Влияние газоснабжения и газификации на экономический рост российских регионов (эконометрический подход) Текст научной статьи по специальности «Экономика и бизнес»

ВЛИЯНИЕ ГАЗОСНАБЖЕНИЯ И ГАЗИФИКАЦИИ НА ЭКОНОМИЧЕСКИЙ РОСТ РОССИЙСКИХ РЕГИОНОВ (ЭКОНОМЕТРИЧЕСКИЙ ПОДХОД)

УДК 332.146.2+338.49

А.В. Белинский, к.т.н., АО «Газпром промгаз», A.Belinsky@promgaz.gazprom.ru

В статье предложен методический подход, предназначенный для исследования влияния газоснабжения и газификации на экономический рост регионов России. Выдвинута гипотеза о том, что развитие газоснабжения и газификации регионов оказывает статистически значимое положительное влияние на экономический рост.

Временные ряды показателей, характеризующих связь «газоснабжение и газификация -экономический рост», являются нестационарными и весьма короткими, что потребовало применения в исследовании адекватных спецификаций математических моделей. В основу методического подхода положены концепция коинтеграции и модели с механизмом корректировки равновесия применительно к панельным данным. Такие модели позволяют учесть наличие в экономике регионов временных отклонений от долгосрочного равновесного состояния из-за влияния различных шоков и предусматривают возврат к равновесию за счет корректировки неравновесных состояний. С эконометрической точки зрения такой подход позволил корректно задать спецификации регрессионных моделей, а также проанализировать долгосрочные и краткосрочные аспекты рассматриваемой связи.

Апробация методического подхода выполнена на основе панельных данных, включающих показатели социально-экономического развития, газоснабжения и газификации регионов Центрального федерального округа России за период 1998-2015 гг. Результаты апробации подтвердили выдвинутую гипотезу.

Результаты исследования могут использоваться при оценке вклада газовой отрасли в региональную экономическую динамику, а также при планировании развития внутреннего рынка газа. Они также могут послужить информационной основой для проработки путей совершенствования ценовой и тарифной политики на внутреннем рынке газа.

КЛЮЧЕВЫЕ СЛОВА: РЕГИОНЫ РОССИИ, ЭКОНОМИЧЕСКИЙ РОСТ, ГАЗОСНАБЖЕНИЕ, ГАЗИФИКАЦИЯ, СЕТЕВАЯ ИНФРАСТРУКТУРА, ПАНЕЛЬНЫЕ ДАННЫЕ, КОИНТЕГРАЦИЯ.

Газификация и развитие систем газоснабжения регионов требуют значительных инвестиций. По оценке Министерства энергетики России [1], за период с 2006 по 2016 г. в газификацию России было инвестировано более 0,5 трлн руб. За это время уровень газификации увеличен с 53,3 до 67,2 %, протяженность сетей газораспределения - более чем на 300 тыс. км. Природный газ подан в 9 тыс. новых населенных пунктов, более чем в 6 млн квартир и домовладений. В планах государства - увеличение темпов газификации в целях максимально полного охвата регионов сетевым природным газом.

Как развитие газоснабжения и газификации влияет на экономический рост российских регионов? Во-первых, несмотря на общепринятую точку зрения о положительном влиянии этого процесса, соответствующие статистические исследования в литературе не представлены. Во-вторых, современный подход к территориальному развитию российских регионов предусматривает оценку вклада газификации в экономический рост [2]. Вместе с тем до настоящего времени такая оценка ограничивалась планированием ряда контрольных показателей, которые не дают представления о количественном влиянии

запланированных мероприятий на региональный экономический рост. В-третьих, результаты исследования могут служить основой для определения социально эффективного и экономически обоснованного уровня газификации регионов, а также для принятия решений по совершенствованию ценовой и тарифной политики на внутреннем рынке газа.

ДАННЫЕ И МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ

Для исследования использованы годовые данные за период с 1998 по 2015 г., представленные для 17 субъектов Центрального федерального округа России

Belinskiy A.V., Candidate of Sciences (Engineering), Gazprom promgaz JSC, A.Belinsky@promgaz.gazprom.ru

Influence of the gas supply and the gas infrastructure development on economic growth of regions of the Russian Federation (econometric approach)

The article suggests methodological approach to study the influence of the gas supply and the gas infrastructure development on the economic growth of regions of the Russian Federation. The author advances the hypothesis that development of the gas supply and the gas infrastructure has statistically significant positive effect on economic growth.

Time series of indicators, characterizing the "gas supply and gas infrastructure development - economic growth" dependence, are non-stationary and very short, which required the use of adequate specifications of mathematical models in the study. The methodological approach is based on the cointegration concept and the error correction models. These models allow to take into account the presence of temporary deviations from the long-term equilibrium state in the economy of the regions due to the influence of various shocks and provide for a return to equilibrium by adjusting the nonequilibrium states. The correct specification of regression models and analysis of long-term and short-term aspects of the considered dependence were made with the above-mentioned approach from the econometric point of view.

