CC BY
4
86
НАУЧНАЯ ЖИЗНЬ
Высокая вариативность институциональной динамики -основа нестабильности региональных экономических систем
Кособуцкая Анна Юрьевна
доктор экономических наук, профессор,
ФГБОУ ВО «Воронежский государственный университет», г. Воронеж, Россия. E-mail: anna.rodnina@mail.ru
Трещевский Юрий Игоревич
доктор экономических наук, профессор,
ФГБОУ ВО «Воронежский государственный университет», г. Воронеж, Россия. E-mail: utreshevski@yandex.ru
Праченко Антон Александрович
кандидат экономических наук, доцент,
ГАОУ ВО «Московский государственный университет спорта и туризма», г. Москва, Россия. E-mail: anton-prachenko@mail.ru
Аннотация. Цель исследования - проверка гипотезы о нестабильности институциональной динамики регионов. Основной метод получения информации - экономико-статистический, включающий элементы кластерного и корреляционного анализа. Основные результаты исследования - установлена высокая вариативность институциональной динамики модельных регионов, позволяющая предположить ее высокое значение для проявлений нестабильности социально-экономических систем мезоуровня
Ключевые слова: регион, институциональная динамика, вариативность состояния систем, нестабильность систем JEL codes: P11; P25; R11
Для цитирования: Кособуцкая, А.Ю. Высокая вариативность институциональной динамики - основа нестабильности региональных экономических систем / А.Ю. Кособуцкая, Ю.И. Трещевский, А.А. Праченко. - Текст : электронный // Теоретическая экономика. - 2022 - №5. - С.86-91. - URL: http://www.theoreticaleconomy.ru (Дата публикации: 28.05.2022)
Введение.
В институциональной теории такие неформальные институты как «экономическое поведение», «традиции», обычаи», «привычки» рассматриваются как устойчивые, стабильные, определяющие в значительной степени экономическую динамику. В этой связи необходимо разделить институциональную теорию микроэкономического уровня, где в центре внимания находится институт конкуренции, и «макроэкономическую институциональную теорию», обращенную к пространственно-функциональным системам, начиная с глобальных макрорегионов и заканчивая отдельными странами и даже крупными административно-территориальными образованиями. Применительно к макроэкономическим системам представляют интерес работы основоположников этого направления в институциональной экономической теории М. Вебера [1, 2], Г. Мюрдаля [3] и ряда других исследователей, которые определенно указывали на стабильность базовых неформальных институтов, определяющих ход экономических процессов в больших социально-экономических системах. При этом развитие денежных отношений не только не ослабляло, но даже усиливало традиционные взаимоотношения. В результате внутренние изменения из-за сопротивления заинтересованных слоев населения не приводили к созданию новых экономических условий - они
© Кособуцкая А.Ю., Трещевский Ю.И., Праченко А.А., 2022
©
возникали только вследствие внешних воздействий или религиозных «революций» [1, с. 163].
В относительно недалеком прошлом довольно распространенным стало представление о потреблении «масс» как нерациональном, выходящем за пределы разумного, что, по мнению ряда исследователей, предполагали классики экономической теории, в том числе А. Смит. Об этом, в частности, писал Ж. Бодрийар [4, с. 238-240]. Эта позиция, на наш взгляд, не отвечает представлениям ни А. Смита, ни последовательно развивавшего его теорию К. Маркса. Понятие «рационального» потребления в их работах отсутствует, более того, они достаточно определенно обращаются к институциональной основе потребления. Так, А. Смит отмечал, что в развитом промышленном обществе бедные люди отстают в использовании предметов быта от богатых, но превосходят «обстановку многих африканских царьков» [5, с. 19]. То есть, речь идет об уровне потребления, связанном не с «рациональностью», а с соответствием состоянию экономики. К. Маркс при анализе всех стоимостных категорий обращается к «общественно нормальным» условиям, существующим в стране, отрасли и т.п., что объясняет, в частности, национальные различия в заработной плате [6, с. 570-575]. Таким образом, ученые, представляющие классическую школу, активно обращались к категориям институциональной экономики. Один из ярких представителей современной «макроэкономической институциональной теории» Ф. Фукуяма пишет о значимости политических институтов, позволяющих регулировать конфликты «по правилам», что и определяет в итоге экономическую динамику стран [7, с. 191]. С точки зрения логики формирования неформальных институтов эта позиция является оправданной, однако проблема заключается в том, что не установлены какие-либо количественные параметры действующих и потенциально возможных «правил».
