper applies structural analysis and uses elements of econometric modelling. General and special industrialisation criteria allow establishing whether the economy is industrial by structure or by the level of technological development. On the basis of the obtained models the authors judge how the sectors' risk / profitability ratio impacts on the movement of capital and labour between them. The findings reveal that if the structural policy affects the ratio between risk and profitability, as well as the level of sector's technology-intensity due to spurring investment into new technologies (under decrease in risk), the manufacturing sector will receive an additional resource, improve its dynamics, and increase its contribution to GDP growth. The scenario forecast of the industrialisation criteria depending on the risk in the manufacturing sector points to the conclusion that the risk is to be diminished to raise the contribution of the manufacturing sector to GDP growth and simultaneously intensify the technological industrialisation.
Keywords: economic growth; economic sector; structural proportions; resource movement; technology-intensity; risk; industrialisation; general industrialisation criteria; special industrialisation criteria.
For citation: Sukharev O. S., Voronchikhina E. N. (2020). Strukturnaya politika rosta v Rossii: resursy, tekhnologichnost', risk i industrializatsiya [Structural growth policy in Russia: Resources, technology-intensity, risk, and industrialisation]. Journal of New Economy, vol. 21, no. 1, pp. 29-52. DOI: 10.29141/2658-5081-2020-21-1-2 Received July 24, 2019.
References
Aganbegyan A. G. (2016). Sokrashchenie investitsiy - gibel' dlya ekonomiki, podyem investitsiy - ee spasenie [Reducing investment is death for the economy, raising investment means saving it]. Ekonomicheskie strategii = Economic Strategies, no. 4, pp. 74-83. (in Russ.)
Belkin V. D. (2015). Izbrannye trudy. T. 1. Tseny edinogo urovnya i ekonomicheskie izmereniya na ikh osnove [Selected essays. Vol. 1. Single-level prices and economic measurements based on them]. Moscow: Central Economics and Mathematics Institute of RAS. 352 p. (in Russ.)
Glazyev S. Yu. (2017). Bitva za liderstvo v XXI veke. Rossiya, SShA, Kitay. Sem variantov blizhayshego budushchego [The battle for leadership in the 21st century. Russia, USA, China. Seven options for the near future]. Moscow: Knizhnyy mir Publ. 352 p. (in Russ.)
Maevskiy V. I. (2011). Evolyutsionnaya teoriya i tekhnologicheskiy progress [Evolutionary theory and technological progress]. Voprosy ekonomiki = The Issues of Economics, no. 11, pp. 4-16. (in Russ.)
Silin Ya. P., Animitsa E. G., Novikova N. V. (2019). Teorii ekonomicheskogo rosta i eko nomicheskogo tsikla v issledovanii regional'nykh protsessov novoy industrializatsii [Theories of economic growth and economic cycles in the research of regional processes of new industrialisation]. Journal of New Economy, vol. 20, no. 2, pp. 5-29. DOI: 10.29141/2073-1019-201920-2-1 (in Russ.)
Sorokin D. E. (2017). Tekhnologicheskoe obnovlenie rossiyskoy ekonomiki: neobkhodimost' i ogranicheniya [Technological modernisation of the Russian economy: Necessity and limitations]. Ekonomika. Nalogi. Pravo = Economics. Taxes. Law, no. 1, pp. 20-28. (in Russ.)
Sukharev O. S. (2016). Teoriya restrukturizatsii ekonomiki [Theory of economic restructuring]. Moscow: Lenand Publ. 256 p. (in Russ.)
Sukharev O. S. (2018). Strukturnyy analiz tekhnologicheskikh izmeneniy i strategiya ekonomicheskogo rosta [Structural analysis of technological changes and the strategy of economic growth]. Izvestiya Uralskogo gosudarstvennogo ekonomicheskogo universiteta = Journal of the Ural State University of Economics, vol. 19, no. 3, pp. 26-41. DOI: 10.29141/2073-1019-2018-19-3-4 (in Russ.)
Sukharev O. S., Voronchikhina E. N. (2019). Strategiya industrializatsii ekonomiki. Issledovanie struktury ekonomicheskogo rosta i tekhnologicheskogo razvitiya [Strategy of economy industrialisation. The study of the structure of economic growth and technological development]. Moscow: Lenand Publ. 320 p. (in Russ.)
Schumpeter J. (2007). Teoriya ekonomicheskogo razvitiya. Kapitalizm, sotsializm i demokratiya [The theory of economic development. Capitalism, socialism, and democracy]. Moscow: Eksmo Publ. 864 p. (in Russ.)