Approbation of the methodical approach was carried out on the basis of panel data, including indicators of social and economic development, gas supply and gas infrastructure development of the regions of the Central Federal District of Russian Federation for 1998-2015. The approbation confirmed the initial hypothesis.

The results of the research can be used in assessing the contribution of the gas industry to regional economic dynamics, as well as in planning the development of the domestic gas market. They can also serve as an information basis for working out the ways of improvement of price and tariff policy in the domestic gas market.

KEYWORDS: REGIONS OF THE RUSSIAN FEDERATION, ECONOMIC GROWTH, GAS SUPPLY, GAS INFRASTRUCTURE DEVELOPMENT, NETWORK INFRASTRUCTURE, PANEL DATA, COINTEGRATION.

(за исключением г. Москвы ввиду специфики экономики, газоснабжения и газификации): валовый региональный продукт У, млн руб.; среднегодовой уровень занятости I, тыс. чел.; валовый объем накопления капитала I, млн руб.; объем потребления газа за год О, млн м3; протяженность сетей газораспределения й, км.

Источниками информации послужили данные Росстата, а также информационная база, включающая показатели газоснабжения и газификации, сформированная в работах [3, 4].

Теоретическая модель. Анализ влияния газоснабжения и газификации на экономический рост регионов выполнен в рамках теории эндогенного роста. Следуя общепринятому подходу, предположим, что экономику региона можно описать расширенной агрегированной производственной функцией, в которой энергопотребление (в нашем случае объем потребления газа) выступает в качестве независимого производственного фактора [5, 6]. Кроме того, предположим, что наряду с техническим прогрессом развитие газификации оказывает

влияние на продуктивность экономики за счет более эффектив-ноготерриториального распределения и использования ресурсов. С учетом этих предположений можно записать агрегированную производственную функцию в следующем общем виде:

У = А(,,й).Г(К,!,0), (1)

где А - согласующий единицы измерений технологический параметр, который зависит от уровня развития технологий и газификации; , - время, год; К - агрегированный запас капитала, млн руб. Если рассматривать регион / = 1.....N в момент времени

, = 1.....Т, то с учетом сделанных

предположений его агрегированная производственная функция вида Кобба - Дугласа может быть представлена в виде

У., = А, К«Е ДО V.,, (2)

, it Л Л ¡V 4 '

где V, - ошибки, по предположению имеющие нулевое среднее и постоянную дисперсию,безразмерные величины; а, р, у - эластичность выпуска по капиталу, труду и объему потребления газа

соответственно, безразмерные величины. Технологический параметр A.t может быть представлен как

A t = A eb' D xt, (3)

где A. - числовой показатель, согласующий единицы измерений и масштаб; b. - индивидуальные коэффициенты, отражающие влияние технического прогресса на продуктивность экономики,безразмерные величины;X - коэффициент, отражающий степень влияния уровня газификации на продуктивность экономики,безразмерная величина.

Будем рассматривать «инвестиционную» форму модели (2), в ко -торой вместо капитала K используется валовый объем накопления капитала I. Тогда, подставив (3) в (2), разделив левую и правую части (2) на Ltt, прологарифмировав переменные и предположив постоянную отдачу от масштаба, получим:

y.t = м, +b t + Ч + м * + К + v (4)

где м,. = In (A.) - индивидуальные эффекты для регионов; y = In(Kt/L t);

/ .г = 1п(/ II г); а г = !п(<? II г); й .г =

<г у <г ¡г" ч г . г" /t

= !п(0.е); у(£ = !п(^). Коэффициенты р. и Ь. предполагают наличие в регионах различных аспектов гетерогенности.

Модель (4) предполагает, что инвестиции,занятость, объем газопотребления, уровень охвата сетевым газом и технический прогресс являются основными факторами экономической динамики регионов. Так как все переменные логарифмированы, то оценка коэффициента при соответствующей переменной может быть интерпретирована как эластичность выпуска по ней. Основной интерес представляют коэффициенты р и А, которые позволяют оценить влияние газоснабжения и газификации на валовый региональный продукт (ВРП).

Оценка динамических характеристик исследуемых данных. Временные ряды рассматриваемых показателей, как правило, являются нестационарными. Работа с такими рядами может приводить к проблеме «ложной» регрессии [7, 8] и предусматривает анализ их ко-интегрированности. Отправной точкой в этом анализе является оценка наличия корреляций между рядами. В рассматриваемой задаче они могут быть вызваны высоким уровнем экономической интеграции регионов и влиянием на них общеэкономических тенденций и шоков.

Существует множество тестов для проверки гипотезы о корре-лированности рядов в панельных данных. Мы будем использовать тесты Песарана [9] и Бальтаджи -Фенг - Као [10]. Они устойчивы к нестационарности переменных и имеют хорошие свойства в условиях малых выборок. Результаты тестов используются для выбора типа теста на единичный корень.

Анализ коинтегрированности переменных и параметров долгосрочной связи. Коинтегри-рованность рассматриваемых переменных означает наличие долгосрочного влияния газоснабжения и газификации на экономи-

ческий рост регионов и существование в их динамике равновесной траектории. Для оценки наличия коинтеграции будем использовать панельные тесты Педрони [11, 12] и Вестерланда [13].