Методы исследования.
Для установления количественных параметров неформальных институтов целесообразно обратиться к работам Дж. М. Кейнса, который предложил два характеризующих их показателя: «склонность к потреблению» и «склонность к сбережению» [8, с. 19]. Используя общий подход Дж. М. Кейнса, нами предложено использовать: «склонность к монетизации активов», «склонность к иммобилизации сбережений», «склонность к материализации инвестиций», «склонность к инновациям».
Для расчетов показателей мы обратились к данным российских регионов, поскольку Российская Федерация представлена административно-территориальными образованиями, существенно дифференцированными по географическим, технико-технологическим, социально-экономическим и институциональным показателям. В то же время расчеты для каждого отдельного региона имеют скорее практический, нежели теоретико-методический смысл. Поэтому для выбора модельного региона, подлежащего количественному анализу, все регионы страны подвергнуты кластерному анализу, методические основы которого изложили, в частности Дж. Хартиган и М. Вонг [9]. Методические аспекты расчета показателей и формирования виртуальных кластеров, результаты расчетов, представленные нами в ряде работ, показали низкую устойчивость виртуальных кластеров, свидетельствующую о пространственной нестабильности анализируемых неформальных институтов [10, 11].
Для дальнейшего анализа мы обратились к выбору модельных регионов, представляющих каждый из виртуальных кластеров. Информационную основу расчетов составили данные Росстата [12]. Динамика институциональных показателей определена за 15-тилетний период (2005-2019 гг.) с прогнозированием их значений до 2024 года. В качестве модельных регионов приняты Тульская область, представляющая наиболее активный кластер «А», Республика Татарстан - кластер «Б», Ставропольский край - кластер «В», Владимирская область - кластер «Д».
Еще один теоретико-методический аспект институциональной динамики - наличие оснований для стабильного или, напротив, нестабильного состояния неформальных институтов. Логичную гипотезу выдвинул Э. Тоффлер - изменения в экономическом (и ином) поведении обусловлены
сочетанием случайности и причинности, в результате чего происходят мелкомасштабные изменения, в результате которых каркас любой системы испытывает флуктуации [13, с. 481].
Результаты.
Расчеты институциональных показателей всех регионов продемонстрировали сходные результаты. Ниже представлены результаты, отражающие динамику показателей Тульской области. Склонность к потреблению демонстрирует постоянный рост во всех модельных регионах. Темпы роста, как и описывающие их функции в регионах различные, но их достоверность приемлема: в Тульской области динамика описывается полиномиальной функцией с коэффициентом детерминации (Я.2) 0,67; в Республике Татарстан - степенной функцией при Я2 = 0,77 и логарифмической функцией при Я2 = 0,75, приемлемо также описание полиномиальной функцией с Я2 = 0,71; в Ставропольском крае -линейной и полиномиальной функциями с коэффициентами детерминации в обоих случаях 0,74; во Владимирской области - полиномиальной (Я.2 = 0,87) и линейной функцией (Я2 = 0,85). Статические характеристики значений показателей (Б-критерий и р-критерий) имеют достаточные значения.
Из четырех проанализированных регионов в трех (Республике Татарстан, Ставропольском крае, Владимирской области) склонность к инновациям демонстрирует стабильный устойчивый рост по линейной функции с коэффициентами детерминации, соответственно: 0,99; 0,95; 0,80.