Alonso-Carrera J., Raurich X. (2018). Labor mobility, structural change and economic growth. Journal of Macroeconomics, vol. 56, pp. 292-310.
Alonso-Carrera J., Raurich X. (2015). Demand-based structural change and balanced economic growth. Journal of Macroeconomics, vol. 46, pp. 359-374. DOI: 10.1016/j.jmacro.2015.10.005.
Andergassen R., Nardini F., Ricottilli M. (2017). Innovation diffusion, general purpose technologies and economic growth. Structural Change and Economic Dynamics, vol. 40, no. 9, pp. 72-80. DOI: 10.1016/j.strueco.2016.12.003.
Banerjee K. (2017). Suppes-Sen maximality of cyclical consumption: The neoclassical growth model. Journal of Mathematical Economics, vol. 70, pp. 51-65.
Brinca P. (2014). Distortions in the neoclassical growth model: A cross-country analysis. Journal of Economic Dynamics and Control, vol. 47, pp. 1-19. DOI: 10.1016/j.jedc.2014.07.013.
Buenstorf G., Cantner U., Hanusch H., Hutter M., Lorenz H-W., Rahmeyer F. (2013). The two sides of innovation: Creation and destruction in the evolution of capitalist economies. Switzerland: Springer International Publishing. 309 p.
Carroll D. R., Young E. R. (2018). Neoclassical inequality. Journal of Macroeconomics, vol. 57, pp. 83-109. DOI: https://doi.org/10.1016/jjmacro.2018.05.004.
Chen S., Jefferson G. H., Zhang J. (2011). Structural change, productivity growth and industrial transformation in China. China Economic Review, vol. 22, no. 1, pp. 133-150.
Dosi G., Roventini A., Russo E. (2019). Endogenous growth and global divergence in a multi-country agent-based model. Journal of Economic Dynamics and Control, vol. 101, pp. 101-129. DOI: 10.1016/j. jedc.2019.02.005.
Guerrini L., Matsumoto A., Szidarovszky F. (2019). Neoclassical growth model with multiple distributed delays. Communications in Nonlinear Science and Numerical Simulation, vol. 70, pp. 234-247. DOI: https://doi.org/10.1111/meca.12257.
Nelson R. R., Winter S. G. (2000). An evolutionary theory of economic change. Cambridge: Harvard University Press. 454 p.
Pyka A., Hanusch H. (2014). Applied evolutionary economics and the knowledge-based economy. Cheltenham: Edward Elgar Publishing. 278 p.
Romano L., Traù F. (2017). The nature of industrial development and the speed of structural change. Structural Change and Economic Dynamics, vol. 42, no. pp. 26-37. DOI: 10.1016/j.strueco.2017.05.003.
Samaniego R. M., Sun J. Y. (2016). Productivity growth and structural transformation. Review of Economic Dynamics, vol. 21, pp. 266-285.
Saviotti P. P., Pyka A., Jun B. (2016). Education, structural change and economic development. Structural Change and Economic Dynamics, vol. 38, pp. 55-68. DOI: 10.1016/j.strueco.2016.04.002.
Shaikhet L. (2019). Stability of the zero and positive equilibria of two connected neoclassical growth models under stochastic perturbations. Communications in Nonlinear Science and Numerical Simulation, vol. 68, pp. 86-93.
Teixeira A. A., Queiros A. S. (2016). Economic growth, human capital and structural change: A dynamic panel data analysis. Research Policy, vol. 45, no. 8, pp. 1636-1648.
Vu K. M. (2017). Structural change and economic growth: Empirical evidence and policy insights from Asian economies. Structural Change and Economic Dynamics, vol. 41, pp. 64-77.
Zeira J., Zoabi H. (2015). Economic growth and sector dynamics. European Economic Review, vol. 79, pp. 1-15. DOI: 10.1016/j.euroecorev.2015.06.007.
Information about the authors
Oleg S. Sukharev, Dr. Sc. (Econ.), Prof., Chief Researcher, Institute of Economics of RAS, 32 Nakhi-
movsky Ave., Moscow, 117418, Russia
Phone: +7 (499) 724-27-61, e-mail: [email protected]
Ekaterina N. Voronchikhina, Cand. Sc. (Econ.), Sr. Lecturer of World and Regional Economy, Economic Theory Dept., Perm State National Research University, 15 Bukireva St., Perm, 614990, Russia Phone: +7 (342) 239-64-35, e-mail: [email protected]
© CyxapeB O. C., BopoHHMXMHa E. H., 2020