В случае если рассматриваемые переменные коинтегрированы, то дальнейший анализ осуществляется в рамках модели (4). Оценка параметров этого коинтеграцион-ного уравнения может быть выполнена с помощью нескольких альтернативных методов:

- полностью модифицированного метода наименьших квадратов (МНК) (Fully Modified Ordinary Least Squares, FMOLS);

- динамического МНК (Dynamic Ordinary Least Squares, DOLS);

- метода объединенных сред-негрупповых оценок (Pooled Mean Group, PMG).

Первые два метода позволяют состоятельно оценить параметры долгосрочной связи между переменными, в том числе в условиях эндогенных переменных. Метод PMG позволяет одновременно осуществить тест на наличие ко -интеграции между переменными, проанализировать параметры их долгосрочной связи, а также оце -нить влияние этих переменных на зависимую переменную в краткосрочном периоде. Он позволяет гибко учесть объективно существующие различия в долгосрочной и в краткосрочной динамике между отдельными регионами.

Применительно к рассматриваемой задаче в тесте PMG рассматривается авторегрессионная динамическая модель с распределенным лагом (Autoregressive Distributed Lag) ARDL(p,q1,q2,q3):

У/t= И,-+ 2 Ф/^У/^у+ 2

j=l J J J=0 1 1

+ + (5)

j=0 j=0

и коэффициентами при лаговых значениях переменных ф!:>, которая может быть репараметризо-вана в виде модели коррекции ошибками:

Ду„ = М,+ ФГ(У,>1 - «У,.м -

ЧГ1 ч2-1

+iv?Adit_J + eit,

J=0 J J

(6)

где А - оператор взятия первых разностей переменных; ф(?ст - ко -эффициент, характеризующий скорость возврата системы к равновесному состоянию; выражение в скобках представляет механизм корректировки равновесия; а., р., А.. - коэффициенты долгосрочной связи между переменными; фу - характеристики краткосрочного влияния объясняющих на зависимую переменную, которые можно выразить через ф(^; ; = 1.....N - номер региона; г = 1.....Т - время; е.г - ошибки

с нулевым средним и конечной дисперсией.

В уравнении (6) все слагаемые являются стационарными, при этом Ау представляет оценку экономического роста, Ад - изменение объема газопотребления, Ай - развитие газификации. При наличии коинтеграции коэффициент ф(?ст должен быть статистически значимой отрицательной величиной.

При оценке модели (6) с помощью метода PMG свободные члены р. и коэффициенты краткосрочной динамики ф^ могут варьировать между регионами, но коэффициенты долгосрочной связи а., р., X. одинаковы. Таким образом, метод РМС предусматривает единообразную равновесную долгосрочную динамику переменных. Правомерность его использования может быть определена при помощи теста Хаусмана.

Анализ эндогенности (экзоген-ности) переменных и направленности связей. Коинтегрирован-ность переменных предполагает наличие между ними одно- или двунаправленных связей. Для тестирования причинности по Гран-

Таблица 1. Результаты тестирования на независимость рядов в панели Table 1. Results of testing for panel units' cross-sectional independence

Статистика Statistics y / q d

Статистика Песарана [9] Pesaran's statistics [9] 44,7* 36,7* 24,9* 48,0*

Статистика Бальтаджи - Фенг - Као [10] Baltagi, Feng and Kao statistics [10] 113,9* 81,5* 40,2* 131,2*

Примечание. Н0 - кросс-зависимость отсутствует; * - нулевая гипотеза отвергается на 1%-ном уровне значимости.

Note. Н0 - there is no cross-dependence; * - the null hypothesis is rejected at 1 % level of significance.

Таблица 2. Результаты панельных тестов Песарана [16] на единичный корень Table 2. Results of Pesaran's panel unit root tests [16]

Спецификация модели Model specification У / q d

Тестирование переменных в уровнях: Testing variables in levels:

С константой With constant -1,989 -2,241** -1,966 -2,000

С константой и трендом With constant and trend -2,268 -2,992* -2 722*** -2,300

Тестирование переменных в первых разностях: The testing of variables in the first differences:

С константой With constant -4,204* -3,922* -4,470* -3,141*

С константой и трендом With constant and trend -4,231* -4,183* -4,468* -3,665*

Примечание. Н0 - ряд содержит единичный корень. Выбор длины лага для каждой индивидуальной тестовой регрессии осуществлен автоматически на основе подхода «от общего к частному» с помощью объединенного F-теста при максимальной длине лага, равной 3; * - нулевая гипотеза отвергается на 1%-ном уровне значимости; ** - нулевая гипотеза отвергается на 5%-ном уровне значимости; *** - нулевая гипотеза отвергается на 10%-ном уровне значимости. Note. Н0 - the series contains the unit root. The choice of lag length for each individual test regression is made automatically on the basis of "general-to-specific" approach using a combined F-test with a maximum lag length of 3; * - the null hypothesis is rejected at 1 % level of significance; ** - the null hypothesis is rejected at 5 % level of significance; *** - the null hypothesis is rejected at 10 % level of significance.