В то же время в Тульской области ни одна из функций не описывает динамику склонности к инновациям с достаточной степенью достоверности, как и оставшихся институциональных параметров. Все они демонстрируют чрезвычайно быстрые изменения даже в краткосрочном плане. В качестве примера обратимся к динамике склонности к монетизации активов (рис. 1, табл. 1).
Рисунок 1 - Динамика склонности к монетизации активов в Тульской области (%)
Источник: составлено авторами по данным Росстата
Таблица 1 - Характеристики функций склонности к монетизации активов в Тульской области
Функция Тренд Уравнение тренда
Линейная у = -0,05х + 7,21; Я2 = 0,01
Логарифмическая — • — • — у = 0,35 1п(х) + 6,14; Я2 = 0,01
Полиномиальная — — — — у = -0,07 х2 + 1,03 х + 4,15; Я2 = 0,25
Степенная у = 4,95х0Д3; Я2 = 0,05
Источник: рассчитано авторами по данным Росстата
Характеристики функций (значения свободных членов уравнений, коэффициентов перед независимыми переменными, показателями степени, коэффициентов детерминации) округлены до второго знака после запятой.
Визуализация данных, представленных на рис. 1, позволяет составить общее представление о неустойчивости динамики склонности к монетизации активов в анализируемом регионе. Обратим внимание на перепад в шесть процентных пунктов при переходе с 2005 г. на 2006 г. Следует отметить, что фаза экономического цикла (высокая экономическая конъюнктура) не изменилась. В период
кризиса, начавшегося в 2016 г., произошел рост показателя на 4 п.п., затем последовал довольно длительный период снижения его значений. В 2009 г., в наибольшей степени отразившем результаты кризиса 2008-2009 г., существенных изменений значений показателя не произошло. В 2019 г. значение склонности к монетизации активов фактически вернулось к начальному значению 2005-го года, плавно снижаясь на протяжении трех лет. То есть, какой-либо зависимости динамики склонности к монетизации активов от фазы экономического цикла не заметно. Достоверно описать динамику какой-либо из обычно применяемых функций не представляется возможным, поэтому процесс на данном этапе исследования можно охарактеризовать как стохастический.
Обратное явление - склонность к материализации инвестиций, столь же неустойчиво (рис. 2; табл. 2)
/ \ —- -— ~ 1»| 1 X" 1 г
— ^ ч * _/ Л \ "-Ч.
- \
\ N Ч
ооооооооооооооооооооо
Рисунок 2 - Динамика склонности к материализации инвестиций в Тульской области
Источник: составлено авторами по данным Росстата
Таблица 2 - Характеристики функций склонности к материализации инвестиций в Тульской области
Функция Тренд Уравнение тренда
Линейная у = 0,06х + 1,46; Я2 = 0,08
Логарифмическая — • — • — у = 0,53 1п(х) + 0,97; Я2 = 0,19
Полиномиальная — — — — у = -0,03 х2 + 0,59 х - 0,03; Я2 = 0,45
Степенная у = 0,89х0,36; Я2 = 0,31
Источник: рассчитано авторами по данным Росстата
Характеристики функций округлены до второго знака после запятой.
Визуализация данных о динамике склонности к материализации активов позволяет логически связать рост и падение значений с фазами экономического цикла. Показательно в этом смысле скачкообразное увеличение значений с 2007 г. (перегрев экономики) по 2008 г. (начало кризиса). В то же время следует отметить, что статистические данные 2008 г. еще не отражали падения экономики; изменений в значении данного показателя как реакции на ухудшение экономической ситуации, следовало ожидать, скорее, в 2009 г. Но фактически в 2009 г. показатель вернулся к исходному состоянию 2006 года. Довольно логично выглядит рост значений показателя в период благоприятной экономической конъюнктуры 2010-2014 гг. и снижение в кризисном 2015 г. Однако анализ этой функции в иных модельных регионах не подтверждает такой зависимости, например, во Владимирской области скачкообразные изменения склонности к материализации инвестиций происходят практически ежегодно (рис. 3).
Как видно из графика, представленного на рисунке 3, скачкообразные изменения в значениях показателя достигают 3-5 п.п. в год.