жеру можно оценить следующие модели с механизмом корректировки равновесия: р

Ау„ = И!,-+ X У1иАу _к +

1г=1

ч ч

([=1 (с=1

ч

+ У у Ас/ + (0 у£СМ + и , (7)

'14.iT /.t-fe 1/1' V'/

А'* = Н2, + 1 У2иЛУ->*+ *=1

ч ч

+1 у 22, А1 и-,+ 2 ЪъМ..^+ *=1 к= 1

Ч

+ У у М + (В у£СМ + и . (8) р

= Из,+ 2 Ъ1,АУ«-к+

Лг=1

ч ч

+ 2 у32,Л>к +1 Ъъ,А%-к+

(г=1 (с=1

ч

+ У у Ы + ю vEШ + и , (9)

£ I Ъ4,к1,Ь-к ^з¥,>1 "зй» V3/

к=1

ч ч

+ 2у42А« + 2У43УЧ« + к=1

+ + (10)

где у и (р - коэффициенты регрессии; и - ошибки с нулевым средним и конечной дисперсией;

- механизм коррекции равновесия, оцененный на основе двухшаговой процедуры Энгла -Грейнджера [14], т. е. остатки мо -дели (4).

Анализ значимости коэффициентов у и ф позволяет сделать вы -вод о причинности и эндогенности (экзогенности) соответствующих переменных.

Следует заметить, что поскольку модели предполагают включение в правые части уравнений (7) - (10) лагового значения зависимой переменной, то для их оценки целесообразно использовать системный обобщенный метод моментов (ОММ) [15], так как обычный панельный МНК может приводить к несостоятельным оценкам.

Таким образом, рабочие гипотезы исследования состоят в

том, что рассматриваемые переменные нестационарны и коин-тегрированы, при этом развитие газоснабжения и газификации оказывает статистически значимое положительное влияние на экономический рост регионов в долгосрочном периоде. Связь «газоснабжение и газификация -экономический рост» может быть описана с помощью модели с ме -ханизмом корректировки равновесия, отражающей долгосрочные и краткосрочные аспекты данной связи.

ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ

Исследование кросс-зависимости рядов в панели. Анализ кросс-зависимости выполнен с помощью тестов Песарана [9] и Бальтаджи - Фенг - Као [10]. Представленные в табл. 1резуль-таты указывают на то, что нулевая гипотеза о кросс-независимости может быть отклонена для всех переменных.

Тестирование переменных на единичный корень. Тестирование выполнено с помощью теста Песарана [16], который опирается

Таблица 3. Результаты панельных тестов Педрони [11, 12] на наличие коинтеграции Table 3. Results of Pedroni's panel cointegration tests [11, 12]

Параметр Parameter Тестовая статистика Test statistics

Альтернативная гипотеза: общие авторегрессионные коэффициенты (внутригрупповое значение) Alternative hypothesis: general autoregressive coefficients (intragroup value)

v-статистика v-statistics -0,34 (0,63)

rho-статистика rho-statistics 1,69 (0,95)

PP-статистика PP statistics -3,56* (0,00)

ADF-статистика ADF statistics -3,95* (0,00)

Альтернативная гипотеза: индивидуальные авторегрессионные коэффициенты (межгрупповое значение) Alternative hypothesis: individual autoregressive coefficients (intergroup value)

rho-статистика rho-statistics 2,82 (0,99)

PP-статистика PP statistics -7,21* (0,00)

ADF-статистика ADF statistics -7,74* (0,00)

Примечание. H0 - коинтеграция отсутствует; р-значения в круглых скобках. Выбор длины лага осуществлялся автоматически с использованием критерия AIC [7] при максимальной длине лага, равной 3. Спецификация модели включает индивидуальные константы и тренды; * - нулевая гипотеза отвергается на 1%-ном уровне значимости.

Note. H0 - there is no cointegration; р-values in parentheses. The lag length was selected automatically using the Akaike information criterion [7] with a maximum lag length of 3. The model specification includes individual constants and trends; * - the null hypothesis is rejected at 1 % level of significance.

Таблица 4. Результаты тестов Вестерланда [13] на наличие панельной коинтеграции Table 4. Results of Westerlund's panel cointegration tests [13]

Статистика С константой With constant С константой и трендом With constant and trend

Statistics Значение Value Z р-значение p-value Значение Value Z р-значение p-value

Gt -2,820 -2,568* 0,005 -3,984* -6,057 0,00

G a -4,728 3,656 1,000 -4,253 5,785 1,00

Pt -8,903 -0,931 0,176 -12,268** -2,244 0,012

P a -5,780 1,056 0,855 -6,486 3,076 0,99

Примечание. H0 - коинтеграция отсутствует. Величина лага выбрана автоматически с использованием критерия Акаике (AIC) [7]; * - нулевая гипотеза отвергается на 1%-ном уровне значимости; ** - нулевая гипотеза отвергается на 5%-ном уровне значимости.

Note. H0 - there is no cointegration. The lag value is automatically selected using the Akaike information criterion [7]; * - the null hypothesis is rejected at 1 % level of significance; ** - the null hypothesis is rejected at 5 % level of significance.

на предположение о кросс-зависимости между рядами в панели. Рассматривались две спецификации моделей: с константой; с константой и трендом. Результаты тестов приведены в табл. 2.

Результаты тестов относительно переменной / не позволяют принять гипотезу о наличии единичного корня. Вместе с тем дополнительный анализ, выполненный с помощью тестов Костантини -Лупи [17] и Деметреску [18], указывает в пользу ее принятия.

Таким образом, все переменные являются интегрированными первого порядка /(1), следовательно, между ними может существовать долгосрочная связь.

Анализ наличия коинтеграции между переменными. В табл. 3 представлены результаты панельных тестов Педрони [11, 12]. Четыре теста из семи отвергают отсутствие коинтеграции между переменными. Для малых и средних выборок (в нашем случае I = 18) среднегрупповая ADF-ста-тистика является более мощным тестом, чем другие тесты [11].

В табл. 4 приведены результаты теста Вестерланда [13] для тех же переменных. Три теста также отвергают нулевую гипотезу об отсутствии коинтеграции.

Результаты тестов указывают в пользу того, что рассматриваемые переменные коинтегри-рованы, следовательно, связь «газоснабжение и газификация -экономический рост» характеризуется наличием долгосрочной равновесной динамики.

Оценка параметров долгосрочной связи. В основу оценки параметров интересующей связи положена регрессия (4). В табл. 5 представлены результаты FMOLS-и DOLS-оценок ее коэффициентов. Их анализ показывает:

- все коэффициенты статистически значимы; остатки регрессии (4) имеют нулевое среднее значение, а тесты отвергают гипотезу о наличии единичного корня на традиционных уровнях значимости;

- коэффициент при переменной б является положительным, значит, в долгосрочном периоде газификация оказывает положи-

тельное статистически значимое влияние на ВРП регионов - увеличение протяженности сетей газораспределения на 1 % обеспе-

Переменная Variable ARDL(1,1,1,1) ARDL(3,3,3,3)

Коэффициенты долгосрочной связи: Coefficients of long-term dependence:

i 0,343* (0,039) 0,417* (0,026)

q 0,085** (0,041) 0,043** (0,021)

d 0,231* (0,031) 0,171* (0,018)

Механизм корректировки равновесия: Equilibrium adjustment mechanism:

cp-» -0,359* (0,062) -0,272** (0,125)

Примечание. Данные центрированы. В круглых скобках приведены стандартные

ошибки; * - нулевая гипотеза отвергается на 1%-ном уровне значимости;

** - нулевая гипотеза отвергается на 5%-ном уровне значимости.

Note. The data is centered. Standard errors are given in parentheses; * - the null

hypothesis is rejected at 1 % level of significance; ** - the null hypothesis is rejected

at 5 % level of significance.

Таблица 5. Оценка долгосрочной связи между газификацией и экономическим ростом

Table 5. Evaluation of the long-term dependence between the gas infrastructure development and economic growth

Переменная Variable FMOLS DOLS

i 0,422 (0,044)* 0,328 (0,043) *

q 0,106 (0,051)** 0,169 (0,064)*

d 0,127 (0,032)* 0,143 (0,041)*

R2 0,79 0,89

Примечание. В круглых скобках приведены стандартные ошибки. Величина лага выбрана автоматически с использованием критерия Акаике (AIC) [7] при максимальной длине лага, равной 3. Спецификации моделей включали постоянные индивидуальные эффекты и индивидуальные тренды, которые в данной таблице не приводятся; * - нулевая гипотеза отвергается на 1%-ном уровне значимости; ** - нулевая гипотеза отвергается на 5%-ном уровне значимости.

Note. Standard errors are given in parentheses. The lag value was selected automatically using the Akaike information criterion [7] with a maximum lag length of 3. The model specifications included permanent individual effects and individual trends that are not given in this table; * - the null hypothesis is rejected at 1 % level of significance; ** - the null hypothesis is rejected at 5 % level of significance.

Таблица 6. Объединенные среднегрупповые оценки Table 6. Pooled mean group estimates

чивает рост ВРП на величину от 0,127 % (FMOLS-оценка) до 0,143 % (DOLS-оценка);

- коэффициент при переменной q является положительным, следовательно, в долгосрочном периоде рост потребления газа на 1 % увеличивает ВРП регионов от 0,106 % (FMOLS-оценка) до 0,169 % (DOLS-оценка).

Для подтверждения полученных выводов рассмотрена модель (6), ее оценивание выполнено с использованием метода PMG. Тест Хаусмана не отвергает нулевую гипотезу об обоснованности использования метода (достигнутый уровень значимости составил 0,80).