8,0 6,0 4,0 2,0 0,0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Рисунок 3 - Динамика склонности к материализации инвестиций во Владимирской области
Источник: составлено авторами по данным Росстата
Выводы.
Институциональные параметры регионов России можно оценить количественно. При этом состав достаточно выраженных функциональных зависимостей во времени ограничен. Во всех модельных регионах устойчиво изменяются «склонность к потреблению» и «склонность к инновациям». Такая закономерность связана, по всей вероятности, со следующими обстоятельствами:
- изменения склонности к потреблению ограничены сверху общим объемом доходов, снизу -привычным уровнем потребления;
- стабильный рост склонности к инновациям обусловлен государственной политикой стимулирования инновационного развития хозяйствующих субъектов, которое достаточно для расширения процесса, но не позволяет в полном объеме использовать его потенциал для достижения стабильных результатов.
Остальные институциональные параметры не имеют определенных закономерностей изменения во времени. Их динамика не ограничена верхним пределом - объемом ежегодных доходов, поскольку предполагает кроме них использование ранее совершенных сбережений. Это позволяет оперировать более значительными средствами в поисках перспективной модели экономического поведения.
СПИСОК ЛИТЕРАТУРЫ
1. Вебер М. Хозяйственная этика мировых религии; Опыт сравнительной социологии религии. Конфуцианство и даосизм. / Пер. с нем. и предисл. О.В. Кильдюшова. - СПб.: Владимир Даль, 2017. -446 с.
2. Weber Max. Wirtschaft und Gesellschaft. Grundriss der verstehenrer Soziologie. 5. Reviderte Aufl. Besorgt von Johannes Winckelmann. Tubingen: J.C.B. Mohr (Paul Siebeck), 1972. - 945 р.
3. Мюрдаль Г. Азиатская драма: Исследование нищеты народов / Г. Мюрдаль. - Москва, 1970. -
204 с.
4. Бодрийяр Ж. Призрак толпы / Ж. Бодрийяр, К. Ясперс. - М.: Алгоритм, 2014. - 304 с.
5. Смит, А. Исследование о природе и причинах богатства народов. Т. 1 / А. Смит. - М.; Л.: Госсоцэкиз, 1931. - 436 с.
6. Маркс К. Капитал. Критика политической экономии. Т.1. - М.: Политиздат, 1973. - 907 с.
7. Фукуяма Ф. Отставание / Ф. Фукуяма; пер. с англ А. Георгиева. - М.: Астрель, 2012. - 477 с.
8. Кейнс Дж.М. Общая теория занятости, процента и денег / Дж. М. Кейнс. М.: АСТ, 2021. - 448 с.
9. J.A. Hartigan, M.A. Wong. Algorithm AS 136: A K-Means Clustering Algorithm. Journal of the Royal Statistical Society Series C (Applied Statistics). 1979. - Vol. 28, N 1. - P. 100-108.
10. Кособуцкая А.Ю. Инновационная активность и неформальные институты в регионах страны / А.Ю. Кособуцкая, Ю.И. Трещевский, А.А. Праченко, А.Г. Малугина // Теоретическая экономика. -2021. - Том 83. - № 11. - С. 111-115.
11. Yu.I. Treshchevsky, A.Yu. Kosobutskaya, А.А. Prachenko and A.G. Malugina. Innovative Activity
in the Institutional Environment of Russian Regions/ In: Innovation Management and Sustainable Economic Development in the Era of Global Pandemic: Proceedings of the 38th International Business Information Management Association Conference (IBIMA). Khalid S. Soliman (ed.) 23-24 November 2021, Seville, Spain. P. 7841-7849.
12. Регионы России. Социально-экономические показатели. 2020: Стат. сб. / Росстат. - М., 2020. - 1242 с. https://rosstat.gov.ru/folder/210/document/13204
13. Тоффлер Э. Третья волна / Э. Тоффлер / пер. с англ. - М.: АСТ, 2010. - 795 с.