Разные информационные критерии приводят к двум спецификациям модели - ARDL(3,3,3,3) при использовании AIC (критерий Акаике) и к более экономной специфи -кации ARDL(1,1,1,1) при использовании SIC (критерий Шварца) и HQ (критерий Хеннана - Куинна) [7] (см. табл. 6).

Коэффициент (р?ст отрицательный и статистически значимый в обеих спецификациях модели, что подтверждает наличие коин-теграции между переменными. Коэффициенты долгосрочной связи при q и d положительны и статистически значимы. Это также подтверждает ранее сделанный вывод о том, что развитие газоснабжения и газификации оказывает статистически значимое положительное влияние на экономический рост регионов в долгосрочной перспективе. Вместе с тем результаты моделирования не позволяют сделать надежный вывод об эффекте краткосрочного взаимодействия между переменными.

Следует заметить, что полученные результаты согласуются с результатами схожих исследований, представленных в литературе. Например, в работе [5] показано, что увеличение потребления газа на 1 % в долгосрочной перспективе увеличивает ВВП на 0,652 %. Полученная в работе [19] оценка

вклада газоснабжения в экономический рост ниже и составляет 0,069-0,102 %. Несмотря на различия оценок, полученных в этих и других работах, большинство авторов подтверждают наличие значимого влияния энерго- и газоснабжения на экономический рост.

Анализ эндогенности (экзогенно-сти) переменных и направленности связей. Анализ выполнен на основе результатов оценивания моде-

ли (7) - (10) с помощью системного ОММ [15]. ОММ-оценки приведены в табл. 7. В целом базовый тест на состоятельность оценок (тест Саргана) свидетельствует об обоснованности выбранных инструментов. Так как используется ОММ на основе первых разностей, то предполагается отсутствие автокорреляции второго порядка. AR-тесты подтверждают возможность применения заданной спецификации.

Таблица 7. ОММ-оценки динамической панельной модели экономической динамики Table 7. Estimates of the dynamic panel model of economic dynamics according to the generalized method of moments

Переменные Variables Зависимая переменная Dependent variable

Ч Ч Adt

АУ-1 0,122 (0,041)* 0,095 (0,096) -0,089 (0,036)** -0,036 (0,035)

-0,049 (0,014)* -0,059 (0,061) -0,001 (0,018) 0,005 (0,016)

И-1 0,104 (0,067) 0,309 (0,198) 0,031 (0,094) 0,047 (0,031)

И-1 0,005 (0,051) 0,585 (0,276)** 0,102 (0,057)*** 0,480 (0,123)*

1/ГСМ "t-1 -0,079 (0,022)* 0,243 (0,105)** -0,006 (0,023) 0,014 (0,018)

const 0,040 (0,004)* 0,034 (0,015)** 0,003 (0,004) 0,027 (0,007)*

Тест Саргана (р-значение) Sargan's test (р-value) 0,432 0,097 0,093 0,578

AR^-тест (р-значение) AR(1) test (р-value) 0,001 0,002 0,001 0,041

AR^-тест (р-значение) AR(2) test (р-value) 0,797 0,036 0,185 0,075

Примечание. В круглых скобках приведены стандартные ошибки, скорректированные применительно к конечным выборкам. Для исключения эндогенности в качестве инструментов использовались объясняющие переменные с лагом >2. Механизм корректировки равновесия использовался только для оценки уравнений в уровнях. Тест Саргана - тест на обоснованность выбора инструментов (H0 - инструменты выбраны обоснованно); AR(1)- и AR^-тест - тесты на автокорреляцию остатков 1-го и 2-го порядков (H0 - автокорреляция остатков отсутствует); * - нулевая гипотеза отвергается на 1%-ном уровне значимости; ** - нулевая гипотеза отвергается на 5%-ном уровне значимости; *** - нулевая гипотеза отвергается на 10%-ном уровне значимости. Note. Standard errors corrected for the final samples are given in parentheses. Explanatory variables with a lag >2 were used as tools to exclude endogeneity. The equilibrium correction mechanism was used only to estimate the equations in the levels. Sargan's test is a test for the validity of the choice of instruments (H0 - tools are chosen reasonably); AR(1) and AR(2) tests are the tests for autocorrelation of the first and second order remainders (H0 - autocorrelation of the remainders is absent); * - the null hypothesis is rejected at 1 % level of significance; ** - the null hypothesis is rejected at 5 % level of significance; *** - the null hypothesis is rejected at 10 % level of significance.

Анализ полученных оценок, а также результаты совместного тестирования коэффициентов на равенство нулю позволяют сделать следующие выводы. Объем потребления газа в рамках модели можно считать слабоэкзогенной переменной, так как влияние на нее долгосрочной динамики рассматриваемых переменных статистически незначимо, но имеет место краткосрочная зависимость от изменения ВРП и раз -вития газификации. Показатель

развития газификации является сильно экзогенной переменной, так как ни в долгосрочном, ни в краткосрочном периоде не зависит от экономической динамики регионов и объема потребления газа.

ВЫВОДЫ

Результаты проведенного исследования показали,что применение концепции коинтеграции и панельных данных позволяет получить количественные оцен-

ки связи «газоснабжение и газификация - экономический рост». На основе результатов апробации предложенного методического подхода на примере 17 регионов России применительно к этим регионам можно сделать следующие выводы.

Рассмотренные переменные, характеризующие экономическую динамику регионов и развитие газоснабжения и газификации, являются нестационарными и имеют один порядок интегрированно-сти. Они коинтегрированы, между ними существует долгосрочная зависимость. Согласно полученным оценкам увеличение уровня газификации и объема газопотребления оказывает статистически значимое положительное влияние на экономический рост регионов в долгосрочном периоде. Увеличение протяженности сетей газораспределения на 1 % увеличивает ВРП регионов в долгосрочном периоде на величину 0,127-0,143 %, а увеличение объема потребления газа обеспечивает прирост ВРП на 0,106-0,169 %. Полученные оценки согласуются с результатами схожих исследований, представленными в зарубежной литературе.

Связь «газоснабжение и газификация - экономический рост» может быть описана с помощью модели с механизмом корректировки равновесия, отражающей не только ее долгосрочные, но и краткосрочные аспекты. Результаты анализа показали, что протяженность сетей газораспределения является строго экзогенной переменной по отношению к экономическому росту и потреблению газа. Напротив, объем газопотребления в краткосрочном периоде зависит от темпов экономического роста и темпов развития газификации.

Таким образом, результаты проведенного исследования подтверждают, что газоснабжение и газификация регионов являются существенными, статистически значимыми факторами регио-

нального развития. Учитывая неоднородность регионов, целесообразно провести подобные исследования и сравнительный анализ для всех регионов России в целом. Результаты такого ана-

лиза могут использоваться для оценки вклада газоснабжения и газификации в экономический рост и для планирования развития газификации. Они также могут послужить информационной

основой для проработки путей совершенствования ценовой и тарифной политики на внутреннем рынке газа. Указанное направление может быть предметом дальнейших исследований.■

ЛИТЕРАТУРА

1. Материалы заседания Правительства России «О мерах по повышению темпов газификации в России» [Электронный ресурс]. Режим доступа: http://government.ru/news/23931/ (дата обращения: 15.06.2018).

2. Постановление Правительства РФ от 10.09.2016 № 903 «О порядке разработки и реализации межрегиональных и региональных программ газификации жилищно-коммунального хозяйства, промышленных и иных организаций» [Электронный ресурс]. Режим доступа: http://docs.cntd.ru/document/420374752 (дата обращения: 15.06.2018).

3. Белинский А.В. Экономико-статистический анализ газораспределительного комплекса России // Финансовая аналитика: проблемы и решения. 2017. Т. 10. № 4. С. 384-402.

4. Белинский А.В. Типологическое изучение финансового состояния газораспределительных организаций России // Нефть, газ и бизнес. 2017. № 7. С. 3-12.

5. Apergis N., Payne J.E. Natural Gas Consumption and Economic Growth: A Panel Investigation of 67 Countries // Applied Energy. 2010. Vol. 87. Iss. 8. P. 2759-2763.

6. Zweifel P., Praktiknjo A., Erdmann G. Energy Economics. Theory and Applications. Berlin: Springer, 2017. 324 p.

7. Айвазян С.А., Фантаццини Д. Эконометрика-2. Продвинутый курс с приложениями в финансах. М.: Магистр, Инфра-М, 2014. 944 с.

8. Baltagi B. Econometric Analysis of Panel Data. Chichester: John Wiley and Sons, 2013. 373 p.

9. Pesaran M.H. General Diagnostic Tests for Cross Section Dependence in Panels. CESifo Working Paper, No. 1229. Munich: CESifo, 2004. 47 p.

10. Baltagi B.H., Feng Q., Kao C. A Lagrange Multiplier Test for Cross-Sectional Dependence in a Fixed Effects Panel Data Model // Journal of Econometrics. 2012. Vol. 170. Iss. 1. P. 164-177.

11. Pedroni P. Panel Cointegration. Asymptotic and Finite Sample Properties of Pooled Time Series Tests with an Application to the PPP Hypothesis: New Results. Bloomington: Indiana University, 1997. 42 p.

12. Pedroni P. Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors // Oxford Bulletin of Economics and Statistics. 1999. Vol. 61. P. 653-670.

13. Westerlund J. Testing for Error Correction in Panel Data // Oxford Bulletin of Economics and Statistics. 2007. Vol. 69. Iss. 6. P. 709-748.

14. Engle R.F., Granger C.W.J. Co-Integration and Error Correction: Representation, Estimation and Testing // Econometrica. 1987. Vol. 55. No. 2. P. 251-276.

15. Blundell R., Bond S. Initial Conditions and Moment Restrictions in Dynamic Panel Data Models // Journal of Econometrics. 1998. Vol. 87. Iss. 1. P. 115-143.

16. Pesaran M.H. A Simple Panel Unit Root Test in the Presence of Cross Section Dependence [Электронный ресурс]. Режим доступа: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=457280 (дата обращения: 15.06.2018).

17. Costantini M., Lupi C. A Simple Panel-CADF Test for Unit Roots // Oxford Bulletin of Economics and Statistics. 2013. Vol. 75. Iss. 2. P. 276-296.

18. Demetrescu M., Hassler U., Tarcolea A.-I. Combining Significance of Correlated Statistics with Application to Panel Data // Oxford Bulletin of Economics and Statistics. 2006. Vol. 68. Iss. 5. P. 647-663.

19. Alam M.S., Paramati S.R., Shahbaz M., Bhattacharya M. Dynamics of Natural Gas Consumption, Output and Trade: Empirical Evidence from

the Emerging Economies [Электронный ресурс]. Режим доступа: https://www.monash.edu/business/economics/research/publications/2015/ 2115-naturalgasconsumptionalamparamatishahbazmita.pdf (дата обращения: 15.06.2018).

REFERENCES

1. Materials of the Meeting of the Government of Russia "On Measures to Increase the Rate of the Gas Infrastructure Development in Russia" [Electronic source]. Access mode: http://government.ru/news/23931/ (access date: June 15, 2018). (In Russian)

2. Resolution of the Government of the Russian Federation of September 10, 2016, No. 903 "On the Procedure for the Development and Implementation of Interregional and Regional Programs of the Gas Infrastructure Development of Housing and Communal Services, Industrial and Other Organizations" [Electronic source]. Access mode: http://docs.cntd.ru/document/420374752 (access date: June 15, 2018). (In Russian)

3. Belinskiy A.V. Economic and Statistical Analysis of the Russian Gas Distribution Sector. Finansovaya analitika: problemy i resheniya = Financial Analytics: Science and Experience, 2017, Vol. 10, No. 4, P. 384-402. (In Russian)

4. Belinskiy A.V. Typological Study of Gas Distribution Organizations Financial Status in Russia. Neft, gaz i biznes = Oil, Gas and Business, 2017, No. 7, P. 3-12. (In Russian)

5. Apergis N., Payne J.E. Natural Gas Consumption and Economic Growth: A Panel Investigation of 67 Countries. Applied Energy, 2010, Vol. 87, Iss. 8, P. 2759-2763.

6. Zweifel P., Praktiknjo A., Erdmann G. Energy Economics. Theory and Applications. Berlin, Springer, 2017, 324 p.

7. Ayvazyan S.A., Fantazzini D. Econometrics-2. Advanced Course with Applications in Finances. Moscow, Master, Infra-M, 2014, 944 p. (In Russian)

8. Baltagi B. Econometric Analysis of Panel Data. Chichester, John Wiley and Sons, 2013, 373 p.

9. Pesaran M.H. General Diagnostic Tests for Cross Section Dependence in Panels. CESifo Working Paper, No. 1229. Munich, CESifo, 2004, 47 p.

10. Baltagi B.H., Feng Q., Kao C. A Lagrange Multiplier Test for Cross-Sectional Dependence in a Fixed Effects Panel Data Model. Journal of Econometrics, 2012, Vol. 170, Iss. 1, P. 164-177.

11. Pedroni P. Panel Cointegration. Asymptotic and Finite Sample Properties of Pooled Time Series Tests with an Application to the PPP Hypothesis: New Results. Bloomington, Indiana University, 1997, 42 p.

12. Pedroni P. Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors. Oxford Bulletin of Economics and Statistics, 1999, Vol. 61, P. 653-670.

13. Westerlund J. Testing for Error Correction in Panel Data. Oxford Bulletin of Economics and Statistics, 2007, Vol. 69, Iss. 6, P. 709-748.

14. Engle R.F., Granger C.W.J. Co-Integration and Error Correction: Representation, Estimation and Testing. Econometrica, 1987, Vol. 55, No. 2, P. 251-276.

15. Blundell R., Bond S. Initial Conditions and Moment Restrictions in Dynamic Panel Data Models. Journal of Econometrics, 1998, Vol. 87, Iss. 1, P. 115-143.

16. Pesaran M.H. A Simple Panel Unit Root Test in the Presence of Cross Section Dependence [Electronic source]. Access mode: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=457280 (access date: June 15, 2018).

17. Costantini M., Lupi C. A Simple Panel-CADF Test for Unit Roots. Oxford Bulletin of Economics and Statistics, 2013, Vol. 75, Iss. 2, P. 276-296.

18. Demetrescu M., Hassler U., Tarcolea A.-I. Combining Significance of Correlated Statistics with Application to Panel Data. Oxford Bulletin of Economics and Statistics, 2006, Vol. 68, Iss. 5, P. 647-663.

19. Alam M.S., Paramati S.R., Shahbaz M., Bhattacharya M. Dynamics of Natural Gas Consumption, Output and Trade: Empirical Evidence from the Emerging Economies [Electronic source]. Access mode: https://www.monash.edu/business/economics/research/publications/2015/ 2115-naturalgasconsumptionalamparamatishahbazmita.pdf (access date: June 15, 2018).